內容來源：本文為湛廬文化出版新書《模型思維》讀書筆記，筆記俠經授權發布。

講者 | 斯科特·佩奇

封面設計&責編| 馬暢

第 4361 篇深度好文：5436 字 | 12 分鐘閱讀

內容來源：本文為湛廬文化出版新書《模型思維》讀書筆記，筆記俠經授權發布。

講者 | 斯科特·佩奇

封面設計&責編| 馬暢

第 4361 篇深度好文：5436 字 | 12 分鐘閱讀

活動筆記?思維方式

本文優質度：★★★★★+口感：南煎丸子

• 什么是模型思維？

• 你認為高手成功的因素有哪些？

什么是模型思維？

你認為高手成功的因素有哪些？

股神巴菲特說：我爸爸是我所知道的“第二聰明的人”，而No.1是——查理·芒格。

95歲的智慧老人查理·芒格，一直提倡要學習所有學科中真正重要的理論，在此基礎上形成“普世智慧”，以此為利器去研究商業投資領域的重要問題。

所謂的“普世智慧”，就是芒格多次提出的“多元思維模型”。他用一句話總結了多元思維模型對自己的重要意義：要想成為具有普世智慧的人，學會100個思維模型就夠了。

一、查理·芒格的多元思維模型

芒格對多元思維模型的解釋原話是：

長久以來，我堅信存在某個系統——幾乎所有聰明人都能掌握的系統，它比絕大多數人用的系統管用；你需要做的是在你的頭腦里形成一種思維模型的復式框架，有了那個系統之后，你就能逐漸提高對事物的認識；

你必須知道重要學科的重要理論，并經常使用它們——要全部都用上，而不是只用幾種；而大多數人都只使用學過的一個學科的思維模型，比如說經濟學，試圖用一種方法來解決所有問題。

芒格告訴我們，將經濟學、心理學、工程學、數學、物理學不同學科的思維模式聯系起來，建立融會貫通的格柵，是投資的最佳決策模式。

用不同學科的思維模式思考同一個投資問題，如果能得出相同的結論，這樣的投資決策更正確。懂得越多，理解越深，投資者就越聰明智慧。

但是，這些多元思維模型包括那些？芒格的模型是普世智慧，還是科學推演的結論？我們普通人如何訓練，以獲得自己的認知模型？

這些問題的答案是模糊的，所以查理·芒格的思維模型實際只是一些理解和思考的套路，相當于是新時期的成語典故，就像唇亡齒寒、揚湯止沸等，并不能給我們提供背后的推演支撐。

二、斯科特·佩奇的思維模型

那么，“思維模型”要怎樣學習和掌握？萬千“術”后的那個“道”，到底是什么？

在大量研究了芒格的格柵模型后，我才發現芒格的思想是來自“復雜性研究圣地”——圣塔菲研究所。

在研究芒格模型的多數資料中，都會從物理學、生物學、社會學、心理學、哲學、文學、數學等領域，分析各學科和投資的相關性，并多次提到了一個概念——復雜適應性系統（Complex Adaptive Systems），這正是圣塔菲研究所研究的大方向。

這里的研究者們想通過跨學科研究，找出各種不同的系統之間的一些共性?？梢哉f，圣塔菲研究所的研究方向，和芒格提出的格柵理論有異曲同工之妙，甚至圣塔菲研究所的模型更為精確和現實。

斯科特·佩奇教授是密歇根大學復雜系統研究中心的主任，在Coursera（筆記俠注：美國免費大型公開在線課程項目）上講授一門關于“模型思維課”(model thinking)的公開課程，現在各行各業已有超過一百萬人在學習，他最近還出版了新書《模型思維》。

作為研究復雜系統、政治科學和經濟學的專家，在廣泛深入的研究之后，佩奇教授發現：用模型來思考的人，會持續超越不用模型思考的人；多樣性大于能力、掌握多種模型的人，也會持續超越掌握單個模型的人。

相比芒格的模型，佩奇的模型要高級得多，是學者們使用的那種正規的“理論模型”。因為他所說的模型，是用數學公式和圖表展現的形式化結構，能夠幫助我們理解真實世界。

佩奇的模型來自多門學科，可以分為三類：對世界進行簡化的模型、用數學概率來類比的模型以及人工構造的探索性模型。

其中像正態分布、冪律分布等很多模型我們并不陌生。所有這些模型都有一個共同的形式，它們都假設一些實體，通常是人和組織，并描述它們是如何相互作用的。

佩奇號召所有讀者做一個多模型思考者。多模型思考者需要掌握多個模型，但并不需要全都非常懂，只需要知道每個模型有多種應用場景就足夠了，這樣當你需要決策時，拿出一個或幾個最適合的模型即可。

