1 失败的用处：鉴别

熟悉机器学习的人都知道分类器，这是一类把正负样本分开的统计模型。然而分类器构建的基础是什么呢？既有正样本，也有负样本，才能进行分类器的构建。也就是说，同样一件事情进行不同条件下的重复实验，既有成功的例子，也有失败的例子，才足以挑选出那些增加成功概率的因素。

在这种问题下，成功的例子（样本标签为1）是必须的，然而只有成功的例子也是不够的，失败的例子（样本标签为0）在这里能够起到助人比较、鉴别的作用，没有这种对照，得到的结果就是偏见。这种思路作为科学的方法论是行得通的。

2  失败的可接受性：开放性的成本收益核算

曾经跟人达成一个共识，什么样的程序员才是好的程序员、可以招的程序员？经历过失败的程序员。对他们而言，失败的例子往往比成功的例子在脑海里印象更深，因此他们的做事风格表象背后是有逻辑支撑的，再遇到意外情况的时候也有强大的Failover机制，他们对于曾经付出的大量时间、精力这些成本是非常敏锐的，因此会很谨慎的地使用高收益低风险的代码完成任务。

纸上谈兵的程序员就不好说了，以各路培训机构培训出来的人和刚刚毕业的学生为主，没犯过错，那么走到真正的工作环境上之后，要犯错就会犯大错。面向面试而不是面向项目的求职也是互联网技术圈子中的奇葩一景，因为他们确实不知道自己写下的代码成本和受益如何，跟备用方案比又是如何的。赵括饱读兵书，白起目不识丁，然后又如何？用兵这种事情，要犯一次错误都是无可挽回的，因此确实要在失败成本低的时候尽早失败才有可能获得用于鉴别失败与成功的有效信息。这就是我认为新手程序员不太适合初创公司的重要原因。

科学发明或者发现上的失败则是失败的又一种有趣形式，它们往往以多次失败为开端，以一次或多次成功为结束。之所以能够称之为发明或者发现，是因为人类的脑洞或者知识足以支撑那个从未在地球上出现过的产品或者结论，只不过需要人来亲手去实现而已，就好像数学家在做证明题时只关心"存在性"，而发明家、科研人员是真的把存在性给变成真实的物质或者实验结论。

最终类似的尝试要么成功了，要么不适合这个时代。有兴趣的朋友可以阅读小说《差分机》，并且了解一下19世纪的时候巴贝奇所设计、制造的计算机原型，那个时代制造差分机、分析机的成本不足以覆盖应用的收益。修建长城最后使用了大量人力，而不是先研制机械，这也很大程度上受限于当时的技术水平。还有更多没有载入史册的故事是很多发明都失败了，这些发明的主导者没有继续下去的原因很大一部分也是"继续研究的收益弥补不了研究成本"，这种放弃是无可厚非的。

这让我想起了一句我很喜欢的毒鸡汤：你不亲自试试，怎么能知道自己根本不行呢？合理地进行成本收益核算，远远比受到一次次失败折磨要好得多。

3 规避失败的误区：正确地去失败

名人名言总是容易被断章取义，"失败乃成功之母"也不例外。失败是成功的什么条件？依我看，既不是充分条件也不是必要条件。

子路曰：“子行三军，则谁与？”子曰：“暴虎冯河，死而无悔者，吾不与也。必也临事而惧，好谋而成者也。” 这说的是什么呢，徒手打虎，赤脚过河，死了也不后悔的人，我可不跟他一起做事。遇事要有敬畏之心，要深思熟虑之后再把事情做成。从节省自己的时间、生命出发，也要有个先动脑子的环节吧？

廉价地反复失败，却不思考或者反省为何失败，进入这种误区我看难以成功。

举例来说，现在互联网创业的风潮并不健康，我认为跟失败太廉价、融资太容易不无关系。一个差不多不算离谱的故事，一次包含了太多错误的成功创业，市值N多个亿，往往被所谓的"小步快跑"，"频繁试错迭代"的表象所掩盖，一直在修正错误的路上，一直在还技术债务的路上，确实提供了大量的工作岗位，然而跟"精益"二字相去甚远，从这些人身上看不到洁癖，也不太能看到忍得住寂寞的企业家精神，依我看跟拿着别人的钱炒期货期望一夜暴富的思路也差不多了。只会打无准备之仗的队伍，也只有屡战屡败在前面等着，怎么就那么浮躁，非得加入九死一生的行列，而不能至少做了一些准备之后，再加入创业大军呢？当年的企业家们难道没有融资就不能做出伟大的企业了吗？为什么在有些人眼里拥有自己的产业这件事就那么急功近利，好高骛远呢？

这种狂欢，我做个旁观者就可以了。『退潮之后，才知道谁在裸泳』。执行能力强，思维能力却跟不上节奏的人，我认为是不适合在这几年创业的，失败的概率太高，就像1岁的小孩子你指望他玩拼板拼出正确的图像一样，拼对了纯粹运气，拼错了实属正常，拼烦了还有可能把拼板砸坏。这种盲目的『失败』，是不可能成为成功之母的。

在我看来，连续成功的真正企业家们的所作所为才真正值得学习。有些经验往往是『不足为外人道也』的，而且学习一个人的思想，不应该看他说什么，应该看他做什么。只看一个人说什么，实在是太容易高估或者低估一个人了。