没有科学方法的“试错”，还不如“错过”
  怎么做出更好的选择？试错！
莱特兄弟发明飞机的故事，大家都知道，不过当时这个“赛道”上，有很多团队在竞争，其中最被人看好的是科学家塞缪尔·兰利的项目，已经获得美国政府和大研究所的资助。
而莱特兄弟是个标准的民科，高中都没有毕业，靠自行车铺赚的钱研发飞机，自然不被人看好。
而莱特兄弟最终成功的原因之一，后来有人分析，他们充分采用了一个非常科学的方法——风洞实验。
想造出能飞上天的飞机，理论没有任何问题，真正的困难在于复杂的天气状况下尽量延长飞行时间，这就需要通过试飞获得大量的空气动力数据，再不断改造机型。可飞机这个东西，一旦飞行失败，飞机毁了是小事，人没了就全完了。
一没有技术二没有资金的莱特兄弟，只能向科学要办法，他们注意到一个英国人的发明——风洞，并制造了世界上第一个能对模型机翼进行准确试验的风洞。

风洞现在看是个很高大上的东西，光做一场实验就要七位数，但一百年前莱特兄弟造出来的，却是下面的样子：

别小看它，莱特兄弟正是利用了这个东西，自制了200多个不同的机翼进行了上千次风洞实验，取得了一整套科学数据，设计出了较大升力的机翼形状。
一百年后，同济大学1：1复制了莱特兄弟的风洞，实测结果，简单归简单，确实给出相对准确的气动数据。
之所以用这个故事开头，因为莱特兄弟给了我们一个思路，去解决一个非常困难的问题——如何低成本的试错。
而“试错”也是“模糊的正确”理念的一个重要方法。
  再牛逼的技术也离不开试错这个环节  
有一种失败是必然，而且是反复出现的，所以有人不管它叫失败，叫“试错”——雷军说：有机会一定要试一试，其实试错的成本并不高，而错过的成本非常高。
这话说的可不对，反复试错的时间成本是相当高的，除非你能降低成本，并找到更有效率的方法。

我看到网上有人吐槽，特斯拉汽车的电池一点都不高科技，其实是把几千颗松下笔记本电脑的电池芯捆成一堆。

好吧，这个说法其实也不算错，就好像说“匹萨不就是大饼上撒点肉”，但关键在于怎么连接，哪里并联、哪里串联、怎么控制，方案可能成千上万种。
特斯拉电池的设计方法就是穷尽这些可能，选取部分靠谱的设计方案，进行模拟实测，比较结果，再回头改进方案，反复试错，搞出了当时世界上最稳定的动力电池系统，
你看，再牛逼的技术也离不开试错这个环节，不过，试错毕竟是有成本的，必须有一些更好的手段去降低试错成本。
前几天听了阿里云机器智能首席科学家闵万里先生的一个演讲，他有一个观点：人工智能大数据时代，算法不是关键，所有算法原理都是九十年代的那几篇论文，算力也不是问题，云计算越来越便宜了。
关键是把宏大的问题变成一个个小的需求“痛点”，设计出一个“低成本试错流程”，得出初步的解决方案，再小步快速迭代。这个“流程”才是人能发挥的最大作用。
大数据就是人工智能时代的“风洞”，低成本的模拟现实生活中的某个特定场景，通过云计算的“海量算力”积累数据，找到最佳解决方案。
这其中最关键的是“低成本+即时反馈系统”。
职场新手学习和成长的过程中，“低成本试错”的原理同样适用，也同样需要这两个条件。
  个人工作中的即时反馈系统  
先看第一个条件：设计一个“即时反馈系统”
学会一门乐器，只要一个好的老师、一套循序渐进的教程和长时间的反复训练，因为每一点进步，你都能明显地感觉到，老师还可以提醒你问题在哪儿。
演奏、体育运动、大部分体力劳动、部分简单的技术性劳动，都是天生的“即时反馈系统”。
但大部分工作都没这么直接，比如销售，你掌握了一门销售话术，可前几次都失败了，原因可能是你还不熟练，也可能是顾客本身就没有购买意愿。可糟糕的是，你无法知道到底是办法不对，还是你用得不好，因此，你就无法去改进。
大部分有一定技术含量的工作，都无法直接反馈效果，你必须去设计一个“即时反馈系统”，思路有两种，一个是“拆细”，二是“去繁”。
先看“拆细”。
有一次，刘谦做魔术表演前的彩排，做到某个环节时突然停下来，问坐在台下的经纪人：“昨天演到这里，观众为什么会笑？”经纪人被问住了，他前一天就在台下，根本没有感觉到啊。
魔术和一般的表演不同，对观众的反应要求很高，他必须清楚地知道观众在哪里会屏住呼吸，在哪里会瞪大眼睛，在哪里爆发出掌声。练习魔术表演的方法就是把整个过程“拆细”，把动作与观众的反馈一一对应起来，任何细微的意料外反应，都应该敏感地察觉到，然后再针对性的练习，才能不断提高水平。
几乎所有的工作都能找到可“拆细可即时反馈”的部分：
销售员要把销售中的典型情景分解出来，设计话术，获取对方的反馈；
设计师要把“视觉表现”的环节分解出来，获取合作者的反馈；
管理者也要把“有效沟通”的核心环节，获取下属的反馈……
另一个是“去繁”。
工作中经常会发生这样的事，你做了一个很棒的方案，在会议上一讲，结果大家纷纷提意见，不是说成本太高，就是说时间不好把握，一盆盆冷水从头淋到脚，这个反馈实在是太糟糕了。
其实这才是正常的，一个没有经过任何设计的“反馈系统”，必然有大量背离初衷的杂音，“去繁”的方法就是每一次只对你核心关注的东西进行反馈。
比如这个方案你的设计目标就是“提高效率”，那只要在这一点上的反馈是正向的，就能给你带来激励，你就可以在此基础上进行方案的迭代；如果你没有听到这方面的反馈，你就必须通过一定的话术主动获取得，并知道原因，再作改进。
“拆细”和“去繁”都是为了创造一个“直接反馈系统”，这是不断试错的前提。
另一个是“低成本”，这是怎么办到的呢？毕竟人不是机器，处理不了大数据。
  更低成本地去试错  
在职业生涯的各种阶段，都会遇到各自的难题，需要不停“试错”。但人不是机器，反复“试错”的过程，一定会让你产生自我怀疑——我到底适不适合这条道路？
“模糊的正确”系列上一篇文章，其中讲到一个观点，当你看不清职业方向时，回到“兴趣爱好”和“性格特点”这两个原点去思考。
“兴趣爱好”和“性格特点”之所以重要，其中的一个原因就是在你还是一个新手的时候，它们可以让你以更低成本的去试错。
如果你喜欢一件事，你更有可能无视你经历的挫折，这是“兴趣爱好”的低成本试错；相反，如果是一时头脑发热的“伪兴趣”，你根本无法忍受漫长的“试错”过程，也无法克服以此为职业的无聊感。
如果你的性格比较适合做某一件事，这代表你已经积累了一些“历史经验数据”和“算法”，你可能经历的失败更少一些，这是“性格特点”带来的低成本试错。
职业生涯中有大量的“试错”过程，人跟人之比拼的也是“试错效率”，而“试错效率”正是取决于两件事：
第一，不能偏离“模糊的正确”的大方向
第二，更低的成本与更高的反馈的效率
“模糊的正确”系列，已经写到第四篇，开始涉及更多的细节方法，这一篇我讲的是如何从大量的失败中提取成功的原始模型，下一篇，我会谈一谈如何快速“复制成功模型”。