心智模型:做出明智决策的最佳方式 - Farnam


本指南探讨了您需要了解的有关心智模型的所有信息。当你完成时,你会思考得更好,犯的错误更少,得到更好的结果。
心智模型是我们理解世界的方式。它们不仅塑造了我们的想法和理解方式,而且塑造了我们所看到的联系和机会。心智模型是我们简化复杂性的方式,为什么我们认为某些事情比其他事情更相关,以及我们如何推理。
心智模型只是对事物如何运作的一种表示。我们无法将世界的所有细节都保留在我们的大脑中,因此我们使用模型将复杂的事物简化为可理解和可组织的块。
 
心智模型不是思维模型
我们有一些来自我们专业学科的思维模型,但不是心智模型:每个专家都有不同的看法。默认情况下,典型的工程师会在系统中思考;心理学家会从激励的角度来思考;生物学家会从进化的角度思考,通过将这些学科放在我们的脑海中,我们可以以三维的方式解决一个问题。如果我们只以一种方式看待问题,我们就有了盲点。盲点会杀死你。
为了帮助您构建心智模型的网格,以便您做出更好的决策,我们收集并总结了我们认为最有用的模型。

请记住:构建你的格子是一个终生的项目。坚持下去,你会发现自己理解现实、做出始终如一的正确决定以及帮助你所爱的人的能力将一直在提高。
 
核心心智模型
 
1. 地图不是领土
现实的地图不是现实。即使是最好的地图也是不完美的。这是因为它们是它们所代表的东西的缩影。如果一张地图能够完美地代表领土,它就不再是一个缩影,因此对我们来说也就不再有用。地图也可以是一个时间点的快照,代表不再存在的东西。在我们思考问题和做出更好的决定时,必须牢记这一点。

2. 能力圈
当自我而不是能力驱动我们所做的事情时,我们就会有盲点。如果你知道你了解什么,你就知道你在哪里比别人有优势。当你诚实地告诉别人你的知识缺乏的地方时,你就知道你在什么地方是脆弱的,你在什么地方可以改进。了解你的能力圈可以改善决策和结果。

3. 第一原则思维
第一原则思维是逆向设计复杂情况和释放创造性可能性的最佳方法之一。有时也被称为从第一原则推理,它是一种帮助澄清复杂问题的工具,将基本的想法或事实与基于它们的任何假设分开。剩下的就是基本原理。如果你知道某件事情的第一原则,你就可以围绕这些原则建立其余的知识,产生新的东西。

4. 思想实验
思想实验可以被定义为 "用于研究事物本质的想象力装置"。许多学科,如哲学和物理学,都利用思想实验来研究可以知道的东西。在这样做的过程中,它们可以为探究和探索开辟新的途径。思想实验是强大的,因为它们帮助我们从错误中学习并避免未来的错误。它们让我们承担不可能的事情,评估我们行为的潜在后果,并重新审视历史以做出更好的决定。它们可以帮助我们弄清楚我们真正想要的是什么,以及达到目的的最佳途径。

5. 二阶思考
几乎每个人都能预测到他们行动的直接结果。这种类型的一阶思考是容易和安全的,但它也是确保你得到与其他人相同的结果的一种方式。二阶思维是更远的思考,是整体性的思考。它要求我们不仅要考虑我们的行动和它们的直接后果,还要考虑这些行动的后续影响。如果不考虑二阶和三阶效应,就会释放出灾难。

6. 概率性思维
概率思维本质上是试图利用一些数学和逻辑工具来估计任何特定结果发生的可能性。它是我们提高决策准确性的最佳工具之一。在这个世界上,每个时刻都是由无限复杂的因素决定的,概率思维帮助我们确定最可能的结果。当我们知道这些时,我们的决策可以更加精确和有效。

7. 反转
反转是改善思维的有力工具,因为它能帮助你识别和消除成功的障碍。反转的词根是 "invert",意思是颠倒或倒置。作为一种思维工具,它意味着从自然起点的另一端接近一种情况。我们大多数人都倾向于以一种方式思考问题:向前。颠倒法允许我们把问题翻过来,向后思考。有时从头开始是好的,但从尾部开始可能更有用。

8. 奥卡姆剃刀
简单的解释比复杂的解释更可能是真的。这是奥卡姆剃刀的精髓,是逻辑和解决问题的一个经典原则。与其浪费你的时间去反驳复杂的方案,你可以通过基于活动部分最少的解释来更自信地做出决定。

