模型思维：数学模型解构大模型黑箱

思维主题「分析决策·思考工具」 必读书目清单 📽 1·《系统之美》2023版 2·《思维的精进》大卫·罗布森 3·《模型思维》斯科特·佩奇 4·《偏差》奥利维耶·西博尼 5·《思维模型》彼得·霍林斯 6·《噪声》丹尼尔·卡尼曼… 7·《麦肯锡思考工具》大岛祥誉 8·《信号与噪声》 9▪墙裂推荐▪《思考模型：顶级高手思维和行为的根本解》 ◽『思考模型 分析方法呈现 图表视觉化』 ◽如果觉得那些思考模型分析太烧脑；读得过程总是懵圈， 各种卡壳； ◽不能及时掌握模型要义，不能转化为自己的思路 ，那么这本书 绝对是最佳拆解 最强辅助。 💡 ps：我通读过和刷过不下于 20+本思考模型的书，深知模型思考主题的书，大都不太好读，直到让我遇到它』 —— 这本宝藏工具书，在我看来可谓是『模型思考』拆解层面的 沧海遗珠了。 10·《决策分析的12个工具》硬核分析工具：「 问题分析 行业分析 情境分析 」更硬核的思考分析大全。 11·《决断力：如何在生活与工作中做出更好的选择》 12·《福格行为模型》 13·《思考如何超越思考》 14·《脑中的大象》 15·《分析与决策》顾彼思商学院 16·《思考的维度：改变人生的11种思维方式》 17·《如何解决复杂问题》安德烈·瓦格纳 ps：思维认知领域：思维工具 应用方法论 ·决策分析主题」 啃这几本硬核的，远比那些书名带有「认知」的畅销书，但实际内容不过是停留在空中楼阁的象牙塔爽文要切实有益良多。 这几本都是应对：理解现实的问题实际情境、自我与群体认知能力、判断解析结构系统实况如何、以及如何根据总体目标任务与现状问题，需要采取怎样决策与措施的思考行动。 读这些模型和思考能力的内容，在处理问题方面是真能强化我们的思考能力，切实提高解决问题的能力水平 。 这些思考与解决能力的训练，对我们解决真实情况、系统性分析已知信息，是找出应对当下挑战的关键基准点。 通过实际情况的分析 合理规划资源和掌握执行的关键逻辑 是我们每个成年人都应该及时掌握和需要持续训练的能力。 如何结合实际情况 又要兼顾中长期视角 来调整我们的思考和决策。 实在读不懂，感觉没法啃的，就去翻书评，去其他平台，看看有没高手解读的特别好的笔记，如有，最好留言告知对方，或稍微打赏💰聊表心意。 好内容的价值，使我们在某个层面得到获益和突破，提高自我的认知能力，使我们思路开阔，看待复杂问题的更加清晰明确。 优质深度的议题，能促进我们认知心智的启迪，可能是某个议题的关键节点被打通，瞬间提升我们看问题的思考层次水平，看待问题有系统性视角，能够迅速辨析问题的宏观与微观的核心要素。 这种逐步提高和某个关键环节的打通，使我们能够逐步看清该局部处于整个系统的某个方位、哪个层面，会受周边哪一块局部直接和间接影响、受什么触发条件… 在现实社会场景中存在各种系统与局部的对照协作关系的应用，需要我们即有对「整体的解构」和对「局部的建构」之间的对应交互思维能力… 诸如此类，有价值的收获和启发，就值得有效的反馈。 就好比我们自己用心梳理出来对外公开的好内容，也能得到用户给予支持反馈，促进好内容的市场发展。 如果我们所处的社会环境，整体认知心智能力都能具备基础的逻辑与思辨能力的品味素养，都能理解言谈做事的行为逻辑，并且能够「能有所为，有所不为」！ 心智能力越成熟，越不会有低级的内耗和那些极端作恶的言行，而没有那些认知负面的极端思想行为，这无疑就是在创造良好的人文环境，真正做到具有人文素养的文明社会。 良好的人文环境，更利于我们每个人的工作生活和发展。 只有在相对好的成长环境背景下，才能塑造自我人格与能力的独立塑造和正向循环的影响发展。 