人生新算法

    用人工智能解读时间、幸运与财富

    [日]矢野和男 著；范欣欣 译

    书名：人生新算法：用人工智能解读时间、幸运与财富

    作者：[日]矢野和男

    译者：范欣欣

    书号：ISBN 978-7-210-10466-7

    版权：后浪出版咨询(北京)有限责任公司目录

    前 言

    第 1 章 时间能否自由使用

    1.1 人类行为有规律性吗

    1.2 能否根据主观意志自由利用时间

    1.3 支配万物的能量守恒定律同样适用于人类

    1.4 通过“Life Tapestry”可以俯瞰人生

    1.5 从胳膊的活动次数中发现惊人规律

    1.6 递降分布统治社会之谜

    1.7 反复移动就会出现 U 分布

    1.8 我们在各个时间点之间调配“胳膊运动”

    1.9 即使不知道微观状况也能预测宏观状况

    1.10 时间的利用方法受到规律限制

    1.11 “经常动的人”=“有工作能力的人”吗

    1.12 把握各频带的活动预算，充分利用所有频带

    1.13 没有干劲是因为活动预算用光了吗

    1.14 熵是什么？是表示杂乱的量吗？1.15 自由的牢狱——正因为自由人类才遵守规律

    1.16 人类活动的极限可以用热力学公式表示

    1.17 人的自由与限制

    第 2 章 测量幸福

    2.1 能否用科技控制人类的幸福

    2.2 幸福的心理学——“积极心理学”

    2.3 提升员工的幸福感有利于提高公司收益

    2.4 传感器可以测出幸福感

    2.5 解读行动中隐藏的符号

    2.6 休息时活跃的对话有助于提高生产力

    2.7 身体运动会传染，幸福也会

    2.8 身体运动活跃的职场的优点

    2.9 打造活力职场是一项重要经营项目

    2.10 我们也要考虑 IT 会降低生产力

    2.11 通过幸福科技创造幸福指标

    第 3 章 求“人类行为的方程式”

    3.1 人类行为中存在方程式吗

    3.2 方程式究竟是什么

    3.3 与人的再次见面遵循普遍定律

    3.4 以见面概率为基准思考，则时间的流逝各不相同3.5 1T定律也适用于回邮件等其他行为

    3.6 行动持续越久越停不下来

    3.7 1T定律与 U 分布相同

    3.8 记述人类行为的方程式

    3.9 将主观概念转化为客观数值

    3.10 测量最优体验=心流

    第 4 章 认真面对运气

    4.1 偶然是不可控的吗

    4.2 运气源于与人的相遇

    4.3 将运气和相遇转化成理论和模型

    4.4 到达度真的是衡量运气好坏的指标吗

    4.5 运气好的人在组织中处于什么位置

    4.6 领导的指挥能力与现场的自律并不矛盾

    4.7 通过数值化，从语言的束缚中解放出来

    4.8 通过控制“到达度”，成功实现组织整合，防止开发延迟

    4.9 要想抓住运气，对话质量也很重要

    4.10 对话即为身体活动的投接球练习

    4.11 有关单向交流和双向交流的研究

    4.12 根据身体运动的测定值，可以明确定义对话的质量指标

    4.13 从“运气也是实力的一种”到“运气即实力”第 5 章 撼动经济的新“无形之手”

    5.1 社会能否科学化

    5.2 从科学角度来看，不知“买”为何物

    5.3 如何从科学角度解读经济活动

    5.4 购买行为的全貌测量系统

    5.5 计算机 VS 人类，通过提高销售一决胜负

    5.6 学习型机器大显神威的时代

    5.7 人类的假说验证分析不能用于大数据

    5.8 学习型机器会提高人类“从过去学习的能力”

    5.9 3 种人工智能

    5.10 通过大数据获取利益的 3 项原则

    5.11 学习型机器可用于解决所有社会问题

    5.12 人类和工作将与机器共同进化

    5.13 人类应做之事与不必做之事

    5.14 新的“无形之手”将为世界带来新的“财富”

    第 6 章 社会和人生的科学将带来什么

    6.1 在濑户内海的直岛描绘未来

    6.2 以社会为对象的科学迅速发展

    6.3 将服务与科学融为一体的数据呈指数增长

    6.4 重大挑战“直岛宣言”6.5 直岛宣言

    6.6 总结——人类旺盛的生命力

    后 记

    参考文献

    出版后记前 言

    2006 年 3 月 16 日是一个分水岭,从那天起，笔者的人生发生了巨大的变化。

    当时，我的研究团队正在研究传感器技术及其应用，该技术用于测量并记录

    人类行为和社会现象。其中一项研究是可穿戴式腕式传感器，它可以持续测量左

    手的运动。首部样机于 2006 年初开始试用。

    该传感器最大的特点是能够 24 小时持续记录人类的行动。然而，没有人愿

    意作为实验的小白鼠，无死角地记录自己的生活。于是，身为研究组长的我自告

    奋勇地充当起了小白鼠。

    从那天起，一天 24 小时，一年 365 天，过去整整 8 年里，我的左手腕上一

    直佩戴着记录左手运动的传感器。它 1 秒钟可以测量 20 次，经过日积月累，电

    脑中存储了详细的加速度数据。利用这些数据可以做出各种解析，比如在过去 8

    年里，在睡觉的什么时候翻身了，什么时候集中精力工作了，等等。

    短期数据仅仅代表了左手的运动，其意义微乎其微。但是，正如本书所要介

    绍的，我们花费了 1 周，1 个月，1 年、2 年，经过测量得出很多人的数据，随着

    数据的不断累积，我们逐渐明白了这项技术的意义何其重大。

    继腕式传感器之后，笔者的研究团队走在世界前沿，不断开发用于测量社会

    现象和人类行为的新传感器技术及其解析技术。在还没有“大数据”一词的年代，我们就已利用可穿戴式传感器测量社会现象和人类行为，并分析了大量的数据，据此发现了有关人类行为和社会现象的种种秘密，引领了世界的发展。本书对此

    项研究做出了全面的总结。

    回顾历史我们会发现，大到宇宙小到生物，人类针对各种各样的自然现象，构建了以物理学为代表的定量而精密的科学体系，这成为推动 20 世纪社会与产

    业发展的巨大原动力。然而，我们再看一下社会现象和人类行为就会发现，虽然社会科学等知识体

    系在不断发展，但是与物理学等定量而精密的硬科学相比，却依旧停留在定性的

    层面上。

    利用上述传感器技术能够获取大量的数据，通过活用这些数据，我们可以确

    立针对社会现象和经济活动的定量硬科学体系，进而实现科学预测与调控。

    并且，这不单单是科学知识，还直接关系到企业的利益。在本书中，笔者通

    过呼叫中心、店铺等具体事例告诉读者：基于测量数据来调控人类与社会，将为

    企业的业绩带来重大影响。

    再者，与人类和社会相关的大量测量数据，可能会为我们揭晓人生中一些根

    本问题的答案，比如“如何提高幸福感”“怎样拥有好运”等。

    也许大家会认为它们是哲学和宗教问题，但本书将告诉大家，这类问题也可

    以从科学角度来解答。

    如上所述，本书以从未在科学角度解读过的事物为对象，彻底地实践了科学

    的方法论。物理学的概念和工具一直用于研究自然法则，但出乎意料的是，它们

    还能在了解企业利益和人类共鸣方面发挥威力。这是迄今为止的书籍中从未涉及

    的内容，对其进行阐述正是本书的特色。

    各大科学领域并非自古就存在。近百年来，人们扩大了科学的疆界，不断开

    辟新的领域。近十年间，在《自然》和《科学》等一流科学杂志上，也开始出现

    利用定量数据研究人类行为和社会现象的论文。

    从这个意义上来说，本书笔者以当事人的身份，真实生动地描绘出了正在推

    进的科学地平线。

    同时，探讨如何以科学为依据来管理组织，也是本书的目的之一。其中还涉

    及一些管理方面的内容，希望能为每天与业务和组织管理做斗争的管理者和知识

    工作者带来一些启发。这两者能否共荣共存，全凭读者判断，但是如果本书能激

    发读者的思考，并为振兴日本经济带来些许启示的话，笔者将不胜荣幸。

    2014 年 6 月

    矢野和男第 1 章

    时间能否自由使用

    1.1 人类行为有规律性吗

    在本书开篇请先思考一个问题:人类的行动中存在科学规律吗？我想问的是，你的行动是否遵守了某种科学规律。之所以这么问，是因为这个问题的答案，与

    能否使用大数据科学调控社会现象及经济息息相关。

    迄今为止，从宇宙的起源到物质的结构，人类都是依靠科学来理解世界的。

    很多时候，进步的契机就是新测量数据的获取。

    我们之所以相信宇宙是有起源的——“宇宙大爆炸理论”，相信微观世界的 1

    个电子能同时存在于不同的地方——“量子力学”，是得益于数据，这些数据分别

    源自能在宇宙中检测出微弱电波的天线和能检测出单个电子的测量器。

    近年来我们获取了大量有关人类与社会行动的数据，从而使发现与人类相关

    的新科学和科学规律的可能性大大增加。从有关人类与社会的大量数据中可以推

    导出规律，并且人们期待着能够利用这些规律，进一步为社会提供正确导向，为

    经济带来巨大活力。

    但是，另一方面，我又有想要否定这一点的冲动。人，难道不可以通过其每

    时每刻自由的意志与思想，随心所欲地行动吗？难道不可以仅根据自己的意志和

    喜好来约束行动，而不受规律之类的限制吗？如果真是这样，那么即使我们握有

    大量的数据，也只不过是对过去的记录，不会直接对未来发挥作用。

    人类和社会中，到底有没有普遍的规律呢？面对大量人与社会的相关数据，采取的立场不同(是否认为有普遍规律)，对事物的看法就会截然不同。因此，我想先讨论一下这个前提。

    1.2 能否根据主观意志自由利用时间

    在讨论人类的行动是否存在规律之前，本章将首先聚焦于人类如何利用时间。也就是说，我们想重点探讨一下，人是按照主观意志自由决定如何利用时间的

    ，还是在某些规律的限制下利用时间的。之所以要重点探讨这一点，是因为有时

    在工作和个人生活中，如何利用时间是头等大事。后面也会讲到，我们利用传感

    器技术得到了有关人类如何利用时间的大量数据，从中找到了这个问题的答案。

    古往今来，很多思想家都论述了有效利用时间的重要性，笔者本人就受到了

    19 世纪瑞士的哲学家卡尔·希尔逖的影响。他在其著作《幸福论》中，用整整 1

    章介绍了使用时间的方法。而在现代，史蒂芬·柯维在其畅销作《高效能人士的 7

    个习惯》中，用 1 章的篇幅阐述了时间管理的问题；管理学的泰斗彼得·德鲁克也

    在其著作《卓有成效的管理者》中论述，要想成为高效的管理者，最重要的是分

    析并改善自己利用时间的方法。除此之外，在每年各种各样的文章和书籍中，如

    何利用时间的问题一直被反反复复地讨论着。

    就这样，人们逐渐认识到时间利用问题的重要性，但也仅限于幸福论和自我

    管理的范畴，并没有将其作为科学研究的对象。各位读者朋友也是这么认为的吧。

    但是，我在这一章的论述恰恰否定了上述内容。今天你在哪方面使用了时间

    ，其实不是随心所欲的，而是在无意识中受到了科学规律的制约。

    假设今天你想做 3 件事，想必很多人会在这一天开始之前，列出 To do 清单

    吧。可能你会认为，在这 3 件事上分别花费多少时间，可以由主观意志决定。

    然而，从后面将要介绍的科学规律来看，你并不能随心所欲地使用时间。即

    使你想要随心所欲，并为此做好了计划，实际也不会按计划进行。如果你回顾一

    下自己的亲身经历，就会发现有不少这样的情况。当你了解了本章所述的科学规

    律，就能够理解是什么造成了计划无法照实推进。此外，我还想告诉大家：我们

    可以依据这一规律，科学地调控自己的时间。1.3 支配万物的能量守恒定律同样适用于人类

    科学分为各种各样的领域，在诸多领域中都存在记述各种现象的基本方程式。

    以物理学为例，物体的运动遵守牛顿方程，电磁学现象遵守麦克斯韦方程，量子现象遵守薛定谔方程。想必很多人都听说过这些名词。

    但是很少有人知道，这些表示物理现象的方程式说的都是同一件事。实际上

    ，这些方程式都是从守恒定律，也就是从可以保存能量和电荷等的规律中派生出

    来的。

    恐怕没有人能顺畅地写出这些方程式，但是，如果我们知道物体运动、电磁

    和量子的能量是用什么公式表达的(实际上这些都能用简单的式子表示出来)，就可以当场导出这些方程式。

    这些方程式是自然法则的基础，如果它们都是从守恒定律，尤其是能量守恒

    定律中派生出来的，那么毫无疑问，“能量”的概念才是科学理解自然现象的核心。

    事实上，“能量”改头换面，与利用时间的方法产生了联系。一天中可以使用

    的总能量及其分配方法受到规律的限制，因而你无法按照自己的主观意志自由地

    使用时间。

    在你周围发生的所有现象和变化，都需要能量。能量以各种各样的形态蓄积

    起来，与所有现象都相关。不仅有原子能、化学能量，还有热能、电能等。

    从表面来看，宇宙也好，地球也好，都时刻处于变化之中。虽然能量的形式

    千变万化，但其总量是一定的，既不会增加也不会减少。

    那么，世界为什么会变化呢？我们看见的所有变化，实际上都是从一种能量

    到另一种能量的转化。例如，苹果从树上掉下来时，苹果的重力转化成了苹果的

    动能，但是其总能量没有丝毫的变化。也就是说，发生变化的是能量的分配。

    相反，只要改变了能量分配，就一定会产生变化。例如，不给低处的物体施

    加力量，它就不会自动升到高处。因为从低处升到高处需要新能量的产生，而不

    改变能量分配就无法实现这种变化。从能量分配的观点来看，我们可以用科学明确“能发生”和“不能发生”的事情。

    这 300 年的物理学历史，归根到底是一句话：所有自然现象都可以用能量分

    配这个统一的原理来说明。

    如果将人类作为研究对象，情况就复杂了。因为人类有意志、有想法、有情

    感，这些都会对行动产生影响。明明自然的变化源于能量分配的变化，难道有什

    么特殊情况能让人类搞特殊化，脱离能量分配原理的限制吗？

    1.4 通过“Life Tapestry”可以俯瞰人生

    下面介绍一下我们做的实验。

    目前我们已经可以使用最新技术，以毫秒为单位测量并记录人类 24 小时的

    行动，包括身体运动、与人见面和位置信息等。这 10 年来，笔者一直致力于开

    发这种测量技术，并利用该技术来获取数据。

    这里的实验使用的是腕式可穿戴传感器(称作“生命显微镜”[1])，可以用加

    速度传感器测量并记录胳膊的运动(卷首插图 1)。高精度的加速度传感器可以

    每 50 毫秒测量一次(每秒 20 次)，连胳膊的微小动作也能捕捉到，并将其作为

    加速度(由于测量的是空间中的 3 个方向，因此有 3 个量)记录在存储器中，即

    使不充电也能连续运转两周左右。我们使用该可穿戴式传感器，分别对 12 名实

    验者的胳膊运动进行了 4 周的测量，一共记录了长达 9，000 个小时的数据。

    所有人类行为都伴随着胳膊的运动，所以该传感器测量并记录胳膊的运动，可以说能够反映人类的生活。简单来说，人睡觉的时候胳膊是静止的，只有翻身

    的时候胳膊才会动。人醒着的时候，几乎不会静止不动。看一下加速度的记录，什么时候睡觉什么时候醒着便一目了然。

    现在为了简单起见，我们只关注胳膊 1 分钟动几次。从人 1 天的平均活动次

    数来看，醒着时，胳膊 1 分钟平均运动 80 次；走路时，胳膊 1 分钟运动 240 次。相反地，在电脑前浏览网页时，运动次数下降到 1 分钟 50 次以下。总之有这

    样一个特点：不管是什么行为，胳膊在 1 分钟内都会动几次。在意识到上述运动特点的基础上，再来看自己胳膊的运动记录，就能很清楚

    地想起，过去的每时每刻自己都在做什么。如果长期持续记录的话，就可以像看

    画卷一样，对自己的人生一览无遗。我们用一幅名为“生命织锦”(Life Tapestry)

    的图来表示 24 小时的行动：运动活跃时用红色表示，运动较少时用蓝色表示，运动不多不少时用灰色表示。“Tapestry”是织锦的意思，而我们每个人的生活，就

    像一幅织锦。

    我们看一下实际数据(卷首插图 2)。如图所示，我们可以通过 Life Tapestry

    俯瞰 4 名实验者一天 24 小时、一年 365 天的生活。能如此这般地俯瞰人生，不

    失为一种新鲜的体验。实际上，我从 2006 年 3 月起，每天都 24 个小时戴着这个

    生命显微镜(洗澡和游泳时除外)，持续测量胳膊的运动，至今已超过 8 年。现

    在我把自己的部分人生也一并展示给大家(卷首插图 3)。从图中可以看出，我

    生活的时间段每年都有几次大的变化。这是因为当时我身在国外，存在时差。

    我们可以一目了然地看到，生活模式因人而异。蓝色表示的是几乎没有运动

    的睡眠时间，有的人每天都很规律，也有人随心所欲，毫无规律可言。每个人的

    情况都不同，比如性格的差异，工作和家庭情况的差异等，都会让生活模式多种

    多样。

    我们还可得知，时段不同，活动也不相同。在 Life Tapestry 上，红线几乎覆

    盖了每天早、中、晚 3 个时刻，这表示他们每天都在重复早上上班、中午休息、晚上下班等 3 项活动。此外，也有从动作少的蓝色过渡到绿色的时段。前面也提

    到过，如果是在电脑前安静地浏览网页，或者在会议上静静地听取他人的发言(

    或者睡觉)，运动就会减少，颜色将由绿色转为蓝色。

    综上所述，每个人的活动方式是不相同的，即便是同一个人，每天、每个时

    段也在进行各种各样的活动。但想必大家会认为，在一天的某个时间采取的某种

    行动，是根据自己的意志和喜好决定的。

    1.5 从胳膊的活动次数中发现惊人规律

    真的是这样吗？为了对此进行确认，我们试着用 Life Tapestry 之外的方法来

    呈现数据。我们以 12 名实验者为对象，统计了 2 周的胳膊运动数据。如图所示，在一定范围内，数据呈直线分布(图 1-1)[2]。

    图 1-1 平均每分钟身体运动的次数(N)的分布(12 个人的活动次数×2 周的数据)。纵轴表示累积概率

    ，是由N次以上的身体运动的累计观测时间除以观测总时间得出的。睡觉等身体不活动的时候不进行测量。由于线的倾斜度因人而异，所以结合不同的倾斜度将累积概率进行了规则化。纵轴上表示的 12、14

