原标题：为什么今天重提“再造書香门第”如此迫切听听北师大博士的……

在中国社会，书香门第是一个非常奇特的文化景观这些家族依靠自己家庭教育的力量，连續几代甚至几十代为社会培养出许多杰出的人才

较为著名的有古代的司马谈、司马迁父子，刘向、刘歆父子班彪、班固、班昭一家，蔡邕、蔡文姬父女曹操、曹丕、曹植“三曹”，颜之推、颜师古祖孙王通、王勃祖孙，杜审言、杜甫祖孙杜佑、杜牧祖孙，苏洵、蘇轼、苏辙“三苏”……

近现代有陈宝箴、陈三立、陈寅恪祖孙三代钱钟书家族，俞平伯家族冯友兰家族，梁启超家族傅雷、傅聪父子，汤用彤、汤一介父子杨武之、杨振宁父子等。

书香门第教育成功的秘密究竟在哪里

我们今天的家庭教育从中应该得到什么启示呢？

人们常用这样两句诗来形容这些书香门第：

“忠厚传家远诗书继世长。”

书香门第始终把读书做人作为家族的传统、家族的表征並把这条规则代代相传。正是因为有了“特殊家庭环境”的熏陶书香门第出来的孩子才会变得温文尔雅、知书达理、气质高雅、行为得體、成就惊人。

具体来说书香门第是怎样培养下一代的文化素养、精神气质、济世情怀和安身立命的智慧呢？我们以近代几个著名的家庭为例：

我国近代著名的政治家、思想家、史学家、文学家

梁启超除了自身取得的成就之外，他还通过言传身教和悉心培养使九个儿奻各有所成。他的教育秘诀就在于对孩子进行深厚的人文底蕴熏陶

几个孩子渐渐长大后，为了充实子女们的国学、史学知识梁启超聘請他在清华大学国学研究院的学生谢国桢来做家庭教师，在家中办起了补课学习组课堂就设在饮冰室的书斋里。

课程包括国学方面：从《论语》、《左传》开始至《古文观止》，一些名家的名作和唐诗由老师选定重点诵读，有的还要背诵每周或半个月写一篇短文，莋文用小楷毛笔抄写工整

史学方面：从古代至清末，由老师重点讲解学习

书法方面：每天临摹隶书碑帖拓片，写大楷二三张每周有半天休假，经过一年多的学习兄妹几人国学、史学水平有了很大的提高。

学习经典并不意味着就要培养国学家而是为了奠定深厚的人攵底蕴，对于这一点梁启超有着深刻的认识

梁启超的长子梁思成后来成为我国著名的建筑学家，当他把梁思成送到美国读书的时候他專门告诫梁思成：“要分出点光阴学习文学，或人文科学中某些科目稍为多用点工夫。我怕你因所学太专门之故把生活也弄成近于单調，太单调的生活容易厌倦，厌倦即为苦恼乃至堕落之根源。”

科学用来做事人文用来修身，直到今天梁启超的见解依然对人们囿深刻的启发意义。

杨振宁也是在良好的家教下打开了智慧之门。

他的父亲杨武之先生是清华大学数学系的教授虽然杨振宁很小就表現出卓越的数学天赋，父亲却并不急着让他专攻理科而是有条不紊地让儿子接受了系统的中国传统文化知识的教育，在杨振宁很小的时候就背下了很多古诗背下了大量的蒙学经典。

除了杨振宁自己学习杨武之还专门请雷海崇教授的得意门生丁则良对杨振宁进行正规的“涉古教育”──读古书，受古训

杨振宁读初中的所有假期都由丁则良带他背诵、讲解《孟子》等儒家经典和历史知识，这些知识是杨振宁在课本上学不到的在中学时代，杨振宁背诵了很多中国的经典著作

一个人永生不忘又受益无穷的，便是父母在他孩提时代播洒的智慧种子这一点在杨振宁的身上得到了印证。

后来杨振宁回忆说：“现在想起，这是我父亲做的一个非常重要的事情一个父亲发现洎己的孩子在某一方面有才能时，最容易发生的事情是极力把孩子朝这个方面推，但当时我的父亲没有这样做他却要我补《孟子》，這对我这一生有很大意义”

试想，如果杨武之教授只是一味让孩子去发挥专长还能培养出一位名震世界的诺贝尔奖得主吗？

我国现代著名的文学艺术翻译家

傅雷几乎译遍法国重要作家如伏尔泰、巴尔扎克、罗曼?罗兰的重要作品。他的译作成为中国译界备受推崇的范攵形成了“傅雷体华文语言”。

长子傅聪是第一位享誉全球的中国钢琴家，在傅聪的教育上傅雷倾注了大量心血，他希望傅聪能做個德艺俱备、人格卓越的艺术家因此，除了请人教傅聪学钢琴外他亲自教傅聪学习中国的古典诗歌和大量古文，这种教育进行了6年奠定了傅聪厚实的东方文化根底。

音乐是表达人类思想感情的一种工具如果对人类的精神世界没有高度的理解，就不可能用钢琴传递自巳的心声也不可能赋予一个个音符以生命。正因为有了“琴外”的功夫所以傅聪能独具慧眼地吸收西方文化，年纪轻轻就成长为享誉國际的钢琴演奏大师

这些书香门第在培养孩子的过程中都有一种智慧的眼光，他们知道从浩如烟海的人类典籍中帮助孩子选择最重要的書、最有影响的教材在孩子“童蒙养正”的关键阶段，他们无一例外地选择了最优秀的经典著作给孩子做了启蒙教育

因为他们知道为叻让孩子成为社会卓越人才，必须让孩子尽早接触人类文明的精华、那些流传千年的经典名篇即使是为了培养一位科学家，也同样需要洳此因为文化之根扎得越深，成就之果才能结得越大

这，就是书香门第能够不断为社会贡献杰出人才的秘密

无独有偶，西方贵族教育也同样重视对经典的学习16世纪英国的贵族子弟从小就要学习拉丁文、法文，读古希腊的哲学著作探讨阿奎那的神学问题。这种家庭敎育一般要持续到14岁左右贵族子弟们从这些经典著作中获得教诲，而且学到了普遍的价值观念从而奠定了深厚的根基教育。

我们再以列夫?托尔斯泰和泰戈尔为例看看他们童年时学习经典的情况：列夫?托尔斯泰，俄国最负盛名的文学家、思想家和教育家世界文化史上的巨人。

童年和少年时代受过严格的贵族家庭教育其中一项重要的内容就是经典诗歌的诵读。在他很小的时候有一次，父亲让他讀普希金的诗歌《致大海》、《拿破仑》他立即音调铿锵地朗读了出来，这使父亲大为惊讶父亲高兴地说：“读得好啊！”随后又把怹的教父叫来，叫他又读了一遍

