【概念/關(guān)鍵詞名稱】多模型思維
【分類】
[√]wow突破點
[]知識連接點
[]疑問點
[]探索點
【原文】
* 模型是用數(shù)學(xué)公式和圖表展現(xiàn)的形式化結(jié)構(gòu)，它能夠幫助我們理解世界。
* 現(xiàn)代世界是高度復(fù)雜的，我們可能很難能理解為什么會發(fā)生這種情況。更何況，經(jīng)驗事實本身也可能是誤導(dǎo)性的。我們需要模型，不然就無法理解計算機屏幕上不斷滑過的數(shù)據(jù)流。有了模型，我們的思考會更有效。
* 只依靠單個模型其實是過于狂妄自大的表現(xiàn)，這種做法會導(dǎo)致災(zāi)難性的后果。相信只憑一個方程，就可以解釋或預(yù)測復(fù)雜的現(xiàn)實世界現(xiàn)象，會使真理成為那種很有“魅力”的簡潔的數(shù)學(xué)公式的犧牲品。
* 我們主張在給定情況下不僅使用一個模型，而要使用多個模型。
* 大部分學(xué)術(shù)論文遵循傳統(tǒng)的一對一的方法，盡管有時它們是在使用單一的模型去解釋復(fù)雜的現(xiàn)象。單個模型中的每一個都可能是正確的，但沒有一個是全面的。面對各種復(fù)雜的挑戰(zhàn)，創(chuàng)造一個包容更廣泛教育成就的世界，我們需要的不是單個模型，而是多個模型構(gòu)成的格柵。我們需要同時利用多個模型才能理解復(fù)雜系統(tǒng)。
* 鮑爾他只評估了兩個可能有用的模型，然后選擇了一個更好的模型。鮑爾擁有正確的信息（冰島很?。?，選擇了正確的模型（供需模型），并做出了一個明智的選擇。
* 通過模型，我們可以在這些解釋之間加以“裁決”，可以分析其內(nèi)在一致性：它們是否符合邏輯？我們還可以用數(shù)據(jù)進行校準(zhǔn)、對推斷進行檢驗。
* 所有模型都是錯的，但是同時運用多個模型確實非常有用。
* 多模型思維并不要求這些不同的模型將系統(tǒng)分割為互不相關(guān)的部分。我們可以部分地將主要的因果關(guān)系分離出來，然后探討它們是如何交織在一起的。在這個過程中，我們將發(fā)現(xiàn)經(jīng)濟、政治和社會系統(tǒng)產(chǎn)生的數(shù)據(jù)會表現(xiàn)出一致性。
* 我們應(yīng)該將邏輯一致性置于比直覺更優(yōu)先的位置；我們不能滿足于雙重模型、三重模型甚至四重模型，我們要成為多模型思考者。
* 要成為一個多模型思考者，必須學(xué)習(xí)掌握多種模型，我們可以從中獲得實用的知識，需要理解對模型的形式化描述，將模型的假設(shè)、含義和應(yīng)用厘清。
【重述】
* 運用單一模型解釋和決策是一種懶惰，人們直覺傾向于單因素和簡單。單個模型中的每一個都可能是正確的，但沒有一個是全面的。容易引發(fā)認(rèn)知偏見，無法適應(yīng)充滿復(fù)雜性的現(xiàn)代社會。
* 我們需要多模型思考來消除每個單個模型的盲點。
* 多模型思考的三個步驟：
? ? * 掌握單個模型，包括模型的假設(shè)、含義、公式、應(yīng)用及與其他模型的邊界。
? ? * 根據(jù)信息，選擇多個模型。
? ? * 在多模型之間，分析結(jié)果和邏輯的一致性，用數(shù)據(jù)進行校準(zhǔn)，對推斷進行檢驗。
【分析整理/知識連接】
邊（連接）：從前有沒有類似的（或看起來差不多的）信息？其他領(lǐng)域/行業(yè)/作者如何看待類似的問題？
