徐瑾/文
當前世界的問題，不在「少」，而在於「多」。
太多的新聞，太多的好書，太多的選擇，太多的社交媒體對話，充斥我們的感觀世界。這個時候，稀缺的是什麼？不是外在事物，而是我們的注意力和判斷力。
正是因為我們深陷如此之多的信息之中，我們更需要更系統的解決方法。如何解決？需要智慧，也可以說，需要模型思維。
學者斯科特·佩奇在《模型思維》一書中指出，人類的智慧層次可以分為四個層次：
第一個層次是數據。所謂數據，就是沒有編碼的萬事萬物，即虛擬世界中的0和1的代碼，各種網頁連結，你手機閃過的一個個屏幕，也可以是現實生活的事件，比如生老病死，陰晴圓缺。
第二個層次是信息。將數據命名以及分類，就是信息。比如落在你身上的雨是數據，全國的降水量是信息。
第三個層次是知識。柏拉圖將知識定義為「合理的真實信念」，而佩奇則定義知識是對各種關係的理解，比如相關關係、因果關係，邏輯關係等等。當知識組織了信息，就呈現為模型，比如地震預測模型、解釋市場競爭等等。
最高層次也就是第四個層次，是智慧。佩奇認為智慧就是識別和應用相關知識的能力。
可以看出，人類智慧分類既是科學的，也是哲學的。這個分類其實受到詩人艾略特的啟發。艾略特曾經這樣寫過：「我們迷失於知識中的智慧在哪裡？我們迷失於信息中的知識在哪裡？」對於現代人來說，我們首先需要追問的是「我們迷失於數據中的信息」。
佩奇認為，智慧在運用中，往往就體現在選擇正確的知識和模型。這就引出了模型的概念，模型就是對於現實的簡化。除此之外，模型也可以是類比，甚至是虛擬世界。
佩奇總結了模型的七大用途：推理，識別條件並推斷邏輯含義；解釋，為經驗現象提供（可檢驗的）解釋；設計，選擇制度、政策和規則的特徵；溝通，將知識與理解聯繫起來；行動，指導政策選擇和戰略行動；預測，對未來和未知現象進行數值和分類預測；最後是探索，分析探索各種可能性和假說。
這些用途首字母連結起來，就是「紅色披風」的縮略詞（REDCAPE）——這個巧合，也許是一個隱喻，多模型思維可以給予人類強大的力量，猶如童話世界中有魔力的超人紅披風，。
你聽到模型，不要都以為和一板一眼的數學公式有關，其實不然。不少模型的理念，已經內化為我們日常思考方式的一部分，甚至我們日夜用在決策中而不自知，比如「需求定理」「二八定理」「馬太效應」「正反饋」「長尾定理」等等，就是不同模型。
最典型的，《模型思維》舉了個案例。像2008年金融危機之後，冰島貨幣出現急劇貶值，金融市場感到很恐慌，因為之前不久席捲全球的美國住房按揭導致的金融危機剛剛消停。如果你是一個大型跨國公司的財務主管，你應該怎麼辦？冰島國內生產總值就是120億美元，相當於麥當勞6月收入，放在美國，就是一個城市的體量。因此從供需模型出發，很簡單可以判斷，這事不大，該幹嘛幹嘛。判斷邏輯也很清晰，事後看來也很正確。
很類似的，就像非典以及新冠疫情這樣的衝擊，身在其中大家都會惶恐，經濟衝擊會有多大？作為投資者，知道消息後，是不是要賣出？如果理性折算一下，如果不是最直接的行業，那麼對於大部分公司而言，疫情會影響一兩個季度的收入。短期看來不少，但放在公司的長期視野中，對於公司甚至經濟的基本面不會有大的動搖，都是短期衝擊，不會帶來根本性的改變。
但是，這些看來簡單的判斷背後，這也是體現了多種模型思維——因為在那麼多模型中，你需要選取正確的信息（冰島很小或者疫情是短期衝擊）以及正確的模型（供需模型）。
對比之下，國內有很多教導模型思維的書和課程，往往教一些具體的模型，其實這不是關鍵，因為任何模型的運用都有前提，如果僅僅為了模型而模型，只是學會了皮毛。
模型思維的關鍵，關鍵是理解模型的本質，懂得如何選擇模型，比懂得模型細節更重要，要有多模型思維，切忌用單一模型解釋解決一切問題。
