思维模型No.63|让你洞察本质的「冰山模型」

简介: 思维模型No.63|让你洞察本质的「冰山模型」

每个人都知道,洞见本质很重要,那么,什么是本质呢?《大学》中有句话「物有本末,事有终始。知所先后,则近道矣。」

本和末相对,本是木字下面加一横,表示植物的根,末是上面加一横,表示植物的枝叶。本质就是更深层次的部分,就像植物的根一样埋在土中看不见,但却对事物的生存和发展起决定作用。叶子被虫咬了,还可以再长,而根腐烂了,就会枯萎。

那么如何才能看到本质呢?

系统思考中有个「冰山模型」,揭示了我们认识世界的思维层次,这个模型是一个指导框架,帮助我们透过现象看到本质。

事件

事件是冰山浮出水面的部分,是我们可以观察、感知、经历的活动。我们读书、聊天、购物,公司上线产品,开发布会,政府出台法规,监管政策等都是事件。

事件是系统与环境互动的「界面」,冰山下的模式,结构和心智都要通过事件来表达。事件往往具有迷惑性,在生活中,很多人喜欢用一两个事件来判断和评价人。

比如有老师和家长看到小孩子调皮捣蛋了几次,就将这个孩子归为坏孩子,「坏孩子」遭到了特殊待遇,以为自己天生是个坏孩子,故意做出一些出格行为,持续干坏事,一次事件变成了固定行为模式。

行为模式

模式是从现象中总结出来的规律,是数据(事件的记录)在时间与空间中表现出来的一组关系。比如太阳有规律的升落,是一种模式,一个人每天接对象回家是一种模式,雪花多呈六角形也是一种模式。

那么,如何认识模式呢?有两种方式:

第一种:多个事件放在一起看

我们需要跳出具体的事件,拓宽视野,将不同事件放在一起看,总结规律,发现模式。

因为事件可能具有偶然性,孤立的看就没有什么意义。

要判断一个人有没有礼貌,我们除了看他对女朋友的态度,还要观察他对其他人的行为,比如对同学,对陌生人,坐车时看到孕妇会不会让座等。还可以问认识他的人,他以前的行为表现。

一个合格投资者,不应该太关注短期价格震荡,应将注意力放在分析企业的经营行为上,经营行为符合时代发展,满足用户需求,利润呈上升趋势,则该企业的就是有价值的。

第二种:在长长的时间轴上观察

求婚的时候送花是一次爱的表达。我们把时间拉长,如果在恋爱中,订婚后,结婚后十年内的纪念日都送花,那就是爱的模式。

在「21天改变中」的基线数据,就是记录至少一周的行为,绘制成图表来了解自己的行为模式。

模式是事件的关系,让我们离本质更近了一些,但还不够,结构决定行为,看清系统的结构才能更好的把握事物的本质。

结构

系统的结构不仅指系统的组成要素,还包括各种存量,流量,反馈回路的相互关联与相互作用。

结构决定系统有可能产出那些行为。比如系统的增强回路能够引发指数级增长,而调节回路会努力让系统保持动态平衡。系统表现的行为就是多种力量共同作用的结果。

在系统思考中,洞悉系统内在的结构的主要工具是「因果回路图」(又叫系统循环图),这要求我们在一张图上将关键要素标出来,再用箭头理清因果关系。

绘制因果回路图是系统思考的一个核心技能,如果我们能画出准确的因果回路图,我们就看到了本质。

心智模式

冰山的最底层,隐藏着我们根深蒂固的信念、规则、假设或成见,这些心智模式决定着各种反馈,对策或行为。

心智模式是头脑中惯有的组织和加工世界的方式。古希腊哲学家爱比克泰德说「人不是被事物本身困扰,而是被他们关于事物的意见困扰。」

我们熟悉的成长型心智模式和防御型心智模式就是两种心智模式,成长型心智模式是积极的,引发探索和行动;防御型心智模式是消极的,引发防御和静止。

总结

我们最多接触到的是事件,它是系统的产出,而(行为)模式是事物的表现随时间变化的趋势。理解事件和行为虽然有助于我们发现系统的规律,但还不够。

系统结构才是系统行为和事件产生的源头,结构决定行为,行为产出事件。直击本质,需要我们洞悉系统内在结构。实现想要的结果,需要我们改变行为,通过改变结构从根源上解决问题。


这篇文章是我最近在知识星球更新专题的第一篇。系统思考是复杂社会中看到本质的一双慧眼,是化繁为简,睿智的解决问题的利器。

目录
相关文章
|
1月前
|
机器学习/深度学习 搜索推荐 大数据
深度解析:如何通过精妙的特征工程与创新模型结构大幅提升推荐系统中的召回率,带你一步步攻克大数据检索难题
【10月更文挑战第2天】在处理大规模数据集的推荐系统项目时,提高检索模型的召回率成为关键挑战。本文分享了通过改进特征工程(如加入用户活跃时段和物品相似度)和优化模型结构(引入注意力机制)来提升召回率的具体策略与实现代码。严格的A/B测试验证了新模型的有效性,为改善用户体验奠定了基础。这次实践加深了对特征工程与模型优化的理解,并为未来的技术探索提供了方向。
96 2
深度解析:如何通过精妙的特征工程与创新模型结构大幅提升推荐系统中的召回率,带你一步步攻克大数据检索难题
|
1月前
|
机器学习/深度学习 数据采集 人工智能
揭开大模型幻觉之谜:深入剖析数据偏差与模型局限性如何联手制造假象,并提供代码实例助你洞悉真相
【10月更文挑战第2天】近年来,大规模预训练模型(大模型)在自然语言处理和计算机视觉等领域取得卓越成绩,但也存在“大模型幻觉”现象,即高准确率并不反映真实理解能力。这主要由数据偏差和模型局限性导致。通过平衡数据集和引入正则化技术可部分缓解该问题,但仍需学界和业界共同努力。
27 4
|
3月前
|
机器学习/深度学习 数据采集 人工智能
揭秘大型机器学习模型背后的秘密:如何在技术深度与广度之间找到完美平衡点,探索那些鲜为人知的设计、训练与部署技巧,让你的作品脱颖而出!
【8月更文挑战第21天】大型机器学习模型是人工智能的关键方向,借助不断增强的计算力和海量数据,已实现在学术与产业上的重大突破。本文深入探讨大型模型从设计到部署的全过程,涉及数据预处理、模型架构(如Transformer)、训练技巧及模型压缩技术,旨在面对挑战时提供解决方案,促进AI技术的实用化进程。
72 1
|
机器学习/深度学习 人工智能 运维
异常检测:探索数据深层次背后的奥秘《中篇》
异常检测:探索数据深层次背后的奥秘《中篇》
异常检测:探索数据深层次背后的奥秘《中篇》
|
数据可视化 信息无障碍
构建心智模型,获得主动权|思维模型No.61
构建心智模型,获得主动权|思维模型No.61
82 0
思维模型No.59|系统设计之IPO模型(大辉改进版)
思维模型No.59|系统设计之IPO模型(大辉改进版)
186 0
|
自然语言处理 算法 测试技术
思维链如何释放语言模型的隐藏能力?最新理论研究揭示其背后奥秘
思维链如何释放语言模型的隐藏能力?最新理论研究揭示其背后奥秘
305 0
|
机器学习/深度学习 数据采集 人工智能
国内“谁”能实现chatgpt,短期穷出的类ChatGPT简评(算法侧角度为主),以及对MOSS、ChatYuan给出简评,一文带你深入了解宏观技术路线。
国内“谁”能实现chatgpt,短期穷出的类ChatGPT简评(算法侧角度为主),以及对MOSS、ChatYuan给出简评,一文带你深入了解宏观技术路线。
国内“谁”能实现chatgpt,短期穷出的类ChatGPT简评(算法侧角度为主),以及对MOSS、ChatYuan给出简评,一文带你深入了解宏观技术路线。
|
数据可视化 算法 数据挖掘
网络结构数据分析:揭示复杂系统背后的规律
随着网络技术的不断发展,人们在互联网上留下了海量的数据,这些数据反映了人类社会、经济、生态等各个领域的复杂系统。而这些复杂系统背后的规律往往难以被直接观察到,需要借助网络结构数据分析的方法来揭示。本文将介绍网络结构数据分析的概念、方法和应用,以及未来发展方向
302 0
|
机器学习/深度学习 人工智能 自然语言处理
零售业中的机器学习:要点和十个关键应用
零售业中的机器学习依赖于自我改进的计算机算法,这些算法用于处理数据,发现变量之间的重复模式和异常,并自主学习这种关系如何影响或决定行业的趋势、现象和业务场景。
266 0
零售业中的机器学习:要点和十个关键应用
下一篇
无影云桌面