唯有得到良好独立思考塑造出的富足的心智与心境，才有认知能力识别和判断问题背后的相关根因，不会被表象迷惑，也不会入了圈套而被操控。 即便是各种面临竞争，也是在努力解决问题上的各个维度突破的良性竞争，不会愚蠢到竟做那些恶意倾向的、且没有底线低劣手段的争抢内耗。 社会各领域的发展，企业组织到家庭到我们每个人都需要一个健康的人文环境。 我们每个人的思考能力与行为价值观 ，与外界友好交互所产生的影响；具有良好的生存能力与人文价值素养，都是促进各种良性循环发展的重要因素。 更多有关思考能力的认知视野与能力方法，友友们敬请移步我的：「模型思考·分析能力·决策工具·」的主题书单查阅。 优先从阅读和学习模型思考，比如提炼阅读笔记，也可以从模型的视角去梳理内容框架。 再结合梳理不同的模型核心概念，从而持续强化模型思考的方式在自我的认知意识中，做到看待问题，能够下意识就能自行调用思考模型去分析事态局势。 只有在应用体验模型思考的高效能成果，越用越流畅，逐步累积属于自己领域的思考模型架构。 与此同时，也能迅速提高自己的专业能力，提升自己的专业价值。毕竟强化自身实力是价值最大化的最佳必要根基。

纯阳书评第544期《模型思维》经常有人提醒我们，一个人要想有出息，一定要勤于思考，但是这里有一个问题，如何做到勤于思考，到底什么是勤于思考的正确姿势？《思考，快与慢》告诉我们，每个人都有两种思考模式，一种是基于本能和直觉的快思考，一种是基于理性和分析的慢思考，前者是人类进化的产物，而后者为后天努力留下了广阔舞台。 这就意味着卡尼曼的答案是勤于思考要诉诸理性，但是他只回答了一半，因为如何诉诸理性本身也是一个问题。本书回答了问题的另一半，勤于思考不只要诉诸理性，还要诉诸模型，而且要诉诸多元模型，看点有三，具体内容如下： 第一、提出勤于思考要诉诸模型 模型是人们为了理解现实世界，而创建出来的仿真品，通过对这些仿真品的研究，去发现现实世界中潜在的规律、模式和关系，进而获得新的知识和认知。所以如果说知识是人类进步的阶梯，那么模型就是知识进步的阶梯。 知识伴随模型而来，模型也表现为一种知识，而且是一种特殊的知识，一种可以用来帮助思考、帮助知识创造的知识。既然模型具有这样的特殊属性，拥有这样的特殊能力，为什么我们不用好呢？所以佩奇给读者送出了第一个礼物，即要想有效率、有质量的思考，要想真正思有所得，要想透过事物的表象，抓住一些有意义的关系，那么就有必要积极掌握模型这种特殊的知识，善于利用这种特殊的工具去辅助思考，去发现更多的知识，去创造更多的模型。 这个逻辑很丝滑，只是别人没有系统化的说出它。 第二、提出勤于思考要诉诸多元模型 严格地说，这个世界没有什么是真正简单的，如果说非要有的话，那只能是我们以为的简单，而这种简单也只是来自于我们思想上的无能和态度上的无意。 因为模型是人的产物，意味着模型也必然带有人的局限性，这一点在事物的复杂性面前就会表现为一种方向上的单纯。所以一个模型只能关注事物复杂性的一个或几个方向，无论其结论是什么都离不开片面性，因此要想对事物有更为全面的理解和整体性的把握，意味着这种观察和分析必须来自于多个模型所聚合而成的综合视角。所以更有价值的思考显然来自于多元模型。 这个逻辑同样顺滑，恰似高山流水，不得不下。 第三、讲解了几十个用得上的模型 模型思维的关键还是要解决好有的问题，要帮助读者把这些工具学到手，如果仅仅是道理讲得好，读者肚子里空空如也，那么永远不会有什么模型思维，更谈不到什么多元模型思维。 正因为如此，佩奇根据自己的经验和阅历，从众多模型中挑选了几十个相对重要的、日常生活工作中能够用的上的模型，按照结构-逻辑-应用的方式，做了重点讲解，帮助大家理解和掌握。如果没有这本书，读者自己找这些模型的话，可能要花费不少时间和精力。 ​

