问答：设计结构矩阵和甘特图的区别是什么？

给身体一个可承受的小压力，然后能恢复回来，并且整个系统因此而升级，这才叫反脆弱。如果给的压力太大，恢复回来都很勉强，甚至干脆都没恢复回来，那就不好了。就你说的这个「禁食」来说，我发现有两个点特别有意思：一个是反脆弱的具体实现机制，一个是实现反脆弱的这个度的把握。

首先，禁食并不是简单地激活“好细胞”或者清除“坏细胞”。在微观层面上，禁食能激活细胞的压力应答机制，并且开启细胞自噬过程，让细胞能够回收受损的蛋白、线粒体和一部分无用的结构。在宏观层面上，禁食的目的是实现从葡萄糖提供能量，转向用酮体提供能量，这是一种代谢转换。它可以改善胰岛素抵抗、血脂异常、高血压和炎症这些指标。

更有意思的是，身体的再生不是发生在禁食的进行中、你饿着的那个时候，而是发生在你重新吃东西的时候：前者是拆迁，后者是重建。所以禁食之后吃什么、怎么吃，这也很重要。这都需要专业指导。

这个洞见是禁食并不是说打击身体一下、让身体组织抵抗；而是通过剥夺能量输入，迫使身体进行自我整理。

站在外面看，你可能会说人体作为一个生物组织，它必定是反脆弱的，所以禁食对人有好处！那只是哲学。你得先等科学家确认身体确实有这个能力，再决定尝试禁食。我们不能单纯用哲学指导健康。——万维钢

所以具体怎么做，还得看科研的结论。现实是，禁食不一定非得除了水之外什么都不能吃，也不是说非得每个月禁食五天。如果什么都不吃是反脆弱，那少吃点难道就不是反脆弱吗？

比如现在有一种方法叫「禁食模拟饮食（Fasting-Mimicking Diet）」，也就是低热量、植物性、低蛋白、低糖、较高不饱和脂肪的饮食，目的是模拟水断食的部分内分泌和代谢效果，同时提供少量热量和必要营养。

我调研结果，目前有两种禁食疗法似乎有最强的科学证据证明有效。但也不是说绝对有效，只能说目前的证据还不错。

其一：间歇性禁食

也就是每周五到六天，每天只保留 8 到 10 个小时的吃饭窗口，比如说从早上 8 点到下午 4 点，在这段时间之内可以吃东西，其他时间就只喝水。它要求早餐越早越好，晚餐不能晚于下午 6 点。有一些研究证明，它对减肥、缓解压力、对情绪指标都有一定的好处 [1]。

其二：禁食模拟饮食

这个做法强度比较高，每个周期需要连续 5 天只吃低热量、植物性、低蛋白、低糖的食物：

• 第一天：只摄入 1100 大卡的食物
• 第二天到第五天：每天只摄入 700 大卡的食物
• 五天结束后：恢复正常进食

建议是每个月一个周期。根据 2024 到 2025 年的一些最新研究证明 [2,3]，连续三个月完成三个周期后，对身体有诸多好处：胰岛素抵抗下降、糖尿病前期指标得到改善、肝脂肪下降等等。据说综合而论，能让生物年龄的中位数下降 2.5 岁。

那么一个可行的方案是：任何人都可以日常践行周期性禁食；而对自己身体指标不满意的人，可以来一轮三个周期的禁食模拟饮食。这可能是当前科学理解所能提供的最佳方案。

我还听说过一种连续饿自己三天的方案，是一个更激进的方法，据说也有疗效。但是，那需要医生在旁边指导，有一定的危险性。

设计结构矩阵（Design Structure Matrix, DSM）是用来协调一项工作的各个步骤之间相互依赖关系的工具。比如你要开发一辆电动自行车，整个工程可以分为若干步骤：用户需求、电池包、电机和控制器、车架布局……等等。这些步骤你先干哪个，后干哪个，让谁等谁呢？DSM 的作用就是帮你合理设计先后步骤和上下游关系。

具体操作，我们可以先大致弄一个初步的排序，比如分成 A、B、C……总共 10 步。你要这些步骤同时列在一张矩阵表格的横坐标和纵坐标上。

接下来是填表：只要两个步骤之间存在互相依赖关系，不管是谁依赖谁，就在它们交叉的坐标位置点一个点。我们通过观察矩阵中这些点的分布，就能看出来你当前的步骤有哪些问题——

• 如果点阵密集地分布在对角线附近，那就是非常理想的情况。这意味着正好是邻近步骤之间互相依赖，关系清晰容易推进。
• 但如果在表格的边缘有很多点，那就说明当前的步骤排序不合理。你应该重新调整排序，让依赖关系尽量靠近对角线。
• 再者，如果发现某几个步骤之间的点阵特别密集，那就说明这几个步骤是高度互相依赖的——这就意味着应该把它们视为一个整体，就别分步了，作为一个独立的模块来管理。
• 还有，如果点阵出现了回环，比如 A 依赖 C，C 依赖 E，E 依赖 F，F 又依赖 A，这就说明这并不是一个线性的流程。当你改动 A 的时候，最终会改动 F；可是你改动 F 之后，又要回来再次重新考虑 A：这是一个迭代过程。