    等是人们的平均情况。一般用 1a、1a2等表示，a根据每个人、每一天的不同，在 1.5～3 的范围内变化。平均值为a＝2。

    该分布图中，横轴表示平均每分钟的活动次数(N次分)，纵轴表示对测量

    期(2 周)内超过N次的激烈运动进行观测的比率(N次以上的激烈运动的累计观

    测时间除以观测总时间)，这一比率称为“累积概率”。累积概率在纵轴上表示观

    测到N次以上的运动的概率。例如，横轴数值为 200，纵轴数值为 18，就表示每

    分钟 200 次以上的运动的观测概率是 18。

    图中，纵轴的刻度都是“对数”。刻度数值等距分布，为倍数关系。这样绘图

    是为了引出后面将介绍的“U 分布”——一种人类行为和社会活动中常见的统计分

    布。这里的 U 是指 Universal，即“普遍性”的英文首字母。当统计呈现 U 分布时

    ，如果我们采用“半对数作图”进行绘制，图形就会呈直线，因此一目了然。这与数学上“指数分布”的特点相类似。

    U 分布是我们在广泛测量人类行为和社会行动时发现的。如您所见，人类胳

    膊的运动也呈 U 分布。简单来说，特点如下：如果测量期长(超过 1 天)，那么

    低于 50 次分的平稳运动多，激烈运动少。其降低趋势遵循指数函数(章末注 1)。

    这一倾向非常规律且典型。每分钟超过 60 次的运动占 1 天的一半(12)左

    右，但是，每分钟超过 120 次的运动会减少一半(14)。而每分钟超过 180 次的

    运动，会进一步减少一半(18)。如果把这种情况反映到图表中，那么在半对数

    线图中将呈现一条逐渐下降的直线。

    在科学领域，物质中原子和分子的热能分布状况也与 U 分布相同。不管是空

    气还是水，世界上所有物质的原子都在热能的驱动下不停地运动。例如，空气中

    约有 15 的氧分子，这些氧分子在热能的作用下，分别朝不同的方向运动。这些

    运动不仅方向不同，速度也各不相同——既有高速运动的氧分子，也有低速运动

    的氧分子。如果横轴为氧分子(一般来说是分子和原子)的动能，即热能，纵轴

    为超过该热能数值的氧分子的频率(累积频率)，结果仍会呈现相同形状的分布

    ，从半对数线图来看还是一条直线。以热能为横轴的统计分布称为“玻尔兹曼分布”，这是一种决定了所有物质的热能性质的基本分布。

    我们最近发现，若继续使用传感器测量并研究人类的身体运动，就会明白即

    便横轴不是原子的热能，而是各种有关社会现象的量，结果还是会呈现相同形状

    的分布。比如胳膊每分钟的活动次数、顾客在店铺的货架前停留的时间等。

    令人惊讶的是，有关人类行为和社会现象的大量统计分布图都呈现这一形状。更让人感到意外的是，这种现象如此频繁多见，却没有人察觉。不仅是原子能

    领域，在人类行为和社会现象中也普遍存在这一分布规律，因此我们构建了这一

    规律的理论依据，并将该数理统计的分布命名为“U 统计”。

    有关胳膊运动的实验结果让人感到不可思议。我们测量并统计了一天内胳膊

    每分钟的活动次数后发现，结果与图 1-1 一样，是呈直线形的 U 分布。我们认为

    这也许是偶然现象，于是又在另一天进行了实验，结果还是呈现 U 分布。此外，我们还根据 12 名实验者的数据绘制了图表，结果发现他们每天的数据全部呈现

    U 分布。鉴于结果太过神奇，我也调查了一下我自己的数据，可每天的结果仍然

    呈现完美的 U 分布。再琢磨一下这其中的意义，我们会发现更加惊人的事实。被实验者都认为自

    己可以根据自己的意志和想法来决定行动，因此每个人发出的行动不同，其动作

    也各有特点。而这正与具有普遍性的 U 分布相矛盾。

    举例来说，人在发言时的运动频率是 150 次分，浏览网页时的运动频率是 3

    0 次分。如果人们按照自己的意志选择这一天何时采取何种行动，由于选择不同

    ，呈现的分布规律应该也各不相同，因此不可能每天都呈现统一的 U 分布。更何

    况，每个人的工作不同，性格和年龄也不同。可神奇的是，人们都像被施了魔法

    一般，一天 24 小时都沿着 U 分布行动。

    这简直像变魔术一样，不管怎么洗牌，最上面的一张都是黑桃 A。但是，现

    实的人生和世界不是魔术，没有什么机关窍门可言。到底是什么在无形之中引导

    着人类的行动呢？让我们再深入研究一下。

    1.6 递降分布统治社会之谜

    这种普遍性递降的统计分布是深入理解人类行为、社会及经济现象的关键。

    下面我将具体介绍一下这个重要的统计分布曲线。

    在统计学中，以正态分布——“吊钟形”分布居多(图 1-2)。其特点是，以

    平均值为中心，两侧(高于平均值和低于平均值)的曲线左右对称。

    图 1-2 正态分布(泊松分布)和 U 分布的比较。正态分布呈吊钟形，以平均值为中心，两侧(高于平均

    值和低于平均值)的曲线左右对称。U 分布是逐渐下降的曲线分布。半对数线图则呈一条直线分布。

    我们来举一个正态分布的实例。掷了几次骰子后，点数的平均值是多少？假设我们掷了 5 次骰子，点数依次为 3→5→1→6→1，那么 3+5+1+6+1=16，16÷5=3

    .2，平均值就是 3.2。如果我们反复掷多组，每组还是掷 5 次，虽然得出的平均值

    各不相同，但结果均以 3.5 为中心(骰子点数的平均值是 3.5)上下波动。这就是

    正态分布。掷 5 次骰子得到的平均值大多都接近 3.5，很少会出现像 1 或 6 这样

    偏离 3.5 的数值。因为想让平均值为 1，就必须每次都掷出点数 1，而这是极其偶

    然的情况。

    在统计学的相关书籍中，很多书的内容都是以正态分布为前提的。想必许多

    人都认为，世界上大部分现象都可以用正态分布表示，其余的情况都是例外——“

    正态”这个名称本身就包含了这层意思。

    但是，在现实社会中，大数据的统计分布大多为递降的 U 分布。在这一分布

    中，当变量为 0 时频率最高，随着变量的增大，频率会逐渐降低。并且，正态分

    布与 U 分布的形状差别很大，前者呈吊钟形，后者呈递降曲线(章末注 2)。

    我们该如何理解这一现象？难道只是碰巧变成了一条递降曲线？我查阅了许

    多书籍和文献，都没有找到人类行为呈递降分布这一规律的原因。每次见到统计

    学和物理学界的学者，我都会问：“为什么统计学中用正态分布进行研究，而物理

    现象用递降分布研究呢？”明明是基本的问题，却几乎没有人能回答上来(唯一明

    确回答我的，是巴西统计物理学界的权威康斯坦丁诺·查理斯教授。他的回答令我

    深受启发，在此也向他表示感谢)。很长一段时间以来，我的眼前仿佛烟雾弥漫

    ，一片模糊。但是最近我通过模拟和解析，终于找出了让人心悦诚服的答案，眼

    前也顿时云开雾散，一片清明。

    “反复之力”，是一种我们平时没有感知到的力量。通过研究，我渐渐看到了

    这种力量是如何撼动整个社会的。

    1.7 反复移动就会出现 U 分布

    大数据中常见的递降 U 分布的本质是什么？下面将用图像直观地进行介绍[3]。

    首先，我们看一下由 30×30(900 个)的方格构成的网格图(图 1-3)。假设有 72,000 个小球，我们将其完全随机地放到图中[4]。

    图 1-3 网格中散布的小球在正态分布和 U 分布中的差异。本书是用 30×30 的网格实验进行解说的，但为

    了清晰起见，我们只扩大展示了其中一部分。并且，要展示所有小球的话会有重叠，所以我们把每 10 个

    小球整合为 1 个小球显示在图中。

    如果用电脑模拟实验，那么可以随机生成小球的位置。首先生成水平方向(

    x)和垂直方向(y)上 1～30 个随机数，然后把小球放在(x，y)的位置上。这

    样一来，一个方格中平均会有 80 个小球，80(个)×30(格)×30(格)= 72,000

    (个)。

    这张网格代表了你的 1 天，每个方格代表 1 天中的 1 分钟。网格图中的方格

    总数是 900，假定 1 天有 900 分钟(15 小时)的活动时间，则方格总数与活动时

    间相对应。此外，方格中的小球个数代表胳膊 1 分钟的活动次数。每个方格中平

    均有 80 个小球，即假定胳膊 1 分钟平均活动 80 次。现实生活中，虽然活动时间

    和胳膊的平均活动次数会因人和状况的不同而有所变化，但是也会出现 1 分钟 80

    次的活动次数(即使换一个数字，也不会对以下结果造成影响)。

    如图 1-3 所示，虽然每个方格中的小球数量不同，但是基本平均在 80 个左右。这一统计分布即为正态分布(专家称之为“泊松分布”，以区别于正态分布，但是两者基本相同，因此本书不作区分)。

    通过掷骰子的方法也可以得到基本相同的结果，只不过花些时间罢了。在每

    个方格中掷 23 次骰子，得出的点数总和基本以 80(准确说是 3.5×23=80.5)为中

    心上下波动。这和刚才的模拟结果相同，呈现正态分布。

    现在我们只是随机分配小球，每个方格中的小球不会自主地从一个方格移到

    另一个方格。接下来，我们在方格之间移动一下小球，看看情况如何。

    我们随机选择两个方格，将其中一个方格中的 1 个小球移到另一个方格中，然后进行反复移动。大家可能觉得，原本就是随机放置的小球，方格也是随机选

    择的，即使移动小球，结果也不会有所变化。我曾经给很多人出过这道题，所有

    人的回答都是“结果不会变”。

    但是，事实胜于雄辩。请看一下图 1-3 中位于下面的图。这张图是“反复移动”10 万次后的结果。反复移动的次数越多，小球的分布就越趋向“斑点状”。其实

    ，因移动而产生的“斑点状”才是现实社会的大数据中常见的递降 U 分布。也就是

    说，我们将小球按照从多到少的顺序，统计其数量分布情况，会发现数据呈现 U

    分布。U 分布的制作方法是非常简单的。

    与 U 分布相比，原来的正态分布整齐划一。从结果来看，两者的差异很明显

    ，正态分布是随机的、均匀的，而递降分布是散乱的“斑点状”——比彻底的随机

    还要散乱。这话听起来有点矛盾，但事实就是如此。其实，基于同一随机数的随

    机性，产生的是十分均匀、整齐的状态。而 U 分布中允许出现“不均匀”，是一种

    更自由的状态。

    U 分布是将玻尔兹曼分布普遍化的产物，但即使是专门研究物理的人，恐怕

    也是第一次如此直观地看到玻尔兹曼的空间分布。至少笔者在任何一本统计物理

    学的书籍上，都没有见过这样的图。翻开统计物理学的书籍就会发现，玻尔兹曼

    分布公式(以温度的倒数为指数的指数函数公式)随处可见。但是，只有公式的

    话，我们完全无法想象其空间分布究竟是怎样的。

    气体中的分子之间经常相互碰撞，与此同时会交换彼此的能量。这类似于方

    格之间小球的反复移动，因此我们也就不难理解，分子能量的分布也与 U 分布相

    同，是呈递降的玻尔兹曼分布。

    从结果来看，递降 U 分布中，小球集中于少数几个方格中。定量分析的话，在前 30% 的方格中，小球的数量占总体的 70%。我们经常谈到“二八定律”，即前

    20% 中集中了整体的 80%。例如，人们经常说 20% 的员工取得了 80% 的销售，2

    0% 的企业创造了 80% 的 GDP 等。虽然这个 U 分布没有完全集中到 2080 这种程

    度，但也已经相当集中了。

    那么，小球的分布呈现斑点状意味着什么？打个比方来说，是方格和方格之

    间产生了“贫富差距”。分配小球时，自然而然就会产生两种方格：一种是集中了

    很多小球的富裕方格，另一种是没怎么分到小球的贫穷方格。之所以会产生这种

    差距，是因为小球在方格和方格之间反复移动。

    有趣的是，明明每个方格都是“机会均等”的，小球却集中到了少数特定的方

    格中。也就是说，即使“机会均等”，产生的结果也不平等。即使是均等地“反复移

    动”，也会产生不平等的结果。

    我们必须记住的是，小球集中到特定的方格中，不是由方格自身的特殊性，比如能力差距等导致的，而仅仅因为均等的反复移动。即使我们不做方格之间存

    在能力差距这种假设，由于概率问题，还是会导致差距。也就是说，“反复之力”

    造成了这种“贫富差距”。

    说句题外话，从经济贸易出现起，自给自足的人类之间就产生了贫富差距这

    种原始的模型。

    我们往往以为凡事必有因。总是以为富裕的人和不富裕的人之间，在行动方

    面应该存在差异，然后去探求这一结果背后的原因。但实际上，当发生了很多次

    反复移动，即使没有确切的原因，其结果分配还是会明显偏向一方。我们必须记

    住，资源(小球)分配不均绝不是因为能力和努力的差异，而是由“反复移动”产

    生的统计力量导致的。在现实社会中，不仅有自然产生的分配差距，还存在能力

    差距，因此贫富差距进一步扩大。

    在“反复之力”的作用下，资源分配的差距阐释了人类广范围的行动和社会现

    象。而将此上升为理论依据的就是 U 分布。

    在此，我们需要考虑一个简单的问题——小球的分配。随机反复移动小球的

    话，会出现怎样的结果呢？这个问题我问过几十个人，其中很多人是理科博士。

    然而，让人惊讶的是，这么简单的问题却让他们调动了全部的经验和知识，最终

    也没能预测到结果。很多人回答，小球的分配还是随机的，没有变化。这个结果明确表明，对于包含“反复运动”的现象，我们的预测能力是何其欠缺。人类有一

    种强烈的倾向，即总想借助因果关系来认识世界。但是，因果关系这种思考方式

    ，可能并不适合预测多次反复后的结果。

    1.8 我们在各个时间点之间调配“胳膊运动”

    现在，让我们回到之前关于人类 1 天的运动的问题。人类的运动遵循的是正

    态分布，还是递降 U 分布，又或者是其他的分布？实验结果表明，遵循的是递降

    U 分布。那么这意味着什么呢？

    首先我们来确认一下，一个人的行动中是否存在很多反复运动和统计要素。

    当然是存在反复的。如果将你 1 天的行动按分钟累积起来，那么 1 天大约有

    超过 900 分钟的活动时间。这是一个很庞大的统计数据。

    现在我们再看看图 1-3 中 30×30 的方格。用一张网格图代表 1 天，网格中的

    一个方格对应 1 分钟。1 分钟做什么可能取决于各种情况，并由此决定了这 1 分

    钟里胳膊的活动次数。如果方格中有 10 个小球，就表示每分钟胳膊运动了 10 次。

    我们每天活动的时间大约有 900 分钟，胳膊活动约 7 万次。将这 7 万次的运

    动分配到每分钟，如果我们在各个时间点的行动类型都是随机的，那么小球的分

    配应该会呈正态分布。中心值就是 70,000900 的平均值。

    但实际上，小球的分配呈现“斑点状”的递降 U 分布。这一分布规律的本质，是小球在方格之间的反复移动。类推到人类行为的话，一张网格图相当于 1 天，由 900 个 1 分钟组成，在每个 1 分钟(方格)之间，胳膊反复调配着 7 万次的运

