一个模型解释不了世界，所以要带一组眼镜
阅读方式：微信读书网页版，从版权页翻到参考文献，共 659 屏、12 分 59 秒。
结构：序言与 Part 1（做一个多模型思考者、模型的 7 大用途、多模型思维、对人类行为者建模）、Part 2（28 个模型，从正态分布到崎岖景观）、结语（像芒格一样智慧地思考）。
先说一个书名的事，不然容易白读。
这本书在微信读书上叫《模型思维：数学模型解构大模型黑箱》。前半截是原名，后半截"解构大模型黑箱"是平台贴上去的。
全书 659 屏里，"大模型"三个字基本没有出现过。 作者斯科特·佩奇（Scott Page）是密歇根大学的政治学与经济学教授，原书叫 Model Thinking，讲的是社会科学里那 28 个通用模型：正态分布、幂律、网络、博弈、路径依赖、崎岖景观。
它说的"模型"是关于世界的模型，不是"参数几百亿的模型"。
这个落差值得先说：如果你抱着看 Transformer 拆解、看大模型原理的期待翻开它，读到第五章"正态分布"的时候就会合上书——而它真正有用的部分，恰恰从那一章才开始。
一、模型是简化，简化就有盲区
第 1 章的立论很干脆：模型是对世界的简化。
简化不是缺点，是模型能存在的原因——真实世界变量太多，不简化就没法推演。但简化一定有代价：你为了看清某样东西而删掉的那些变量，正好是它看不见的地方。
所以第 1 章末尾那句总结，是全书的地基：
同一个现象，用三种模型各看一遍，三个都对的对方才可信。
一个模型给你的答案，只说明这一个模型关心什么。
这也是为什么书名叫"多模型思维"，而不是"模型思维"。不是选一个最好的模型，是同时带一组。
二、七个用途：模型到底拿来干什么
第 2 章是我认为全书最值得先读的一章，因为它回答了"学这堆公式有什么用"。
书里把用途总结成七个词，用首字母缩成 REDCAPE：推理、解释、设计、沟通、行动、预测、探索。
其中两个我记了原文。
解释——给现象一个清晰的逻辑说法：为什么是这个价、为什么是这个形状。
预测——不只给点值，还能给形状：思想、技术、传染病的传播，画出来都是 S 形曲线。
七个用途里，"预测"其实是最弱的一个。社会科学里的模型，预测精度普遍不行。 书里没有回避这一点，反而给了个更实在的定位：
模型真正的用处，是告诉你该看哪几个变量，
而不是替你算出一个答案。
第 4 章还讲了一件更狠的事：模型之间的分歧本身是信息。
原文大意是——两个定理，如果对"何为最优行动"有不同看法，必定会做出不同的预测。这个分歧不是谁错了，是指出了关键变量在哪儿。 顺着分歧去找那个变量，比找"正确答案"有用得多。
三、一整套镜头：28 个模型里挑几个说
Part 2 是正餐，28 章 28 个模型。不可能都复述，挑四个我认为最有迁移价值的。
第一，正态还是幂律——这是最要命的一道分岔。
世界上的量大致分两种：一种围着平均值抖动（身高、考试分数、测量误差），一种极值通吃（城市人口、图书销量、收入）。用错分布，后面的预测全错。
正态里，"最好的"和"最差的"差不了几倍；幂律里，第一名顶后面一万名。把一个幂律现象当正态处理，你就会系统性地低估极端事件。 金融危机、爆款、疫情，都在这条线上翻过车。
第二，小样本的极端值——第 5 章那个漂亮的小推论。
书里问了两个问题：为什么最好的学校往往规模较小？为什么癌症发病率最高的郡县人口较少？
答案不是"小学校教得好"，也不是"小地方环境差"。是小样本的波动更大。
极端值更容易出现在样本小的地方。最好的和最差的，都会更多地落在那批小郡县、小学校头上——因为它们抽样的方差大，不是因为它们真的更好或更坏。
这个推论的价值不在于学校。它是一把通用的尺子：凡是"排名极端"的地方，先看样本量。 小团队的绩效波动大、小公司的增长率方差大、小城市的犯罪率起伏大——大部分"惊人的发现"，量一量样本就消失了。
