本文是《将心智模型付诸实践的框架》系列的第二部分。可在此阅读第一部分[1]。
任何关于将心智模型付诸实践的讨论，都必须从「理性」谈起。
为什么？因为，「理性」研究的是如何运用思维来达成目标。如果我们想要一个将心智模型付诸实践的框架，那么，从这个最专注于应用思维工具以做出更优判断和决策的学术领域入手，岂不是最佳起点？
然而，「理性」是一个含义复杂的词。它总让人联想到《星际迷航》中史波克（Spock）那样的角色——无法充分表达情感，思维方式如机器人般刻板。当我们谈及「理性」时，我们究竟在谈些什么？
我所见过的最佳定义来自乔纳森·巴伦（Jonathan Baron）在其教科书《思考与决策》中的阐述：「理性是任何最能帮助人们实现其目标的那种思维。」请注意这一定义的引申义：如果你的目标是寻得真爱、从此幸福生活，那么理性就是助你实现此目标所必需的思维或决策方式；如果你的目标是毁灭地球，那么理性就是你为达此目的所需要的一切思维。理性与情感无关，也与是否缺乏情感无关；它仅仅描述了一个人追求并实现其既定目标的有效性。
类似的理性定义，在流行读物中也屡见不鲜。沃伦·巴菲特（Warren Buffett）在 1998 年《财富》杂志一篇题为《比尔和沃伦秀》的采访中说道：
就我而言，我能有今天的成就，原因非常简单。我可以肯定地告诉你，那不是智商。最关键的是理性。我总是把智商和天赋看作发动机的马力，但最终的输出功率——即发动机的工作效率——则取决于理性。很多人起步时拥有 400 匹马力的发动机，但实际输出只有 100 匹马力。效果倒不如拥有一台 200 匹马力的发动机并让它全力输出。
巴菲特将理性视为「有效性」的观点并非孤例。近年来，学术界发起了一场有组织的运动，试图量化理性，其信念是，理性能够解释为何仅凭智商不足以预测人生的成功。这项研究催生了「理性商数」（Rationality Quotient, RQ）这一概念的发展，主要由多伦多大学心理学与人类发展学教授基思·斯塔诺维奇（Keith Stanovich）引领。我引用一份瑞士信贷关于 RQ 的报告中对他的描述：
多伦多大学应用心理学教授基思·斯塔诺维奇区分了智商（IQ）和理性商数（RQ）。心理学家通过特定测试（如韦氏成人智力量表）来测量智商，它与 SAT 等标准化考试成绩高度相关。
智商测量的是一种真实存在的能力，并与某些未来的成就相关。例如，在 SAT 数学考试中得分位于顶尖 1% 区间的前十分之一（第 99.9 百分位）的 13 岁少年，获得数学或科学博士学位的可能性，是得分位于该区间后十分之一（第 99.1 百分位）的同龄人的 18 倍。
RQ 是指理性思考并因此做出良好决策的能力。尽管我们通常认为智力与理性相辅相成，但斯塔诺维奇的研究表明，IQ 与 RQ 之间的相关系数相对较低，仅为 0.20 到 0.35。IQ 测试的设计初衷，并非为了捕捉那些能够引导人做出审慎决策的思维过程。（粗体为我批注）
斯塔诺维奇感叹，几乎所有社会都过分关注智力，却忽视了非理性行为带来的高昂代价。但如果你保持警觉，就能识别出理性思维的特征。据斯塔诺维奇所说，这些特征包括：适应性的行为、有效的行为调节、明智的目标排序、反思能力以及对证据的恰当处理。（粗体为我批注）
我之所以在讨论中引入 RQ，纯粹是因为我认为这是一个非常有用的概念。当我们说某人在实现目标方面很「高效」，或称赞他们「处事精明」，我们真正的意思就是，他们在认知和工具层面都具备理性。RQ、IQ 和 EQ 的区分，也有助于解释人与人之间某些可观察到的差异：例如，它解释了为什么高智商的人可能是个混蛋，富有同理心的人可能相信荒谬之事，而处事高效的人可能智力平平。
理性的两种类型
理性通常被分为两类。第一种是认知理性（epistemic rationality），关乎对信念的思考。第二种是工具理性（instrumental rationality），关乎对决策的思考。
