致创始人的公开信：创业不是物理学

TLDR：在像经典物理这样自由度较低的领域，相对少量的数据可以使您准确地预测宏观将如何反应。例如，我不需要知道棒球中每个亚原子粒子的量子态，就可以计算如果我把它掉到地板上需要多长时间。我只需要两个变量(地球引力场引起的向下加速度和球到地面的高度)，就可以得到一个简单而准确的模型。在业务等高度复杂的系统中，蝴蝶效应之类的东西会造成巨大的扭曲，使我们的模型有缺陷。就像我们(正确地)在物理学中所做的那样，假装我们的简单模型和现实之间存在近乎完美的双射往往会导致重大错误。我们必须告诫不要过度依赖数字和容易测量的东西，因为对我们来说，有价值的东西和(容易测量的)东西并不总是同义词。在我们有更好的模型或能够收集足够的正确数据点(大的和小的)之前，在现实世界中简单地进行小规模的尝试并使用反馈循环进行迭代通常是更可取的，也是更快的。

对不确定的未来状况的具体预见性理解不符合任何规则和系统化。它既不能教也不能学。如果情况不同，每个人都可以带着同样的成功前景开始创业。成功的企业家和推动者与其他人的不同之处恰恰在于，他不让自己受到过去和现在的指导，而是根据自己对未来的看法来安排自己的事务。他和其他人一样看待过去和现在，但他以不同的方式判断未来。在他的行动中，他受到一种对未来的看法的指导，而这种观点与人们持有的观点相背离。

过去，说商业计划几乎没有价值，这是一种非常相反的说法。

但是如果我们想一想，…。这似乎非常违反直觉，不是吗？

我们有更多的方法来捕获数据、可视化数据，并使用数据来指导决策。

在如此丰富的数据下，我们怎么可能看不到高度数据驱动型的、多年的市场研究、使用复杂的数学做出预测和成功的商业结果之间的极高相关性？或者，如果有的话，是成反比的关系吗？

…。5天的预测通常比第二天的预测更不可靠。这是因为随着时间的推移，小变化和小尺寸现象更有可能影响观测到的天气事件(蝴蝶效应)。随着尺度的减小，分析现象变得更加困难，因此很难知道随着时间的推移，极端众多的微小现象将如何影响观测到的天气。(哈比，2019年)。

为了完美地预测天气，你需要难以置信的数据量和同样压倒性的数据点，然后以某种方式将其合成成准确的预测。

但是，当你处理涉及竞争对手、创新速度、市场(由许多人组成，每个人都有自己的想法)的商业计划时，往往会预测未来很多很多年后的…。我们可能要处理的难度要高出一个数量级。