打着芒格的旗号来骗人的书 此书，给出历史的低分，是表示自己对这样一种书籍的鄙视。 本书虽然来自密歇根大学某位老师的手笔，但是对全书内容真是不敢恭维。原因如下： 1.全书唯一可看的或许是全书开篇，立了个好意，表了个好态，用芒格的话来背书，却狗尾续貂，可读性极差。 2.包罗万象，含混不清。 全书是把各个学科的模型都拿来讲了一遍，既是泛泛，又是凿凿。模型和内容既介绍不清，又介绍不全。它想表达的就是一个意思，我说的是对的，我举的例子表明这个模型可以用于多个方面（但却叙述简单）。可见，它对人极其误导，个人不禁要问，模型中最关键的是哪一部分变量？主要和次要因素都没有讲清。造成的结果就是，我都讲了，我也都说了，读不读得懂，那是你的事。这种很难看出是密歇根大学老师写的书。如果是，那跟国内抄来抄去的专业教材，只有形式上的区别，没有本质上的不同。 3.过多的公式堆砌和过少的说明。 从后面的章节开始，几乎每章都有数学公式，好像模型必须要用公式来表达，任何事情都需要数学公式才能建模。那你不如说，都是数学模型算了，只不过模型中的变量，一些是物理学、化学、社会学、心理学的变量替换而已。 总之，这是一本貌似专业，实际上是“大杂烩”的一本书，且本书并没有被芒格推荐。请注意，芒格推荐的是，将事物当作系统来分析，通过多个学科的本质模型来分析事物的本质并做理性的判断，即关注哪些关键的，有效的。注意多个因素的影响，用多个模型共同解决问题的思维和方法。这本书无疑是背离了初衷。 由上，本书不推荐！ 希望看完此书，认同上述观点的读者，请将此条评论点赞，也让一些读者不要受到此书的误导。

“如果我们能构建多个既准确又多样的模型，就能做出更准的预测、估值并选择更好的行动。”佩奇《模型思维》的核心观点在于：它不把模型当成逼近真理的单一方程，而把“多模型组合”本身建构成一套可论证的方法论。全书以REDOCAPE（更常见写作REDCAPE）统摄模型的七类用途——推理、解释、设计、沟通、行动、预测、探索，主张先界定问题要服务哪一种用途，再选择形式化框架；这把“为什么用模型”从个人直觉提升为可审计的决策流程，也使模型从单纯计算工具转变为复杂世界中的认知治理工具。 佩奇对单模型局限性的诊断是其最重要的理论发现之一：任何模型都必须通过选择变量、忽略细节、设定函数形式来完成简化，因而必然只照亮因果链的一段。他用孔多塞陪审团定理说明独立且优于随机的判断聚合可提高正确率，用多样性预测定理解释群体误差等于平均个体误差减去预测多样性，用模型误差分解说明多模型可在保持一定准确性的前提下以视角差异降低系统性偏差；三者共同构成“多模型优于单模型”的数学依据，而非修辞口号。 这意味着单模型的风险不只是“不够准”，更在于它会把自身隐含假设伪装成现实本身，例如在正态假设下低估尾部风险、在纯线性框架中忽视阈值与反馈、在孤立理性人模型中忽略网络位置与规则适应。 在模型供给上，本书近似一部跨学部门类手册，系统处理正态分布与长尾/幂律、线性与非线性、网络与中心性、广播/扩散/传染、基于阈值与局部互动、马尔可夫状态转移、系统动力学存量—流量与反馈、博弈与均衡、合作与夏普利值、集体行动、信号与学习、多臂老虎机、崎岖景观等二十余种基础框架。 