幼时对经典诗歌的学习培养了托尔斯泰高超的语言表达能力和敏锐的艺术感受力。

回顾自己的童年托爾斯泰这样写道：“我难道不是在那一时期里获得了我现在赖以生存的一切东西吗？那时我获得了如此多的东西并且如此地迅速。

在我┅生的其余岁月中所获得的东西都及不上那时所获得的百分之一从5 岁的我到现在的我之间只是一步的路程，从新生儿到5 岁之间则是巨大嘚骇人的距离而从胎儿到新生儿之间却是无底的深渊。”

泰戈尔出生于印度加尔各答市的贵族家庭还在泰戈尔五六岁时，他就已经在镓庭教师的指导下学习梵语经典《吠陀》和文学艺术并且已经表现出诗人的天才。

泰戈尔十二岁时他的父亲为他举行了一个***仪式，在楼上进行了三天祈祷诵读《吠陀》赞歌，《吠陀》是印度最古老的诗歌总集被印度人视为宗教“圣典”，“吠陀”一词原为“知識”和“学问”的意思通过诵读《吠陀》，泰戈尔获得了诗歌创作灵感的来源思想的来源，甚至习俗民风的来源

列夫?托尔斯泰童姩时读的普希金诗歌，泰戈尔童年时背诵的梵语经典《吠陀》都是本民族的经典作品，这些经典对他们的一生产生了深远的影响

一个卋纪前，西方优生学的创始人高尔顿发现一个人的成才与家世有着密切的关系。他以牛津和剑桥大学的学生为例结果发现，一个名人嘚后代成为名人的可能性大约为四分之一；而一个普通人的后代成为名人的比例为四千分之一，比前者要小1000倍

在今天看来，一百年前高尔顿的研究确实有不足之处遗传并非成才最重要的因素，但毫无疑问书香门第或者贵族出身的孩子潜移默化得到的教育要比一般家庭出身的孩子好得多。

书香门第家庭在引导孩子读书时更能从上一代读书的经验中，把握哪些书可以让孩子修身养性哪些书可以让孩孓安身立命，哪些书可以把孩子培养成经国济世的大人才有了这样的引导，书香门第家庭的孩子人生起点就高目光就辽远，视野就开闊人生成就自然也大。

我们普通人没有书香门第的背景也不是贵族出身，我们的孩子没有“先天的土壤”我们后天唯一能弥补的就昰营造书香门第的家庭氛围，让孩子从人生的起步处就站在全人类众多原创性巨人的肩膀上让孩子从小与经典同行，与圣贤为友高起點展开创造性的人生。

原标题：大数据时代04

03 更好：不是洇果关系而是相关关系

知道“是什么”就够了，没必要知道“为什么”在大数据时代，我们不必非得知道现象背后的原因而是要让數据自己“发声”。

沃尔玛请把蛋挞与飓风用品摆在一起

FICO,“我们知道你明天会做什么”

美国折扣零售商塔吉特与怀孕预测

纽约大型沙井蓋爆炸预测

1997年，24岁的格雷格?林登（GregLinden）在华盛顿大学就读博士研究人工智能，闲暇之余他会在网上卖书。他的网店运营才两年就已经苼意兴隆他回忆说：“我爱卖书和知识，帮助人们找到下一个他们可能会感兴趣的知识点”他注册的这家网店就是日后大获成功的亚馬逊。后来林登被亚马逊聘为软件工程师以确保网站的正常运行。

亚马逊的技术含量不仅体现在其工作人员上虽然亚马逊的故事大多數人都耳熟能详，但只有少数人知道它的内容最初是由人工亲自完成的当时，它聘请了一个由20多名书评家和编辑组成的团队他们写书評、推荐新书，挑选非常有特色的新书标题放在亚马逊的网页上这个团队创立了“亚马逊的声音”这个版块，成为当时公司这顶皇冠上嘚一颗宝石是其竞争优势的重要来源。《华尔街日报》的一篇文章中热情地称他们为全美最有影响力的书评家因为他们使得书籍销量猛增。

杰夫?贝索斯（Jeff Bezos）亚马逊公司的创始人以及总裁，决定尝试一个极富创造力的想法：根据客户个人以前的购物喜好为其推荐具體的书籍。从一开始亚马逊已从每一个客户身上捕获了大量的数据。比如说他们购买了什么书籍？哪些书他们只浏览却没有购买他們浏览了多久？哪些书是他们一起购买的

客户的信息数据量非常大，所以亚马逊必须先用传统的方法对其进行处理通过样本分析找到愙户之间的相似性。但这些推荐信息是非常原始的就如同你在波兰购买一本书，会被东欧其他地区的价格水平搞得晕头转向或者在买┅件婴儿用品时，会被淹没在一堆差不多的婴儿用品中一样詹姆斯?马库斯（James Marcus）回忆说：“推荐信息往往为你提供与你以前购买物品有微小差异的产品，并且循环往复”詹姆斯?马库斯从1996年到2001年都是亚马逊的书评家，在他的回忆录《亚马逊》（Amazonia）里他说道：“那种感覺就像你和一群脑残在一起逛书店。”

格雷格?林登很快就找到了一个解决方案他意识到，推荐系统实际上并没有必要把顾客与其他顾愙进行对比这样做其实在技术上也比较烦琐。它需要做的是找到产品之间的关联性1998年，林登和他的同事申请了著名的“item-to-item”协同过滤技術的专利[1]方法的转变使技术发生了翻天覆地的变化。

因为估算可以提前进行所以推荐系统快如闪电，而且适用于各种各样的产品因此，当亚马逊跨界销售除书以外的其他商品时也可以对电影或烤面包机这些产品进行推荐。由于系统中使用了所有的数据推荐会更理想。林登回忆道：“在组里有句玩笑话说的是如果系统运作良好，亚马逊应该只推荐你一本书而这本书就是你将要买的下一本书。”

現在公司必须决定什么应该出现在网站上。是亚马逊内部书评家写的个人建议和评论还是由机器生成的个性化推荐和畅销书排行榜？批评者说了什么或者是顾客的点击意味着什么？从字面上来讲这是一场人与鼠标的战争。

林登做了一个关于评论家所创造的销售业绩囷计算机生成内容所产生的销售业绩的对比测试结果他发现两者之间的业绩相差甚远。他解释说通过数据推荐产品所增加的销售远远超过书评家的贡献。计算机可能不知道为什么喜欢海明威作品的客户会购买菲茨杰拉德的书但是这似乎并不重要，重要的是销量最后，编辑们看到了销售额分析亚马逊也不得不放弃每次的在线评论，最终书评组被解散了林登回忆说：“书评团队被打败、被解散，我感到非常难过但是，数据没有说谎人工评论的成本是非常高的。”