- 认知理性回答的是：「你如何确定你的信念是真实的？」
- 工具理性回答的是：「你如何做出更优决策以实现目标？」
当你说「我相信 Facebook 的股票目前被低估了」，你所运用的就是认知理性所关注的思维方式。
当你问「我应该选择哪个大学专业：计算机科学还是经济学？」，你所运用的就是工具理性所关注的思维方式。
现在我们可以看出，Farnam Street 的心智模型清单实际上包含了三种类型的模型：
- 描述性心智模型：源自物理学、化学、经济学或数学等领域，用以描述世界的某些属性。
- 思维性心智模型（认知理性）：与探求真理相关，例如贝叶斯更新、忽略基础概率、可得性启发法。
- 思维性心智模型（工具理性）：与制定决策相关，例如逆向思维、「偏好行动倾向」、对公平的敏感性以及承诺与一致性偏见。
Farnam Street 上的绝大多数心智模型都属于描述性类别，这遵循了芒格在《普世智慧的基本原理》中的建议，但也意味着它们天然不适合用于实践。正如这个学习社区中的许多人所指出的，你无法像实践「贝叶斯更新」那样，去实践「热力学」。
关于描述性心智模型的用处，我会在本系列的后续部分深入探讨。眼下，我想聚焦于那些作为思维方法的心智模型——即认知理性和工具理性。总的来说，理性训练的前景极具吸引力：它承诺我们能够通过改善思维方式来实现我们的目标——无论这些目标是什么。
（注：这并非无稽之谈：倘若我们将理性方法应用于目标选择本身，我们便不会去选择那些无法实现的目标。）
将认知理性付诸实践
现代经济学和心理学的巅峰成就之一，便是由丹尼尔·卡尼曼（Daniel Kahneman）和阿莫斯·特沃斯基（Amos Tversky）开创的「认知偏见与启发法」研究项目。在该项目中，他们记录了人类在各种情况下表现出「非理性」行为的方式——即人们的思维和行为方式与理性原则相悖。
当我开始为提升思维能力寻找框架时，认知偏见研究项目仿佛是通往启蒙之路上的一块刺眼的广告牌。有那么一阵子，似乎无数条道路都指向了这样或那样的认知偏见。事实也的确如此：这个涵盖应用心理学、判断与决策的广阔学术领域，正是围绕卡尼曼和特沃斯基的研究成果发展起来的；2002 年，他们因此被授予诺贝尔经济学奖。
因此，我们称之为「认知理性」的课题，在实践中，其实就是研究各种方法和心智模型，以克服卡尼曼和特沃斯基所发现的认知偏见。而寻找这类方法的最佳园地，当属一个名为 LessWrong 的社区博客。
LessWrong 由作家兼人工智能理论家埃利泽·尤德科夫斯基（Eliezer Yudkowsky）于 2009 年创建。在随后的五年里，该社区汇聚了一群充满热情的思想家、作者和实践者，共同致力于通过克服偏见来寻找更优的思维方法。他们的主要途径，是从应用心理学、经济学和认知科学中挖掘关于预防偏见的最新研究成果；然后，他们将这些成果撰写成文，呈现给更广泛的读者，并鼓励大家分享将这些方法付诸实践的心得。例如，贝叶斯更新、有效利他主义以及理性研究这个理念本身，都经由 LessWrong 得以普及。该社区还涌现出如 Scott Alexander 和 gwern 等知名博主，他们至今仍在相关领域笔耕不辍。
以下是相关帖子的几个例子：
- 《理性的认知科学》一文记录了 LessWrong 成立头两年所整合的部分研究发现。若想看具体建议，可直接跳至「理性技能」一节。
- 修正「规划谬误」的方法很简单，只需将你当前的项目与「外部视角」进行比较，即参考其他与你的项目表面相似的案例。
- LessWrong 上有许多关于贝叶斯更新或「贝叶斯思维」的论述。这篇关于其基本思维模式的介绍值得一读。这里有一个阐释奥曼协议定理的故事，可惜的是，它也暴露了尤德科夫斯基及其同伴在解释观点时喜欢使用冗长故事的倾向。这里还有一位论坛成员分享的，关于实践贝叶斯思维带给他的一些反思。
- 我尤其喜欢这篇关于「谢林围栏」的解释——这是一个旨在抵御滑坡谬误和双曲贴现效应的概念。