    动。

    “调配”是指在哪个时间点活动胳膊。胳膊 1 天大约活动 7 万次，这一总数基

    本是固定的，我们只是配合优先活动程度调整了胳膊的运动。

    例如，上午减少活动量(胳膊的活动)，下午全身心投入工作，向顾客提出

    方案(频繁活动胳膊)就属于这种情况。又比如，有时候我们会在 11 点之前集中精力按时完成资料制作(频繁活动胳膊)，之后稍事休息(减少胳膊活动)。

    胳膊的活动次数是有限的，不需要优先活动胳膊时就保存体力，而需要优先活动

    时就多分配一些，这就是“胳膊运动的调配”。或许我们都在下意识地调整行动，这种调整细致入微、不计其数。我们每分、每时、每天都在使行动最优化。

    你根据是否需要优先活动胳膊而无数次地调整胳膊的运动，递降 U 分布则正

    好证明了这一点。如果你停止这种优化行为，那么胳膊运动的分布应该会接近图

    1-3 的正态分布，而实际上这种情况不会发生。人类每天都会将有限的胳膊运动

    资源分配到每时每刻的行动之中。

    现在让我们回到本章开篇提出的问题，即人的行动会像物质一样受到能量的

    限制吗？宇宙中的所有变化都源于能量的转换，唯独人类的行动就取决于意志、喜好和情绪吗？只有人类是特别的吗？

    结论就是，人类的行动并不特别。对于人类的行动，我们不能像原子运动和

    电磁波一样，来严格定义“能量”。但是，胳膊活动次数的分布与原子能量的分布

    可以用同一个公式表示。

    这并非偶然。因为两者都在反复调配有限的资源，并呈现出相同的结果。

    在物质中，热能在分子间被反复调配。而你每时每刻也都在调配胳膊的运动。一个是“能量”，一个是“有限的资源”，虽然名称不同，但本质相同。更准确地

    说，能量是有限资源的一种，可以视为特殊的资源。

    实际上，胳膊的运动是我们活着的重要资源。你身体的运动，也可以说是你

    得以采取行动的唯一来源。在模拟实验中，我们将该资源形象地比作小球。小球

    随机地反复移动是再简单不过的模型，我们可以通过这个模型解释人类行为这一

    复杂的体系。它将表面的宏观现象与其背后微观下的反复状态联系到了一起。下

    面我们来进一步思考这种宏观和微观的关系。

    1.9 即使不知道微观状况也能预测宏观状况

    19 世纪前半叶是定量化理解“气体受热膨胀”(物质的基本特性)的时代，这

    个时期确立了热力学理论。但是，气体受热膨胀现象的背后到底发生了怎样的微观变化？也就是说，分子运动与气体状态的关系是怎样的？实际上当时人们对此

    并不清楚。19 世纪后半叶到 20 世纪前半叶，从原子运动的角度说明宏观物质性

    质的理论才确立下来。该理论即“统计力学”。

    统计力学通过“反复之力”——构成气体的无数微观分子的反复碰撞，来说明

    上述气体膨胀的宏观现象，并且将这种反复上升为理论，从而能够预测现象。其

    基本的理论体系是由詹姆斯·克拉克·麦克斯韦、路德维希·玻尔兹曼、吉布斯、爱

    因斯坦构建起来的。小到身边的物质，大到宇宙万象，这一理论体系解释了很多

    现象。

    我们从中发现了一个重要原理，即随着反复移动次数的增多，即使不知道具

    体的微观状况，也能预测并控制宏观现象。我将这种原理称作“多次移动原理”。

    也就是说，当移动数量足够大时，并不需要了解每次移动各自的具体情况，重要

    的是与移动相关的少数规则。

    没有这个原理，我们将无法预测由无数个原子构成的自然现象。不管出现多

    么先进的超级计算机，都不可能对与自然现象相关的原子运动的初期条件了如指

    掌，也不可能模拟所有原子的运动。但是，当存在大量微观的“反复移动”时，大

    部分微观状况都不会对宏观现象产生影响，而只有极少数一部分信息才会影响宏

    观现象。借助该原理，自然现象中的微观和宏观就联系到了一起。

    同理，对于人类每天超过 7 万次的胳膊运动，即便我们不考虑诸如意识、想

    法、情绪、事情等时刻变化的具体情况，也能实现科学的预测和控制。如果我们

    测量人类行为并调查其分布规律，无论被测人持有什么意识、想法、情绪或者做

    了什么事情，结果都会呈现 U 分布。这也是“多次移动原理”的一种体现。同样地

    ，虽然我们无法控制空气中的单个分子，但是我们能预测并控制由无数个分子的

    反复碰撞产生的气压和温度。

    所谓 U 分布统计，就是将宏观和微观结合起来的理论。在每时每刻的微观行

    动中，重要的是明确小球的存在，即资源是什么，以及这些小球按照什么规则移

    动。如果没有移动，结果就会呈现以往统计学中常见的正态分布，而如果发生移

    动，就会呈现 U 分布。在原子的世界中，能量作为“小球”这一资源发挥着作用，而在人生和社会中，“小球”资源也发挥着同样的作用。从微观上来看，能量的反

    复转换创造了自然现象。同样地，胳膊每一秒的反复运动也创造了社会现象。并

    且，我们能够科学地预测这些反复转换或运动。1.10 时间的利用方法受到规律限制

    在如何利用时间方面，我们能从前面得出的结论中获得一些启示吗？答案是

    YES。

    将能量普遍化的“资源”及其“反复转换”阐释了人类的行动。现实中的所有现

    象都可以用资源分配的变化来说明。例如，由于能量守恒定律的限制，我们可以

    断定水从高处流向低处，而绝不会从低处流向高处。实际上，如果人类的行动接

    受资源转换定律(相当于能量守恒定律的普遍化)的支配，那么人类行为就会受

    到严格的制约，如此一来，时间的利用方法也会受到严格的限制。

    比如说，我正在用电脑写稿，而截止日期已迫在眉睫，那么在这段时间我能

    一直写下去吗？

    写稿时，胳膊的运动是有特点的。如果按照同样的速度写稿，那么胳膊每分

    钟的活动次数会在某个范围内波动，我们称之为运动的“频带”。假设写稿期间每

    分钟平均活动 60 次，动作较多时达到 70 次，动作较少时为 50 次，那么运动的

    频带就是 50～70 次分。如果保持每分钟平均 60 次的运动，那么 1 天的运动将呈

    现什么分布规律呢？答案是以平均值 60 次分为中心，呈吊钟形的正态分布——

    竟然不是 U 分布，这怎么可能呢？我们可以断言，在现实中这是不可能发生的。

    假设在众人面前发言时，胳膊 1 分钟的活动次数为 120～180 次(平均 150

    次)，那么我能够发言 5 个小时，而只写 3 个小时的稿子吗？这显然是不可能的。因为这样的话，运动的统计分布就不是 U 分布了。U 分布是沿着一个方向逐渐

    下降的曲线，如果活跃的运动比安静的运动花的时间还要长，就违背了 U 分布的

    规律。在 U 分布中，快速的运动与缓慢的运动相比，花费的时间只能更短。想要

    使运动呈现 U 分布，就必须减少 120 次分的运动，或者增加 60 次分的运动。

    如果我只是发言和写稿子，就会产生未被使用的频带。即使没有将低于 50

    次分、70～120 次分、高于 180 次分的运动列入假设，这些运动还是会按照 U

    分布分配到一定的时间。稿子急需赶工，虽然我想优先写稿，但还是不得不花相

    应的时间在那些未被使用的频带上。如果我非要按自己的想法做呢？比如我勉强

    自己遵守了时间表，但有可能我的发言一看就没有用心，或者我心慌意乱地走来

    走去，根本无法集中精力写稿，也就是说时间还是花费在了不同频带的行动上。如此看来，如何有效利用因写稿和发言而未被使用的频带，是关系到时间使用方

    法的重要课题。

    我们以为可以自主决定 1 天的必做事项并为各个事项分配时间，但那根本就

    是天方夜谭。

    1.11 “经常动的人”=“有工作能力的人”吗

    U 分布的有趣之处在于，身体 1 天的运动次数的分布，基本由运动总次数(

    或者是 1 天中平均每小时的活动次数)这个唯一变量决定。如果运动总次数确定

    了，那么按照 U 分布，各频带运动所花的时间也就确定了。我们称之为“活动预

    算”。

    如果 1 天的活动总量(身体运动的总次数)确定了，那么分配到各频带的活

    动预算也就确定了，并且不能超出预算时间。反之，无论多忙，各个频带的活动

    都必须花掉相应的预算时间。再具体点说，从实验中我们得知，低于 60 次分的

    活动，必须花费 1 天活动时间的 12 左右，60～120 次分的活动必须花费 1 天活

    动时间的 14 左右，120～180 次分的活动必须花费 1 天活动时间的 18 左右，18

    0～240 次分的活动必须花费 1 天活动时间的 116 左右。

    每分钟的平均活动次数因人而异。这种差异也会体现在分布图中。活动次数

    少的人，递降分布曲线的倾斜度大，呈快速衰减状态；活动次数多的人，递降分

    布曲线的倾斜度小，呈逐渐衰减状态(在图 1-1 中，倾斜度的差异消失，纵轴呈

    现正态化分布)。该倾斜度的倒数称为“活动温度”。统计力学中，根据玻尔兹曼

    递降分布中倾斜度的倒数定义了物体的“温度”，这里是据此进行的类推(章末注

    3)。但在此我们不对统计力学的具体理论做深入探讨，只要大家理解 1 分钟的

    平均活动多(或者说 1 天的运动总次数多)称作“活动温度高”，反之称作“活动温

    度低”即可。

    当我们注意到这一点后再去看实验结果，就会发现物体分为冷、热两个状态。同样地，人的活动也分为活跃的“热天”和安静的“冷天”。

    我们进一步发现，活动温度因人而异。有活动温度偏高的“热人”，也有活动温度偏低的“冷人”。“热人”的平均活动次数约为 120 次分，而“冷人”的平均活动

    次数约为 60 次分。

    活动温度偏高的“热人”，平均来说活动得较多。而活动温度偏低的“冷人”则

    活动较少。乍一看好像活动温度偏高的人更加活跃，能做更多的工作。但是，事

    情并没有这么简单。

    假设活动温度高的人需要做低频带的活动(动作少的活动)，比如写稿，即

    使他们不愿在高频带的活动(动作频繁的活动)上花时间，也不得不这么做。因

    此，他们无法把时间花在写稿这种低频带的工作上。也就是说，这种人很难长时

    间伏案工作。

    相反地，活动温度低的人(即递降分布图中倾斜度高的人)即使想从事高频

    带的工作(活动较频繁的工作)，也很容易出现活动预算不足的情况。因此，他

    们很少在这种工作上花时间。

    1.12 把握各频带的活动预算，充分利用所有频带

    既然人类的运动遵循 U 分布的规律，那么为了有效利用全天的时间，重要的

    是把握各频带的活动预算，然后均衡地使用所有频带的活动预算(能量)。如果

    无视这一点，就算我们制定了 1 天的计划，最终还是无法按计划进行。

    轻易制定的计划可能有害而无利。之所以这么说，是因为如果我们不知道这

    个原则，就可能陷入自我厌恶的状态，认为没有完成计划是由自己的意志薄弱所

    致。

    然而事实并非如此。计划之所以没有完成，只不过是因为你在推进必做事项

    时，用光了各频带所有的活动预算而已。

    在这里，笔者借用了无线通信领域的“频带”一词。在利用无线电波的通信领

    域，一个常见的思考和实施方式,是将活动分配到每个频带(也称作波段)，并充

    分利用所有频带。

    电磁波广泛应用于收音机、电视机、手机、GPS 定位系统以及收费处的 ETC等。一方面，各频带的各个用途之间必须互不干涉；另一方面，如果不用完所有

    频带就会浪费。因此，按照法律规定，使用电磁波时必须根据用途确定电磁波的

    频带，并用完所有频带。

    然而，对于人类活动的频带，由于之前不知道上述原理，因此没能有效地利

    用。

    如果使用可穿戴式传感器的话，我们不仅能掌握自己的哪个活动利用了哪个

    频带，还能明确 1 天的活动预算。此外，通过该传感器，我们还能得知一天中某

    项活动的预算还剩多少。这就像一边开车一边在汽车仪表盘上确认汽油剩余量一

    样，与不看计量仪比起来，应该能更顺利地到达目的地吧。

    1.13 没有干劲是因为活动预算用光了吗

    从这一层面来看，现实生活中的我们就像在完全不知道汽油剩余量的情况下

    开车。这样做会发生什么呢？当然是汽车因为突然耗尽燃油而抛锚。假如是人，可能 1 天还没过完，突然某项活动的时间预算就用光了。

    当我们用光了活动预算，会发生什么事情？恐怕我们将无法继续那项活动，或者失去干劲。

    总感觉没有继续做下去的干劲了——想必每个人都有过这样的体验。事实上

    ，没有干劲可能是因为活动预算用光了。

    在预算用光的情况下，如果我们还想勉强自己继续做下去，结果可能就是睡

    过去，或者无法集中精力(精力不集中时的动作必定不同于精力集中之时，也就

    是说用到的是不同的频带，因此可以在不违背 U 分布的情况下持续下去)。说不

    定这也是造成压力的重要原因之一，目前我们正在推进相关研究。

    再者，人有没有动力和干劲，是否会继续做下去，一个很重要的因素是有没

    有按照 U 分布来分配时间。是脱离 U 分布勉强行事，还是按照 U 分布开展行动

    ，这将产生两种截然不同的走向。

    如果能够根据传感器测量自己的行动，将每天已使用完的频带和剩余频带的信息可视化，那么我们就可以在每天的行动中，发现无数个优化时间的机会。

    1.14 熵是什么？是表示杂乱的量吗？

    人的活动遵守 U 分布，受到身体活动这一有限资源(能量普遍化的产物)的

    限制。这意味着，我们是在自然法则无形之手的支配下开展活动的。

    以能量带来的制约为研究对象的科学体系称为热力学。热力学在人类活动方

    面也可以成立，这不足为奇。

    热力学中存在 3 个基本定律。

    热力学第零定律，指系统中存在“温度”的概念。也就是说，东西有冷、热之

    分。前面说过，人类活动中也能导入温度的概念，也有冷、热之分。

    热力学第一定律，是能量守恒定律。前面说过，宇宙中所有变化的资源——

    能量的总量是保持不变的。人的活动也受到能量普遍化的产物，即“身体活动”这

    个总资源的限制。

    热力学第二定律，是熵增定律。该定律也适用于人的活动(热力学第三定律

    也为人所知，但这是很久之后才追加的一条，定律的普遍性也比其他定律低，因

    此这里不做解释)，我们后面再做说明。

    先解释一下“熵”这个词吧。

    熵这个概念，最初由德国的物理学家鲁道夫·克劳修斯在 19 世纪后半叶提出

    ，用以表述“热”这种奇妙的物质性质。后来，奥地利的物理学家路德维希·玻尔兹

    曼明确揭示了熵与原子运动的统计关系。

    我们一般认为，熵表示的是对象体系的“杂乱”“无序”和“随机”(实际上这是

    不正确的，关于这一问题将在后面进行说明)。

    我们还进一步明确，这种“杂乱”会一直增加，绝不会减少。打个比方，如果

    自己的桌子上乱七八糟，无法整理，有人就会找借口说，“熵会增加，无计可施”。全宇宙的熵也会不断增加，于是有人就悲观地预测，宇宙早晚会越来越乱，最终变成一个完全杂乱、随机的“死亡世界”。

    德国生理学家、物理学家赫尔曼·冯·亥姆霍兹最先提出了这个预测，并称之

    为“热死亡”。但是，这又和现实相矛盾——宇宙从起源至今的 140 亿年间，形成

    了地球、丰富多样的自然秩序和生态系统。因此，自古以来，关于熵的解释就争

    论不断。

    实际上，将熵增的世界视作“随机无序的世界”“死亡世界”的观点，是对熵增

    的很大误解。熵是衡量“杂乱无序”的尺度，因此在很多人的印象中，熵增的世界

    中都是随机的噪音。在这个由随机数创造的杂乱的世界上，美丽地球的自然秩序

    和生物活力被毁灭殆尽，只剩“沉默和噪音”。打个比方，以前的电视把模拟信号

    转换为图像，播放结束后，屏幕上会出现雪花，也就是变成了只有白噪音的世界。所谓白噪音，指的是所有频率(频带)的噪音均匀重叠在一起所产生的噪音，可以说是一种非常不规则的噪音。这就是最杂乱无序的终极世界——“死亡世界”

    的样子。

    但是，熵一旦增加就会变成白噪音世界的观点是错误的。

    只要做一个统计分布图，真相就会一目了然。如果将白噪音世界中杂乱的物

    质分子做成频率分布图，结果就会呈现正态分布(参照图 1-3)，而不是 U 分布。在噪音均匀的状态下，熵比较低。

    熵大的状态，指的是更加自由、大胆地分配资源(能量)的世界。而随机均

    匀的世界，指的是完全相反的低熵状态。也就是说，比起吊钟形的正态分布，U

    分布状态下的熵更大。实际上，熵最大的分布就是玻尔兹曼分布(U 分布)，这

    是要在统计力学课堂上最先学习的基础知识。

    在本章的前半部分，我们对比了正态分布和 U 分布。实际上，图 1-3 中所示

    的 U 分布世界，才是熵很大的状态。比起正态分布，那是一个更加参差不齐的斑

    点状世界，是从限制中解放出来，自由反复地调配资源的世界。唯一受到限制的

    是总资源，即总能量。

    因此，熵不应该像以往一样被视作衡量“杂乱”“无序”的尺度，而应该理解为

    衡量“自由”的尺度。至少这样理解不会产生误会。

    随着时间的流逝，宇宙逐渐从大爆炸，即诞生时期的藩篱(均匀性)中解放出来，偏离正态，趋向自由。实际上，在思考人类活动的熵时，将熵视作衡量“自

    由”的尺度至关重要。

    1.15 自由的牢狱——正因为自由人类才遵守规律

    从数学角度定义熵的，是奥地利物理学家路德维希·玻尔兹曼。

    在肉眼可见的宏观世界背后，存在一个看不见的微观世界(原子世界)。在

    这个微观世界中，有无数个原子在以惊人的速度反复地运动和碰撞。乍一看物质

    在宏观上没什么变化，微观上却在反复变化着。但是，不管怎么组合，不断变化

    的无数微观状态(分子、原子的位置和移动速度)与宏观状态下的物质都是一样

    的。

    玻尔兹曼在不改变温度和压力等宏观性质的情况下，计算微观状态下可能出

    现的组合数量，将其总数的对数作为熵的数学定义①。这就是有名的玻尔兹曼公

    式，它还被刻在了维也纳玻尔兹曼的墓碑上。

    这意味着，在不改变宏观状态的情况下，可以实现的微观状态有很多。这与

    熵大的状态相对应，并且与将熵视作“自由”尺度的理解完全一致。

    对于人类活动的熵，也可以直接用这个方法来定义。以人 1 分钟的活动次数

    表示人的微观状态，在一段期间内，计算微观状态的组合总数，然后取对数，就

    可以定义人类的熵了。这表示了人类活动的自由度和不受束缚的程度。

    假设我们身处全天被强制重复同一机械工作的状况。此时人的行动可选的状

    态组合数较少，熵变低，即变成不自由的状态。

    如果我们每隔 1 分钟用掷骰子来改变行动的话会怎样呢？由于受到每隔 1 分

    钟就要改变行动的限制，结果接近均匀的随机状态，也就是非自由状态，熵变低。而所谓熵大的状态，指的是从所有的限制中解放出来的自由状态。这实际上就

    是 U 分布表示的状态。

    我们这样定义人类活动的熵，并逐渐延长时间的话，熵也会逐渐增加。

    熵会自然而然地增加，意味着在自然规律的推动下，我们和宇宙从各种各样的限制中解放出来，走向自由。

    然而，讽刺的是，自由伴随着代价。一直处于自由状态，反而会受到限制。

    德国作家米切尔·恩德凭《永远讲不完的故事》和《毛毛》名满天下，他在作

    品中提到了一个“自由监狱”，讲述了可以自由选择的权利逐渐成为折磨自己的限

    制的故事。

    虽然状况各异，但是一般来说，对自由的认可意味着控制难度的提高。而难

    以控制的后果，就是人的“活动效率”受限。我们已经分析过了，因为自由，人无

    法把时间 100% 花在一项活动上，从而也会限制业务生产力和时间利用方法等方

    方面面。

    1.16 人类活动的极限可以用热力学公式表示

    在物质世界中，因熵增加出现的效率受限理论已经确立了。从该理论中我们

    可以得知，熵的增加使发电站和发动机的效率受到限制。

    将热能转换成机械能的装置叫热机。核电站、火力发电站和汽车的汽油发动

    机都是热机。

    热机的效率(热效率)有上限这一点已广为人知。例如，在核电站，核裂变

    产生热能，在热能作用下产生水蒸气，进而带动涡轮机运转，产生能量。但是，由于熵增加的限制，不管技术怎么发展，将热能转换成能量的效率都不会达到 10

    0%。该转换效率与能量的成本直接相关，因此存在极大的经济价值。

    虽然人类活动与热机不同，但是与物质一样，人类活动中微观要素间的资源

    分布和熵增定律也受到相同规律的支配。因此，人类活动和热机一样受到限制。

    由于人类活动有很多方面，因此效率的定义也可以是多种多样的。在这里，我们从热力学中类推，选择了最机械性的定义方法，将活动效率定义如下：以活

    动总时间为分母，以在该活动时间内，目标活动的投入时间为分子，分子分母相

    除得到的值即为活动效率。用于目标活动的时间比率，也就是在某项活动中可使

    用的时间比率，称为活动效率。如果能按照自己的意志来选择活动，那么活动效率可以提高至 100%。但是

    ，如果人类活动遵守热力学定律，那么活动效率就会受到某个上限的限制。熵增

    定律必须认可活动的“自由”。所谓自由，就是不能将资源全都集中到一项活动上。讽刺的是，认可了自由，就意味着限制了活动时间。

    这与热机效率受到熵增定律的限制是同样的道理。正因为原子运动是自由的

    ，热机效率才会受限。

    我们在物理学中发现，热机效率上限可以用一个简单的算式来表示，该算式

    称为“卡诺效率”。卡诺效率的计算方法是“1 减去高温热源温度与低温热源温度之

    比”。数值越大，卡诺效率越高。

    例如，当热机的高温热源是 100 摄氏度(绝对温度为 373 度)，低温热源是

    0 摄氏度(绝对温度为 273 度)时，卡诺效率就是 1-(273373)≒0.268，因此

    效率绝不会超过 26.8%。这是法国军人兼物理学家萨迪·卡诺在研究蒸汽机的效率

    是否有上限时得出的公式。

    如上所述，如果将物质的热力学和人类活动相对应，那么表示热机效率上限

    的卡诺效率公式也同样适用于人类活动。也就是说，人类活动也存在效率上限。

    并且令人惊讶的是，卡诺效率公式在数学上也同样成立。我们已经发现的表示人

    类活动效率极限的公式如下所示：人类活动的效率上限等于 1 减去用于某项活动

    最活跃的动作值(××次分)与最稳定的动作值之比。也就是说，该活动中人类活

    动频带的上限值与下限值限制了效率。

    假设写稿时的活动次数是 1 分钟 50～70 次，那么效率极限即“卡诺效率”为 1

    -5070≒0.286，效率极限就是 28.6%。由此我们可以预测在 1 天的活动时间内，写稿时间绝不可能超过 28.6%。

    真的是这样吗？我们用前面所说的 9,000 个小时的数据，绘制了所有频带的

    活动效率图。该图表的绘制方法是，随机选出各种各样的频带，根据动作的上限

    值和下限值算出“卡诺效率”的值(横轴)，从实际测量数据中，查出在总活动时

    间中用于该频带的时间比率(纵轴)。由此我们可以证明，人类的活动效率全都

    分布在以卡诺效率公式为上限的区域中(图 1-4)。图 1-4 这是证实人类活动效率与热效率受同一公式限制的数据。活动效率受活动频带(频带下限为 KL，上限为 KH)的限制。

