樊荣强

樊荣强

发表于 2021-02-14 10:07:12
3049 字 · 72 阅 · 0 评 · 0 赞

当前世界的问题,不在“少”,而在于“多”。

太多的新闻,太多的好书,太多的选择,太多的社交媒体对话,充斥我们的感观世界。这个时候,稀缺的是什么?不是外在事物,而是我们的注意力和判断力。

正是因为我们深陷如此之多的信息之中,我们更需要更系统的解决方法。如何解决?需要智慧,也可以说,需要模型思维。

学者斯科特·佩奇在《模型思维》一书中指出,人类的智慧层次可以分为四个层次:

第一个层次是数据。所谓数据,就是没有编码的万事万物,即虚拟世界中的0和1的代码,各种网页链接,你手机闪过的一个个屏幕,也可以是现实生活的事件,比如生老病死,阴晴圆缺。

第二个层次是信息。将数据命名以及分类,就是信息。比如落在你身上的雨是数据,全国的降水量是信息。

第三个层次是知识。柏拉图将知识定义为“合理的真实信念”,而佩奇则定义知识是对各种关系的理解,比如相关关系、因果关系,逻辑关系等等。当知识组织了信息,就呈现为模型,比如地震预测模型、解释市场竞争等等。

最高层次也就是第四个层次,是智慧。佩奇认为智慧就是识别和应用相关知识的能力。

可以看出,人类智慧分类既是科学的,也是哲学的。这个分类其实受到诗人艾略特的启发。艾略特曾经这样写过:“我们迷失于知识中的智慧在哪里?我们迷失于信息中的知识在哪里?”对于现代人来说,我们首先需要追问的是“我们迷失于数据中的信息”。

佩奇认为,智慧在运用中,往往就体现在选择正确的知识和模型。这就引出了模型的概念,模型就是对于现实的简化。除此之外,模型也可以是类比,甚至是虚拟世界。

佩奇总结了模型的七大用途:推理,识别条件并推断逻辑含义;解释,为经验现象提供(可检验的)解释;设计,选择制度、政策和规则的特征;沟通,将知识与理解联系起来;行动,指导政策选择和战略行动;预测,对未来和未知现象进行数值和分类预测;最后是探索,分析探索各种可能性和假说。

这些用途首字母链接起来,就是“红色披风”的缩略词(REDCAPE)——这个巧合,也许是一个隐喻,多模型思维可以给予人类强大的力量,犹如童话世界中有魔力的超人红披风,。

你听到模型,不要都以为和一板一眼的数学公式有关,其实不然。不少模型的理念,已经内化为我们日常思考方式的一部分,甚至我们日夜用在决策中而不自知,比如“需求定理”“二八定理”“马太效应”“正反馈”“长尾定理”等等,就是不同模型。

最典型的,《模型思维》举了个案例。像2008年金融危机之后,冰岛货币出现急剧贬值,金融市场感到很恐慌,因为之前不久席卷全球的美国住房按揭导致的金融危机刚刚消停。如果你是一个大型跨国公司的财务主管,你应该怎么办?冰岛国内生产总值就是120亿美元,相当于麦当劳6月收入,放在美国,就是一个城市的体量。因此从供需模型出发,很简单可以判断,这事不大,该干嘛干嘛。判断逻辑也很清晰,事后看来也很正确。

很类似的,就像非典以及新冠疫情这样的冲击,身在其中大家都会惶恐,经济冲击会有多大?作为投资者,知道消息后,是不是要卖出?如果理性折算一下,如果不是最直接的行业,那么对于大部分公司而言,疫情会影响一两个季度的收入。短期看来不少,但放在公司的长期视野中,对于公司甚至经济的基本面不会有大的动摇,都是短期冲击,不会带来根本性的改变。

但是,这些看来简单的判断背后,这也是体现了多种模型思维——因为在那么多模型中,你需要选取正确的信息(冰岛很小或者疫情是短期冲击)以及正确的模型(供需模型)。

对比之下,国内有很多教导模型思维的书和课程,往往教一些具体的模型,其实这不是关键,因为任何模型的运用都有前提,如果仅仅为了模型而模型,只是学会了皮毛。

模型思维的关键,关键是理解模型的本质,懂得如何选择模型,比懂得模型细节更重要,要有多模型思维,切忌用单一模型解释解决一切问题。

奥卡姆剃刀原则大家都知道,那就是“如无必要,勿增实体”。但是这句话其实有下文,爱因斯坦就进一步强调过,“事情应该力求尽可能简单,但是不可过于简单化”。佩奇提醒我们,模型有三个特征:第一他们都是简化的,因为必须剥离不必要细节;第二,模型都是形式化的,需要有精确定义;最后,所有模型都是错误的。