LessWrong 的方法，构成了我「心智模型实践框架」的第一部分。还记得我在认识论设定中提到的第二条原则吗？在实践领域，我们应当关注真正的实践者。在这个案例中，LessWrong 社区近九年的历史，本身就是将认知偏见预防方法付诸实践的缩影。如果你对那些能帮助你完善信念的心智模型感兴趣，那么你应该去 LessWrong，搜索你感兴趣的话题，并特别留意那些分享了个人实践经验的帖子。
如果有机会，你也可以考虑付费参加应用理性中心（Center For Applied Rationality, CFAR）举办的工作坊。这是一个由 LessWrong 社区成员创立的非营利组织，旨在向公众传授理性方法。
然而，随着时间的推移，LessWrong 的活跃度已大不如前。如果你在你感兴趣的某个具体方法上找不到相关的 LessWrong 帖子（或者你无法参加 CFAR 的工作坊），那么一个很好的替代方案是采纳他们最初的方法论：即深入研究判断与决策领域的学术文献，从中寻找可用的方法。
但要做到这一点，你需要理解决策科学领域的基本研究范式。试想：「更好」的决策究竟意味着什么？你如何衡量「更好」这个概念？
决策科学家们采用的研究方法，是将思维过程拆解为三个模型来分析（引自巴伦的《思考与决策》第二章）：
- 描述性模型（descriptive model）——研究人类实际如何思考。这个领域的研究借鉴了卡尼曼和特沃斯基所开创的探索性工作。
- 规范性模型（normative model）——人类理应如何思考。这代表了应当达成的「理想」思维模式。例如，在研究决策时，这就相当于那个「最佳」决策。
- 指导性模型（prescriptive model）——需要采取何种措施，来帮助人类的思维模式从（通常有缺陷的）描述性模型，转变为规范性模型。
举个例子，「忽略先验信息」是一种认知偏见——也就是说，它是对人类自然思维方式的一种描述性模型。在这种情况下，规范性模型就是贝叶斯定理。而指导性模型则是贝叶斯更新。
因此，当你在学术文献中寻找可实践的信息时，应将注意力集中在指导性模型上。但你必须明白，指导性模型的开发，始终是为了帮助人类达到某个规范性模型所定义的思维模式。描述指导性模型的论文，几乎总会同时提供相应的规范性模型。而在这里，我们面临了第一个严峻的挑战。
敏锐的读者或许已经发现我对此决策科学方法的描述中存在一个明显的漏洞：「可是，Cedric！」我仿佛听到你大喊，「在现实生活中，一个人怎么可能知道什么是『最佳』决策呢？！」
「在现实生活中，一个人怎么可能知道什么是『最佳』决策呢？！」
亲爱的读者，你正触及了任何实践框架的核心难题。在某些情境下，例如概率思维谬误，我们有清晰的规范性模型：即概率论。（敏锐的读者会意识到，此处的描述性模型是「前景理论」——正是该理论为卡尼曼和特沃斯基赢得了诺贝尔奖。）清晰的规范性模型使我们在许多情况下能够检验实践是否提升了我们的思维能力——即是否更接近规范性模型。然而，在现实生活中的许多决策情境里，我们无从知晓何为「最佳」决策。
（这并非是说决策科学没有关于如何做出好决策的规范性模型，但我将在稍后探讨这些模型存在的问题。）
这正是我们为何先讨论认知理性的部分原因——其规范性模型更清晰，描述性模型更丰富，而用于纠正思维的指导性模型也更易于实践。一个实践者社区已围绕此主题应运而生。对我们的实践框架而言，真正的难题在于工具理性。
我花了四年时间才为这个问题找到一个合适的答案——其中三年，我正在新加坡和越南创办一家小公司。我将在本系列的下一部分分享我的答案。但现在，让我们先看看 LessWrong 是如何尝试应对这个问题的。
LessWrong 的神秘缺陷
LessWrong 的创建初衷是同时追求两种理性。该网站的核心理念是，如果你能改善用于理解世界的心智模型（认知理性），你就能做出更好的决策，从而在人生中「取胜」——这是 LessWrong 用于描述实现目标的术语。
