模型思維：數學模型解構大模型黑箱

思維主題「分析決策·思考工具」 必讀書目清單 📽 1·《系統之美》2023版 2·《思維的精進》大衛·羅布森 3·《模型思維》斯科特·佩奇 4·《偏差》奧利維耶·西博尼 5·《思維模型》彼得·霍林斯 6·《噪聲》丹尼爾·卡尼曼… 7·《麥肯錫思考工具》大島祥譽 8·《信號與噪聲》 9▪牆裂推薦▪《思考模型：頂級高手思維和行爲的根本解》 ◽『思考模型 分析方法呈現 圖表視覺化』 ◽如果覺得那些思考模型分析太燒腦；讀得過程總是懵圈， 各種卡殼； ◽不能及時掌握模型要義，不能轉化爲自己的思路 ，那麼這本書 絕對是最佳拆解 最強輔助。 💡 ps：我通讀過和刷過不下於 20+本思考模型的書，深知模型思考主題的書，大都不太好讀，直到讓我遇到它』 —— 這本寶藏工具書，在我看來可謂是『模型思考』拆解層面的 滄海遺珠了。 10·《決策分析的12個工具》硬核分析工具：「 問題分析 行業分析 情境分析 」更硬核的思考分析大全。 11·《決斷力：如何在生活與工作中做出更好的選擇》 12·《福格行爲模型》 13·《思考如何超越思考》 14·《腦中的大象》 15·《分析與決策》顧彼思商學院 16·《思考的維度：改變人生的11種思維方式》 17·《如何解決複雜問題》安德烈·瓦格納 ps：思維認知領域：思維工具 應用方法論 ·決策分析主題」 啃這幾本硬核的，遠比那些書名帶有「認知」的暢銷書，但實際內容不過是停留在空中樓閣的象牙塔爽文要切實有益良多。 這幾本都是應對：理解現實的問題實際情境、自我與羣體認知能力、判斷解析結構系統實況如何、以及如何根據總體目標任務與現狀問題，需要採取怎樣決策與措施的思考行動。 讀這些模型和思考能力的內容，在處理問題方面是真能強化我們的思考能力，切實提高解決問題的能力水平 。 這些思考與解決能力的訓練，對我們解決真實情況、系統性分析已知信息，是找出應對當下挑戰的關鍵基準點。 通過實際情況的分析 合理規劃資源和掌握執行的關鍵邏輯 是我們每個成年人都應該及時掌握和需要持續訓練的能力。 如何結合實際情況 又要兼顧中長期視角 來調整我們的思考和決策。 實在讀不懂，感覺沒法啃的，就去翻書評，去其他平臺，看看有沒高手解讀的特別好的筆記，如有，最好留言告知對方，或稍微打賞💰聊表心意。 好內容的價值，使我們在某個層面得到獲益和突破，提高自我的認知能力，使我們思路開闊，看待複雜問題的更加清晰明確。 優質深度的議題，能促進我們認知心智的啓迪，可能是某個議題的關鍵節點被打通，瞬間提升我們看問題的思考層次水平，看待問題有系統性視角，能夠迅速辨析問題的宏觀與微觀的核心要素。 這種逐步提高和某個關鍵環節的打通，使我們能夠逐步看清該局部處於整個系統的某個方位、哪個層面，會受周邊哪一塊局部直接和間接影響、受什麼觸發條件… 在現實社會場景中存在各種系統與局部的對照協作關係的應用，需要我們即有對「整體的解構」和對「局部的建構」之間的對應交互思維能力… 諸如此類，有價值的收穫和啓發，就值得有效的反饋。 就好比我們自己用心梳理出來對外公開的好內容，也能得到用戶給予支持反饋，促進好內容的市場發展。 如果我們所處的社會環境，整體認知心智能力都能具備基礎的邏輯與思辨能力的品味素養，都能理解言談做事的行爲邏輯，並且能夠「能有所爲，有所不爲」！ 心智能力越成熟，越不會有低級的內耗和那些極端作惡的言行，而沒有那些認知負面的極端思想行爲，這無疑就是在創造良好的人文環境，真正做到具有人文素養的文明社會。 良好的人文環境，更利於我們每個人的工作生活和發展。 只有在相對好的成長環境背景下，才能塑造自我人格與能力的獨立塑造和正向循環的影響發展。 唯有得到良好獨立思考塑造出的富足的心智與心境，纔有認知能力識別和判斷問題背後的相關根因，不會被表象迷惑，也不會入了圈套而被操控。 即便是各種面臨競爭，也是在努力解決問題上的各個維度突破的良性競爭，不會愚蠢到竟做那些惡意傾向的、且沒有底線低劣手段的爭搶內耗。 社會各領域的發展，企業組織到家庭到我們每個人都需要一個健康的人文環境。 我們每個人的思考能力與行爲價值觀 ，與外界友好交互所產生的影響；具有良好的生存能力與人文價值素養，都是促進各種良性循環發展的重要因素。 更多有關思考能力的認知視野與能力方法，友友們敬請移步我的：「模型思考·分析能力·決策工具·」的主題書單查閱。 優先從閱讀和學習模型思考，比如提煉閱讀筆記，也可以從模型的視角去梳理內容框架。 再結合梳理不同的模型核心概念，從而持續強化模型思考的方式在自我的認知意識中，做到看待問題，能夠下意識就能自行調用思考模型去分析事態局勢。 只有在應用體驗模型思考的高效能成果，越用越流暢，逐步累積屬於自己領域的思考模型架構。 與此同時，也能迅速提高自己的專業能力，提升自己的專業價值。畢竟強化自身實力是價值最大化的最佳必要根基。

