本文來自微信公眾號： 不懂經(jīng) ，作者：不懂經(jīng)也叔的Rust

假設有這樣一個游戲擺在你面前。

拋一枚硬幣。正面，你的資產(chǎn)翻倍。反面，你的資產(chǎn)只剩 40%。你手里有 10 萬塊。你會拋多少次？

你可能會在心里快速算一下。翻倍是賺 100%，虧 60% 是賠 60%。一賺一賠，期望值：100% 乘以 0.5 加 -60% 乘以 0.5，結果是 +20%。每次拋硬幣，你期望賺 20%。這個數(shù)字放在任何一個基金經(jīng)理面前，他都會把手上的客戶資金全部押進去。

如果有一臺這樣的機器，你應該把自己綁在上面，拋到天荒地老。

然后有人真的模擬了一下。兩萬五千個人，每人各拋一千次。電腦屏幕上彈出一張圖：密密麻麻的紅綠色曲線。99.99% 的人，從 10 萬出發(fā)，一路跌到接近零。只有幾條線，像被雷劈中一樣，飆到了天際。

我第一次看到這個模擬的時候愣住了。期望值是正的，為什么幾乎所有人都在賠錢？

因為那個 +20% 是對所有可能路徑取平均之后的結果。那個平均值里藏著一種極其罕見的路徑：拋出一大堆正面，幾乎沒有反面的那種。

而在真實的、一次性的時間序列里，你幾乎不可能走上那條路。你要么一贏一輸，要么一輸一贏，結果一樣：2 × 0.4 = 0.8 倍。每次這樣丟一輪，虧 20%。這是一臺穿著印鈔機外衣的碎鈔機。

這個游戲來自一位名叫 Alex Chen 的交易員，他是加密投資公司 Scimitar Capital 的創(chuàng)始人。他把這種現(xiàn)象叫做"頭獎悖論"。物理學界管它叫遍歷性破缺，交易員管它叫波動性損耗。同一個意思：算術平均在騙你，幾何平均在殺你。在復利世界里，劑量決定毒性。

但真正的悖論是，我們不會遇到這樣的投資游戲，它的陷阱卻實實在在嵌在無數(shù)人的人生當中。

你此刻正在玩一個跟這幾乎一模一樣的游戲。只不過硬幣不叫資產(chǎn)翻倍，叫考研、進大廠、考證、換工作、攢首付、定投指數(shù)。每一次選擇，你做的是同一件事：在當前可見的信息下，選那條看起來期望值最高的路。然后你期待自己一直這樣選下去，最終到達某個"想過的人生"。

數(shù)學給出的回答是：你不會。你不知道的是，你的每一次"理性選擇"加起來，恰好構成了那個幾何平均為負的序列。

一、你活在一個非遍歷的系統(tǒng)里

我們先來談談遍歷性，但不是學術論文那種談法。

遍歷性是一個物理學的詞。它問的是一件事：一個系統(tǒng)在時間上的平均值，是否等于它在同一時刻對所有可能狀態(tài)取的平均值。如果一個系統(tǒng)是遍歷的，你在一條路上走足夠久，你的經(jīng)歷就能代表所有可能的經(jīng)歷。如果它不是遍歷的，這兩者之間就能差出一個地獄。

拋硬幣游戲是非遍歷的。那個 +20% 的預期收益，是所有可能的平行宇宙中你同時拋一千次硬幣的平均結果。但你不能同時活在一千個平行宇宙里。你只能活一次，走一條路，承受這條路上真實發(fā)生的每一次漲跌。而那一次翻倍加一次腰斬的循環(huán)，恰好是一條慢慢歸零的路。

有一位理論物理學家叫奧勒·彼得斯（Ole Peters），現(xiàn)任圣塔菲研究所外部教授，過去十多年他一直在做一件事：把遍歷性這個概念從物理學搬進經(jīng)濟學。

他的核心發(fā)現(xiàn)是，幾乎所有人一生中最重要的決策，財富積累、職業(yè)選擇、聲譽建立，全都發(fā)生在非遍歷的系統(tǒng)里。你讀到的那些"平均年薪""平均回報率""平均成功率"，都是在用系綜平均冒充時間平均。而這兩個數(shù)字，在非遍歷世界里可以差到荒謬。

彼得斯不是第一個注意到這個問題的人。比他更早一步把事情講透的，是納西姆·塔勒布（Nassim Taleb），《黑天鵝》和《反脆弱》的作者。塔勒布用一個更粗暴的詞來描述同一件事：爆倉風險。

他說，在任何有"吸收壁"的系統(tǒng)里，一旦觸底就永遠出局，不管期望值多高，只要你反復下注，長期一定會爆倉。不是因為你在某一局犯了錯。是因為游戲規(guī)則本身就規(guī)定了你的終點。

