今日分享的书《模型思维》。
模型思维是一种更高级的思维方式，它把思考正规化，帮助我们更好地研究解决问题，理解世界。
《模型思维》原是斯科特·佩奇教授在大学讲授的课程。后来搬到了网上，成了网红课，超过一百万人在线学习。
之前，模型主要供科研机构、大学教授研究商业、政策和社会科学所用，包括金融分析、天气预报和情报分析等。现在，大数据时代来临，普通人也非常容易获得大量的信息与数据，套用一些模型，就可以让自己拨云见日，见解更深刻，洞见更准确。
常见的思维误区
每天打开手机，各种信息应接不暇，如过江之鲫，但我们很难洞见各种信息之间的逻辑关系与背后的真实原因，模型却是解决这一问题的有效工具。
书中这样一段话：无论数据给我们留下的印象如何深刻，它都不是灵丹妙药。我们也许可以通过数据了解到已经发生了什么和正在发生什么，但是，由于现代世界是高度复杂的，我们可能很难能理解为什么会发生这种情况。更何况，经验事实本身也可能是误导性的。
这段话有两层含义：
第一层含义是：知其然很难知其所以然。现代世界高度复杂，信息多而杂乱，我们只知道发生了什么或者正在发生什么，很难理解为什么会发生。今天股指涨了；全世界新冠病毒感染者是多少人；国家推出了减税计划等等。这些信息背后往往需要有模型来解读。比如，你掌握了传染病模型，你看到每天新冠感染者人数时，就可以进行预测。通过易感者、感染者和痊愈者组成的模型和传染病的发生概率，就可以推导出一个传染阈值，也就是一个临界点，超过这个临界点，传染病会传播。为此，还可以推演，为了阻止传染病传播，需要接种疫苗人数的比例。
第二层含义是，人本身存在着认知偏见，一些经验事实本身就具误导性，我们看不穿也识不破。
比如计件工资制统计数据显示，每个工人生产一件产品获得的报酬高，反而生产的产品少。这跟我们直觉相反，按理说报酬高，工人积极性更高，产品量会更多。但薪酬工作条件模型告诉我们：报酬高，产品少是跟工作条件相关。工作条件差，产品生产难，导致计件报酬高。工作条件好，产品产量高，计件报酬反而低些。
通过简单的模型分析，我们容易克服各种认知偏差的影响，变得更加理性，更加接近问题的本质，就能澄清相关假设，更有逻辑地思考，校准、检验因果关系与相关性。其中最关键的是：如果让模型与人面对面直接“竞争”，模型将会胜出。
为什么模型会比人直观的思考更靠谱？
因为模型是对真实世界的抽象，是数学公式和图表的形式化结构。我们知道，只有抽象的东西，才是属于逻辑的范畴。有了模型，我们就能用逻辑做推演，做预测。只要逻辑是对的，结果也就是正确的。
模型给我们提供了一个基于逻辑的抽象认识世界的视角。在模型中，模型是简洁的，剥离了不必要的细节，各实体间有一定的关联，而且模型给出了精确的定义，可以进行推演。
虽然模型是真实世界的简化版，但这并不影响模型解释、预测、研究解决问题。乔治娅·吉弗说：没有什么比现实主义更不真实了……细节令人困惑。只有通过选择、通过消除、通过强调，我们才能获得事物的真正意义。
书中举例了2008年金融危机期间，美国联邦储备银行提供1820亿金融救助款，出手拯救了跨国保险公司美国国际集团（AIG），而没有救助雷曼兄弟。为什么？
通过“金融机构的网络模型”我们可以知道AIG金融机构占据了中心位置，它向其他公司出售保险。如果AIG破产，会引发相关公司跟着破产，像美国银行、摩根大通、美林、花旗银行等，牵一发而动全身，产生连锁反应，动摇整个美国的金融界。
反观雷曼兄弟，并没有占据网络的中心地位，与其关联的只有AIG和贝尔斯登，其倒闭影响甚微。事实上，美国政府最终也没有伸手拯救雷曼兄弟，让其倒闭。雷曼兄弟破产也没有导致金融体系崩溃。
