将心智模型付诸实践（三）：更好的试错法

本文是《将心智模型付诸实践的框架》系列的第三部分。在第一部分^[1]中，我描述了将芒格的心智模型方法应用于个人生活后所遇到的问题。在第二部分^[2]中，我认为研究理性的相关学科（应用心理学、决策科学和行为经济学）是构建实践框架的绝佳起点。第二部分结尾时，我们观察到 Farnam Street 的心智模型清单实际上由三类模型构成：描述性模型、与判断相关的思维模型（认知理性），以及与决策相关的思维模型（工具理性）。在第三部分，我们将探讨如何将与工具理性相关的心智模型付诸实践。

依照第二部分对塔勒布思想的探讨，让我们从试错法开始对工具理性的讨论。确切地说，我们想知道一种理想的试错模式是什么样的，以便我们能够开始探讨：如何将「工具理性」应用于生活。

为了增加阅读趣味，我虚构了一个叫「马利·蠢哥们」（Marlie Chunger）的人物，他与任何真实存在的活人都没有丝毫相似之处。马利正在他所选择的、具备「正凸性」的领域中追求进步——也就是说，他可以承受试错的代价，因为在他这个领域里犯错的成本并不高。

那么，让我们先想象马利·蠢哥们遇到了一个问题。

为了进行试错，马利整理思绪，然后对问题发起了第一次尝试。

尝试失败了。马利反思这次失败，从中汲取教训，然后——将这些教训融入下一步——再次尝试。

经过 n 次的失败与反思循环，马利最终找到了一个成功的方法。

接着，马利反思这个成功的方法，试图将其归纳总结。他没有立刻将它奉为圭臬、收入工具箱，因为这次成功很可能只是侥幸。相反，他等待生活中出现与第一个问题相似的第二个问题，然后尝试应用之前成功的方法。虽然有时结果并不如第一次那般顺利，但也能解决 80% 的问题。通过对方法稍作调整，他总能得到理想的结果。于是，他将此方法总结为一条「原则」或「途径」，正式纳入自己的工具箱。

（当然，未来在处理这类问题的迭代中，马利可能会因为遇到未曾考虑过的变数而需要对他的成功技巧做进一步调整；又或者，他将来可能会遇到一种在各方面都远胜于他现有方法的新技术。一个完全理性的马利，要么会通过测试来修正自己的方法，要么会毅然抛弃辛苦得来的旧方法，转而采纳更优越的新方法。）

那么，让我们不禁要问：这个过程会在哪些环节失败？稍加思索便不难发现，试错法可能因多种原因而失效：

1. 你可能因彻底出局而失败——比如，一次尝试后就宣告破产，或遭遇了让你永无翻身之日的惨败。
2. 你随机选择尝试方向，从不从失败中学习。这种漫无目的的方法意味着你只能听天由命。这种失败更常见的版本是：
3. 你不是很清楚如何选择尝试方向，因为你没有去寻找相关的方法，或者没有充分反思失败，以明确下一次该在何处做出改变。这本身不算是一个致命弱点，因为只要尝试次数足够多，即使是一个糟糕的选择者最终也可能碰巧找到解决方案。
4. 你非理性地一遍遍重复同样的尝试，却期望出现不同的结果。
5. 你错误地认为问题无解，从而选择终止试错循环。
6. 你从不停下来总结行之有效的方法，导致在遇到与当前问题实质相似的新问题时，仍需从头开始试错。这让你错失了应用已验证方法的效率优势。

「啊哈！」我仿佛听到你在想。「理想的试错法看起来很容易应用到我的生活中嘛——只要避开所有这些坑就行了！都闪开，老子要开始装逼啦！」

别高兴得太早。不妨花点时间思考一下，在生活中与那些难相处的人打交道是多么困难。很可能你和我一样，也有一两种让你难以和人共事的「性格类型」。比如，你可能讨厌「苏珊」，并且觉得每个与「苏珊」相似或让你联想到「苏珊」的人都很难打交道。你向朋友抱怨「像苏珊那样的人」，说：「我真受不了她！她快把我逼疯了！」

