很多人都知道投资者查理·芒格喜欢谈论“思维模型”，他说：“要想获得普世智慧，80~90个重要的模型就能完成90%的工作。”不过在我看来，那其实是一些理解和思考的套路，相当于是新时期的成语典故。
斯科特·佩奇说的模型要高级得多，是学者们使用的那种正规的“理论模型”。斯科特·佩奇是密歇根大学复杂性研究中心“掌门人”，著有《模型思维》《多样性红利》，他的“模型思维课”有超过100万用户在学习和使用。
在新书《模型思维》里，佩奇不仅讲清楚了做一个多模型思考者在当今复杂社会的意义，还讲解了二三十个模型，教我们成为多模型思考者，科学地使用模型进行思考。这是一个武器级的概念，想要理解它，你的思维方式需要先升级。
模型，让你的思考正规化
要想用高级方法研究问题和做出决策，首先得让思考正规化。
比如一个小孩踢足球，他竭尽全力也没踢出去多远，而一个大人飞起一脚，球就会被踢得很远。有人对这个现象总结了一个规律：踢球的力量越大，球飞得就越远。
这是很不错的观察和思考。足球运动员通过训练能对“球性”有深刻的体察，但是如果你让他谈力量和距离的关系，他也只能说到这个程度。各种古代成语典故，比如唇亡齿寒、扬汤止沸，以及《孙子兵法》等古代军事将领写的兵书战策，也都是这个水平的思考。这些思考都是有用的……但是，这种思考方式太落后了。
首先它不精确。如果把力量增大一倍，球的飞行距离能增加多少呢？其次它没有适用范围。这个道理一直都对吗？在什么情况下会不好用呢？这样的思考都回答不了。
我们身处复杂世界里的现代人，可不能靠成语典故和寓言故事指导决策，因为这样水平的思考没有精致推演的能力。现代学者都在使用更高级的思考方式。
最起码的一点，一个数学公式能抵千言万语。想要知道踢球的力量和球的飞行距离的关系，我们首先用牛顿第二定律公式描写力量和加速度的关系，然后通过加速度和触球时间计算速度，再考虑地球引力和空气阻力……这听起来比较麻烦，但是这一套思考允许你做精致的推演。
这就是思考方式的正规化。我们思考的其实已经不是具体的球和具体的踢球者了，我们思考的是一个抽象出来的踢球模型。
模型是对真实世界的抽象。正规化就是抽象化，抽象化才能可推导，而可推导是个非常厉害的能力。其实我们每次做数学应用题，都是在使用一个模型。你知道题目包含的假设，和因果关系，就能用数学推导出一个结果。
一旦思维上升到模型的高度，我们就不再是普通老百姓水平了，一般的道理就骗不了我们。
模型，让你的决策更精确
如果“多样性”说的是观察问题的“视角”，“模型”说的就是研究问题的“镜头”。
模型不仅可以提升个人思考水平，国家都在用模型做决策。2008年金融危机期间，美国财政部在关键时刻出手，购买了AIG公司（美国国际集团，American International Group）的资产，最终使得 AIG 没有倒闭。这个救援行动遭到了各方的猛烈批评，有人说这等于是政府直接干预经济，违背了自由市场的理念；有人说雷曼兄弟公司为什么不救援呢？雷曼破产了AIG却没事，这公平吗？
美国政府行事的逻辑在哪呢？讲故事不如看模型。下面这张图是当时国际货币基金组织搞的一个模型，描写了各大金融机构之间的网络关系 ——
各个机构之间的连线代表他们的关联，连线越粗越越深，关联就越强。AIG处在关系网的一个中心位置，很多金融机构购买了AIG提供的资产保险，如果他们资产的价值下降，AIG会给他们兜底。
有了这个模型，我们就可做推演了。可以想象如果AIG倒闭会发生什么？使用数学推导，我们知道其他机构就会拿不到保险金，他们也会跟着倒闭，结果很可能是灾难性的连锁反应。AIG是“大到不能倒”，这就是为什么要救AIG。那为什么不救雷曼兄弟呢？因为模型中雷曼兄弟并不具有AIG这么核心的位置。