    综上所述，人类活动受到的限制与热机是一样的。

    1.17 人的自由与限制

    前面我们分析的都是人类行动因自由而受限，下面我们从熵的角度思考一下

    ，人类的自由本身是否受限。

    如图 1-1 所示，严格地说，在 230～300 次分附近，曲线突然弯折，迅速下

    降。胳膊不会超速活动，其运动基本以 300 次分为上限，只有极个别情况才会超

    过这个上限。专家将这种理论上不会超过的上限称作“Cut Off”。在 U 分布中，与

    之相似的是 Cut Off 之前的有限区域。但是，根据人和时间的不同，我们有时也会在除此之外的中间区域内，找到

    没有完全落在直线上的部分。也就是说，有时多多少少会“偏离”直线。如果人类

    活动的熵完全实现了最大化，就会完美地呈现出一条直线。因此，“偏离”程度表

    示了熵值与最大熵之间的“偏离”。由于熵是衡量活动自由度的尺度，因此这种“偏

    离”显示了自由受限的程度。

    通过详细调查这种“偏离”，我们就能将此人在工作和家庭中不自由、受束缚

    的程度定量化。今后，随着这项研究的不断推进，我们可能会清楚地了解人的压

    力和精神健康的关系等。在第 2 章、第 3 章中，我们将进一步明确这种行动限制

    意味着什么。

    注 1

    指数函数指用y=ax

    (x是实变量，a是常数)表示的函数。x是 1，2，3……(

    以一定的间隔变化)时，y就是a，a2，a3……。

    注 2

    关于“累积概率分布与概率密度分布的区别”和“分布名称”，笔者想先在这里

    做一下补充说明。

    我们在讲 U 分布时(例如图 1-1)曾说过，以累计值为纵轴的累积概率分布

    为指数函数，呈“递降”趋势。实际上，U 分布中，概率密度分布也是“递降”的指

    数函数。这是因为将累积概率分布微分后，即可得到概率密度分布，指数函数微

    分后仍是指数函数。另一方面，吊钟形正态分布图表示的是概率密度分布，比较

    两者时需要注意这一点。

    关于分布名称，可能有的读者心存疑问。前面说过，解释物理现象(物理学)时，人们频繁使用了“递降”分布。微观下热能分配到各个原子，这种现象也呈

    递降分布。这时，横轴是构成物质的原子的热能，该分布称作“玻尔兹曼分布”。

    这一分布也在人类行为和社会现象的大数据中频频出现。其横轴多种多样，在这

    次有关人类行为的测量数据中，横轴是“1 分钟胳膊的活动次数”。本书称之为 U

    分布。了解统计分布的函数形式的人，或许会以为这只是单纯的指数分布(用指

    数函数表示的统计分布)。在第 3 章将说到，从活动频率和密度方面看，U 分布

    指的是“指数分布”，但是从活动间隔分布方面看，U 分布指的是“幂分布”的实际物理状态，而不只是单纯以函数形式命名的分布。

    注 3

    我们介绍过，物质中的热能分配给各个分子时，会呈现递降分布——玻尔兹

    曼分布。构成物质的分子在热能的作用下不断运动，但是每个分子的运动速度(

    相当于热能)各不相同。大多数分子的热能低，只有少数分子的热能高。制作图

    表时，如果横轴取分子热能，纵轴取高于横轴热能值的分子数量，图表会呈现递

    降趋势。但是，其递降方式(坡度)因物质温度的不同而变化。温度高时，热能

    总量大，分到高热能的原子比例也大，因而递降坡度较小。相反地，温度低时，热能总量小，分到高热能的原子比例也小，因而递降坡度较大。该坡度的倒数称

    为绝对温度。

    ①?S=klogW——译者注第 2 章

    测量幸福

    2.1 能否用科技控制人类的幸福

    科技改变了社会，丰富了经济活动，提高了生活水平。德鲁克说，20 世纪体

    力劳动者的生产力提高了 50 倍。在提高生产力方面，科技功不可没。

    我们能够切身感受到，近 30 年来信息技术的发展日新月异。电脑已经人手

    必备，用电子邮件和手机立刻就能与他人取得联系，建立电子文件夹即可存放文

    件和发言资料。毋庸置疑，由于这些变化，工作的生产力不断提高。

    话虽如此，但科技让我们幸福了吗？

    这又是另一回事了。邮箱中积压了大量的邮件，与你有关联的形形色色的人

    员随便地插话、询问。如果你想认真处理邮件，那么这一整天都可以专心守着邮

    件。然而，对于一些重要的问题，我们却无暇顾及，人生匆匆而逝。即使是去南

    方的小岛度假，还是会时刻注意有没有新的邮件和电话——我们的状态是全年无

    休。

    但是，今后科技会不会使我们幸福感倍增呢？

    一直以来，科技依据科学知识控制着复杂的体系。例如，保证汽车平稳加速

    ，控制首都圈复杂的列车运行体系等。在科学的控制下，复杂的体系得以维持在

    理想状态。

    要控制体系并使其维持在最佳状态，首先必须确定体系的理想状态是什么。

    关于人类这个体系，人类自己也没有明确的答案。自古以来，宗教和哲学一直在

    寻求答案。或许这个答案已经在宗教和哲学智慧中了，又或者存在不为人知的秘密。

    尽管如此，表现人类理想状态的词语已经被广泛使用了。这就是“幸福”或者“

    Happiness”。

    如果真的能控制人类的幸福，其影响将是巨大的。

    然而也有人认为，人类比以往科技控制过的任何体系都要复杂得多，并且幸

    福因人而异，因国家和文化而异，所以无法一概而论。

    但是，我们在上一章中说过，支配万物的物理定律能扩展开来适用于人类。

    甚至能量、熵和温度的概念也能普遍化，适用于人类行为。

    也许我们可以从科学的角度来解读幸福，又或者存在具有统一性的科学。

    我们可以控制人类这种复杂的体系吗？可以测量和控制幸福吗？这就是本章

    提出的问题[1]。

    2.2 幸福的心理学——“积极心理学”

    实际上，近 10 年关于人类幸福的研究迅速发展。

    19 世纪 90 年代之前的心理学，重在治疗和分析有心病的人。例如，在伍迪·

    艾伦的代表作、奥斯卡金像奖获奖影片《安妮·霍尔》(1977 年)中，就描述了

    心理咨询深入影响到纽约知识分子日常生活的情景。

    另一方面，大家对健康人的心理状态及其幸福感的研究比较少。不过随着近

    10 年的快速发展，这一状况发生了变化，有人开始对“积极心理学”进行研究。

    美国加州大学河滨分校的索尼娅·柳博米尔斯基教授是研究幸福(Happiness)的第一人[2]。在此结合教授的《幸福有方法》(The How of Happiness)一书，介绍一下幸福研究的概要。首先，幸福是可以测量的吗？积极心理学通过采访和

    调查，将看不见的人心定量化，以此来研究幸福。让人始料未及的是，仅仅通过

    回答：1 整体来说，你是个幸福的人吗？

    2 与周围人相比，你觉得自己幸福吗？

    (用数字 1～7 来回答。完全不符合是 1，完全符合是 7。)