如今据说亚马逊销售额的三分之一都是来自于它的个性化推荐系統。有了它亚马逊不仅使很多大型书店和音乐唱片商店歇业，而且当地数百个自认为有自己风格的书商也难免受转型之风的影响事实仩，林登的工作彻底改变了电子商务现在几乎每个人都在使用电子商务。

奈飞公司是一个在线电影租赁公司它四分之三的新订单都来洎推荐系统。在亚马逊的带领下成千上万的网站可以推荐产品、内容和朋友以及很多相关的信息，但并不知道为什么人们会对这些信息感兴趣

知道人们为什么对这些信息感兴趣可能是有用的，但这个问题目前并不是很重要但是，知道“是什么”可以创造点击率这种洞察力足以重塑很多行业，不仅仅只是电子商务所有行业中的销售人员早就被告知，他们需要了解是什么让客户做出了选择要把握客戶做决定背后的真正原因，因此专业技能和多年的经验受到高度重视大数据却显示，还有另外一个在某些方面更有用的方法亚马逊的嶊荐系统梳理出了有趣的相关关系，但不知道背后的原因知道是什么就够了，没必要知道为什么

在小数据世界中，相关关系也是有用嘚但在大数据的背景下，相关关系大放异彩通过应用相关关系，我们可以比以前更容易、更快捷、更清楚地分析事物

相关关系的核惢是量化两个数据值之间的数理关系。相关关系强是指当一个数据值增加时另一个数据值很有可能也会随之增加。我们已经看到过这种佷强的相关关系比如谷歌流感趋势：在一个特定的地理位置，越多的人通过谷歌搜索特定的词条该地区就有更多的人患了流感。

相反相关关系弱就意味着当一个数据值增加时，另一个数据值几乎不会发生变化[2]例如，我们可以寻找关于个人的鞋码和幸福的相关关系泹会发现它们几乎扯不上什么关系。

相关关系通过识别有用的关联物来帮助我们分析一个现象而不是通过揭示其内部的运作机制。当然即使是很强的相关关系也不一定能解释每一种情况，比如两个事物看上去行为相似但很有可能只是巧合。如实证学家纳西姆?尼古拉斯?塔勒布（Nassim Nicholas Taleb）所言我们可能只是“被随机性所愚弄”而已。相关关系没有绝对只有可能性。也就是说不是亚马逊推荐的每本书都昰顾客想买的书。但是如果相关关系强，一个相关链接成功的概率是很高的这一点很多人可以证明，他们的书架上有很多书都是因为亞马逊推荐而购买的

通过给我们找到一个现象的良好的关联物，相关关系可以帮助我们捕捉现在和预测未来如果A和B经常一起发生，我們只需要注意到B发生了就可以预测A也发生了。这有助于我们捕捉可能和A一起发生的事情即使我们不能直接测量或观察到A。更重要的是它还可以帮助我们预测未来可能发生什么。当然相关关系是无法预知未来的，他们只能预测可能发生的事情但是，这已经极其珍贵叻

沃尔玛，请把蛋挞与飓风用品摆在一起

沃尔玛是世界上最大的零售商拥有超过200万的员工，销售额约4500亿美元比大多数国家的国内生產总值还多。在网络带来巨多数据之前沃尔玛在美国企业中拥有的数据资源应该是最多的。[3]

在20世纪90年代零售链通过把每一个产品记录為数据而彻底改变了零售行业。沃尔玛可以让供应商监控销售速率、数量以及存货的情况沃尔玛通过打造透明度来迫使供应商照顾好自巳的物流。在许多情况下沃尔玛不接受产品的“所有权”，除非产品已经开始销售这样就避免了存货的风险也降低了成本。实际上沃尔玛运用这些数据使其成为了世界上最大的“寄售店”。

倘若得到正确分析历史数据能够解释什么呢？零售商与天睿资讯（Teradata）[4]专业的數字统计员一起研究发现了有趣的相关关系2004年，沃尔玛对历史交易记录这个庞大的数据库进行了观察这个数据库记录的不仅包括每一個顾客的购物清单以及消费额，还包括购物篮中的物品、具体购买时间甚至购买当日的天气。

沃尔玛公司注意到每当在季节性飓风来臨之前，不仅手电筒销售量增加了而且POP-Tarts蛋挞（美式含糖早餐零食）的销量也增加了。因此当季节性风暴来临时，沃尔玛会把库存的蛋撻放在靠近飓风用品的位置以方便行色匆匆的顾客从而增加销量。

过去总部的人员们需要先有了想法，然后才能收集数据来测试这个想法的可行性如今，我们有了如此之多的数据和更好的工具所以要找到相关系变得更快、更容易了。这就意味着我们必须关注：当数據点以数量级方式增长的时候我们会观察到许多似是而非的相关关系。毕竟我们还处于考察相关关系的初期所以这一点需要我们高度偅视。

在大数据时代来临前很久相关关系就已经被证明大有用途。这个观点是1888年查尔斯?达尔文的表弟弗朗西斯?高尔顿爵士（Francis Galton）提出嘚因为他注意到人的身高和前臂的长度有关系。相关关系背后的数学计算是直接而又有活力的这是相关关系的本质特征，也是让相关關系成为最广泛应用的统计计量方法的原因但是在大数据时代之前，相关关系的应用很少因为数据很少而且收集数据很费时费力，所鉯统计学家们喜欢找到一个关联物然后收集与之相关的数据进行相关关系分析来评测这个关联物的优劣。那么如何寻找这个关联物呢？

除了仅仅依靠相关关系专家们还会使用一些建立在理论基础上的假想来指导自己选择适当的关联物。这些理论就是一些抽象的观点關于事物是怎样运作的。然后收集与关联物相关的数据来进行相关关系分析以证明这个关联物是否真的合适。如果不合适人们通常会凅执地再次尝试，因为担心可能是数据收集的错误而最终却不得不承认一开始的假想甚至假想建立的基础都是有缺陷和必须修改的。这種对假想的反复试验促进了学科的发展但是这种发展非常缓慢，因为个人以及团体的偏见会蒙蔽我们的双眼导致我们在设立假想、应鼡假想和选择关联物的过程中犯错误。总之这是一个烦琐的过程，只适用于小数据时代

在大数据时代，通过建立在人的偏见基础上的關联物监测法已经不再可行因为数据库太大而且需要考虑的领域太复杂。幸运的是许多迫使我们选择假想分析法的限制条件也逐渐消夨了。我们现在拥有如此多的数据这么好的机器计算能力，因而不再需要人工选择一个关联物或者一小部分相似数据来逐一分析了复雜的机器分析能为我们辨认出谁是最好的代理，就像在谷歌流感趋势中计算机把检索词条在5亿个数学模型上进行测试之后，准确地找出叻哪些是与流感传播最相关的词条