他說過一句話，我一直記得：你可以是對的人，但一樣會破產(chǎn)。你判斷準確，邏輯清晰，信息完備，每一步都踩在最理性的節(jié)點上。但你不是在一條大道上行走，你是在一條幾何平均為負的窄軌上勻速行駛。你不會翻車，你只會安靜地、體面地、不驚動任何人的一點一點下沉。

讀到這，你可能會覺得這只是一個數(shù)學上的類比。我的人生不是拋硬幣。我有學習能力，我有經(jīng)驗積累，我的每一次選擇都會讓下一次選擇變得更好。

這就是問題的核心所在。你以為的"經(jīng)驗讓你進步"，恰好是讓游戲變得更像拋硬幣的那個機制。

二、經(jīng)驗救不了你，因為游戲在升維

如果人生的選擇只是獨立重復的，那問題反而簡單，你不玩了就行。但人生選擇不是獨立的，它們相互嵌套，互相鎖死，每一步都在改變后面所有步的選項。

生物學家斯圖爾特·考夫曼（Stuart Kauffman）在 1990 年代提出了一個模型，叫 NK 適應度景觀。N 代表一個系統(tǒng)的組件數(shù)量，K 代表這些組件之間互相影響的程度。

當 K 為零，每個組件獨立運作，這就像一座平滑的山，沿著梯度往上爬就行，每一步都是確定的進步。當 K 很大，組件之間互相糾纏，這就像一座迷宮，你爬上一個山頭之后發(fā)現(xiàn)旁邊全是深谷，而最高的那座山在一個你根本看不到的方向。

考夫曼管這種互相糾纏叫"上位效應"。生物進化里到處都是上位效應：視神經(jīng)單獨沒用，眼球單獨也沒用，但兩者湊在一起，你就能看見了。社會科學里上位效應的密度，比生物進化只高不低：你選的城市決定了你的人脈，你的人脈決定了你的機會，你的機會反過來把你鎖在那座城市。你無法拆開來單獨優(yōu)化任何一項。

想想深度學習的誕生路徑，沒有人規(guī)劃過它。1970 年代，沒有人說"我們來發(fā)明 AI，步驟如下"。它是一條不可能被任何人預見的鏈式反應：廉價 CPU 催生了電子游戲，電子游戲催生了對高質量顯卡的市場需求，顯卡的并行計算能力恰好能被用來訓練神經(jīng)網(wǎng)絡。

GPU 深度學習不是被規(guī)劃出來的。它是被撞出來的。在另一條時間線上，如果第一批電子游戲不夠有趣，人們沒上癮，顯卡產(chǎn)業(yè)沒起飛，神經(jīng)網(wǎng)絡可能到今天還困在寒冬里。

你的人生也是這樣一個系統(tǒng)。你做"理性選擇"的時候，考研、大廠、買房、考證，你以為自己在爬一座山。但在一個上位效應密度極高的人生迷宮里，你每一次"向上爬"，都在同步關閉一千條你甚至不知道它們存在的路徑。而你甚至不知道它們被關閉了。因為你站在自己那條路徑的當下位置上，往四周看，全是墻。

精密設計出來的路徑總會迷路。不是因為設計得不夠好，而是因為在迷宮里，"設計"這個動作本身就是問題。

我在之前的文章里反復講過：現(xiàn)代社會把"理性"包裝成了一種不容置疑的品德。考好大學是理性的，進大廠是理性的，攢錢買房是理性的。

這些選擇每一條單獨拿出來，在當時當下的信息環(huán)境下，都是對的。但把它們串在一起，串成一條連續(xù)的人生路徑，它們的幾何平均可能是負的。

三、"正確"在被你知道的那一刻，就開始變質了

這里有一個更根本的問題。

你說的"理性選擇"，是根據(jù)誰來定義的"理性"？是"大家公認的好選擇"，對嗎？但"大家公認"這件事，本身就在改變那個選擇的價值。

很多人都知道喬治·索羅斯（George Soros）的反身性理論。索羅斯做了一輩子對沖基金，他最核心的洞見不是怎么選股票，而是：市場參與者的信念會改變他們試圖理解的那個市場本身。當越來越多人相信一只股票會漲，他們的買入行為確實會讓它漲。但這又會吸引更多人相信，更多人買入。直到?jīng)]有新人接盤。然后崩。

人生賽道也有這個結構。當"進大廠"還沒有成為共識的時候，那些早期進去的人享受的是稀缺紅利。當"進大廠"變成每一個優(yōu)秀畢業(yè)生的默認選項，它就不再稀缺了。伯克希爾哈撒韋的年會上坐了四萬個"逆向投資者"，每個人都在聽巴菲特講"別人貪婪時我恐懼"，每個人都覺得自己是那個逆向者。