    这种简单的问题，就能将幸福大致转换成定量数值。

    这种定量的方法推进了幸福与各种因素的相关性研究，我们逐渐发现，幸福

    感与我们的直觉并不一致。

    首先，幸福受到与生俱来的遗传特性的影响。这是在认真研究双胞胎的过程

    中发现的。

    同卵双胞胎的数据库积累及研究不仅明确了遗传的影响，还推进了有关幸福

    的研究。同卵双胞胎的遗传特性相同，即拥有相同的 DNA。但是，因为各种各样

    的原因，双胞胎分别在不同家庭中长大的情况并不少见。当然，在同一家庭中长

    大的情况也很多。我们要做的就是认真地收集两种情况下的数据。这样一来，我

    们就能掌握在同一个家庭中长大的同卵双胞胎和不同家庭中长大的同卵双胞胎的

    区别。因为这样可以区分开遗传的影响与家庭等成长环境的影响。

    通过研究发现，幸福有一半是由遗传决定的。也就是说，既有天生容易幸福

    的人，也有天生难以幸福的人。

    虽然我们都想相信，一切都可以通过努力改变，但是遗传的影响不容否认。

    不受遗传影响的另一半幸福将受到后天的影响，并且可以通过努力和环境的

    变化来改变。这样的话，能改变的部分就比想象的要多。

    如果进一步区分后天影响，就会发现一个惊人的事实[3]。

    一般来说，当我们找到好的伴侣并结婚，购置新家，拿到很多奖金时，会认

    为自己的幸福感提升了。但是根据柳博米尔斯基教授的定量研究可知，这些事的

    影响出人意料地小。

    相反地，人际关系恶化、工作失败时，我们会认为自己陷入了不幸，但事实

    并非如此。不管是好的变化，还是坏的变化，人类都能在短时间内习惯自己周围

    环境要素的变化，而且所需的适应时间比我们想象的要短得多。该环境要素包括的内容很广，有人际关系(职场、家庭、恋人及其他)、金

    钱(广义上的金钱，不仅包括现金，还包括房屋和所有物等广泛的资产)、健康

    (有无疾病、有无残疾等)。令人惊讶的是，即使我们把这些环境要素全都加起

    来，对幸福的影响也只占整体的 10%。

    我在得知这个结果时大受打击，同时怀疑结果是否真是这样。但是，这是经

    过大量数据的证实和慎重的统计分析后得出的结果。

    包括笔者在内，很多人每天都在为改善环境要素而努力，因为我们相信这样

    做会提升幸福感。然而数据表明，这样做虽然不是毫无用处，却也不会促进幸福

    感的提升——很大程度上是我们想多了。

    那么，剩下的 40% 是什么？这就取决于我们每天行动中的小习惯和选择行动

    的方法，而且，是否积极采取了行动尤为重要。因为人如果按照自己的意志采取

    行动的话，就会感到幸福。

    如此一来，我们稍微改变一下行动，就能提高幸福感。比如向他人表达谢意

    ，帮助有困难的人。这些事看起来简单，其实会大幅提升幸福感。

    采取行动后是否成功并不重要，采取行动这件事本身，就是人的一种幸福。

    决定幸福的不是行动成功与否，而是是否积极采取了行动。实际上我们每个

    人都应该为此感到庆幸，毕竟成功难得。人们以往的看法是，就算早晚有一天会

    获得成功，但是在那之前必须要忍耐和努力。一直以来，人们都以为在到达幸福

    的彼岸之前，需要经历一段漫长而不幸的过程，以及长期的忍耐。

    如果行动本身就是幸福，那么获得幸福的方法就完全改变了。一种极端的说

    法是，说不定今天、现在、此时此刻你就可以获得幸福。但是，为此我们必须改

    变行动。

    对人类与科技的关系来说，看法的转变也是一个新的机会。根据上述讨论，假如科技可以为人生带来幸福，那不就意味着科技在帮助人类改变行动吗？

    这与以往的科技发挥的作用迥然不同。过去的科技将以往费时费力的作业改

    用电脑和机器来完成，方便用户使用，并且节省了劳力。更恰当的说法是，在科

    技的作用下，人类不用自己行动也能顺利完成工作了。

    相比以往的科技，以实现幸福为目的的科技发挥的作用是截然相反的。这时科技扮演的是帮助人们主动采取新行动的角色。

    提供使人轻松舒适的环境以提升幸福感，属于幸福理论中改善环境要素这一

    项，其效果顶多占整体的 10%。与之相对，如果人能积极采取行动的话，就能产

    生 40% 的巨大影响，两者不可相提并论。

    但是，困难在于无法指示或命令他人主动采取行动。“主动采取行动”和“指示”是相互矛盾的。我们该怎么解决这一矛盾呢？后面笔者会介绍其中一种答案。

    2.3 提升员工的幸福感有利于提高公司收益

    另外还要弄清一个疑问：就算我们得到了幸福，会不会仅仅停留在自我满足

    的层面上呢？

    关于这个问题，已经有人用大量的数据做过研究了。

    研究表明，幸福的人工作表现好，创造能力强，收入水平高，婚姻成功率高

    ，朋友多，健康长寿。用数据进行定量说明的话，幸福的人工作生产力平均高出

    37%，创造力高出 300%。

    重要的是，不是因为工作能力强的人会成功，所以才幸福，而是幸福的人工

    作能力强。而且，不用非得等到成功来临才能获得幸福，今天稍微采取一些行动

    ，就能提高幸福水平。

    当然，幸福感的提升不能保证一定就会成功，但成功的概率肯定会大大提高

    ——享受高效而富有创造性的工作、维持幸福的婚姻生活，健康长寿的概率会提

    高。

    管理领域最权威的杂志《哈佛商业评论》2012 年 2 月号中，有一篇《提升员

    工的幸福感有利于提高公司收益》的特辑[4]。

    迄今为止，公司和员工的关系大多被描述成对立关系。简单说来，人们大多

    认为公司让员工做很多工作，是公司受益，员工受损；反之则公司受损，员工受

    益。

    当然，为了提高员工满意度、改善工作环境，公司也付出了一定的努力。但是这种努力中包含了很强的目的性，因为如果不将员工的满意度提高到一定程度

    ，员工的稳定性就会降低，身体和精神健康也会受到损害，这样反而增加了公司

    的总成本。

    比如公司好不容易培养出了有战斗力的员工,他们一旦辞职，就得再花费成本

    和时间培养新人。也就是说，一直以来提高员工的幸福感被看作一种“必要恶”①。

    不过，这种现状正在发生变化。人们开始认为，员工幸福地工作既有利于员

    工本人，也有利于公司。刚刚提到的那篇特辑的编写就体现了这种知识的积累、观点的变化。促进这种变化的，就是以柳博米尔斯基教授为代表的积极心理学朴

    实的研究成果。

    但是，要想用实验具体探讨这一想法，或者估测提高员工幸福感这一对策的

    效果，以往的心理学方法存在很大的局限。突破这一局限的关键，就是本书介绍

    的传感器技术。

    2.4 传感器可以测出幸福感

    我去美国出差换乘航班的时候，在芝加哥奥黑尔国际机场的书店看到收银台

    前陈列着柳博米尔斯基教授的《幸福有方法》(The How of Happiness)。我在飞

    机上读这本书时发现，可以从科学的角度重新解读幸福。我很希望能和教授共事

    ，于是很快联系到她本人，拜访了她位于洛杉矶郊外里弗赛德市的研究室。

    我专门从事人类测量和定量数据解析，而柳博米尔斯基教授专门研究幸福的

    心理学，此后开始了我们两人之间独特的合作。我为柳博米尔斯基教授介绍了针

    对人类行为的测量收集技术，而教授也马上认识到这项技术的价值。我想，教授

    是在这个传感器中感受到了突破性的东西——突破了以往借助调查问卷研究心理

    学的局限。

    柳博米尔斯基教授的研究表明，如果采取对策以提高幸福感，人的行动也会

    改变。过去很难对人类行为进行测量，有了这个传感器，就可以进行具体验证了。而且教授认为，一个人的幸福会传递给他周围的人，幸福的范围可以自动扩

    展开来。但以前没有这样理解人际关系的手段，而借助这种传感器就能实现定量

    分析了。

    不久，我们开始了第一次共同实验。实验对象是某企业的研究开发项目。该

    项目为了在短期内制造出创新产品，集合了各领域的技术人员。

    这个项目的难度很大，一来产品的具体概念尚不明确，二来必须拿出有影响

    力的创新成果。尽管如此，项目的时间限制却很严格。

    项目组长认为，在无法预知未来的情况下，研究成员以很高的积极性共同努

    力是成功的关键。为此，我们决定测量人类行为，以提供咨询支持，尤其是促进

    成员积极性的提高，加强他们之间的合作。

    作为其中一环，项目组成员参与了柳博米尔斯基教授关于提高幸福感的对策

    的实验。

    参与实验的成员被随机分成了实验群和对照群。两个群组的成员都要写下本

    周经历的 3 件事。但是，实验群的成员要写本周发生的好事，对照群的成员不能

    对本周发生的事做出“好”之类的积极评价，而是要保持中立。不论哪个群组，每

    周只用 10 分钟来写报告，持续进行 5 周。与此同时，我们用问卷的方式调查了

    成员的幸福感，以及他们对职场的感受和认识，在 5 周后又持续调查了 2 个月。

    我们还让这些实验者每天佩戴我们开发的可穿戴式姓名牌传感器(名为“商业

    显微镜”，英文名 HBM=Hitachi Business Microscope)，对其具体的行动变化进行

    了测量(图 2-1)。图 2-1 可穿戴式姓名牌传感器及其功能。可以记录人的身体运动、见面信息和位置信息等。为了记录人的

    位置，我们要在各地点设置红外线 Beacon。

    该可穿戴式传感器是由笔者团队开发、领先世界的产品。在最权威的管理类

    杂志《哈佛商业评论》2013 年 9 月号上，该传感器被誉为“写入历史的可穿戴式

    传感器”[5]。

    这种可穿戴式传感器的大小与名片一样，形状跟姓名牌相同，可以戴在脖子

    上。早上上班后，取下插在充电器上的传感器，戴到脖子上，然后正常工作一整

    天。下班时，将传感器插回充电器后回家。该充电器相当于收集数据的入口。在

    夜里，传感器的数据将通过网络从该入口传输到数据中心。

    我们在该传感器中嵌入了红外线传感器,可以检测出人与人的见面情况。传感

    器佩戴者能检测出自己面前的佩戴者并进行记录(我们在不同的角度安装了 6 个

    红外线传感器，不仅能检测出正面的人，还能检测出斜前方或者旁边的人)。在

    他们开会或者站着说话时，就会记录下那一时间与谁见了面等信息。

    除此之外，我们还安装了检测身体晃动和朝向的加速度传感器，以及测量周

    围音量(可以测出见面时有无对话，但是不会记录对话内容)、温度和亮度的各

    类传感器。这些时刻变化的物理量连同时间都被记录在姓名牌传感器中，然后被

    传输到服务器中积累起来。

    实验最后的结果清晰明了。经过问卷调查发现，写下好事的成员与中立评价

    的成员相比，幸福感更高，对组织的归属感更强。

    这种内在的心理变化会影响到员工的行动。在本人都没有意识到的情况下，行动就默默发生了变化。

    人的活动量会随着时间段变化。借助加速度传感器，我们可以将活动量数据

    化。人的活动量从早上开始逐渐增加，下午迎来高峰，随后逐渐减少。本次实验

    中，写下好事的成员从早上开始，活动量的增速快，高峰时间提前。同时，回家

    的时间也随之提前。幸福的员工能够很早就活力满满地开始工作，早早地完成工

    作后回家。

    每周只花 10 分钟写下本周的好事，就能产生这么大的效果，着实让人震惊。通过实验我们证实，人的幸福是由微不足道的小事决定的。还有一个重要的发现是，幸福和身体活动的总量密切相关。也就是说，人内

    心深处的幸福其实可以通过外部可见的身体活动量来测量。因此，幸福可以通过

    加速度传感器来测量。

    重申一遍，幸福可以用加速度传感器测量出来。

    在很多人的印象中，每个人的幸福都是独一无二、各不相同的。

    在此我们弄清楚了一个简单而共通的事实，即幸福的人的身体运动多。

    当然，根据工作、业务的不同，必要的活动量也会发生变化。但是，我们意

    外地发现，当一个人感到幸福时，活动频率会增加。

    对比工作或者其他条件不同的人，并根据活动量的大小来判断谁更幸福是毫

    无意义的。但是，更幸福的人活动量的确更大。这和幸福与积极行动密切相关的

    发现是一致的。

    在第 1 章中我们说过，1 天 7 万次的有限活动次数在无意识中限制了时间的

    利用方法。

    我们又发现，人在更幸福的情况下，活动量会增加。人如果采取积极的行动

    ，活动就会增多。如果以第 1 章中热力学与统计力学的知识进行类推，就相当于“

    活动温度升高”“变热”。而活动的增加，即“变热”成了一种幸福的身体反应。

    再者，利用传感器来研究人心，意味着迈出了开拓心理学研究处女地的第一

    步。

    以往的心理学研究通过让被测人回答问题，将无处捕捉的“心”转换为数值。

    在学术界，这种调查方式称为问卷法。

    但是，这种方式很受限制。问卷法类似于抓拍，记录的是回答者在某个时间

    点的感受，虽然其中包含了重要的信息，但很难捕捉到每个时间点的变化。多次

    回答同一份问卷的话，会给被测人和调查人双方带来很大负担，可行性不大。并

    且多次回答同一个问题的话，被测人对问题的理解也会发生变化，进而降低调查

    的精确度。

    因为存在这些限制，很多心理学家都认识到问卷法的局限。由于传感器可以

    持续测量变化情况，如果能借助传感器测量身体运动，进而观测人心，就可以打

    破这种局限。因此，人们对用传感器客观测出的人类与组织的海量数据寄予了厚望。

    2.5 解读行动中隐藏的符号

    在这里，笔者想解释一下将传感器的数据和心理问卷的问题联系起来的重要

    性。

    传感器会客观地记录下每时每刻的测量数据。这些测量数据可以做成波形图

    ，来表示每时每刻的数据变化。比如刚刚在实验中用到的加速度传感器，就可以

    每隔 150 秒记录一次在 x 轴、y 轴、z 轴所表示的空间方向上有多少加速度。

    但是，我们无法直接解读出这些大量的、连续不断的数值究竟意味着什么。

    平均每人每天都会收集到超过 1,000 万个数值系列，这些大量的数字排列一方面

    以毫秒的速度变化，一方面因年龄增加等影响，以年为单位变化。解读这些复杂

    的数字排列，是一个很大的课题。

    人的行动数据中包含了丰富的信息，可以表现不可见的内心。精神不振时，人连走路都垂着肩膀，举手投足也无精打采。而且对话时的身体活动也能表现出

    人内心的状态。例如，对话时如果你对对方抱有好感，身体运动就会很活跃。相

    反地，如果你不信任对方，身体运动就相对较少。

    具体来看，包含幸福在内的人类所有的心理活动和情感，都可以用加速度传

    感器进行测量，并作为一种行动模式转化成各种各样的符号嵌入数据之中。但是

    ，数据只不过是数字的排列，怎样才能解读其中的意义呢？

    柳博米尔斯基教授等心理学家经过多年研究，开发出的检测心理状态的问题

    发挥了威力。例如下列问题：

    你是幸福的人吗？请用数字 1～7 来回答。

    (完全符合是 7，完全不符合是 1)

    或者

    过去 1 周内，你感到过不安和担心吗？整体来说，你对工作满意吗？

    你今天发挥出自己的能力了吗？

    你积极解决业务上的问题了吗？

    (均用数字 1～7 回答)

    通过这样的问题，我们就能将人的心理状态转换为数值。如此一来，“幸福”“

    不安、担心”“对工作满意”“发挥出能力”“积极解决业务问题”等心理状态就各自转

    换成了数值。通过提出这样的问题，能用语言表达的心理状况，就全都可以用数

    字来表示了。

    其中当然也包括误差。不过，如果我们将很多人的回答汇总在一起，就能在“

    幸福的人”“不安、担心的人”“对工作满意的人”“发挥出能力的人”“积极解决业务

    问题的人”身上找到共通的倾向，以此来减小误差。将这些数据与调查问卷中得出

    的大量行动数据结合起来，数据中隐藏的意义便自然会浮出水面。

    用传感器测出的行动数据是数字的排列。此后，被测人的身体运动特点也可

    以用数字来表示。比如将面对面的红外线传感器和加速度传感器的数据结合起来

    ，就可以对在与人见面(从对方身上接收红外线信号)时身体运动是否频繁(1

    分钟身体运动几次)进行量化。即可以将“对话时的身体运动量”(每分钟身体运

    动几次)转化为一定数值。这一数值的大小因人而异。我们将数值大的群体与前

    文中回答问题的群体进行了对比，结果发现该人群与“积极解决问题的人群”十分

    一致。即对话时活动频繁是“积极解决问题的人”的共同特点。如果想要积极解决

    问题，就需要主动地进行对话，这时身体的运动也会活跃起来。

    如果通过计算机从大量的行动数据和对问题的回答中搜索出上述对应关系，我们就能理解身体运动中隐藏的意义了。

    传感器中记录的大量身体运动和行动数据的排列是一种暗号，我们想要解读

    这个暗号，却不知道解读暗号的规则。而调查问卷上的回答相当于解读暗号的提

    示。在有了这些提示后，通过认真调查大量数据，就可以发现解读暗号的规则。

    在这个例子中，传感器测出的数字排列中包含的“积极解决问题”这一暗号，实际上可以按照“对话时的活动频率”这一规则来解读。数据中除了“对话时的身体运动量”以外，还包含其他无数个特点。比如“1 天

    的活动总量”“每天上班时间的差异”“对话的人数”，等等。我们从数据中抽取了 1

    万多个特点，借助计算机调查这些特点与问卷回答的对应关系，以解读人类行为

    中隐藏的信息。

    如果一直推进这项研究，那么将人类行为数据中隐藏的意义全部解读出来，也不是不可能的。人类的遗传信息是大约 10 年前解读出来的，而解读人类行为

    的重要性不亚于遗传信息。

    其中，有关幸福信息的解读价值颇高。如果我们解读出这些信息，就可以使

    用行动数据测量并控制幸福。这将给个人、商业和行政带来巨大的影响。

    2.6 休息时活跃的对话有助于提高生产力

    运用定量数据解读人类身体运动中隐藏的意义，并同时控制幸福和生产力。

    在这方面，我们的努力已初见成效[6]。

    我们的实验场所是呼叫中心。所谓呼叫中心，指的是企业的电话窗口。实际

    上，呼叫中心是最适合定量研究人类行为的尤其重要的场所。

    之所以这样说，是因为大多数电话客服人员每天都在重复进行相同的工作—

    —打电话、接订单，因此是否接到了订单、每个电话花费多少时间等大量的定量

    数据得以保存。这些海量数据就是绝佳的资料，可用于调查人的生产力及对它起

    决定作用的重要因素。

    然而，即使是呼叫中心，以往也并非全程记录了人类的行动。尤其是客服人

    员离开电话后，在休息区做了什么，以及领导在什么时间下了什么指示等，诸如

    此类的人类行为并没有被检测出来。

    如果借助我们开发的可穿戴式姓名牌传感器技术，就可以网罗上述行动在内

    的所有数据(称为“人类大数据”)(图 2-1)。我们相信，将大量的业务数据和

    人类行为数据结合起来，就可以调查出决定人的生产力和幸福的重要因素。

    我们在呼叫中心做了实验(照片 1)。这一实验是由 Relia 公司和日立共同实施的。在呼叫中心，需要应对的电话有两种：一种是打电话推销商品和服务(称

    作 Outbound)，第二种是应对顾客打来的咨询电话等(称作 Inbound)。我们选

    取的实验对象，是推销某项服务的 Outbound 呼叫中心。

    照片 1 实验所用呼叫中心(Relia, Inc.

    ②)

    我们让实际打电话的接线员及对其监督与协助的管理者等所有相关人员戴上

    了姓名牌传感器，对其交流情况、不同时间所处的地点、姓名牌的晃动模式等进

    行了测量。此外，为了掌握他们的个性特点，我们将接线员的技术水平、工作年

    数等数据联系起来，并进行了问卷调查。我们还收集了“接单率”的数据，即 1 小

    时内通过电话推销成功的件数。

    通过调查，我们发现了一个惊人的事实。整个呼叫中心的接单率每天都不相

    同。因为有很多接线员一周只工作几天(比如 3 天)，所以起初我们认为原因在

    于接线员每天都会更换。

    这样一来，接线员的平均技术水平每天都在变化。一开始我们的预测是，出

    勤者的平均技术水平高的一天接单率会升高，反之则会降低。

    但是，从数据上来看，平均技术水平与接单率的高低没有相关性。虽然相关人员对于技术水平大大影响接单这点深信不疑，但从实际测量结果来看，事实并

    非如此。

    人们一直认为，有些人的性格适合接打电话，而有些人则不适合。但是，经

    过调查发现，每人的个性特点与接单率之间并无关联。

    出人意料的是，影响接单的因素其实是在休息区对话的“活跃度”。休息时，与他人对话的身体运动活跃的话，那天的接单率就高，不活跃的话，那天的接单

    率就低(图 2-2)。这里所说的对话“活跃度”，是根据接线员戴在脖子上的姓名

    牌传感器的晃动模式设置的指标(关于指标详情将在后面论述)。如果对话是活

    跃的，就会产生活跃的身体运动，可以用加速度传感器检测出来。图 2-2 表示每天接单率与休息时活跃度的相关性趋势图

    但是，仅凭对话时的活跃度与销售的相关性，我们分辨不出何为因何为果。

    一方面，我们认为在休息区的活跃对话是因，接单率高是果；另一方面，我们也

    可以解释为，接单率高的那天，接线员会因工作顺利而情绪高涨，休息时谈话兴

    致勃勃，身体运动也随之活跃起来。

    为了提高休息时间的活跃度，我们让同一年龄层的 4 个人同时休息。结果，他们休息时的活跃度提高了 10% 以上，进而接单率提高了 13%。由此我们发现，通过改变休息时的活跃度，可以改变接单率(图 2-3)。既然因果关系明确了，那么采取极其简单的对策就能大幅度提高生产力。

