万维钢新书《你有你的计划，世界另有计划》

<丑小鸭定理>的读后感想

首先抛出一个问题:到底是丑小鸭白天鹅之间的区别大，还是两只天鹅之间的差别大?

顺着这个问题，万维钢先指出一个俗见，就是大家的常见的认知:直观上当然是丑小鸭和天鹅之间的差距大。

可是万维钢提出了自己的洞见

ps:我在想，他是怎么想到这个问题并进行思考的?

可能是先知道"丑小鸭定理"这个东西，思考了一下它对现实中的哪些问题有用，然后思考现存的常见想法，进一步考虑这些想法存在的问题，提出自己的批判性建议。(根据万维钢自己的工作习惯，他是每天都要浏览最新的信息与科研成果，在这个过程中会发现新的理论与研究成果，并结合想要解决的问题，便可以形成一篇文章)

这篇<丑小鸭定理>文章的脉络为三个部分

1 说明丑小鸭定理的内容(说是什么)

2 没有客观的分类(指出与现实的区别)

3 一点人生哲学(结论+建议)

第一部分，丑小鸭定理

丑小鸭和天鹅的差距 vs 天鹅与天鹅

丑小鸭定理提出的洞见是:如果比较相似度，首先得看比较的标准是什么。

考察三个个体，三个属性，每个属性有正负两种，比如，颜色分为白色1与黑色0，体重分为大体重1和小重量0，排名分为排第一名1和不排第一名0。

这样，三个个体总共的排列组合就有八种。

看相似度怎么看?

相似:只要任意两个属性相同就可以看作是相似度加一。

比如天鹅A和天鹅B，看:颜色+体重+排名，

AB(C)按照三个属性有:(110，111，000，001)。

前两个只要相同就表示AB是相似的。上面给出了八种组合中表示AB相似的个数，可看出AB相似度是4。【AB表示两只天鹅】

(A)BC按照顺序有:(000，011，100，111)，也是4。【BC表示天鹅和丑小鸭】

万维钢老师列出的实验结果显示，丑小鸭和天鹅之间的相似度，与天鹅之间的相似度都是 4。

当然这是在没有评判标准的情况下给出的。

也就是说，如果没有标准，就不可能分类，因为他们是相同的。

第二部分，没有客观的分类

承接第一部分，我喜欢的一个表述是:现在有一大堆东西，能不能给计算机一个任务，让计算机自动、客观的分个类?丑小鸭定理说，这是不可能的，因为没有给出分类标准。

下面给出了一个很深刻的认知。"种族不存在"的最深刻的含义，就是丑小鸭定理，如果没有主观标准，这些人的任意两个人之间相似度都是相同的，因为没有标准。

也就是说，如果硬要分类，那么就是主观的、有偏见的。

接着说，种族分类，就是人们主观选择了标准，比如肤色。那我们能不能选择其它标准呢，比如学历、性别。如果说种族不存在，同样可以说学历不存在，性别不存在。

先有"偏见"这个属性，才能根据这个属性去分类。

第三部分 :一点人生哲学

提出三个建议

首先说:完全客观、无偏见、不歧视，是不可能的。

那我们应该怎样面对这个世界呢?

【1】第一，可以随时跳出"默认分类"

举例:老乡见老乡，就是把人按籍贯来分的。我们学过了丑小鸭定理，就知道这个分类完全不是天经地义的。我们为什么不按照会打篮球不会打篮球来分呢?

每一只被人歧视的丑小鸭都应该想想这个定理!你完全可以跟天鹅分在同一类。

我的想法:什么叫歧视?其实就是仅按照一个标准来判断，他不是我们这一类的，所以把他除在外，就形成了歧视。被歧视呢?不就是在这个标准下，被排除在外的个体吗?

我们需要注意的是外面还有数不胜数的其它标准。世间标准千千万，何必独取最苦的一瓢?丑小鸭完全可以跟天鹅分在一组。

【2】第二，任何一个事物，都没有什么"本质属性"

每个人都是很多很多属性，这些属性相当于"标签"，没有哪个标签可以代表这个人的本质。

【3】第三，没有好处，就别分类。

没有客观的分类，不代表我们从此就不能分类了，也不代表我们对所有的东西都要一视同仁。

把东西分类是一种方便的认知，完全可以根据当时的价值与价值观进行分类。

先找到一个价值，再进行分类。

不要随便给人贴标签，如果一个人非要贴标签，我们就要看他想干什么。

总结一下我的习得:

【1】丑小鸭定理告诉我们如何去看这个问题:到底丑小鸭和天鹅的区别大还是天鹅之间的差别大?首先是看评价标准。没有标准，就不要说丑小鸭与天鹅之间的区别大。

联想到万维钢在<<<九个工作谎言>_工作是具体的，公司是虚拟的>>这篇文章中的提出的问题:到底是两个公司之间的差别大还是一个公司内部的两个团队之间的差别大?在这篇文章中主要说的是:如果看日常生活的话，员工要更加关心自己所处的团队。所以，看日常生活是此处的比较标准。

【2】已经有了标准怎么办?尤其是这种标准是被大多数人接纳的时候。

万老师从个人的角度给出的建议是:多想想丑小鸭定理，你完全可以跟天鹅是同一类。我个人觉得，这还是心理安慰，当然这种心理安慰是自己主动的，而且还是有理论依据的，所以这种安慰比其他人的说辞安慰要好得多。

【3】先找到一个价值，再进行分类。