每次面对金融市场上出现的“大事件”，你最有可能做出的第一反应是什么？

回溯历史数据，翻找类似样本，找几个七七八八能对标上的过去行情，基于经验做出策略判断，舒舒服服舒了口气：“问题不大，都小场面。”

然后，一颗悬着的心，终于死了……经验失效了……

我们渴望着“前人栽树后人乘凉”，享受一些历史或是经验的“红利”，但很多时候，“乘凉”轻则变“着凉”，重则过于舒服，舒服“死”了。

“个人和组织尽管渴望从经验中获取智慧，但是在这种渴望之下，从经验当中做出的推断往往具有误导性。”斯坦福大学教授詹姆斯·马奇，是“企业行为理论”的提出者，他被公认为是过去50年来，在组织决策研究领域最有贡献的学者之一，他有一个“经验的疆界”理念，点出了经验学习的局限性，他认为，经验是一个有用的老师，但并不是一个完美的老师，如果仅仅依赖经验，常常会束缚我们的判断。

值得一提的是，2003年，《哈佛商业评论》曾经做了一个“谁是你心中的大师”评选，在管理学领域，哈佛列出了“200名管理学大师”名单，詹姆斯·马奇在这个“大师中的大师”排行榜中，排在第二；排在第一位的是20世纪最伟大的管理思想家德鲁克，排在第三位的则是诺贝尔经济学奖获得者赫伯特·西蒙。

本期【朋克金融学】带你快速了解詹姆斯·马奇的“经验疆界”理念。

复制 还是付之一炬

追求智慧的手段，反映着人们的认知能力。

人类历史在很长的时间里，主要靠占卜来面对生活中的不确定性；到后来，人们开始从经验中学习。

16世纪的丹麦天文学家第谷·布拉赫，则是介于这两种手段之间的人，占星术是他的正经营生——他靠着给贵族算命名利双收；与此同时，占星又离不开天文观测，利用“职务之便”，第谷在那个望远镜还没有普及的年代，就记录收集了二十多年完整又精确的天文资料，积累了那个年代的“人肉大数据”。

在这些数据的帮助下，教皇格里高利里完成了至今仍在使用的，当时最精确的历法——格里高利历。当然，这是后话。

二十多年完整的观测固然不容易，但从经验上，第谷只需要把测量方法教给学生和工匠，由工匠们日复一日地完成即可。工匠们不用去理解那些换算公式究竟是怎么推导的。

马奇把这类经验定义为“低智学习（low-intellect）”，在不用理解因果结构的情况下，复制与成功相连的行动即可。

粗暴点说，管你听没听懂，干就完了！

相比于较公式化的天文测量，这类“复制成功”由三种机制组成：

1. 试误（Trial and Errer）：亲自尝试，做几次再说。复制与成功相连的行动，规避与失败相连的行动。

2. 模仿（Imitation）：看看别人是怎么做的。模仿别人成功的行为，规避失败的行为。

3. 天择（Selection）：繁衍与成功相连的属性，淘汰与失败相连的属性。

这类经验被称为“低智”学习，不太好听，但确实是在生活中被大量使用的。

“复制成功”尽管并不一定能抓住事物的本质，但它适合所有人，强者能用，弱者也能用，在适当的情景下可以直接使用，“别问，就是干！”、“我上我也行”，有效率且结果反馈明显。

复制成功往往会带来改进，但并不是一个特别好的发现最佳选项的方法，马奇认为，当你对一个事情越来越擅长后，反而会阻碍你学习更先进的东西。

比如某设计大赛，几十年的功力下，你精通素描、油画、水粉等各种技巧，当对方双击打开Photoshop，阁下该如何应对？

当你再次耗费数年成为精通Photoshop的大师后，当对方打开Midjourney，流畅的输入几行指令（promts），几秒生成一幅AI绘画时，阁下又该如何应对？

复制？也可能“复制（付之）一炬”。

历史是复杂的，并充满随机不确定性，特别容易犯下误设（misspecification）和迷信（superstition）的错误，再叠加样本量有限的因素，甭管你曾经“过来”过多少次，如果下次情况再复杂一些，你有可能就“过不来”了。

【释义】形容单纯复制，会造成巨大的损失。

另外，每次的潜在结果分布来源于历次所做的选择，或是历次变现的结果。直白的解释就是，熟不一定只能生巧，还有可能生出陷阱，复制这个行为本身对后续结果有害。

也就是说，在练习效应下，通过复制成功寻找最佳选项就容易出现“胜任力陷阱（competency traps）”。

用体育比赛中的例子解释就会很清楚，假设一位网球选手知道对手的弱点在反手区，就总把球往反手区打，刚开始是十分有效，但对手总不能真由着“他强由他强，他横由他横”，无形中也给了对手练习反手的机会，逐渐的，复制“往反手区进攻”这一方法的边际效应就会减弱。

所以，“复制成功”很大程度上取决于“经验的属性”，而非“学习的属性”。

当天文学家兼占星术士第谷需要的只是较为简单的测量计算时，他可通过把经验完整的复制给学生和工匠，来解决问题。

但如果经验是复杂、模糊、充满随机变异，且样本量有限时，单纯的“复制成功”模式就有可能导致不理想的结果。

因此，在面临似曾相识的复杂问题时，如何在“复制”和“探索”间寻求平衡，就显得格外重要。

警惕“经验预制菜包”

