易坊好文馆

  1. 首页 > 玩科技 >

学对和|危机不慌｜马斯克设计成功的失败

马斯克 成功 飞船 设计 模式 危机 概率 原则 秩序 爆炸 学对和 元规则

对于希望思想领先的企业 ， “设计成功的失败”应该是必备的认知能力 。 它不应该只停留在认知态度上 ， 还要有执行的方法 。 以马斯克为例 ， 本文提供一个实践模式 。
上周三 ， 12月9日 ， “星际飞船”(SpaceX Starship SN8)第一次试航 。 与过去火箭发射不一样 ， 飞船要试验像飞机那样的起飞和降落整个过程 ， 因为未来它将承运100人去火星 。 下午4点45分 ， 飞船顺利升空 。 4分30秒之后 ， 飞船到达预定12500米的高度 。 4分40秒 ， 飞船完成从垂直到水平的空中90度翻转 ， 持续平稳降落 。 6分30秒 ， 飞船再次从水平飞行状态翻转90度 ， 以底部瞄准预先设定的降落台着陆 。 6分42秒 ， 飞船着地降落台 ， 瞬间起火爆炸 ， 化为灰烬 。
星际飞船的总设计师伊隆·马斯克（Elon Musk）随后在社交媒体上宣布此次试航是“成功的失败”：成功上升 ， 火箭推动装置交替点火成功 ， 空中旋转成功 ， 精准导航降落预定点成功 。 爆炸数据分析显示 ， 燃料舱前端压力太低 ， 导致着陆速度过高 ， 碰撞起火爆炸 。 末了 ， 马斯克不忘再推一句豪言壮语：“火星 ， 我们就快来了！”
在我的《新技术的胜算》一书中 ， 我曾经概括 ， 马斯克善于设计成功的失败 。 利用高风险的探索 ， 他深刻理解新事物的“第一性原则” ， 然后再出发 。 马斯克的事业都具有先行者的优势 。 只要秉承持续探索的路线 ， 失败是首先发现第一性原则的垫脚石 ， 是成功的必要准备 。
大多数的商业先进关心事物的普遍原则 ， 即经过大数据样本的验证 ， 已经确定有明晰因果关系的行动指导原则 。 普遍原则与“第一性原则”不矛盾 。 通过追随者反复试验 ， 第一性原则可以成为普遍原则 ， 就像牛顿定律和法拉第电磁感应定律 。 但是 ， 对商业领袖而言 ， 他们更在意首先获得第一性原则 ， 因为那是核心竞争力的思想源泉 。
如果要在商业思想上领先 ， 那么 ， 懂得像马斯克那样设计成功的失败就很重要了 。
为发现第一性原则而遭受的挫折是值得庆祝的失败 。 埃德蒙森（Amy Edmondson）教授专门对失败做了9种分类 。 那些已经有常规程序的 ， 在岗位技能范围内的 ， 属于专家判断能力范围内的失败 ， 可以控制 。 发生后 ， 必须惩戒 。 而属于挑战假设 ， 探索未知 ， 钻研第一性原则的行动 ， 它们其实没有真正失败过 ， 只有获得反馈信息的丰富程度 。 如果反馈信息拓展了认知边界 ， 那么 ， 它就是成功的失败 。 爆炸之前 ， 星际飞船试航已经带回95%的反馈信息 。 爆炸之时 ， 科研人员获得燃料舱压力关键数值 。 所以 ， 它属于成功的失败 。
什么是“第一性原则”？苹果公司的内训设计课程会首先给员工展示三幅图片：公元前3万年肖维岩洞的公牛壁画 ， 毕加索寥寥几笔勾勒出的抽象公牛 ， 苹果第一代滑鼠 。 从原始人具体生动的岩画中 ， 毕加索抽象出艺术的第一性原则：神韵 。 然后 ， 它成为毕加索画作的第一性 。 苹果设计的第一性是什么？这是所有设计师首先和最后要回答的问题 。
艺术有第一性 ， 科学也如此 。 已故中国导弹专家张顺江教授专门写了本《元论》 ， 讲解“第一性原则”就是系统的“元规则” ， 万变不离其宗的系统元点 。 我采访协同论创始人哈肯（Herman Haken）教授时 ， 他解释系统的“第一性原则”为“秩序参数”（Order parameter） 。 理解混沌到秩序 ， 要点在把握秩序参数 。
回归商业 ， 从一个模式向另一个模式迁移 ， 也是新旧秩序的转换 。 例如 ， 电脑行业曾经有过WinTel (Window+Intel)的“软硬体系统集成”的第一性原则 。 现在 ， 元规则是“软件即服务”（SaaS） 。 又如 ， 全球化有过产业链“全球整合”（Global Integration）的第一性原则 。 去全球化后 ， 元规则是什么？谁先把握它 ， 谁就思想领先 ， 商业升维！
等到“第一性原则”成为普遍原则 ， 商业优势已经过气为普遍常识 。 因此 ， 像马斯克那样的商业领袖对失败情有独钟 。 对他们而言 ， 任何能够帮助突破认知边界的失败 ， 都是成功必要的资粮 。
若得法 ， 设计成功的失败 ， 思想收获远远不止于第一性原则 。 下面就是一个协助思考的框架（见 下图） 。