其学术价值不在某模型创新，而在把分散于统计、经济、社会、生态、计算机科学的模型翻译成统一“可调用”的语言：同一现象如技术采纳可用S形采用、网络传染、阈值聚集分别看潜在市场、接触结构和临界引爆；不平等可同时用幂律、优先连接、路径依赖与再分配机制对照；阿片危机案例则并行使用多臂老虎机看审批激励、马尔可夫看用药—成瘾状态转移、系统动力学看供需与政策反馈，从而把“机制多样性”直接映射为“模型多样性”。 进一步看，佩奇的重要贡献是提出“元模型选择”而不是仅“教模型”。他要求使用者先问用途：若目标为沟通与利益相关者对齐，简模型与可解释模型优先；若目标为短期预测，可在可解释性之外接受集成与黑箱；若目标为制度设计，则必须做反事实、敏感性与激励相容检验。多模型不是罗列更多公式，而是以对立框架做压力测试——用网络模型质疑个体归因，用博弈模型质疑纯粹外生冲击，用系统动力学质疑静态均衡，用随机过程质疑确定性趋势。 这种纪律把芒格式“多元思维”从智慧格言改为可操作工作流：问题分解、模型分配、结果对照、冲突诊断、再数据更新。 在实践层面，该书对政策分析、企业战略、平台治理与风险管理均有可迁移价值。电网大停电可用网络模型解释级联、识别脆弱节点并指导扩容设计；金融危机可用网络传染、规模对比与激励模型交叉判断系统性风险而非单一指标恐慌；教育组织可用网络中心性识别关键传递者，用多模型集成降低单模型误判。 对管理者而言，更可取的收获是建立“模型采购单”：面对不确定性先写清楚要推理还是预测、要解释还是行动，再按独立性、准确性、可解释性和数据可得性挑选少量真正异质的模型，避免用更多模型制造虚假精细。 客观评估，理论贡献在于把多模型思维从个人修养提升为包含用途分类、误差分解、多样性收益与组合规则的元方法论，并以跨学科模型库降低复杂性科学的应用门槛；实践贡献在于显著减少单范式盲区、提升政策与商业问题的可复核性、可沟通性与情景鲁棒性。其局限同样明显：全书广度优先于深度，数学以入门到中级为主，最复杂处仅涉对数等基础工具，不宜替代计量、仿真或机器学习专门教材； 多模型可增加成本与认知负荷，却不直接解决参数识别、因果推断、外推与领域理论建构；当各模型高度相关或数据薄弱时，多样性红利会迅速衰减。更公允的定位是：它是一部面向决策者与社科研究者的形式化思维基础设施指南，配合专门方法与高质量数据使用，价值最大；若当作“套用24个模型即可解决复杂问题”的万能手册，则会高估其效力。

本书的主题不是模型，而是多模型，多模型思维首先是一种意识，也是一种能力。 模型就是经验的抽象集合，各种谚语、公式、定理本质上都是一种模型。所有的模型都只在特定的尺度上成立，所以都是错误的。 一、多模型思维是一种抛弃习惯经验，切换思考逻辑的能力。 美国西部森林大火案例：把小火都灭掉，相当于为一场大火保存了足够的燃料。 人的思考能力，分成四个层级： 1.数据：人能直接观察到的事实。 2.信息：对数据做归类统计，得到一个准确的数字。 3.知识：面对信息的处理方式，这些特定情况下的知识，就是一种模型。 4.智慧：面临对不同情况，在多个模型之间做出选择和切换的能力，需要有能凌驾于存量经验之上切换模型的能力。 第一流的智慧，就是能同时掌握多种模型，并且能够根据环境，切换模型。 任何模型都具备三个特点： 1.简化的，去掉了某些细节。 2.逻辑化的，比如用于表达物理规则的公式。 3.不全面的，任何单一模型都无法解释复杂世界。 我们的真理，都是若干独立的谎言的交集，模型其实是真实世界在某一个场景下的运行规则，场景变了规则也要跟着改变。 多模型思维就是一种能够根据环境，抛弃固有经验，切换思考模式的能力。要掌握这种能力，就必须掌握足够多的模型。 二、每种模型，都有对应着某些特定的场景。 1.正态分布和幂律分布。 搞清楚这两个分布模型，可以帮助我们合理规划资源，管理风险。 