好办法往往是笨办法

前些天，和某公司专家讨论了几个技术问题，我提出了问题的解决方法。这些想法得到了对方较高的评价，我也很开心。但仔细想来：这些办法其实都是笨办法。

为什么说办法笨呢？因为这些办法需要很多的步骤或工作量，有些麻烦。为什么笨办法被认为是好办法呢？因为它们可操作、一听就知道结果不会太坏。

有个段子，说的是苹果要做出一根精度要求很好的测试线。所有厂家的加工精度都不能满足要求。于是，苹果公司就用了一个笨办法：先做1000根，从中挑出一根符合标准的。

我个人有个感觉：对于复杂的创新问题，好办法往往是笨办法。为什么呢？因为搞创新的人一般都不笨，首先会去想各种聪明办法。如果他们没有找到特别好的办法，而且问题能解决时，剩下的就是笨办法了。这也算是一种“幸存者偏差”吧。

我常讲的大数据，优势就在便于用笨办法。例如，所谓“不纠结于因果”，意味着“跟着对的学就行了”；“样本=全体”，意味着“总有一款适合你”；“混杂性”意味着“总能证明对错”。反正数据存储和处理能力强，不怕方法笨。

研究生时，我和室友做一个微积分的题目。他发现我很快做出来了。原因是我直接用定义做的，而他则试图根据公式计算出来。这其实是很多笨办法的特点：回归问题或者方法的本源，而不是那些衍生出来的办法。一般来说：衍生出来的方法用起来方便，却有些问题解决不了。

笨办法往往原理简单。我常说：工业技术的难点是取得安全、稳定、可靠。简单的方法不容易出错、除了错也容易知道该怎么改。对于复杂的问题，降低出错的概率、尽快找到错误的原因，就是效率最高的办法。所以，笨办法往往可以解决大问题。这就是乔布斯说的“Stay Foolish”吧。

当然，笨办法也有不好的地方：花的时间和代价可能比较大。所以，笨办法一般只用来解决困难的问题。