快捷搜索:  汽车  科技

多元思维模型的好处:多元思维模型就是数量多吗

多元思维模型的好处:多元思维模型就是数量多吗简单地说,就是模型要能解决问题。回想下开头给的思维模型第一个条件:能够回答「为什么」和「怎么样」两个问题。想要用多元思维模型,首先模型的数量得足够多。但是足够多并不等于无限制得多。为什么模型的数量不是越多越好呢?老曹从4个角度解释一下:

本文节选自《15000字,讲透「多元思维模型」》。原文太长,为了方便阅读,做了一些节选。

巧妇难为无米之炊,想要用多元思维模型,首先模型的数量得足够多。所以很多同学了解到多元思维模型后,就开始疯狂追求模型的数量。

有的人立下了学 100 个思维模型的 flag,有的人孜孜不倦地整理了 100 个、200 个思维模型,还有的人到处收集模型、到处问别人有没有更好的思维模型。

多元思维模型的好处:多元思维模型就是数量多吗(1)

这些都是误入歧途的表现。

想要用多元思维模型,首先模型的数量得足够多。但是足够多并不等于无限制得多

为什么模型的数量不是越多越好呢?

老曹从4个角度解释一下:

  1. 学习模型要从问题出发
  2. 边际效用递减
  3. 机会成本问题
  4. 模型的重复和冗余

多元思维模型的好处:多元思维模型就是数量多吗(2)

1、学习模型要从问题出发

回想下开头给的思维模型第一个条件:能够回答「为什么」和「怎么样」两个问题。

简单地说,就是模型要能解决问题

在《12000字,讲透「能力圈」》中,老曹引用过前美团 COO 的一个观点:见过≠建过

什么意思?就是有的人觉得:自己看别人用过了某个模型,就等于自己掌握了,然后就能应用于实践了。

类似于前面举例的小白,看到专家用了一下 vlookup,就觉得自己会了,可事实上他不知道 vlookup 的使用条件,也不知道为什么、怎么样去用 vlookup,只有皮,没有里。结果就是应用的时候错误百出。

见识过不等于建设过,见识过不等于有能力去建设

收集的模型多,接触的理论多,了解的方法多,并不代表自己真的有能力去应用,更不代表能够解决问题。

就好像背过了 100 条的公式、定理,但一道题都不去做,那么数学和物理也学不好一样。

就好像有人喜欢收集工具,琳琅满目,摆满整面墙壁,却只会用一个螺丝刀一样。除了偶尔拧个螺丝的螺丝刀,其它的工具只是为了满足自己的收集欲望和向别人炫耀。

模型不是拿来显摆的,而是拿来解决问题的

能够解决问题的模型,才是属于自己的模型

所以思维模型一定是从解决问题的角度出发,起点和终点都是能否解决问题,而不是学习的模型的数量。

多元思维模型的好处:多元思维模型就是数量多吗(3)

屏幕前的你可能又有问题:如果每一个学习的模型都掌握了,而且能够解决问题了,在这个基础上,模型难道不是多多益善吗?

未必。

2、边际效用递减

想要学习更多的模型,就要付出更多的时间,这一点毋庸置疑。

但是,当模型数量达到一定程度后,增加模型带来的边际效用会越来越小。

举个例子。假设每一个模型的成功概率都是 60%,那么:

多元思维模型的好处:多元思维模型就是数量多吗(4)

这个例子很粗糙,但聪明如你一定能明白我的意思。

也可以回想下前面照片批量重命名的例子。

一点电脑知识,加上一点 Excel 技能,再加上一个批处理的命令,三个技能,搞定。

我不需要去学习 VBA、Python,也不用去学 Java、C 。

是这些编程语言不好吗?

不是,是我已经解决了问题,再去学习新技能的边际效用太低了。

3、机会成本问题

学习技能、学习模型需要花费时间和精力,有时候还要消耗一些自己的资源,比如金钱。

这些时间、精力、资源也可以用于其他事情,带回其他的回报。

换句话说,学习是存在机会成本的

巴菲特和芒格都特别看重机会成本,因为我们的时间、资源是有限的,我们的生命也只有一次。

是去多学习一个模型,增加 1% 的成功率,还是用同样的成本去做一些回报更高的事情,这一点要好好考虑一下。

4、模型的重复和冗余

网上经常会看到类似这样的问题:应该学 CorelDRAW 还是 AI?Python 和 Java 哪个好?

多元思维模型的好处:多元思维模型就是数量多吗(5)

为什么会有这样的问题呢?因为这些软件的核心功能是重复的。

都能做矢量图,都能编软件、做网站,都能实现同一个目的,解决同一个问题。可偏偏又各自有独特的特点,还不能同时去用。哎呀,好难选。

模型也是同样的道理。

有的时候一个问题可以有很多个模型去解决,但是每次只能用一个、两个模型。那么多出来的模型就是重复的。

学习重复的模型,既降低了边际效用,增加了机会成本,还产生了大量的能力冗余。

当然,工具和模型都有自己的局限,为了应对这些局限,额外学习一些工具和模型作为备用和补充,是完全可以的。

不过要分清楚的是,为了备用而学习冗余的模型,和为了追求模型的数量而学习重复的模型,出发点是完全不同的

总结一下前面这 4 小节的内容。

学习思维模型是为了解决问题,而不是收集炫耀。学习过多的模型,会降低边际效用、增加机会成本,模型重复的概率也大大增加了。

所以多元思维模型的关键不是数量多。

那是什么呢?

《穷查理宝典》里面对多元思维模型有这样一个评价:它们借用并完美地糅合了许多来自各个传统学科的分析工具、方法和公式。

关键词:糅合。

我把这种糅合称为「多元一体」。

多元一体的内容,在《15000字,讲透「多元思维模型」》第6章。

猜您喜欢: