对现实主义者的乐观:乐观启发式

我想更加乐观,因为将注意力集中在取得成功的成果上是使影响提高100-1000倍的最简单方法。 乐观并非是无聊的10-20%的增量改进。

天真的乐观主义是狂妄的成功是不可避免的或极有可能发生的不切实际的信念,对于持有成功的人来说似乎非常有价值。 天真乐观是总体上实现乐观的主要途径,但由于它依赖于怀疑的中止,因此并非所有人都能使用。 我无法使用此功能,因此与大多数人相比,我获得乐观的道路更长。

对于现实主义者(追求准确信念的人们)而言,乐观启发法是获得乐观主义的主要利益的一条明确途径。 简而言之,它包括执行以下操作以在项目之间做出决定:

  1. 尽力估计每个项目的同等可能的成功成果(例如第95个百分位数的成果)。
  2. 然后以95%的最佳结果(价值/成本)进行项目。

可证明的是,乐观向上启发式[2]擅长在上行空间变化数量级且下行空间有限的情况下最大化期望值。 而且,初创企业,慈善事业和科学等关键领域的分布如此广泛,其中大多数回报都来自于成功的结果。

我一直很感兴趣的一个长期辩论话题是乐观信念与现实信念的好处。 当我遇到乐观启发式方法时,我感到一阵洞察力和许多刺痛感。 刺痛的来源:

  1. 我将乐观主义定义为专注于取得巨大成功的结果,它不仅有助于凝聚[3]人才,客户和周围的金钱。 巨大的成功和有限的负面影响,是试图最大化影响时要注意的正确结果。 因此,在这些领域中,我认为乐观启发法几乎总是值得考虑的,并且通常应该是主要的决策标准。
  2. 我一直都在使用乐观启发式方法来优先考虑自己的工作,但是我没有意识到自己正在使用某种形式的乐观感。 我在OpenAI,因为我认为成功完成任务的巨大成功将是迄今为止完成的最重要的工作。
  3. 我认为,最重要的,未得到充分利用的事实之一是,人们可以根据这种启发式预测快速改善其概率判断。 我的这种信念使我在Twitch培训了数百名该领域的员工,最终使我成为了OpenAI的现任职务。 因此,在其他人可能将这种启发式方法视为听起来很聪明的可爱事物的同时,我看到了一些实用且可在组织中部署的事物。
  4. OKR,从来没有觉得我很合适。 我以为是因为有等级问题,我听说这实际上是政治和怪异的。 但是,不是这样。 我的主意是,OKR迫使我将注意力集中在〜30 [4]个百分点的结局上,这有时是一个好主意,但通常不是。

硅谷的乐观氛围鼓励人们专注于本来看起来过于雄心勃勃的工作,这是硅谷最宝贵的资源之一。

如果我可以按一下按钮并简单地删除某人的天真乐观特质,我就不会按一下该按钮。 但是,我认为它们可能处于局部最优状态。 因为:

  1. 从现实中学习很重要。 如果他们没有从现实中学习到足够的东西,他们可能会陷入一开始看起来很有希望的事情(10%的机会是您在冲击中所做的一切的100倍),但现在这种结果的可能性却很小(小于.1%)
  2. 有能力的现实主义者常常拒绝幼稚的乐观主义。 他们值得合作,因此能够解释为什么一个项目显然在现实主义者会接受的语言方面很有价值。 幼稚的乐观,诸如“下一个项目将取得百分百的成功”这样的说法,不必要地冒了现实主义者大量信誉的风险。 在这样的陈述之后,一次失败了。 鉴于这些期望,连续两次或三次失败可能是灾难性的(团队外逃,领导者必须离开公司等)。
  3. 天真的乐观主义的另一个主要好处是,通过散发出大量的自我信念,您会获得超凡魅力。 我认为这是人们在捍卫幼稚的乐观主义时经常提出的反对意见。 但是,自信心可以从乐观中分解出来,并可以分开培养。 我见过现实主义者对自己的能力有着坚定的信念。 他们散发出天真乐观产生的那种魅力。 我并不是说这很容易。 这只是我反对天真乐观在全球范围内保持最佳状态的一部分。

好。 如果您对此感兴趣。 如果您要接我放的东西。 以下是一些建议的后续步骤。

  1. 使用乐观启发式方法来帮助您评估或倡导您兴奋的项目。
  2. 使用乐观启发法来评估您当前的工作/角色与您可以做的其他事情。
  3. 进行校准培训,以便您95%的预测是可靠的。

感谢Darragh Buckley,Josh Albrecht,Tom Brown,Alex Matzner和Nadia Egbal对这篇文章的反馈。

尾注

  1. 退出量是根据seed-db估算的。 仅考虑归类为退出或死亡的种子种子公司。
  2. 乐观启发式方法在经典计算机科学问题Multi-Arm强盗中具有良好的表现。 Multi-Arm强盗是一种形式的形式,可以探索探索与利用之间的取舍:给定一堆具有无穷,未知回报特征的老虎机,您可以拉其中一个。 我不记得从算法到实时算法的任何其他性能良好的启发式算法,我从那里学到了这种启发式算法,因为它们都感觉更加复杂。
  3. 就雇用,筹款,销售等方面而言,集会周围的人是值得的。但是,如果集会是乐观的唯一好处,那会让我对乐观感到有些毛骨悚然。
  4. 由于OKR的目标是您可以在70%的时间内完成,因此,只有30%的目标无法实现,因此,它们是30%的目标。 那就是。 OKR非常适合协调人们逐步改进有效的产品(产品市场契合度,研究成功的路线等)。 Google喜欢它们,很多公司都喜欢它们,它们可能是当前制定目标的最佳选择。 我曾经认为评分等级是为什么我对它们感到怪异,我听说这实际上是政治和怪异的(我认为KR都应该是可观察的预测)。