写在最前面
本文为《经验的疆界》的读书整理和思考，该书是我最喜欢的一类书，一位年近花甲的作者，穷尽毕生功力无私的倾注与书中，看完十分过瘾。隐隐约约也察觉到，作者在论述组织和个人通过经验进行学习的问题背后，隐藏着一个底层思维模型，即统计学的思维模型（包括与思维模型的应用），于是尝试从中抽象提炼，重构成为自己的一个思维模型。
《经验的疆界》的论述很奇特，我能感觉到译者小心翼翼的用词，不敢改一字，怕影响到文章原意。且大量的篇幅单纯的论证从经验中学习的不足和问题，会让读者一度心生无力感。这种无力感起源于柏拉图的洞穴寓言时的对世界真相、事实无法刻画和描述的无力感。我们一直在努力尝试去刻画和描述，我们证明了天不方地不圆，结果发现练人类的空间和时间概念都是虚假的。也来自于努力向通过历史、过去经验学习，试图变得更好，但是太多次历史上证明人类确实很少能够从历史吸取教训。so，我们改如何面对这些无力感。
作者后面也只是隐晦的安慰一下，说虽然大多数对经验的诠释只在小部分领域有效果，大部分的诠释存在偏差、过渡解读，是“在创造没有实际用途的知识”，它表现了人类存在比较突出的一面 -- 对自由求知的渴望，对人类的意图进行合理化，即对人类存在合理化，用有趣的方式对人类的存在赋予意义，我们使用自身的自负和傲慢，为自己赋予价值。
我看见一个巨大的事实摆放在眼前，大到我们可能对它视而不见--即人类正式依赖这种有缺陷的视角，充满漏洞的各种理论，满纸荒唐的记录，低效而又无序的社会，生存至今。 有缺陷的视角带来自负，给予我们勇敢，面对困难可以用于面对；充满漏洞的理论让我们获得心安，面对未知带来恐惧的间隙时，可以停下仰望星空想象一个美好的通话；记下满纸荒唐的同时，书写了我们共信仰故事使得文明得以延续；低效而又无序的社会，让创新和不同理念得以生存，从而提供了容错空间，避免突然全部覆灭。 或许这些都不对，但这是我们无法摆脱的原罪，但这是一直是我们的一直赖以生存手段和工具。所以，认知到它的缺陷，审慎的使用它，逐步的优化它，这才是我们应该选择的方向。
以下是一些声明：
- 本文选择了个人使用视角的模型进行抽象，必然会犯下本书说论述的错误：在形成一个通用性框架的同时必然丧失了对书中的理论模型详实而丰富的细节，即为了为了保证模型的迁移能力，提高预测的准确性，牺牲了对原著描述的准确度。并加上很多自己的理解，强烈建议看原著。
- 本文具备很强的个人向，因为时间精力有限，一些基础知识、假设前提和推演逻辑无法详细展开论述，但也欢迎有共鸣的同学进行交流。
1. 数据
1.1 一切事件发生/事物存在都是一次记录或样本
-
ext1.1-1：大多数经验和样本数据少，变量多，因果结构复杂，很难厘清因果，很难还原全貌
样本少：例如历史事件有很多是小概率事件，但是影响却很深远。导致无法历史样本无法准确抽样，而样本的优劣导致无法评估从历史中汲取智慧的好坏
变量多：1）很多变量是不可控；2) 变量之间可能存在多重交互作用或者多重共线关系; 3) 变量两两互为因果;4) 有的变量存在时滞变异; 5) 变量关系的函数形式有很多是未知的
1.2 事件发生/事物存在会呈现一种概率分布，分布越是靠近现有围绕着常规/社会规范/文化/物理规律等，概率越高。
- ext1.2-1：愈是符合常規/文化/物理規律等，意味着高正确率，高存活率。
1.3 新事物的出现是一种越轨（偏离常规）
- ext1.3-1：任何新事物、新事件、新故事、新框架，均是一种越轨，不符合常规。新事物均是偏离神智或者偏离社会规范的产物，存活的新事物和被淘汰的新事物有很多相同的共同点即创新和愚蠢同源，成功和失败同源，天才和蠢才同源