純陽書評第544期《模型思維》經常有人提醒我們，一個人要想有出息，一定要勤于思考，但是這裏有一個問題，如何做到勤于思考，到底什麼是勤于思考的正確姿勢？《思考，快與慢》告訴我們，每個人都有兩種思考模式，一種是基於本能和直覺的快思考，一種是基於理性和分析的慢思考，前者是人類進化的產物，而後者爲後天努力留下了廣闊舞臺。 這就意味着卡尼曼的答案是勤于思考要訴諸理性，但是他只回答了一半，因爲如何訴諸理性本身也是一個問題。本書回答了問題的另一半，勤于思考不只要訴諸理性，還要訴諸模型，而且要訴諸多元模型，看點有三，具體內容如下： 第一、提出勤于思考要訴諸模型 模型是人們爲了理解現實世界，而創建出來的仿真品，通過對這些仿真品的研究，去發現現實世界中潛在的規律、模式和關係，進而獲得新的知識和認知。所以如果說知識是人類進步的階梯，那麼模型就是知識進步的階梯。 知識伴隨模型而來，模型也表現爲一種知識，而且是一種特殊的知識，一種可以用來幫助思考、幫助知識創造的知識。既然模型具有這樣的特殊屬性，擁有這樣的特殊能力，爲什麼我們不用好呢？所以佩奇給讀者送出了第一個禮物，即要想有效率、有質量的思考，要想真正思有所得，要想透過事物的表象，抓住一些有意義的關係，那麼就有必要積極掌握模型這種特殊的知識，善於利用這種特殊的工具去輔助思考，去發現更多的知識，去創造更多的模型。 這個邏輯很絲滑，只是別人沒有系統化的說出它。 第二、提出勤于思考要訴諸多元模型 嚴格地說，這個世界沒有什麼是真正簡單的，如果說非要有的話，那隻能是我們以爲的簡單，而這種簡單也只是來自於我們思想上的無能和態度上的無意。 因爲模型是人的產物，意味着模型也必然帶有人的侷限性，這一點在事物的複雜性面前就會表現爲一種方向上的單純。所以一個模型只能關注事物複雜性的一個或幾個方向，無論其結論是什麼都離不開片面性，因此要想對事物有更爲全面的理解和整體性的把握，意味着這種觀察和分析必須來自於多個模型所聚合而成的綜合視角。所以更有價值的思考顯然來自於多元模型。 這個邏輯同樣順滑，恰似高山流水，不得不下。 第三、講解了幾十個用得上的模型 模型思維的關鍵還是要解決好有的問題，要幫助讀者把這些工具學到手，如果僅僅是道理講得好，讀者肚子裏空空如也，那麼永遠不會有什麼模型思維，更談不到什麼多元模型思維。 正因爲如此，佩奇根據自己的經驗和閱歷，從衆多模型中挑選了幾十個相對重要的、日常生活工作中能夠用的上的模型，按照結構-邏輯-應用的方式，做了重點講解，幫助大家理解和掌握。如果沒有這本書，讀者自己找這些模型的話，可能要花費不少時間和精力。 ​

打着芒格的旗號來騙人的書 此書，給出歷史的低分，是表示自己對這樣一種書籍的鄙視。 本書雖然來自密歇根大學某位老師的手筆，但是對全書內容真是不敢恭維。原因如下： 1.全書唯一可看的或許是全書開篇，立了個好意，表了個好態，用芒格的話來背書，卻狗尾續貂，可讀性極差。 2.包羅萬象，含混不清。 全書是把各個學科的模型都拿來講了一遍，既是泛泛，又是鑿鑿。模型和內容既介紹不清，又介紹不全。它想表達的就是一個意思，我說的是對的，我舉的例子表明這個模型可以用於多個方面（但卻敘述簡單）。可見，它對人極其誤導，個人不禁要問，模型中最關鍵的是哪一部分變量？主要和次要因素都沒有講清。造成的結果就是，我都講了，我也都說了，讀不讀得懂，那是你的事。這種很難看出是密歇根大學老師寫的書。如果是，那跟國內抄來抄去的專業教材，只有形式上的區別，沒有本質上的不同。 3.過多的公式堆砌和過少的說明。 從後面的章節開始，幾乎每章都有數學公式，好像模型必須要用公式來表達，任何事情都需要數學公式才能建模。那你不如說，都是數學模型算了，只不過模型中的變量，一些是物理學、化學、社會學、心理學的變量替換而已。 總之，這是一本貌似專業，實際上是“大雜燴”的一本書，且本書並沒有被芒格推薦。請注意，芒格推薦的是，將事物當作系統來分析，通過多個學科的本質模型來分析事物的本質並做理性的判斷，即關注哪些關鍵的，有效的。注意多個因素的影響，用多個模型共同解決問題的思維和方法。這本書無疑是背離了初衷。 由上，本書不推薦！ 希望看完此書，認同上述觀點的讀者，請將此條評論點贊，也讓一些讀者不要受到此書的誤導。

“如果我們能構建多個既準確又多樣的模型，就能做出更準的預測、估值並選擇更好的行動。”佩奇《模型思維》的核心觀點在於：它不把模型當成逼近真理的單一方程，而把“多模型組合”本身建構成一套可論證的方法論。全書以REDOCAPE（更常見寫作REDCAPE）統攝模型的七類用途——推理、解釋、設計、溝通、行動、預測、探索，主張先界定問題要服務哪一種用途，再選擇形式化框架；這把“爲什麼用模型”從個人直覺提升爲可審計的決策流程，也使模型從單純計算工具轉變爲複雜世界中的認知治理工具。 佩奇對單模型侷限性的診斷是其最重要的理論發現之一：任何模型都必須通過選擇變量、忽略細節、設定函數形式來完成簡化，因而必然只照亮因果鏈的一段。他用孔多塞陪審團定理說明獨立且優於隨機的判斷聚合可提高正確率，用多樣性預測定理解釋羣體誤差等於平均個體誤差減去預測多樣性，用模型誤差分解說明多模型可在保持一定準確性的前提下以視角差異降低系統性偏差；三者共同構成“多模型優於單模型”的數學依據，而非修辭口號。 這意味着單模型的風險不只是“不夠準”，更在於它會把自身隱含假設僞裝成現實本身，例如在正態假設下低估尾部風險、在純線性框架中忽視閾值與反饋、在孤立理性人模型中忽略網絡位置與規則適應。 在模型供給上，本書近似一部跨學部門類手冊，系統處理正態分佈與長尾/冪律、線性與非線性、網絡與中心性、廣播/擴散/傳染、基於閾值與局部互動、馬爾可夫狀態轉移、系統動力學存量—流量與反饋、博弈與均衡、合作與夏普利值、集體行動、信號與學習、多臂老虎機、崎嶇景觀等二十餘種基礎框架。 其學術價值不在某模型創新，而在把分散於統計、經濟、社會、生態、計算機科學的模型翻譯成統一“可調用”的語言：同一現象如技術採納可用S形採用、網絡傳染、閾值聚集分別看潛在市場、接觸結構和臨界引爆；不平等可同時用冪律、優先連接、路徑依賴與再分配機制對照；阿片危機案例則並行使用多臂老虎機看審批激勵、馬爾可夫看用藥—成癮狀態轉移、系統動力學看供需與政策反饋，從而把“機制多樣性”直接映射爲“模型多樣性”。 