    图 2-3 在呼叫中心，通过让同一年龄层的 4 个人一起休息，提高了休息时的活跃度，进而接单率提高了 1

    3%。

    但是，这是不是该呼叫中心特有的结果呢？或者说，会不会是这种电话推销

    服务业务特有的现象呢？难道与该公司的习惯和业务方式没有关系吗？又或者结

    果仅仅适合顾虑同伴的感受，容易被周围氛围影响的日本人呢？假如在有着强烈的个人主义倾向的美国，结果是不是就完全不同了呢？对于这些疑问，如果回答

    不同，对结果的理解也就完全不同。

    实际上，我们对于这些疑问已经有了答案。同样是呼叫中心，我们在 Inboun

    d(应对顾客咨询的呼叫中心)也做了类似的实验。该实验是在美国的银行，由

    麻省理工学院(MIT)的研究小组实施的[7]。

    我们在测量接线员的生产力指标，即每个电话的处理时间(从咨询电话打来

    到结束咨询的时间)时发现，电话处理时间深受接线员在休息时的活跃度的影响。即使把技术、性格、能力等其他影响因素全部加起来，也没有休息时活跃度的

    影响大。以前接线员们总是错开时间休息，现在尽量让他们一起休息，通过这一

    对策，生产力最大提高了 20%。而整个银行通过采取该对策，减少了 12 亿日元

    的成本。

    重点在于，接单率与 Outbound 和 Inbound 的业务、美国和日本的差异毫无关

    系。虽然 Outbound 和 Inbound 同为呼叫中心的业务，但性质并不相同。而且日本

    和美国的企业在业务规范、职场流程以及常识上都存在很大不同。尽管如此，结

    果却是相同的。

    由于呼叫中心保存了定量数据，因此可以进行验证，但其实这并非呼叫中心

    特有的现象，而是人们工作时的普遍现象，可以适用于呼叫中心之外的其他业务。

    用一句话概括结论，就是在活跃的职场，员工的生产力会提高，而在不活跃

    的职场，员工的生产力会降低。这是一个普遍的倾向。再者，如果用加速度传感

    器测量集体员工的身体运动情况，就可以实现职场活跃度的定量化，从而可以在

    各种各样的产业中，确认活跃度与生产力的关系。

    有意思的是，这个实验的接线业务中，个人发挥的成分居多，集体发挥的要

    素较少。即使是在偏于个人发挥的业务中，职场活跃度这种群体性因素也会对生

    产力和成本产生极大的影响。人们迄今没有认识到这种相关性。因为按正常思路

    来思考的话，这两者之间应该没有关系。

    追究起来，两者之间为何会产生联系呢？2.7 身体运动会传染，幸福也会

    从表面上看，员工的活跃度很抽象，如何把抽象的活跃度定量化呢？关键就

    在第 1 章论述的身体活动。

    借助加速度传感器，我们可以测出员工每分钟的活动次数。如果每分钟的活

    动次数高于基准值(按照以往的测量经验设定)则算作活跃，低于基准值则算作

    不活跃。按照这个判定标准，我们将处于活跃状态的时间占规定时间的比率称作

    活跃度。假如 1 个小时中活跃的时间有 30 分钟，那么活跃度就是 0.5。此外，对

    一个群体而言，取全员活跃度的平均值，就可以得到群体活跃度的数值。这样一

    来，我们就将员工整体的活力程度或活跃程度定量化了。

    用活跃度这个指标来理解人类和社会，表面上看可能有些刻板。但是，我们

    居然可以借助这个看似刻板的群体活跃度，判定员工在呼叫中心的电话业务中的

    表现(与业绩成正比)。

    更为重要的一点是，身体运动的活跃度会从一个人传染给另一个人。周围人

    的身体运动活跃的话，自己也容易活跃起来；周围人的身体运动停滞的话，自己

    也会停滞[8]。这一点已经通过大规模的数据测量与分析得到了证实。

    哈欠会从一个人传染给另一个人，这是我们经常经历的事情。而身体运动的

    活跃度也会传染，并产生一系列的连锁反应。也就是说，活跃的身体运动和停滞

    的身体运动也在互相传染。

    这和物理学中的磁性原理十分相似。具体来说，磁铁内部微小的磁铁(称为

    spin)相互统一方向，从而形成了 N 极和 S 极。由于相邻的 spin 倾向于同一个朝

    向，因此产生了统一的方向，即形成了磁铁。物理学中，将这种群体自发形成的

    现象称为“协作现象”。

    在人类群体中，人们经常通过开会或站着谈话等方式，与周围的人相互影响

    ，这时发生的活跃度传染的现象也属于协作现象。我们已经证实，可以通过解释

    磁铁特性的物理模型(称为“伊辛模型”)，对活跃度传染的现象加以定量说明。

    在多人聚集的场所，人的身体运动会产生群体性协作现象，人与人之间的相互影

    响，决定了其活跃度。我们往往简单地认为，自己的身体由自己(或者自己的大脑)决定。但是这

    并不正确，我们深受周围人的影响，同时也影响着周围的人。

    也就是说，群体内的身体活动中存在一种连锁反应。一个人的身体活动一旦

    活跃起来，就会产生一系列的连锁反应，使得周围人的身体也随之活跃起来。不

    知不觉地，我们就成了这种连锁反应的一部分。

    而且，身体运动的活跃度与幸福的相关性在此具有重大意义。因为身体运动

    会传染，这就意味着幸福也会从一个人传染给另一个人(前面说过，幸福与个人

    活动量的增加息息相关)。如果将我们主观感受到的幸福视作随着群体运动的活

    跃而产生的感觉(多半是后来产生的感觉和意识)，那么实验事实就符合逻辑，可以理解了。

    如果我们承认了这一点，那么幸福就成了一种群体现象。与其说幸福是从个

    人内部产生的，不如说幸福是在群体中，因人与人之间的相互作用产生的。并且

    如果群体中产生了幸福，那么企业的业绩和生产力就会提高。

    我们已经证实，即使是呼叫中心这种看似个人发挥较多的接线业务，群体的

    力量也会对结果产生极大的影响。在身体运动会产生活跃连锁反应的现场(一般

    的说法是有活力)，生产力就会提高；反之，在身体运动难以产生连锁反应的现

    场，接线员身体运动的开关就会闭合，生产力随之降低。

    在活跃的身体运动的作用下，呼叫中心的生产力提高了 10%～20%。但是，很明显这个数值是最低值——因身体运动的连锁反应而提高的活跃度在此对生产

    力的影响是最小的。之所以这样说，是因为在比呼叫中心更注重群体性的业务中

    ，群体的力量将发挥更大的作用。

    为了发挥这一效果，必须推动人们采取行动。指示别人去主动采取行动，在

    表达上就自相矛盾，但是我们可以创造一个有利于主动活动身体的环境。

    其中，休息时间或者午休的环境尤为重要，因为休息时间是如何度过的，将

    影响到之后的业务。经实验证实，如果在休息时间能跟别人愉快地聊天，进而使

    身体运动产生活跃的连锁反应，之后的业务生产力就会提高。实验还证实，如果

    领导和管理者主动跟员工打招呼，全体员工的身体活跃度也会提高。

    在这里我想起了一件事。以前，日立每年秋天都会在各地的事务所举办员工

    运动会。为此日立投入了大量的时间、精力和经费。当时我还年轻，印象中运动会前的 1 个月就没怎么工作。工作期间，我们还在开“扳倒旗杆”③和“拔河”的作

    战会议。有时候，有人因为工作的关系提出无法参加练习和作战会议，前辈就会

    训斥：“你分不清运动会和工作孰轻孰重吗？”前辈希望对方回答的是“当然是运动

    会更重要”。

    1990 年前后是日本的泡沫经济时代，社会上充斥着浓厚的个人主义氛围，很

    多人主张“时代已经变了”(应该废除运动会)，自此运动会便逐渐消失了。

    现在回想起来，当时运动会作为公司的一项大型活动，大幅提高了现场的活

    跃度，促进了生产力的飞速提升。“运动会和工作孰轻孰重”的潜台词是“运动会更

    重要”。的确，哪怕是削减工作时间，也应该举办运动会——这是前人的直觉。如

    前文所述，现在我们已经有了证明运动会的作用的科学证据。如果当时就有这样

    的证据，想必运动会就不会被废除了。

    2.8 身体运动活跃的职场的优点

    前面我们得出了一个结论：身体运动的连锁反应会对商业产生极大的影响。

    事实上，这个结论不仅适用于呼叫中心，在其他很多地方都适用。

    迄今为止，我们用传感器在很多公司测量了员工的身体运动，并以员工为对

    象进行了问卷调查。

    其中包括来自 11 个组织的 630 名员工的数据组，这些员工从事软件开发、研究开发、设备设计、管理等休息时间不确定的业务。分析这些数据后发现，参

    与问卷调查的员工的平均压力水平与加速度传感器测出的群体身体运动的活跃度

    (员工的平均活跃度)有很大关联。职场平均压力水平高，员工在群体中的平均

    活跃度就低；反之，职场的平均压力水平低，员工在群体中的平均活跃度就高。

    另一方面，从问卷调查得出的幸福水平(主观幸福度)来看，在群体平均活

    跃度高的职场，员工的幸福水平高；反之，在不活跃的职场，幸福水平比较低。

    前面已经说过，幸福水平高的话，业务生产力会提高 37%，创造性会提高 30

    0%。结合这点来考虑，我们发现，能否在职场中通过身体运动的连锁反应来提高

    活跃度，或者创造一个可以提高活跃度的职场环境，直接关系到公司的业绩。还有另外一组数据，调查对象是能源、信息、电子、材料等多个领域的技术

    人员。虽然他们同为技术人员，工作内容却大不相同。例如，信息领域的技术人

    员一整天都对着电脑开发软件；能源领域的技术人员会在现场做实验，以启动大

    型发电机；电子领域的技术人员或是在洁净室试制产品，或是在实验室测试电路。他们各自的业务和领域不同，沟通量也截然不同。

    但是，对众多领域的技术人员来说，对话时身体运动的活跃度与问卷中“你在

    积极解决问题并努力创新了吗”的答案有很大的相关性。在身体运动活跃的对话现

    场，人们会积极解决问题，并努力创新。而在对话时身体运动不活跃(身体运动

    少)的现场，人们不会积极解决问题或努力创新。积极发现问题并别出心裁地解

    决问题的技术人员和不积极解决问题的技术人员相比，工作成果和生产力会有天

    壤之别。

    重要的是，对话时的活跃度不是主观的产物，而是根据传感器的测量数据推

    算出来的、有明确定义的客观指标。前面说过，所谓活跃度，指的是身体运动超

    过基准值的时间占规定时间的比率。对话时活跃度的大小与问卷中“积极解决问题

    并努力创新了吗”的回答数量息息相关。即使从个人角度来看，对话时身体活动频

    繁的人，更倾向于积极解决问题并努力创新。相反地，对话时身体活动少的人，不太倾向于积极解决问题或努力创新(在这里，我们比较的不是同一个人在一段

    时间内的身体运动，而是不同的人之间的身体运动。而关于幸福感，我们比较的

    是同一个人在一段时间内的身体运动。还要注意的一点是，我们测量对话的活跃

    度，并不是看每个人 1 天的活跃度)。对话时长因人而异，这与“积极解决问题并

    努力创新”一题的回答数没有关系。因为对话量的多少因工作种类而异，单看对话

    量无法判断与此问题的关系。

    从群体的角度来看，对话时身体运动活跃、群体平均活跃度高的职场，可以

    让人很容易地进入积极行动的状态。这样一来就形成了率先发现问题，别出心裁

    地解决问题的职场。

    综上所述，我们可以从大量的数据中发现一个简单的结论。即人的身体运动

    会诱导周围人的身体运动，在这种连锁反应的作用下，会产生群体性身体运动。

    如此一来，人们就进入了积极行动的状态，员工的幸福感和生产力都得以提升。

    在呼叫中心这种以个人作业为中心的业务中，积极的行动可以促使生产力提

    高 10%～20%，在更需要团队作业的业务中，生产力有望提高 37% 以上。而在那些更加要求创造性的业务中，甚至可能提高 300%。

    在 Gap 公司，我们以 1,000 多万名员工为对象，调查了员工行动积极带来的

    影响。员工行动积极的公司和行动消极的公司相比，平均每股的利润率差异高达

    18%。因此，其因果关系如下所示：

    员工身体运动的连锁反应，促进活跃度的提升

    ↓

    员工的幸福感和满意度提高

    ↓

    高生产力与高收益

    2.9 打造活力职场是一项重要经营项目

    身体运动的活跃度是一个可测值，平常的说法是，将现场的活跃程度(或者

    生气和活力)转化成了数值。如果被问到“是否充满活力的职场比较好”，想必很

    少会有经营者给出否定的回答。

    但是，我们要认清一个事实：一直以来，打造活力职场在企业经营中并不处

    于优先地位，经营者也从未在这上面投入时间和资金。其原因在于，过去人们没

    有明确认识到职场的活力与公司收益具有相关性。

    在企业经营中，经营者为了获取收益而决定经营方针，并为此实施具体的经

    营对策。这些做法都需要逻辑解释。一直以来，虽然人们觉得组织最好是充满活

    力的，却没有一种逻辑将活力与收益联系起来。因此，活力不处于优先地位。但

    是，我们的一系列研究为此打开了突破口。

    如果现场的活跃度提高，生产力和收益也随之提高的话，对经营者来说，在

    提高现场活跃度方面的投资便有可能成为最有效的投资方式。这样一来，我们就

    开辟了一条新的道路——以较低的投资来提高收益。相反，如果经营策略具有副作用，会降低现场活跃度，那么就会使收益相应

    地减少。迄今为止，人们还没有具体考虑过这一影响。

    2.10 我们也要考虑 IT 会降低生产力

    现场的活跃度与生产力及成本直接相关，实际上也会大大影响企业的信息技

    术(IT)。

    近 20 年来，在 IT 系统的作用下，企业的业务环境焕然一新。为了导入 IT 系

    统，企业投入了巨额资金，并在此后的系统运营和维护上不断投资。

    人们为了提高业务效率和生产力，设计出了 IT 系统。因此，在开发业务用 I

    T 的过程中，人们一直都是通过分析业务流程(程序)，并根据该流程来设计 IT

    系统的。

    然而，在以往的 IT 设计中，人们完全没有考虑到现场活跃度的重要性。

    导入 IT 之后，表面上看效率提高了，但其实很多情况下，IT 的导入会排除

    群体身体运动的连锁反应所需的要素，进而导致能够促进活跃度连锁式提高的体

    系瓦解，结果反而降低了生产力和创造性。IT 本应是提高生产力的工具，有时却

    成了降低生产力的原因。

    比如，过度依赖邮件会剥夺人们原本应该直接面对面、通过身体运动进行交

    流的机会。以前，下属会请领导在纸制文件上盖章，并借此机会通过身体运动来

    了解领导的想法和工作的优先顺序。而现在，由于领导的审批程序已经 IT 化，下

    属也就失去了这个机会。我们忽视了导入 IT 系统的负面影响，而这是否造成了业

    务生产力的下降呢？

    从更宏观的角度来看，这是否是造成日本近 20 年来优势地位急剧下降的原

    因之一呢？20 世纪 80 年代之前，日本企业通过活跃职场推动了员工的积极行动

    ，进而促进了经济的迅速发展。但是后来企业的生产力和创造性都下降了，而这

    时正好是企业导入 IT 系统的时候。当然，美国等其他发达国家基本也在这个时候

    导入了 IT 系统，但不同之处在于，日本对职场活跃性的依赖度更高。因此，职场

    活跃度的下降对日本企业的生产力和创造性的影响更大。现在，是时候依据有关人类的科学知识，重新构建 IT 系统和经营体系了。新

    的 IT 系统必须能够推动员工的积极行动。

    2.11 通过幸福科技创造幸福指标

    如果任何人都能随时随地、精准测量并控制自己的幸福，那么不仅是工作，社会的方方面面都将发生变化。

    若家人共享幸福的数据，家人之间就能互相帮助。毕竟人生不是一帆风顺的

    ，有时我们也会面临危机。这时，如果有可靠的家人不计得失地支持我们，对我

    们将是巨大的帮助。借助传感器技术，即使与家人天各一方，也能彼此共享人生

    的变化，互相扶持，甚至是与年迈的父母分开生活了，也能互相感知到对方的情

    况。

    在行政领域，人们一直将 GDP 作为衡量国民生活质量的常用指标。但是，诸多研究调查表明，GDP 一旦超过最低水准，就与国民幸福度无关了[9]。因此，英国、法国、奥地利、不丹和日本等国都表示，要创造一个超越 GDP 的新指标。

    如果我们能使用传感器技术测量幸福，那么国家领导人就可以实时监测国家

    的规章政策是否与国民、社区的幸福度挂钩。这将从根本上改变政治和行政流程

    ，或许从此就可以采取一种前所未有、灵活崭新的方式治理国家了。图像

    ①?由于组织运作或社会生活的需要不得已而为之的事情。——译者注

    ②?Relia, Inc.是日本一家大型业务流程外包(Business Process Outsourcing)服务公司。——

    编者注

    ③?两支队伍各有一根旗杆，在保证自己一方旗杆不倒的同时推倒对方的旗杆即为胜利。——

    译者注第 3 章

    求“人类行为的方程式”

    3.1 人类行为中存在方程式吗

    在第 1 章中，我们根据身体活动科学定量地分析了人类行为，证实了人类行

    为完美遵循 U 分布统计规律。虽然从表面看来，人的性格、想法、成长环境等各

    有不同，但实际上，人们身体运动的统计分布曲线呈现同一形状。这是一个惊人

    的事实，也是一个巨大的发现。接着在第 2 章中，我们介绍了身体运动是人类的

    终极目标——幸福的来源。

    在本章，我们将进一步分析并证明：从统计规律中可以导出人类行为的方程

    式。

    回顾科学的历史我们会发现，科学中方程式的出现是人类的一大转机。在距

    今 400 年前的 17 世纪，正处于近代科学的黎明之前。当时，日心说和地心说两

    种观点相互对立，天文学家和占星学家被混为一谈，女巫审判案件的情况屡屡发

    生。

    此时，丹麦天文学家、占星学家第谷·布拉赫收集了大量有关天体运动的数据

    ，当时担任他助手的是德国的约翰尼斯·开普勒。在布拉赫突然去世后，开普勒认

    真研究了布拉赫留下的天体测量数据。他发现行星并不是沿着过去认为的圆形轨

    道运转，而是沿着椭圆形轨道运转，这就是所谓的开普勒定律。

    在从大量的数据中发现统计规律这一层面上，第 1 章介绍的 U 分布的发现或

    许就类似于开普勒定律的发现。实际上，我们研究小组收集了超过 100 万天(同

    一个人不同的一天也算作 1 天)的详细人类行为数据，这些数据大显神威，与开

    普勒定律的情况很相似。继开普勒定律之后，方程式的出现代表了真正科学时代的开始。牛顿发现了

    物体运动的方程式，借助该方程式，我们可以统一理解并预测从天体到苹果的各

    种物体运动。从这个意义上来说，方程式就是推动后来科学发展的“魔法杖”。

    牛顿创造的方程式这一“魔法杖”超越了物体运动的范畴，陆续扩展到了其他

    领域——电磁现象中的麦克斯韦方程，流体现象中的纳维–斯托克斯方程，热现

    象中的玻尔兹曼方程，原子运动中的薛定谔方程……可以说，方程式的发展史就

    是这 300 年来科学的进步史。自此，人类确立了所有自然现象都可以用方程式来

    理解的科学体系。毫不夸张地说，现在理工科大学的教育，就是关于这些方程式

    及其应用的教育。

    然而，目前方程式仅在物质现象和自然现象中成立。人们普遍认为，在社会

    现象和人类行为中不存在类似的方程式。之所以这样认为，是因为人们觉得人类

    和社会太过复杂，无法用方程式表示出来。

    在本章，笔者想和大家一起跨越这个难关。

    3.2 方程式究竟是什么

    在寻求人类行为的方程式之前，我们先梳理一下方程式究竟是什么。

    方程式的特点在于，用统一而普遍的定律来总结多种多样、各不相同的现象。在人类社会中，每天都有各种各样的人聚在一起，发生着形形色色的事情。这

    时，人们往往会认为，“在如此多样的现象中，怎么可能有统一的定律”。

    “或多样，或统一”，这话听起来好像是说，只能有一方正确，另一方错误。

    但是回到 300 年前的话，月亮和苹果分别属于天体和水果这两种完全不同的种类

    ，而从中发现统一定律的就是牛顿。月亮和苹果跨越了种类的差异，遵守着相同

    的运动定律。性质不同与遵循统一定律并不矛盾。最先察觉这一点的是牛顿，此

    后科学家们将这一原理彻底应用到了所有事物上。

    为了合理解释现象的多样性和规律性，方程式要具备某个特点，即表示在时

    间轴(或空间轴)上发生了怎样的急剧变化(状态量的变化用“坡度”或“倾斜度”

    表示。在数学上称为“微分”)。我们关注的不是状态本身，而是状态量的变化(倾斜度)。

    例如，我们手上拿着苹果，在放手的瞬间，苹果的状态即其位置和速度就开

    始变化。速度以重力加速度 g 开始加速，然后不断向下加速。牛顿方程式证实了

    一个原理：物体每时每刻都在从现在的状态转变为下一个瞬间的状态(Generate)。从这个意义上看，“Generator”就是创造出每时每刻变化的体系。

    但是，该物体有多大、一开始在哪里、往哪个方向移动了，以及什么时候会

    施加什么力等，并不受方程式的限制。就像前面举的月亮和苹果的例子一样，方

    程式的对象可以是多种多样的。通过改变方程式的参数(常数和限制条件)，就

    可使其适用于各种情况和物体。这样一来，遵循统一的方程式(即 Generator)和

    多种多样的现实之间就不矛盾了。科学之所以能适用于宇宙万物，就得益于方程

    式的这个特点。

    在这里，我们可以用“微分”一词来表示从现在的状态转变成下一个瞬间的状

    态(Generator)。为了科学地理解世界，基于方程式的上述特点，我们必须在方

    程式中使用微分。牛顿和莱布尼茨之所以创造了这种新的数学工具——微分，是

    因为迫切需要使用数学方程式，合理且科学地同时表示现实的多样性和统一性。

    如果在对人类和社会的研究中我们也能利用好方程式的这个特点的话，就可

    能在不违背各种社会现实的情况下，找到统一的定律。下面就让我们来具体看一

    下。

    3.3 与人的再次见面遵循普遍定律

    为了在人类行为中找出方程式，我们必须先找到创造出每时每刻变化的规律。也就是找到我们行动、人生的 Generator(定律)。介绍这些需要一些数学工具

    ,笔者在介绍时尽量不使用数学公式。

    我们已经说过，创造出每时每刻变化的体系是 Generator，在定量地表示 Gen

    erator 时，微分是一个重要的工具。

    但是，仅仅靠简单的微分无法捕捉人类和社会，因为人类和社会中存在很多

    不连续的变化，而微分原本是分析连续变化的物体运动的工具，表达的是变化的坡度(倾斜度)。如果用微分来表示不连续的变化，变化的坡度(倾斜度)就会

    被无限放大。

    例如，身体是否活动、是否与领导见面等，这些状态都是不连续且分散的。

    动或者不动，见或者不见，是非此即彼的关系。人类就在这种不连续且分散的状

    态之间游走。

    下面举一个具体的例子。试想一下，当我们与人见面时，是否可以找到创造

    变化的 Generator 呢？我们与人见面，分别，再见面。见面的频率各不相同。也

    许和某个人每天都见面，和另一个人每周见 1 次，和有些人的见面时间并不确定。

    我们将上一次见面与下一次见面之间的时间称为“见面间隔”，以此作为衡量

    见面现象变化的定量指标。例如，假设你和你的领导藤田科长一起吃午饭，下午

    1 点分开。接着你又在下午 3 点的会议上见到了藤田科长。这时的见面间隔就是

    1 点到 3 点的 2 个小时。

    我们来思考一下从没见面状态变成见面状态，这种分散活动发生的概率。这

    一概率有可能是每秒 10%，也有可能是每秒 30%。我们将此概率看作 Generator(

    这涉及专业知识，大家可以跳过不看。其数学定义是，分别之后在时间t之前没有

    再次见面的条件下，在接下来极短的时间Δt内发生活动的概率密度)。也就是说

    ，它表示的不是活动的不连续变化，而是概率的变化，在这里也会使用微分。

    如果见面是以一定概率随机发生的，那么它在统计学中就会遵循泊松分布(

    类似于第 1 章中提到的正态分布)。你站在路边等出租车，直到遇到空车前的这

    段时间遵循的就是泊松分布。路上平均有多少空出租车是一个确定的统计值，只

    不过运气好的话立刻就能遇到，运气差的话则要等很长时间。经过多次试验，可

    以得到平均等待时间——这就是泊松分布。实际上，遇到出租车这一活动的 Gene

    rator 相当于平均等待时间τ(希腊字母 tau)内遇到 1 次出租车的概率，可以用方

    程式来表示(后面论述)。

    与人见面，比如与藤田科长见面的概率是怎样的呢？它遵循的是平均 1 小时

    见 1 次的泊松分布吗？

    利用我们开发的可穿戴式姓名牌传感器[1]