- ext1.3-1.1：这意味现存的事物不一定是最优的，有可能是局部最优，有可能只是小概率事件但影响很大
- ext1.3-2：新事物是从越轨总体中随机抽取的个体，从统计学上来看只是众多可能性中的一种。
- ext1.3-3也就意味着其他可能发生的事物，同样具备研究价值
- ext1.3-3.1假设会发生事件，是可能会发生的历史，是补齐数据/样本的总要手段
1.4 新事物（成功存活的事物）诞生需要承担风险，那么对于整体样本而言，方差越大风险越高
- ext1.4-1： 新领域的新事物的数据，分布会比较分散，方差较大，因为旧的常规/文化/物理规律/权威还未被完全证实或建立，无法有效扼杀新事物。
2. 模型训练
2.1 模型训练的过程与机器学习的模型训练有很多相似之处
定义清楚问题，定义目标损失函数，选择合适的样本，观察提取选择特征，选择适合的算法，反复调整参数权重，反复进行模拟验证，评估每次模型结果与目标的差距，逐步缩小，寻找到最佳的模型
机器学习模型的基础
损失是一个数值 表示对于单个样本而言模型预测的准确程度。如果模型的预测完全准确，则损失为零，否则损失会较大。
训练模型的目标是从所有样本中找到一组平均损失“较小”的权重和偏差。
损失函数的目标：准确找到预测值和真实值的差距
梯度下降法：好比道士下山，如何在一座山顶上，找到最短的路径下山，并且确定最短路径的方向，梯度下降法的目标：寻找梯度下降最快的那个方向。可以理解为通过每次训练找到最佳方向，去优化路径。
问题越清晰越容易训练，变量越简单越容易训练
2.2 模型训练的约束条件
2.2.1 需要在事物描述精准度和对未来预测准确之间权衡
对于个人和组织来说思维框架模型训练的难点在于，对事物描述精准度和对未来预测准确的权衡。
如果选择对事物描述的精准度高，那就意味着一种风险，即你得到的经验、结论、故事、框架，可能无法在其他场景使用，同时因为只能适用于特殊场景，往往无法引发听众共鸣，这样的模型通常传播范围狭窄，生命周期短
提高预测的准确度，则意味着模型的可解释性差，因为丧失了原本数据和特征的支持。如果预测准确率过高，就会显得模型假大空，因为用来预测任何事情都对，失去了具体实际价值
2.2.2 要在可理解传播性，
模型的常见创造方式是把熟悉的要素连接在一起而创造出来的新的模型框架，这样的框架具有熟悉性和灵活性，这让模型得以更容易传播和长久存在，同时也为新经验或新框架制造了障碍。新事物几乎体验不了，因为新事物往往是用旧框架编码成新的模型的，这样就很难从中挖掘新启示，就像用旧瓶装新酒就很难品出新滋味一样。新事物的呈现形式让人不能从中挖掘新启示。就像太阳底下无新事一样，故事和模型之中无新启示。用熟悉的主题建构故事和模型，有助于从经验中理解并吸收启示，但也会抑制新主题和新诠释。能够长久存在的新事物主要是那些可以轻易整合进老故事和老模型的新事物，而老故事和老模型往往排斥极端异常的新事物
2.2.3 受到最大可理解复杂性函数约束，选择是牺牲模型准确度，还是牺牲模型鲁棒性（健壮度、兼容性）
最大可理解复杂性本身是听众智慧以及故事讲述技术和模型建造技术的函数，所以随听众的不同而变化，随故事讲述技术和模型建造技术的不同而变化，还随时间而变化。为了更好的传播，需要适配个人或组织的最大可理解复杂性，诠释者需要在描述历史的准确度和模型的预测性之间权衡，往往会选择牺牲对事实描述的准确度，增加模型预测的成功率
2.2.4 模型的评价标准：提否可以提升个人和组织的智慧
智慧的评价标准：
有效的适应环境
-
优雅的诠释经验
- a）用有趣的方式对人类的存在赋予意义
- b）对人类的意图进行合理化
