一個最普遍的創造方法，就是“想法的連接”。而想法連接式的創新模式比我們想象的還要重要得多。可能遙遠的想法比你手里的東西還有用。可能外行比專家還厲害。可能這是一個多面手當道的時代。
有人說丹尼爾·卡尼曼的《思考，快與慢》提到的有些實驗，是不可重復的。可能現在你看那本書的感覺，就如同讀過《三國志》以后回頭再讀《三國演義》 —— 原來“真實”情況沒有那么有意思啊！
但是，《三國演義》可比《三國志》有用多了。看《三國志》的人可以獲得學術聲望，看《三國演義》的人卻能解決大問題。
視頻網站Netflix曾經搞過一個競賽，懸賞100萬美元，給第一個能把它的電影推薦引擎的準確度提高10%的團隊。
兩萬多個隊伍參賽。最后排名第十七的這個隊伍，只有父女兩人，女兒只提供數學支持，父親也沒有太多專業背景。這個人叫加文·波特（Gavin Potter），他是卡尼曼的粉絲。
當年在大學的時候，波特聽說過卡尼曼的一個思想。卡尼曼說如果在一個人做預測或者判斷一個數值的時候，給他事先看一個比較大或者比較小的數字，那么他的判斷也會是一個比較大或者比較小的數字。這個人明知道給他看的數字跟他要判斷的項目沒有任何關系，還是會受到那個數字的影響。
這個現象，在心理學上叫“錨定效應”。有人做實驗，讓受試者先寫下自己的生日，然后判斷一瓶紅酒的價格 —— 結果生日數字比較大的人，給紅酒的估價也比較高。這個實驗是意料之外但又是情理之中 — 可惜后來有人發現，實驗結果無法重復。
所以波特先生聽說的那個心理學結論未必靠譜。但是波特先生有一個洞見。
波特設想，如果一個人連續在Netflix上看兩部電影，如果第一部電影他很不喜歡，那么這種心情就可能會影響他，讓他也給第二部電影一個過低的評分。反過來，如果他非常喜歡第一部電影，那就可能給第二部電影一個過高的評分。在那一刻，他自己并不是他真實的自己！那么當你使用他的評分數據的時候，就應該考慮到這一點，調整他給第二個電影的打分。
憑這一點，波特最后把推薦引擎的準確度提高了9.06%。
卡尼曼說的不一定對，可是波特說對了。波特在之前Netflix搞的一次交流會上，把這個思想分享給了其他的隊伍，最后獲得第一的隊伍實際上也使用了這個思想。
這件事非常有意思。波特是個外行，他真正的優勢既不是編程技術，也不是自己以前的專業，而居然是他早年從卡尼曼那里學來的一個不靠譜的心理學知識。
這就叫神來之筆 —— 非常遙遠的兩個東西，通過一個非常規的渠道，連接在一起，把問題解決了。
事實上，外行解決問題是一個非常普遍的現象。那么技能和眼界單一的專家們，就得有點緊迫感了。
什么時候“練習”最有用
成為專家的辦法，是“刻意練習”。本來刻意練習強調的是練習的方法，可是格拉德威爾一本暢銷書《異類》的影響力實在太大，現在人們都認為練習的關鍵是時間長短 —— 你要練習一萬個小時，才能成為專家。
可是練習時間長短，和實際工作表現之間，到底有多大聯系呢？有一個“薈萃分析（meta analysis）”，把幾十個研究放在一起分析結論。結論有兩個。
第一，有嚴格固定規則的領域，練習的作用最大；沒有嚴格規則的領域，練習的作用非常有限。
比如國際象棋就有非常嚴格的規則，在國際象棋的領域內，一個人的總練習時間能夠解釋他26%的表現。在音樂領域，練習時間長短能解釋21%的表現；在體育中，練習時間能解釋18%的表現。剩下的可能是天賦和臨場發揮水平之類，也許還包含偶然因素。
而教育、編程、航空飛行這些更常見的職業，往往不像體育比賽那樣有什么固定規則，發揮更加復雜，一個人的練習時間，居然只能解釋不到10%的表現。
第二，環境局面越是可控和可預測的，練習的作用越大；局面如果是復雜多變、不可預測的，練習的作用就很小。綜合統計，在那些最可預測的環境里，練習能解釋24%的表現。在最不可預測的環境中，練習能夠解釋的因素只有4%。
練習其實就是練習套路。真實世界里的工作套路并不固定，高水平工作要求你能臨場發揮，要求你借鑒不同領域的見識，那只靠年輕時候的刻意練習，當一個方面的專家就遠遠不夠了。
二十一世紀什么人才最貴？
答案當然是天才最貴。天賦無法復制，可遇不可求，是最稀缺的資源。
那什么人才是第二貴的？答案是多面手。
今天社會的分工越來越細，需要很多專才，教育系統培養的也是專才，可是真正值錢的卻是通才。尤其是領導職位，比如一個公司的CEO，就應該在各個領域都有所涉獵才行。
有人調查了4500名CEO的履歷表，發現他們總共從事過超過三萬五千個不同的職位。研究者就考察這些CEO之前從事過職業的多樣化程度，來判斷這個人是“專才”還是“通才”。結果是“通才”更受歡迎。
“通才式CEO”的平均工資，比“專才式CEO”高出19% —— 相當于每年多100萬美元。
如果是特別復雜的業務，比如涉及到公司合并、收購之類的技能的話，通才的工資甚至比專才高出了44%。
有個本科讀經濟的學生考去地理學院讀研究生，一開始根本沒有老師愿意帶，因為這家伙一點地理學基礎都沒有，一年之后，這家伙發的paper超過了所有本科地理出身的學生。然后就有地理學出身的學生向他取經，打開他的論文一看，根本學不來，因為他論文里那些經濟學模型在地理系學生看來“數學程度太高深了”。那家伙暗自笑話他們：這些都是很基礎的模型，我會告訴你們我是因為數學太差才從經濟系轉到地理系來的嗎？這個學生快速成長的原因是什么？
作為個體，怎樣快速成長？刻意練習？刻意練習的局限已經很清楚了，只能在某一特定領域解決知識的深度問題，至于有些領域如沒有嚴格規則或情況復雜多變，連練習的深度問題都不能很好解決，更不要提知識的廣度——“多維”了。而上面故事的答案恰恰是“多維”。
如何擁抱“多維”？在各學科快速學習中不斷積累和成長，對內打造樂高式組合能力，即多維跨界能力，對外要經常處在超鏈接上，其實就是塔勒布說的，“反脆弱”的“意外”和“震動”。殺不死你的讓你更強大，在“反脆弱”中不斷快速更新認知、思維、概念和價值觀引導下的方法論。
有一只貓，猛追一只老鼠，老鼠走投無路，情急之下，轉身大叫：“汪！汪！汪！”貓嚇得扭身飛奔而去。老鼠對其他躲在洞里的同類們說，多學會一種語言才能走的遠啊。
說到底，現代人競爭有兩種朝向，一是深度，二是廣度。因為普通人只想走得快，不會考慮如何才能走得遠。
他們并不理解，深度決定了一個人能走多快，而廣度才決定了一個人能走多遠。