学对和|危机不慌｜马斯克设计成功的失败
文章图片

首先 ， 我们要将认知对象分为两类：大概率事件和小概率事件 。
其次 ， 我们把学习模式划分为两种：学对和学错 。 从失败中学习 ， 它属于学错模式 。 重复成功的因果关系 ， 它属于学对模式 。 两者非但不矛盾 ， 而且互补 。 反之 ， 单独对待 ， 事倍功半 。 这是我们把学对和学错综合在一起讨论的一个重要原因 。 它们分为以下四种情形 。
【学对和|危机不慌｜马斯克设计成功的失败】1.大概率事件学对 。 数学家高斯和拉普拉斯对人类知识发展做出的贡献是：万事万物背后有概率分布的特征 。 利用正态分布的原理 ， 总结反复出现的事件背后的规律 ， 这是我们最熟悉的学习模式 。 大部分自然科学和社会现象都遵守概率统计学的正态分布规律 。 依据现象中间值和平均值计算 ， 我们就观察的事物推导出比较稳定的因果关系 。 然后 ， 我们再将它应用到同类活动中 。 管理实践中 ， 我们推广组织中的最佳表现 ， 用KPI考核成员的个人表现 ， 总结并复制商业模式 。 它们的原理都基于大概率事件学对 ， 依靠的是中间值知识 。
2.大概率事件学错 。 同样依据概率统计原理 ， 大概率事件在正态分布的尾端显现出事物变化的偏差（统计上的标准差） ， 即没有遵守已知规律的部分 。 它们出现 ， 可能是偶然性因素 ， 可能是人们执行规律的精细程度还不够 。 总结概率偏差 ， 我们找到降低人的行为表现误差的方法 。 认识“误差”后 ， 我们设立纠错机制 。 为提高产品质量 ， 许多企业都贯彻执行“六西格玛”质量控制体系 。 这个最早来自摩托罗拉生产管理的方法就是用概率分布的标准差（西格玛 ， Sigma）衡量质量变差 。 然后 ， 用各种方法 ， 不断降低标准差 ， 提高产品和服务的稳定性 。 大概率事件学错对标的是已知规律 。
但是 ， 如果是偶尔现象 ， 稀有事件 ， 如果我们必须寻找已知规律之外的新原理才能解决新问题 ， 那么大概率事件学习模式就不适用了 。 例如 ， 乘坐飞船去火星 ， 对这个新问题 ， 我们必须从地球航空的规律跨越到星际航天的原理 。 要发现新的第一性原则 ， 我们得结合小概率事件学习模式 。
3.小概率事件学对 。 许多重要的现象难以得到大量的数据 ， 属于小概率事件 ， 例如危机事件和偶现的天文现象 。 但是 ， 理解它们有极高的价值 ， 例如搞清楚新冠病毒 ， 才能找到疫苗 。 因此 ， 解析罕见现象和稀有事件是推动人类认知边界的重要活动 。
不过 ， 因为缺少大数据 ， 把握小概率事件就无法通过大数据正态分布找因果关系 。 相比而言 ， 感知的方法更合适 。 对于只有小样本的事件 ， 我们调动不同的思维方式去感受 ， 例如 ， 观察、问询、比较、联想、幻想、比喻等等 。 我们用不同的解释系统去描述 ， 例如 ， 人类学、政治学、社会学等等 。 我们关注其中特别的属性 ， 例如相反的、陌生的、意想不到的、奇怪的等等 。 在感知的基础上 ， 我们决定选择某种视角去把一个现象和另一个现象联系起来 。 例如 ， 手机-双方打电话的电子产品-信息通信工具-自己找信息的工具-即时获得当场关注的信息-个人即时移动信息工具 。 在选择看问题的视角之后 ， 为理解同一个种类的现象 ， 我们给它们取一个共同的名字 。 这就是概念 。 例如 ， “智能手机” 。
通过感知、视角和抽象命名 ， 我们让一个概念对应一类现象 。 “小概率事件学对”帮助我们深究出新现象的共性 ， 接近新事物的第一性原则 。 这个认知习惯很重要 ， 它事关能否以思想领先带动商业优势 。 例如 ， 手机背后是一个巨大的通讯技术基础设施 。 没有分布式信号传输的技术 ， 不可能有智能手机 。 华为是分布式信号传输基站的首创者 。 但苹果用它建立了智能手机的新商业范式 。 一个“看到”更高级的技术 ， 另一个“看到”颠覆式技术 。 一个看到商业价值量的增加 。 另一个看到商业价值质的变化 。 后者看到新秩序的种子 ， 理解“移动信息应用平台”是新秩序的第一性原则 ， 这就是洞察力 。
