内容来源：本文为湛庐文化出版新书《模型思维》读书笔记，笔记侠经授权发布。
讲者 | 斯科特·佩奇
封面设计&责编| 马畅
第 4361 篇深度好文：5436 字 | 12 分钟阅读
内容来源：本文为湛庐文化出版新书《模型思维》读书笔记，笔记侠经授权发布。
讲者 | 斯科特·佩奇
封面设计&责编| 马畅
第 4361 篇深度好文：5436 字 | 12 分钟阅读
活动笔记•思维方式
本文优质度：★★★★★+口感：南煎丸子
什么是模型思维？
你认为高手成功的因素有哪些？
什么是模型思维？
你认为高手成功的因素有哪些？
股神巴菲特说：我爸爸是我所知道的“第二聪明的人”，而No.1是——查理·芒格。
95岁的智慧老人查理·芒格，一直提倡要学习所有学科中真正重要的理论，在此基础上形成“普世智慧”，以此为利器去研究商业投资领域的重要问题。
所谓的“普世智慧”，就是芒格多次提出的“多元思维模型”。他用一句话总结了多元思维模型对自己的重要意义：要想成为具有普世智慧的人，学会100个思维模型就够了。
一、查理·芒格的多元思维模型
芒格对多元思维模型的解释原话是：
长久以来，我坚信存在某个系统——几乎所有聪明人都能掌握的系统，它比绝大多数人用的系统管用；你需要做的是在你的头脑里形成一种思维模型的复式框架，有了那个系统之后，你就能逐渐提高对事物的认识；
你必须知道重要学科的重要理论，并经常使用它们——要全部都用上，而不是只用几种；而大多数人都只使用学过的一个学科的思维模型，比如说经济学，试图用一种方法来解决所有问题。
芒格告诉我们，将经济学、心理学、工程学、数学、物理学不同学科的思维模式联系起来，建立融会贯通的格栅，是投资的最佳决策模式。
用不同学科的思维模式思考同一个投资问题，如果能得出相同的结论，这样的投资决策更正确。懂得越多，理解越深，投资者就越聪明智慧。
但是，这些多元思维模型包括那些？芒格的模型是普世智慧，还是科学推演的结论？我们普通人如何训练，以获得自己的认知模型？
这些问题的答案是模糊的，所以查理·芒格的思维模型实际只是一些理解和思考的套路，相当于是新时期的成语典故，就像唇亡齿寒、扬汤止沸等，并不能给我们提供背后的推演支撑。
二、斯科特·佩奇的思维模型
那么，“思维模型”要怎样学习和掌握？万千“术”后的那个“道”，到底是什么？
在大量研究了芒格的格栅模型后，我才发现芒格的思想是来自“复杂性研究圣地”——圣塔菲研究所。
在研究芒格模型的多数资料中，都会从物理学、生物学、社会学、心理学、哲学、文学、数学等领域，分析各学科和投资的相关性，并多次提到了一个概念——复杂适应性系统（Complex Adaptive Systems），这正是圣塔菲研究所研究的大方向。
这里的研究者们想通过跨学科研究，找出各种不同的系统之间的一些共性。可以说，圣塔菲研究所的研究方向，和芒格提出的格栅理论有异曲同工之妙，甚至圣塔菲研究所的模型更为精确和现实。
斯科特·佩奇教授是密歇根大学复杂系统研究中心的主任，在Coursera（笔记侠注：美国免费大型公开在线课程项目）上讲授一门关于“模型思维课”(model thinking)的公开课程，现在各行各业已有超过一百万人在学习，他最近还出版了新书《模型思维》。
作为研究复杂系统、政治科学和经济学的专家，在广泛深入的研究之后，佩奇教授发现：用模型来思考的人，会持续超越不用模型思考的人；多样性大于能力、掌握多种模型的人，也会持续超越掌握单个模型的人。
相比芒格的模型，佩奇的模型要高级得多，是学者们使用的那种正规的“理论模型”。因为他所说的模型，是用数学公式和图表展现的形式化结构，能够帮助我们理解真实世界。
佩奇的模型来自多门学科，可以分为三类：对世界进行简化的模型、用数学概率来类比的模型以及人工构造的探索性模型。
其中像正态分布、幂律分布等很多模型我们并不陌生。所有这些模型都有一个共同的形式，它们都假设一些实体，通常是人和组织，并描述它们是如何相互作用的。