- c）展现人类的想象力
从这个角度来看，理解经验，与其说是为了生活，不如说就是生活；追求意义，与其说是为了有效地适应，不如说是喜欢讲故事的人类的一项根本活动。警惕过渡诠释创造大量无用的知识。比如从生存的角度来讲，艺术对人类生存没有太大帮助。
2.3 建立思维框架时常碰到的问题
2.3.1 描述事实过度简化
- 无法完全描述事实
经济学教授向经济学学生保证，尽管直接经验有时似乎并不符合教材中的经济学模型，但是问题更可能出在他们的观察或诠释上，而不是出在模型本身。以上断言颇具教育性，也唤醒了我们儿时的记忆：物理实验课上得到的结果不好，说明我们的实验技术不合格，而不是理论有错误。
经验故事和模型是希望被社会证实为真相的虚构。它们是虚构，因为真相是不可接近的。然而，它们代表一类特殊的虚构。它们是明确希望与观察证据对质的虚构，即使既认识到因果关系的复杂性，又认识到观察的不透明性。一方面，故事和模型希望让人理解；另一方面，历史是复杂的、模糊的，两者的冲突渗透在建构并验证经验故事和模型的全过程中。“启发式反映了令人遗憾的非理性”的假定之所以受到挑战，也是因为这一冲突（Hogarth and Karelaia 2005；Gigerenzer and Brighton 2009）。 - 简化因果关系
在熟悉框架内简化经验，是人类理解世界的基础，文学理论家（例如，Ricoeur 1965）、法学理论家（例如，Dworkin 1986）、现象学家（例如，Schutz 1967；Berger and Luckmann 1967）、符号交互学家（例如，Blumer 1969；Van Maanen 1988，1995）和民俗方法学家（例如，Garfinkel 1967；Cicoure 1974）都这样做，只是形式稍有不同。这种熟悉化，在正式模型的建造过程中也很明显，例如，经济学模型借鉴物理学模型中容易理解的假定（Mirowski 1989），多变量复杂系统的建模用的是线性回归的变式（Greene 2008）。
2.3.2 加工模型时，信息篡改/制造混乱
诠释者为了形成共识，过度抽象，牺牲对事实描述的准确度，从而实现保全事后诠释经验的能力
诠释过程中新增很多个人理解，甚至为了满足讲述者的偏见和预期，进行篡改
自然语言智慧实践者的工作，在坚定和怀疑之间无限循环，因两难、矛盾和不一致而繁荣。他们依靠并敬重自然语言的不确定性，诠释再诠释，不求定论但求新解
故事讲述者不仅要应对与之竞争的故事讲述者，而且要应对听众的偏见和期望。有些组织参与者企图通过在授权组织历史学家——或者叫作公共关系专家或媒体顾问——身上投资来控制诠释，这类人也是故事讲述者要应对的。故事讲述者有着自己的材料来源和偏见偏好，但是要想让故事被人接受，就要迎合听众的口味。故事和模型的深层主题，主要通过以下社会过程让人接受：在有着共同文化和共同语言的故事讲述者与听众群中讲述、再讲述、改造和评价，形成并传播诠释性观点。为了便于理解而篡改
他们还把经验纳入容易识别的故事情节。芭芭拉·查米阿乌斯卡写道：“故事不是凭空出现的；故事建构过程，融合了大量卡尔·威克（Karl Weick）（1995）所说的释义（sensemaking）工作……当新事件发生，为了让新事件有意义，就把新事件放入现成框架中，即使这样做也许意味着必须对框架进行某种调整和修改（2008，33，38）。”他们把事件放入熟悉的故事情节中。例如，律师和法庭创作具有典型性的故事和诠释，力求既从中学习，又依据其框架诠释证词（Bennett and Feldman 1981）。-
经验的诠释者的身份，本身会影响诠释内容
光晕效应
学习效应
-
自负