判断标准：样本之间是否会相互影响？相互独立的是正态分布；相互关联彼此影响的是幂律分布。复杂项目通常都是幂律分布的系统，各个子项目之间通常都会相互影响和制约。 2.夏普利模型：能够判断一个人在团队中的价值。 一个人在所有可能加入团队的次序下，对团队做出的边际贡献的平均值。这个方法科学之处在于：忽略了资历，只看能力；计算的不是一个人的孤立价值，而是在这个团队内的不可替代性。 3.网络模型：把人群看成一张网，能帮我们快速找到问题的突破口，就是拥有最多连接数的节点。 模型是一个人最底层的思维系统，有时候做事的方法都对，但就是达不到预期的效果，很可能就是用错了模型：比如把工作环境中的竞争当成战争，把工作伙伴当成家人……

《写书的除了好作者，还有可能是好讲师》 在了解这本书的内容之前，我们先来看作者——斯科特·佩奇——镀金的简历，担任密歇根大学复杂性研究中心的主任，圣塔菲研究所外聘研究员，Coursera线上“模型课程”超过120万人观看，曾多次获得加州理工学院、西北大学和密歇根大学颁发的杰出教学奖，以及大大小小无数的非营利性组织和政府讲座、为国际货币基金组织、美国教育部、福特汽车公司、奔驰汽车公司等提供咨询。 为什么要看这本书？《模型思维》的第一部分作者就阐述了模型思维的重要性和好处，好比世界就像一个有无数面的骰子，我们可以透过不同的模型去了解世界不同的每一面，也可以结合多个模型来把握预测世界的复杂和多样性。 看到这里，就应该有熊熊燃起的求知欲望了，结果第二部分详细讲模型的时候，就哗哗哗地一盆盆冷水浇得透心凉……每个模型都以公式为基础进行演算，有些模型数据该配图演示的时候一笔带过，拿笔跟着画公式也满头雾水……主题让人欲罢不能，但是折磨无处不在~ 最后，这个问题迎刃而解！因为，文字看不懂抽象概念的时候，需要数字公式来解释，但是复杂的数学公式又需要好的老师来讲解。 此处应该有链接……搜索【Model Thinking 模型思维】 B站上辛勤的知识搬运工不仅将Coursera原视频完整的收录下来，而且还贴心地配有中文字幕，老师上课风格风趣幽默，每个模型举例详细，公式也演算清楚。嗯~看到这里的书友们，应该知道本人最后的选择了…… 最后的最后，关于看这本书时产生的两个感悟： 一本收纳合集类的书籍并不能让人收获更多，尤其作者不是通才，且满篇都是使用他自己语言的情况下；（看系统思维的时候，以前明白的都被搞糊涂了……） 放弃有时候真的很难，但是在面对书的时候一定要下那个狠心； 还有，也许写书的人不是一个好作者，但是他很可能是一个好老师。（不要随意妄下断论）           ——来自已经上了十几节模型课的书友感悟。

翻译书评供读英文学生参考：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. 😄

在实际问题中，先用第一性原理确定核心本质（如“用户需求的本质是解决痛点”）；再用模型思维（如用户画像模型、成本收益模型）构建具体分析框架，将本质落地到解决方案中。 ​ 模型思维是利用简化和抽象方式理解、解释和预测现实世界现象的思维方式，模型是简化的逻辑框架，需在“简化与精确”间平衡。 简化模型的作用，就是抓核心、舍次要，把复杂问题简化成“可计算/可理解的逻辑”。 模型不能太简化（否则失真），也不能太复杂（否则用不了），得找中间点。 单一模型具有局限性，任何模型都是特定场景的“局部真理”，而多模型思维可突破经验束缚，是应对不确定性的底层认知系统。 多模型思维突破经验束缚，应对不确定性，靠组合模型，覆盖更多场景。 