2010 年 9 月，在 LessWrong 诞生约一年后，帕特里·弗里德曼（Patri Friedman）发表了一篇题为《自我提升还是华而不实的干扰：为什么 LessWrong 反工具理性》的檄文。他在文中指出，这个目标是个谎言：LessWrong 主要关注的是提升探求真理的方法，这与工具理性——即在生活中实现目标所必需的决策能力——是两码事。
弗里德曼断言，LessWrong 社区里的人乐于坐而论道，探讨「看待世界的更好方式」，却对真正动手做事或尝试实现现实目标不那么感兴趣。换言之，它是一个「华而不实的干扰项」。
大约三年后，备受尊敬的社区成员卢克·穆尔豪瑟（Luke Muehlhauser）观察到，像奥普拉·温弗瑞（Oprah Winfrey）这样的人，即便缺乏 LessWrong 所推崇的那种认知严谨性，依然在人生中取得了巨大成功。
奥普拉并不以理性思考著称。她是众所周知的伪科学兜售者，并将自己的成功（部分）归因于顺应「宇宙的能量」来引导自己。
但她一定做对了一些事。奥普拉是一个真正的白手起家的传奇。她出生于密西西比州一个未婚的十几岁女佣之家，穷得只能穿土豆袋做的裙子。她曾被堂兄、叔叔和一位家庭朋友猥亵，并在 14 岁时怀孕。
但在高中，她成了优等生，赢得了演讲比赛和选美冠军，并受雇于当地电台播报新闻。她成为纳什维尔 WLAC-TV 史上最年轻的新闻主播，随后在巴尔的摩主持了多档节目，接着迁往芝加哥，在短短数月内，她自己的脱口秀节目收视率便从垫底飙升至榜首。不久后，她的节目走向全国。她还制作并主演了多部电视剧，因在史蒂文·斯皮尔伯格的电影中扮演角色而获奥斯卡提名，创办了自己的有线电视频道和杂志（被《财富》杂志誉为「杂志业有史以来最成功的创业项目」），并成为全球首位黑人女性亿万富翁。
我想说的是，奥普拉的崛起，可能不仅仅源于天赋、勤奋和运气。要从穿着土豆袋裙子到登上福布斯亿万富翁榜，奥普拉必须做出成千上万个相当不错的决策。她必须对自己可能采取的各种行动的潜在后果做出相当准确的预判。当她犯错时，她必须能迅速修正航向。简而言之，她必须相当理性，至少在她生活的某些领域是如此。
奥普拉的经历，也同样发生在我认识的许多企业家身上。
你或许看过电影《摘金奇缘》（Crazy Rich Asians），它讲述了新加坡、马来西亚、印度尼西亚、香港和台湾的华人超级富豪的故事。「传统」华人商人是海外华人社群的一个文化符号——我也身处其中。今年早些时候，我写了一系列文章，反思我与这类商人共事和竞争的经历。我的核心观察是：尽管这些商人极其迷信，但他们往往是极为出色的决策者。大多数成功的华人企业都以企业集团为主要模式：由单一企业控股，业务遍及棕榈油、航运、酒店、大米、面粉、钢铁和电信等多个行业。第一代华人商人大多没有受过正规教育，却必须在各种严峻挑战中求生，例如马来西亚的种族优待政策和印度尼西亚曾发生的排华事件。
很难相信，最顶尖的华人商人若没有能力在如此众多的行业中做出成千上万个正确决策，就能取得如此辉煌的成就。
为何会如此？一个可能的原因由亚伦·斯沃茨（Aaron Swartz）提出：LessWrong 过分沉迷于学术文献中呈现的认知偏见，而对现实生活中真正重要的认知偏见关注不足。简而言之，卡尼曼和特沃斯基所探讨的认知偏见，或许只是那些最显而易见或最容易在实验室中测量的偏见。斯沃茨在 LessWrong 上写道：
认知偏见导致人们做出最显而易见的非理性选择，但并非最至关重要的非理性选择……由于认知偏见是理性研究的主要焦点，理性测试大多衡量的是你避免这些偏见的能力……LW 的读者们在避免认知偏见方面通常做得不错……但 LW 的成员们却遭受着一系列远为更重要的非理性之苦。（让我们称之为「实践性偏差」，以区别于「认知偏差」，尽管两者最终都兼具实践性和认知性。）