通过这个模型，也就清晰了解了美国政府决策的原因，救AIG，不救雷曼兄弟。
有时一个简单模型胜过千言万语，清晰明了的洞悉问题的本质。
不过，模型并不等同于真实的复杂世界，有时单个模型面对复杂世界会显得身单力薄，解读乏力。这时，就需要用多个模型从不同的角度解读同一事件。让不同模型进行碰撞，补充，从而得出正确的推演与解读。
美国政治学家格雷厄姆·艾利森（Graham Allison）采取多模型思维方法解释了古巴导弹危机。
1961年4月17日，美国中情局训练了一支部队在古巴海岸登陆，企图推翻菲德尔·卡斯特罗政权，加剧了美苏之间的紧张关系。作为回应，苏联将短程导弹运到了古巴，而时任美国总统肯尼迪则以封锁古巴作为回应。最终，苏联做出让步，危机结束。
艾利森用了三个模型解释这件事。
首先，他运用理性行为者模型得出，美国选择封锁古巴是最优策略。
其次，他运用组织过程模型得出，美国不具备在一次打击中摧毁所有苏联导弹的能力，选择封锁为上策。
最后，他运用政府过程模型得出，赫鲁晓夫在古巴部署导弹更多地是一种力量的宣示，而不是准备真正的发动核战争。
通过三个不同的模型，从三个不同的视角评估这个事件，也就有了更全面、更深刻的理解。虽然，单个模型的解读不一定全面，多个模型的同时运用就容易修正偏差，得出满意的结果。
如果通过三个模型得出的结论并不一致，甚至彼此相悖，那该怎么办？这就需要看一个人的智慧。
一个人的智慧层次结构分为四个层次：
最底部是数据。数据代表原始的各种事件和现象。出生、死亡、市场交易、投票、降水、足球比赛，以及各种各样的（物种）发生事件等。看到数据你只能了解发生了什么，并不能让你理解为什么会发生。数据是缺乏意义、组织或结构的。
第二层是信息。信息是结构化的数据。信息把各种数据命名归入相应的类别。比如：落在你头上的雨是数据，北京7月份总降水量则是信息；超市买的白菜、萝卜是数据，超市每个月白菜或萝卜的销售量是信息。信息不再是原始的数据，他可以帮助我们来分析和解读事件或现象。
第三层是知识。知识是把信息组织起来，告诉我们各种事件之间的逻辑关系。我们可以用各种逻辑关系解释事件或现象是怎么发生的。下雨了是数据，知道地面的水蒸气上升到高空遇冷变成小水滴，小水滴组成了云，在云里相碰撞，合并成大水滴，空气托不住时，便从云中落下来，这就是知识。知识呈现为模型的形式，能够进行解释和预测。
第四层是智慧。智慧就是指识别和应用相关知识的能力。对于下雨有多种解释，是龙王发怒、还是雷公打雷，还是水蒸气凝结导致，智慧就是在你了解的众多知识或模型中找出最优解。以上三种下雨的解释，你选哪一种，这是你的智慧。
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过日子，只体验而不总结，那他得到的就只有数据。有人看看新闻，读读报纸，知道现在社会上发生了的事情是什么意思，那他得到的就是信息。有的人能从看到的信息中总结出一些规律，从经验中获得一些判断，从书本上学到一些说法，他获得是知识。但知识不等于智慧，智慧是懂选择该用哪个知识，哪个模型作出决策，而且有勇气去执行，去落地，这才是真本事。
智慧层次结构给了我们一个成为智者的清晰路径。先要有大量真实的数据，再把这些数据分门别类形成信息，再从众多信息中找出各种逻辑关系变成知识，最后综合各种知识，面对一个问题，选择什么样的模型，选择一个还是几个模型，当不同模型推演的结果存在相悖的情况时，你怎么选择，并做出相应的决策，则是智慧。
构建自己的多模型思维，删繁就简，洞悉事物本质。把复杂的问题看简单，从而做出选择，你将会成为一个更具智慧的人。