一个冷静的旁观者，站在你的生活之外，或许会指出，你每次与「像苏珊那样的人」打交道时所引发的情绪失控，正蒙蔽了你的双眼，让你看不到一个事实：每当生活中遇到这类人，你都在用同一种方式应对她那种「性格类型」。你的反应导致了相同的结果，因为这本就是意料之中。每一次的负面印证，都只会让你更加确信自己就是搞不定「苏珊」这类人，应该主动避开他们，并且觉得「再尝试下去也不值得」。

（我这里说的「性格类型」并非科学意义上的概念。研究表明，我们有各种偏见会影响我们对他人的判断，甚至可能正是这些偏见导致了我们的问题。但这并非此处重点；我用「性格类型」是为了描述这样一种情境：你因为某人与你印象中的某个形象相似，而做出了负面的反应。）

我之所以举「与难相处的人打交道」为例，是因为对我们许多人而言，它生动地展示了在真实生活情境中进行试错的困难。不知何故，当涉及到与人协作时，我们往往会陷入偏见、盲点和情绪失控的陷阱，这极大地降低了我们通过试错法来成功建立有效应对方式的概率。

至此，我们初次嗅到了试错法潜在问题的气息。为什么人们会犯下这类错误？他们为何陷入上述五种试错失败模式的陷阱？我们能否从工具理性中，学到帮助我们应对这些失败模式的模型？

答案是肯定的。但由于每一种失败都涉及服务于决策的思维过程，我们需要一个思维框架，才能以足够具体的细节来回答这个问题。因此，现在我们将目光转向乔纳森·巴伦（Jonathan Baron）。

一个思维框架

在《思考与决策》一书中，乔纳森·巴伦提供了一个思维框架，使我们能够分析决策文献中出现的各种指导性模型（第一章，第 6 页）。他称之为「搜索-推断框架」，这也是我个人在实践心智模型时所采纳的框架。

搜索-推断框架认为，所有思维活动都可以被建模为一个过程：即对可能性、评估标准（巴伦称之为「目标」）和证据进行搜索。除了搜索，还有一个推断过程同时发生：我们根据一套评估标准，权衡为每种可能性找到的证据，从而加强或削弱这些可能性。

这个框架的描述略显枯燥，所以我从巴伦的书中改编了以下例子。

想象你是一名大学生，正在决定下学期的课程。你已经选好了专业必修课，还剩下一门选修课待定。启动你思考的问题是：「我该选哪门课？」

你开始搜索，首先浏览了可选修课程的目录，也向朋友们打听他们上过并喜欢的选修课。一位朋友说，她上学期很喜欢一门关于苏美关系的课程。你觉得这个主题听起来很有趣，而且你一直想多了解现代史。你问她课程的学业负担，她说阅读量很大，还要写一篇二十页的论文。你意识到，考虑到必修课的作业，你无法应付这么大的工作量。于是你决定另寻他选。

在浏览学校网站的课程列表时，你看到了一门「二战后的美国历史」课。你记起朋友萨姆（Sam）曾提起过这门课。它和第一门课有同样的优点——听起来有趣，且关于现代史——而且你觉得学业负担应该不会太重。于是你动身去找萨姆，想就你的选择向她请教更多问题。

在这个例子中，我们可以看到搜索-推断框架的所有要素都在运作。你的思维过程包含了一场旨在消除疑虑的搜索。你通过内部搜索（回忆）和外部搜索（查阅课程网站、询问朋友）来寻找可能性——即可选的课程。在搜索过程中，你确定了两门课程的优点和一门课程的缺点，并建立了一套评估标准，例如你希望这门选修课的负担不要太重。你还进行了一次推断：你否决了苏美关系这门课，因为作业太难。