9. 汉隆的剃刀
汉隆剃刀很难追溯其起源,它指出我们不应该把那些更容易解释为愚蠢的东西归结为恶意。在一个复杂的世界里,使用这种模式可以帮助我们避免偏执和意识形态。通过不笼统地假设坏结果是坏行为者的错,我们寻找选择而不是错过机会。这个模型提醒我们,人们确实会犯错误。它要求我们询问对于已经发生的事件是否有另一种合理的解释。最有可能正确的解释是包含最少意图的解释。
 
系统思维的心智模型
1. 反馈环路 
所有复杂的系统都有正负反馈回路,A引起B,B又影响A(和C),如此循环下去--回路的持续运动经常产生高阶效应。在一个同态系统中,A的变化往往被B的相反变化拉回,以维持系统的平衡,就像人体的温度或组织文化的行为。自动反馈环路维持着一个 "静态 "的环境,除非有外力改变环路。一个 "失控的反馈回路 "描述了一种情况,即一个反应的输出成为它自己的催化剂(自动催化)。

2. 平衡
平衡是一个过程,系统通过这个过程进行自我调节,以维持一个平衡状态,使其在不断变化的环境中发挥作用。大多数时候,它们会超出或低于它一点,必须不断调整。就像飞行员驾驶飞机一样,系统偏离航线的次数比在航线上的次数多。静态系统内的一切都有助于将其保持在平衡范围内,因此,了解范围的极限是很重要的。

3. 瓶颈
瓶颈是指(有形或无形的)流动被阻止的地方,从而限制了它的连续运动。就像动脉堵塞或下水道堵塞一样,任何商品或服务生产中的瓶颈可能很小,但如果它处于关键路径上,就会产生不成比例的影响。然而,瓶颈也可以是灵感的源泉,因为它迫使我们重新考虑是否有其他成功的途径。

4. 规模
系统最重要的原则之一是,它们对规模很敏感。当你扩大或缩小它们的规模时,属性(或行为)往往会发生变化。在研究复杂系统时,我们必须始终粗略地量化--至少在数量级上--我们观察、分析或预测该系统的规模。

5. 安全边际 
同样地,工程师们也养成了在所有计算中加入误差的习惯。在一个未知的世界里,将一辆9500磅的公交车开过一座正好能容纳9600磅的桥,很少被认为是明智之举。因此,总的来说,很少有现代桥梁会失败。在物理工程之外的实际生活中,我们常常可以有利地给自己留出和桥梁系统一样坚固的余地。

6. 流失
保险公司和订阅服务都很清楚流失的概念--每年都会有一定数量的客户流失,必须被替换。站在原地不动就相当于失去了,正如在被称为 "红皇后效应 "的模型中看到的那样。Churn存在于许多商业和人类系统中。一个恒定的数字会定期流失,在任何新的数字被添加到上面之前必须被替换。

7. 算法
虽然很难精确定义,但算法通常是一套自动化的规则或 "蓝图",引导一系列的步骤或行动,从而产生一个期望的结果,并经常以一系列 "如果→那么 "的语句形式陈述。算法因其在现代计算中的应用而最为知名,但也是生物生命的一个特征。例如,人类的DNA就包含了构建人类的算法。

8. 临界质量
当一个系统即将从一个阶段离散地跳到另一个阶段时,它就成为临界。阶段变化前的最后一个单位的边际效用远远高于之前的任何单位。一个经常被引用的例子是当水被加热到一个特定的温度时,从液体变成了蒸汽。"临界质量 "是指发生临界事件所需的质量,最常见于核系统中。

9. 涌现Emergence
高层次的行为倾向于从低阶成分的互动中出现。其结果往往不是线性的--不是一个简单的加法问题--而是非线性的,或者说是指数的。涌现行为的一个重要结果是,它不能从简单的研究组成部分中预测出来。

10. 不可重复性 
我们发现,在大多数系统中都有不可还原的量化属性,如复杂性、最小值、时间和长度。在不可还原的水平以下,所期望的结果根本不会发生。人们不可能让几个女人怀孕以减少生一个孩子所需的时间,也不可能将一辆成功制造的汽车简化为一个零件。这些结果,在一个确定的点上,是不可还原的。

11. 回报递减法则
与规模有关,大多数重要的现实世界的结果都会受到增量价值的最终减少的影响。一个很好的例子是一个贫穷的家庭。给他们足够的钱让他们茁壮成长,他们就不再是穷人了。但是在某一点之后,额外的钱不会改善他们的命运;在某个大致可量化的点上,额外的钱的回报明显递减。通常情况下,收益递减法则会偏向于负面领域--即收到太多的钱 
 
更多100种点击标题见原文