101 天

早上睡到了10点钟，但是昨晚睡着的时间还是蛮晚的。早上起床先看了两集成龙历险记hhh，然后再去吃早饭。今天要去伊犁了。走上了独库公路，看到了雅丹地貌。

昨天晚上也是下载了樊登读书，并且看了从0~1的视频，也是大致了解了一些后续的内容。根据他所讲的内容，我觉得有以下几个比较重要的观点:

1.创新不是从1-n，而是从0~1。2.认识幂次法则，相信秘密的存在。3.打造“帮派“文化，团队全力以赴。4.人机结合才是未来。5.从长远看，社会法则偶尔起作用，而永远起作用的是自然法则，成功靠的是因果而不是运气。

从第一点讲，文中讲到从一到n是平面上的进步，从0~1是垂直上的进步，从1~n意味着复刻原有的模式，在竞争中取得利益，而竞争就意味着不断提高质量，压低成本，降低利润，于是陷入窘境。从0~1意味创新，创造新的市场，逐渐打造垄断型企业，可以自由调配市场，利润也将大幅提高。在许多情况下，垄断型企业都会用他们的谎言来使人们注意不到他们的垄断行为。在创业过程中，彼得蒂尔提出大胆尝试胜过平庸保守，坏计划也好过没计划，不要参与红海竞争，营销和产品同样重要。同样他也提出真正反主流的行为并非抵制所有潮流，而是在潮流中仍能保持独立思考。

第二点来看，企业的分布，事情的发展并不全都是全态分布，大多数也存在幂次分布。而这就意味着我们需要找到关键点，去逐个爆破。就像打井一样，需要把一个坑打的很深才能变成井，而不是一次打很多的坑。这对我们平时的生活也很有借鉴意义，找到问题的关键并解决。相信秘密的存在。世界上的秘密有自然的秘密，也有人的秘密。科学家发现自然的秘密，并研究出一套科学的理论。人们发现了一个秘密，并把这个秘密作为创业的核心点，用大家的力量逐渐放大，完善，就能把这个秘密变为现实，一家解决新的需求的企业就诞生了。

第三点，打造帮派文化，也就是说要找到一群志同道合，相同理念的人来做事，如果只用公司福利来吸引人才，那吸引来的都只是只想享受而没有宏大理想的人。打造一个企业的文化，要求领导者不断强调价值观和文化，并号召大家为这个理想而奋斗。这与我读马云传的时候发现的观念不谋而合，用企业的价值观将所有人紧密的联系在一起，于是也能不断的度过任何难关，在关键的抉择中选择正确的道路。

关于第四点，人和机器的优势并不相同，擅长的点也不同，这告诉我们人和机器不必成为对立的竞争关系，而应该成为合作关系。这话在现在AI诞生的时代里，非常的有意义。在AI的技术进化中，他已经能承担大部分“人“的任务，人们对此表达极大的担忧。但是正如蒸汽机的诞生一样，当一部分工作被淘汰时，也有一部分工作诞生于此时，人机协作成为主要话题。我想我们也一定能想出办法让人和AI一起工作，合作共赢才能创造更大的价值。

从第五点来看，社会法则和自然法则同时作用于我们的社会。特别在于中国的社会中，乡土社会使我们通常使用社会法则来解决问题，换言之，就是利用人际关系，潜规则来解决问题。人的一生中，社会法则偶尔会起作用，但是从长远来看，起作用的永远都是自然法则。通过社会法则，看似解决了问题，但实则没有任何的成长与进步，于是有朝一日被淘汰，也不知为何。所以我们要相信自然法则，相信因果，相信投入以及回报。

在车上又看了一个《复杂》的讲解，发现其实看樊登读书的讲解是很有趣味的一个吸收新知识的过程。

这本书主要讲的是复杂系统这门学科，才刚开始读我就被他的一些观点吸引住了。文中说到，复杂系统是由大量组分组成的网络，没有中央控制， 通过简单运作规则产生出复杂的集体行为和复杂的信息处理，并通过学习和进化产生适应性的系统 ，具有涌现和自组织行为的系统。这一段文字看起来十分的晦涩难懂。但其实在现实生活中有非常多的例子可以帮助我们理解。文中就举了蚁群这个例子。每一只蚂蚁都并不具有智慧，只是根据分泌的信息素来行动。而当群体的数量足够巨大的时候，群智涌现就发生了。蚂蚁在信息素的指引下，按需分类成四个工种，并可以不断按照需求改变工作内容。人类的智慧也是如此形成。以单个神经元来看，神经元的工作无非放电，分泌神经递质，并不复杂。而当数目达到亿万个时，智能出现了，情感出现了，没有人知道中间的过程，这就是复杂科学。

自组织被定义为系统有组织的行为但不存在内部和外部的控制者或领导者的组织。自组织是有原因的，它是由一个简单的规则产生的复杂集体行 动。一个非常简单的规则经过大量复杂的这些运 算和大量的量，产生了一个极其复杂的行为，这样的行为难以被预测，人们常称之为“涌现“”。

再来说混沌系统，文中以非常好理解的一句话进行了解释:输入端极小的变化，会带来输出端截然不同的效果。这也是简单系统与复杂系统的一大区别。科学家费根鲍姆发现所有的混沌体系虽然不可测算，但总能算出一个常数。这也是告诉我们，混沌虽无法预测，但也存在秩序。

还有就是遗传算法。DNA的ACGT的不断转录，使基因一代一代传下去。文中写到了沃森做过的一个实验，具体我不赘述。主要表现了遗传算法的合理性与效率，更也体现了计算机在迭代层面的优越性。简单来说遗传算法就是爸爸的DNA和妈妈的DNA，各取最好的两部分结合，形成新的一代，在进化中不断筛选，一代优于一代。这样的方法不仅适用于科学研究，也适用于企业管理，不断寻找亮点，把最亮的点拼在一起，不断迭代，进化才快。

依据单个节点与周围节点关系这样的简单规则，沃尔夫勒姆发明出了元胞计算机。以简单的规则就能形成无数种变化，生成复杂的图形。他认为宇宙原先不超过三行程序，在不断的运转中反复，最终形成现在的样子。

网络现象。有人发现人际关系中，两个陌生的人只需经过五个人就一定能够认识。这个规则虽然理想，但并非错误。假若将人与人的联系视作一个圆，人们相识的过程就要经过许多两点间的连线，而如果将圆中间画上两三条线，人与人相识的效率将有幂次的提升。所有复杂网络都有着小世界网络特征。

像彼得蒂尔在《从0到1》中提出的幂次分布，本文也讲到了类似的理论，叫做无尺度网络。搜索引擎中网站的排行顺序以出入度数为准，用数学语言表述就是，入度是K的网络的网页数正比于K平方分之一，这样形成的图像就是一个幂次图形，越大体量的网站的数量越小。在这个图上，无论如何切割，如何放大，都是规整的一个幂次图形。

书中提到，未来的人们在等待一个“复杂性的微积分”。正如研究双体时，牛顿发明了微积分，作为解决问题的工具，人们才得以研究这门学科。而复杂科学仍然缺失一个数学工具来帮助人们窥视复杂系统的一角。