    ，就可以将人们见面间隔的实际情

    况转换为定量数值，从而验证见面间隔是否遵循了泊松分布。前面说过，该传感器的大小和名片一样，形状与姓名牌相同，里面嵌入了红

    外线传感器，可以测出传感器佩戴者之间的见面情况。而且里面还安装了加速度

    传感器等，既可以检测出自己面前的传感器佩戴者，又可以检测出身体的晃动和

    朝向。这些有关物理量的数据组每时每刻都会被记录在姓名牌传感器中，然后传

    输至服务器并积累起来。

    我们使用该传感器收集了大量现实社会中的见面数据后发现，见面概率与时

    间的关系并没有呈现泊松分布。迄今为止，我们测量了大量人与人之间见面的数

    据，共计超过 100 万天。从经营者到新员工，从技术员到营业员，包含了各种各

    样的人之间见面或者不见面的数据。

    我们根据大量的数据，在分析了时而与人见面、时而独自一人的这一变化后

    发现，距上一次见面之后，时间过得越久，再次见面的概率就越低。将距离上一

    次见面的时间用T表示，再次见面的概率就与 1T成正比。

    假设你和藤田科长见面之后已经过了 1 个小时。我们将再次见面概率用P表

    示，那么 2 小时后的见面概率就是P2，3 小时后的见面概率就是P3。这个规律

    既适用于公司领导，也适用于新人；既适用于营业员，也适用于研究人员。

    用一句话来说，我们已经证实，距离上一次见面的时间越久，就越难再见(

    见面概率下降)。而且这一规律完美地遵循了反比的定律，我们将其称为“1T定

    律”。

    各种领域的人都像被无形之手操纵了一样，遵循着 1T定律。人们是按照统

    一的定律来行动的。

    这也就意味着，我们发现了引发见面活动的 Generator。

    3.4 以见面概率为基准思考，则时间的流逝各不相同

    “去者日以疏。”

    古人用这句话来表示，即便是亲密之人，若长久不见，也会渐行渐远。从另一个角度来看，也可以解释为，我们与远去之人的时间流逝是不同的。

    实际上，结合刚刚经过大量数据分析得出的结果，这句话可以作为一个定量

    法则，即时间的流逝是时快时慢的。

    举个例子，假设你需要在各个工作阶段见到藤田科长，向他进行汇报、请求

    审批，否则工作就推进不下去。在这种情况下，与藤田科长的见面，就在你的工

    作中发挥了钟表的作用。也就是说，你与藤田科长的见面概率一旦下降，工作上

    的时间就会流逝得很慢(工作毫无进展)。

    反过来，我们以工作时间流逝为基准，重新审视一下物理学意义上的时间流

    逝。与藤田科长见面后，物理时间流逝，见面概率降低，工作时间流逝变慢，工

    作停滞不前。为此，我们要以工作时间为基准，重新把握物理时间。这样一来，钟表看起来会走得很快(也就是说，工作停滞不前，物理时间却马不停蹄地向前

    走)。两天后你会感觉钟表转动的速度比前一天快两倍。如果 4 天都没有见到藤

    田科长，就会感觉钟表快了 4 倍。也就是说，时间流逝的速度是不同的，见面间

    隔越长，就感觉时间过得越快。

    如果我们对人类和社会科学反复进行定量分析，就会重新发现自古以来广为

    人知的智慧。但是，科学定量数据至关重要，它与单纯地引用古语有本质区别。

    古人所说的“去者日以疏”，或许只是他当时抒发的主观感受，因此我们可以说“我

    不这么认为”“现在时代已经变了”。但是在有了数据后，一切都变得清晰了。

    3.5 1T定律也适用于回邮件等其他行为

    实际上，1T定律不仅适用于见面这一种情况。

    例如，美国东北大学的艾伯特–拉斯洛·巴拉巴西教授收集了大量的数据，调

    查从收到电子邮件到进行回复的时间，并进行了解析[2]。巴拉巴西教授没有从决

    定时间概率变化的 Generator 的角度进行解读，而是集中精力分析了一种叫幂律

    分布的统计分布曲线。

    我们从 Generator 的角度重新分析了一下这些数据后发现，距离收到电子邮

    件的时间越久，回复的概率就越低。如果回复之前的那段时间用T表示，那么回复概率与T成反比(与 1T成正比)。也就是说，从收到电子邮件到进行回复的这

    段时间遵循 1T定律，这段时间越久，回复的概率就越低。

    此外，东京大学的中村亨先生等人还调查了人们在日常生活中的安静状态能

    持续多久(身体活动少的状态)[3]。安静状态会因起身、被人搭话而打断。我们

    借助加速度传感器检测人何时会从安静状态转为活动状态。该研究没有在 Generat

    or 的角度上进行解析，而是集中精力对活动的发生频率进行了统计分析。

    我们从 Generator 的角度重新分析了这些数据后发现，假设安静状态的持续

    时间为T，那么转为活动状态的概率就是 1T。从持续了 1 小时的安静状态转为活

    动状态的概率是 1 的话，从持续了 2 小时的安静状态转为活动状态的概率就是 1

    2。由此可知，1T定律在这里也成立。安静状态持续得越久，越难转为活动状态。

    更重要的一点是，中村先生的数据包括对精神健康者和精神抑郁者的比较数

    据。从 Generator 的角度上分析这一数据会发现，精神健康者和精神抑郁者都会

    遵从 1T定律，从安静状态转变为活动状态。但是，就转变概率而言，精神健康

    者比精神抑郁者大约高出 20%。

    也就是说，如果我们测出由安静状态转变为活动状态的概率，就可能掌握人

    在受压力影响时的变化情况。该转变概率可以用可穿戴式传感器测量得出。这样

    一来，我们就可以对自己承受的压力大小进行简单的确认了。

    我们还有一个重要发现。在与东京工业大学的三宅美博教授的共同研究中，伴随肢体活动的人类行为的持续时间一般遵从 1T定律(图 3-1)[4]。我们在分析

    了可穿戴式传感器测出的有关人类行为的大量记录后发现，一旦活动开始，时间

    越久，停下的概率就越小。用T表示活动从开始到停止的时间，活动中断概率完

    全与 1T成正比。T越大，概率越小。当然，1T定律是有极限的——持续时间基

    本为 20 分钟到 100 分钟。到底能持续到什么时候，还要看当时的环境条件。图 3-1 身体活动的持续时间为T，T越大，身体活动就越容易持续下去(中断概率下降)。至少在大约 10

    分钟以内，中断概率与 1T成正比。请注意在这张图中，纵轴和横轴的数字均为对数。

    3.6 行动持续越久越停不下来

    如前所述，从上次见面到再次见面的时间间隔，从收到电子邮件到回复邮件

    的时间，从安静状态转为活动状态的时间，伴随肢体活动的人类行为的持续时间

    ，这 4 种活动均遵循 1T定律。这表明，Generator 在各种人类行为中均发挥着基

    本作用。

    关于该定律，通俗地说就是持续得越久越停不下来。不管是不与某个人见面

    、不回电子邮件，还是安安静静休息的状态、伴随肢体活动的行动等，都具备持

    续得越久就越停不下来的性质。如果想要分别说明这 4 种行动中共通的 1T定律，那可以说的内容有很多。

    例如，关于见面间隔，我们可以这样解释：距离上次见面时间越久，越容易

    进来其他工作，因此也就越不容易再见。

    收到邮件后一直不回的话，说明邮件中涉及的事本来就很棘手，不能简单地

    给出回复，之后可能就越来越难回复了。

    但是，像这样的个别说明无法证明各不相同的 4 种行动中存在统一的 1T定

    律。在人类和社会的行动中，或许存在更普遍的机制。

    3.7 1T定律与 U 分布相同

    实际上，上述 1T定律可以从第 1 章介绍的 U 分布中导出。

    人的行动，是每分每秒的无数行动选择不断积累的结果，不管人的个性和处

    境如何，都遵循统一的统计规律——U 分布。随着行动的不断积累，资源分配会

    出现不均，行动会完美地遵循数学定律。没想到，人的行动竟和空气中分子的能

    量分布遵守同一个公式。

    我们可以用方格中的小球将 U 分布转化为一种普遍的模型(图 1-3)。用图

    表来表示 U 分布时，横轴表示方格中的小球数，纵轴表示小球被装进多少个箱子。在这里，1 个方格代表某人的 1 分钟，小球数代表 1 分钟内胳膊的活动次数，这样一来，普遍的分布规律就出现了。

    但是，我们还要注意小球和小球的间隔。去掉图 1-3 U 分布图中的网格后再

    看一下各小球的间隔。在该模型中，我们可以用小球与小球的间隔表示从某项活

    动(即胳膊活动、收到邮件、与人见面等)发生到下次发生的时间间隔。

    在 U 分布中，将小球与小球的间隔作为横轴重新统计，结果正好遵循了 1T

    定律。具体来说，将相邻小球的间隔(T)作为横轴，将该间隔的发生概率作为

    纵轴，则纵轴与横轴成反比(假设横轴数值是原来的 10 倍，则纵轴数值变为 11

    0)，即 1T。

    在第 1 章中，我们统计了方格中的小球数，发现其分布曲线是逐渐下降的((3.1)

    (3.2)

    指数函数)，并称之为 U 分布。而现在，我们统计了相邻小球的间隔(距离)，发现其分布成反比关系(1T)，也称之为 U 分布。事实上，虽然着眼点(统计

    的量)不同，实际状况却是相同的(章末注 1)。

    3.8 记述人类行为的方程式

    在第 1 章中，为了制作 U 分布，我们首先随机分配了小球，然后随机移动了

    小球。实际上，如果我们一开始就按照 1T定律来分配小球间隔，就能直接生成

    U 分布。

    这种直接生成人类活动(胳膊活动、收到邮件、与人见面等)分布规律的公式

    ，就是我们一直在寻找的人类行为的基本方程式[5]。

    在这个方程式中，P(t)指时间t内，上一个活动(胳膊活动等)发生后，下

    一个活动没发生的概率(累积概率)。方程式左边是P(t)除以时间，右边是P

    (t)乘以时间t内下一个活动发生的概率(概率密度)，前面再加一个负号。它

    表示的正是活动的 Generator。T表示自上一个活动之后经过的时间。F(t)是外

    部施加的力，会导致行动偏离 U 分布。由于方程式右边有 1T，因此称为 1T方程

    式。

    如果活动(胳膊活动等)是随机发生的，不遵循 U 分布，那么它遵循的就是

    第 1 章和本章开头所说的泊松分布(近似于正态分布)。泊松分布的方程式早已

    被导出，如下所示。

    在这个方程式中，τ是表示时间的常数，代表活动的平均时间间隔。但是，这

    个式子与身体运动和见面间隔的实测结果并不一致。我们来对比一下与实测结果完全一致的 U 分布(3.1)方程式和不一致的泊

    松分布(3.2)方程式。在泊松分布(3.2)方程式中，右边有一个常数τ。它表示

    下一个活动都是以一定的频率发生的。换言之，这意味着时间的流逝是固定的。

    而在(3.1)的 1T方程式中，时间的流逝随着时间 T 逐渐加快。这是用数学方式

    来表示 1T定律——行动持续得越久越停不下来。

    重要的是，该方程式成功预测出了经验性定律。也就是说，对于埋头工作时

    时间就会过得很快(这在心理学中称为“心流体验”，后面会详细说明)，不回复的

    邮件会愈发难以回复，不见面的人会愈发疏远(“去者日以疏”)等现象，我们可

    以进行定量预测了。

    我们有时会觉得时间的流逝不尽相同，而 1T方程式为这种主观感觉赋予了

    科学依据。当今时代，我们通常认为钟表是将时间定量化的唯一手段。但是在古

    希腊，有两个表示时间的词将时间明确分成了两类——机械、物理上的时间流逝

    称为“克罗诺斯时间”，而人类内心、主观感受上的时间流逝称为“凯罗斯时间”。

    如果说对应钟表时间的克罗诺斯时间是科学、客观的，那么人们可能会认为，主

    观的凯罗斯时间是非科学的。但是，如果用前后两次身体活动的时间间隔来定义

    时间的话，就可以为主观的凯罗斯时间提供客观的依据。上述方程式客观表示了

    古希腊所说的主观时间流逝的概念。

    然而，严格来说，1T方程式只在没有外部力量和限制的情况下才会成立。就

    像第 1 章所说，U 分布表示人类行为的自由度，如果因为一些原因受到了限制，那么人类行为就会偏离 U 分布。

    表示 Generator 的方程式(3.1)中有一个外力F(t)，在外力的作用下，行

    动会偏离 1T定律。偏离 1T定律的F(t)的大小因人而异，这就意味着，阻碍(

    或限制)人类自由行动的外力大小因人而异。

    3.9 将主观概念转化为客观数值

    从 1T方程式中，我们能得到什么信息呢？实际上，该方程式中隐藏的最重

    要的信息是：集中精力做事的时候，是人类最自然的状态。1T方程式右边的F(t)表示的是限制自由行动的外力。不受外力干扰，就相当于不受限制的自由状态。这种情况下，行动就像上了发条一样，持续得越久越停不下来。这才是人的自

    然状态。这就相当于日常生活中所说的“聚精会神”“专心致志”“全神贯注”的状态。

    物体运动时，如果没有外力作用，就会保持匀速直线运动。这是牛顿第一运

    动定律。我们将使物体脱离自然匀速运动状态的作用力称为“外力”，这样一来，就可以从定量角度定义物体承受的外力了。这是牛顿第二定律。

    我们将行动不受限制的自然状态称为“集中精力”。可能很多人觉得要想集中

    精力，就要勤奋、努力，但是该方程式表明，集中精力做手头的事，就是我们的

    自然姿态。

    说到这里，想必有人会质疑，这个方程式真的能表示人类集中精力的状态吗？同样地，集中精力的状态因人而异，不能一概而论。图像

    在测量和定量分析人类行为时，上述疑问是不可回避的基本问题，故在此多

    加说明。我们用大家早已熟知的温度来进行比较说明。

    物体的冷热程度可以用温度计来测量。温度计利用了酒精等物质热胀冷缩的

    性质，通过受热体积膨胀来测量冷热程度。但是细想一下，其实“热”也是多种多

    样的。

    滔滔最上川，炎日入海流。幽幽林中寺，闲岩入蝉声。

    这是松尾芭蕉在《奥之细道》中吟咏夏天的诗句。这两句体现出来的炎热的

    性质是截然不同的。第一句表现的是，在最上川注入日本海的地方，立于高台之

    上观赏鲜红晚霞照耀河川时的热；第二句表现的是幽幽密林中，只看到阳光透过

    树枝，听到蝉声在耳边回荡时的热。古往今来，日本的歌人、俳人都在表达各种

    形式的热(温度)。

    现实世界中，既有梅雨季节的闷热，也有沙漠的干热。既有加热后金属的热

    ，也有沸腾的水壶中冒出水蒸气的热。热的种类很丰富，即使同为 30 摄氏度，有时是不堪忍受的热，有时却是较为舒适的热。

    毫无疑问，现实世界中存在各种各样的热。我们一方面承认这点，另一方面

    却用温度计将酒精的膨胀量视作温度，用一个单一的尺度将“热”转化成了数值。

    其实这只不过是现实世界中“热”这一概念的冰山一角。

    尽管如此，对温度的定义和测量仍然意义重大。如果没有温度这个共通的尺

    度，对受温度影响的机器进行设计与调控等工作就将寸步难行。在完全没有尺度

    的情况下，创造一个客观可测的尺度，哪怕这一尺度不能全面反映人类所体验的

    丰富现实，也可以在论述各种变化时提供一种共通的语言。而且有了测量尺度之

    后，那些无法用尺度测量的差异反而更加明确了。

    在利用温度计的初期实验中,当时的科学家们并不知道温度计测量的究竟是什

    么(托马斯·库恩《必要的张力》)，但可以肯定的是温度计与冷热程度相关。但是

    ，温度计测量的温度与人们感知的“本来的准确温度”有着明显的不同。温度计的

    测量值相同，人们感受到的温度却完全不同的情况时有发生。因此，我们不禁会

    觉得，温度计捕捉的不是准确的温度，而是某种复杂难懂的事物。

    但现在我们知道了，真正复杂难懂的是我们的感觉。温度计只不过朴素地表

    达了构成物质的微粒——原子运动的激烈程度。

    为了接受温度这一概念，我们需要扭转看法。也就是说，我们必须认识到，并非感觉易懂而温度计复杂难懂，恰恰相反——温度计是客观易懂的测量尺度，而感觉是模棱两可的复杂现象。在 300 多年前的 17 世纪，关于温度，人们的看