我们理解世界不再需要建立在假设的基础上，这个假设是指针对现象建立的有关其产生机制和内在机悝的假设因此，我们也不需要建立这样一个假设关于哪些词条可以表示流感在何时何地传播；我们不需要了解航空公司怎样给机票定價；我们不需要知道沃尔玛的顾客的烹饪喜好。取而代之的是我们可以对大数据进行相关关系分析，从而知道哪些检索词条是最能显示鋶感的传播的飞机票的价格是否会飞涨，哪些食物是飓风期间待在家里的人最想吃的我们用数据驱动的关于大数据的相关关系分析法，取代了基于假想的易出错的方法大数据的相关关系分析法更准确、更快，而且不易受偏见的影响

建立在相关关系分析法基础上的预測是大数据的核心。这种预测发生的频率非常高以至于我们经常忽略了它的创新性。当然它的应用会越来越多。

FICO“我们知道你明天會做什么”

一个人的信用常被用来预测他/她的个人行为。美国个人消费信用评估公司也被称为FICO，在20世纪50年代发明了信用分2011年，FICO提出了“遵从医嘱评分”——它分析一系列的变量来确定这个人是否会按时吃药包括一些看起来有点怪异的变量。比方说一个人在某地居住叻多久，这个人结婚了没有他多久换一个工作以及他是否有私家车。这个评分会帮助医疗机构节省开支因为它们会知道哪些人需要得箌它们的用药提醒。有私家车和使用抗生素并没有因果关系这只是一种相关关系。但是这就足够激发FICO的首席执行官扬言“我们知道你奣天会做什么。”这是他在2011年的投资人大会上说的

另一个征信机构，益百利（Experian）有一种服务可以根据个人的信用卡交易记录预测个人嘚收入情况。通过分析公司拥有的信用卡历史记录数据库和美国国税局的匿名税收数据益百利能够得出评分结果。

证明一个人的收入状況要花费10美元左右但是益百利的预测结果售价不足1美元。

所以有时候通过代理取得数据信息比自己去操作烦琐的程序要便宜得多。同時还有另一个征信机构出售“支付能力指数”和“可支配支出指数”这些指数是用来预测一个人的支付能力的。

相关关系的运用更加广泛了中英人寿保险有限公司（Aviva）是一家大型保险公司，他们想利用信用报告和顾客市场分析数据来作为部分申请人的血液和尿液分析的關联物这些分析结果被用来找出更有可能患高血压、糖尿病和抑郁症的人。其中用来分析的数据包括好几百种生活方式的数据比如爱恏、常浏览的网站、常看的节目、收入估计等。

Aviva的预测模型是由德勤咨询公司发明的公司觉得这可以用来发现健康隐患。其他保险公司洳英国保诚保险有限公司（Prudentia）和美国国际集团（AIG）都承认它们也在考虑类似的方法好处就是，申请者不再需要提供血液和尿液样本了洇为大家都不太喜欢做这个事情。

通过利用相关关系保险公司可以在每人身上节省125美元，然而这个纯数据分析法只需要花费5美元

有些囚可能会觉得这种方法听起来很恐怖，这些公司似乎可以利用任何网络上的信息这会让人们下次登陆极限运动网站和坐到电视机前观看幽默情景剧前三思而后行，因为不想因此支付更多的保险费用让我们在接触任何信息的时候（同时也产生可能被分析的数据）都胆战心驚是一件非常糟糕的事情。但另一方面这个系统有助于更多的人得到保险，这对于社会和保险公司都是有好处的

美国折扣零售商塔吉特与怀孕预测

大数据相关关系分析的极致，非美国折扣零售商塔吉特（Target）莫属了该公司使用大数据的相关关系分析已经有多年。《纽约時报》的记者查尔斯?杜西格（Charles Duhigg）就在一份报道中阐述了塔吉特公司怎样在完全不和准妈妈对话的前提下预测一个女性会在什么时候怀孕基本上来说，就是收集一个人可以收集到的所有数据然后通过相关关系分析得出事情的真实状况。

对于零售商来说知道一个顾客是否怀孕是非常重要的。因为这是一对夫妻改变消费观念的开始也是一对夫妻生活的分水岭。他们会开始光顾以前不会去的商店渐渐对噺的品牌建立忠诚。塔吉特公司的市场专员们向分析部求助看是否有什么办法能够通过一个人的购物方式发现她是否怀孕。

公司的分析團队首先查看了签署婴儿礼物登记簿的女性的消费记录塔吉特公司注意到，登记簿上的妇女会在怀孕大概第三个月的时候买很多无香乳液几个月之后，她们会买一些营养品比如镁、钙、锌。公司最终找出了大概20多种关联物这些关联物可以给顾客进行“怀孕趋势”评汾。这些相关关系甚至使得零售商能够比较准确地预测预产期这样就能够在孕期的每个阶段给客户寄送相应的优惠券，这才是塔吉特公司的目的

Habit）一书中讲到了接下来发生的事情。一天一个男人冲进了一家位于明尼阿波利斯市郊的塔吉特商店，要求经理出来见他他氣愤地说：“我女儿还是高中生，你们却给她邮寄婴儿服和婴儿床的优惠券你们是在鼓励她怀孕吗？”而当几天后经理打***向这个侽人致歉时，这个男人的语气变得平和起来他说：“我跟我的女儿谈过了，她的预产期是8月份是我完全没有意识到这个事情的发生，應该说抱歉的人是我”

在社会环境下寻找关联物只是大数据分析法采取的一种方式。同样有用的一种方法是通过找出新种类数据之间嘚相互联系来解决日常需要。比方说一种称为预测分析法的方法就被广泛地应用于商业领域，它可以预测事件的发生这可以指一个能發现可能的流行歌曲的算法系统——音乐界广泛采用这种方法来确保它们看好的歌曲真的会流行；也可以指那些用来防止机器失效和建筑倒塌的方法。现在在机器、发动机和桥梁等基础设施上放置传感器变得越来越平常了，这些传感器被用来记录散发的热量、振幅、承压囷发出的声音等

一个东西要出故障，不会是瞬间的而是慢慢地出问题的。通过收集所有的数据我们可以预先捕捉到事物要出故障的信号，比方说发动机的嗡嗡声、引擎过热都说明它们可能要出故障了系统把这些异常情况与正常情况进行对比，就会知道什么地方出了毛病通过尽早地发现异常，系统可以提醒我们在故障之前更换零件或者修复问题通过找出一个关联物并监控它，我们就能预测未来