……理性，若被正确理解，实际上是成功的预测指标。或许，如果 LW 的成员们以成功为衡量标准（而不是满足于在避免明显错误上做得更好），他们可能会转而关注自己最重要的非理性（而非最明显的那些），这将引导他们变得更理性，也更成功。
认知理性的用武之地
那么，斯沃茨、穆尔豪瑟和弗里德曼的看法正确吗？对成功而言，工具理性真的比认知理性更重要吗？
答案是……既是又不是。
在某些领域，认知理性至关重要。这些领域要求极高的正确率。换言之，认知理性在那些犯错代价极其高昂的领域举足轻重：例如，在金融界，一笔错误的杠杆交易就可能让你公司倒闭；在治国理政或政府情报领域，一次错误的评估可能导致数百人丧生。
然而，在那些犯错成本不高的领域，另一种方法占据了主导地位：试错。
将这种二分法阐述得最透彻的主流思想家是纳西姆·尼古拉斯·塔勒布（Nicholas Nassem Taleb）。塔勒布指出，在失败成本低而潜在收益高的情境中，试错是最佳策略。他称某些情境具有「正凸性」（positive convexity），并论证在拥有这种凸性的情况下，你注定能从随机性中获益。
几个例子足以阐明此概念。在商业领域，一位能够快速、低成本进行实验的企业家，成功的机率更高。他的下行风险被锁定在时间的机会成本和创业所需的初始资本上；「精益创业」方法论正反映了这一现实，它建议创业者在初期进行快速、廉价的实验，以找到可行的商业构想。在风险投资领域，每笔投资的下行风险都以投资者投入的资金为上限，而上行收益往往高出十倍以上；因此，最佳策略是进行大量的小额押注，以期一两个项目的成功能覆盖所有其他项目的成本。
当纳瓦尔·拉维坎特（Naval Ravikant）在他的 FS 访谈中说：「基本上，我努力建立良好的系统，这样一来，单个决策就没那么重要了。我认为我们做出单个决策的能力其实并不强」——他指的就是这个意思。当塔勒布说：「如果你拥有（正）凸性，你就不必那么聪明」时，他谈论的也是这个道理。
工具理性的用武之地
我们有必要退后一步，从更宏观的视角来审视这个问题。为什么试错法在通往成功的道路上如此有效？以及，为什么我们需要别人来告诉我们这一点？婴儿初学走路或说话时，无需任何指导，他/她就是通过试错来学习的。而我们成年人，却需要塔勒布这样的思想家，或是「精益创业」这样的框架，来提醒我们进行严谨的试错。
为了回答这个问题，我将引用我在华人商人系列文章中写的一个段落：
我认为，答案在于我们所受的教育。
广义上讲，解决问题有两种基本途径：试错法，以及理论与洞察法。我们所受的正规教育，在相当程度上将我们推向了理论与洞察这条路，这一点无论如何强调都不过分。
以建造桥梁为例。用试错法建桥，就是胡乱堆砌一堆材料，直到找到一个能用的设计。如今，这种方法被视为骇人听闻，早已无人使用。我们已经掌握了桥梁的底层物理原理，并开发出精密的设计工具。结构工程师甚至在动工前就能判断一个设计是否可行；事实上，如果一个工程师搞砸了，他不仅会蒙受社会羞辱，还会受到行业专业机构的严厉惩罚。
于是我们内化了这样的观念：「试错是建桥的愚蠢方式」，并将其推而广之。我们认为：「学好数理化，走遍天下都不怕。」
我们的教育体系优先推崇从理论与洞察中学习。这逐渐渗透到我们生活的方方面面。想一想：当你需要做决策时，你所受教育形成的偏见会让你放慢节奏、深思熟虑、三思而后行。你甚至从未想过，失败或许才是明智之选。从建桥的教训到你的决策方式，存在着一条清晰的主线——避免失败，因为在「理论与洞察」的框架里，失败是坏事。所以，你花在思考上的时间远多于行动。
好消息是，在那些已建立起知识体系的领域，先深思后行动是最佳策略。在那些失败的潜在成本高昂的领域，这也同样必要。然而，在知识匮乏、失败成本可控、或变化太快以至于理论无从下手的领域，试错法便成为更优越的问题解决策略。它之所以胜出，是因为它更快：当失败成本低、迭代速度快时，每一次迭代都能让你获得更多信息，因为它让现实成为了你的老师。
在这些领域，失败是学习过程中可接受的成本。在这些领域，深思熟虑呈现出不同的形态。
