第一性原理思考

第一原理思维，或者从第一原理出发的思维，听起来比实际要复杂得多。这只是一种以初学者的心态解决问题的技巧。你不是在假设和你周围的人“知道”的真实情况下工作，而是努力弄清楚什么是真实的，从而什么是真正可能的。

应用该技术的方法有很多（我将在下面分享），但本质上，你可以通过提出问题、挑战人们的假设、比其他人更深入地挖掘以及直接到源头亲自找出答案来实现这一点。

从第一原理出发思考的概念来自物理学，也称为从头开始，鼓励人们“直接从已建立的科学水平开始，而不是根据现有模型做出假设”。亚里士多德将其表述为“认识事物的第一个基础”。

任何关于第一性原理的讨论都必须引用埃隆·马斯克的一句话，所以让我们把它放在一边：

“我们通过类比推理来度过生活，这本质上意味着复制别人所做的事情，但略有不同。你必须这样做。否则，在精神上，你将无法度过这一天。但当你想做一些新的事情时，你必须应用第一原理方法。” ——埃隆·马斯克

在我们继续之前，重要的是要知道这项技术需要付出很多努力。正如奥赞·瓦罗尔（前火箭科学家和畅销书作家）在与Farnam Street的采访中解释的那样：

“[第一性原理思维]的主要缺点是它真的很困难。 […]

类比推理，或者复制别人正在做的事情，有点像在一个翻唱乐队中演奏别人的音乐。而通过第一性原理思考，你可以回到音乐的基本原材料，即音符，然后从头开始创作一首原创歌曲。这就是第一性原理思维。

这确实很难做到，因为我们生活中所做的很多事情都是由我们以前做过的事情以及我们周围其他人所做的事情决定的。

如果你把它推向极端，第一性原理思维可能会非常低效，因为我们通过模仿其他人来学习——学习如何走路、学习如何说话的[一切]都来自于模仿他人和模仿他人。

部分困难来自于选择要质疑的内容，因为你无法终生质疑你所做的每一件事。选择要提问的内容，并以一种能够为你提供信息而不是限制你的方式使用知识。”

话虽如此，历史上许多最重大的突破都源于有人努力从根本原理出发进行思考。这包括了 SpaceX 和 Tesla 的经典案例，推动如今人工智能革命的变压器架构的突破，人类飞行的发明，核能和广义相对论的发现，以及许多其他例子。历史上最重要的科学家之所以以这种方式来解决问题，并非偶然——这是一种初学者的心态。

我没有特别的才能。我只是对事物充满好奇。 ——阿尔伯特·爱因斯坦

知识的最大敌人不是无知，而是对知识的错觉。 ——史蒂芬·霍金

对人要少一点好奇，对想法要多一点好奇。 ——玛丽·居里

我说的每句话都不应被理解为肯定，而应被理解为一个问题。 ——尼尔斯·玻尔

对自己而言，我只是在海滩上玩耍的孩子，而广阔的真理之海尚未被我发现。 ——艾萨克·牛顿

任务并不是看到别人未曾看到的东西，而是想到别人未曾想到的东西，关于每个人都看到的东西。 ——埃尔温·薛定谔

为了使这一点更加具体，让我们看一下科技初创公司的一系列例子。

大大小小的例子

当您阅读示例时，请注意人们在实践中根据第一原理进行思考的方式。从本质上讲，他们弄清楚自己想要解决什么问题，找出阻碍他们实现目标的杠杆，质疑每个杠杆内可能发生的情况的每一个假设，进行实地调查以找出事实，然后采取行动。

示例 1：构建方形现金卡 — Ayo Omojola

观看这个五分钟的剪辑并注意 Ayo 解决问题的方法：

1. 注意一些重要但还不够好的事情
2. 前往源头（例如工厂）并与人们交谈以了解原因
3. 不断提出问题，直到“到达终点”

所以情况是你问别人什么事，他们会给你一个他们认为是真的答案。他们并不是在撒谎，也没有恶意，但这只是有点问题。

所以你必须不停地追问，直到得到答案。我不太清楚该如何准确表达，但基本上，你不能停下来，直到最后。

我今天应用这个方法的方式——我相信Carbon Health的人会告诉你——我最终会问很多人认为不重要的问题。因为我会说：嘿，我们正在尝试优化某件事。当你第一次尝试优化某件事时，你必须以15种不同的方式来看待它。然后每当两件事不一致时，你必须去弄清楚为什么。这只是繁琐的工作。

示例 2：构建 OpenAI — Ilya Sutskever

观看这个两分钟的剪辑，您会注意到导致 GPT（可能是软件历史上最大的突破）的突破源于对“每个人”都知道行不通的想法进行实验。

大家都知道，你不能训练深度网络。这是不可能的。反向传播太弱了。你需要做某种预训练，然后也许你会得到某种效果。[…] 今天我们认为深度学习理所当然。当然，你需要一个大型神经网络。你把数据塞进去，你会得到惊人的结果。每个人都知道。每个孩子都知道。我们怎么可能不知道呢？这么明显的事情怎么可能不知道呢？人们真的关注于机器学习模型，他们可以证明有一种算法可以完美地训练它们，但是每当你对自己提出这个条件，你需要找到一个简单而优雅的数学证明，你真的会限制你的模型的能力。

如需了解更多信息，请观看 Ilya 分享同一课程的另一个视频。

示例 2b：Stripe 和 OpenAI 成功的关键 — Greg Brockman

在这个一分钟的剪辑中，请注意像 Stripe 这样当今最有价值的科技初创公司之一的公司并没有做任何特别的事情。他们只是通过“不拘泥于人们以前的做法”，从头开始思考他们正在做的每一件事，打造出了比以前更好的产品。

很多时候我们对待Stripe的方式是从第一原理出发。我记得我们在预发布阶段，因为有一些早期客户，所以引起了一些轰动，有一次我的一个朋友请我吃午饭。他是一名风险投资人，他说，“好吧，看，我一直听说这个Stripe的事情。你们的秘密武器是什么？”我说，“我是说，我们只是让支付变得真的很好。”然后他说，“不，不，来吧，你可以告诉我，秘密武器是什么？”而那真的就是秘密武器。我们重新思考了我们所做的每一个部分，从最基本的原理出发。不受人们过去的做法所限制。我们问，它应该是怎样的？哪里有问题，是否有必要存在？

在人工智能领域，我们也做了同样的事情。我们考虑到，好吧，我们正在进入这个领域，我们雇佣了很多已经在这个领域工作过的人，但我们中的很多人也没有在这个领域工作过，我们是带着初学者的眼光来看待这个问题的。不仅不受人们一直以来的做法所拘束，而且也要成为那些已经存在的做法的专家。因为如果你一切都抛弃，你也只会从零开始，这是没有帮助的。