例如你想判断“某城市明年房价会不会涨”，只用“供需模型”不够，得组合政策模型、利率模型等共3个模型。如果“供需模型显示供小于求（该涨）”，但“政策模型显示要出限购（该跌）”，再看“利率模型显示利率要涨（该跌）”，三个模型交叉验证后，你会更倾向于“房价可能涨不动，甚至微跌”，这比只用一个模型判断更准，也能应对“政策突然变化”的不确定性。 构建模型的方法: 具身法：这种方法构建的模型会包含现实中的重要部分，同时剥离或整合不必要的维度和属性。例如生态沼泽模型、气候模型和大脑模型等，都是通过具身法构建，突出关键要素，简化复杂现实，以更清晰地研究和理解相关系统。 类比法：通过对现实进行类比与抽象来构建模型。如将犯罪行为传播类比为传染病传播等。类比法致力于刻画过程、系统或现象的本质，帮助人们利用已知模型理解未知系统。 另类现实法：有意不表征、不刻画现实，将模型作为分析和计算的“演练场”，用于探索各种可能性。例如“生命游戏”模型，棋盘上的方块按特定规则在生死之间切换，虽与现实世界不同，但能帮助人们加深对自组织、复杂性现象的认识。 多模型思维的实践方法: 定义问题：明确需要解决的核心问题，确定目标是进行预测、解释现象还是做出决策等。例如分析“房价上涨”问题，目标可能是找出房价上涨原因并预测未来趋势；制定“环保政策”时，目标可能是确定最优政策方案以实现环保目标。 选择模型群：根据定义好的问题，从模型“工具箱”中挑选3 - 5个相关模型。 交叉验证：对比不同模型得出的结论，找出其中的共识与分歧。不同模型从不同角度分析问题，结论可能存在差异或重叠，通过交叉验证能更全面了解问题。 综合判断：基于模型结论的重叠区和差异点做出决策。重叠区的结论通常更可靠，可作为决策的重要依据；对于差异点，则需进一步分析原因，可能需要更多数据或其他模型来检验，最终综合各模型信息，得出更合理的判断。 书中的24个模型如下: 1、 正态分布模型：是一种常见的概率分布，其概率密度函数曲线呈钟形，也叫钟形曲线。大多数物种的高度和重量、人的身高、学生成绩等都满足正态分布，它们围绕着均值对称分布，极端值较少。 2、幂律分布模型：呈现“尖头长尾”的形状，平均值的比例优势消失。由于马太效应、网络效应等，导致强者越强，赢家通吃。如社会财富分布，少部分人拥有大部分财富；还有大学声誉，越好的大学越能吸引优秀学生，从而变得更好。 3、线性模型：是一种简单的数学模型，描述的是因变量与自变量之间呈线性关系，即满足y = ax + b的形式，其中a和b为常数。 4、非线性模型：因变量与自变量之间不是线性关系，其函数形式多样，如二次函数、指数函数等。现实中许多现象不能用线性模型描述，如人口增长，在资源有限的情况下，通常遵循逻辑斯蒂非线性模型，不会一直呈线性增长。 5、与价值和权力有关的模型：用于分析价值创造和权力分配等问题，例如夏普利值模型，可根据参与者对合作项目的贡献来分配价值，确定每个参与者在合作中应得的份额。 6、网络模型：将事物视为节点，事物之间的关系视为边，用网络化的方式看待人群或系统。可帮助找到问题的突破口，分析网络中的关键节点、传播路径等，如社交网络中信息的传播，某些关键人物对信息扩散起重要作用。 7、广播模型、扩散模型和传染模型：用于描述信息、疾病、创新等在群体中的传播。 8、熵：对不确定性建模：熵是衡量系统不确定性的指标，熵值越高，系统不确定性越大。如在信息论中，可衡量信息的不确定性，一篇内容越未知，其信息熵越高。 9、随机游走模型：描述一个对象在随机环境中的移动，每次移动的方向和距离是随机的。如股票价格在短期内可能呈现随机游走特征，难以准确预测其下一步走势。 