分析模型实践者，其工作也在怀疑和坚定之间循环，但是强烈地希望怀疑是暂时的、坚定是最终的。他们用想象延伸和系统推导向数学和统计的开放性和灵活性致敬。他们认为自己的动力是追求超语言真理（Kuhn 1962；Lave and March 1975；Williamson 1975；Scott 1981），但是发现自己总是容易犯统计过度拟合的错误（Hatie，Tib-shirani，and Friedman 2001）。
像小说家和剧作家一样，管理者、新闻记者、律师和组织学者经常为了创作更好的故事而删减或添加事实（Collingwood 1993）。在这一过程中，故事讲述者或模型建造者也许删掉某些极不可能出现的“事实”（例如，奇迹），添上某些没有观察到但应该有的“事实”［例如，“构成性想象（constitutive imagination）”，“典型性事实（stylized facts）”］。
小说家、剧作家、艺术家和社会科学家都声称自己的故事或模型反映了真相，即符合大多数人对经验本质的理解。
2.3.4 从经验中学习本身会具备循环性，导致混乱
从经验中学习具有循环性（circularity），人类渴望从历史经验中学习，但是历史经验封装在人类发明的框架之中。人类从自己的发明中学习。循环性并不排除从经验中学习可以增长智慧，但是会增加混淆的可能性，而且会加强对与已有信念不一致的信息的抵触.
能力受练习的影响，练习率受所做选择的影响。组织与环境共同演化。行动者的欲望影响行动，行动也影响行动者的欲望。历史是一系列样本，经验的展开方式，影响着选项的抽样率，进而影响着抽样误差。
2.3.5 经验和模型在时间和空间上的连续性存疑
2.3.6 直接体验的权重过高
- 把注意力局限在直接经验之上，容易得到的判断
- 直接经验的表面启示，往往对人造成很大的震撼
很多组织在招聘选拔中经常使用个人陈述或者个人面谈等技术。系统而言，这样的直接经验给人的震撼超过了提供的信息应该有的样子，因此往往被赋予过高的权重。结果，个人陈述，例如介绍自己的工作（job talk），更有可能降低而非提高人事决策的有效性。不稳定的但比较震撼的直接印象压倒了用比较系统的、比较有效的但较不震撼的方式收集而来的信息 - 鲜活性往往会导致个体把直接经验看得过度重于很多个体的聚合经验
3. 模型预测
3.1 模型具备学习效应，边际使用成本递减
预测效率随着使用频率，以及内部关联的元素越多，加载效率，运行开销，预测效率便越高。这就是学习效应，学习效应既可以正向激励，也可以负向激励，所以要留意每次使用模型是否降低了损失（缩短了和期望目标的误差）。
3.2 在可反复练习可积累经验的、相对独立的、相对狭小的领域，可以通过经验而改进
信号清晰、噪音低、样本大的领域可以有效促进改进
以下领域随着学习优化可以有效改进：建立和维护长期关系（合作伙伴、上级/下属、供应商、竞争者），培养技术技能（疏通水管、修理手表）艺术技能（探亲、绘画）。
3.3 思维框架模型，其目的更倾向于解释过去，而非预测
为了确保模型更容易形成共识，确保对模型本身/模型预测结果的解释能力。重点在于凸显智慧，说服他人，以及对思维模型、框架、经验保留可解释权，话语权,而不是预测的准确性
例如：风险收益曲线，常规的解读：风险越高收益越高。正确的解读：看起来高风险的收益投资，必须要有高风险的收益，不然就会没有人来投资。大众解读的风险收益曲线，诠释意味大于对事实的描述，更别提预测了。
3.4 经验得出的结论，在预测时出现拟合偏差
- 过拟合，缺少预测力
历史事件中变量多，样本少，包含了噪音，就导致诠释历史经验效果好，但预测能力弱
