原则与思维模型--《思维模型》0

background & overview

作者是毕业于mit，duckduckgo的ceo和创始人，可以说是比较有实践经验的人；
本书有点像引擎开发领域中的《real time rendering》以及《game engine architecture》的降配版，是一个对大量思维模型，典型问题的收集罗列，很多时候是对已有的书和典型案例的收集，是一个“武林秘籍的目录”。
亮点在于量比较大，对于想获得广泛认知的读者来说应该说比较好。
不足在于：案例比较常见，很多idea来自已有的书，所以读下来会感觉深度和质量以及凝练程度并不高。
这种还是去看对应的经典书目比较好，把这个作为目录就好；

内容

整体看下来还是比较有收获，补充了不少之前自己不知道的模型和经典case以及解决方案。
如果自己做一些抽象的话，可以看到还是一个非常精简的知识点汇集，列出：

• 问题
• 拆解
• 解决方案
  覆盖了很多方面。

但是就覆盖到我所熟知的软件开发领域，那么就是深度不足，比如不要过早优化；
当然这个过早是一个逻辑上绝对正确的说法，没什么意义，实际开发中，就是早期专注开发功能，然后后期优化；
这个对于普通战力的团队，是的，但是对于强力团队，直接就可以做出完全部署；

1, 少犯错

避免犯错更加经济

“罗马不是一天建成的，却可以毁于一旦”
在日常的工作之中，我们往往花很多力气去建设一些事情，却会因为一些小的错误导致白干了，这里有几个典型情况需要注意：

• 类似投资中的乘法规律：如果走all in的路数，那么无论之前成功多少次，一次失败，就全没了
• 损失厌恶：这是人性的典型特质，就是带来一个苹果再拿走，不如不带来，大家对于损失更加厌恶

第一性原理

在elon musk的宣传下，这个已经深入人心了；
优点：

• 从最原本的原理出发进行推导，对现有的结论以及模型进行怀疑，发展的看问题
  缺点：
• 这个方法过于“底层”了，对于使用者的背景知识以及脑力消耗的要求都很高

但是如果能做到，确实比较牛。

模糊问题的复杂度控制

• kiss原则
• 奥卡姆剃刀

这里都是在信息不充分下，更高概率更好的做法，其中各种模型中大量是这样的，如果信息充分就直接准确策略就好；
这两个都指向，如果信息不充分的时候，不要自己让事情进一步“具象化”（有点像量子塌缩），在进一步具象化的过程中，会直接带来几个问题：

• 如果要把未知问题列举清楚，这个量和复杂度直接上一个数量级，然后呈指数上升；
• 在把问题细分的过程中，会出现过拟合等典型问题

作为信息不充分下的原则：kiss和奥卡姆剃刀，有点像闭着眼睛拿枪打鸟的情况下应该怎么打，再厉害还是敌不过信息充分（把眼睛睁开）。
所以广泛的信息收集和学习是更厉害的。

kiss原则

keep it simple，stupid;
软件开发中的经典原则，也适用于做事。
比如产品中，有一个“最小可用产品”（most viable product）

这里做产品的时候，在最初设想阶段，什么都没有，那么判断就很难，那么可能的就是途中的9种情况。
那么9种都做出来显然太浪费，所以就先把最核心的部分（最简可行产品）做出来。
有了这个在手里用用，更容易判定出来最终是一个什么，然后进行收敛，比如9个方向砍到3个方向，也是更加经济合理的。
然后进入市场上再去迭代，这个过程通过反馈，更容易获得最终形态应该是什么样，收敛方向更加明确，再进一步投入。

奥卡姆剃刀

如无必要，勿增实体。
这个就是一个kiss原则的翻版，这里往往是对事情推断的时候，人容易加入很多假设条件。
这样就让问题复杂度指数上升，让一些容易出现的谬误（过拟合等）出现概率上升，进而导致风险上升。

人性问题

立场问题

因为一开始自己坚持一个立场，所以即便被证明是错的，也要坚持，这是人的心理上的根本诉求，具体可见《自驱型成长》
这个就是人性的特质，较少人能规避这点。
呈现：

• 真理总在葬礼后：一些科学发现最后被承认不是大家“终于意识到了”，而是反对的主流们去世了，新的人没有预设立场，那就谁对认谁了
• 退火效应：面对驳斥自己的证据的时候，反而更加坚持自己

应对：

• 换位思考
• 善意假设：也叫“汉隆剃刀”非蠢既坏的情况下，就假设是蠢；这个可能会导致自己局部受损，但是整体上更容易建立起更好的合作环境；
• 魔鬼辩护人：就是自己各种认定是这样了，也要找一个人出来，来作为反方来辩护（强迫自己换位思考）
• 无知之幕：完整版比较复杂，就是在讨论和决策时候，放下自己

警惕直觉

直觉是一个特别强大的系统，但是bug也比较严重，就是人性的弱点全都在。
所以

• 保持长期的修炼，训练直觉系统bug少一点。
• 在关键问题上还是审慎的动用理性思考模块，有一个更好的解