在DeeCamp冬季研讨会上分享「常识」的力量▍违背常识的「恐怖谷」年我刚到Google工作时，有个被Google人尊称为「阿姨」的大牛工程师做我的导师。阿姨的很多教诲对我是终身受用的。比如，阿姨经常告诫那些容易犯错的人：做事不能没脑子；退一万步，就算没脑子，也不能没常识。可见，在阿姨看来，一个人有没有常识，讲不讲常识，是一件比他聪明与否、能干与否更重要的事儿。今天我特相信常识。常识是个过滤器，它没法帮你做成一件事，但能帮你轻松过滤掉很多浪费你时间的东西。比如，资深投资人要最终判断一个项目是值得投资的，往往需要复杂的数据和逻辑，但很多时候，他们第一眼就知道很多项目是不靠谱的。或者，我自己筛查技术候选人简历或面试技术候选人时，很多时候也能第一眼就看出特别不靠谱的地方。这种第一时间做出的判断，往往依赖的就是常识。不论是判断一个科研方向是否值得坚持，还是判断一个行业领域是否适合自己，一个公司平台是否靠谱，一个创业计划是否有前途，常识是你首先可以依赖的东西。常识是个特别有歧义的词儿。我们不讨论这词儿的内涵和外延，只说我自己的切身感受：如果什么东西让我浑身舒服，那这东西多半是符合常识的。达索创始人不是说过「好飞机皆好看」么。反之，如果有什么东西让我汗毛一竖，就算当时我说不出具体原因，那东西也多半有它违背常识之处。搞人工智能或机器人的都知道「恐怖谷效应」，就是说，高仿真但又不能百分百仿真的智能机器，肯定会把人吓得汗毛倒竖，因为这东西模糊了人和机器的分界线，违背常识。违背常识的东西或多或少会引发「恐怖谷效应」，让人浑身不舒服。这判断方法并不绝对，但很多时候行之有效。例如，今天如果有人上门说他搞出了永动机，我肯定连半点儿怜悯他的想法都不会有，只会感觉胸闷、反胃，不舒服到极点。同样，第一眼看到核心期刊发表一篇有关“导师的崇高感和师娘的优美感”的论文，你敢说你不会因为这事儿违背常识而汗毛直竖？▍科技：警惕孤岛陷阱什么是科研和技术领域的「孤岛陷阱」呢？就是自己做得特别嗨，但又没法得到广泛认可的东西。科技圈最公平也最可信赖的评价体系是足够大范围内的同行评价。其他所有东西，比如各类荣誉和奖励，无论多高级的职称或声望，名人或著名机构背书等，都不足以省掉甄别过程。一旦发现某个科研方向、某项技术很大程度上只是在一个特定圈子——学术或技术孤岛——里传播并受人追捧，那就值得我们「竖起汗毛」，警惕一下是不是遇到了孤岛陷阱。在计算机科学领域里，每当遇到一个我初次接触的科研方向，我都会试着验证一下，这技术或方向是广泛被同行接受了，还是只在孤岛上自嗨。假设我们遇到了一个不熟悉的中文技术名词，对方牛皮吹破天，什么引领下一代计算机发展，什么未来操作系统，什么人工智能突破口，什么获得某某大奖，什么投资人疯狂追捧……我们不妨问问对方，你这技术对应的英文术语是什么？英文是计算机科学领域的同行评议语言。假设这技术连对应的标准英文术语都没有，或者，用英文术语在Google检索出的结果寥寥无几，那这多半是个套经费、博眼球或骗投资的技术。或者，这技术有对应的英文术语，也有不少相关论文作为佐证。那我们不妨进一步查查，GoogleScholar上，相关论文及论文间的引用关系是不是符合一般科研常识。某顶尖大学计算机系搞出来的「跨时代技术」，在GoogleScholar可以检索出许多论文，排名最高的论文被引用几百次。表面看是挺靠谱的技术。但深入检索就会发现，排名最高的论文来自年逾花甲的某某大牛，其他引用该论文的文章大多出自这位负责人的弟子或再传弟子，小部分出自这位负责人担任首席科学顾问的两三家创业企业。从常识来说，一项跨时代的技术怎么会沦落到只能「近亲传播」的地步呢？