三、正態分布模型的應用

這里，我們列舉佩奇講的“正態分布”模型，看這個模型如何解決工作生活中的重大問題。

我們知道世界上很多事物都符合正態分布，包括人的身高和智商、產品的質量等等。下面這張圖描寫了一個均值是1，標準差是0.1，總數量也是1的正態分布曲線 ——

以智商為例，圖中橫坐標代表智商的高低，越往曲線的右側智商就越高；縱坐標代表人數，越往上代表人數越多；曲線下方的陰影區域面積就是總人數。

請注意這三個變量的大小都是可變的，針對具體的問題可以按比例放大或者縮?。罕热缰巧痰木凳?00分，標準差是15分，那么圖中橫坐標的1.0對應的就是智商100；1.2對應的就是兩個標準差之外，也就是智商130；如果你要研究的總人數是100萬人，那么陰影區的總面積就是100萬。

現在我們最感興趣的，是紅色的框標記出來的那個區域，稱為“優異區”。它出現在分布曲線右側的大約兩到三個標準差之外的尾巴上，代表統計中最出類拔萃的樣本。

如果你研究的是人群的智商，這個區域就代表智商最高的人群，他們的智商都在140以上。如果你研究的是一個詩人的作品，這個區域就代表他最高水平的產出。如果你研究的是企業的優秀員工，那這個區域就是最佳員工。

問題是，如何增加這個區域的面積？也就是怎樣增加優異數？

通俗點來說，如果你是個老師，怎樣讓你的學生中多出幾個聰明人呢？如果你是個詩人，怎樣才能多寫幾首好詩呢？如果你是個企業家或者投資者，怎樣才能多抓住幾個出類拔萃的好項目呢？

這是一個有進取心的人最關心的問題，而光憑直覺說我要“努力！奮斗！”那種思維太落后了。正態分布這個數學模型，可以幫你理清思路。

根據正態分布，你可以影響的其實就是三個變量：總量、標準差和均值。

1.提高總量

增加總量是最直觀的辦法：如果我們把總數增加一倍，優異區的數量自然也會增加一倍。

比如作為一個專欄作家，我寫的文章之中可能有的你感興趣，有的你不感興趣，但是我什么都寫，只要我寫的東西足夠多，總會有你感興趣的內容。學生多的老師自然更容易遇到好學生，讀書多的人更容易有真知灼見。

多年以前，中國制造的水平不像現在這么高，經常有質量問題，當時有人提出一個很有意思的問題：

中國航天的水平非常過硬，發射衛星很少失敗，可是中國制造的汽車質量卻不行——而對比之下，日本制造的汽車質量很好，可是日本航天的水平卻不如中國航天，經常因為技術問題導致發射任務失敗，這是為什么？

答案就在這個優異區之中。中國搞航天是舉全國之力干這一件事兒，可以把每一種零件都讓不同的廠家生產很多個，然后從中挑選最好的一個。這就是以總量取勝?？偭慷嗔?，總能挑出幾個好的來。

用提升總量來獲得優異數，這是一個用戰略的勤奮彌補能力不足的方法。但是生產汽車可不能這么干，得個個質量都過硬才行。

提高總量，是個低效率的笨辦法。

2.提升均值

提升均值才是解決問題的根本辦法。想要理解這一點，請你思考這么一個問題：為什么中國有十四億人，都找不出十一個足球天才來呢？為什么冰島只有三十多萬人，足球水平卻比中國隊強那么多呢？