小概率事件学对的智慧还有两个特征：
1）换了组织或个人 ， 洞察力不一样或失效 ， 因为它与观察者的感知过程息息相关 。 离开具体感知环境 ， 洞察力带来的直观启发便干枯了 。 保留它近似效果的方法是归纳出一些生动的元规则 ， 让缺乏感知经验和能力的人也可以做 。 例如 ， 电影《地雷战》中 ， “不见鬼子不拉弦！”村民缺乏爆破学知识 。 但按这个元规则去做 ， 可以提高地雷爆炸杀伤力 。
2）它是暂时的 ， 动态的 ， 应用的判断 。 有别于因果关系代表的稳定规律 ， 判断是依据较少的线索 ， 想象可能的联系 ， 是推演未来变化中的因缘关系 。 例如 ， 未来 ， 没有超级大国的霸权秩序后 ， 我们可能迎来“俱乐部经济” 。 全球企业主动合纵连横 ， 组织小范围的生产与贸易俱乐部 。 它符合各方的意愿 ， 有推广的条件 ， 是可能成功的因缘关系 。
4.小概率事件学错 。 偏差预示着陌生新现象 。 偏差中孕育新秩序的种子 。 这是小概率事件学错的两个关注点 。 危机现象就属于学错的偏差 。 与前面讨论的纠错思维不同 ， 学错思维把造成危机的小概率事件当作宝贵的材料 ， 并试图以此弥补判断力的不足之处 。
小概率事件学错能帮助我们率先感知新秩序出现的弱信号 。 新秩序尚未成长发展为普遍现象之前 ， 它往往出现在一系列危机事件中 。 它往往被当作偶然因素造成的误差 。 “春江水暖鸭先知 。 ”那些少数当事人 ， 如果有小概率学错思维 ， 便视之为发送新秩序弱信号的媒介 。 例如 ， 新冠疫情冲击了加拿大所有大学的传统模式 。 但是 ， 在这次危机偏差中 ， 我们看到新秩序的弱信号：未来大学模式 ， 从课堂教学走向混合辅导 。 把教学元素拆解为线上、线下、自学、教练、模拟、综合等新活动 。 新秩序的第一性原则是：教育即服务（Teaching as a service, TaaS） 。
四种情形中 ， 小概率事件学错最难 ， 因为它是一种与人的认知本能相反的自觉意识和行动 。 我们的认知本能有下列偏好：一致性 ， 确定性 ， 自我正确性 ， 简单结论和普遍规律 。 而小概率事件学错要求我们有意识地抵制简单化概括 ， 提醒我们承受反思错误的心理反感 ， 鼓励我们精思熟虑现象背后的细腻关系 。 这样做的好处是持续调整我们的判断力 ， 达到校正心念、意念和概念的效果 。 这是正念的实践 。 所谓正念之正 ， 为校正之正 。
小概率事件学错的另一个价值在于突破旧认知的边界 。 世界的一切都是想出来的 。 而思想必然有假设的边界 。 什么时候我们对边界的限制性最有感触？发生危机和犯新鲜错误的时候 。 例如 ， 对Space X ，燃料箱压力不足导致着陆失败 ， 这是新鲜的错误 。 它拓展工程师认知的边界 。 又如 ， 对卫生健康行业 ， 新冠凸显医院的“三密”边界（密集人群 ， 密切接触 ， 密封空间） 。 以技术重新划分虚拟和实体活动的边界 ， 数字化医疗（Telehealth）的新秩序值得期待 。
两位古希腊哲学家曾经讨论宇宙是否有边界 。 持反方的哲学家设计了一个成功的失败：假设有边界 ， 你手持长矛 ， 跑到假设的边界 ， 然后奋力一掷 ， 会怎样？如果飞出去了（假设失败） ， 岂不是天外有天？如果反弹回来了（假设再失败） ， 既然已经在边界 ， 怎么边界之外还存在反弹力量？边界的问题困扰我们几千年 。 它还会继续吸引思想领先的创业者 。 因为 ， 无论成败 ， 边界问题是通往“第一性原则”的曲折幽径 。
（本篇为澎湃商学院独家专栏“危机不慌”系列之十八 ， 作者鲍勇剑为加拿大莱桥大学迪隆商学院终身教授、复旦大学管理学院EMBA项目特聘教授 。 ）
(本文来自澎湃新闻 ， 更多原创资讯请下载“澎湃新闻”APP)

    推荐阅读


    上一篇：IT|北京约谈多家共享电动自行车企业 明确不发展电动自行车租赁

    下一篇：进行尝试|AI赋能房产中介行业 经纪人带人看房先做题