请努力做一个有知识又有智慧的人 II 模型思维
* 智慧是识别和选择相关知识的能力 *
作者:Scott Page
超过100万用户的“模型思维课”主讲人。密歇根大学复杂性研究中心“掌门人”。圣塔菲研究所外聘研究员。曾出版《多样性红利》一书。
以对社会科学多样性和复杂性的研究和建模而闻名。具体研究方向包括路径依赖,文化、集体智慧、适应和社会生活的计算模型。
于2011年当选美国艺术与科学学院院士,获得2002年的IGERT奖、2001—2006年的生物复杂性项目SLUCE奖和2013年的古根海姆奖。
工作中,你在团队中是不是不可替代的人?
爱情上,为什么异地恋的相聚能够带来很大的幸福感?
游戏中,选择什么样的策略才能在各种游戏中立于不败之地?
现实社会中,为什么很少有女性成为CEO?
……
关于这些问题的正确答案,都可以用斯科特·佩奇新书《模型思维》中的模型来回答。
狼书今日共读《模型思维》讲解了24种模型,从线性回归到随机漫步,从博弈论到合作,涵盖学习、工作、生活等方方面面——这些有趣的模型可以把任何人变成天才。
芒格说:“要想成为一个有智慧的人,你必须拥有多个模型。”这是一个数据爆炸的时代,数据充斥着我们的工作与生活,但仅拥有数据是远远不够的,必须学会让数据说话。模型就是让数据说话的秘诀,模型将帮助我们所有人从掌握信息提升到拥有智慧...
首先,要掌握多元思维模型,第一件事就是我们得理解“模型”是什么?
模型,是用数学公式和图表展现的形式化结构,它能够帮助我们理解世界。
掌握各种模型,可以提高你的推理、解释、设计、沟通、行动、预测和探索的能力。
借鉴得到APP旗下万维钢和李南南的解释:
模型就是经验的抽象集合。你平时听到的谚语、公式、定理,本质上都是一种模型。
举个例子吧,比如踢球,小孩子通常踢球踢不远,而大人则可以踢得很远,这是我们基本的生活经验,那么把它抽象成模型就是,踢球用的力越大,球就会被踢的越远,力小则相反。
再高级一点儿就是牛顿第二定律,力=质量×加速度,也就是说球踢得远不远不仅仅得考虑到力,还得考虑到球的质量。质量的大小会影响球的加速度,相同时间内球的加速度决定了球离脚后的初速度,如果阻力恒定,那么初速度的大小就决定了球运动的远近。
这就是思考方式的正规化。
我们思考的其实已经不是具体的球和具体的踢球者了,我们思考的是一个抽象出来的踢球模型。
模型是对真实世界的抽象。正规化就是抽象化,抽象化才能可推导,而可推导是个非常厉害的能力。
本书的核心观点:
多模型思维能够通过一系列不同的逻辑框架“生成”智慧。不同的模型可以将不同的力量分别突显出来,它们提供的见解和含义相互重叠并交织在一起。利用多模型框架,我们就能实现对世界丰富且细致入微的理解。
01 构建模型的三种方法
模型可以是对世界的简化,但是模型也可以采用类比的形式,或者,模型本身可能就是为探索思想和总结观点而构建的虚拟世界。
(1)具身法(embodiment approach),用这种方法构建的模型包括重要部分,同时对于不必要的维度和属性,要么剥离,要么将它们整合在一起考虑。
生态沼泽模型、关于立法机构和交通系统的模型都是用这种方法构建的,气候模型和大脑模型也是如此。
(2)类比法(analogy approach),可以对现实进行类比与抽象。
我们可以将犯罪行为传播类比为传染病传播,将政治立场的选择类比为在一个左--右连续线段上的选择。
相比而言,具身法更强调现实主义,而类比法则致力于刻画过程、系统或现象的本质。
(3)另类现实法(alternative reality approach),也就是有意不去表征、不去刻画现实。
这类模型可以作为分析和计算的“演练场”,我们可以利用这类模型探索各种各样的可能性。
重点:任何一个模型都必须是易于处理且便于交流的。
02 模型的七大用途
模型有几十种用途,不过在这里,我们只专注讨论其中的7种用途:
(1)推理:识别条件并推断逻辑含义。