因此，搜索-推断框架涉及三个对象：

1. 可能性（Possibilities）：对初始问题的可能答案。在本例中，即你可以选择的课程。
   
   
2. 评估标准（Evaluation criteria）（或巴伦最初称之为「目标」）：你用以评估可能性的准则。在上例中，你有三个目标：课程要有趣，要能学到现代史知识，并且学业负担要可控。
   
   
3. 证据（Evidence）：任何有助于你判断某个可能性在多大程度上满足某个目标的信念或潜在信念。在本例中，证据包括你朋友所说的课程有趣但负担很重。在例子结尾，你决定去找朋友萨姆，以获取关于第二门课程学业负担的更多证据。

虽然上面的例子主要关注的是关于决策的思考（工具理性），但巴伦的搜索-推断框架同样适用于关于信念的思考（认知理性）。当你思考信念时，你也在进行同样的搜索-推断过程：即搜索可能性（例如，「我相信死刑是道德的」或「我不相信死刑是道德的」），为每种可能性搜集证据，并构建一套评估标准或「目标」（例如，「我希望我的信念与我的宗教信仰一致」），这套标准将加强、削弱（甚至忽略！）支持每种可能性的证据。

为什么思维过程偏偏是这几个阶段：搜索可能性、证据和评估标准/目标，以及推断？巴伦解释道：

从最广义的角度看，思考是一种在潜在可能性（即可能的行动、信念或个人目标）中进行发现和选择的方法。任何选择都必须有其目的或目标，而目标清单可增可减。我们可以在搜索过程中增添新的目标。此外，还必须有能够影响可能性选择的依据。因此，必须有证据，而证据总是可以去寻求的。最后，证据必须被加以运用，否则收集它便毫无意义。从这个意义上说，这些阶段是「必需的」。

我发现，这个搜索-推断框架作为一个组织思维心智模型的框架，极其有用。例如，有了这个框架，我们就可以自问：我们的思维错在哪里？巴伦认为，搜索-推断框架主要有三种失效方式：

第一，如果我们未能充分搜索本应发现的信息（可能性、评估标准或证据），或者在搜索不足的情况下就信心满满地采取行动，框架就会失效。例如，在选课的例子中，如果你没发现「二战后的美国历史」这个选项，你就不可能选它；或者，如果你没有把「学业负担轻」作为一条评估标准，你也不可能做出明智的选择。

第二，如果我们寻求证据和进行推断的方式，阻碍了我们选择最佳可能性，我们的思维就会出问题。例如，我方偏见、自负或「爱面子」的心理，都会妨碍我们做出最佳推断。巴伦指出，这是三种错误中最为危险的一种。人们倾向于以偏袒自己早已青睐的可能性的方式，去寻找证据、设立评估标准和进行推断。

第三，如果我们思虑过度，搜索-推断过程也会出错。要记住，好的思考和决策需要满足多个目标——包括节省脑力。你应该投入与决策重要性相称的时间，否则你的搜索和推断过程将遭遇收益递减。实践中，思虑过度的错误往往源于缺乏专业知识。

搜索-推断框架让你对决策心智模型的许多疑问都变得豁然开朗。例如：「为什么逆向思维是有效的？」搜索-推断框架立刻给出了答案：逆向思维能帮助我们进行搜索。也就是说，它通过剔除不合意的评估标准，或排除那些阻碍我们实现目标的可能性，使我们的搜索更有效率。它还能为我们提供一些我们原本可能想不到的新可能性。因此，我们可以说，逆向思维有助于我们对抗第一种错误：搜索不足。

搜索-推断框架启发我们做一个小练习：通读 Farnam Street 的心智模型清单，找出那些与工具理性相关的模型。然后问问自己：这个模型帮助我改善了搜索-推断框架的哪一个环节？

你会发现，所有与决策相关的心智模型，都有助于修正上述三种错误中的一种或多种。

再思考一下：当查理·芒格说「拥有一个心智模型网格」能帮助你做出更好的决策时，他谈论的是搜索-推断框架的哪个部分？ 这种方法的局限性何在？益处又是什么？在哪些领域或应用中，芒格的建议会更有效，而在哪些领域或应用中则不然？