但四萬個逆向者擠在同一個禮堂里，你就不是在逆向投資了。你是在和鏡像自我們博弈。你以為對面坐著的是那個愚蠢的、行為失常的、信息不完整的對手，實際上那個對手就是你自己，另一個同樣讀過巴菲特的股東信、同樣完成了 CFA 考試、同樣訂閱了所有財經(jīng)通訊的你。

這就說到了價值投資的真正秘密。我在《別再學巴菲特了》那篇文章里寫過，巴菲特不是靠"比別人更懂公司"贏的。他贏的關鍵，是因為他出生在一個只有不到 10%的公開股票掌握在機構投資者手里的時代。那個時代的信息是不對稱的，定價是錯亂的，GEICO 可以以八倍市盈率被人買入。

今天呢？信息爆炸了，定價效率變高了，場上有幾千個跟你一樣聰明的人在 24 小時掃描市場。你買入的每一只股票，恰好是旁邊那個逆向者賣給你的。你們互相寄生，直到誰也賺不到誰的錢。

人生的賽道跟股票市場沒有本質區(qū)別。你辛辛苦苦追上來的那條"正確"路徑，當你終于夠到它的時候，它已經(jīng)變成了所有人的平均線。而在這個游戲里，平均水平就是歸零線。

四、那條規(guī)劃好的路，從未對任何人兌現(xiàn)

美國有位作家凱爾·柴卡（Kyle Chayka），現(xiàn)在給《紐約客》寫數(shù)字文化專欄，出過兩本書。但他不是一開始就走在這條路上的。他大學讀的是藝術史和國際關系，一個典型的"不知道能干嘛"的專業(yè)組合。

他寫過一篇文章，談論“迷因經(jīng)濟”，里面寫道過自己的經(jīng)歷。他說他"按部就班地找工作，以為雙周薪的支票就是成年人的生存方式，以為那個叫公司的至高實體理應供養(yǎng)我的生活"。結果他撞上了 2010 年金融危機后的現(xiàn)實：先是拿著微薄的實習津貼，接著開始接一些灰色收入的私活。

然而戲劇性的是，到今天，"我自謀生路已經(jīng)十年，所謂的正規(guī)薪資體系，從未在我人生中兌現(xiàn)"。

按照那套理性規(guī)劃的劇本，柴卡是個失敗者。他沒進大公司，沒走通那條清晰的職業(yè)階梯，那條路徑對他來說徹底斷了。

可他沒有歸零。他做了什么？他去當藝術記者，泡在畫廊里觀察那些價格暴漲的年輕藝術家。他寫自己的獨立通訊，把這個時代那些荒誕的、別人還沒命名的現(xiàn)象一個一個記下來。他持續(xù)地在互聯(lián)網(wǎng)的邊緣游蕩、觀察、寫作。

這些事沒有一件能通過"理性規(guī)劃"的驗算，沒有穩(wěn)定收入，沒有晉升通道，沒有人告訴你這么做五年后會到哪。

但正是這種沒有地圖的亂走，讓他撞見了屬于自己的那座山峰。他成了那個能最早看懂"迷因如何變成金錢"的人，成了給這個時代命名的人。他后來提出一個說法，說這個時代真正的財富密碼，"不在于薪水，甚至不在于指數(shù)基金那種緩慢的增長，而在于在正確的時間認出那個正確的、稀缺的數(shù)字迷因"。

他自己就是這句話的證明：他沒有等到那份從未兌現(xiàn)的薪水，他把自己變成了一個能被這個時代看見的信號。

柴卡的故事里藏著一個殘酷的對稱。他引用過一個經(jīng)濟學里的說法，R 大于 G，資本的回報率長期高于勞動的增長率。放到具體的人身上就是：靠工資、靠按部就班的努力慢慢積累的那點東西，在隨機的、暴漲的資本和機會面前，脆弱得幾乎沒有意義。

你越是老老實實地走那條被規(guī)劃好的路，就越是在把自己鎖死在增長最慢的那個變量上。

我們被訓練成覺得自己應該更快、更準、更高效。好像只要框架對的、路徑好的、執(zhí)行力強的，就能比別人先跑到終點。但進化從來不是這樣運作的。進化從來不在"做最優(yōu)選擇"。進化是在允許足夠多的噪聲、足夠多的隨機變異、足夠多的局部失敗之后，偶然撞見一個能活下來的方案。

它不是在一千個選項里找最好，它是在一億個選項里找不出會死的。

市場一樣。亞馬遜之所以是亞馬遜，不是因為貝索斯畫了一張完美的路線圖然后執(zhí)行到底。是因為在亞馬遜的背后，有成千上萬個潛在的"亞馬遜候選者"嘗試了略有不同的方向。它們大多數(shù)都倒閉了，你從來沒聽說過它們的名字。亞馬遜是幸存者。