佩奇号召所有读者做一个多模型思考者。多模型思考者需要掌握多个模型，但并不需要全都非常懂，只需要知道每个模型有多种应用场景就足够了，这样当你需要决策时，拿出一个或几个最适合的模型即可。
三、正态分布模型的应用
这里，我们列举佩奇讲的“正态分布”模型，看这个模型如何解决工作生活中的重大问题。
我们知道世界上很多事物都符合正态分布，包括人的身高和智商、产品的质量等等。下面这张图描写了一个均值是1，标准差是0.1，总数量也是1的正态分布曲线 ——
以智商为例，图中横坐标代表智商的高低，越往曲线的右侧智商就越高；纵坐标代表人数，越往上代表人数越多；曲线下方的阴影区域面积就是总人数。
请注意这三个变量的大小都是可变的，针对具体的问题可以按比例放大或者缩小：比如智商的均值是100分，标准差是15分，那么图中横坐标的1.0对应的就是智商100；1.2对应的就是两个标准差之外，也就是智商130；如果你要研究的总人数是100万人，那么阴影区的总面积就是100万。
现在我们最感兴趣的，是红色的框标记出来的那个区域，称为“优异区”。它出现在分布曲线右侧的大约两到三个标准差之外的尾巴上，代表统计中最出类拔萃的样本。
如果你研究的是人群的智商，这个区域就代表智商最高的人群，他们的智商都在140以上。如果你研究的是一个诗人的作品，这个区域就代表他最高水平的产出。如果你研究的是企业的优秀员工，那这个区域就是最佳员工。
问题是，如何增加这个区域的面积？也就是怎样增加优异数？
通俗点来说，如果你是个老师，怎样让你的学生中多出几个聪明人呢？如果你是个诗人，怎样才能多写几首好诗呢？如果你是个企业家或者投资者，怎样才能多抓住几个出类拔萃的好项目呢？
这是一个有进取心的人最关心的问题，而光凭直觉说我要“努力！奋斗！”那种思维太落后了。正态分布这个数学模型，可以帮你理清思路。
根据正态分布，你可以影响的其实就是三个变量：总量、标准差和均值。
1.提高总量
增加总量是最直观的办法：如果我们把总数增加一倍，优异区的数量自然也会增加一倍。
比如作为一个专栏作家，我写的文章之中可能有的你感兴趣，有的你不感兴趣，但是我什么都写，只要我写的东西足够多，总会有你感兴趣的内容。学生多的老师自然更容易遇到好学生，读书多的人更容易有真知灼见。
多年以前，中国制造的水平不像现在这么高，经常有质量问题，当时有人提出一个很有意思的问题：
中国航天的水平非常过硬，发射卫星很少失败，可是中国制造的汽车质量却不行——而对比之下，日本制造的汽车质量很好，可是日本航天的水平却不如中国航天，经常因为技术问题导致发射任务失败，这是为什么？
答案就在这个优异区之中。中国搞航天是举全国之力干这一件事儿，可以把每一种零件都让不同的厂家生产很多个，然后从中挑选最好的一个。这就是以总量取胜。总量多了，总能挑出几个好的来。
用提升总量来获得优异数，这是一个用战略的勤奋弥补能力不足的方法。但是生产汽车可不能这么干，得个个质量都过硬才行。
提高总量，是个低效率的笨办法。
2.提升均值
提升均值才是解决问题的根本办法。想要理解这一点，请你思考这么一个问题：为什么中国有十四亿人，都找不出十一个足球天才来呢？为什么冰岛只有三十多万人，足球水平却比中国队强那么多呢？
进入优异区之后，曲线下降的速度非常、非常之快。比如开头说的分布曲线，其在尾部的情况——
从4个标准差到4.5个标准差，再到5个标准差，曲线纵坐标的落差是以数量级的方式下降的。也就是说，越是天才就越罕见，而且罕见的程度急剧下降。
哪怕你有十四亿人口，真到了代表天才的尾部区域，也没几个人。如果天才总共就没几个人，你就算把人口再增加一倍，也多不了几个人。
真正有效增加天才的办法，是提高均值。我们看看，如果把全中国人民踢足球的平均水平提高5%，标准差和人口总量都不变，是什么情形——
