编者按：本文来自“孤独大脑”公众号（ID：lonelybrain），作者老喻。36氪经授权转载。原题目《计算的战神》

一、将几乎所有财富捐给盖茨基金会之前，巴菲特在慈善方面几乎一毛不拔，却为“研究核战争”赞助了点儿钱。除了对黑天鹅事件的极端厌恶，他用自己一贯的理性计算到：

“核战争似乎是不可避免的！人类最终都要面临这个问题。任何一件事情，如果它在一年内发生的几率是10%，那么在未来50内它发生的几率将高达99.5%，几乎接近100%！但如果我们把这个数字调低，也就是说一年内出现核战争的几率将到3%，那么在未来50年，高达99.5%的比例将下降到40%！从数字角度上来说，这是一件值得去尝试的事情，毫不夸张的说它可能会使得这个世界变得完全不同！”

计算方法：年发生概率是10%，年不发生概率是90%，50年都不发生的概率是0.9的50次方，然后用100%减去该值。

巴菲特为此向一位研究专家赞助了五万或十万美元。

不是多么牛逼的计算，但是现实中，能够做出这种计算，并且据此采取行动的人，屈指可数。

二、2006年，谷歌创始人布林测出LRRK2基因突变——他患帕金森症的可能性为50%。面对这个坏消息，他的举措，像是一个经典案例教材：

1、对外公开此事；

2、捐助超过5000万美金给帕金森研究，试图改变局面；

3、利用大数据探寻模式与出路；

4、参加跳水等运动。跳水短暂而激烈，可以马上提高心跳速率；

5、喝咖啡，喝绿茶......

按照布林自己的计算和预测，效果如下：

1、饮食和运动，使患病概率降低一半，至25%；

2、神经科学发展，再降低一半，至13%；

3、针对帕金森症的研究增多，进而将风险降至10%以内。

不是每个人都有足够的钱和影响力，但是现实中，能够坚持去跳水和喝绿茶咖啡的，屈指可数。

三、2001年，Netflix还是一家小的DVD租赁公司，年收入7600万美金，竞争对手百事达为51亿。CEO哈斯廷斯急切地想要突破平缓增长，打开需求爆发的阀门。

程序员出身的哈斯廷斯从数据入手，发现旧金山湾区的渗透率达2.6%，若全国市场如此，用户数将增至5倍。

经过一场大规模调查，找到“魔力原因”：湾区送DVD快。当地有配送中心，顾客一两天就能看到新电影，尝鲜心得以满足。于是，Netflix大建配送中心，打出了“次日送达”的硬球。

Netflix，被称为“一家由计算机科学家经营的娱乐公司”。其经营充满了计算，例如：

1、通过研究邮寄运营机制、反复设计信封，令碟片损坏率远低于1%；

2、进入流媒体时代后，设置价值100万美金的Netflix奖，鼓励将在线电影推荐系统提升10%的专家；

3、利用大数据筹拍《纸牌屋》，投入1亿美金，能吸引50万新增订户即回本，当年实际净增1100万付费订户。

在这场似乎无法打赢的战争中，哈斯廷斯冷静地计算，顽强地出击。如此兼具“计算”与“顽强”的人，屈指可数。

五、2002年，谷歌的佩奇开始考虑将人类有史以来的每一本书籍都放到网上，共约12986488

他找来一部数码相机，架在三脚架上，用节拍器控制节奏，让人帮忙翻书，用如此简易的模式，他估算出一本书数字化所需的大约时间，进而通过计算确认，这个疯狂的构想是可行的。

另外一个超牛的构想：谷歌街景，则得益于布林的亲身实验。他开车去市区，每过几秒钟就拍一张照片，然后拿数字来证明项目可行。

1、勿因看起来不可能，而否认某个伟大（开始通常都是疯狂的），要通过计算；

2、可重复的笨办法是最好的办法。

用可行、可复制的“笨办法”，算出疯狂而伟大的构想的可行性，这样的人屈指可数。

六、如哈伯德在《Howtomeasureanything》里说：

看起来完全没有踪迹可循的无形之物，是可以量化的。

这种量化可以用比较经济的方法来实现。

他特别强调：

1、量化的概念是“减少不确定性”，而且没有必要完全消除不确定性。

2、在商业领域，通常看起来不可量化的事物常常有非常简单的量化方法，只要我们学会怎样看透迷雾。

Netflix的哈斯廷斯，与谷歌的佩奇与布林，都有一种类似的信念：

通过计算，找到一种量化的、能够改变这个世界的商业革新手段，在一片迷雾中，依照数字那微弱的灯光的指引，凿出一眼深井，通往崭新的空间。

这样的人，屈指可数。

七、我在某课堂上遇到的题：

加拿大每天印刷的报纸来自多少棵树？

a、4千；b、4万；c、40万。

你买食物的10块钱中，多少用于包装？

a、1.5元；b、五毛；c、1元。

我计算如下：

答1:加拿大人口3500万，估计人均报纸0.1-1份。一棵树印报纸估计100-1000份，选b；

答2:零售食物10块，进货价约6块，厂家成本约3块，包装一块五太多，五毛嫌少。

关于估算的例子，用得最多的是费米的“芝加哥有多少调音师”。

罗素说：“所有科学都建立在近似观念之上，如果一个人告诉你，他精确地知道某事，那么可以肯定，你正在和一个不精确的人说话。”

爱因斯坦说：“数学命题只要和现实有关，它们就是不确定的；只要它们是确定的，那么就和现实无关。”

既然一切都可以量化，但现实一切都是不确定不精确的，数字与量化的意义何在？

这一“矛盾”，容易被没有计算思维的人（他们连经典力学没搞明白却天天探讨量子力学）捣糨糊。

里德说：“要取得知识的进步，没有比模棱两可的话更大的障碍了。”

我们那没有数目化思维能力的文化，喜欢自作多情地将自己的模棱两可，往科学家们的“不确定性原理”上去靠。

巴菲特说过：“近似正确胜于精确错误，风险来自于你不知道自己要做什么。”

费米与巴菲特的“毛估估”，要点是：1、勇于、善于算出“最接近的区间”；2、与不确定性共舞。

如法国数学家拉普拉斯所言：“人生中最重要的问题，在绝大多数情况下，真的就只是概率问题。”

懂得这一点的人，屈指可数。

八、《Howtomeasureanything》一书的要点：

1、以定性说明的抽象事物，例如“幸福感”、“满意”、“质量”、“形象”、“品牌价值”等等看不到摸不着的东西也都是可以量化的；

2、量化的目的并不是为了获取精确数值，它直接为决策服务——掌握了解不确定性，控制降低风险，为决策提供依据。（想想上面巴菲特那段话）

3、真正的量化过程不需要无限精确。

4、如果一项量化的工作与决策无关，那么它就是没有价值的。

具体该怎么做呢？

谷歌出过一道类似于“费米算钢琴师”的题目：

多少只高尔夫球才能填满一辆校车？(职位：产品经理)

解析：通过这道题，Google希望测试出求职者是否有能力判断出解决问题的关键。

参考答案：一辆标准大小的校车约有8英尺宽、6英尺高、20英尺长（不知话，大约估一下也不会差太多）。据此估算，一辆校车的容积约为960立方英尺。一个高尔夫球的半径约为0.85英寸，我认为一个高尔夫球的体积约为2.6立方英寸。

用校车的容积除以高尔夫球的体积，得到的结果是66万。考虑到座位和球之间的空隙，最终估算结果是50万。（老喻注：球的堆积密度应该是0.74，再考虑椅子什么的，应该在40万左右，这个就不详纠了）