進入優異區之后，曲線下降的速度非常、非常之快。比如開頭說的分布曲線，其在尾部的情況——

從4個標準差到4.5個標準差，再到5個標準差，曲線縱坐標的落差是以數量級的方式下降的。也就是說，越是天才就越罕見，而且罕見的程度急劇下降。

哪怕你有十四億人口，真到了代表天才的尾部區域，也沒幾個人。如果天才總共就沒幾個人，你就算把人口再增加一倍，也多不了幾個人。

真正有效增加天才的辦法，是提高均值。我們看看，如果把全中國人民踢足球的平均水平提高5%，標準差和人口總量都不變，是什么情形——

這相當于你把鐘形曲線往右側挪動了一點。而這一點，體現在優異區上，就是巨大的差異！如果把優異區放大了再看——

4.5個標準差之外，面積會有幾十倍的差距。均值對優異區的效果比總量的效果要厲害得多。

冰島人口是比我們少得多，可是冰島人踢足球的平均水平可比我們高了遠遠不止5%。所以冰島的球星數量比我們多，這難道不是應該的嗎？

這個數學博主還舉了個特別有意思的例子：單論成年男子的總數，印度有 6.5億，而挪威只有250萬；而印度成年男子的平均身高是165厘米，挪威則是 180厘米。那么，身高1米95以上的成年男子，是印度人多還是挪威人多呢？

下面這張正態分布曲線尾部的圖告訴你答案——

1米95以上的挪威人數是印度人數的一百倍。總人口多沒啥用，優異區曲線下降速度實在太快了，你必須用提升均值的方法把曲線往右邊挪動，才能得到更大的優異區。

如果你水平就是不行，產量高是沒用的。據說乾隆皇帝一生寫了四萬首詩，可是現在流傳開來的一首都沒有。

中國有句話叫“勤能補拙”，我的理解是：如果你的勤奮是用于提高均值，則可以補拙；但如果你的勤奮都用在了低水平的高產出上，則勤補不了拙。

愛因斯坦說過一句名言：所謂精神病，就是翻來覆去做同一件事兒，卻期待能有不同的結果。

3.大標準差

抬高尾部曲線的第三個辦法是加大你這個分布的標準差。我們把標準差提高 10%，從0.1變成0.11，就成了下面這個情形——

中間普通區的人數變少了一點，而優異區的人數明顯增加了——

對個人來說，擴大標準差意味著你要去嘗試一些更極端的事情。

比如一個人的工作能力一般，在一個旱澇保收的公司工作，賺錢不多但是很穩定；如果他水平不變又想獲得更高的收入，那么冒險加入一家創業公司，是一個辦法，當然這么做的缺點是，一旦創業不成就會落入曲線左邊的尾巴，進入失敗區。

對一群人來說，標準差大意味著這群人的水平參差不齊，有的特別高，有的特別低。有個著名的學術典故：

2005年，哈佛大學校長勞倫斯·薩默斯（Lawrence Summers），就“為什么女科學家的人數比男性科學家少”這個問題，發表了一個私人的看法，薩默斯認為，這并不是因為女性的平均智商比男性低，而是因為女性智商分布的標準差比男性小。

他說的恰恰就是我們這里講的這個道理。男性的標準差大，所以在優異區有更多男性。而這并不是說男性作為一個整體優于女性，因為在曲線另一側的尾巴，也是男性多。男性中特別笨的人，也比女性多。

這純粹是一個數學性質，但是很多人認為薩默斯這番言論是性別歧視，結果薩默斯就因為這段話而被迫從哈佛校長的位置上辭職了！

四、總結

本文假設人的能力都是正態分布的，但這個假設不一定對。我們的模型能解釋為什么中國人多，可為什么中國男足水平不行的問題，但解釋不了為什么中國沒有那么多舉世聞名的數學家的問題——要知道，中國人的平均數學水平可是很高的。

我猜測，在優異區域，人的能力是冪律分布的：能力強的人會有更多的機會和更大的意愿，去進一步提升自己的能力。

但這只是技術細節，我們的結論其實對長尾的冪律分布大體上也是成立的?？偨Y來說，要想增加優異區中的數量——

上策，提升均值，這個方法對優異區的提升非?？?，而且沒有風險；

中策，擴大標準差，這意味著你要冒險去做一些極端的事情；

下策，增加總量，這是一個笨辦法，效果很差。

以數量取勝非常符合人的直覺。但一只猴子不停地打字，也不可能打出莎士比亞名句來——不要低估正態分布曲線尾部下降的速度。

高手貴精而不貴多。如果你的輸出很多，但水平還是原地踏步，那么說明你從未探索過新領域，你缺的不是運氣。

但是，當你的均值已經高到無法再高時，當你把能冒的險都冒了以后，數量就是你唯一可以掌控的東西。

一個人的科研水平在二十多歲的時候就已經到頂了，成功科學家和一般科學家的最大區別是：成功的科學家一輩子都特別勤奮。

水平夠了才能比誰敢冒險；水平夠了又敢冒險的人，就只能比誰更勤奮了。