    法发生了逆转。就像人类克服温度方面的思想障碍一样，要想将“集中精力”定量化，也必须

    克服思想障碍。更何况在集中精力方面，基于个人经验的主观感觉已经遍布各个

    领域，深深地在人们心里扎了根。不管是业务中、生活中，还是法庭上，人们都

    在利用经验感觉行事。就像对温度的感觉与温度计的测量值并不吻合一样，对集

    中精力的科学测量值与经验感觉也不完全一致。

    但是，测量值比感觉更客观，有着更加可靠的依据和更为坚实的科学基础。

    测量值与感觉不同，它可以被大量记录并提供参考，还可以从数学角度来表示数

    据的变化和规律性。

    如果我们确立了新的测量值，就可以通过微分定义变化，通过积分定义积累

    ，还可以将几何学的结构定量化。这意味着，科学在过去数百年来打造的各种工

    具终于可以派上用场，进步的速度与过去相比将不可同日而语。而且最重要的一

    点是，一旦对该测量值达成共识，人与人之间就可以共享此概念，进而根据共通

    的概念开展有效对话。

    温度计的历史告诉我们，不应追求测量值与感觉保持一致，而应发现有科学

    基础的测量值，并确立其理论依据。然后，以此为基础创造一个新的世界观。

    通过 1T方程式，我们发现了人类最自然的状态——集中精力的重要性。难

    道迄今为止没有人发现它的重要性吗？

    当然不是。集中精力对人类来说是一种特别重要的状态，这在心理学上早已

    有所认识，而且也一直在进行定性研究。那么，我们在此构建的定量方程式是如

    何进一步深化前人的智慧的呢？下面我将进行说明。

    3.10 测量最优体验=心流

    匈牙利心理学家米哈里·契克森米哈赖教授将人集中精力、全神贯注做事的状

    态称为最优体验或心流状态[6]。换言之，就是能感受到自己正在做的事情的价值

    ，能发挥自己的能力并享受其中的体验或状况。这里说的最优体验，和我们得出

    的“人最自然的状态”的结论有异曲同工之妙。

    心理学家研究了多年人内心的主观体验。他们利用的方法论是通过问卷调查(即让被测人用数字来回答问题)，将人们的感受转化成数字。这样一来，就通

    过主观的回答将调查对象“心理”转化成了定量数值，并逐渐形成了一门学问。而

    由新的可穿戴式传感器通过身体运动测出的大数据，客观而定量地揭示了人类行

    为的特点。

    两者就像是从不同的方向攀登同一座山，当两者的智慧在山顶会合，就将客

    观且科学的知识与本人的主观真实感受融合在了一起，从而使我们能够理解人类

    的行动。

    契克森米哈赖教授曾研究过一些在工作、运动和个人兴趣等方面表现杰出的

    人，这些人都不约而同地说出了相同的体验。他们都说，自己可以专心致志地做

    手头的事，忘记时间的流逝，而且还会意识不到自己的存在，感觉自己和周围融

    为了一体，可以随心所欲地控制对象。

    处于最优体验即心流状态时，人就会体会到一种愉悦感和充实感。另一方面

    ，我们发现，当所注意的对象瞬息万变，令我们无法集中精力时，就浪费了我们

    的精神能量，使我们难以体会到愉悦感和充实感。

    心流体验的频率因人而异，有的人经常在生活和职场中体验心流状态(占 1

    天的 40% 以上)，也有人几乎没有体验过心流状态(还不到 1 天的 10%)。

    我们认为心流体验的频率与 1T方程式之间可能存在某种关系，并为了验证

    其对应关系而进行了实验。该实验是和心流概念的倡导者，契克森米哈赖教授共

    同实施的[7]。

    契克森米哈赖教授为了测量心流状态，想出了一个特别的方法，并一直将其

    运用于实验中。该方法叫做“经验提取法”，现已广泛应用于心理学实验。

    在经验提取法中，被测人随身携带传感器和手机。实验者以平均约 90 分钟 1

    次的频率，让传感器(或手机)随机响起哔声，然后让被测人就哔声响起瞬间的

    自我状态回答一份简单的问卷。这种方法的关键在于，在出人意料的时候突然“扣

    下扳机”，留下对当下体验的新鲜记录。所谓问卷的问题，具体指的是：

    刚才你做的事困难吗？

    刚才你发挥出自己的能力了吗？让被测人用 1 到 5 的数字(5 非常符合，1 完全不符)回答这些问题。第一

    个问题将手头工作的“挑战度”转化为数值，第二个问题将“能力发挥度”转化为数

    值。组合这两个问题的数字，就可以将被测人的状态划分为 2×2=4 种(图 3-2)。

    图 3-2 心流、从容、无所谓、担心这 4 类与能力发挥度、挑战度的关系。

    挑战难度大，能力难以发挥的状态为“担心”；挑战难度小，能力得以发挥的

    状态称为“从容”；平衡“担心”和“从容”这两种状态，集中精力做手头工作的状态

    称为“心流”；能力发挥度和挑战度都低的状态称为“无所谓”。在这里，我们用被

    测人在特定期间内回答的平均值来划分挑战度和能力发挥度的高低。这样一来，我们就可以将数值偏高的人与数值偏低的人的差异标准化。

    通过为期两周的测量，可以获得哔声响起时(几十次)的数值和当时被测人

    属于担心、从容、心流、无所谓中的哪一状态。

    为了调查这种心理体验数值和身体运动的对应关系，我们为被测人戴上了可

    穿戴式姓名牌传感器，调查他们的身体运动、是否与人见面等情况，同时通过经验提取法展开问卷调查。通过这 2 周的传感器数据，我们获取了被测人身体运动

    的特点和与人接触的频率等信息。我们利用这些数据，制作了表示各种身体运动

    特点的指标，并调查了该指标与此人心流状态的相关性。

    我们特别关注了身体运动的持续性。1T方程式告诉我们，人最自然的状态，是身体运动持续越久越停不下来的发条状态。遵守 1T定律，也就意味着此人的

    身体运动遵循 U 分布。而且在第 1 章中说过，身体运动遵循 U 分布时是熵最大化

    的状态，也可以说是一种行动自由不受限制的状态。如果将这种自由行动的状态

    与心理学的最佳状态结合起来，说不定可以验证内心和身体的密切关系。

    而实验结果也证实了这一点。快速身体运动(2～3Hz，即接近 240～360 次

    分的步行节奏)的持续与最优体验(=心流状态)的频率密切相关。

    具体地说，我们比较了前后两个 5 分钟的快速身体运动的频率，发现心流频

    率高的人，身体运动的频率变化较少。容易进入心流状态的人，更倾向于持续进

    行快速的身体运动。这表明，持续快速的身体运动会促使人集中精力做手头的事

    ，而集中精力的人的身体会持续快速地运动。

    顺便一提，经过确认，我们还知道心流体验时不一定会接连产生身体的运动。心流体验的过程中，也并不需要持续或快速的身体活动。

    内心的活动和身体的活动就这样联系在了一起。实际上，这个发现为我们掌

    控自己的人生提供了重要的启示。

    人最想又最难掌控的是自己的内心，尤为重要的是是否能够享受其中。我们

    发现，心流状态表达的是是否享受其中的主观感受,而这种体验频繁与否，与可用

    传感器测量的身体活动密切相关。在工作和生活中体会到愉悦感和充实感的人，身体运动的持续性也比较高。大家都渴望的愉悦感和充实感，本来是一种抽象无

    形的感受，但现在成了具体可见的东西。

    通过创造一个促使身体持续快速活动的环境，或许就可以在工作和生活中获

    得愉悦感和充实感。并且，如 1T方程式所示，这种身体活动不是特殊的，而是

    人最自然的状态。

    然而，由于工作、社会方面的限制和责任，我们可能会将这种自然的状态抛

    之脑后。但是，根据我们传感器的测量结果，就可以客观地了解自己的状态。具

    体来说，根据传感器每天上传的数据，我们可以确认遵守 1T方程式的持续活动的频率和心流状态的频率。每天确认体重计的测量，会影响我们的饮食生活。同

    样地，对身体运动的测量则有望成为使我们的人生保持在高度自由与自然状态的

    新技术。笔者在看到自己的传感器测量结果后，会有意识地增加 2Hz 以上的快速

    运动。我们还证实，这一结果与自己对每天生活的满意度有关。快速运动增加后

    ，心流状态出现的频率也明显增加。为此，我有意识地做了一些具体的努力，比

    如对话时，能站着就尽量不坐着。因为这样的话身体易于活动，容易进入心流状

    态。在工作停滞时，我会有意识地在办公室里走来走去，以增加超过 2Hz 的身体

    运动。

    自此，我们开拓了一条新的道路——通过控制身体，来控制内心。

    注 1

    U 分布的特点是，从对象事件的频率(或密度)来看，遵循指数函数(数学

    上称作指数分布)；另一方面，从对象事件的间隔来看，遵循“1T定律”，事件间

    隔的发生频率遵循“幂分布”(即让事件的发生遵循 1T定律，统计事件间隔的发

    生频率，结果呈幂分布)。前面说的巴拉巴西教授和中村先生之所以在论文中称

    其为幂分布，就是这个原因。

    但是，一种是事件间隔呈幂分布，另一种是对象事件的频率与密度呈幂分布

    ，这两种现象的意义截然不同。当事件间隔遵循幂分布时，我们仔细看一下事件

    密度就会发现它遵循的是指数分布。笔者将这种实际状况称作“U 分布”。

    在物质世界，大家都知道平衡状态下的物质遵循“玻尔兹曼分布”(能量呈现

    指数分布)。但是，在遵循玻尔兹曼分布的实际物理状态(例如粒子的分布)下

    ，如果统计一下各种物理量(例如与旁边粒子的距离)的分布情况，那么除了指

    数分布以外，还会出现各种各样的函数分布形式。但是，遵循玻尔兹曼分布的实

    际物理状态这个前提是不变的。从这个意义上来说，玻尔兹曼分布不是数学上的

    指数分布的别称，而表示了一种实际物理状态——平衡状态。因此，统计分布相

    关文献中的讨论便容易陷入混乱。一种“分布”是指数学上的函数形式，另一种“分

    布”是指物理上的实际状态，人们没有认识到这两种情况的区别(这个解释稍显专

    业)。U 分布将玻尔兹曼分布普遍化，应用于人类等非物质现象中，它指的不是

    数学上的函数形式，而是物理上的实际状态。可能有人误以为 U 分布就是指数分

    布，为了避免这种误解，特作说明。第 4 章

    认真面对运气

    4.1 偶然是不可控的吗

    我们在第 2 章中介绍过，业务生产力表面看来是由个人能力和性格决定的，但实际上深受周围人的身体活跃度的影响。

    这时，“活力”这个乍一看有些陈旧的词语进入了我们的视线。近 30 年来，在

    崇尚公司运营的理性与逻辑的社会潮流之中，“活力”更是成为无人问津的词语之

    一。在这里，我们通过解析科学数据，重新认识了活力的意义。

    本章中，笔者再举一个与“活力”有着相同遭遇的词——“运气”。

    涩泽荣一奠定了日本近代经济的基础，他在其著作《论语与算盘》(1916 年)的“成败与命运”一章中，认真论述了怎样看待运气、如何受到好运加持。

    再举一个例子。大文豪幸田露伴写过一本《努力论》(1912 年)。他从序章

    开始，就以“命运和人力”为题，论述了怎样看待努力与偶然交织的人生、如何生

    活等。

    曾经，运气被如此认真地讨论过。然而，不知从何时起，人们不再认真面对

    运气了。人们越来越多地将“运气”一词束之高阁，不予理睬。但是，古往今来，我们的人生和工作能否成功，都受到运气的巨大影响。

    那么，在现代的商业学校和经营者培训中，人们是否认真讨论过运气呢？实

    际上，人们不仅不会讨论，甚至认为“运气”与迷信和占卜挂钩，是应当在理性的

    经营中被排除在外的概念。在这里，我们将“运气”定义为在人生和社会中根据概率发生的好事，即在人

    生和商业领域中，人们期望发生的一种概率现象。

    这样一来，我们可以将运气看作科学家们多年苦心研究的一种统计现象。统

    计学原理在方方面面都发挥着作用。科学研究表明，在既没有设计图，也没有指

    示的情况下，水达到 100 摄氏度时会沸腾，碱基会相互聚集，形成美丽的双重螺

    旋结构，这些现象都是随机过程的结果。那么，这些科学理论能否用来认识人生

    和企业的命运，并将其引向更好的方向呢？

    既然遇见好运是一个概率性事件，那我们可能无法预测或猜中运气出现的时

    机。

    但是，当概率现象反复发生时，我们就可以预测并控制现象的发生频率。也

    就是说，如果我们将遇见好运视作多次反复发生的现象，而非一次性现象，就可

    以对其进行预测了。例如，掷 1 次骰子能否出现偶数，是由 12 的概率决定的，那么当我们掷了 1,000 次骰子，想知道偶数出现了多少次时，就可以预测大约是

    500 次。如果掷骰子的次数不断增多，其误差就会越来越小。随着试验次数N的增

    加，运气是否也可以成为能够科学预测的现象呢？

    在我们的人生中，每天都在不断地遇见好运，遇见好运的机会每天都在重复。当我们选定一个期间，在此期间内，随着试验机会N的增加，对遇见好运的频

    率的预测精确度也会提高，进而有可能控制运气。结论就是，科学的方法，尤其

    是统计物理学的方法论是一个强有力的武器，有助于提高我们遇见好运的概率。

    人生和社会中发生的事几乎都是必然与偶然交织的产物，抛却偶然因素的事

    件几乎为零。因此，很多事都是概率性事件，这时运气就显得尤为重要。

    但是，我们往往倾向于用“偶然”和“必然”这两个对立概念将事物一分为二，即简单地分为不可控的偶然现象和可控的必然现象这两类。然后我们就致力于控

    制必然现象，轻易地放弃了不可控的偶然现象，并且还以为这是理性的判断。

    但实际上，对于伴随偶然因素的现象，其概率也是可以控制的。打棒球时，击球手不一定每次都会击中。但是，我们通过起用打击率为 30% 的击球手，而非

    20% 的击球手，就可以提高上垒的概率。不过只看一次打席的话，也会发生 20%

    的击球手击出安打，而 30% 的击球手没有打到的情况。但是，随着打席数的增多

    ，安打数就会出现明显的差异。对于这种包含偶然因素的现象，如果我们从一开始就放弃了提高概率的可能性，也就等于坐失了诸多良机。

    4.2 运气源于与人的相遇

    前面我们将运气定义为凭概率发生的好事，如果具体到商业领域重新定义一

    下的话，可以认为是凭概率遇见拥有自己所需的知识、信息和能力的人。

    苹果公司的创始人史蒂夫·乔布斯戏剧性地改变了计算机和人类之间的关系，所以会名垂青史。但在这里，“运气”也发挥了很大的作用(以下内容参考了沃尔

    特·艾萨克森所著的《史蒂夫·乔布斯传》)。

    乔布斯饱尝了失败之苦。为了提高他所创立的苹果公司的经营水平，乔布斯

    亲自将约翰·斯卡利招进公司。但是由于两人经营方针不一致，乔布斯被迫离开了

    苹果公司。

    就在失意期间，乔布斯参加了一次午餐会，旁边坐的碰巧是诺贝尔奖获得者

    保罗·伯格，两人谈论起基因重组技术。伯格说，生物学中的实验非常艰辛，有时

    甚至要花费数周的时间。乔布斯问道：“用计算机进行模拟实验怎么样呢？”伯格

    教授解释说，能做这种模拟实验的计算机太过昂贵，大学是买不起的。就是在那

    个瞬间，乔布斯察觉到了一种很大的可能性，顿时两眼放光。

    在那之后，乔布斯创立了 NeXT 公司，专门生产面向大学的工作站电脑。Ne

    XT 公司本身在商业方面算不上大获成功。但是，在将近 10 年后，苹果公司购买

    了 NeXT 公司的优秀软件，随后收购了 NeXT 公司，乔布斯以此为契机，重新返

    回了苹果公司的经营层。该事件与后来乔布斯和苹果公司突飞猛进的发展息息相

    关。

    总结一下，乔布斯在午餐会上与伯格的相遇以及由此引发的伯格的言论，推

    动了他后来的飞跃发展，即相遇招来了好运。

    日本汉字学家白川静指出，自古以来，人们认为幸福四处巡游，因此用了表

    示“搬运”的“运”字。事实上，很多时候，运气都是通过与人的相遇得到的，包括

    乔布斯的例子在内，古往今来的传记和体验记录中，都有很多相关记载。4.3 将运气和相遇转化成理论和模型

    如上所述，人与人之间的相遇和对话，有助于我们遇见好运。但是，谁在何

    时会给自己带来好运，是无法提前设计的。正是因为无法提前设计，才称为运气。

    前面已经介绍了记录人与人之间见面情况的可穿戴式传感器技术。姓名牌传

    感器中装有红外线收发器，将传感器戴在脖子上，就可以随时记录所见之人和相

    应时间。将这些记录统计起来，就可以制作出“社交图谱”(关系图谱)，表示谁

    和谁有关系、谁和谁在对话。社交图谱用图(由点连成线)来表示人与人之间的

    关系，当我们想在 SNS 等社交平台上俯瞰朋友关系网时，就可以使用社交图谱。

    过去，我们很难制作出表示现实世界中的人际关系的社交图谱，但是借助可穿戴

    式传感器，我们就可以记录人与人之间的见面情况，然后将这些数据输入计算机

    并制作出社交图谱(卷首插图 4)。

    当我们转变一下看法，借助这一传感器就可以将遇见好运的机会定量化了。

    接下来说明一下定量的方法。

    刚才举的史蒂夫·乔布斯的例子中，乔布斯与伯格教授的会面堪称一次“幸运

    邂逅”，它带来了后来的巨大发展。通过与人的相遇，也许我们可以获得启发，发

    现对问题的另一种看法。对方可能会介绍我们需要的书籍，甚至介绍我们认识其

    他人。传感器捕捉的就是这样的机会。

    当然，与人见面并不意味着一定会发生什么好事，两者之间没有必然的联系。但是，与人相遇会提高我们抓住好运的概率。借助该传感器，我们可以用数学

    将这种机会定量化。

    实际上，我们并不知道运气存在于何处。自身的需求和周围的供给时刻都在

    变化。即使供需偶然重合，也只有在两者的共通点成为话题时，运气才会奏效。

    下面让我们试着将这种状况转化为理论。假设对自己有用的信息和有能力的

    人按照一定的概率，随机分布在自己的周围。

    在这种情况下，每当自己与人见面时，都有遇见有效信息和能力的可能(或

    概率)。简单来说，就是你见面交流的人越多，遇见好运的概率就越大。但是，在见面的人中，既有人脉广、消息灵通的人，也有很少与人对话、信

    息渠道有限的人。我们可以预见，前者为你带来有效信息(你的运气)的可能性

    相对较高，而后者的可能性较低。

    要想预测见面的效果，可以估量一下对方的人脉情况，即累计一下这些人的

    见面人数。这与如果连同你朋友的朋友都算在内，你的人际圈将涵盖多少人的调

    查是一个道理，我们称之为 2 步以内的“到达度”(图 4-1)。2 步以内的到达度是

    衡量是否容易遇见对自己有用的信息和能力(遇见好运)的指标。

    图 4-1 表示 2 步以内的到达度的图。该图中，你的朋友和朋友的朋友一共 ......