534 让你免于失控的 9 条神律

by @秦书宝

全文约 3000 字，阅读约需 5 分钟。

.

作者 KK 在《失控》的最后一章，提到了「如何无中生有」，其实就是如何持续向「上」发展演化。具体什么算「上」，每个人有自己理解，我觉得就是朝着自己想要的那个更好的方向吧。

他总结了「九律」，分别是：

• 分布式，
• 自下而上的控制，
• 递增收益，
• 模块化生长，
• 边界最大化，
• 鼓励犯错误，
• 不求最优化但求多目标，
• 谋求持久的不均衡态，
• 变自生变。

我就不一一展开了，只是记录一下我自己理解的，与个人发展相结合的方式。

.

1. 分布式

收入上，不能只依赖一份收入，那样的现金流是非常不稳的，就像《三十而已》里顾佳的烟花厂主要订单都来自老流氓所以因为害怕破产而被人摸了大腿。

扩展到根本层面上，一个人的思维方式不能只来自一个专业领域，多个视角在自己脑子里抬杠博弈，才有可能做到个体层面的分布式。

2. 自下而上的控制

KK 是想借生物演化的神律（之一）来解释未来机械生物或者智能机器的决策方式——不是寻找完美的解决方案，而是底层能运行即可，开始在上面搭建新的一层，如此反复叠加，局部效率非最优，但整体性价比最高。

按这个原理，控制或者说决策的时候，就得从下往上传递信息，根据一线情况做决策而非搞僵硬的计划那一套。就个体而言，我觉得这和「以终为始」实际上是很相似的——要看每一个小场景里你要实现的目的是什么，再反推回顶端决策层，看看要做什么样的调整。

3. 递增收益

熟能生巧，越用越好。

只看这条没啥意义，但把它和经济学里的基本定律「边际效用递减律」结合起来，就有意思了。同一个东西，对同一个人，反复刺激，收益是递减的，那么为什么你掌握一个技能后能够实现收益递增？我觉得来自两个方面：

• 一是边际成本递减，甚至为 0，也就是技能熟练到足以自动化，根本不用投入新成本，甚至变成无限复制即可出售的「睡后收入」。
• 二是随着技能熟练，影响扩大，新加入的受众也成为了未来受众可获得收益的来源，有点像传销只不过被传的是真实价值而非骗术。

成本降了，流量便宜了（所以也大了），收益才会递增。

4. 模块化生长

在自下而上的控制那一段里已经说了，KK 认为复杂系统（生命或机器）的构成方式是模块化的——下层能用就好，开始构建上层，如此反复。这里不只说性价比，更强调模块化，也就是下层的功能是封装好的可以直接复制和调用的，不用重新从头推导一次，类似于数学公理背会了，还背会了很多定理和推理。

对个人而言，我觉得这里更强调系统化学习，与碎片化学习对立。我认为碎片化学习里的碎片化，应该修饰时间和场景，但很多人错误地修饰了学习内容。也就是说，我们应该完整地学习西班牙语，在生活的零碎时间里也听听力背单词（在整块的时间里认真学语法、做阅读），而不是说我不去学西语语法了，只是偶尔学点问候会话即可（假装会西语）。

西语只是个例子，经济学、论语、博弈论，这种经常被拿来「5 分钟学会」或者「趣味解读」的主题，都应该回归到系统学习里去。把学科变成模块，才能生长，只收集碎片（甚至是牙慧），没有意义。

5. 边界最大化

就是吹气球。气球越大，接触的外界越多，也越容易进一步扩张。实际上，气球越大，内部气压也越大，向外扩张也越容易。

KK 强调的主要是遇到尖刺之后，更大边界的系统能够更早做反馈，而且越大的边界越意味着多样性，这个跟个体成长倒是非常契合。跨界复合人才，永远是最占优的，比较永远有比较优势。

另外，我们在 #铀点逻辑# 私开课进阶课的「逻辑和学习」那一章里也讨论过，全人类的现有知识是一个很大的 puzzle，其中每一小块带给学习者的信息量，都不只是那块拼图上的内容，还包括了拼图本身的形状。这种客观形状蕴含着知识与相邻其他知识之间结合的方式，实际上会自动指引你学习新知识。

6. 鼓励犯错误

这没什么可说的。

7. 不求最优但求多目标

其实我觉得这个说法（或者是翻译）不够精妙，没体现出那层意思。个人认为更准确的意思是，与其在单一目标上追求最优，不如多顾及几个不同方向来的客观限制或挑战，这样整体最终的适应性是更强的。

在个人而言，就是兴趣广泛但都不甚精通，其实比在一个已经熟悉的领域里做到顶尖，更有价值。这几条在底层原理上都是类似的——因为外界环境多变且不可控，那么我们就被迫要做好尽可能多的准备，也就是让自己变得多样化。

• 对一个社群来说，有一群全面庸才不如有一群各领域天才。
• 但对一个个体而言，在所有方面都略懂一点远胜于专精某一个方面。

8. 谋求持久的不均衡态

这其实就是走出舒适区，但不能走太远直接跳进自杀区，没啥可说的。

9. 变自生变

复杂会自动指向复杂，这是事实，看你怎么理解。

• 负面理解，就是麻烦会自动带来麻烦。
• 正面理解，就是越懂的人越懂越多。

大致如此。

.

我试着把它们整合成一种类似结构化的东西：

因为客观环境是多变的，个体只能被迫迎接挑战，所以要多做不同方面的准备。这就决定了「分布式」「自下而上的控制」「边界最大化」「不求最优但求多目标」是必要的。

做准备还不够，最好还能有自动去做更多方面准备的能力。所以，要注重「变自生变」，要让自己的知识体系、技能树，变得尽可能复杂，实现自动复杂化。在这个过程中，要「喜欢犯错误」，要「谋求持久的不均衡态」。

实际执行中，要记得「模块化生长」。这不光是说要系统学习各个模块，还强调了要坚持「不求最优但求多目标」的原则，以便让自己「边界最大化」，从而逼近「分布式」。

如果能把这样的线性决策，导向「递增收益」，就有可能构建出一个闭环：

• 为了「变自生变」而先变复杂，以便让复杂自动引导出更复杂；
• 为了复杂而努力学习各种模块，一块接一块地学习；
• 每个模块在熟练后都能带来自己模块对应的边际收益（递减）；
• 但模块之间的溢出效应使边际学习成本下降，同时（变现知识时的）边际流量成本也下降，最终实现了整体的边际收益递增（未必是赚钱，也可能是省钱，或者省事）；
• 这个时候，变得更复杂带来了足够大的好处，会引导着个体走向更复杂的方向，自然就「变自生变」了。

简单说一下什么叫「未必是赚钱，也可能是省钱，或者省事」，比如说装修房子：

• 普通人再研究装修的知识，能不能靠这个赚钱呢？不太可能，不够专业。
• 但多少懂一点，至少装修时不容易被骗，这就省钱了。
• 将来如果钱多了房子也多了，就不仅能自己能不被骗，还能看出来哪些设计师靠谱，可以直接把装修全部交给某个设计师去管，自己把控核心环节（比如总预算、关键的水电改、底料、环保）即可，这就是省事了。
• 从现金流的角度看，省事就是节约了时间和精力，这些资源就可能在别处赚钱，或学会新的技能来省钱/省事。

以上，一些粗糙理解，仅供参考。

.