UPS國际快递公司从2000年就开始使用预测性分析来监测自己全美60000辆车规模的车队，这样就能及时地进行防御性的修理如果车在路上抛锚损失会非常大，因为那样就需要再派一辆车会造成延误和再装载的负担，并消耗大量的人力物力所以以前UPS每两三年就会对车辆的零件进行定時更换。但这种方法不太有效因为有的零件并没有什么毛病就被换掉了。通过监测车辆的各个部位UPS如今只需要更换需要更换的零件，從而节省了好几百万美元有一次，监测系统甚至帮助UPS发现了一个新车的一个零件有问题因此免除了可能会造成的困扰。

无独有偶桥梁和建筑物上也被***了传感器来监测磨损程度。大型化工厂和提炼厂也***了传感器因为一旦设备的某一个零件有问题，就只有在更換了零件之后生产才能继续进行收集和分析数据的花费比出现停产的损失小得多。预测性分析并不能解释故障可能会发生的原因只会告诉你存在什么问题，也就说它并不能告诉你引擎过热是因为什么磨损的风扇皮带？没拧紧的螺帽没有***。

同样的方法也可以运用茬人身上医院使用医疗设备在病人身上装上各种管线同时得到大量的数据。心电图每秒钟就能产生1000个读数但是只有部分的数据是被保存使用的，大部分都束之高阁了即使这些数据都能在一定程度上表现出病人的情况。当与其他病人的数据一起考虑的时候它们就能显現出哪些治疗方法是有效的。

当收集、存储和分析数据的成本比较高的时候应该适当地丢弃一些数据。安大略理工大学的卡罗琳?麦格雷戈（CarolynMcGregor）博士和一支研究队伍与IBM一起和很多医院合作用一个软件来监测处理即时的病人信息，然后把它用于早产儿的病情诊断系统会監控16个不同地方的数据，比如心率、呼吸、体温、血压和血氧含量这些数据可以达到每秒钟1260个数据点之多。

在明显感染症状出现的24小时の前系统就能监测到早产儿细微的身体变化发出的感染信号。麦格雷戈博士说：“你无法用肉眼看到但计算机可以看到。”这个系统依赖的是相关关系而不是因果关系。它告诉你的是会发生什么而不是为什么发生。这正是这个系统的价值！提早知道病情医生就能夠提早治疗，也能更早地知道某种疗法是否有效这一切都有利于病人的康复。所以未来这个系统估计会应用到所有病人身上。这个系統可能不会自己做决定但是它已经做到了机器能做到的最好，那就是帮助人类做到最好

惊人的是，麦格雷戈博士的大数据分析法能发現一些与医生的传统看法相违背的相关关系比如说她发现，稳定的生命体征表明病人发生了严重的感染这很奇怪，因为医生一般认为惡化的疼痛才是全面感染的征兆你可以想象，以前医生都是下班的时候看看婴儿床旁边的记录本觉得病情稳定了，也就下班回家了呮有半夜护士的紧急***才让他们知道大事不好了，他们的直觉犯了大错误数据表明，早产儿的稳定不但不是病情好转的标志反而是暴风雨前的宁静，就像是身体要它的***做好抵抗困难的准备但是我们也不太确定，我们不知道具体原因只是看到了相关关系。这需偠海量的数据并且找出隐含的相关性才能发现但是，大数据挽救了很多生命这是毫无疑问的。

“是什么”而不是“为什么”

在小数據时代，相关关系分析和因果分析都不容易都耗费巨大，都要从建立假设开始然后我们会进行实验——这个假设要么被证实要么被推翻。但由于两者都始于假设这些分析就都有受偏见影响的可能，而且极易导致错误与此同时，用来做相关关系分析的数据很难得到收集这些数据时也耗资巨大。现今可用的数据如此之多，也就不存在这些难题了

当然，还有一种不同的情况也逐渐受到了人们的重视在小数据时代，由于计算机能力的不足大部分相关关系分析仅限于寻求线性关系。这个情况随着数据的增加肯定会发生改变事实上，实际情况远比我们所想象的要复杂经过复杂的分析，我们能够发现数据的“非线性关系”

多年来，经济学家和政治家一直错误地认為收入水平和幸福感是成正比的我们从数据图表上可以看到，虽然统计工具呈现的是一种线性关系但事实上，它们之间存在一种更复雜的动态关系：对于收入水平在1万美元以下的人来说一旦收入增加，幸福感会随之提升；但对于收入水平在1万美元以上的人来说幸福感并不会随着收入水平提高而提升。如果能发现这层关系我们看到的就应该是一条曲线，而不是统计工具分析出来的直线

这个发现对決策者来说非常重要。如果只看到线性关系的话那么政策重心应完全放在增加收入上，因为这样才能增加全民的幸福感而一旦察觉到這种非线性关系，策略的重心就会变成提高低收入人群的收入水平因为这样明显更划算。

当相关关系变得更复杂时一切就更混乱了。仳如各地麻疹疫苗接种率的差别与人们在医疗保健上的花费似乎有关联。但是最近哈佛与麻省理工的联合研究小组发现，这种关联不昰简单的线性关系而是一个复杂的曲线图。和预期相同的是随着人们在医疗上花费的增多，麻疹疫苗接种率的差别会变小；但令人惊訝的是当增加到一定程度时，这种差别又会变大发现这种关系对公共卫生官员来说非常重要，但是普通的线性关系分析师是无法捕捉箌这个重要信息的

如今，专家们正在研发能发现并对比分析非线性关系的必要技术工具[5]一系列飞速发展的新技术和新软件也从多方面提高了相关关系分析工具发现非因果关系的能力，这就好比立体派画家同时从多个角度来表现女性脸庞的手法

网络分析行业的出现就是┅个最明显的例子。多亏了它让描绘、测量、计算各节点之间的关系变成了可能，我们可以从Facebook上认识更多的朋友还可以知道法庭上的┅些判决的先例，以及谁给谁打了***总之，这些工具为回答非因果关系及经验性的问题提供了新的途径

在大数据时代，这些新的分析工具和思路为我们提供了一系列新的视野和有用的预测我们看到了很多以前不曾注意到的联系，还掌握了以前无法理解的复杂技术和社会动态但最重要的是，通过去探求“是什么”而不是“为什么”相关关系帮助我们更好地了解了这个世界。

这听起来似乎有点违背瑺理毕竟，人们都希望通过因果关系来了解这个世界我们也相信，只要仔细观察就会发现万事万物皆有因缘。了解事情的起因难道鈈是我们最大的愿望吗

在哲学界，关于因果关系是否存在的争论已经持续了几个世纪毕竟，如果凡事皆有因果的话那么我们就没有決定任何事的自由了。如果说我们做的每一个决定或者每一个想法都是其他事情的结果而这个结果又是由其他原因导致的，以此循环往複那么就不存在人的自由意志这一说了——所有的生命轨迹都只是受因果关系的控制了。因此对于因果关系在世间所扮演的角色，哲學家们争论不休有时他们认为，这是与自由意志相对立的当然，关于理论的争辩并不是我们要研究的重点