(2)解释:为经验现象提供(要检验的)解释。
(3)设计:选择制度、政策和规则的特征。
(4)沟通:将知识与理解联系起来。
(5)行动:指导政策选择和战略行动。
(6)预测:对未来和未知现象进行数值和分类预测。
(7)探索:分析探索可能性和假说。
03 多模型思维
++孔多塞陪审团定理:
多数投票正确的概率比任何人(模型)都更高;当人数(模型数)变得足够大时,多数投票的准确率将接近100%。
++多样性预测定理:
多模型误差=平均模型误差-模型预测的多样性
多样性预测定理描述了一个数学恒等式。这个定理的原理在于,相反类型的误差(正负)会相互抵消。
事实是我们构建多个多样性模型的能力是有限的,但是我们并不需要懂得非常大量的模型,只需要知道每个模型都可以应用到多个领域,但这并不容易 。
成功的一对多思维取决于创造性地调整假设和构建新的类比,以便将为某个特定目的而开发的模型应用到新的领域。
因此,要成为一个多模型思考者,需要的不仅仅是数学能力,更需要的是创造力。
04 从数据到智慧,成为一个多模型思考者
为了进一步理解模型,佩奇讲解了一个智慧层次结构,也是认知上的金字塔。
金字塔的最底层是数据。
数据代表各种事件和现象,比如出门看见下雨,这就是一个数据。
数据本身没有组织和结构,也没有意义。数据只能告诉你发生了什么,并不能让你理解为什么会发生。
数据的上一层是信息。
信息是结构化的数据。看见下雨只是数据,但如果有人统计上海市在2019年11月份这一个月总共下了多少雨,这就不是简单的数据了,而是信息。
信息就可以用来做分析和解读。
信息再往上一层是知识。
知识能把信息组织起来,告诉我们事件之间的逻辑联系。
有云导致下雨,因为下雨所以天气变得凉快,这都是知识。成语典故和思维套路都是知识。
模型,则可以说是一种高级知识,能解释和预测。
认知金字塔的最上一层,是智慧。
智慧是识别和选择相关知识的能力。
05 有知识不等于有智慧。
一个人可能掌握很多模型,但是具体到这个问题到底该用哪个模型,敢不敢用这个模型,则是智慧。
作者佩奇举了一个例子。一只小猫从4000米的高空掉下来,请问它会给地面造成什么样的危害?我们得先选一个模型。
用最简单的重力加速度模型,我们会发现猫触地之前的速度非常非常快,它会在地上砸出一个大坑。
但是用一个更复杂的模型,考虑到空气阻力,物体在大气层中的掉落速度其实会趋向一个恒定的数值,并没有那么快,那么危害就不会很大。如果掉下来的是一只小老鼠,甚至可能都不会死。
所以说,从数据到智慧,这是真正意义上的认知升级。
如果一个人浑浑噩噩地混日子,只体验而不总结,他得到的就只有数据。
有人偶尔看新闻,知道现在发生的事情都是什么意思,他就获得了信息。
有人能从经验中总结一些规律,还从书本上学到一些说法,他就拥有了知识。
为什么有很多人说“学了很多知识,却仍然过不好这一生”呢?
因为有知识不等于有智慧。
有智慧,会选择该用哪个知识,能使用模型做出决策,而且还真敢去执行,那才是真本事。
从数据到智慧,你会发现越往上就越主观。
信息已经是个性化的总结。知识中的因果关系已经是主观的判断。而智慧,更可以说是一种艺术。
到底该选哪个模型?没有固定的操作流程。
经济学家有句名言说“所有模型都是错的,其中有一些是有用的。”
模型说的不是真实世界,而是对真实事件的抽象和简化。
我们必须忽略很多因素,才能让问题可以推演。而这么做的危险是可能得到完全错误的结论。
所以需要了解每个模型的优点和局限性,需要有举一反三的能力,更需要有创造性。
理性&思考
要想成为一个有智慧的人,你必须拥有多个模型。而且,你必须将你的经验,无论是间接的,还是直接的,都放到构成这些模型的网格上。
查理.芒格
模型,让你的决策更精确
如果“多样性”说的是观察问题的“视角”,“模型”说的就是研究问题的“镜头”。
掌握多种模型,就像站在一间拥有很多窗户的房子里,以不同的方式看向世界......