進一步看，佩奇的重要貢獻是提出“元模型選擇”而不是僅“教模型”。他要求使用者先問用途：若目標爲溝通與利益相關者對齊，簡模型與可解釋模型優先；若目標爲短期預測，可在可解釋性之外接受集成與黑箱；若目標爲制度設計，則必須做反事實、敏感性與激勵相容檢驗。多模型不是羅列更多公式，而是以對立框架做壓力測試——用網絡模型質疑個體歸因，用博弈模型質疑純粹外生衝擊，用系統動力學質疑靜態均衡，用隨機過程質疑確定性趨勢。 這種紀律把芒格式“多元思維”從智慧格言改爲可操作工作流：問題分解、模型分配、結果對照、衝突診斷、再數據更新。 在實踐層面，該書對政策分析、企業戰略、平臺治理與風險管理均有可遷移價值。電網大停電可用網絡模型解釋級聯、識別脆弱節點並指導擴容設計；金融危機可用網絡傳染、規模對比與激勵模型交叉判斷系統性風險而非單一指標恐慌；教育組織可用網絡中心性識別關鍵傳遞者，用多模型集成降低單模型誤判。 對管理者而言，更可取的收穫是建立“模型採購單”：面對不確定性先寫清楚要推理還是預測、要解釋還是行動，再按獨立性、準確性、可解釋性和數據可得性挑選少量真正異質的模型，避免用更多模型製造虛假精細。 客觀評估，理論貢獻在於把多模型思維從個人修養提升爲包含用途分類、誤差分解、多樣性收益與組合規則的元方法論，並以跨學科模型庫降低複雜性科學的應用門檻；實踐貢獻在於顯著減少單範式盲區、提升政策與商業問題的可複覈性、可溝通性與情景魯棒性。其侷限同樣明顯：全書廣度優先於深度，數學以入門到中級爲主，最複雜處僅涉對數等基礎工具，不宜替代計量、仿真或機器學習專門教材； 多模型可增加成本與認知負荷，卻不直接解決參數識別、因果推斷、外推與領域理論建構；當各模型高度相關或數據薄弱時，多樣性紅利會迅速衰減。更公允的定位是：它是一部面向決策者與社科研究者的形式化思維基礎設施指南，配合專門方法與高質量數據使用，價值最大；若當作“套用24個模型即可解決複雜問題”的萬能手冊，則會高估其效力。

本書的主題不是模型，而是多模型，多模型思維首先是一種意識，也是一種能力。 模型就是經驗的抽象集合，各種諺語、公式、定理本質上都是一種模型。所有的模型都只在特定的尺度上成立，所以都是錯誤的。 一、多模型思維是一種拋棄習慣經驗，切換思考邏輯的能力。 美國西部森林大火案例：把小火都滅掉，相當於爲一場大火保存了足夠的燃料。 人的思考能力，分成四個層級： 1.數據：人能直接觀察到的事實。 2.信息：對數據做歸類統計，得到一個準確的數字。 3.知識：面對信息的處理方式，這些特定情況下的知識，就是一種模型。 4.智慧：面臨對不同情況，在多個模型之間做出選擇和切換的能力，需要有能凌駕於存量經驗之上切換模型的能力。 第一流的智慧，就是能同時掌握多種模型，並且能夠根據環境，切換模型。 任何模型都具備三個特點： 1.簡化的，去掉了某些細節。 2.邏輯化的，比如用於表達物理規則的公式。 3.不全面的，任何單一模型都無法解釋複雜世界。 我們的真理，都是若干獨立的謊言的交集，模型其實是真實世界在某一個場景下的運行規則，場景變了規則也要跟着改變。 多模型思維就是一種能夠根據環境，拋棄固有經驗，切換思考模式的能力。要掌握這種能力，就必須掌握足夠多的模型。 二、每種模型，都有對應着某些特定的場景。 1.正態分佈和冪律分佈。 搞清楚這兩個分佈模型，可以幫助我們合理規劃資源，管理風險。 判斷標準：樣本之間是否會相互影響？相互獨立的是正態分佈；相互關聯彼此影響的是冪律分佈。複雜項目通常都是冪律分佈的系統，各個子項目之間通常都會相互影響和制約。 2.夏普利模型：能夠判斷一個人在團隊中的價值。 一個人在所有可能加入團隊的次序下，對團隊做出的邊際貢獻的平均值。這個方法科學之處在於：忽略了資歷，只看能力；計算的不是一個人的孤立價值，而是在這個團隊內的不可替代性。 3.網絡模型：把人羣看成一張網，能幫我們快速找到問題的突破口，就是擁有最多連接數的節點。 模型是一個人最底層的思維繫統，有時候做事的方法都對，但就是達不到預期的效果，很可能就是用錯了模型：比如把工作環境中的競爭當成戰爭，把工作夥伴當成家人……

《寫書的除了好作者，還有可能是好講師》 在瞭解這本書的內容之前，我們先來看作者——斯科特·佩奇——鍍金的簡歷，擔任密歇根大學複雜性研究中心的主任，聖塔菲研究所外聘研究員，Coursera線上“模型課程”超過120萬人觀看，曾多次獲得加州理工學院、西北大學和密歇根大學頒發的傑出教學獎，以及大大小小無數的非營利性組織和政府講座、爲國際貨幣基金組織、美國教育部、福特汽車公司、奔馳汽車公司等提供諮詢。 爲什麼要看這本書？《模型思維》的第一部分作者就闡述了模型思維的重要性和好處，好比世界就像一個有無數面的骰子，我們可以透過不同的模型去了解世界不同的每一面，也可以結合多個模型來把握預測世界的複雜和多樣性。 看到這裏，就應該有熊熊燃起的求知慾望了，結果第二部分詳細講模型的時候，就嘩嘩嘩地一盆盆冷水澆得透心涼……每個模型都以公式爲基礎進行演算，有些模型數據該配圖演示的時候一筆帶過，拿筆跟着畫公式也滿頭霧水……主題讓人慾罷不能，但是折磨無處不在~ 最後，這個問題迎刃而解！因爲，文字看不懂抽象概念的時候，需要數字公式來解釋，但是複雜的數學公式又需要好的老師來講解。 此處應該有鏈接……搜索【Model Thinking 模型思維】 B站上辛勤的知識搬運工不僅將Coursera原視頻完整的收錄下來，而且還貼心地配有中文字幕，老師上課風格風趣幽默，每個模型舉例詳細，公式也演算清楚。嗯~看到這裏的書友們，應該知道本人最後的選擇了…… 最後的最後，關於看這本書時產生的兩個感悟： 一本收納合集類的書籍並不能讓人收穫更多，尤其作者不是通才，且滿篇都是使用他自己語言的情況下；（看系統思維的時候，以前明白的都被搞糊塗了……） 放棄有時候真的很難，但是在面對書的時候一定要下那個狠心； 還有，也許寫書的人不是一個好作者，但是他很可能是一個好老師。（不要隨意妄下斷論）           ——來自已經上了十幾節模型課的書友感悟。