这相当于你把钟形曲线往右侧挪动了一点。而这一点，体现在优异区上，就是巨大的差异！如果把优异区放大了再看——
4.5个标准差之外，面积会有几十倍的差距。均值对优异区的效果比总量的效果要厉害得多。
冰岛人口是比我们少得多，可是冰岛人踢足球的平均水平可比我们高了远远不止5%。所以冰岛的球星数量比我们多，这难道不是应该的吗？
这个数学博主还举了个特别有意思的例子：单论成年男子的总数，印度有 6.5亿，而挪威只有250万；而印度成年男子的平均身高是165厘米，挪威则是 180厘米。那么，身高1米95以上的成年男子，是印度人多还是挪威人多呢？
下面这张正态分布曲线尾部的图告诉你答案——
1米95以上的挪威人数是印度人数的一百倍。总人口多没啥用，优异区曲线下降速度实在太快了，你必须用提升均值的方法把曲线往右边挪动，才能得到更大的优异区。
如果你水平就是不行，产量高是没用的。据说乾隆皇帝一生写了四万首诗，可是现在流传开来的一首都没有。
中国有句话叫“勤能补拙”，我的理解是：如果你的勤奋是用于提高均值，则可以补拙；但如果你的勤奋都用在了低水平的高产出上，则勤补不了拙。
爱因斯坦说过一句名言：所谓精神病，就是翻来覆去做同一件事儿，却期待能有不同的结果。
3.大标准差
抬高尾部曲线的第三个办法是加大你这个分布的标准差。我们把标准差提高 10%，从0.1变成0.11，就成了下面这个情形——
中间普通区的人数变少了一点，而优异区的人数明显增加了——
对个人来说，扩大标准差意味着你要去尝试一些更极端的事情。
比如一个人的工作能力一般，在一个旱涝保收的公司工作，赚钱不多但是很稳定；如果他水平不变又想获得更高的收入，那么冒险加入一家创业公司，是一个办法，当然这么做的缺点是，一旦创业不成就会落入曲线左边的尾巴，进入失败区。
对一群人来说，标准差大意味着这群人的水平参差不齐，有的特别高，有的特别低。有个著名的学术典故：
2005年，哈佛大学校长劳伦斯·萨默斯（Lawrence Summers），就“为什么女科学家的人数比男性科学家少”这个问题，发表了一个私人的看法，萨默斯认为，这并不是因为女性的平均智商比男性低，而是因为女性智商分布的标准差比男性小。
他说的恰恰就是我们这里讲的这个道理。男性的标准差大，所以在优异区有更多男性。而这并不是说男性作为一个整体优于女性，因为在曲线另一侧的尾巴，也是男性多。男性中特别笨的人，也比女性多。
这纯粹是一个数学性质，但是很多人认为萨默斯这番言论是性别歧视，结果萨默斯就因为这段话而被迫从哈佛校长的位置上辞职了！
四、总结
本文假设人的能力都是正态分布的，但这个假设不一定对。我们的模型能解释为什么中国人多，可为什么中国男足水平不行的问题，但解释不了为什么中国没有那么多举世闻名的数学家的问题——要知道，中国人的平均数学水平可是很高的。
我猜测，在优异区域，人的能力是幂律分布的：能力强的人会有更多的机会和更大的意愿，去进一步提升自己的能力。
但这只是技术细节，我们的结论其实对长尾的幂律分布大体上也是成立的。总结来说，要想增加优异区中的数量——
上策，提升均值，这个方法对优异区的提升非常快，而且没有风险；
中策，扩大标准差，这意味着你要冒险去做一些极端的事情；
下策，增加总量，这是一个笨办法，效果很差。
以数量取胜非常符合人的直觉。但一只猴子不停地打字，也不可能打出莎士比亚名句来——不要低估正态分布曲线尾部下降的速度。
高手贵精而不贵多。如果你的输出很多，但水平还是原地踏步，那么说明你从未探索过新领域，你缺的不是运气。
但是，当你的均值已经高到无法再高时，当你把能冒的险都冒了以后，数量就是你唯一可以掌控的东西。
一个人的科研水平在二十多岁的时候就已经到顶了，成功科学家和一般科学家的最大区别是：成功的科学家一辈子都特别勤奋。
水平够了才能比谁敢冒险；水平够了又敢冒险的人，就只能比谁更勤奋了。
