【译】让人屡试不爽的189个心智模型-上

在读大学时,我的导师林老师要求我们养成每日学习的习惯。这个习惯毕业后也在坚持。虽说看了不少书籍,但是书本中智慧长期不用又不免于忘记。而Gabriel Weinberg 的 Mental Models I Find Repeatedly Useful 这份清单给了很大的帮助。它能帮我们更好学习、复查和实践这些知识。因此做了翻译以飨读者,希望大家喜欢。——译者 PM熊叔 关注微信公众号:PM熊叔,即可获得产品方法论资料包。

2003年,我学习了 查理·芒格(美国著名企业家、律师、发明家、慈善家与巴菲特关系密切)在1995年的演讲——人类心理上的误判。从这篇演讲,我了解到行为经济学是如何应用在商业和投资领域。毫不吝啬的说,是它激发了我从广泛的学科中寻找并应用各种心智模型的动力。

心智模型指的是一个可以用来帮助我们解释事物的概念(例如,汉隆剃刀——在用愚蠢足以解释的情况下,请不要用恶意推测别人。)。在成千上万的心智模型中,每一个都有自己设定的法则。面对这些心智模型,你可以通过课程、言传身教或者亲身实践来了学习。

然而不论是在日常决策,还是在解决问题或发现真理的过程中,有少数概念是反复地出现的。正如芒格所说,“八九十个重要的模型中,只要获得其90%价值,就足以让你变成全世界最聪明的人。”

我期望通过这篇文章列举出那些对于我来说屡试不爽的心智模型。这些都是基于我的个人经历而整理的,肯定不够完整。但希望当我学到更多的时候,还能记得继续的更新它。

如何使用这份清单

我发现心智模型在认知事物和帮助产生创意的时候非常有用。尽管如此,我们还是须要在合适的场合和合适的时间去使用它们。因为事情的发生不为我们左右,所以我们需要提前做好充分地了解,并在实践中运用这些模型。

因此在使用这份清单的之前,给大家两条建议:

  1. 当遇到了你不懂或不了解的心智模型,你可以用这份清单作为你学习的起点。为帮助你更好地学习,我提供了相关的链接(大部分会链到中文维基百科);
  2. 当在实践中遇到问题时,你可以通过查看这份清单来找到那些可能对你有帮助的心智模型。

说明

  • 清单所提供的大多数分心智模型,并不仅仅局限于它所在的某个领域。例如,“石油峰值(哈伯特顶点)”模型,并不局限在能源领域。大多数涉及到“x峰值”的理论是受它的启发。同理,经济学中的”通货膨胀”也可用在经济学之外,例如 ,分数膨胀和预期膨胀。
  • 我粗略的将这些心智模型按一定的规则分好了组,但其实这些并不是严格意义上分组。倘若打破这些规则,往往会让我们得到最佳的启发。
  • 相比于其他人的定义,我所定义的心智模型会更加宽泛,包含了那些有益于我们更好解释、分析或探寻这个世界的概念。我更喜欢这个宽泛的概念。因为这样,只要我觉得非常有用的概念都可以归纳进来,但是如果其他人的心智模型的标准或许就已经被排除在外。
  • 我对每个模型的使用频率也做了标注:
    (1) — 常用的(63个模型)
    (2) — 偶尔用的(43个模型)
    (3) — 很少,但任然重复出现的(43个模型)
  • 如果学到了新的模型,我会先把它列到低频率模型中。另外,每个概念的解释,只是用提醒大家这个词是什么意思,并不是教程。如果要更深入的了解,请点击所提供的链接。
  • 我并不认为这些模型都有良好普适性;我只是说,它们能不断的帮助了我解释和探索这个世界。
  • 对于这些心智模型,我相见恨晚。事实上,写这篇文章是为了帮助我更加高效地回答小伙伴们经常问我的问题:“我们下一步需要学什么?”如果你想变得更加高效,我最好的建议就是从这份清单开始。

