成功意味着99%的失败。
—本田宗一郎，
本田汽车公司创始人
【并非所有错误都相同：英明的错误】
在前一章中，考虑到作选择时可以适当知道的一些因素，我把错误定义为非最佳决策。在本章中，我将展开进一步研究，并为“英明的错误”这一自相矛盾的概念下定义—它将产生惊人的成果，这成果会远远大于成本。
首先，关于英明的错误的想法可能看似矛盾。但是，正如本章所述，并非所有错误都可以产生相同的效果。有些错误具有超越它们成本高昂的初始时期的潜力，并带来远远超过初期投资的收益。犯错之前和之后都可以有明智的想法：之前是在导致错误产生的环境中，而之后是在对错误觉醒时所产生的新见解中。正如我们将要看到的，成功的投资者和领导者通常会创造一些条件，随着时间的推移，它们会引起富有成效的错误。他们精心策划环境，使其中的机遇和洞见撞在一起并擦出火花，从而创造自己的运气。
有潜能的错误
让我们先来讲一个惊人的例子。1961年冬天，一位名叫爱德华·劳伦斯的气象学家犯了一个很小的错误，却产生了出人意料的长期后果。当时，劳伦斯正在研究天气预报模式，他使用的是计算机模拟系统，这在他的行业是一种普遍工具。这是大型计算机的时代，模拟实验要求详细的程序指令、穿孔卡、批处理和复印打印系统。从头到尾，每次模拟实验都要花好几个小时，而且，上机时间也很昂贵。在一个重要的日子里，劳伦斯刚刚完成一轮规模较大、和某种特殊天气系统相关的模拟实验，并且想要在更长的时间框架内重复这个实验。他并没有浪费宝贵的处理时间，而是使用第一轮模拟实验的打印输出，并用手动方式将结果表上的最终数据输入电脑。也就是说，为了提高效率，他只是从上一轮实验停止的地方重新开始。
第二轮模拟实验的结果彻底偏离了劳伦斯的期望值。像一名合格的科学家那样，劳伦斯由原路返回，寻找问题的缘由。他认为一定是哪里弄错了，或许他输入了一个错误的数字，也可能是计算机本身出了故障。一连几天，他都对此感到疑惑不解。后来，他突然明白了：他在输入数字时使用了计算机打印输出，这样一来，所有数字都被四舍五入，精确到小数点后三位。但是，在计算机内存中，数字的存储是按照精确到小数点后六位的原则进行的。例如，存储的数字可能是4 896.506127，但是，通过计算机输出打印在纸上却成为4 896.506。通过手动方式输入数字时，劳伦斯已经将它们如此轻易地改变了。这个在初始条件下由四舍五入引起的0.000127的细小误差，把第二轮模拟实验推向一条截然不同的路径，从而得出大相径庭的天气预报结果。劳伦斯犯了一个小错误，但却产生了难以预料的巨大影响。
此时此刻，劳伦斯非常清楚，是四舍五入的误差使他的初始模式出错了。大多数研究员或许会在这里停下来并接受失败，然后朝另一个方向走去。劳伦斯则继续反思这个奇怪的结果。他忽然产生了一个想法，那就是：在一个设有非线性反馈回路的复杂系统中，微小的变化很可能产生如此巨大的影响。正如他1972年在美国科学促进协会作演讲时所说：“巴西的一只蝴蝶拍打翅膀时，会引起得克萨斯的一场飓风吗？”答案是肯定的—复杂系统中的微小变化会使初始偏差像滚雪球般不断增大。尽管他设计的原始天气预报程序没能实现他的初衷，但是，它的结果却将劳伦斯引向一个更为重要的发现，即现在我们所说的“蝴蝶效应”。劳伦斯在科学界享有崇高的位置，被尊为“混沌理论之父”。他因发现“决定性的混乱”而于1991年被授予京都奖。颁奖委员会指出，劳伦斯的理论“对广泛的基础科学产生了深刻影响，并引起了自艾萨克·牛顿以来人类自然观的一次最剧烈的变化”。它触及一些深层次的问题，例如，宇宙是决定性的还是随机的，这个争论可以回溯到海森堡在物理学领域中提出的不确定性原理，以及爱因斯坦的那句名言，即上帝不会和世界玩掷骰子的游戏。