它很快就变成了作者想象力的锻炼，因为它开始像一部伪科学外表背后的奇幻小说。

这就像试图预测如果一张揉皱的纸被扔到地上，它会落在地板上的确切位置。…。

用初级牛顿物理学，我们可以计算出一个人会把它扔多远，然后我们就会有答案了。

有人会找到它，可能会用它来买一个只卖蛇和烟花的粗略的家伙的烟花。

总是嘲笑这一幕，因为作为企业家，我们有一种几乎与市场争夺他们想要购买的东西的倾向，因为我们对我们想要出售的东西投入了如此多的资金。

现在，我们的烟花家伙拿着100美元的钞票，上了一辆出租车，离开了纽约市，放下了钞票，试图把它交出来。

如果我们以某种方式掌握了宇宙中的所有信息，我们或许就能计算出钞票将触及地面的确切位置。

把自由度想象成“运动部件”。在统计学上，它是允许变化的变量的数量。

如果您有一组五个数字的平均值为某个整数，则四个数字可以自由更改，但最后一个不能更改，因为需要该数字来创建正确的平均值。在这个例子中，你有n-1=4个自由度。

在物理学(和生物力学)中，它是完全描述物体如何运动所需的最小变量数。

您的手臂(不包括您的手)有七个自由度。无线充电的iPhone有两个轴(x轴和y轴)。

我们使用复杂的工具，掩盖了我们对基本原理的缺乏，这使问题变得更加复杂。

在我看来，有两种方式来看待或使用关于现实的复杂数学模型，无论是在经济学中还是在我们的创业世界中。

选项1：聘用那些真正深刻理解数学工具的可能性和局限性的精挑细选的少数人。

想想那些拥有博士学位的人，或者更笼统地说，任何对基本原则都有深刻理解的人。

选项2：有一种孩子气的观点，多问为什么。最终，你可能会意识到，不属于第一类的人并不真正了解基础。

因此，基础中的任何错误都会使建立在其之上的一切变得毫无用处。

他们有足够的理解力，使自己看起来知识渊博，但又太少，无法真正理解他们在做什么，导致他们对自己的模型过于自信。

我将借用奥莱·彼得斯(Ole Peters)教授(伦敦数学实验室的)在他的演讲中给出的一个例子，他在演讲中给出了一个例子，即《改变的时间：在经济学中引入不可逆转的时间》(彼得斯，2012)。

假设你有一枚硬币和100美元，你要玩一场正面或反面的游戏。

如果它正面着地，你将赢得50%，如果它反面落下，你将损失40%。

它正面或反面着地的可能性是P(正面)=P(背面)=0.5，所以这看起来是一个很好的赌注。

我们最终可能会得到比一开始更多的钱。甜!。但在我们开始用想象中的奖金挑选全新的汽车之前，…。让我们再检查一遍，看看数学有没有结果。

如果我们玩足够多的次数，头部的数量将开始大致等于反面的数量。

让我们看看当我们玩四次，我们得到HHTT时会发生什么：

如果我们玩N次，我们应该得到一半是正面的，一半是反面的：

这意味着如果我们玩的时间足够长，我们最终会输光所有的钱。

这并不完全准确，因为我让它看起来顺序并不重要。在数学中不是这样的，因为我们不会用完小整数。在现实世界中，最小的货币单位是1美分，所以如果你输了这个赌注，就不会反弹了。因此，在我的例子中，先输50次再赢50次会让你得到与相反的结果相同的结果，而在现实中，你在连续第19次输掉之后会输掉最后一分钱，从100美元开始。(N&gT；Log0.6($0.01/$100)=18.03)。

结果是，如果我们损失40%，我们就有100美元*0.6=60美元。为了实现收支平衡，我们至少需要赢得66，66..%，60*1.66.。=$100。

假设我们有一个10.000人的小组，每人有100美元，玩这个游戏一次。

如果正反两面的概率都是50%，假设5000人赢，5000人输。

事实证明，重要的不仅仅是赌注的赔率，还有赌注的大小。想象一下，如果你赢了，你赢了300%，但如果你输了，你就输了100%。押注你所有的资本不是一个好的策略，因为虽然当你赢的时候你会快速增长，但只需要一次损失就可以失去一切。极端的另一边是尽可能少的赌注，1美分。现在你不会损失太多，但要想赚大钱却要花上一辈子的时间。正如一位聪明的女人曾经说过的那样：“没有人有时间去做这些！”

因此，理想的赌注规模在0.01-100美元范围内。为了确定你的资本中正确的%，你应该下注，以便尽可能快地增长，而不是过于激进，以至于你失去了一切，有一个叫做凯利标准的东西。这表明我们应该押注的理想资本百分比是：Kelly%=(50/100)-((100-50)/300)*100%=33%的资本。如果你感兴趣，你可以在这里阅读更多关于它的信息。

顺便说一下，在我们最初的打赌中(当我们打赌失败时是40%，当我们赢得打赌时是50%)，凯利标准是25%。押注我们所有的资本(100%)超过我们的KC，这就是为什么我们在时间上会破产的原因。

这就是我们这个小难题的精髓，输赢取决于你怎么分析它。

时间：在一种情况下，我们增加一个人玩游戏的次数以消除噪音。随着我们玩的时间越来越长，我们发现我们在赔钱，这是一个糟糕的赌注。

合奏：在另一种情况下，我们增加玩游戏的人数以消除噪音。当我们取他们的平均数时，从集体意义上来说，这是一场不错的比赛。

如果我们能以某种方式穿越宇宙的分支，那么这个宇宙中的RJ输了也没关系，因为宇宙1243中的RJ赢了。

因为这显然是不可能的(或者至少，我的储蓄账户上没有足够的钱来支付这样的旅行费用)，所以从整体的角度来分析这个游戏是没有意义的。

所以我们可以看到，时间平均和整体平均是有区别的。这被称为非遍历，这对我们来说显然非常重要，因为我们大多数人并不关心如果我们破产了，平均来说我们的国家是否会变得更富有。