用于解释问题

  • (1)汉隆剃刀—“在用愚蠢足以解释的情况下,请不要用恶意推测别人。” (相关:基本归因谬误—“ 人在解释别人的行为原因时,有时倾向归因于个人内在特质(一定是他有这样的人格,才做出这样的行为),而非外在情境因素(也许是情势所迫,或这个场所有特殊的潜规则)。”)
  • (1)奥卡姆剃刀—“如果关于同一个问题有许多种理论,每一种都能作出同样准确的预言,那么应该挑选其中使用假定最少的。” (相关:合取谬误,过拟合,“当你听到马蹄声,联想到的马不应该是斑马。”(这句话源自美国医学届的格言,因为斑马在美国马里兰州出现的概率很低,借此告诫医生在诊断病例的时候,不要转牛角尖——译者注))
    安德烈亚斯·塞拉里乌斯所绘制的哥白尼系统,见于《和谐大宇宙》(1708)。太阳、月亮和其他太阳系行星的运动既可以用地心说来解释,也可以用日心说来解释,都同样有效,然而日心说只需要7个基本假设,地心说却需要多得多的假设。在尼古拉·哥白尼的《天体运行论》序言中指出了这一点。
  • (1) 认知偏误—“人们更倾向于使用某种方式思考问题,而这种方式有可能导致判断结果不正确或系统性的偏离标准” (参看认知偏误列表)
  • (1) 从第一原理推导—“第一原理是一个基本的、基础的、不证自明的命题,或着是一种已经不能被其他命题或者假设推导的假设,相当于数学中的公理。” (相关:降维,正交)
  • (1) 直接和根本原因—“直接原因是最接近观测结果并对观测结果负有直接责任的事件。它与更高层级的根本原因(或远因)存在着差异。根本原因通常被认为是问题发生的‘真实’的原由。(相关:5个为什么—“通过不断重复提问“为什么?”来帮助我们找到产生问题和瑕疵的根本原因”)

用于建模

  • (1)系统思维—“系统思维将系统整体和部分放在一起考量,从而避免导致潜在的出乎意料结果。” (相关:因果循环图,存量流量模型,勒夏特列原理(化学平衡移动原理),迟滞现象—“一个依赖于时间的系统,包含现在的输出和曾经的输入”)
    系统性思维
  • (1)情景分析—“一种通过考虑各种可能发生的结果,来分析未来的可能发生事件的过程。情景分析可以帮助决策者做出更明智的选择。”
  • (1)幂定律—“两个量之间维持着某种函数关系,如果其中一个量做了相对改变,这将会导致另外一个量成比例的相对改变,而且独立于初始的大小:一个变量驱动另外一个量改变。” (相关:帕累托分布帕雷托法则(80-20法则)—“许多的事件中,约80%的影响是由20%的原因引起的”,收益递减,过早优化,重尾分布长尾—“指那些原来不受到重视的销量小但种类多的产品或服务由于总量巨大,累积起来的总收益超过主流产品的现象”,黑天鹅效应—“隐喻一个突然发生的带来巨大影响的意外事件。这也是一种事后诸葛亮解释”)(可以参考创业中的幂定律——译者注)
    一个幂律图,用于演示的人气排名。右边是长尾,左边是占据主导地位的一些(也被称为80 - 20规则)。
  • (1)正态分布—“是一个很常见的连续性概率分布,许多独立过程(例如,测量误差)之和所表示的物理量普遍都符合此分布。” (相关:中心极限定律)
  • (1)敏感性分析—“研究数学模型或者系统中,输入阶段的不确定因素是如何影响在输出结婚的不确定性。”
  • (1) 成本收益分析—“一个系统评估方法,面对多个满足商业的事务,活动或者功能性需求的选择方案时,使用此方法比较它们的优劣。” (相关:净现值—“一种盈利能力的测算方式,在一定的时间周期内将目前的现金流减去目前的流出的资金(包括初始成本)”,折扣率)
  • (3)仿真—“在一定时间内,模仿真实世界或者系统的运转”
  • (3)帕累托效率—“也称帕累托最优,
    是指资源分配的一种理想状态。给定固有的一群人和可分配的资源,如果从一种分配状态到另一种状态的变化中,在没有使任何人境况变坏的前提下,使得至少一个人变得更好,这就是帕雷托改善。帕雷托最优的状态就是不可能再有更多的帕雷托改善的状态;换句话说,不可能再改善某些人的境况,而不使任何其他人受损。”

