文/姚斌
邓肯·瓦茨出生于1971年，是我目前知道的最年轻的复杂性科学家。瓦茨在获得博士学位后，又去圣塔菲研究所从事博士后研究。但《反常识》这本书是2007年他在雅虎研究院工作期间完成的。在《反常识》这本书中，瓦茨通过各种案例阐明，很多矛盾都源于常识思维。“常识的矛盾在于，它既能帮助我们理解世界，也会削弱我们的理解能力”。这本书的核心观点是用数据的量化分析与实验来取代常识，帮助我们更好的预测社会现象，并做出决策。瓦茨强调的不是反常识，而是跳出常识产生的逻辑，用更高级的方法去了解人类社会。
常识，一是指与生俱来、毋须特别学习的判断能力，或是众人皆知、无须解释或加以论证的知识；一是指对一个理性的人来说是合理的知识，即“日常知识” 。比如，太阳会从东方升起，在西方沉没。常识非常适合处理日常生活中的复杂问题，并且非常有效。但是，当常识涉及公司、市场等复杂性系统时，往往会“失灵”。不过，正如中译本的译者所说的，实际上，常识并没有失灵，而只是我们经常忽略了常识成立的条件。不是常识错了，而是我们用错了常识。
瓦茨指出，在运用常识推理时，极其容易陷入四个误区。
①我们总是不自觉的把注意力放在像激励、动机、信念这些我们意识到的因素上，而忽略了其他许多看似琐碎或无关紧要的因素。
②相比于描写个体行为的心理模型，描述集体行为的心理模型更加糟糕。常识的解释会本能地让我们将思考回退到个人行为的逻辑上，所以我们对集体行为的解释总会掩盖事实。
③意见领袖的影响力法则不是一个假设，而是两个假设。第一，有些人比其他人更具影响力；第二，这些人的影响可以被一些引发社会潮流的“传染”过程中极大地增强，但他们的相对重要性远没有我们想象的那么大。
④我们从历史中学到的内容远比我们想象的少，而正是这种错觉扭曲了我们对未来的理解。历史会有意摈弃大部分事实，只留下事情的主线来进行解释。
复杂性科学中的“复杂性”来源于众多相互依赖，且以非线性方式相互作用的组成部分。在这样的系统中，某一部分的微小扰动会被放大，并在其他地方产生巨大影响。当复杂系统中的每个微小因素都可能以无法预测的方式被放大时，模型能够预测的也就很有限了。这就是说，复杂系统本身具有不可预测性，而黑天鹅事件则根本不能预测。黑天鹅事件并不是事件本身，而是后续引发产生的复杂性事件。一些事件只有在事后回顾时才能被确定为黑天鹅事件，因为只有到那时我们才能将所有历史因素整合进行分析。但是，常识思维无法帮助我们应对这样的复杂世界。
在复杂性系统里，其发生的事件通常不符合稳定历史模式，因此我们无法预测到任何特定的结果。瓦茨认为，只要我们能收集到足够多的历史数据，就可以作为准确的预测出事件发生的概率，这就已经足够了。但是，依据历史数据的方法也会存在问题，即重大的战略决策并不常见，因此采用统计方法也无法奏效。比如，就历史意义而言，大多数公司在合并后收效甚微，但也有一些公司的合并非常成功，而我们几乎不能提前分辨出它们的区别。如果我们能进行几百万次，或者起码几百次这样的抉择，那么用历史概率来预测可能还有一些道理。但当我们面临公司是否进行战略并购的抉择时，只有一次机会。所以，即使我们能计算出概率，60%的成功率和40%的成功率之间的差别也可能没有多大意义。统计模型和群体智慧不适用于预测一次性的战略决策。
迈克尔·雷纳在他的《战略的悖论》中以索尼的两次失败说明，具有最大成功可能性的战略同时也是具有最大的失败可能性。也就是说，那些成功的企业和失败的企业具有更多的共性，正是这些特性，在造就企业辉煌的同时，也为其失败埋下了隐患。它们的战略几近完美，但结果却是失败。战略失败的主要原因不是战略不好，而在于“正确”的战略碰巧出错了。伟大的战略的成败完全取决于最初的远见是否正确，但要提前预测到这一点，则是根本不可能实现的。
雷纳试图以“情景规划”来解决这个难题，而实际上，当我们展望未来时，看到的却是无数个可能的趋势，其中任何一个都有可能导致未来的重大转变，而剩余大部分最终都会转瞬即逝或者无关紧要。瓦茨对此建议，我们应该少关注对未来甚至多种未来可能性的预测，而要更重视对当前情况的反应。即使对于那些确实没把握的预测结果，知道可能发生的结果范围也是有用的，因为它能帮助我们随机应变。
常识让我们追求结果，但我们应该进行系统性思考。一个良好的计划可能会失败，一个糟糕的计划也可能会成功，这只是机遇罢了，所以在判断计划好坏的时候，我们既要考虑到其本身的优劣，也要考虑到已知的结果。要特别注意摈弃成功中的运气成分。