关于芒格建议的这些问题，我将在本系列的后续部分做更直接的探讨。不过眼下，我想先转向那个将工具理性付诸实践的终极谜题：你如何知道自己的决策能力正在提升？以及，绕个弯说，为什么 LessWrong 社区在这个问题上停滞不前？

学术研究如何定义「好的决策」？

我在本系列第二部分提到，LessWrong 社区在实践认知理性时，其方法是从判断与决策的学术文献中汲取指导性模型和规范性模型。这种方法在认知理性的研究上颇为奏效，因为认知理性的实践在很大程度上就是发现并根除系统性偏见。但我曾断言，这种方法在处理工具理性——即决策领域——时会表现不佳。

这究竟是为什么？

要回答这个问题，我们需要审视决策科学领域用以评估「好决策」的规范性方法。决策科学中的主流方法是所谓的期望效用理论，由丹尼尔·伯努利（Daniel Bernoulli）于 1738 年创立。该理论断言，当一个人选择能最大化其效用的选项时，其行为就是理性的——也就是说，无论是什么决策，只要它在追求目标的过程中能带来最大收益。

（伯努利的原始理论中还有第二个主张，即风险规避。例如，如果你在赌博中发了财，那么每多下一注，你会变得越来越厌恶风险，因为你可能赢得的钱所带来的额外效用，对你而言已不如贫穷时那般有价值。我们今天称之为「边际效用」，而期望效用理论是该思想的首次提出。这一点与我们的讨论无关，我只是为了完整性而提及。）

期望效用理论中的「效用」，与快乐或善意并非同一概念。它不意味着要最大化金钱或幸福。你可能会联想到杰里米·边沁（Jeremy Bentham）在功利主义中对效用的构想，但也不完全是那回事。实际上，效用代表的是一种目标实现程度的度量——并且它尊重你想要实现的任何目标。

例如，如果你的目标是「做自己热爱的工作，并赚很多钱」，而你面临着选择医学、计算机科学或经济学学位，期望效用理论认为，此时的最佳选择就是那个最能让你实现「做自己热爱的工作，并赚很多钱」这一目标的选项。期望效用理论的应用方式是：它为每种可能出现的世界状态赋予一个概率，然后将该概率与该状态下的期望效用相乘。某个选项的总期望效用，就是所有状态下概率与效用乘积的总和。

三个课程与四种可能状态的期望效用计算。

在这张图中，每个单元格都包含一个效用值。我为三个选项在四种可能的世界状态下设定了任意的数值：赚大钱且热爱工作、赚大钱但讨厌工作、不赚钱但热爱工作、以及不赚钱且讨厌工作。请注意，这些效用值的具体大小无关紧要——你只需确保在三个选项间，这个度量标准是一致的。

因此，选择医学的期望值，就是将每种状态的概率与该状态的效用值相乘，然后将所有乘积相加。

为每种世界状态赋予概率，并得出这些效用值，这本身是一种判断行为——自然，也可能出错。但如果你选择了效用最高的那个选项，你就会被认为是工具理性的。

现在，我几乎能听到你脑中的警铃在作响：「效用这东西真的能衡量吗？考虑到现实世界的不确定性，任何衡量效用的尝试，难道不是从一开始就注定失败吗？如果你中途改变了目标怎么办，比如在你第一次看到人体内部结构时，突然意识到医学不适合你？」

这些都是非常合理的质疑。让我们来快速解答。

首先，期望效用理论关注的是推断，而非搜索。它假定所有决策选项已全部摆在你面前，它只关心你在当前这个时间点所知晓的情况。如果你之后获得了更多信息，或是在第一次给人插导尿管后决定改变目标——这对该理论而言不成问题，因为它只说明，在过去某个时间点，基于你当时所掌握的信息，你做出了理性的选择。