翻譯書評供讀英文學生參考：Here is the English translation of your text: ⸻ The author of Model Thinking is highly knowledgeable. The book took seven years to complete and went through a total of 30 drafts. It uses concise language and examples to describe 25 models related to thinking and explains how to apply them. It is well worth reading. The author believes that whether models are expressed through mathematical formulas, diagrams, or structural representations, they all help us better understand the world. In particular, mastering these thinking models can improve readers’ abilities in reasoning, explanation, design, communication, action, prediction, and exploration. Using available resources, the content can be summarized into the following five aspects: ⸻ A. Core Content 1. Multi-model thinking The author emphasizes that a single model cannot capture the full complexity of the real world. Using multiple models provides a more comprehensive understanding and avoids rigid, one-track thinking. 2. Basic models The book introduces various foundational models such as partition models, random walk models, and equilibrium models. Each model helps describe and understand specific situations. 3. Application of models The author explains how these models can be applied to fields such as economics, sociology, and biology. This is summarized by the acronym “REDCAPE”: Reason, Explain, Design, Communicate, Act, Predict, and Explore—the seven major uses of models. The book also introduces three approaches to building models. ⸻ B. Core Logic 1. Model selection Different problems require different models. Choosing the right model helps capture key factors effectively. 2. Model combination Combining multiple models helps better understand complex problems. For example, economic issues may require integrating supply-demand, information asymmetry, and game theory. ⸻ C. Key Features of the Book 1. Interdisciplinary The book spans multiple disciplines, demonstrating the universality and versatility of model thinking. 2. Practical application Real-world cases and examples ensure that theoretical knowledge can be applied in practice. 