当我们说人类是通过因果關系了解世界时，我们指的是我们在理解和解释世界各种现象时使用的两种基本方法：一种是通过快速、虚幻的因果关系还有一种就是通过缓慢、有条不紊的因果关系。大数据会改变这两种基本方法在我们认识世界时所扮演的角色

首先，我们的直接愿望就是了解因果关系即使无因果联系存在，我们也还是会假定其存在研究证明，这只是我们的认知方式与每个人的文化背景、生长环境以及教育水平昰无关的。当我们看到两件事情接连发生的时候我们会习惯性地从因果关系的角度来看待它们。看看下面的三句话：“弗雷德的父母迟箌了；供应商快到了；弗雷德生气了”

我们读到这里时，可能立马就会想到弗雷德生气并不是因为供应商快到了而是他父母迟到了的緣故。实际上我们也不知道到底是什么情况。即便如此我们还是不禁认为这些假设的因果关系是成立的。

普林斯顿大学心理学专家哃时也是2002年诺贝尔经济学奖得主丹尼尔?卡尼曼（Daniel Kahneman）就是用这个例子证明了人有两种思维模式。第一种是不费力的快速思维通过这种思維方式几秒钟就能得出结果；另一种是比较费力的慢性思维，对于特定的问题就是需要考虑到位。

快速思维模式使人们偏向用因果联系來看待周围的一切即使这种关系并不存在。这是我们对已有的知识和信仰的执著在古代，这种快速思维模式是很有用的它能帮助我們在信息量缺乏却必须快速做出决定的危险情况下化险为夷。但是通常这种因果关系都是并不存在的。

卡尼曼指出平时生活中，由于惰性我们很少慢条斯理地思考问题。所以快速思维模式就占据了上风因此，我们会经常臆想出一些因果关系最终导致了对世界的错誤理解。

父母经常告诉孩子天冷时不戴帽子和手套就会感冒。然而事实上，感冒和穿戴之间却没有直接的联系有时，我们在某个餐館用餐后生病了的话我们就会自然而然地觉得这是餐馆食物的问题，以后可能就不再去这家餐馆了事实上，我们肚子痛也许是因为其怹的传染途径比如和患者握过手之类的。然而我们的快速思维模式使我们直接将其归于任何我们能在第一时间想起来的因果关系，因此这经常导致我们做出错误的决定。

与常识相反经常凭借直觉而来的因果关系并没有帮助我们加深对这个世界的理解。很多时候这種认知捷径只是给了我们一种自己已经理解的错觉，但实际上我们因此完全陷入了理解误区之中。就像采样是我们无法处理全部数据时嘚捷径一样这种找因果关系的方法也是我们大脑用来避免辛苦思考的捷径。

在小数据时代很难证明由直觉而来的因果联系是错误的。現在情况不一样了。将来大数据之间的相关关系，将经常会用来证明直觉的因果联系是错误的最终也能表明，统计关系也不蕴含多尐真实的因果关系总之，我们的快速思维模式将会遭受各种各样的现实考验

令人欣喜的是，为了更好地了解世界我们会因此更加努仂地思考。但是即使是我们用来发现因果关系的第二种思维方式——慢性思维，也将因为大数据之间的相关关系迎来大的改变

日常生活中，我们习惯性地用因果关系来考虑事情所以会认为，因果联系是浅显易寻的但事实却并非如此。与相关关系不一样即使用数学這种比较直接的方式，因果联系也很难被轻易证明我们也不能用标准的等式将因果关系表达清楚。因此即使我们慢慢思考，想要发现洇果关系也是很困难的因为我们已经习惯了信息的匮乏，故此亦习惯了在少量数据的基础上进行推理思考即使大部分时候很多因素都會削弱特定的因果关系。

就拿狂犬疫苗这个例子来说1885年7月6日，法国化学家路易?巴斯德（Louis Pasteur）接诊了一个9岁的小孩约瑟夫?梅斯特（Joseph Meister）怹被带有狂犬病毒的狗咬了。那时巴斯德刚刚研发出狂犬疫苗，也实验验证过效果了梅斯特的父母就恳求巴斯德给他们的儿子注射一針。巴斯德做了梅斯特活了下来。发布会上巴斯德因为把一个小男孩从死神手中救出而大受褒奖。

但真的是因为他吗事实证明，一般来说人被狂犬病狗咬后患上狂犬病的概率只有七分之一。即使巴斯德的疫苗有效这也只适用于七分之一的案例中。无论如何就算沒有狂犬疫苗，这个小男孩活下来的概率还是有85%

在这个例子中，大家都认为是注射疫苗救了梅斯特一命但这里却有两个因果关系值得商榷。第一个是疫苗和狂犬病毒之间的因果关系第二个就是被带有狂犬病毒的狗咬和患狂犬病之间的因果关系。即便是说疫苗能够医好誑犬病第二个因果关系也只适用于极少数情况。

不过科学家已经克服了用实验来证明因果关系的难题。实验是通过是否有诱因这两种凊况分别来观察所产生的结果是不是和真实情况相符，如果相符就说明确实存在因果关系这个衡量假说的验证情况控制得越严格，你僦会发现因果关系越有可能是真实存在的

因此，与相关关系一样因果关系被完全证实的可能性几乎是没有的，我们只能说某两者之間很有可能存在因果关系。但两者之间又有不同证明因果关系的实验要么不切实际，要么违背社会伦理道德比方说，我们怎么从5亿词條中找出和流感传播最相关的呢我们难道真能为了找出被咬和患病之间的因果关系而置成百上千的病人的生命于不顾吗？因为实验会要求把部分病人当成未被咬的“控制组”成员来对待但是就算给这些病人打了疫苗，我们又能保证万无一失吗而且就算这些实验可以操莋，操作成本也非常的昂贵

不像因果关系，证明相关关系的实验耗资少费时也少。与之相比分析相关关系，我们既有数学方法也囿统计学方法，同时数字工具也能帮我们准确地找出相关关系。

相关关系分析本身意义重大同时它也为研究因果关系奠定了基础。通過找出可能相关的事物我们可以在此基础上进行进一步的因果关系分析，如果存在因果关系的话我们再进一步找出原因。这种便捷的機制通过严格的实验降低了因果分析的成本我们也可以从相互联系中找到一些重要的变量，这些变量可以用到验证因果关系的实验中去

可是，我们必须非常认真相关关系很有用，不仅仅是因为它能为我们提供新的视角而且提供的视角都很清晰。而我们一旦把因果关系考虑进来这些视角就有可能被蒙蔽掉。

例如Kaggle，一家为所有人提供数据挖掘竞赛平台的公司举办了关于二手车的质量竞赛。二手车經销商将二手车数据提供给参加比赛的统计学家统计学家们用这些数据建立一个算法系统来预测经销商拍卖的哪些车有可能出现质量问題。相关关系分析表明橙色的车有质量问题的可能性只有其他车的一半。

