长久以来，成功学大行其道。 这些书籍无一不是从很多所谓的成功人士身上寻找异于常人的特点，然后声称这些只要做到这些特点，任何人都能一样的成功。 这个逻辑，看似无懈可击, 但其实还是有问题的。
问题在于「幸存者偏差」。
所谓幸存者偏差是指，你的样本本身是带有偏见的，样本本身无法代表整体。 比如，在上面的例子中，那些成功学书籍的作者都是从所谓的成功人士身上寻找特质，殊不知，也许拥有同样特质的人大多是是失败的，你并没有看到他们。 这样，就能很容易把那些从「成功」人士身上总结出来的特质作为「成功」的必要条件了。 再比如，你在春运的火车进行调研，那么你调研的每一个对象都会告诉他买到了回家的车票，那么由此你就会得到今天的春运压力不大，每个人都能买到回家的车票。 但是，稍有常识的人都知道，这样的调研是没有意义的。 你的样本根本不具有代表性。 因此，只从「幸存者」身上寻找他们「幸存」的条件，其实是非常可笑的。
想象一下，假设这个世界上存在着一套隐藏的筛选机制，没有人能知道这套筛选机制是怎么样的。 我们只能看到被这个机制筛选出来的人和事。 如果我们只从被筛选出来的人和事上总结规律，对筛选机制建模，那得到的结论恐怕不太可能是正确的。 因为，我们只从正例中学习，而不从反例中学习，这样的学习机制是不完备的。 在这样的条件下，几乎是不可能还原出筛选机制是什么样的。
世界上大多数人都渴望能够知道这样的筛选条件是什么，如果知道了，我们就能以最短距离的方式成为「成功」人士。 然而，除了「幸存者偏差」导致的认知偏差以外，还存在一个重要原因，使得能够成为「成功」人士困难重重。
那就是，这样的筛选条件可能是动态变化的！
想想历史就知道了。 不同的历史时代，出现了不同的成功人士。 战乱时代，成功人士就是武将霸者；和平时代，成功人士就是书生儒家。 不同时代的筛选标准是不同的。
如果从机器学习的角度来考虑这个问题，那么这个学习问题就有着两个本质性的特点: 1. 正反例不平衡，存在着大量的范例，正例很少。但是，我们能看到却往往是那些正例。 2. 数据不是I.I.D的，也就是说这些样本可能来自于不同的分布，是不同筛选机制下的产物。
面对如此复杂的问题，难怪世界上的成功人士永远是少数。
那么，针对这样的情况，我们有什么应对策略呢? 老实说，我也不知道。 针对上面分析的两个问题，我只能给出非常朴素的方案:
- 不要只从成功者身上学习，也要从失败者的角度来学习。比如吴晓波的书「大败局」、「激荡三十年」等，其中有很多失败者的案例，非常值得学习。
- 认清当前时代的大势所趋。比如现在中国正在崛起，人工智能是未来的发展方向等。但是，认清大势也是一个非常复杂的问题， 不是一两句话就能讲清楚的。
参考资料
- Wiki: 幸存者偏差
更新日志
- 2018年7月21日写作并发表.