事实证明雷曼兄弟的倒闭并没有牵扯到整个金融系统，模型的预测可以说是准确的。金融危机过去之后，美国政府又卖掉了AIG的资产，一进一出从中还净挣了230亿美元……可以说当初救援AIG是一个正确的决定。
模型帮我们看清了各个金融机构之间关系的本质。如果没有这个模型，只说AIG很重要，就不足以做出这种精确而大胆的操作。但是问题来了，模型有那么多，当初为什么要选择这个模型呢？
为什么不考虑各个金融机构高官的任职情况呢？为什么不考虑这些机构在历史上对美国所做的贡献呢？为什么不考虑对舆论的影响呢？
简单地说，只看关系模型，是因为我们想要的只是金融市场的稳定。不简单地说，忽略其他因素，这是一个非常主观的冒险选择。
在多模型中选择模型，需要智慧。
从数据到智慧，成为一个多模型思考者
为了进一步理解模型，佩奇讲解了一个智慧层次结构，也是认知上的金字塔。
金字塔的最底层是数据。数据代表各种事件和现象，比如出门看见下雨，这就是一个数据。数据本身没有组织和结构，也没有意义。数据只能告诉你发生了什么，并不能让你理解为什么会发生。
数据的上一层是信息。信息是结构化的数据。看见下雨只是数据，但如果有人统计哈尔滨市在2019年11月份这一个月总共下了多少雨，这就不是简单的数据了，而是信息。信息就可以用来做分析和解读。
信息再往上一层是知识。知识能把信息组织起来，告诉我们事件之间的逻辑联系。有云导致下雨，因为下雨所以天气变得凉快，这都是知识。成语典故和思维套路都是知识。模型，则可以说是一种高级知识，能解释和预测。
认知金字塔的最上一层，是智慧。智慧是识别和选择相关知识的能力。
一个人可能掌握很多模型，但是具体到这个问题到底该用哪个模型，敢不敢用这个模型，则是智慧。
作者佩奇举了一个例子。一只小猫从4000米的高空掉下来，请问它会给地面造成什么样的危害？我们得先选一个模型。
用最简单的重力加速度模型，我们会发现猫触地之前的速度非常非常快，它会在地上砸出一个大坑。但是用一个更复杂的模型，考虑到空气阻力，物体在大气层中的掉落速度其实会趋向一个恒定的数值，并没有那么快，那么危害就不会很大。如果掉下来的是一只小老鼠，甚至可能都不会死。
所以说，从数据到智慧，这是真正意义上的认知升级。
如果一个人浑浑噩噩地混日子，只体验而不总结，他得到的就只有数据。
有人偶尔看新闻，知道现在发生的事情都是什么意思，他就获得了信息。
有人能从经验中总结一些规律，还从书本上学到一些说法，他就拥有了知识。
为什么有很多人说“学了很多知识，却仍然过不好这一生”呢？因为有知识不等于有智慧。有智慧，会选择该用哪个知识，能使用模型做出决策，而且还真敢去执行，那才是真本事。
从数据到智慧，你会发现越往上就越主观。信息已经是个性化的总结。知识中的因果关系已经是主观的判断。而智慧，更可以说是一种艺术。
到底该选哪个模型？没有固定的操作流程。
经济学家有句名言说“所有模型都是错的，其中有一些是有用的。”模型说的不是真实世界，而是对真实事件的抽象和简化。我们必须忽略很多因素，才能让问题可以推演。而这么做的危险是可能得到完全错误的结论。
所以需要了解每个模型的优点和局限性，需要有举一反三的能力，更需要有创造性。
延续之前一本《多样性红利》的逻辑，佩奇特别强调，有时候需要同时使用多个模型，才能做出准确的预测和判断。
所以说，模型是对真实世界的一种主观抽象描写，代表正规化的思考。模型通过严谨的定义和数学逻辑关系，允许我们做精致的推演，从而获得精确交流、解释、判断、设计、预测、探索和采取行动的能力。而选择什么样的模型、选择一个还是几个模型，则是智慧。
希望佩奇讲的这些模型能成为你认知工具箱里的常备武器……因为使用了数学，其中有些武器的精确度超出想象。