夸大模型：经济学教授向经济学学生保证，尽管直接经验有时似乎并不符合教材中的经济学模型，但是问题更可能出在他们的观察或诠释上，而不是出在模型本身。
以上断言颇具教育性，也唤醒了我们儿时的记忆：物理实验课上得到的结果不好，说明我们的实验技术不合格，而不是理论有错误。 - 欠拟合，过渡简化
历史事件复杂度较高的情况出现，此时模型由于学习能力不足，无法学习到数据集中的“一般规律”，因而导致模型泛化能力弱。
故事和模型简化身份及其激活场合，抛开身份实现的细枝末节，增强了预测能力，但偏离了事实，增加了混乱程度
3.5 模型和经验的诠释过于灵活
- 经验必须转化成启示，这个转化既困难又没有止境，如西蒙·波伏娃（Simon de Beauvoir）观察到的那样：“宣称存在是荒谬的，就是否认可以对存在赋予意义；说存在是模糊的，就是宣称存在的意义永远无法确定、人类必须一直为存在争取意义”
- 模糊的经验，通过灵活的诠释获得意义。保罗·瓦莱里（Paul Valery）所说的那样：“历史可以为任何事情辩护。历史实际上教不了人们什么东西，因为历史什么都有，不管什么事情都能从中找到例证。
- 历史是由参与者和观察者建构的（constructed）。
“历史会善待我的，因为我打算书写历史。”谎言的平均值随着样本量的增加而趋近于真相，这个命题并不好证明，不管是通过实证检验还是通过理论推导。
人们不仅从历史中学习，还从历史故事中学习，包括他们自己出于某种目的捏造并讲述的故事。古往今来的政治顾问都通晓各种写史手法。据传，温斯顿·丘吉尔（Winston Churchill）曾经说过：
3.6 预测的结果往往是模糊的，可解释性差
预测的结果往往是模糊的，可解释性差，大多数只能得出模糊的标签。贴标签与其说是进行解释，不如说是承认缺乏理解，或者说是放上一个占位符，留待进一步研究。在心理学中，“人格”经常被人用作标签贴在一些理解不了的东西上，也就是不能解释的变异上。在社会学和人类学故事中，“文化”也起着类似的作用，就像政治学中的“权力”、经济学中的“效用”、进化生物学中的“突变”一样。在大众故事中，“人性”有着类似的作用。这样的标签，在让故事灵活地拟合经验的同时，还让故事显得很有真实感。有了这样的标签，就比较容易创作具有事后解释力，但没有什么预测力，也没有什么指导作用的故事。
3.7 大多数的预测和诠释，是创造没有实际用途的知识
3.8 模型具备屏蔽效应
随着模型的熟练度上升，便会形成依赖，对于不匹配该模型的事物，将会遭到排除。这就是为什么在某个领域专业性越高，便约容易被专业视角、知识所局限。
4. 模型传播
4.1 新模型对于接受者（个人和组织）新模型也是新事物，是一种越轨
4.2 适应结合：新事物诞生的过程，是与老元素相互结合的产物
进化生物学中的经典例子是，有性繁殖产生基因结合体。组织研究中的经典例子是，规则、程序或框架从一个地方传播到另外一个地方，与那个地方已有的规则、程序或框架互相结合。遗传学、语言学、文学理论、烹饪学、化学、神经网络学也在寻找结合理论，得到了一些不是定论但有启发性的结果。但还没有找到结合法则演化的规则
4.3 新事物要通过适应过程进行验证，大部分的新想法、事物、模型会被现存事物、经验、框架、模型扼杀，只有少数会成功，很难进行准确预测谁会存活
新事物是十分常见的，不合常规的行为和实务一直在源源不断地出现。因为大多数的想法、事物、模型和新想法使用的大多数元素相同，无法区分开来。大多数新想法通过适应过程被迅速而明智地消灭掉了,除非经过很长一段时间的考验
具体的原因：
- 复制成功导致选择趋于稳定，这就造成新规则、新程序、新形式和新想法不受环境待见