劳伦斯的深刻见解动摇了科学的基础。一个由四舍五入引起的错误转变成了一个英明的错误。如果劳伦斯当初没有输入那些经过四舍五入的数字，他就永远不会碰到一个出人意料的结果。如果他没有经过广泛的训练、仔细的观察和对可能解释的执着追求，就不会认识到这个结果的含义，也就不会推演出混沌理论。这个例子阐明了一个英明的错误所具备的两个主要组成部分：
（1）一些事情出问题的程度远远超出了事先预期的范围；
（2）出现一些新的见解，其好处大大超过了错误的成本。
画龙点睛之处尤其在于条件（2），但也在于认识到，条件（1）对于条件（2）的发生来说是必要的。在接下来的几章中，我将展现的内容是，我们的行动应该以增加（1）和（2）共同发生的概率为目标。如果这两个条件都得到满足，我们就在与一个英明的错误打交道。
发明家，还是专业的犯错者？
很明显，错误往往是新发现的来源。几乎所有关于发明的故事都阐明了这一事实。托马斯·爱迪生因发明灯泡而闻名，靠的并不是灵光一闪的智慧，而是乏味的重复实验策略所带来的最终结果。在发现炭化线可以用作灯丝之前，爱迪生试验了数百种其他材料，包括铂和其他金属。当他第700次尝试失败时，有人问他为什么还不放弃。他回答说：“我并没有失败700次，我只是发现了700种不适合的材料。”换句话说，他意识到生产性错误是他的实验过程的一部分。1879年10月，爱迪生打响了成功的第一枪：他发现了一种可以点亮13.5小时的灯丝。他继续改良这次实验设计；1879年11月，他申请了一项美国专利：一种使用了“螺旋状的……与铂制接触线相连的炭化线或炭化条”的电灯。26该项专利获准几个月后，他的实验小组发现，一根炭化竹丝可以持续点亮1 200小时以上。
一个比较近的例子是詹姆斯·戴森爵士，他发明了一种史无前例的新产品，即曾经风靡市场的无袋式真空吸尘器。经历15年的失败，戴森一共试制了5 127种原型。他向《快公司》杂志描述了自己的实验过程：“总共失败了5 126次，但是每次我都有收获。”他继续说，“有人教我们用正确的方法做事。但是，如果你想发现一些别人还没有发现的东西，你就需要用错误的方法做事。”毫无疑问，爱迪生会同意这种说法。正如戴森所说，在我们的社会中，“我们推崇那些一蹴而就的辉煌和轻而易举的成功。而我的看法恰恰相反。你应该向那些坚持不懈、历尽千辛万苦之后终于取得成功的人致敬。”27
质疑假设
错误能使我们变得更加明智。一个错误，不论是偶然发生的还是经过设计的，其最大优点是能够戳破虚假信念的泡沫，从而开辟新的前景。同样，我们必须接受错误，并把它们看作是超越我们正常观察途径的发现之门。
历史展现了我们现在认为明显错误的思想曾经如何被当作智慧。在开拓性的研究《美国士兵（1949~1950）》中，社会学家保罗·拉扎斯菲尔德运用了严谨的实证研究，以此来论证很多被人们当作绝对真理的想法所具有的虚假性—例如认为，由不同种族士兵组成的战斗编队不会有那么高的作战效率。28拉扎斯菲尔德的研究粉碎了许多错误的信条，成为社会学界的一块里程碑。良好的科学以实证数据和更完备的理论来挑战传统智慧。写于2009年的《通俗心理学的50个神话》一书探讨了大量普遍为人们接受的、关于我们思想运作方式的神话。通过引用来自科学文献的最新证据，驳斥了很多流行的错误观念，例如认为，大多数人只使用他们10%的智力、缺乏自尊会引发心理问题，以及催眠是一种完全不同于觉醒的“恍惚”状态。29通过对所有这些思想进行仔细解构，该书还就某些问题提出了新的见解，例如，为什么通过大众媒体或我们社交圈中的不断重复，有些错误的想法会产生如此强大的影响。