比尔·米勒连胜15年，似乎是能力超过运气的代表。他的同伴迈克尔·莫布森说，如果每个人的业绩都与抛硬币一样随机，那么从基金的历史表现，看来这种连胜记录的概率是非常小的。因此，在比尔·米勒连胜结束之后，很难再去质疑他是不是作弊了。但是，在2006~2008年的三年间，也就是比尔·米勒的连胜纪录结束之后不久，他的表现糟糕到足以抵消之前的大部分收益。实际上，无法从比尔·米勒的记录中判断他究竟是水平一般，策略存在缺陷，或者只是碰巧在很长一段时间里奏效。雷纳在解释商业战略时曾说，就像松下和索尼的录像机一样，投资策略可以连续数年成功或失败，其原因和能力无关，只关乎运气。当然，这看起来不像是运气的作用，但我们不知道该如何解释，成功并不仅仅是光环效应的另一种表现。
对此，瓦茨建议，为了确保人们不受光环效应影响，需要处于一种完全不同的指标来衡量业绩——一种直接评估个人能力，而不是通过结果来推断业绩的指标，因为这种结果可能会受到个人控制之外的力量作用。
乔·迪马吉奥在1941年棒球赛季中创下了著名的连胜56场安打的纪录，这与比尔·米勒十分相似。迪马吉奥的职业安打率是0.3246，在棒球运动员的整体排名中位居第44位，但在他连胜期间的安打率却达到了惊人的0.409。对于基金管理者来说，是否超过当年标准普尔500指数之类的成绩，就相当于半球中的安打率。而连续多年表现出色的基金管理者也确实在击败标准普尔500指数方面的表现超过平均水平，就像有很高安打率的棒球球员一样。但根据这个标准，在40年的职业生涯中，基金管理者总共只有40次“击球“”机会，这么少的数据，根本不足以有把握衡量出他们的真正水平。
丹尼尔·里格尼在他的《马太效应》中指出，马太效应适用于很多行业。成功可以给一个人带来声望和认可，而这反过来又会给他带来更多的成功机会，让他获得更多实现成功的资源，使他接下来成功更有可能被人关注到并归功于他。将这种累积优势的影响与人的天赋和努力区分开来非常困难，而大量研究发现，无论开始选择了潜力多么相似的人，随着时间的推移，他们的命运都会出现巨大的不同。
人们更愿意相信，成功的人一定比不那么成功的人更具才华，或者工作更努力，至少他们更好的利用的机会。但是，这种常识性的解释具有很大的误导性。确实，无能的人中有很少能把事情做好，才华横溢的人也极少人会彻底失败。对大部分普通人来说，随机性和累积优势并存，两者的结合意味着人们既可能取得成功，也可能遭遇失败，或者得到不好不坏的结果。
衡量能力应该根据能力本身的特性。我们不需要知道某一个人的排名，才承认他是一个伟大的运动员，只要看他打几张前几场球就知道了。同样，如果认识比尔·米勒的每一个人都认为他是一个特别聪明、有想法的投资者，那它可能的确如此。比尔·米勒自己也强调，像他15年连胜的纪录既是时间的积淀，也是他能力的体现。当然，他的能力也不能根据他在该行业中累积的成功来衡量，可能哪次不走运就会使得他前功尽弃。尽管听起来有些令人失望，但我们评估比尔·米勒的能力的最佳方式可能就是观察他的投资过程本身。我们最后得出的结论可能与他的历史业绩有关，也可能没有任何关系，而且几乎可以肯定的是，这种评估方式很难执行。能力是能力，成功是成功，后者并不总能反映出前者。如此，就打破了马太效应。
将这种思维运用于一家公司的成功，可以得出相同的结论。苹果是一家非常成功的公司。大多数人往往倾向把整个公司的成功都归因于史蒂夫·乔布斯一个人，而忽视的公司中还有成千上万名优秀的工程师、设计师和管理者。有人认为乔布斯是苹果公司的成功不可替代的缔造者，和所有常识性解释一样，这个观点也很有道理。哈佛商学院教授拉凯什·库拉纳在《寻找企业的拯救者》中认为，公司的业绩很少受CEO行为的影响，而更多的是由行业总体情况和整体经济环境等个人领导者无法控制的外部因素决定。传统的成功解释之所以基于领导者的带领作用，并不是因为有证据支持该观点，而是因为如果不借助这样一个人，我们就无法直观的理解一个庞大复杂的实体究竟是如何运作的。但是，我们往往会将公司的成功归功于一个强大个体的作用，这是心理偏见和文化信仰共同作用的结果。
《反常识》告诉我们，事情发生的背景很重要，所有事情都是相关的。成功至少在一定程度上是运气所致，预言可以自我实现，即使是完美的计划也常常受到意外因素的影响。未来是无法预测的，过去的付出并不能确保未来的回报。人是有偏见的，有时甚至是不理智的。有倾向的说法有时胜过事实，简单的故事会掩盖复杂的真相。当讨论到人类行为时，社会社会学家发现的东西，无论是多么难以理解的结论，会思考的人可能早就认为那是显而易见的事情。然而，这些显而易见的事情是如何被整合到一起的，我们并不清楚。
在某种程度上，我们承认未来不可预测，但我们不知道，通过更仔细的考虑各种可能性，这种不可预测性可以被消除多少。我们也不知道，这些不可预测性中有多少和掷骰子一样是内在随机的。我们更不清楚可预测性和不可预测性之间的平衡会如何改变我们应对未来意外事件所制定的战略，或者会如何改变我们对观察到的结果作出的各种解释。正是在解决这些问题的过程中，社会科学才有望超越仅凭常识和直觉就能达到的高度，取得真正的进步。正如300年前亚历山大·蒲栢曾指出的，研究人类的关键不在上帝手中，而在于我们自己。