- 新事物风险较大。新事物的结果分布，平均值低、方差高；
- 新事物往往要求练习；
- 新事物的回报，往往在时间上延迟，在空间上分散。
- 存在想捞回损失反赔上老本的可能
- 故事和模型框架具有熟悉性和灵活性，这让故事和模型得以长久存在，同时也为新经验或新框架制造了障碍。因为：故事和模型是用熟悉的方式把熟悉的要素连接在一起而创造出来的
- 用熟悉的主题建构故事和模型，有助于从经验中理解并吸收启示，但也会抑制新主题和新诠释。能够长久存在的新事物主要是那些可以轻易整合进老故事和老模型的新事物，而老故事和老模型往往排斥极端异常的新事物
- 新想法、新程序和新属性十有八九不合常规，运用智慧拒绝新想法事后都被证明是明智的人们运用智慧和知识尝到了甜头，于是学会了偏爱运用智慧和知识。因为智慧和知识把大多数新想法正确判定为坏想法，所以经常被人说成既是竞争优势的主要来源、变革和经济增长的主要引擎，又是创造力的主要扼杀者
- 乌托邦智慧：信仰假设模型与现实情境的拟合，看好抽象思考产生的新事物。这种乌托邦智慧似乎是新想法的主要源泉，而且，乌托邦智慧引发剧变的案例比比皆是、有据可考。乌托邦智慧是如何在人类共同体中繁殖的？一个可能的答案（借自种群生物学）是搭乘（hitchhiking）（Hedrick 1982）。中性或有害属性因为与有益属性相连而存活。一个几乎总是失败的属性（乌托邦智慧）搭乘一个经常而且明显成功的属性（常规智慧）。这也是宗教常见做法
4.4 适应低效：适应过程是想消灭错误源，但是这样做的效率并不高
随便观察一下人类生活就会发现，现有的各种适应机制远远称不上完美。现代社会秩序是十分有效的社会控制系统，但是总会遇到与之对抗的越轨行动者，而并非所有越轨行动者都会被关进监狱或者精神病院。市场机制，特别是金融市场机制，是高效的适应机制，但也有低效的成分。博彩业繁荣昌盛，说明人类有能力做出让财富积累前景变暗的投资选择。便可以得出结论适应过程是低效的。
这个假设解释了两个问题：为什么在某公司带来成功的做法被搬到其他公司后并不一定能带来成功？另外一个问题是，为什么组织管理者倾向于既不关注已知之物又不关注有证据显示即将出现的新事物
相对于环境变化速度而言，适应过程是比较缓慢的,不能具体指出适应过程允许环境以多快速度变化
5. 应该如何应对和启发
5.1 意识到以上问题的存在，便可以回避很多坑
5.2 尽可能的寻找多的样本数据，并刻意练习
- 小样本，深度挖掘，多角度，多模型挖掘
- 借助他人验证： 别人做，不要浪费你在看的机会
- 重视假设历史：基于数据章节的论述，从可能会发生的历史事件或可能性中也可以用于思维模型的训练，丰富样本
5.3 选择正确的问题
汇聚性问题： 所有用科学的手段能够解决的，化学、物理学能够解决的，都是汇聚性问题。物理学到了高峰，不管你是中国的物理学家，还是美国的物理学家，你所用的公式是一样的，你做出来的推导论证，假如是科学的，那就肯定是一样的，这个叫作汇聚性问题，都是可以这样解决的。
-
发散性问题： 比如，对孩子是严格一点好还是自由一点好？没法解决，没法掌握这个度。一个社会是公平更重要，还是效率更重要？不知道。这个艺术，怎么样算艺术，更像一个东西是艺术，还是更不像一个东西是艺术？这个度没法掌握，这种问题叫作发散性问题。我们过去所犯的最大的错误，就在于我们总想用对待汇聚性问题的办法来解决发散性的问题，所以我们总想定一个标准来解决这个问题，最后的结果就是越做越错。你越用更多的手段来解决这些发散性问题，手段会带来更多的问题。
发散性问题的答案往往在问题之外。如：法国大革命口号“平等、自由、博爱”，平等，自由的矛盾，要由博爱来解决