我相信，商业就是这样一个领域。如果你是创业者，在商业中学习的最佳策略就是试错，因为行业变化往往太快，不存在永恒普适的法则。因此，那些在东南亚占据主导地位的「传统华人商人」，正是试错法的产物。他们没有受过高等教育，也未曾接受过学术式的认知理性训练。他们投身于试错，并具备了足够的理性从中学习。
塔勒布指出了试错的两个重要前提：第一，你必须防止自己「爆仓」。毕竟，一旦破产，试错也就无从谈起了。第二，你在实验时必须足够理性，以免重复犯同样的错误。（我还要补充第三条：塔勒布的模型假设时间是无限的；而现实中，你在选择试验时也需足够理性，而不是随机乱试，这样你才不会在成功之前就耗尽生命。）
简而言之，塔勒布的意思是，在试错过程中所涉及的理性，正是工具理性。至此，我们为问题找到了第一丝线索。
结论
在本系列的下一部分，我们将追寻塔勒布思想所揭示的线索，为我先前所提的规范性问题寻找一个满意的答案。眼下，我想先总结一下第二部分的内容，并提出几点补充说明。
第一点补充是，尽管我按照文献的惯例，将认知理性和工具理性作为两个独立概念来呈现，但这并不意味着它们毫无关联。即便是认知上最严谨的交易员，若想在交易中成功，也必须具备一定程度的工具理性。反之，一个商人，即便能受益于试错，若想做出正确的商业决策，也必须有能力在其领域内恰当地评估证据。
我们在讨论中将两者分开，主要是为了认识到，针对每一种理性，将心智模型付诸实践的方法是不同的。如果你所在的领域，把事情做对至关重要，那么像 LessWrong 那样，系统地梳理认知偏见及其对应的指导性模型，或许是值得的。但如果你和我一样，身处一个工具理性更为重要的领域……那么，请继续关注接下来两部分的内容。
第二点补充是——虽然我在本部分并未提出任何真正新颖的观点，但在接下来的文章中，情况将有所改变。在第三部分，我将跳出判断与决策这一领域，开始提出一些我自己的论断。届时，我将引用我自身的实践经验（即我测试这个框架的经历）。这样做，严谨性会大打折扣。我恳请你对我保持耐心；在后续部分，我希望能对第一部分中提及的认识论设定，给出一个完整的解释。换言之，我将提供一套评估我论断的新方法，也就是亲手递给你那根用以检验我可信度的绳索。
好了，是时候总结一下了。以下是我们目前所讨论内容的概念图：
首先，我提出了以「理性」作为组织心智模型的结构基础。我解释了理性研究如何大致分为「认知理性」和「工具理性」两个分支。我认为 Farnam Street 的心智模型清单可归为三类：来自其他领域的描述性模型、涉及认知理性的思维模型，以及涉及工具理性的思维模型。
我提到，描述性模型可能不易实践，不过我们将在后面触及学习科学时（大概在第四或第五部分，目前还不确定）再讨论这一点。
我提到，认知理性和工具理性领域的心智模型，隶属于一个可被实践检验的知识体系，并向你介绍了决策科学家在该领域进行研究时所使用的基本范式，以便你能自行评估相关论文。
我还提到，认知理性远比工具理性更容易开始实践，并且在 LessWrong 上存在着一个这样的学习者社区；他们还成立了一个致力于传授此类方法的非营利组织 CFAR。
下周，我们将深入探讨本文前面提出的规范性问题：「在现实生活的决策中，你如何知道自己的决策能力正在提升？你如何知道自己正在做出『最佳』决策？」届时，我们将开始跳出纯粹的决策科学，进入关于培养专业技能的知识体系。我还会分享我将自己的一些想法付诸实践后的心得，以及我认为 LessWrong 存在的一个巨大盲点。
前往第三部分：更好的试错。
Thoughts Memo 汉化组译制
感谢主要译者 gemini-2.5-pro，校对 Horla lu、Jarrett Ye
作者：Cedric Chin
原文：Mental Models: An Introduction to Rationality - Commoncog
初版于 2018 年 12 月 25 日，最新更新于 2022 年 7 月 22 日。