奧卡姆剃刀原則大家都知道，那就是「如無必要，勿增實體」。但是這句話其實有下文，愛因斯坦就進一步強調過，「事情應該力求儘可能簡單，但是不可過於簡單化」。佩奇提醒我們，模型有三個特徵：第一他們都是簡化的，因為必須剝離不必要細節；第二，模型都是形式化的，需要有精確定義；最後，所有模型都是錯誤的。
你要注意，佩奇列舉了很多模型，從正態分布到冪律分布，從線性模型到非線性模型，從網絡模型到廣播模型等等。這些模型彼此之間甚至存在矛盾。關於該如何運用理解？他反覆強調的是多種模型思維，而不是僅僅模型思維。這意味著，我們面臨多種模型，一方面應該選擇最合適的模型去思考，另一方面，我們也應該試著從不同模型去看問題，這讓我們可以更好理解解決問題。
比如不平等這個問題，說起貧富差距階層固化，大家都很不滿意，但如何看待如何解決？如果深入了解這個問題，你會發現模型不同，起因大家看法不一樣，結論就不同。
如果按照一派經濟學家的看法，應該進行減稅，這樣經濟會繁榮，稅收總額也會增加，窮人也會受益，但是事實上這個結論存在前提。如果按照法國經濟學皮凱蒂的說法，資產回報率永遠大於經濟增長率，那麼應該給富人加資產稅。可是他的模型中也有問題，那就是假定富人的孩子都可以永遠明智地投資。如果我們從社會正反饋模型去看收入分配，會發現在社交網絡中，更多的人際聯繫增加社會影響，富人在這方面擁有的先發優勢可能使得他們更富裕。從類似模型可以看出，有社交網絡優勢的人，在今天可能會獲得更多回報，這也可以解釋網紅和矽谷富豪的出現。
這些年，美國CEO的薪酬提升很大，是普通工人的300倍，這是為什麼？從空間投票模型看，你可以發現美國董事委員會中多數都是別家公司的CEO，他們有激勵去提高別的CEO的薪酬。再深入一點，如果你從技術變革的模型去審視，角度也不同。從收入最高的400個美國人來看，最頂層這些人的收入主要來自新技術、大眾零售和金融行業。這三個行業有什麼特別？它們都可以快速擴展，這就造成贏家通吃的局面。
由此可見，不平等的原因很多，解決思路也不同。不同模型，有不同結果，只有通過這些模型彼此對照，我們才能理解真實世界，而不是坐井觀天，真正做到讓智慧入世。你看，只用一個模型包打天下，不僅不正確，而且可能有災難性結果。
對比之下，思考一下公共政策，會發現不少真實場景，其實需要多種模型。車多就限流，房價漲就管制，口罩難買就罰款，這其實就是直覺或者單一模型思維的結果，那就是抑制需求。對應的反對意見中，如果覺得所有的東西都稀缺，解決思路是以漲價應對一切，這其實也是另一種簡單思維。兩種思維都不能說完美，是只用一種模型思考的結果。
善於多種模型思維，意味著真正的智慧。世人都知道巴菲特是股神，但是巴菲特的合伙人查理·芒格的智慧更讓人佩服。芒格一直提倡多種模型思維，而且主張將模型和經驗結合，「要想成為一個有智慧的人，你必須擁有多個模型。而且，你必須將你的經驗，無論間接的，還是直接的，都放在構成這些模型的網格上」。
據說，在19世紀英國小說家簡·奧斯丁的年代，如果要誇獎一個年輕人，人們會說這是一個擁有很多信息的年輕人。在今天，大家大概率不會這樣說，但可能會說有很多知識的年輕人。不過，你想過沒有，僅僅擁有知識，在大數據的今天，可能已經不夠了，你可能需要說，這是一個有智慧的人，或者這是一個模型思維的人。
所以，當別人談論信息爆炸或者知識焦慮的時候，也許只是他們缺乏模型思維的結果——僅僅沉湎各種知識信息甚至數據中，沒有學習通過模型，將各類知識信息數據整合，化繁為簡。而所謂模型思維，其實是多種模型的綜合思維，這種本質上就是一種複雜思維——承認這個世界的複雜，用開放的心態，用不同模型去簡化，再儘可能還原世界的真相。