#读书#“不管何时，只要公式能代替人工判断，我们至少应该考虑一下运算法”

卡尼曼用了几个领域的例子来说明：专家预测比不上简单运算准确。
- 以色列新兵适应性预测
- 新生儿是否需要抢救预测
- 葡萄酒质量预测
- 运动员未来表现预测

我最感兴趣的还是书中对招聘的建议：
1 ，选择岗位的先觉条件，这些条件要相互独立，最好不超过六个。比如对销售岗位来说，先决条件包括技能熟练程度，个性稳定程度, 可靠性等
2，为每个条件都列出一些问题，并想好如何评估，分数1-5，你应该清楚什么情况最弱，什么情况最强。
3，一定时间内完成这些打分，将评分累加起来
4，做最终决定时，雇佣得分最高的

之前公司HR也准备过类似表格，我完全弃之不用，采用了面试时希望遇到一见钟情的做法。现在想来自己凭主观感觉做招聘，是因为：

- 我自己其实不懂那个岗位具体要招什么样的人，更不用说去列出有效的先决条件了。
- HR给的问题，在我看来，用来招聘工厂流水线工人更合适，而我想招有主动性的知识员工。

回到卡尼曼的结论，他发现几乎所有的专业人员都对运算法很抵触。作为曾经的程序员，如果有人宣称TA设计的机器人能写出比我更好的代码，我也会很抵触，这不是砸我的饭碗吗？

只是，AI趋势不可逆，很多领域，机器确实比人型专家能做更好的判断，因为机器没偏见，没情绪，也不会忽略任何可用信息。

专家直觉也有需要认真采纳的时候，满足这两个条件：1，环境可预测，有足够规律可循；2，专家是通过长期训练学习到这些规律。这样来看，专家直觉最不可信的就是股票预言家，经济学家，和政治学者了。

#读书#我周围的朋友和同事都有过装修的经历，大家有这样的认知：你最终的花费一定会大大超出你最初的计划和预算。

创业中也常常有这样的现象，创业者做了很详细的财务预测，有经验的投资者会建议：把开销乘以三，把收入除以五，可能会更接近真实数据。

人类普遍会过度自信，因为这个社会通常也给自信者或者乐观主义者更多奖励。所以，乐观偏见也很常见。

克服乐观偏见的方法：事前验尸 - 设想几年后失败了，还是当初参与的这些人，列出失败原因。

这个方法我见过英特尔CEO格鲁夫的运用。当时英特尔主业是做存储，在日本厂商的竞争下，节节败退。格鲁夫问了搭档一个问题：我俩都被董事会解雇后，新上任的CEO第一件事会做什么？ 格鲁夫和搭档立刻得到答案：放弃存储，转向处理器。既然这样，为什么不自己干呢？

#读书#姣姣有个作业是访谈父母，了解中国最近四十年的变化。姣姣爸爸和我的回忆都集中在以前多么穷上，可以举出很多很多经历过的对比例子。

然后我就想到生于穷困，成长于一个大发展时代，这就是种幸运。

按照经济学理论，一个人从一百万收入增长到一千万所获得的幸福感，大概和一千万收入增长到一亿是相同的。我感受过收入月收入三百元增长到月收入三万的喜悦，那么三万以后收入要增长到什么程度，才能让我能获得同样的喜悦呢？我不想算了，几乎是impossible mission

凡事都只用钱衡量，最终只会走入死胡同。

#创业#最近在上一堂的课，会思考这么一个问题，什么时候，我会认为可以结束这个项目了，承认自己失败？

之前看过某创业导师的经验分享，他遇到创业者向他咨询是否还需要坚持时，通常都给建议是放弃。因为如果创业者有足够理由坚持时，他们不会问别人是否要继续。

我想起自己在犹豫是否结束六年的恋爱时，唯一一次问了我弟弟的意见，问他怎么看我那时的男盆友。我弟弟给的看法不置可否，偏正面。事后多年，我还是觉得分手决定英明无比，后悔的只是为什么不更早分手。微博上也经常有类似情感求助，评论基本都是“劝分不劝和”。

这现象有背后的心理因素，就是人们在面临变化时，更厌恶损失，而忽视收益。当犹豫不决时，个人感觉损失收益对等时，真实情况倒往往是：收益大于损失。

我给同事建议在选择工作时，也是这个态度：列出两个工作的优缺点，去那个优势更明显的；当无法抉择时，选不熟悉的，或者新的。

回到创业的那个问题，我还无法给答案，只是知道有方法可以判断：那个放弃的时间点是否已经到来。