不是说受冷遇的科研就一定不是好方向。比如神经网络和深度学习在历史上很长时间里，都只有一小批人坚持研发，直到修成正果。但就算在最低谷的时代里，坚持做相关研究的科学家也有足够的地域或圈层分布，完全不是「近亲传播」的状态呀。不谈科研，纯软硬件研发也有违背常识的很多陷阱：有的系统只能给领导演示，不能在生产环境见真章；有人号称自己单枪匹马就解决了专业大团队多年无法解决的难题；有人无视前人积累，什么事情都要从头开发；有人说自己轻易突破了能量密度的理论极限，马上要量产下一代电池……曾有个团队说他们一年内搞出了一套原创的数据库系统，吹牛说能同时保障高可用性、高一致性和高分区容错性，吊打MySQL、Redis、MongoDB等各类产品，完美支持级别的联机事务交易和通用搜索引擎级别的索引服务。这些话用来对外行吹牛都嫌太过，要是遇到内行，就跟宣称发明了永动机没什么两样。但问题在于，这个团队把自己的技术和产品提升到了振兴民族软件产业，摆脱核心软件对外依赖这样的高度来谈，一副忧国忧民的模样，一下子骗取了不少人的同情和赞赏。其实，愈是我们的核心技术寻求突破，类似的骗局就愈是堂而皇之地上演。这时，我们的常识过滤器就要同时工作在两个频道上：一方面，坚信科学逻辑和技术研发规律，另一方面，认清对方假大空的「情怀」背后，是不是还有什么见不得人的动机。▍产品：用牙刷当尺子Google做产品时倡导过一个「牙刷原则」：大多数人每天都刷一两次牙，每次刷牙都用牙刷。如果一个产品或一个功能像牙刷一样是人们每天都需要的，那就有可能取得较大成功。这原则简单易懂，直接适用于Google擅长的面向最终用户的产品，是产品经理需要具备的基本常识之一。投资人遇到社交平台类或工具类的项目，为啥要斤斤计较项目的日活用户，月活用户，平均使用时长，广告转化率等基本指标？还不是在用「牙刷原则」来评估项目的真实价值嘛。「牙刷原则」不仅用于强调用户使用频度，还能帮我们快速判断需求分析是否靠谱。如果你是牙刷设计师，有人说我希望买一把内置特效药物，可以止血、消炎、杀菌的牙刷，你恐怕就要警惕一下：这个看似奇怪的需求，是不是违背了生活常识，是不是真能反映用户的真实需求？要求一把牙刷能止血、消炎、杀菌，这多半有两种原因：或者用户把牙膏常见的防病治病功能照搬到了牙刷身上——这是一种需求错位；或者用户常用的牙刷刷毛太硬，总是戳破牙床——用户这时的真实需求很可能是改进牙刷舒适度，而不是为牙刷添加止血功能。其他产品逻辑也能用「牙刷原则」来帮助思考。比如，某创业项目要做智能电动牙刷，设计师为一把普通的电动牙刷绑定了许多炫目的智能特性：可以自动根据牙齿、牙床的形状调整角度和转速；可以根据语音指令自动加热；可以在刷牙时播报天气预报；可以在用户牙齿有疾医院；可以为用户建议适合患者牙齿的荤素食谱；或者在刷牙时向用户推荐保险、理财……抛开实现复杂度和成本不谈，这些五花八门的设计里到底有多少能真正被用户接受，为用户创造价值？到底有多少生拼硬凑的四不像？我们在仔细分析市场、用户、产品之前，完全可以通过一些简单的问题过滤掉那些明显违背常识的东西。比方说：我自己会主动试用这个功能吗？我自己在新鲜感过去之后，还会每天坚持使用至少一次吗？这东西到底解决了我的什么问题？使用过程里，有什么让我特别别扭，但又说不出为什么别扭的地方？是不是有其他更方便、更符合习惯的方法来满足我的需要？我会向家人、朋友推荐这个功能吗？产品设计既是专业知识体系也是系统工程。有的产品经理坚信好的产品主要是靠灵机一动打造出来的——在专业人士看来，这本身就是一件特别违背常识的事。不是不鼓励创新，而是说创新要建立在系统方法论和尊重市场、尊重用户习惯的基础上。