3. Accessible explanations Although some models are complex, the explanations are easy to understand, making the book accessible to non-specialists. In short, the book offers a new perspective, encouraging readers to use multiple models to understand and solve complex problems, leading to better decision-making across domains. ⸻ D. Selected Models and Applications (Brief Overview) Below are some examples (each with further sub-models in the book): 1. Partition model – resource or income allocation decisions 2. Random walk model – stock price movements 3. Equilibrium model – supply-demand balance 4. Game theory – decision-making under interdependence 5. Network model – connections and interactions (e.g., social networks) 6. Path dependence model – how early choices shape future outcomes 7. Decision tree model – evaluating options under uncertainty 8. Multi-armed bandit model – exploration vs. exploitation trade-off 9. Markov process model – state transitions based on probabilities 10. Queueing model – waiting lines and service systems 11. Regression model – relationships between variables 12. Clustering model – grouping of objects or people 13. Diffusion model – spread of information, disease, or behavior 14. Princeton chicken model – cooperation and competition 15. Path dependence (reiterated) – influence of past choices 16. Decision point model – critical turning points 17. System dynamics model – feedback loops in complex systems 18. Economic growth model – factors affecting growth 19. Imitation vs. differentiation model – conformity vs. uniqueness 20. … (others omitted) These are simplified summaries. Each model can be explored in greater depth, and each chapter provides detailed discussion and practical examples. ⸻ E. Model Building Process Model building is a structured and iterative process involving: 1. Define objectives Determine whether the model is for prediction, description, optimization, or explanation. 2. Select variables Identify key variables and relationships (inputs, outputs, internal variables). 3. Form assumptions Simplify reality while preserving essential features. 4. Formalize the model Use math, diagrams, or code; define scope and boundaries. 5. Validate and calibrate Test with data and adjust parameters. 