5.4 同时保持多领域模型共存
如：如经济、历史、哲学、心理、社会学等领域模型多模型和多框架之间相互校验。相互补充判断，参考查理芒的100个思维模型，每几年深入学习一个领域
5.5 高中底多层级模型共存策略
也可以尽量在模型之上，进一步提炼模型，形成更高阶模型，通过牺牲了模型对具体事物描述的准确性，和模型预测的准确性，来提升模型的覆盖范围，增强了对新事物的观察能力，和使用低阶模型产生的屏蔽/窄线现象。在世俗生活中的高阶模型常被称之为：智慧
整个过程就是搭乘现象，当模型足够复杂，和低阶模型使用的元素高度相同时，这也就是这样多的民间智慧，似是而非但是却生命力顽强的原因。因为它和真正有效的低阶模型元素混淆在一起，延续了生命。
这也就解释了为啥，PDCA、禅、各类生命周期等框架理论，在真正执行的时候需要结合使用场景，灵活变通。因为高阶模型缺乏低阶模型运行的知识和细节，在没有低阶模型和相关场景知识和信息时，是无法给出靠谱的预测。
所以高阶模型，会让人心安，甚至让人沉迷。因为其通过一个笼统的框架，囊括了新事物（即偏离正常组织和社会基准的事物），为新事物的出现寻找了合理性，给与存在的价值和意义，减少了新事物出现带来的不安。
越是高阶的模型，其目的更倾向于解释过去，而非预测。其重点在于是确保对模型更容易形成共识，确保对模型本身/模型预测结果的解释能力。而不是预测的准确性。so，应当谨慎判断高阶模型是否真正有效。
但其确实提供了更高的视角看待问题，所以，同时保持高阶（普世价值观、智慧、原则、通用原则、物理原理）、中阶（某领域方法论）、底阶模型（具体技能）共存，发现不同层级模型之间的共同元素，共同迭代优化。比如：我就发现本文，底层是核心模型是统计学思维，但在派生出对经验诠释经验的一个框架，同时历史也符合这框架，顺便垫付了我的历史观，还对新事物/故事/框架的创造和产生和传播有很多有价值的诠释。这些模型和框架在脑中相互共存，相互共鸣或矛盾。共鸣，相互得到验证；矛盾意味着错误，或者模型的使用边界未界定清楚，无论那种结果，都会有收益。
5.6 利用不同层级、领域模型模型，寻找共同的对模型贡献高的元素，形成超参数，提升对思维框架训练和预测速度
比如世界观、价值观、人生观等就是超参数，可以简化模型训练的复杂度，提升预测效率。对于组织来说，就是组织愿景、价值观、文化等等，这也就是企业花费很多时间进行这方面建设的原因，因为设定好超参数就会容易得出相同的结论。
- 世界观：比如，世界是方的，就不用考虑世界是圆的这种变量，可以得出一个人对世界的基础要有基本的认知，在物理、数学、社会学、经济学、心理学等基础学科保持基本的认知，持续的学习，是可以大大简化模型需要引入的变量。
这也符合我一直坚信的理念，对于初级阶段选手，一个人只需要了解一个领域的20%的知识，便可以少踩下80%的坑 - 价值观： 比如，不相信天上会掉馅饼、不违法、君子不利于危墙之下
- 人生观： 比如，有宗教信仰的人往往会比较乐观，因为宗教提供了大量的人生观。不一定要信教，但总归要信仰点什么。我相信人要成为更好的自己，帮助身边人成为更好的自己。对于我家庭的第一原则就是，能不能帮助对方成为更好的自己。
5.7 选择靠谱的思维模型/框架
- 演绎法：第一性原理+靠谱的公理，演绎出一系列结论，这些结论准确度会相对高一些，这也是组织和社会科学领域的常用论述方法
- 批判性思维
- 统计学思维
5.8 警惕故事和模型的搭乘现象，特别是复杂的
