* 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......