把這個邏輯放在你身上。你不應該試圖成為那個"從一開始就畫對了路線圖"的人。那樣的路線圖不存在。你應該成為那個愿意犯更多小錯、走更多小路、撞更多可能性的人。不是因為這樣更浪漫，是因為在一個幾何平均為負、上位效應爆滿、反身性時刻在發(fā)生的系統(tǒng)里，這是唯一統(tǒng)計上站得住腳的方式。

你的優(yōu)勢，不是你比別人更精確，而是你的精度沒高到抹掉所有可能性。

五、混沌的時代，模糊是唯一的精確

那么，知道這些之后，應該怎么辦？我不打算給你一個三步走的方案。那個方案本身，就是頭獎悖論的又一個誘餌。但有些方向，至少值得好好想一想。

這不是一篇反規(guī)劃的文章。規(guī)劃在短期、在低復雜度、在因果關系清晰的事情上當然有用。但你要知道它的邊界在哪里。

邊界就是：當系統(tǒng)足夠復雜、當變量之間互相糾纏、當你的每一次選擇都在改變你未來可選的選項，規(guī)劃就從工具變成了陷阱。你越相信它，它就越安靜地把你帶到零點。

我最近一直在想一個問題。我們這一代人被教育的方式，本質上是在訓練我們變成一個更好的 episteme 工具：設定目標，拆解任務，執(zhí)行，檢查，修正，再執(zhí)行。這套方法論在處理"發(fā)射衛(wèi)星"這類問題上效率奇高。

但人生更像是種一棵你不知道它會長成什么樣的樹。你澆了三年水，它什么都沒長。第四年，它在你看不到的地下，發(fā)展出了一整個根系。

人類學家詹姆斯·斯科特（James C. Scott）在《國家的視角》（Seeing Like a State）這本書里做了一個區(qū)分，后來成了經(jīng)典。他把人類的知識分成兩種。一種是 episteme，可以翻譯成"可編碼的知識"或者"理性知識"。它是清晰的、標準化的，可以寫進教科書和 Excel 表格。

另一種是 metis，可以翻譯成"經(jīng)驗智慧"。它是本地的、實踐中的、不可言傳的。它不能通過自上而下的規(guī)劃獲得，只能通過反復的、小規(guī)模的、有反饋的試錯慢慢長出來。

斯科特舉過一個真實的例子。19 世紀的普魯士想要"科學地"管理森林。他們測量了每一棵樹的間距、高度、品種，規(guī)劃出了一片完美的"科學森林"。最初幾十年，產(chǎn)量確實上去了。

但一代樹之后，土壤開始退化，病蟲害爆發(fā)，整片森林成片死掉。因為那些測量表格里沒有寫進土壤里的真菌、地下的根系網(wǎng)絡、松鼠搬運種子的模式。這些"不可見的東西"，在規(guī)劃中被抹掉了。而它們才是森林真正運轉的底層機制。

你的人生規(guī)劃也很像這片科學森林。你測量了薪資曲線、行業(yè)前景、城市排名、學位溢價。但你沒測量，你也不可能測量，那些決定了你最終走向的東西：你會在某個會議上偶遇誰，你會對什么產(chǎn)生不可抑制的好奇，你會在什么年齡突然發(fā)現(xiàn)自己過去十年一直在為別人的目標打工。

斯科特說的 metis，不是"別規(guī)劃了，隨緣吧"。它是一種完全不同的認知方式：不追求一步到位的精確方案，而是讓自己暴露在可以被現(xiàn)實反饋糾正的小劑量試錯中。不是拋下一切去流浪，是在有安全網(wǎng)的前提下，允許自己做一些和當前路徑不相關的事情。進入一個完全陌生的圈子，學一門看起來沒用的技能，做一個規(guī)模小到輸了也無所謂的嘗試。

Metis 的底層邏輯跟考夫曼的 NK 模型是同一個：在一個高位效應的迷宮里，你能走對的唯一方式不是看得更清楚，而是走得更分散。多走幾步，多撞幾面墻。迷宮的結構不允許你從中心看全貌，它只允許你從局部試到整體。

你不是不夠努力。你是太精確了。精確到只看得見山頂，看不見所有通向山頂?shù)穆范荚趹已律稀?

柴卡說了一句話，我很認同：我們正處在這場混沌之中，一個規(guī)則尚未成型的時代正在加速到來。

也許對抗這場混沌的方式，不是試圖給它立規(guī)則、畫路線、做精算。是接受混沌本身就是環(huán)境。是讓自己也變得不那么清晰、不那么可預測、不那么容易被一份簡歷或者一個頭銜概括。不是更自律，是更模糊。

模糊到連負復利都找不到你的方向?！径?