* 探索問題的5why分析法，就是多原因挖掘，一直深挖。
* 科研需要通過多個證據(jù)來證明一個結(jié)論更有說服力。
* 數(shù)理統(tǒng)計包括參數(shù)估計與假設(shè)檢驗，檢驗必不可少。
* 模型不只書里的這些，自然科學(xué)中有大量模型比如牛頓三定律、萬有引力、相對論、波函數(shù)、災(zāi)變論、進化論、化學(xué)鍵模型，可以借用部分思考方式應(yīng)用于思維
界（區(qū)別）：無論是相反的還是類似的信息，和這個信息的真正區(qū)別是什么？交界在哪里？
* 模型是用數(shù)學(xué)公式和圖表展現(xiàn)的形式化結(jié)構(gòu)，抓住模型的本質(zhì)是必要的，可以跟平時多元思考區(qū)分。
【經(jīng)驗/案例】
前期經(jīng)驗如何？有沒有幾個案例？
* 選擇多模型：這幾天寫基金申請書，對于底板樣品高汞現(xiàn)象進行探討和分析，選用掃描電子顯微鏡、能譜、X射線衍射、煤質(zhì)分析、微量元素分析多種方法，使用線性回歸分析、聚類分析、因子分析多種模型得出結(jié)論。
* 模型檢驗：使用線性模型進行回歸分析時，通過添加個去除單個數(shù)據(jù)對擬合函數(shù)進行了檢驗，發(fā)現(xiàn)函數(shù)值偏離較大的單點數(shù)據(jù)會極大影響回歸結(jié)果，因此對數(shù)據(jù)進行了分段擬合。由此看出，建模后對模型進行一致性檢驗校準(zhǔn)非常必要。
* Finkelmann的最新論文通過整體和分段分別聚類，揭示了煤地球化學(xué)數(shù)據(jù)在不同灰分區(qū)間內(nèi)規(guī)律的差異，建議對灰分跨度較大的數(shù)據(jù)進行分段分析，分別得出規(guī)律。
* 很多論文僅通過線性相關(guān)分析得到一堆結(jié)論，言之鑿鑿，呵呵。
* 樊登老師講《指數(shù)型組織》這本書時提到事物的發(fā)展經(jīng)常是非線性的，而我們的思維往往是線性的。類似還有《非線性成長》《第二增長曲線》。我們要能夠在線性思維的基礎(chǔ)上，有意識地使用非線性模型思考。兩種模型的區(qū)分是變化率是否恒定。
* 我在前期分析基金收入時沒有考慮復(fù)利效應(yīng)，以多年期定存利息的線性思維考慮問題了，直到看到72法則，資金翻倍速率等于72/r，如夢初醒。
【應(yīng)用】
這個概念還有什么場景可以用？具體行動計劃是什么？
* 多場景應(yīng)用：科研、數(shù)據(jù)統(tǒng)計分析、決策、解釋、溝通、設(shè)計、行動、推理、預(yù)測、探索。
* 目標(biāo)：在單模型學(xué)習(xí)基礎(chǔ)上，掌握多模型思維方法。
* 行動：
? ? * 學(xué)習(xí)各單個模型，尤其注意假設(shè)、含義、公式、適用邊界；注意模型間的聯(lián)系。
? ? * 學(xué)習(xí)模型應(yīng)用，特別是作者如何通過現(xiàn)有信息選擇運用某一模型的；RIA便簽用起來，關(guān)聯(lián)幾個前期經(jīng)驗，規(guī)劃行動。
? ? * 有意識地多模型思考，多問為什么，多想還有什么模型可以用，即使不恰當(dāng)也要嘗試。至少做到兩模型思考，最低配做到線性結(jié)合非線性模型。
? ? * 如果有條件，注意數(shù)據(jù)檢驗和一致性。