你要注意,佩奇列举了很多模型,从正态分布到幂律分布,从线性模型到非线性模型,从网络模型到广播模型等等。这些模型彼此之间甚至存在矛盾。关于该如何运用理解?他反复强调的是多种模型思维,而不是仅仅模型思维。这意味着,我们面临多种模型,一方面应该选择最合适的模型去思考,另一方面,我们也应该试着从不同模型去看问题,这让我们可以更好理解解决问题。

比如不平等这个问题,说起贫富差距阶层固化,大家都很不满意,但如何看待如何解决?如果深入了解这个问题,你会发现模型不同,起因大家看法不一样,结论就不同。

如果按照一派经济学家的看法,应该进行减税,这样经济会繁荣,税收总额也会增加,穷人也会受益,但是事实上这个结论存在前提。如果按照法国经济学皮凯蒂的说法,资产回报率永远大于经济增长率,那么应该给富人加资产税。可是他的模型中也有问题,那就是假定富人的孩子都可以永远明智地投资。如果我们从社会正反馈模型去看收入分配,会发现在社交网络中,更多的人际联系增加社会影响,富人在这方面拥有的先发优势可能使得他们更富裕。从类似模型可以看出,有社交网络优势的人,在今天可能会获得更多回报,这也可以解释网红和硅谷富豪的出现。

这些年,美国CEO的薪酬提升很大,是普通工人的300倍,这是为什么?从空间投票模型看,你可以发现美国董事委员会中多数都是别家公司的CEO,他们有激励去提高别的CEO的薪酬。再深入一点,如果你从技术变革的模型去审视,角度也不同。从收入最高的400个美国人来看,最顶层这些人的收入主要来自新技术、大众零售和金融行业。这三个行业有什么特别?它们都可以快速扩展,这就造成赢家通吃的局面。

由此可见,不平等的原因很多,解决思路也不同。不同模型,有不同结果,只有通过这些模型彼此对照,我们才能理解真实世界,而不是坐井观天,真正做到让智慧入世。你看,只用一个模型包打天下,不仅不正确,而且可能有灾难性结果。

对比之下,思考一下公共政策,会发现不少真实场景,其实需要多种模型。车多就限流,房价涨就管制,口罩难买就罚款,这其实就是直觉或者单一模型思维的结果,那就是抑制需求。对应的反对意见中,如果觉得所有的东西都稀缺,解决思路是以涨价应对一切,这其实也是另一种简单思维。两种思维都不能说完美,是只用一种模型思考的结果。

善于多种模型思维,意味着真正的智慧。世人都知道巴菲特是股神,但是巴菲特的合伙人查理·芒格的智慧更让人佩服。芒格一直提倡多种模型思维,而且主张将模型和经验结合,“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,无论间接的,还是直接的,都放在构成这些模型的网格上”。

据说,在19世纪英国小说家简·奥斯丁的年代,如果要夸奖一个年轻人,人们会说这是一个拥有很多信息的年轻人。在今天,大家大概率不会这样说,但可能会说有很多知识的年轻人。不过,你想过没有,仅仅拥有知识,在大数据的今天,可能已经不够了,你可能需要说,这是一个有智慧的人,或者这是一个模型思维的人。

所以,当别人谈论信息爆炸或者知识焦虑的时候,也许只是他们缺乏模型思维的结果——仅仅沉湎各种知识信息甚至数据中,没有学习通过模型,将各类知识信息数据整合,化繁为简。而所谓模型思维,其实是多种模型的综合思维,这种本质上就是一种复杂思维——承认这个世界的复杂,用开放的心态,用不同模型去简化,再尽可能还原世界的真相。


您的鼓励是我无限的动力
敬请随意打赏
作者介绍
关于TA:樊荣强,钻石国际演讲会创始人,呆萌写作训练营首席导师。口才教练、作家、营销管理顾问。当过政府秘书、电视台策划总监、电器公司企划部长、广告公司总经理、李嘉诚TOM集团项目经理、财经杂志首席记者、高科技集团高管。17岁开始在报纸上发表文章,擅长公文、新闻、杂文、论文、文案、申论、作文等非文学写作。出版过《三的智慧》《元写作——快速成为非文学写作高手》《20天练成脱稿讲话》《当众讲话是门技术活》《魔力演讲法则》《销售与口才》《珠江三角洲批判》《顺德制造》等著作。微信19521039692
发表评论
写评论,请先 登录 | 注册
写评论…
码字
首页
我的