6. Analyze results Evaluate predictions and consistency. 7. Revise and update Improve the model with new information. 8. Communicate and explain Clearly present assumptions, structure, and results. Model building is iterative and requires clear purpose, solid methods, and continuous feedback. ⸻ Reflection Although tools like ChatGPT greatly enhance convenience, understanding the core ideas of this book remains important for effective application and further improvement. The potential contribution of these models to AI development is worth watching. The book is not overly difficult, but it is dense and sometimes verbose. Readers with a reasonable math background should be able to understand it with patience. In today’s world—marked by entertainment overload and economic uncertainty—this book helps improve self-awareness and understanding of society’s past, present, and future. It also guards against simplistic linear thinking and strengthens cognitive resilience. At a fundamental level, when dealing with people, one should “understand oneself, transcend oneself, and appreciate oneself.” When dealing with the complex world, three principles are essential: observation, explanation, and application. Observation itself involves perspective, levels, and systems. This book provides concrete thinking models that improve cognitive resolution, helping avoid one-sided thinking and overgeneralization. It helps one grow into a multi-model thinker. In that sense, the book is like a “multivitamin” for healthy thinking. “To become a wise person, you must have multiple models. And you must fit your experience—both vicarious and direct—onto this lattice of models.” — Charlie Munger ⸻ Conclusion This is an outstanding, encyclopedia-like classic in its field and a must-read. Although dense and requiring time to digest, learning it is itself a rewarding process. Readers often finish with a sense of humility. It is especially valuable for those studying artificial intelligence. Some negative reviews may exist, but with a multi-dimensional mindset, their reasons become understandable. 😄