当我们读到这里的时候不禁也会思考其中的原因。难道是因為橙色车的车主更爱车所以车被保护得更好吗？或是这种颜色的车子在制造方面更精良些吗还是因为橙色的车更显眼、出车祸的概率哽小，所以转手的时候各方面的性能保持得更好？

马上我们就陷入了各种各样谜一样的假设中。若要找出相关关系我们可以用数学方法，但如果是因果关系的话这却是行不通的。所以我们没必要一定要找出相关关系背后的原因，当我们知道了“是什么”的时候“为什么”其实没那么重要了，否则就会催生一些滑稽的想法比方说上面提到的例子里，我们是不是应该建议车主把车漆成橙色呢毕竟，这样就说明车子的质量更过硬啊！

考虑到这些如果把以确凿数据为基础的相关关系和通过快速思维构想出的因果关系相比的话，前鍺就更具有说服力但在越来越多的情况下，快速清晰的相关关系分析甚至比慢速的因果分析更有用和更有效慢速的因果分析集中体现為通过严格控制的实验来验证的因果关系，而这必然是非常耗时耗力的

近年来，科学家一直在试图减少这些实验的花费比如说，通过巧妙地结合相似的调查做成“类似实验”。这样一来因果关系的调查成本就降低了，但还是很难与相关关系体现的优越性相抗衡还囿，正如我们之前提到的在专家进行因果关系的调查时，相关关系分析本来就会起到帮助的作用

在大多数情况下，一旦我们完成了对夶数据的相关关系分析而又不再满足于仅仅知道“是什么”时，我们就会继续向更深层次研究因果关系找出背后的“为什么”。

因果關系还是有用的但是它将不再被看成是意义来源的基础。在大数据时代即使很多情况下，我们依然指望用因果关系来说明我们所发现嘚相互联系但是，我们知道因果关系只是一种特殊的相关关系相反，大数据推动了相关关系分析相关关系分析通常情况下能取代因果关系起作用，即使不可取代的情况下它也能指导因果关系起作用。曼哈顿沙井盖（即下水道的修检口）的爆炸就是一个很好的例子

烸年，因沙井盖内部失火纽约每年有很多沙井盖会发生爆炸。重达300磅的沙井盖在轰然塌在地上之前可以冲出几层楼高这可不是什么好倳。

为纽约提供电力支持的联合爱迪生电力公司（Con Edison）每年都会对沙井盖进行常规检查和维修过去，这完全看运气如果工作人员检查到嘚正好是即将爆炸的就最好了，因为沙井盖爆炸威力可不小2007年，联合爱迪生电力公司向哥伦比亚大学的统计学家求助希望他们通过对┅些历史数据的研究，比如说通过研究以前出现过的问题、基础设施之间的联系进而预测出可能会出现问题并且需要维修的沙井盖。如此一来它们就只要把自己的人力物力集中在维修这些沙井盖上。

这是一个复杂的大数据问题光在纽约，地下电缆就有15万公里都足够環绕地球三周半了。而曼哈顿有大约51000个沙井盖和服务设施其中很多设施都是在爱迪生那个时代建成的，而且有二十分之一的电缆在1930年之湔就铺好了尽管1880以来的数据都保存着，却很杂乱因为从没想过要用来进行数据分析。这些数据都是由会计人员或进行整修的工作人员記录下来的因为是手记，所以说这些数据杂乱一点也不为过比如说，常见的“服务设施”代码就有38个之多而计算机算法需要处理的僦是这么混乱的数据：SB，SS/B， recommendations：item-to-item collaborative filtering”一文当然，如同谷歌源于PageRank而现在远不仅是PageRank亚马逊目前的推荐也远远不止基于对象的协同过滤那么简單。举例而言我所熟悉的百分点通用推荐引擎就包含了数十种常用算法，数千条行业规则和针对用户意图的场景预测模块等——译者紸

[2] 严格地讲，即便没有相关性另一个数据值也可以大幅变化，只是没有趋势可循罢了——译者注

[3] 除了利用自有数据外，沃尔玛实验室開始尝试用Facebook好友喜好和Twitter流量与内容分析来实现智能零售下载一个Facebook上名为shopycat的小应用，就能收到沃尔玛为你创建的礼品清单——译者注

[4] Teradata的湔身是著名的全美现金出纳机公司。——作者注

[5] 2011年Reshef等人在《科学》上发表了题为“DetectingNovel Associations in Large Datasets”一文，探讨了度量双变量复杂相关行为的新方法截至目前，该方法还不能处理多变量相关——译者注

[6] 评价自己不了解的学科，一定要谦虚谨慎最好是不要做这样的评价。其实目前嘚电子产业、纳米加工以及大部分先进的医疗技术都直接来源于量子理论。——译者注

原标题：怼完郭德纲再怼节目组别戴着博士的帽子，却活得像个傻子

上海交通大学的博士李宏烨最近火了

火的原因也很莫名其妙，不是因为自己的材料学专业取得了什么学术成果也不是因为自己创作的相声一鸣惊人，而是因为在东方卫视的选秀节目【相声有新人】中怼了郭德纲

节目中，李宏烨傲氣十足上场先用手指着郭德纲问了句“您看过我的相声吧”，然后送了郭德纲三本书直言“我估计您把这本整明白就可以了”，暗示郭德纲没有文化

表演中，两口子三句话不离“博士”还创造了“公式相声”，自称可以通过公式计算观众笑点哪一段该笑，哪一段笑多久都可以通过公式来验证

我看了那段表演，几乎可以说是全程尬演既没笑点，也没风度而且还容不得半点质疑，唯一的亮点就昰与郭德纲你来我往的唇***舌剑

在节目引来热议后，李宏烨再度给自己加戏先是发长文道（自）歉（辩），然后在接受采访时说自己嘚公式是降低了相声表演者的门槛但是听众的门槛很高，没上过大学的听不懂

然而事态并没有向他们所期望的方向发展，两口子依旧陷入舆论风暴中不能自拔

就在这两天，李博士索性连续发了两篇长文矛头直指东方卫视节目组，直言被套路有黑幕，当然也没忘叻拿郭德纲的私德说事。

字里行间看得出李博士是真愤怒的对自己也是真有自信。

有个网友这样评论郭德纲的能力也就是让相声界分荿两波，李博士竟然直接让相声界团结了！

一对博士夫妻毅然决然的放弃了本职专业，把拯救中国传统相声的使命扛在肩上这本身是┅件很正能量的事，可为什么落得了一个全民声讨的下场呢

分析这件事，大概可以得到三点启示：

看完博士夫妇和郭德纲的对话我最夶的感触就是老郭这两年是真的活明白了。

讲真论刻薄，嘴毒放眼整个娱乐圈我都找不到谁是郭德纲的对手。

论睚眦必报的那股劲儿恐怕也无人能出郭德纲其右，那句有名的“远离那些劝你大度的人”就是出自他口

但是面对李宏烨的咄咄逼人，郭德纲竟然全程笑呵呵偶尔绵里藏针接上一句，不急也不恼表现出了一个前辈应该有的大气度。

放在几年前他哪能容得下一个小辈在这里撒泼？

其实这樣的改变早有苗头两年前郭德纲作客奇葩说，调侃上海滩大佬的改变：刚当上老大的时候要金戒指金牙金链子一水挂在身上，才能彰顯身份的牛逼可是真正成了叱咤一方的杜老板，反而麻衣布鞋简简单单。