用于头脑风暴

  • (1)横向思维— “当原因不够明显和无法使用推理得到想法时候,通过间接和创意性的方法来解决问题的方式。”
  • (1)发散思维vs收敛思维—“发散性思维是一个通过探索更多可能性方案来产生创意思考过程或方法,它通常与其对立的收敛思维一起使用。收敛思维是一种需要通过特定的逻辑推导后最终得到一个解决方案(既有些人所谓的“正确”方案)的思维方法。” (相关:群体思维)
  • (2)临界质量—“指恰好维持核子连锁反应所需的裂变材料质量” ,“在社会动力学中, 这个词被称之为群聚效应,是指在一个社会系统中,一个创新达到一个足够的接受者数量,使得其接受率能够自我维持和获得更加长远的增长动力。”
  • (2)活化能—“在一个化学系统中,能够激活潜在反应物产生化学反应的最少能量。”
  • (2)催化剂—“能够提升化学反应率的物质”
  • (2)杠杆—“能够把力进行放大的工具,通常是机械设备或者机械系统。”
  • (2)众包—“一种向一大群人进行征集所需要的服务想法或内容的方法,这群人通常指的是在线社区而不是雇员或者供应商。” (相关:群体智慧—“一个大群体共同需求问题,例如,量化估计,普遍常识,空间推理,这些问题,群体的解答通常要比个体的解答更加优秀。”,集体智慧)
  • (3)科学革命的结构—“一种情景模式,常态科学积累连续概念的历程中受到了科学革新历程的打断。在科学革新历程中“非同寻常”的发现推导出了新的范式,然后以此范例质疑旧数据的新问题,超过之前范式单纯的“解谜”,改变研究规则并指导新研究的'地图'。” (相关:普朗克原理—“如果一个科学革新没有发生,那是因为仅有个别科学家改变了他们的想法,其最终还是需要一代又一代的科学家想法的改变。”)

用于实验

  • (1)科学方法—“系统的观察,测量,和实验,和构想,测试,和修正假设” (相关:再现性)
    科学方法是一个永续的过程
  • (1)代理—“一个指标自身相关性比较弱,但服务于不可观察或难以量化的指标。例如国内生产总值GDP是生活标准和生活质量的代理。为了起到好的代理效果,承担代理的指标需要与被代理指标的特性有紧密相关性,但可以不要线性相关。” (相关:显示偏好)
  • (1)选择性偏差—“人们倾向于有意的选择个体、群体或数据用于分析,在这种方式的选择是无法达到合理的随机化,因此这些样本也失去了普遍的统计意义。” (相关:以偏概全)
  • (1)回答偏误—“较大范围的认知偏误,影响者参与测试者偏离准确和真实的回答。”
  • (2)观察者效应—“观测行为会影响到观测现象” (相关:薛定谔的猫)
  • (2)幸存者偏差—“一种逻辑错误,人们在思考问题的时候,容易把关注的焦点放在从某些过程中“幸存”下来的人物或事物上面,不经意间忽视了那些“未幸存下来”或者隐藏的人和事物。”
  • (3)不确定性原理—“
    在测量微观粒子时,我们无法同时测准有对易关系的两个物理量——粒子的位置和动量”

用于演算

  • (1)数量级—“数量级用于在估算的时候,将一个不精确的数值四舍五入成较为接近的十的倍数。” (相关:近似阶,封底计算,量纲分析,费米问题)
  • (1) 主要和次要因素—主要因素用于解释结果的主要部分,次要因素用于解释结果的次要部分。(相关:第一阶 vs 第二阶效应 —一阶效应直接遵循原因,二阶效应遵循一阶原因。)
  • (1)假阳性和假阴性—“假阳性错误,或假阳性,通常被称为误报,在实际判定条件并不充分情况下,误以为检测结果的条件已达到。假阴性错误,或者简称假阴性,检测结果显示条件是失败的,然而实际上它是成功的,即错误地认为没影响。”
  • (1)置信区间—“一个概率样本的置信区间是对这个样本的某个总体参数的区间估计。置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度。置信区间给出的是被测量参数的测量值的可信程度,即前面所要求的“一定概率”。” (相关:误差条)
  • (2)贝叶斯定律—“描述一个事件的概率时,基于的条件与事件有关。例如,如果想了解某人是否有癌症,而且我们知道他的年龄。如果癌症与年龄相关,那么就可以使用贝叶斯定律,根据该人的年龄精确的估算其患癌症的概率。” (相关:基本比率谬误)
  • (2)趋中心回归—“有如此的现象,如果首次测量时变量表现得非常极端,那么第二次测量时将会更接近均值。”
  • (2)拐点—“曲线上,该点是曲线变化从凹变成凸的位置,反之亦然。”
  • (3)辛普森悖论—“一个概率和统计的悖论,数据分组分析得到的趋势,却和合并分析时表现得截然不同。”