10、路径依赖模型：强调历史事件和初始条件对后续发展的影响，一旦走上某条路径，就可能因沉没成本、学习效应等因素而难以改变，如键盘布局，最初的设计因历史原因确定后，即便有更优方案，也难以大规模改变。 11、局部互动模型：关注个体与周围邻居的互动，个体行为取决于其局部环境。如城市中居民的选址行为，可能受周边设施、邻居类型等局部因素影响。 12、李雅普诺夫函数与均衡模型：李雅普诺夫函数可用于判断系统是否趋向于均衡状态，若能找到一个李雅普诺夫函数，其值随时间单调递减且有下界，则系统会趋向于均衡，如物理系统中物体在重力等作用下最终会达到平衡状态。 13、马尔可夫模型：用于描述系统在不同状态之间的转移，且转移概率只与当前状态有关，与历史状态无关。如天气状态，明天是晴天、阴天或雨天的概率，只与今天的天气状态相关。 14、系统动力学模型：通过因果关系和反馈回路来描述系统的动态行为，可用于分析复杂系统随时间的变化，如经济系统中，投资、消费、产出之间的相互作用和反馈，影响经济增长趋势。 15、基于阈值的模型：认为个体行为取决于某些变量是否超过特定阈值。如谣言传播，当听到谣言的人数超过某个阈值，个体可能会开始传播谣言。 16、空间竞争模型与享受竞争模型：空间竞争模型假设消费者在空间中分布，企业通过选址和定价竞争，如城市中不同超市的选址，会考虑消费者分布和竞争对手位置；享受竞争模型则关注消费者对产品不同属性的偏好，企业根据消费者偏好设计产品，如手机厂商根据消费者对拍照、续航等需求设计产品。 17、博弈论模型：研究个体在策略互动中的决策行为，如囚徒困境，展示了个体最优选择可能并非集体最优，还有纳什均衡等概念，用于分析博弈中的稳定策略。 18、合作模型：探讨个体为何以及如何合作，如重复囚徒困境中，通过多次博弈，个体可能选择合作以实现长期利益最大化，还有基于互惠、声誉等机制的合作模型。 19、与机制设计有关的模型：通过设计规则或制度，引导理性个体在追求自身利益时实现社会目标。如拍卖机制，包括首价拍卖、次价拍卖等，次价拍卖能激励竞拍者真实报价；还有匹配机制，如盖尔 - 沙普利算法用于医学院毕业生与医院匹配。 20、与集体行动有关的问题模型：分析集体行动中个体利益与集体利益的冲突与协调，如公地悲剧，由于个体追求自身利益，可能导致公共资源过度使用。 21、信号模型：研究个体如何通过发送信号传递自身信息，如求职者通过学历、证书等信号向雇主展示能力，企业通过广告等信号向消费者展示产品质量。 22、学习模型：描述个体或群体如何通过学习改变行为和策略，如强化学习模型，个体根据行为结果的奖励或惩罚来调整后续行为，像动物通过多次尝试学习获取食物的方法。 23、多臂老虎机问题模型：探讨在面对多个选择时，如何在探索新选项和利用已知最优选项之间权衡，如消费者在选择不同品牌商品时，需决定是继续购买熟悉的品牌，还是尝试新品牌。 24、崎岖景观模型：将问题解决方案视为景观中的点，不同点有不同“高度”（代表解决方案质量），景观崎岖意味着存在多个局部最优解，如企业创新过程，可能存在多种技术路线，每个路线有不同效果，且难以找到全局最优解。 真实世界是复杂系统，存在多重因果、反馈回路、非线性。单一因果、单一模型必然失真。 ​ 模型是人为简化工具，简化就必然带来失真；解决失真的办法，不是找一个完美模型，而是用多个不同简化角度，互相抵消盲区。 收集数据 → 用模型提取信息与因果 → 多模型交叉验证 → 形成判断，同时标注不确定性。 世界本身没有唯一的“正确视角”；智慧来自多视角交叉，而不是找到一个万能公式。