如果我们多借200美元，并将杠杆率提高到300%，那么从整体的角度来看，我们将增加预期价值，赚更多的钱。

因此，在这种情况下，“要么努力，要么回家”，将导致你回家。(可能是对一个非常恼火的配偶，他因为你没有考虑到不遍历因素而生气。)。杨林和费曼，再次挽救婚姻。)。

没有区别的进程称为遍历。因此，在上面的例子中，人们很容易犯的错误是不知不觉地假设这个游戏是遍历的。如果这一假设最终被证明是错误的，它可能会对个人产生非常糟糕的后果。

更令人困惑的是，经济学中使用遍历性这个术语的方式不同于物理学。在物理学中，当时间平均和系综平均之间没有差别时，某些东西是遍历的(这是我们一直使用的定义)。在经济学中，如果定律不随着时间的推移而改变，那么某些东西就是遍历的。

如果我们用这样一种方式来定义科学，那就是只有数学才符合这种说法，当然，事实并非如此。

但是，当我们从数学到物理，再到化学，再到生物学，再到经济学，再到心理学，再到社会学，从某种意义上说，它变得越来越难了。

如果你有一个假设，你称它为猜想，一旦有人证明了它，它就变成了定理。

当然，也有可能反驳一些事情。你可以找一个反例来证明一个猜想是错误的。另一种方法是使用所谓的矛盾证明，这是故意假设你知道的东西是假的，然后证明它导致了矛盾，因此其他东西一定是真的。

一旦你进入物理学领域，就会变得更加困难，因为与数学不同的是，光有一个漂亮的理论是不够的。

如果它不适用于大自然，那就错了。例如，弦理论可能是一个美丽的理论，但并不适用于我们生活的宇宙。

他只是找到了一个数学框架，他可以将其映射到现实中，并用它来准确地做出预测。

正如我们后来发现的那样，在某些情况下，这些框架不再准确，我们需要一个不同的框架来应对这些情况。

这就是为什么我们有像狭义相对论、广义相对论和量子力学这样的东西。

这些数学模型允许我们分别在处理高速(接近光速)、强重力(例如黑洞)和处理亚微观系统(例如原子)的情况下工作。

当你手里拿着球，然后让它掉到地板上时，你没有太多的自由度。这允许我们使用这种一致性和可预测性来创建描述一维运动的模型。

T=(2h/g)^(0.5)，其中t是时间，h是高度，g是9.81m/s²的重力加速度。

涉及的自由度要多得多。不幸的是，不仅是已知的未知，还有许多未知的未知。

例如，情绪的改变可能会对购买行为产生巨大影响。

在中国，当你可以花更多的钱时，为什么要花更少的钱呢？最后，我给出了一个违反直觉的选择体系结构的示例：

你可以花59美元在线订阅一本杂志，花125美元订阅纸质杂志，然后再花125美元兼而有之。

加入看似无用的中间选项实际上极大地改变了选择组合方案的人数。

大数据可以有很多用处，但我们需要小心，只需随机收集大量数据，希望某种机器学习算法能神奇地在所有噪音中找到信号。

在下面的TEDx演讲中，Tricia Wang(一位技术人种学家)讲述了一个故事，在为诺基亚做人种学研究时，她发现第三世界国家的人们几乎愿意做任何事情来拿到一部智能手机。

她没有太多的数据点，但因为她住在当地人中间，所以这里的数据很深。

诺基亚拒绝认真对待她的建议，并选择忽略智能手机，因为他们有数百万个数据点，这表明人们只愿意为手机支付一定的价格。

她有一百个数据点，这些数据点表明，当你从一部普通手机转向智能手机时，人们的游戏规则发生了变化。

所有数据的问题是，它来自同一个地方，过去。

如果数据点是错的，你有多少个数据点并不重要，如果它们是正确的，你有多少数据点也不重要，所以我们需要注意不要过度依赖量化数据。

我认为很容易忘记，数据的目的只是为了帮助你做出决定。它从来没有打算成为一切的最终结果，也从来没有想过它本身就是最终的结果。

这与统计数据非常相似。这是我们用来应对实用限制的工具。如果我们想要计算人类的平均身高，并且我们有完美的、即时的所有人的身高数据，你可以简单地计算出来。但我们当然不会。所以我们使用统计学将一个相对较小的数据集转化为现实的有用的派生数据。这里的危险在于，我们忘记了使用统计数据的目的是为了对我们试图解决的现实世界问题进行有用的近似。

