一个复杂问题，是怎么被一步步解决的？

我们每个人的一生都会遇到很多问题。

有些问题的答案相对简单，查资料、问专家，往往就能找到答案。

但还有一些问题，比如创业、择业、经营企业，

甚至是人生本身，更像是一个充满问号的黑盒。

你根本看不清里面到底有多少变量，也不知道哪条路一定正确。

这个时候，人很容易产生一种无力感，

不是不想解决，而是根本不知道从何下手。

最近在看了一些科学家的著作之后，

我发现，面对复杂问题，单一方法和思维往往是不够的。

往往需要有跨学科的思维，才能更好的去面对它。

今天在这里，我分享四个我觉得是对我们来说

面对复杂问题时，可能会很有效的视角。

一、控制论：解决复杂问题需要连续纠偏，而非一次做对

《控制论与科学方法论》这本书中提到两个例子。

一个是火箭在飞向38万公里之外的月球时。

根本就不可能在发射前把途中所有干扰都计算清楚。

老鹰抓兔子也是一样。

老鹰也根本不会提前计算好兔子未来十秒钟的运动轨迹。

它们做的，都是在飞行过程中不断观察自己与目标之间的位置差，

然后再不断调整自己的方向和速度。

这对我们的启发是什么呢？

就是，复杂问题，

它本来就不是一次性被解决的。

换句话说就是，面对困难（复杂问题），

你并不需要一开始就完全具备解决（控制）它的能力，

但你可以在连续纠偏的过程中,

不断提升你对那个问题的解决（控制）能力。

二、进化论：边界性、还原性和涌现性是复杂系统的三个特性

在《进化论讲义》这本书中，

作者提出了一个，“放羊型理论”。

意思是说，

假设我们把一公一母两只羊放进一片草场。

我们会知道羊想要活下去，

就需要水、草和空气。

这个就是这个羊群系统存在的边界性，

没有这些条件，羊群不可能长期存在。

然后第二点说到还原性，就是你可以想象，

当这两只羊变成300只或500只羊的羊群，

成为一个复杂系统的时候，

其实，我们是可以对它进行一个拆解和还原的，

比如羊的数量、年龄、性别、健康状况、水、草、空间的资源够不够等，

这个放在我们生活当中就是，

但你不知道怎么下手的时候，

很好的一个方式就是对复杂系统进行拆解和还原，

去研究组成它的要素，将它原子化。

也就是将模糊的，宽泛的问题具体化。

第三个对我们会很有启发的特性，叫做涌现性。

还是拿放羊举例，

比如两三只羊的时候，不会存在什么“羊群社会结构”。

但是，当羊群扩张到几十只、上百只以后，

就可能开始出现羊群结队、争夺领地甚至是新的内部秩序。

这对做公司也很像。

一个公司只有一两个人的时候，没有所谓的管理问题。

但是当公司变成50、100、500人的时候，

可能就会出现文化、层级、政治斗争、资源争夺等等问题。

所以这个对我们的启发，我觉得是，

让我们能够有预见性的，

来去面对复杂系统或者复杂问题，

提前就能有一些方案去做准备和应对。

三、反馈：反馈速度决定认知迭代速度

这两天正好看到张雪在接受采访时，

分享了他们公司摩托车的研发流程，

他说，之前他告诉研发团队想做一款什么车之后，

第一轮先是设计一张平面图。

但是平面图有一个问题，就是不够立体。

所以后来他们用了一个虚拟现实的VR工具，

就是能够在2D里面，

能够快速地搭建一台3D立体的摩托车。

然后就可以看到这个车的各个立体细节。

如果是放在以前从平面图设计完，再下工序，

基本可以说是天量的工作，

但是现在在这个VR里面去实现，

一个星期就把各种细节给验证完了。

反馈速度非常快。

如果我们把创业也看作一个复杂问题（系统），

同样行业的两个创业者，

A创业者，一天对产品做一轮验证。

B创业者，一天对产品做10次验证。

那么B创业者的认知迭代速度，

一定是远超于前一个创业者的。

这对于我们的启发是什么呢，

我觉得很重要的一点是，

我们需要设计出一个能够快速反馈的机制，

通过高频的反馈，来快速提升对市场、

对产品，对复杂系统的认知。

四、科学决策：找对人加AI辅助决策

这一部分来自于达里欧的的《原则》这本书，

然后我觉得对我们非常有启发的是两点。

一个就是达里欧在书中说的，

是要对我们听取他人的意见进行可信度加权，

翻译成人话就是，

我们应该是多听取那些能够在这个

问题上有发言权的人的意见，

而不是把所有人的意见权重都当作是一样的。

说得更直白一点就是，问问题，要找对人。

第二点就是要用AI来帮我们进行辅助决策。

前段时间有一个餐饮行业老板联系我，

说目前生意遇到的最大瓶颈，

就是每天40%到50%其实要做大量的决策，

但是在很多问题上，

比如说这个操作间，该不该换，什么时候换，换到哪里等等，

他根本就不知道，也没有人可以去商量。

那这个时候，他的日常其实需要的，就是AI辅助决策。

它虽然不保证每一个建议都对，

但是它至少能够拓展我们的思路，

打开可能性空间。

然后将我们的思考，给固化成决策的原则，

这些原则，再去辅助我们，

在下一次决策当中做出更好的选择。

所以，遇到黑盒般的问题，不必害怕下手。

启动纠偏，看清边界，加快反馈，借助外力。

只要你的系统在不断迭代，

再复杂的问题，

也终将在持续进化中被一步步给解决掉。