举个例子，考虑一下，自行车头盔可以使骑手免受头部损伤，从而保证安全。从总体上讲，这个想法已具有了传统智慧的准确性。美国许多州和城市制定了与头盔相关的法条，例如宾夕法尼亚州自1995年起要求12岁以下孩童戴头盔。但实际上，认为头盔能让我们更安全的想法总是正确的吗？有些骑手则认为，戴头盔会让他们更有可能被车撞到。伊恩·沃克是一个狂热的自行车运动爱好者，同时也是巴斯大学的一位心理学家。他对这个问题进行了测试。他为自己骑的自行车安装了超声传感器。两个月以来，他有时戴头盔，有时则不戴，凭感觉测量过往车辆和他之间的安全距离。他的发现十分令人吃惊。正如2007年3月的那期《事故分析和预防》中所报道的，当沃克戴头盔时，驶过的车辆离他更近，他们之间的平均距离是3.35英寸。评论家认为，与车辆和骑手之间保持的安全距离相比，这种差别不算大。于是，沃克重新分析了数据。他发现，当他戴头盔时，车辆在他周围的一米“危险区”内移动的可能性为23%。
沃克进一步展开了他的反直觉研究。在某几次骑车测试中，他戴了一顶长长的棕色假发。他的目的是让开车经过的人误以为他是一位女士。他发现，这项措施给了他额外的一层保护—特别是，平均2.2英寸以上的呼吸空间。我们只能从以下角度来推测这种性别效应产生的缘由，即：有种偏见认为女性骑车时稳定性更差，因此，人们会对女性更加礼貌。根据沃克的研究，不论是何原因，只要用飘动的长发来装饰他们的头盔，骑手都会得到很好的保护。
虽然沃克的研究结果仍具有争议性，但却阐释了默许假设和普遍观念（例如，“戴头盔的骑手会更安全”）为什么会不正确。30在撞车事件中，头盔无疑会为骑手提供额外的保护。然而，如果我们也考虑一下撞车的可能性，以及司机不完美的判断对骑手安全的影响方式，头盔的保护作用就有可能大幅降低—或许甚至颠倒过来。这个实验所要强调的是，因为现实生活的环境具有一定复杂性，所以很难毫无保留地宣称任何假设都是100%正确的。既然我们用错误的假设来判断一个决策正确与否—戴头盔是对的，不戴头盔是错的—那么在犯错之前，我们就不知道假设本身是否正确。通过犯错，我们可以获得所需的知识，以便在将来做更为正确的事情。
荷兰是我出生和成长的地方，那里有很多运河。在大多数国家，人们认为系上安全带是保护汽车乘客的最好办法。但是，在阿姆斯特丹这个遍布着历史悠久的运河和鹅卵石街道的城市，有很多已消逝的可怜的灵魂。当车子掉进运河时，乘客们却被安全带牢牢绑住，以致未能及时脱险。
人们有一种寻找确定证据的倾向。我们把注意力放在支持我们信念的解释和数据上，而只是草草浏览一下其他可能的解释。考虑一下你自己的习惯—你有可能参考那些支持你政治观点的文章和新闻节目，还是有可能努力寻找强有力的反证，用以检验和重新审视它们呢？科学家也逃不出这个陷阱。
美国宇航局曾把月球岩石分发到不同的实验室进行分析，以此来努力解决关于月球起源的争论。通过这次分发，美国宇航局希望科学界能够达成一种共识。让他们失望的是，相反的情况发生了。在运用科学客观性的最高标准认真研究了这些岩石之后，每个研究小组在返回美国宇航局时，都比以往更加确信他们自己的理论是正确的。从某种意义上讲，在证据相同的情况下，每个实验室都设法得出保护其研究员现有理论和支持其既定立场的分析。
美国宇航局的这个故事引起了一些关于科学客观性的令人不安的怀疑。它还揭示了确认偏见为什么常常会引起错误的结论，以及错误为什么会是解救我们的唯一方法。设想一下，假如美国宇航局准备重返该实验，要求每个小组都得出在一定程度上和他们的原始信念相矛盾的分析。那么，这些实验室就很可能去研究那些之前被他们当作异常值或错误而丢弃的数据。这样一个过程可能会解决各个实验室之间的僵局，并帮助创建科学共识。