德旺·梅塔(Devang Mehta)在“突出负面结果以改进科学”一书中写道：

发表积极故事的压力也可能导致科学家更好地渲染他们的结果，在极端情况下，他们还会实施欺诈和操纵数据。。。资助机构只奖励那些发表积极结果的研究人员，而在我看来，报告负面结果的科学家更有可能推动一个领域向前发展，这让问题变得更加严重。。。简而言之，我们在科学上需要更多的诚实(Devang，2019年)。

外卖很容易是人的行为很难，业务很复杂，所有的数据都是没有意义的，我们根本不能应用一个科学的过程，让我们即兴发挥吧。

虽然有些人严重依赖直觉(我脑海中浮现了加里·维纳丘克)，但我认为，如果这是外卖的话，那就是钟摆摆动得太不正常了。

在我看来，这个想法很简单，我们需要找到正确的平衡。

我们不应该再假装这是物理学，一个简洁、简单的模型，我们把一些东西放进去，就会给出完美的东西。你增加了杠杆A上的力，因此增加了在B点发生的事情，在物理上，完全按照预期的，可量化的方式。

我在“营销是性，而不是制造”一书中写到了营销效率和有效性之间的反比关系。我还写过一篇关于营销有效性下降的奇怪性质的文章，当你在“营销是喜剧，而不是工程”一书中使用按数字绘制的方法时。

用尽可能少的钱尽可能快地验证你的假设，并尝试创造具有不对称风险的实验。

因为世界是如此复杂，你通常只需构建一些你想要测试的假设的原型，就能更快地得到答案。

它本质上是对冲假阳性的风险。你最大限度地减少了你在某件事上花费大量时间和金钱而最终失败的可能性。有可能是你杀得太早了(假阴性)。相反的(最常见的)方法是对冲假阴性。你相信你的想法，并最大限度地花时间和金钱，以便百分之百确定你的想法不会奏效。问题是，这不是学术界。我们通常都是自给自足的，至少在一开始是这样，所以最好是迅速摆脱那些似乎与市场无关的东西，也就是对冲假阳性。

因此，与其做多年的研究和耗费大量的资金来确定你将在哪里建立下一家商店，让人们购买处方眼镜和太阳镜，…。为什么不借鉴沃比·帕克(Warby Parker)的书，装饰一个黄色的大校车车厢，以创造一个移动弹出式商店和仪表需求？

不对称风险意味着你想要做一些实验，你可能会拿你资本的10%去冒险，但如果成功了，你的生意就会翻倍。

所以，就像我们经常在这些散文的末尾所做的那样，…。今天的TLDR可以归结为一句话：

重点不是“不要失败”，而是要迅速失败，并且经常以非致命的方式失败，这样你就有了务实的、现实的知识来帮助你指导你的决定。

*1这可能取决于你对量子力学的解释，因为即使我们拥有宇宙中所有可能的信息，我们也不清楚我们是否可以预测未来。

据我有限的理解，一旦一个粒子与另一个粒子相互作用，宇宙的波函数就会分支。当我们看东西的时候，我们不会把它看作波函数所描述的不同可能性的叠加。相反，我们总是看到他们处于特定的位置。

所以我们也许能够预测所有可能发生的情况，但是我们仍然不知道我们在波函数的哪个分支上。(这意味着这些事件中的哪些将实际发生在我们的分支机构中。法案最终在X或Y位置结束，依此类推。)。我是从埃弗莱特人的角度来框定这件事的。还有其他对量子力学的解释，比如哥本哈根解释，简而言之，它说，当根据薛定谔方程观察到波函数时，它会崩溃。在这种解释中，塌陷意味着什么，你是如何定义观察到的，却被蒙在鼓里。

*2.这部分是我们的教育制度造成的。例如，我一直觉得奇怪的是，我们允许心理学家进行他们自己的统计。你不能只靠CEO来管理一家公司。您拥有多个专业组合。心理学家的工作不应该是使用他们的3门课程。

.