五一开车出去玩，堵是一定的嘛，但是我觉得堵多久，可以自己选择，于是查了导航。走自己熟悉的路，大概需要 两个小时，走一条新路，导航显示需要一小时四十分钟。如果选择相信导航，那走新路肯定是最优选择，但是我能相信导航吗？新路总是充满各种风险，一如创业…
我选择了新路，于是，在一个不知名的路口趴了一个半小时，就是一动不动的那种堵。骄阳如火，清风吹过。堵车期间我吃了饼干，喝水，看了一集美剧，看了会书，听了一集得到30天认知训练营加餐……车子才开始动弹起来。
这件事告诉我，选择新路，大概率总是存在风险。不过王烁老师的那集加餐倒是很有意思，给大家分享下。
从概率论角度，掌握了更多知识的人，总是有更大的机会获得成功。也就是说，你掌握了更多的知识，成事的可能性就更大，但是你并不知道哪些知识会在关键的时候帮你做一个正确的决策。既然是个概率问题，那我们要做的事情就是去持续下注大概率事件 —— 尽可能去学习和掌握更多的知识，比如经济学、统计学、平面设计、排版、最前沿的创业动向、文学、历史，当然还包括技术内容。使用和体验更多优秀的产品，获得更好的产品体验和设计思路。等等。
这次王烁举了另外一个例子，马尔可夫过程，也和概率论有关系。想了解这个概念，可以去查维基百科「马尔可夫链」，大意如下：
马尔可夫链（英语：Markov chain），又称离散时间马尔可夫链（discrete-time Markov chain，缩写为DTMC），因俄国数学家安德烈·马尔可夫（俄语：Андрей Андреевич Марков）得名，为状态空间中经过从一个状态到另一个状态的转换的随机过程。该过程要求具备「无记忆」的性质：下一状态的概率分布只能由当前状态决定，在时间序列中它前面的事件均与之无关。这种特定类型的「无记忆性」称作马尔可夫性质。马尔科夫链作为实际过程的统计模型具有许多应用。
这里主要阐述的是状态转移的过程，这个过程只和当前状态有关，和过去没关系。王烁老师在文章中举了个例子，简单描述一下：
你闲时就做两件事，玩手机和读书。假设你在这两种状态之间切换的概率是固定的。读书的时候，有 40% 的概率转去玩手机，玩手机的时候，有 10% 的概率转去读书。那我们现在就有了马尔可夫过程的四个前提：
第一，状态的数量是有限的，这里只有两种状态：玩手机、读书；
第二，状态之间切换的概率是固定的，这里指的是你读书时转过去玩手机的概率，或者你玩手机时转过去读书的概率，它是固定的；
第三，遍历性，也就是所有状态都有可能会出现；
第四，非周期性，也就是它不会是单一的一个过程反复循环，周而复始。
一旦这四个前提成立，那么无论你怎么分配时间，用了多久，最终的结果只有一个，80% 的时间玩手机，20% 读书。
算一算，八成时间用于玩手机，两成用于读书，这时，你从玩手机切换成读书的时候有10% 乘以 80% 等于 8%，而你从读书切换到玩手机的时候有 20% 乘以 40%，也等于 8%，两者正好抵消。只要你达到这个均衡，你就锁死在这个均衡里出不来了。
王烁老师说：哪怕你最开始是 100% 的时间都用来读书，你最后也会掉到 80% 的时间用来玩手机的结果中去。
结论就是：纠结于过去毫无意义，如果状态转化的概率没有变化，无论你怎么干预，最后都会进入模型设定的长期均衡。如何打破这个均衡呢？只能去改变转移的概率。
比如读书的时候玩手机的概率，和玩手机的时候转去读书的概率。不改变这两个概率，不管你最初读了多少书，玩手机的过程里拿起过多少次书，最终你还是会掉进一个坑里。
如果你的干预能够改变这个概率，比如读书的时候把手机关掉，或者扔远远的，忍住查资料的诱惑（这往往是个说服自己拿起手机的绝佳理由），也许，你会打破这个均衡，增加自己读书的时间。