我在为一家有名的制药公司提供咨询时用到了这个方法。该公司担心正在接受他们一期鉴定的实验药品的高效性。因为，只是极小一部分化合物参与鉴定，就会被制成药品进入市场，所以，药品制造商渴望尽快找到杜绝“坏”药品的方法。如此一来，一期鉴定就应当被指定为那些永远不可能通向市场的化合物的“杀戮场”。然而，参与这个决策过程的大部分科学家都会对他们正在研究的化合物产生感情，就像美国宇航局的科学家致力于保卫他们自己实验室的宝贝理论一样。我建议进行角色转换。我们请负责筛选化合物的科学家和复核委员会设计旨在证明这种化合物很可能不过关的临床试验。这种方法导致了与以往不同的试验设计，它对潜在利益关注较少，而对毒性或其他副作用关注更多。该方法还确定了与病人可能更早服用的其他药物的相互作用，以及使用旧方法时只会出现在后期测试阶段的额外风险。
结果证明，该方法对这家制药公司大有好处，有助于他们找到与初始假设和期望相反的证据。正如我们在接下来的几章中将要探讨的，反驳既定信念是一种已经被证明了的、可以更快找到正确答案的方法。关键在于用正确的思维方式来处理任何复杂的调查，在确定性思维和非确定性思维之间找到平衡点。我们对手头的问题知道得越少，就越会需要非确定性，以便迅速清除错误的假设。就像我们提醒博士生的那样，如果你曲解数据组已有足够长的时间，你就会承认这一点。要是没有非确定性，我们就会掉进陷阱，只去开展那些旨在证明我们初始假设的实验，并在这个过程中不断欺骗自己。
错误的种类，以及它们的相对好处
我们从不缺乏愚蠢的错误。《财富》杂志曾经汇编过一个错误清单，上面都是些明显的错误，其中包括：就在2008年市场崩溃之前，美林公司投资了次级抵押贷款；美泰公司召回了2 000万个含有铅涂料的中国产玩具；由于给一位病人动脑颅手术时偏离了正确位置，一家罗德岛医院在不到一年时间内面对第三次罚款。31一年一度的达尔文奖已将致命错误分析上升为一种令人毛骨悚然的仪式。他们每年都会把追授奖颁给那些因自己所犯的愚蠢错误而死去的人；他们认为，这些错误可以“对基因库起到氯化消毒的作用”，或者“对兽群起到精选作用”。其中有这样一些例子：一个猎人在和他的狗发生争执时打中了自己，由此身亡；还有一个牧师，他试图乘坐充满氦气的气球到达
天堂。
让我们客气地把目光从这些关于自然选择的、真正的异常事件上移开，然后把注意力集中到那些更有成效的错误上去。接下来的框架会帮你运用简单的成本–收益分析法来区分不同类型的错误。图2–1的纵轴表示错误的相对成本，自下至上按照从低到高的顺序排列，而横轴则表示错误的潜在收益，自左而右按照从低往高的顺序。我们由此把错误分成四种“类型”，并给出一些例证：
A. 悲剧性的（高成本，低收益）：开车撞到树上并严重受伤
B. 严重的（高成本，高收益）：离婚；申请破产
C. 无关紧要的（低成本，低收益）：收到违规停车罚单；丢失钱包
D. 英明的（低成本，高收益）：劳伦斯发现蝴蝶效应
很明显，悲剧性的错误（A）成本很高，但个人收益却微乎其微，应完全避免。严重的错误（B）也需要高成本—如离婚或投资失败，但有可能获得高收益。这些错误可以提供巨大的教训，而且回过头来看，它们也可能具有一定价值。但是我们仍然需要谨慎，尽量不要把它们带入我们的生活。你离婚的目的不该是为了看看可以从中学到什么；你也不该为了尝尝失败的教训而把自己的生意推向低谷。第三种是无关紧要的错误（C），代表着低成本和低收益。例如，收到违规停车的罚单或是错过航班。这些错误的结果并不是悲剧性的，但是，我们从中吸取的教训是无意义的，或是显而易见的—“把更多的钱花在计价器上”或者“早点儿赶去机场”。