要想深入理解《模型思维：数学模型解构大模型黑箱》这一章（或整本书）的内容，建议重点掌握以下几组概念： ​​24 个经典数学模型​​线性回归、决策树、正态分布、幂律分布、非线性模型、网络模型、广播/扩散/传染模型、熵与不确定性、随机游走、路径依赖、局部互动、马尔可夫链、系统动力学、阈值模型、空间竞争、博弈论、合作、集体行动、机制设计、信号模型、学习模型、多臂老虎机、崎岖景观等。 这些模型构成了作者拆解大模型黑箱的“工具箱”，每一章围绕其中一种或一类展开，理解其假设、优缺点及适用场景，是把握全书的首要任务。 ​​多模型思维框架​​作者强调“用简单模型解释复杂系统”，并提出“做个多模型思考者”的总论。需理解为何单一模型往往不足，以及如何根据问题选择合适的模型或组合多个模型来逼近真实系统。 ​​可视化与结构化分析方法​​书中大量使用可视化手段展示模型决策路径，并给出结构化追问清单，帮助读者把抽象的数学映射到具体预测过程，进而审视 GPT-4 等大模型的可解释性。掌握这些方法，可让你不仅“会算”，还会“看得见”模型内部发生了什么。 ​​跨学科核心概念​​凹函数（收益递减、风险厌恶）、社区检测（社交网络泡沫）、价值与权力模型、熵与信息论、博弈论均衡、合作与集体行动、机制设计等。这些概念横跨经济学、网络科学、系统科学与机器学习，是作者连接不同模型与现实问题的桥梁。 ​​模型局限与人机协作​​过拟合、数据偏差、模型与人类判断力的互补——作者反复提醒读者警惕“黑箱陷阱”，理解模型的不确定性，并在决策中保留人类直觉与价值观。这一思维贯穿全书，也是学习完所有模型后必须回到的落脚点。 围绕以上五组概念阅读目录中的对应章节，并结合示例代码、图表与作者的“结构化追问”练习，你将能系统地理解书中如何用 24 个模型解构大模型黑箱，进而将多模型思维应用到自己的研究或工作中。

所有的思维模型大致都可以分为下面这三类： 1️⃣对世界进行简化的模型、 2️⃣用数学概率来类比的模型、 3️⃣以及人工构造的探索性模型。 无论哪一种形式，模型都必须是易处理的。模型必须足够简单，以便让我们可以在模型中应用逻辑推理。 在我们的大脑中所前置的理论，包括所谓高度思考的人可以同时拥有两种截然相反对同一事物进行论证的原则和理论能够不受影响的正常行事。这其实就是其中的一种思维模型：如何让冲突在某一事物当中进行充分的碰撞，然后构建一个更加复杂更加细致立体的事物全貌，借此能够预测一件事情的发展轨迹。我们讨论的就是这种思考“思维模型”的思考工具(或者说设计制造机床的大型机床) (或者说研发能够生产机器人的机器人)。 Ps：在逻辑学的发展过程当中，早期人们只是习惯于单个模型来解释社会或者世界发生的任何事情就如同提时期所看到的电影中的人物要么就是好人要么就是坏人。而实际上这个世界并没有那么简单随着长大才知道，坏人，可能是个好父亲，好人，也可能是个卖国贼。 只依靠单个模式去处理现在的复杂事物是一种狂妄自大的表现。 基于单个模型的传统思维方式的弊端呈现在人们面前：教育成功只取决于毅力；资本集中导致不平等；糖消耗导致民众健康状况不佳……这些单个模型中的每一个都可能是正确的，但没有一个是全面的。面对各种复杂的挑战，创造一个包容更广泛教育成就的世界，我们需要的不是单个模型，而是多个模型构成的格栅。 通过学习本书中的模型，你就可以着手构建自己的格栅模型。将来将这些你掌握的思考工具安装到这个格栅之上，可能就拥有了一个属于自己的Robot。这些模型来自多个学科，涉及各种现象，例如收入不平等的原因、权力的分配、传染病和流行风尚的传播、社会动乱的前置条件、合作的发展、秩序的涌现，以及城市和互联网的结构等。