在實際問題中，先用第一性原理確定核心本質（如“用戶需求的本質是解決痛點”）；再用模型思維（如用戶畫像模型、成本收益模型）構建具體分析框架，將本質落地到解決方案中。 ​ 模型思維是利用簡化和抽象方式理解、解釋和預測現實世界現象的思維方式，模型是簡化的邏輯框架，需在“簡化與精確”間平衡。 簡化模型的作用，就是抓核心、舍次要，把複雜問題簡化成“可計算/可理解的邏輯”。 模型不能太簡化（否則失真），也不能太複雜（否則用不了），得找中間點。 單一模型具有侷限性，任何模型都是特定場景的“局部真理”，而多模型思維可突破經驗束縛，是應對不確定性的底層認知系統。 多模型思維突破經驗束縛，應對不確定性，靠組合模型，覆蓋更多場景。 例如你想判斷“某城市明年房價會不會漲”，只用“供需模型”不夠，得組合政策模型、利率模型等共3個模型。如果“供需模型顯示供小於求（該漲）”，但“政策模型顯示要出限購（該跌）”，再看“利率模型顯示利率要漲（該跌）”，三個模型交叉驗證後，你會更傾向於“房價可能漲不動，甚至微跌”，這比只用一個模型判斷更準，也能應對“政策突然變化”的不確定性。 構建模型的方法: 具身法：這種方法構建的模型會包含現實中的重要部分，同時剝離或整合不必要的維度和屬性。例如生態沼澤模型、氣候模型和大腦模型等，都是通過具身法構建，突出關鍵要素，簡化複雜現實，以更清晰地研究和理解相關係統。 類比法：通過對現實進行類比與抽象來構建模型。如將犯罪行爲傳播類比爲傳染病傳播等。類比法致力於刻畫過程、系統或現象的本質，幫助人們利用已知模型理解未知系統。 另類現實法：有意不表徵、不刻畫現實，將模型作爲分析和計算的“演練場”，用於探索各種可能性。例如“生命遊戲”模型，棋盤上的方塊按特定規則在生死之間切換，雖與現實世界不同，但能幫助人們加深對自組織、複雜性現象的認識。 多模型思維的實踐方法: 定義問題：明確需要解決的核心問題，確定目標是進行預測、解釋現象還是做出決策等。例如分析“房價上漲”問題，目標可能是找出房價上漲原因並預測未來趨勢；制定“環保政策”時，目標可能是確定最優政策方案以實現環保目標。 選擇模型羣：根據定義好的問題，從模型“工具箱”中挑選3 - 5個相關模型。 交叉驗證：對比不同模型得出的結論，找出其中的共識與分歧。不同模型從不同角度分析問題，結論可能存在差異或重疊，通過交叉驗證能更全面瞭解問題。 綜合判斷：基於模型結論的重疊區和差異點做出決策。重疊區的結論通常更可靠，可作爲決策的重要依據；對於差異點，則需進一步分析原因，可能需要更多數據或其他模型來檢驗，最終綜合各模型信息，得出更合理的判斷。 書中的24個模型如下: 1、 正態分佈模型：是一種常見的概率分佈，其概率密度函數曲線呈鐘形，也叫鐘形曲線。大多數物種的高度和重量、人的身高、學生成績等都滿足正態分佈，它們圍繞着均值對稱分佈，極端值較少。 2、冪律分佈模型：呈現“尖頭長尾”的形狀，平均值的比例優勢消失。由於馬太效應、網絡效應等，導致強者越強，贏家通喫。如社會財富分佈，少部分人擁有大部分財富；還有大學聲譽，越好的大學越能吸引優秀學生，從而變得更好。 3、線性模型：是一種簡單的數學模型，描述的是因變量與自變量之間呈線性關係，即滿足y = ax + b的形式，其中a和b爲常數。 4、非線性模型：因變量與自變量之間不是線性關係，其函數形式多樣，如二次函數、指數函數等。現實中許多現象不能用線性模型描述，如人口增長，在資源有限的情況下，通常遵循邏輯斯蒂非線性模型，不會一直呈線性增長。 5、與價值和權力有關的模型：用於分析價值創造和權力分配等問題，例如夏普利值模型，可根據參與者對合作項目的貢獻來分配價值，確定每個參與者在合作中應得的份額。 6、網絡模型：將事物視爲節點，事物之間的關係視爲邊，用網絡化的方式看待人羣或系統。可幫助找到問題的突破口，分析網絡中的關鍵節點、傳播路徑等，如社交網絡中信息的傳播，某些關鍵人物對信息擴散起重要作用。 7、廣播模型、擴散模型和傳染模型：用於描述信息、疾病、創新等在羣體中的傳播。 8、熵：對不確定性建模：熵是衡量系統不確定性的指標，熵值越高，系統不確定性越大。如在信息論中，可衡量信息的不確定性，一篇內容越未知，其信息熵越高。 9、隨機遊走模型：描述一個對象在隨機環境中的移動，每次移動的方向和距離是隨機的。如股票價格在短期內可能呈現隨機遊走特徵，難以準確預測其下一步走勢。 10、路徑依賴模型：強調歷史事件和初始條件對後續發展的影響，一旦走上某條路徑，就可能因沉沒成本、學習效應等因素而難以改變，如鍵盤佈局，最初的設計因歷史原因確定後，即便有更優方案，也難以大規模改變。 11、局部互動模型：關注個體與周圍鄰居的互動，個體行爲取決於其局部環境。如城市中居民的選址行爲，可能受周邊設施、鄰居類型等局部因素影響。 12、李雅普諾夫函數與均衡模型：李雅普諾夫函數可用於判斷系統是否趨向於均衡狀態，若能找到一個李雅普諾夫函數，其值隨時間單調遞減且有下界，則系統會趨向於均衡，如物理系統中物體在重力等作用下最終會達到平衡狀態。 13、馬爾可夫模型：用於描述系統在不同狀態之間的轉移，且轉移概率只與當前狀態有關，與歷史狀態無關。如天氣狀態，明天是晴天、陰天或雨天的概率，只與今天的天氣狀態相關。 14、系統動力學模型：通過因果關係和反饋迴路來描述系統的動態行爲，可用於分析複雜系統隨時間的變化，如經濟系統中，投資、消費、產出之間的相互作用和反饋，影響經濟增長趨勢。 15、基於閾值的模型：認爲個體行爲取決於某些變量是否超過特定閾值。如謠言傳播，當聽到謠言的人數超過某個閾值，個體可能會開始傳播謠言。 16、空間競爭模型與享受競爭模型：空間競爭模型假設消費者在空間中分佈，企業通過選址和定價競爭，如城市中不同超市的選址，會考慮消費者分佈和競爭對手位置；享受競爭模型則關注消費者對產品不同屬性的偏好，企業根據消費者偏好設計產品，如手機廠商根據消費者對拍照、續航等需求設計產品。 17、博弈論模型：研究個體在策略互動中的決策行爲，如囚徒困境，展示了個體最優選擇可能並非集體最優，還有納什均衡等概念，用於分析博弈中的穩定策略。 