这几种类型之间的区别，可以让我们得出一个更明确的定义，即什么是真正英明的错误（D）—那些提供高收益而成本相对较低的错误。就像之前几个故事所讲的，英明的错误所具有的高收益，通常会随着时间的推移而增加，而不是在犯错的那一刻就被给予。正因为如此，我们很难把它们和无关紧要的甚至是严重的错误区分开来。有一种比较吸引人的做法，那就是看着这个图表，然后下定决心，“好吧，那么我想我会试着只去犯英明的错误！”然而，真正的教训是，这些区别只有在回头看时才是明显的。
例如，生意上的一些大失败只有到后来才会转变成巨大的成功，如麦当劳的草裙舞汉堡（1962），苹果公司的丽萨电脑（1983），可口可乐公司的新可乐（1985），或是康宁公司的微阵列芯片（1998）。32在良好感觉的范围内生活和工作是非常重要的（我们当中没有人希望最终成为下一个达尔文奖得主并名垂千古！），但有一点也是真的，那就是：我们力图消除自己生活中所有错误的做法，同样意味着我们会牺牲那些有价值的错误。我们需要让一些糟糕的错误进入我们的生活，同样是为了能够得到一次好机会去创造英明的错误。这就是挑战：如何在你的愿望和风险容忍度的基础上，以最好的方式作出权衡。
综上所述，本章探讨了错误的几个重要方面：
1. 并非所有错误都是糟糕的。正如劳伦斯所发现的，他的实验中出现的错误把他推向一种强有力的新思想。很多时候，错误会有一个坏名声。我们认为应当不惜一切代价去避免错误。但是，进步的产生的确是断断续续的，是失败与成功交替的结果。错误让我们学得更快，并把我们指引到新的方向。有些错误非常糟糕，有些却可以通向智慧。正如我们接下来将要讨论的，错误可以加速学习，并拓展选择面。
2. 拒绝那些似乎不在你掌控之内的东西是很容易的。高估我们的掌控能力的倾向，会在很大程度上使我们判断以下事实的任务复杂化，即一个结果的好坏究竟取决于运气还是能力。如果劳伦斯认为是某种骚灵现象改变了他的数据，那么他将永远不会从根本上认识新的法则，也就不会得出混沌理论。他并没有把错误归咎于随机噪声或不好的运气，而是作了进一步研究，从而发现了一条通往天才发现的道路，而它的起点正是这个显而易见的死胡同。
3. 错误不会发生在真空地带。做出决策之后，我们会继续采取一些影响结果的行动。医学上的安慰剂效应是个众所周知的例子，它指的是，一个病人的康复仅仅是因为他相信药的效力。自我实现的预言在生活中很普遍，例如，经济学家会作出一些消极的预测，从而延迟补偿。同样，它们也可能是细微的，例如，家长和老师会无意识地表现出他们对一个孩子的信念，从而影响学习效果。有时，仅仅通过共同的或间接的努力，就能使糟糕的决策变好。
4. 英明的错误有两个主要组成部分。它们要求：（1）有些事情出了问题，远远超出了原先的预料；（2）出现了一些深刻的新见解，其收益远远超过原有错误的成本。与人类智慧相关的部分尤其在于（2），但同样在于认识到（1）是（2）发生的必要条件。而诀窍就是参与那些可以增加（1）和（2）共同发生概率的行动。
一旦我们认识到并非所有的错误都相同时，挑战就变成了：哪些错误需要鼓励，而哪些需要压制。我们可以把英明的错误看成是购买期权，它类似于金融看涨期权，因为你现在花费小成本的目的，就是为了以后有机会学习或得到更多东西。然而，和真正的选择不同的是，英明的错误不可能提前被很容易地模式化或最优化，这是因为你是在自己的知识范围内采取行动。此外，如果你确实以分析的眼光来看待它们，那么，英明的错误就会以一种否定预期回报的方式结束，并且被你的大部分同事所拒绝。这就要求一种直觉因素，以及一种赞许的态度，以便从更深层次检验你的想法，而不仅仅是理性判断。因为直觉可能有着深层缺陷，所以，避免愚蠢的错误也是非常重要的，这一点我们将在下一章中探讨。