徐瑾/文

当前世界的问题，不在“少”，而在于“多”。

太多的新闻，太多的好书，太多的选择，太多的社交媒体对话，充斥我们的感观世界。这个时候，稀缺的是什么？不是外在事物，而是我们的注意力和判断力。

正是因为我们深陷如此之多的信息之中，我们更需要更系统的解决方法。如何解决？需要智慧，也可以说，需要模型思维。

学者斯科特·佩奇在《模型思维》一书中指出，人类的智慧层次可以分为四个层次：

第一个层次是数据。所谓数据，就是没有编码的万事万物，即虚拟世界中的0和1的代码，各种网页链接，你手机闪过的一个个屏幕，也可以是现实生活的事件，比如生老病死，阴晴圆缺。

第二个层次是信息。将数据命名以及分类，就是信息。比如落在你身上的雨是数据，全国的降水量是信息。

第三个层次是知识。柏拉图将知识定义为“合理的真实信念”，而佩奇则定义知识是对各种关系的理解，比如相关关系、因果关系，逻辑关系等等。当知识组织了信息，就呈现为模型，比如地震预测模型、解释市场竞争等等。

最高层次也就是第四个层次，是智慧。佩奇认为智慧就是识别和应用相关知识的能力。

可以看出，人类智慧分类既是科学的，也是哲学的。这个分类其实受到诗人艾略特的启发。艾略特曾经这样写过：“我们迷失于知识中的智慧在哪里？我们迷失于信息中的知识在哪里？”对于现代人来说，我们首先需要追问的是“我们迷失于数据中的信息”。

佩奇认为，智慧在运用中，往往就体现在选择正确的知识和模型。这就引出了模型的概念，模型就是对于现实的简化。除此之外，模型也可以是类比，甚至是虚拟世界。

佩奇总结了模型的七大用途：推理，识别条件并推断逻辑含义；解释，为经验现象提供（可检验的）解释；设计，选择制度、政策和规则的特征；沟通，将知识与理解联系起来；行动，指导政策选择和战略行动；预测，对未来和未知现象进行数值和分类预测；最后是探索，分析探索各种可能性和假说。

这些用途首字母链接起来，就是“红色披风”的缩略词（REDCAPE）——这个巧合，也许是一个隐喻，多模型思维可以给予人类强大的力量，犹如童话世界中有魔力的超人红披风，。

你听到模型，不要都以为和一板一眼的数学公式有关，其实不然。不少模型的理念，已经内化为我们日常思考方式的一部分，甚至我们日夜用在决策中而不自知，比如“需求定理”“二八定理”“马太效应”“正反馈”“长尾定理”等等，就是不同模型。

最典型的，《模型思维》举了个案例。像2008年金融危机之后，冰岛货币出现急剧贬值，金融市场感到很恐慌，因为之前不久席卷全球的美国住房按揭导致的金融危机刚刚消停。如果你是一个大型跨国公司的财务主管，你应该怎么办？冰岛国内生产总值就是120亿美元，相当于麦当劳6月收入，放在美国，就是一个城市的体量。因此从供需模型出发，很简单可以判断，这事不大，该干嘛干嘛。判断逻辑也很清晰，事后看来也很正确。

很类似的，就像非典以及新冠疫情这样的冲击，身在其中大家都会惶恐，经济冲击会有多大？作为投资者，知道消息后，是不是要卖出？如果理性折算一下，如果不是最直接的行业，那么对于大部分公司而言，疫情会影响一两个季度的收入。短期看来不少，但放在公司的长期视野中，对于公司甚至经济的基本面不会有大的动摇，都是短期冲击，不会带来根本性的改变。

但是，这些看来简单的判断背后，这也是体现了多种模型思维——因为在那么多模型中，你需要选取正确的信息（冰岛很小或者疫情是短期冲击）以及正确的模型（供需模型）。

对比之下，国内有很多教导模型思维的书和课程，往往教一些具体的模型，其实这不是关键，因为任何模型的运用都有前提，如果仅仅为了模型而模型，只是学会了皮毛。

模型思维的关键，关键是理解模型的本质，懂得如何选择模型，比懂得模型细节更重要，要有多模型思维，切忌用单一模型解释解决一切问题。

奥卡姆剃刀原则大家都知道，那就是“如无必要，勿增实体”。但是这句话其实有下文，爱因斯坦就进一步强调过，“事情应该力求尽可能简单，但是不可过于简单化”。佩奇提醒我们，模型有三个特征：第一他们都是简化的，因为必须剥离不必要细节；第二，模型都是形式化的，需要有精确定义；最后，所有模型都是错误的。