用于决策

  • (1)商业论证—“描述启动项目的原因。其通常以良好结构的书面形式呈现,但有时也会以口头讨论和演示的方式呈现。” (相关: 为什么现在?)
  • (1)机会成本—“在有限资源资源条件下,必须从多个方案中相互独立的方案中做出选择。如果在决策的过程中,我们没有选择最佳的方案,那么该方案所包含的价值就是机会成本。假设我们选择了最佳方案,那么这个“成本”,就是我们未获得的第二选择方案所带来的价值。” (相关:资本成本)
  • (1) 直觉——编码到你的神经网络中的个人经验。这也意味着脱离个人经验的直觉也是非常危险的。(related:思考的快与慢—“思考一分为二的两种模式: ‘系统 1’ 是快速的,本能的,和情绪化的;“系统二”是慢速的,更加慎重,更加逻辑性的 ”)
  • (1)局部择优vs全局择优—“在应用数学或计算机科学领域,优化问题中,局部择优就是在临近的一组候选方案里面里面选着最优(最大或最小)的解决方案。与之相对的是全局择优,在所有可能的方案中找到最优的方案,而不局限在特定临近的区间中。 ”
    f(x)=cos(3πx)/x, 0.1≤ x ≤1.1 在函数的整个区间内,该函数的最大和最小值所在位置就是全局最大和全局最小;求导之后找到的斜率为0的波峰和波谷,只在特定的临近区间内是最优的,因此,他们是局部的。
  • (1)决策树—“是一个决策支持工具,使用树状的图形或模型描述决策及其可能的结果,通常包含随机事件的结果、资源成本和效用。” (相关:期望值)
    决策树
  • (1)沉没成本—“一个已经产生了的无法再被恢复的成本” (相关: “花冤枉钱”, “一不做,二不休”)
  • (1)易得性偏误—“人们判断容易被更易获得的信息所左右,所提出的意见偏向于最近的新闻。”
  • (1)确认偏误—“人们选择性的收集解释、赞同和回忆的方式来证实自己预先已有观点或假设是正确的,而对于替代性的方案的考虑却少之又少。 (相关:认知失调)
  • (3)损失规避—“指人们面对同样数量的收益和损失时,认为损失更加令他们难以忍受。” (相关:边际效用递减)

用于推断

  • (1)轶事—“使用个人的经或者验或者孤立的例子,而没有使用合理的论证和令人信服的证据。”

  • (1)因果谬误—“认定真实或感知到的两个事物之间是存在因果关系的。” (相关:相关不蕴涵因果)

    A:我曾经认为相关关系中蕴含因果关系。然后我上了统计学课,现在不这样认为了。B:听上去,这个课挺管用的。A:嗯,或许吧!

  • (1)稻草人论证—“给人一种反驳对手论点的印象,但实际上其并没有进一步的论证”

  • (1) 看似合理的—认为只是因为一些似是而非就意味它是真实的。。

  • (1) 可能的—认为只是因为某种可能性就意味它是可能的。。

  • (1)诉诸情感—“指借由操纵人们的情感,而非有效的逻辑,以求赢得争论的论证方式。”

  • (1)诉诸人身—“攻击对手性格或者人品来到自己反驳对方的目的。”

  • (1)滑坡谬误—“推断如果我们让A发生了,那么最终Z也会发生,所以我们不能让A发生。” (相关:破窗效应—“维持和监控城市环境,阻止恶性违法事件,需要从防微杜渐做起,例如,通过预防破坏公物、公共场合饮酒、非正常死亡率等来构建合法有续的治安环境。”)

  • (1)非黑即白—“当两个非此即彼的状态显得是唯一的可能时,但实际上会有更多的可能性存在。”

  • (1)赶时髦—“诉诸流行,或许多人做事,但人们做这事是尝试行验证。”

更完整的列表,请查看那些你不可犯的逻辑错误

由于内容较多且涉及专业词汇,本文计划分三次更新。请大家继续关注我的简书。需要原文的同学请点击原文链接,虽然是翻译,转载请注明出处。如果本文对你有帮助,欢迎点赞和打赏。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,324评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,303评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,192评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,555评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,569评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,566评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,927评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,583评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,827评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,590评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,669评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,365评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,941评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,928评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,159评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,880评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,399评论 2 342

推荐阅读更多精彩内容