如果一个产品经理从未研究过已有产品、已有市场和已有用户，完全天马行空地打造产品，那我们单凭常识就知道，他设计的东西没人会喜欢。换到企业级的软硬件市场，用类似的常识来过滤掉不靠谱产品的方法仍然有效。要为金融行业客户打造机器学习类的软件产品，一个不懂相关金融业务的产品经理是很难胜任的。要为制造业客户设计提高装配与质检效率的自动化产品，产品经理至少得下到客户的产线里，一个工位一个工位现场考察。产品是不是从业务场景出发设计的，对提升业务效率有没有用，这就是企业级产品设计的最大常识。现在有不少所谓的高科技企业，为行业客户提供的尽是些表面光环闪耀，实际没啥大用的「鸡肋」产品。这就像你给牙刷制造厂提供了一套牙刷造型的迎宾机器人，也许在领导视察时能起到装点门面，打肿脸充胖子的作用，但与牙刷厂的主业基本无关，永远也不会成为客户规模采购的对象。▍商业：赚钱就是最大的常识判断一个企业、一个创业项目是否能取得商业成功，基本逻辑还是这件事能不能赚钱。做公司就要赚钱，这是商业规律里最大的常识。科研或技术出身的人，往往不愿正视这个常识。我是科学家，我是工程师，不为五斗米折腰的主儿，怎么能天天把铜臭味儿挂在嘴边呢？合法赚钱不一定崇高，但并不可耻。改变世界的伟大企业，无一例外是非常赚钱的。要真正理解商业逻辑，商务拓展方法，渠道管理和产品定价策略，现金流管理，投资融资节奏等，需要的学习与积累周期很长。但一些最基本，与赚钱与否紧密相关的常识，还是可以帮我们快速排除掉那些云山雾罩，却离钱十万八千里的项目。DeeCamp老营员冬季研讨会现场首先，第一个吃螃蟹的人很勇敢，但很难赚到钱。很多人宣称自己做的是前无古人的商业模式，没有任何一家竞争对手，之前也没有成功先例……最后的结果嘛，这一类项目成功的概率极小极小。反而是那些进入既有赛道，对赛道里的头部企业研究透彻，结合自身特点对产品或商业模式加以创新，设计了有针对性的发展路径和竞争策略的公司，才容易分到现有的蛋糕，并拿到未来的新蛋糕。所以，在创业领域，「我的做法独一无二」往往并不意味着你有创意，更多是意味着你对人类的群体智慧特别是前人不断试错所积累的经验缺乏敬畏。其次，一个项目选择什么领域，就会遇到什么样的销售天花板。总共全球10亿美金，国内3亿美金的盘子，你冲进去再怎么折腾，大概也成不了伟大的公司。有些人对天花板的认识比较天真，他们经常说自己从事的是一个千亿或万亿美金的大市场。其实，稍加分析就不难发现，他们说的千亿美金或万亿美金的销售额，是他们打算服务的全部企业的销售额，而不是他们自己可能赚到的销售额。就像一个给汽车做辟邪吊坠的企业，非要说自己从事的是万亿美元的大产业——我们听了，大概就呵呵一笑，谁还真要用常识来点醒做梦的人呀？再次，收入减去支出才等于赚到的钱。人工智能投资热了几年，从业者的水平良莠不齐。某些智能产品表面上可以节能增效、减少人工劳动，其实客户花在产品采购、业务改造、产品维护上的钱比节省的费用多很多倍。这种桌子底下的账目，不负责任的运营者是不会摊开给客户看的。这类产品也许可以在前期取得一定的销售收入，但纸里包不住火，靠信息不对称「骗」来的钱，终究不是可持续的收入，早晚会有崩盘的那一天。对公司价值做快速判断也类似。如果特斯拉目前的市值是多少多少亿美金，那任何一家做电动汽车的创业公司，未来几年的发展天花板就大概率超不过这个数值。我们确实可以学习很多系统化的公司价值判定方法，但如果要快速判定一个错得离谱的数字，大多情况下只凭常识就足够了。
转载请注明：http://www.aierlanlan.com/cyrz/6076.html
