1. 概述

• 模型是用数学公式和图表展现的形式化结构

• 在拥有多个模型的情况下，我们能够避免每个模型本身所固有的局限性

• 多个模型方法能够消除单个模型的盲点

2. 大数据时代的模型

• 大数据时代，也可以成为多模型时代

• 有了模型我们的思考会更加有效

3. 为什么需要多模型

• 如果我们想要理解国际关系，就不能只将世界建模为一组具有明确目标的自利国家。也不能只将世界建模为跨国公司和政府间组织之间的联系枢纽，而应该把世界同时建模为这两者

• 模型和构建模型的传统方法

  • 依赖一对一的逻辑：一个问题需要一个模型
  • 目标：确定一个适当的模型并正确应用这个模型

• 多思维模型方法

  • 尝试多个模型

• 基于单个模型的传统思维方式的弊端表现

  • 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
  • ···

• 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，二是多个模型构成的格栅

• 逻辑本身就能解决问题，我们所要做的，就是观察它是如何做到的

• 模型的三个特征

  • 简化
    • 剥离不必要的细节
    • 抽象掉若干现实世界中的因素
  • 形式化
    • 要给出精确的定义
    • 通常使用数学公式
  • 所有模型都是错误的
    • 所有的模型只是在特定的条件下成立
    • 因为简化，所以忽略掉了细节
    • 通过考虑多个模型，我们可以实现多个可能情况的交叉，从而克服单个模型因严格而导致的狭隘性

• 我们需要同时利用多个模型才能理解复杂系统

4. 智慧层次结构（Wisdom Hierarchy）

• 数据

  • 原始的、未编码的事件、经历和现象
  • 出生、死亡、市场交易、投票、音乐下载、降水、足球比赛，以及各种各样的（物种）发生事件等
  • 数据是缺乏意义、组织或结构的

• 信息

  • 给数据命名并将数据归入相应的类别

• 知识

  • 知识是对相关关系、因果关系和逻辑关系的理解
  • 知识组织了信息，呈现为模型的形式

• 智慧

  • 识别和应用相关知识的能力
  • 需要多模型思维
  • 包括选择正确的知识或模型

• 对于一个问题，要想得到正确的答案需要信息、知识和智慧

• 每种解释都包含了一个逻辑上的缺憾

• 从数据本身来说，没有任何一个解释是特别有根据的

• 我们应该从一开始就努力对同一组客观事实给出尽可能多的解释，并寄希望于时间，当时间成熟的时候，关于这场危机更细致和更一致的解释就会浮现出来

• 唯有通过收集多样化且往往相互矛盾的解释，我们才能最终实现对危机更完整的理解

• 多模型思维的成功取决于一定程度的可分离性

• 多模型思维并不要求不同的模型将系统分割为互不相关的部分

• 面对一个复杂的系统，我们可以部分地将主要的因果关系分离出来，然后探讨它们是如何交织在一起的

5. 做一个多模型思考者

• 在我们对世界的了解变得更多、更深入的同时，这个世界也变得更加复杂了
• 我们应该将逻辑一致性置于比直觉更优先的位置