我用 ChatGPT 画了一幅图，你一看图就明白了——

（原稿此处附有 ChatGPT 绘制的 DSM 示意图，手机版从略）

甘特图（Gantt chart），是一个任务管理工具。它也会涉及依赖关系，但它的作用是在步骤已经确定之后，布置和监督各个步骤的推进情况，甘特图关心的是每个步骤进行的时间长短，要求不要因为这一个步骤拖延而耽误了后面依赖它的步骤。

简单说，DSM 是根据各个步骤之间的依赖关系合理安排这些步骤，负责的是结构；而甘特图则是当步骤安排已经确定之后，看怎么排时间，负责的是节奏。所以我的理解是应该先画 DSM 布局，再画甘特图推进。——万维钢

顺便说一句，ChatGPT 新出的 GPT-Image 2.0 特别擅长用一张图给你解释清楚一件事，关键词叫「infographic」。我顺手给甘特图也画了一张，你也可以自己就任何课题让他画图。

（原稿此处附有 GPT-Image 2.0 绘制的甘特图 infographic 示意图，手机版从略）

不需要复杂的提示语，你只要输入：「给甘特图画一个 infographic」就可以了。我们可以充分依靠高级 AI 自身的能力。

我认为 infographic 是比 PPT 更好的信息表现方式。——万维钢

更重要的是有对真实信息的需求。大部分人并不怎么需要真实信息。生活在“信息茧房”之中，跟同一圈层的人相处，谈论一些错误的、但是是共同的观念，并不会对这些人的生活造成任何坏影响。

如果一个人从来都不出国，他完全可以相信地球是平的。只有当他有一天到了国外，跟国内的亲友打电话，发现大家一个在白天、一个在黑夜，他才需要用“地球是球形的”这个知识来解释时差。

人需要真实信息并不是因为爱好真实信息。人可能更爱好虚假的信息，因为虚假信息更能建立身份认同，更能解释生活的合理性，让人感觉良好。如果你不投资不买房，而且你的工作非常稳定，你不太需要了解宏观经济，你相信“风景这边独好”就完事儿了。

我们需要真实信息是因为必须跟真实世界打交道。比如说：你要求学、找工作、投资、做事，甚至要领导一个组织，你会影响其他人的生活，只有在这些情况下，你才需要用到真实信息。

可是即便真有用，信息的反馈还有个滞后效应、还常常是不明确的。可能这个草药其实无效，但你喝了却真的感觉到疼痛被缓解了。

尤其在过去，大部分人都生活在自己周边的一个很小的环境之中，个人的影响圈非常小，稀里糊涂一辈子就过去了。只有在现代社会，而且只有一部分人，是生活在更大的环境之中，需要「决策」，才需要真实的信息。

所以求真的前提是有反馈。不撞南墙不回头，也得先有南墙可撞才行，你的活动范围必须超出墙的范围。——万维钢

主动接触不同样本也行，质疑自己的第一直觉也对，但更关键的还是寻求反馈。

• 一个简单的练习是针对一个自己生活圈以外的事情，先思考一个答案，然后把自己的说法告诉 AI，让 AI 点评。
• 更有用的办法是把你对大事件的预测写下来，存档，等结果出来了回头再看。我们下周会讲到一个叫「超级预测」的心法，其中就提到，对自己的预测打分是提高预测能力最好的办法。

如果我们看到了一个非常值得关注的异常事件，怎么知道它只是一个随机的波动，将来会回归均值，还是说它真的代表了某种趋势呢？如果我们没有时间去观察更多的数据，其实对这个单个事件也可以做一番分析。

关键是看导致这个事件发生的原因，是普通原因还是系统性的原因。比如说你是公司的领导，有一天某个员工犯了一个大错，造成重大损失。那么你需要分析他为什么犯这个错。

如果他那天是因为身体不好或者情绪不佳而犯错，而这个员工平时表现良好，公司其他人也不经常犯这种错误，那这就是一个随机波动事件，只要是人多的公司都可能遇到，什么都不用管。

但如果员工犯错是因为他不熟悉公司刚刚部署的新机器，那你就需要重视了：是不是新机器的操作流程没有跟员工讲清楚？是不是需要搞一次培训？又或者说这个机器自身是不是有问题？

在统计学上，前者叫「普通原因变异」，是系统的正常波动；后者叫「特殊原因变异」，是正常运行被某个异常机制打断了。

老板管的是公司，而不是这一群人：家长里短的事儿就算影响到公司也不值得你操心，你只关心公司层面的事儿就好。——万维钢