李连杰版的《霍元甲》中有个名场面：“我这一拳有着二十年的功力，你挡得住吗？”足显功夫的深厚。

相较之下，第谷用二十多年的天文观测数据，就给教皇校准了下日历，未免显得大材小用了。

后来，这些观测数据到了另一位学生手里。

这位学生就是开普勒。

在第谷的时代，地心说和哥白尼的日心正在针锋相对，这种争论到了开普勒的时代，更是扑朔迷离。

开普勒的数学比老师第谷强不少，他拿到数据就埋头算，看看能不能验证日心说理论，但是按着前人的行星轨道模型，反复算了70多次，还是没能对上日心说理论。

在1609年发表的《Astronomia nova》一书中，他曾经这样卖惨：“如果你发现这本书比较难懂，并且一看就犯困的话，请可怜一下我吧，因为我反复核算了70次，并且请不要惊讶，我为火星的理论足足花了5年功夫。”

为了计算验证火星的数据，开普勒的笔在纸上都划拉出火星了，他开始开脑洞了。

最终被他发现，哥白尼或是当时的很多天文学家，都是根据以往的经验，假设行星是在圆形轨道上做匀速圆周运动，这从根上就是错的。一旦把轨道形状换做椭圆，太阳处于椭圆焦点，假设行星在近日点速度快，远日点速度慢时，第谷所有的数据都能用来验证日心说理论了。

至此开普勒开始逐步提出开普勒三大定律，牛顿在这个基础上推导出万有引力定律，开普“乐”了，牛“顿悟”了，高中生被物理学支配的恐惧由此开始了……

当不了解，或设定了错误的因果关系时，即便再努力，那些经验也毫无用处，开普勒曾为第谷惋惜道：“他曾是个‘富翁’，但他并不知道怎样正确地使用这些‘财富’。”

与“低智学习”相对，马奇提出了“高智学习（high-intellect）”的概念，高智学习要求厘清事物的因果关系，并用叙事（自然语言）、模型（符号语言）或者理论阐述出来。

“故事”和“模型”，是高智学习下重要的两个参数，它们既是精确理解历史的基础，又是判断学问高低的依据。

不论是1929-1933年全球大萧条、1987年美国股灾，还是2007-2009全球金融危机等等，我们都能找到不少书籍把这些事件抽象成故事和模型，像打包成一个“经验压缩包”一样发送给读者，以便等到下次市场出现类似行情时，打开经验包就能直接提升等级，从容应对。

都觉得高智学习高级好用，事实总是很残酷，从容不了一点儿。

马奇认为，“故事”和“模型”是两种压力联合作用的产物，一方面，“故事”和“模型”必须精妙复杂到显得有趣并彰显人类智慧；另一方面，它们又必须简单到足以让人理解。仿佛甲方在给你提要求：“给我一个既复杂又简单的方案——比如，五彩斑斓的黑！”

“因果基础复杂的经验，要是面面俱到地描绘出来，就会太过复杂，人类根本理解不了。越准确地反映现实，故事就越不好理解；故事越好理解，就越不贴近现实。”马奇指出，把经验诠释得既贴近现实又容易理解，这两个目标其实是相互冲突的，这也增加了高智学习的难度。

因为，这类经验本身是十分模糊的，随听众认知的不同而变化，随故事讲述技术和模型建造技术的不同而变化，还随时间而变化。

比如，在有些关于微软的故事里，比尔·盖茨是个有非凡洞察力和管理能力的杰出改革家和战略家，在有些版本里，他是一生中从未有过原创想法只是无耻地窃取并推广他人想法的幸运恶霸。

高智学习的不可靠性还在于，由于我们偏爱从故事里学习经验，更偏爱寻找因果关系，创作者可能因此简化因果，为故事的趣味性添油加醋，你拿到的，可能是“二手经验”，“经验预制菜包”。

更深一层的问题也在于，从故事和模型中学习的经验太好传播了，一不留神就代代相传，口口相传了，这种循环性的确可以增长智慧，但如果它本身就是错误的，反而会被当做正确的框架印在脑子里，不论是地心说，还是哥白尼把行星默认成匀速圆周运动。

不完美的老师

在追求智慧的过程中，经验是怎么限制学习效果的呢？马奇给出了三个经验的特征。

经验鲜活，好用又直接，这就导致学习者会把来自直接经验的信息看得比来自其他渠道的信息重要。

著名作家兼爱猫人士马克·吐温拥有19只猫，他曾观察到：一只偶然被热炉子烫过的猫绝不会再从任何炉子（不管是热的还是冷的）上方跳过，进而永远不会发现从冷炉子上方跳过是多么好玩。

对经验的启示是模糊的，经验必须转化成启示，这个转化既困难又没有止境。

由于启示是模糊的，所以对经验的诠释也很灵活，法国诗人、哲学家、历史学家保罗·瓦莱里对历史的看法是：“历史可以为任何事情辩护。历史实际上教不了人们什么东西，因为历史什么都有，不管什么事情都能从中找到例证。”

从经验中学习，极有可能导致次优选择，不大可能有效揭示深层因果结构。

经验还可能让信心的增长快于能力的增长，而且让尝试过早终止。

经验也许是个不错的老师，但肯定不是那个最高明的老师。