18、合作模型：探討個體爲何以及如何合作，如重複囚徒困境中，通過多次博弈，個體可能選擇合作以實現長期利益最大化，還有基於互惠、聲譽等機制的合作模型。 19、與機制設計有關的模型：通過設計規則或制度，引導理性個體在追求自身利益時實現社會目標。如拍賣機制，包括首價拍賣、次價拍賣等，次價拍賣能激勵競拍者真實報價；還有匹配機制，如蓋爾 - 沙普利算法用於醫學院畢業生與醫院匹配。 20、與集體行動有關的問題模型：分析集體行動中個體利益與集體利益的衝突與協調，如公地悲劇，由於個體追求自身利益，可能導致公共資源過度使用。 21、信號模型：研究個體如何通過發送信號傳遞自身信息，如求職者通過學歷、證書等信號向僱主展示能力，企業通過廣告等信號向消費者展示產品質量。 22、學習模型：描述個體或羣體如何通過學習改變行爲和策略，如強化學習模型，個體根據行爲結果的獎勵或懲罰來調整後續行爲，像動物通過多次嘗試學習獲取食物的方法。 23、多臂老虎機問題模型：探討在面對多個選擇時，如何在探索新選項和利用已知最優選項之間權衡，如消費者在選擇不同品牌商品時，需決定是繼續購買熟悉的品牌，還是嘗試新品牌。 24、崎嶇景觀模型：將問題解決方案視爲景觀中的點，不同點有不同“高度”（代表解決方案質量），景觀崎嶇意味着存在多個局部最優解，如企業創新過程，可能存在多種技術路線，每個路線有不同效果，且難以找到全局最優解。 真實世界是複雜系統，存在多重因果、反饋迴路、非線性。單一因果、單一模型必然失真。 ​ 模型是人爲簡化工具，簡化就必然帶來失真；解決失真的辦法，不是找一個完美模型，而是用多個不同簡化角度，互相抵消盲區。 收集數據 → 用模型提取信息與因果 → 多模型交叉驗證 → 形成判斷，同時標註不確定性。 世界本身沒有唯一的“正確視角”；智慧來自多視角交叉，而不是找到一個萬能公式。

要想深入理解《模型思維：數學模型解構大模型黑箱》這一章（或整本書）的內容，建議重點掌握以下幾組概念： ​​24 個經典數學模型​​線性迴歸、決策樹、正態分佈、冪律分佈、非線性模型、網絡模型、廣播/擴散/傳染模型、熵與不確定性、隨機遊走、路徑依賴、局部互動、馬爾可夫鏈、系統動力學、閾值模型、空間競爭、博弈論、合作、集體行動、機制設計、信號模型、學習模型、多臂老虎機、崎嶇景觀等。 這些模型構成了作者拆解大模型黑箱的“工具箱”，每一章圍繞其中一種或一類展開，理解其假設、優缺點及適用場景，是把握全書的首要任務。 ​​多模型思維框架​​作者強調“用簡單模型解釋複雜系統”，並提出“做個多模型思考者”的總論。需理解爲何單一模型往往不足，以及如何根據問題選擇合適的模型或組合多個模型來逼近真實系統。 ​​可視化與結構化分析方法​​書中大量使用可視化手段展示模型決策路徑，並給出結構化追問清單，幫助讀者把抽象的數學映射到具體預測過程，進而審視 GPT-4 等大模型的可解釋性。掌握這些方法，可讓你不僅“會算”，還會“看得見”模型內部發生了什麼。 ​​跨學科核心概念​​凹函數（收益遞減、風險厭惡）、社區檢測（社交網絡泡沫）、價值與權力模型、熵與信息論、博弈論均衡、合作與集體行動、機制設計等。這些概念橫跨經濟學、網絡科學、系統科學與機器學習，是作者連接不同模型與現實問題的橋樑。 ​​模型侷限與人機協作​​過擬合、數據偏差、模型與人類判斷力的互補——作者反覆提醒讀者警惕“黑箱陷阱”，理解模型的不確定性，並在決策中保留人類直覺與價值觀。這一思維貫穿全書，也是學習完所有模型後必須回到的落腳點。 圍繞以上五組概念閱讀目錄中的對應章節，並結合示例代碼、圖表與作者的“結構化追問”練習，你將能系統地理解書中如何用 24 個模型解構大模型黑箱，進而將多模型思維應用到自己的研究或工作中。

所有的思維模型大致都可以分爲下面這三類： 1️⃣對世界進行簡化的模型、 2️⃣用數學概率來類比的模型、 3️⃣以及人工構造的探索性模型。 無論哪一種形式，模型都必須是易處理的。模型必須足夠簡單，以便讓我們可以在模型中應用邏輯推理。 在我們的大腦中所前置的理論，包括所謂高度思考的人可以同時擁有兩種截然相反對同一事物進行論證的原則和理論能夠不受影響的正常行事。這其實就是其中的一種思維模型：如何讓衝突在某一事物當中進行充分的碰撞，然後構建一個更加複雜更加細緻立體的事物全貌，藉此能夠預測一件事情的發展軌跡。我們討論的就是這種思考“思維模型”的思考工具(或者說設計製造機牀的大型機牀) (或者說研發能夠生產機器人的機器人)。 Ps：在邏輯學的發展過程當中，早期人們只是習慣於單個模型來解釋社會或者世界發生的任何事情就如同提時期所看到的電影中的人物要麼就是好人要麼就是壞人。而實際上這個世界並沒有那麼簡單隨着長大才知道，壞人，可能是個好父親，好人，也可能是個賣國賊。 只依靠單個模式去處理現在的複雜事物是一種狂妄自大的表現。 基於單個模型的傳統思維方式的弊端呈現在人們面前：教育成功只取決於毅力；資本集中導致不平等；糖消耗導致民衆健康狀況不佳……這些單個模型中的每一個都可能是正確的，但沒有一個是全面的。面對各種複雜的挑戰，創造一個包容更廣泛教育成就的世界，我們需要的不是單個模型，而是多個模型構成的格柵。 通過學習本書中的模型，你就可以着手構建自己的格柵模型。將來將這些你掌握的思考工具安裝到這個格柵之上，可能就擁有了一個屬於自己的Robot。這些模型來自多個學科，涉及各種現象，例如收入不平等的原因、權力的分配、傳染病和流行風尚的傳播、社會動亂的前置條件、合作的發展、秩序的湧現，以及城市和互聯網的結構等。