很多时候成功，成功只是简单的对成功的复制，或者对某些关键因素的应用（如：只是科技进突破），并不需要一个强大和复杂的理论模型去诠释，例如：宗教、成功学会将自己理论混淆在现在模型中，搭乘这些关键因素来证明自己的理论的正确性。如：通过量子理论来解释佛学等等。应当对这些观点保持警惕。再比如，中国经济高速发展，主要贡献是来自于基本的经济学规律（与世界接轨获得市场，产生大量需求；引入科技，提升生产力；加上人工成本低，社会稳定）
5.9 促进新模型/事物诞生的策略
- 组织宽裕（organizational slack）：成功带来组织宽裕（organizational slack）以及与之相连的控制减弱，进而鼓励尝试、避免新想法早夭。巨大成功，不管是开业之后经营方面的还是开业之前筹备方面的，会吸收失败的负面效应，减少对创新活动的严密监控。这些宽裕缓冲机制反映着未支配的资源（Deutsch 1963），而未支配的资源会鼓励人们追求未经经验的想法，而小部分未经经验的想法也许结果会被证明是特别好的想法（Winter 1971）。宽裕是由高效制造的，但是宽裕有助于保护愚蠢使其免遭消灭。新事物（大部分新事物都是愚蠢的）是宽裕的副产品，而宽裕是高效适应的副产品。
- 管理者狂妄自大：在成功是能力和运气联合产物的情况下把成功归因于能力，成功的管理者就会渐渐相信自己有能力在未来反败为胜，就像过去表明的那样。管理者的这种狂妄自大会导致他们（进而他们的组织）过分支持有风险的新想法
- 对新想法过度乐：新想法因为不大为人了解，所以特别容易从这种过度乐观中获益。基于未来期望的竞择待见乐观偏见，而乐观偏见待见新事物，因为新事物的不确定性让新事物更容易陷入乐观主义幻想
- 搭乘：历史的因果结构有一个显而易见的特征，那就是复杂性。要保证适应过程可靠地只复制优良属性，就要积累一定量的经验。随着捆绑在一起的属性之间的因果结构越来越复杂，这个经验量会越来越大，最后远远超过组织能够提供的经验量。在这样的条件下，与其说新事物是适应的怪胎，不如说新事物是适应的产品
- 制造“隔离利基：边界倾向于组织的多样性，组织核心鼓励局部同质化、整体多元化，因此既能维持多样性又能保证足够的联系，以制造有用的结合体。组织的问题就是如何做到既维持足够强的本位主义，以供养多学科知识系统，又保证足够多的跨部门联系，以分享观念和事务。组织在集权与分权之间循环的历史就是一首歌，吟唱着“在边界的短期局部成本和长期整体收益之间寻找一个永久平衡”，这个工程是非常艰巨的。
5.9 对个人而言，能够构建模型和传播模型非常重要
- 可以创造传播故事和模型，是智慧的表现
- 更容易达成共识，讲述群体历史的众多故事应该趋同，这一点尤其重要。本着那一精神，本尼迪克特·安德森（Benedict Anderson 1991）主张，民族感涉及对一个想象共同体的理解，这个想象共同体以建构历史为基础，建构历史的制造过程，明智地结合了健忘、发明和诠释。共识是人类行动者交流对话的基础。通过交流对话，行动者可以分享经验、形成共感；交流对话允许行动者更加容易地协调彼此的行动，有助于行动者形成并实施正义的社会规范
- 寻找具有最大可理解复杂性的故事和模型，并且努力培养能够阐述这样的故事和模型的人，培养这种能力，是组织的一项主要责任。
- 有限的真理价值：经验故事和模型，不仅因为声称准确表征超语言真理而具有真理价值（真理价值是主要的传统价值），而且因为创建社会秩序而具有正义价值、因为提供审美乐趣而具有美学价值。在通俗的诠释中，智慧行动要求准确理解世界，而准确理解世界要求准确诠释经验。只要经验故事的主题正确刻画或者创造了世界，故事就会对行动提供有用的指导。
- 美学价值，没有什么比组织故事更强调独立自主的重要性。能够用美丽的故事讲述组织生活，就是赋予组织生活以价值。想法就是艺术品