你要注意，佩奇列举了很多模型，从正态分布到幂律分布，从线性模型到非线性模型，从网络模型到广播模型等等。这些模型彼此之间甚至存在矛盾。关于该如何运用理解？他反复强调的是多种模型思维，而不是仅仅模型思维。这意味着，我们面临多种模型，一方面应该选择最合适的模型去思考，另一方面，我们也应该试着从不同模型去看问题，这让我们可以更好理解解决问题。

比如不平等这个问题，说起贫富差距阶层固化，大家都很不满意，但如何看待如何解决？如果深入了解这个问题，你会发现模型不同，起因大家看法不一样，结论就不同。

如果按照一派经济学家的看法，应该进行减税，这样经济会繁荣，税收总额也会增加，穷人也会受益，但是事实上这个结论存在前提。如果按照法国经济学皮凯蒂的说法，资产回报率永远大于经济增长率，那么应该给富人加资产税。可是他的模型中也有问题，那就是假定富人的孩子都可以永远明智地投资。如果我们从社会正反馈模型去看收入分配，会发现在社交网络中，更多的人际联系增加社会影响，富人在这方面拥有的先发优势可能使得他们更富裕。从类似模型可以看出，有社交网络优势的人，在今天可能会获得更多回报，这也可以解释网红和硅谷富豪的出现。

这些年，美国CEO的薪酬提升很大，是普通工人的300倍，这是为什么？从空间投票模型看，你可以发现美国董事委员会中多数都是别家公司的CEO，他们有激励去提高别的CEO的薪酬。再深入一点，如果你从技术变革的模型去审视，角度也不同。从收入最高的400个美国人来看，最顶层这些人的收入主要来自新技术、大众零售和金融行业。这三个行业有什么特别？它们都可以快速扩展，这就造成赢家通吃的局面。

由此可见，不平等的原因很多，解决思路也不同。不同模型，有不同结果，只有通过这些模型彼此对照，我们才能理解真实世界，而不是坐井观天，真正做到让智慧入世。你看，只用一个模型包打天下，不仅不正确，而且可能有灾难性结果。

对比之下，思考一下公共政策，会发现不少真实场景，其实需要多种模型。车多就限流，房价涨就管制，口罩难买就罚款，这其实就是直觉或者单一模型思维的结果，那就是抑制需求。对应的反对意见中，如果觉得所有的东西都稀缺，解决思路是以涨价应对一切，这其实也是另一种简单思维。两种思维都不能说完美，是只用一种模型思考的结果。

善于多种模型思维，意味着真正的智慧。世人都知道巴菲特是股神，但是巴菲特的合伙人查理·芒格的智慧更让人佩服。芒格一直提倡多种模型思维，而且主张将模型和经验结合，“要想成为一个有智慧的人，你必须拥有多个模型。而且，你必须将你的经验，无论间接的，还是直接的，都放在构成这些模型的网格上”。

据说，在19世纪英国小说家简·奥斯丁的年代，如果要夸奖一个年轻人，人们会说这是一个拥有很多信息的年轻人。在今天，大家大概率不会这样说，但可能会说有很多知识的年轻人。不过，你想过没有，仅仅拥有知识，在大数据的今天，可能已经不够了，你可能需要说，这是一个有智慧的人，或者这是一个模型思维的人。

所以，当别人谈论信息爆炸或者知识焦虑的时候，也许只是他们缺乏模型思维的结果——仅仅沉湎各种知识信息甚至数据中，没有学习通过模型，将各类知识信息数据整合，化繁为简。而所谓模型思维，其实是多种模型的综合思维，这种本质上就是一种复杂思维——承认这个世界的复杂，用开放的心态，用不同模型去简化，再尽可能还原世界的真相。