比努力更重要的,是拥有更高级的思维方式

发布时间:2020-02-24 来源:

很多人都知道投资者查理·芒格喜欢谈论“思维模型”,他说:“要想获得普世智慧,80~90个重要的模型就能完成90%的工作。”不过在我看来,那其实是一些理解和思考的套路,相当于是新时期的成语典故。


斯科特·佩奇说的模型要高级得多,是学者们使用的那种正规的“理论模型”。斯科特·佩奇是密歇根大学复杂性研究中心“掌门人”,著有《模型思维》《多样性红利》,他的“模型思维课”有超过100万用户在学习和使用。


在新书《模型思维》里,佩奇不仅讲清楚了做一个多模型思考者在当今复杂社会的意义,还讲解了二三十个模型,教我们成为多模型思考者,科学地使用模型进行思考。这是一个武器级的概念,想要理解它,你的思维方式需要先升级。


模型,让你的思考正规化



要想用高级方法研究问题和做出决策,首先得让思考正规化。




比如一个小孩踢足球,他竭尽全力也没踢出去多远,而一个大人飞起一脚,球就会被踢得很远。有人对这个现象总结了一个规律:踢球的力量越大,球飞得就越远。


这是很不错的观察和思考。足球运动员通过训练能对“球性”有深刻的体察,但是如果你让他谈力量和距离的关系,他也只能说到这个程度。各种古代成语典故,比如唇亡齿寒、扬汤止沸,以及《孙子兵法》等古代军事将领写的兵书战策,也都是这个水平的思考。这些思考都是有用的……但是,这种思考方式太落后了。


首先它不精确。如果把力量增大一倍,球的飞行距离能增加多少呢?其次它没有适用范围。这个道理一直都对吗?在什么情况下会不好用呢?这样的思考都回答不了。


我们身处复杂世界里的现代人,可不能靠成语典故和寓言故事指导决策,因为这样水平的思考没有精致推演的能力。现代学者都在使用更高级的思考方式。


最起码的一点,一个数学公式能抵千言万语。想要知道踢球的力量和球的飞行距离的关系,我们首先用牛顿第二定律公式描写力量和加速度的关系,然后通过加速度和触球时间计算速度,再考虑地球引力和空气阻力……这听起来比较麻烦,但是这一套思考允许你做精致的推演。


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。其实我们每次做数学应用题,都是在使用一个模型。你知道题目包含的假设,和因果关系,就能用数学推导出一个结果。


一旦思维上升到模型的高度,我们就不再是普通老百姓水平了,一般的道理就骗不了我们。


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”。


模型不仅可以提升个人思考水平,国家都在用模型做决策。2008年金融危机期间,美国财政部在关键时刻出手,购买了AIG公司(美国国际集团,American International Group)的资产,最终使得 AIG 没有倒闭。这个救援行动遭到了各方的猛烈批评,有人说这等于是政府直接干预经济,违背了自由市场的理念;有人说雷曼兄弟公司为什么不救援呢?雷曼破产了AIG却没事,这公平吗?


美国政府行事的逻辑在哪呢?讲故事不如看模型。下面这张图是当时国际货币基金组织搞的一个模型,描写了各大金融机构之间的网络关系 ——



各个机构之间的连线代表他们的关联,连线越粗越越深,关联就越强。AIG处在关系网的一个中心位置,很多金融机构购买了AIG提供的资产保险,如果他们资产的价值下降,AIG会给他们兜底。


有了这个模型,我们就可做推演了。可以想象如果AIG倒闭会发生什么?使用数学推导,我们知道其他机构就会拿不到保险金,他们也会跟着倒闭,结果很可能是灾难性的连锁反应。AIG是“大到不能倒”,这就是为什么要救AIG。那为什么不救雷曼兄弟呢?因为模型中雷曼兄弟并不具有AIG这么核心的位置。




事实证明雷曼兄弟的倒闭并没有牵扯到整个金融系统,模型的预测可以说是准确的。金融危机过去之后,美国政府又卖掉了AIG的资产,一进一出从中还净挣了230亿美元……可以说当初救援AIG是一个正确的决定。


模型帮我们看清了各个金融机构之间关系的本质。如果没有这个模型,只说AIG很重要,就不足以做出这种精确而大胆的操作。但是问题来了,模型有那么多,当初为什么要选择这个模型呢?


为什么不考虑各个金融机构高官的任职情况呢?为什么不考虑这些机构在历史上对美国所做的贡献呢?为什么不考虑对舆论的影响呢?


简单地说,只看关系模型,是因为我们想要的只是金融市场的稳定。不简单地说,忽略其他因素,这是一个非常主观的冒险选择。


在多模型中选择模型,需要智慧。


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,但如果有人统计哈尔滨市在2019011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。


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。


延续之前一本《多样性红利》的逻辑,佩奇特别强调,有时候需要同时使用多个模型,才能做出准确的预测和判断。


所以说,模型是对真实世界的一种主观抽象描写,代表正规化的思考。模型通过严谨的定义和数学逻辑关系,允许我们做精致的推演,从而获得精确交流、解释、判断、设计、预测、探索和采取行动的能力。而选择什么样的模型、选择一个还是几个模型,则是智慧。


希望佩奇讲的这些模型能成为你认知工具箱里的常备武器……因为使用了数学,其中有些武器的精确度超出想象。