他在说杜月笙其实也在说自己。真正到了一定高度反而學会了给自己做减法，小火慢炖自己的人生

这种淡定是装不出来的，一个人只有经历过盛誉、非议什么大风大浪，大起大落都见过了才能面对一点小浪花，真的不在乎不放在眼里。

但是李宏烨显然还没有达到这个阶段

这对博士夫妻算是有点知名度的，几年前靠着調侃姚明和另一位交大史上最有名的校友怒刷了一波存在感。但是他们的相声除了这个梗和两个人的博士光环，就再无其他亮点了

鈳以说，博士夫妇的人生是高开低走的早年学业顺风顺水，后来一招成名然而名声却难以为继，最后只好泯然众人靠走穴和参加选秀活着。

这样的人特别容易愤世嫉俗，心态失衡

所以李宏烨把自己不火的原因全部归罪到了观众没有审美，在跟郭德纲的对话中他哃样带着这样居高临下的优越感。

自信是好的但是当你的自信处处碰壁时，你需要的是自省一个人没有活明白的典型表现，就是不去反思自己的问题出在哪儿听不进任何意见，只是一味对任何不利于自己的事情去做外归因觉得全世界都欠了自己。

这种情绪很幼稚鼡自负来掩饰心底深处的自卑，逃避对问题本质的面对

他写的那封自辩几乎又臭又长，还只是个未完待续的“上篇”和“中篇”据说還有下篇。

但是他当前最需要的是停止无谓的辩解，从这种你们都不懂我、你们都害我的对抗情绪中走出来对自己有一个清醒的认识。

我劝这对夫妇实在想不通观众为什么针对你们的话，就放下不要再想专心去钻研一下怎么让自己的作品真正有趣。隔着几年十几姩的时光再回首，你才会发现傻逼的那个人是你自己

2.真正伟大的作品是没有阅读门槛的

李宏烨夫妇说，至少要大学学历以上的观众才能聽懂自己的相声这句话无非就是暗示大部分的观众没文化才导致自己的作品没市场。

不得不说一言不合骂读者、骂观众，已经成了当丅文艺圈的常态只要作品打分差，就骂观众没文化不是自己拍得不行，是这一届观众不行

特别是电影圈，还常见于一些有过优秀代表作的大导演如今的作品连基本的叙事都做不好，从头到尾都只剩炫技

写作亦如此，常见一些作者非常喜欢引经据典掉书袋，十个芓里至少要夹两个生僻字大段大段放名言，说话拗口到不行优越感做到十足，而文章本身往往空洞无物。

说难听点就是五个字：飾智以惊愚。把读者当傻子让看不懂的人觉得你很牛逼，事实上看得懂的人都会觉得你是个傻逼。

白居易每次写完诗都要佣人提意见老舍的小说小学文化程度就能看懂。真正伟大的经得起时间考验，能够流传下去的作品最重要的一条就是绝不会人为设置阅读门槛。

什么叫阅读零门槛简单说就是三个字：说人话。

你的相声又冷又涩包袱里藏着包袱，每句话都要让人想半天这就是压根没想让人發笑。

本科以上学历看了觉得好小学***看了也说棒，没上过学的老大爷也能笑的满地找牙这才是真正好的作品。

我常常跟找我交流寫作经验的新人说一句话：先把人话说好了再谈别的。

连个基本的故事都讲不好还有脸谈什么技巧，公式

3.“公式”成名是条死路

懂┅点相声的人都知道，相声是个苦功夫说学逗唱一样不能少，光是要硬背的东西都得一大串资质差一点的学上七八年也不一定能出徒。

但是李宏烨说他的公式就是让任何人都能说上相声。

这种理念说白了也是优越感在作怪，把自己的“高学历”用错了地方以为下苦功夫的人都是傻子，就自己聪明钻研俩仨月能得出别人努力十年也得不到的东西。

这条捷径的确让他短暂的红了一阵，但是没有硬實力走不下去。很简单他的相声完全不好笑。

我作为一位符合他要求，具有较强理解能力的观众坦白说，听是每一句都能听懂吔知道他想在哪里抖包袱，但是不好意思就是笑不出来。

脱口秀演员、同为交大校友的史炎夫妇俩有一个比较客观的评价：

单从作品效果上来看夫妇俩的作品充其量也就是学校迎新晚会的水平。但是他们俩却以拯救者的名义强行把自己拔高成相声创新者，这就有点丢囚现眼了

这样的打法其实并不是李宏烨一个人的专利，很多网红餐厅不也是靠这种“公式”活着吗？

个性餐厅名+怀旧风装修+高颜值菜品+博主轮番吹+雇人排大队最好还有名人加持或者什么感人肺腑的创业故事，然后一个标准的网红餐厅就出来了

但是这些餐厅能火多久呢？一年后你看死一大半。很简单太难吃。任何概念都是扯淡让人长久买单的还是味道。

李宏烨夫妻就走向了这个死胡同他们的核心竞争力不是相声基本功，而是博士头衔走到哪都兜售自己的爱情故事和博士光环，一次两次大家吃这套时间长了，一点戏都没有

类似的还有当年的旭日阳刚，没唱功光卖情怀，走红快死得也快。

之前影视圈都迷信流量结果怎么样？最近几部请来顶级流量小苼出演的电视剧全都扑了街连个水花都没有。

这世界上根本就没有真正的公式。任何行业最终走到最后靠的都是积累，真刀真***下苦功夫的积累

建议这对夫妇在做出真正好笑的相声之前，别走哪都提交大俩字了你这不是实力给自己的母校招黑吗？

学历低并不可怕最怕的是你顶着博士的帽子，却表现得像个傻子

今天的三条，斑马给大家推荐了一款自用的穿着超舒服的，谁穿谁有沟的无钢圈、无痕、透气内衣，记得点击进去看哦~

斑马的新书《没有一个冬天不可逾越》里

正在热卖扫码即可购买~