第三，实力-运气方程——第 7 章那个让我停了一会儿的公式。
在讲多元回归之前，书里先引了迈克尔·莫布森（Michael Mauboussin）的实力-运气方程，用来给"成功"一个直观的线性表达式：
成功 = a × 实力 + (1−a) × 运气
其中 a 落在 0 到 1 之间，是"技能在结果里的相对权重"。
这一个式子把两句互相打架的话统一了。a 接近 1 的领域（下棋、游泳、数学），努力几乎等于结果；a 接近 0 的领域（选秀、早期投资、爆款内容），结果基本是掷骰子。同样是"努力就有回报"，在两种领域里的期望值差着一个量级。
它还能解释一件更实用的事：a 越小的领域，回归均值越强。 所以连续成功在运气权重高的行业里几乎不可持续——不是人退步了，是运气那部分回到了平均值。
第四，崎岖景观——为什么"改良"常常不如"重来"。
第 28 章讲崎岖景观模型：地形起伏不平，你往上爬，只能爬到最近的那个山头。
爬到顶了，四下一看，旁边有个更高的山——但中间隔着山谷，得先往下走。 而"往下走"在任何一个只看当期指标的评估体系里，都是失败。
这就是路径依赖的数学表达，也是大公司做不成新业务的数学解释：不是看不见更高的山，是不能允许自己先往下走。
第 10 到 12 章的网络、广播、扩散、传染模型，第 21、22、25 章的博弈、合作、信号模型，都是同一个思路：每个模型只负责照亮一个角落。
四、它真正教的是"怎么用模型"，不是模型本身
第 3 章有一段话，我认为是全书的核心，比任何一个模型都重要：
"智慧就是指识别和应用相关知识的能力。智慧需要多模型思维。"
紧接着那几句更具体：有时智慧体现在懂得选出最优模型，就像将箭从箭袋里抽出来一样；有时是通过求各种模型的平均结果来实现；而有智慧的个人和团队，会有意让模型之间相互"对话"，探索不同模型之间的重叠和差异。
"让模型之间对话"这个说法，我觉得是这本书最有操作性的一句。它不是修辞，是一个可以执行的动作：
同一个问题，用两个模型各算一遍，然后专门看两边不一致的地方。一致的部分可以信，不一致的部分就是这件事真正的风险点。
结语标题是"像芒格一样智慧地思考"。芒格那套"格栅思维"——一堆模型交叉验证——在这本书里被拆成了 28 个零件。这本书本质上是在给芒格那句话补数学。
五、这本书的短板
一是数学不轻。 28 个模型里，马尔可夫、李雅普诺夫函数、多臂老虎机、机制设计这几章是真的有公式。零基础读者会在 Part 2 中段掉队，我就是靠看结论和小结撑过去的。
二是案例全在美国。 学校排名、郡县癌症率、棒球统计、选举民调——中国读者得自己替换例子，否则会有隔一层的感觉。
三是它不给结论。 全书翻完，你不会得到一个"所以应该怎么做"。它给的是一袋镜头，挑哪个、什么时候换，全归你。这既是它比一般方法论书扎实的地方，也是它最容易让人读完觉得"好像什么也没学到"的地方。
四是那个副标题。 "数学模型解构大模型黑箱"这句话跟正文几乎无关，纯粹是为了蹭关键词。它会让该读的人错过，也会让不该读的人买错。
它的优点因此也很清楚：它不承诺答案，只承诺让你多几个看问题的角度——而在一个到处都是"三招搞定"的环境里，这种克制反而稀缺。
六、一句话
一个模型解释不了世界，所以要多带几副眼镜。这本书 659 屏，教的就是换眼镜的动作： 看到极端值，先量样本；看到极端成功，先问 a 有多大；看到局部最优，先问山谷那边有没有更高的山。真正贵的从来不是模型，是知道什么时候该换一副。
阅读记录：微信读书网页版逐页翻阅，659 屏 / 12 分 59 秒，28 个模型 / 39 个目录节点。
本书知识图谱见文中配图，原图地址：https://www.jiangtian.top/zb_users/upload/kg/model-thinker-map.png
发表评论: