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
|
7月前
|
存储 安全 数据安全/隐私保护
中外AIGC大模型的差距、态势与结构
【1月更文挑战第21天】中外AIGC大模型的差距、态势与结构
340 2
中外AIGC大模型的差距、态势与结构
|
2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。
38 4
|
4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。
85 1
|
5月前
|
Web App开发
生成式模型不只会模仿!哈佛、UCSB等最新成果:性能可超越训练集专家水平
【7月更文挑战第23天】研究人员从哈佛大学、UC Santa Barbara等机构展示了生成式模型的新突破:在特定任务上实现超越训练集专家水平的性能。通过“低温度采样”减少模型不确定性,实验中一个名为ChessFormer的模型在下棋任务上表现出了超越性,即性能超过了训练集中专家的平均水平。这项工作揭示了生成式模型在特定条件下实现超越的可能性,为该领域的研究和应用提供了新视角。[论文](https://arxiv.org/pdf/2406.11741)
39 2
|
Cloud Native Go
面试中的自我激励:如何展示你的内在驱动力
面试中的自我激励:如何展示你的内在驱动力
105 0
|
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
92 0
|
数据安全/隐私保护
可指导实践的Fogg行为模型|思维模型No.30
可指导实践的Fogg行为模型|思维模型No.30
103 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)
207 0
|
机器学习/深度学习 数据采集
北大团队将色谱领域知识融入机器学习模型,辅助对映体色谱分离
北大团队将色谱领域知识融入机器学习模型,辅助对映体色谱分离
181 0
北大团队将色谱领域知识融入机器学习模型,辅助对映体色谱分离
|
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
323 0

热门文章

最新文章