其次，你完全正确，在现实世界情境中，判断效用极其困难——甚至近乎不可能！但决策科学家们绕过这个问题的一个方法是证明，只要你遵循冯·诺依曼-摩根斯坦公理，你的行为就可以被视为最大化了你的效用。换言之，只要你不违反某些「规则」（那些故作高深的学者们称之为「公理」，因为他们酷爱数学），你就可以被认为是工具理性的，而不必去纠结你是否能准确判断实际效用。

冯·诺依曼-摩根斯坦公理有时被称为「选择公理」。其中，最重要的两条是「完备性公理」和「无关备选项独立性公理」。其他公理可由这两条逻辑推导得出，故不赘述。

完备性公理，有时也称「弱序原则」，其思想是你在做决策时必须有一个偏好顺序。无论每个选项有多少优缺点，也无论你觉得多么难以言明你的偏好，你就是必须有一个偏好——这是我们强加的要求。例如，面对医学、计算机科学和经济学三个选项，你必须以某种方式排序，比如：你偏好医学胜过计算机科学，偏好计算机科学胜过经济学。你也允许对某些选项持无差异态度，例如：「我偏好医学胜过计算机科学，但计算机科学和经济学选哪个都无所谓，在我看来它们一样差。」

第一条公理还蕴含了「传递性」，这只是一个花哨的说法，意思是如果你偏好医学 > 计算机科学，且计算机科学 > 经济学，那么你必须也偏好医学 > 经济学。你不能说「哦，我偏好经济学 > 医学」，因为那就意味着你的偏好是混乱的。

第二条公理的思想是，你应该忽略那些与你的决策无关的选项。我找到的最简单的例子来自迈克尔·刘易斯（Michael Lewis）的《解构风险》一书，大意如下：

你走进一家熟食店买三明治，店员告诉你只有烤牛肉和火鸡肉两种。你选了火鸡肉。就在他为你制作三明治时，他抬头说：「哦，对了，我忘了还有火腿。」这时你却说：「哦，那我要烤牛肉吧。」……如果你仅仅因为店里多了火腿，就从火鸡肉改选烤牛肉，那你就算不上理性。

遵循这些公理看似轻而易举，但卡尼曼和特沃斯基关于前景理论的研究表明，人类会以各种有趣（且系统性）的方式违反这两条原则。这一发现意味着，人类天生就是非理性的，即便是在他们研究项目中所测试的那种直截了当的决策问题上也是如此。但这也反过来表明，能够以不违背这些公理的方式做决策，确实是一项了不起的成就。

不能草率的认为人们可以直接将这套工具理性的模型应用到自己的生活中。事实上，LessWrong 社区就曾尝试这么做。但在我看来，LessWrong 在这方面输得一败涂地。

专家实践者究竟是如何做的？

我们可以稳妥地假设，在其专业领域内，专家实践者日常做出的决策要优于新手。如果你派一位决策科学家去跟踪他们，记录他们在各自领域做决策的一举一动，我们应该会发现，在目标相似的情况下，他们偏离期望效用理论的程度要小于那些不那么成功的实践者。

（这个论断存在一些问题，因为——按照塔勒布和迈克尔·莫布森的观点，这些实践者可能仅仅是运气好。但我们暂且忽略这一点。）

那么，让我们思考一下：他们是如何取得这些成果的？答案并非是他们将期望效用理论作为一种指导性模型来应用。没人会真的指望沃伦·巴菲特坐下来，为他要做的所有决策进行效用计算——那将意味着他几乎没有时间做任何其他事了。

尽管期望效用理论有时被用于决策分析——尤其是在商业和医疗领域——但将其作为一种通用的个人决策框架来推荐，实在太不切实际了。正如巴伦所言：「搜索本身具有负效用」。你在分析某个决策上花费的时间越多，因收益递减而产生的负效用就越大。

将期望效用理论作为个人指导性模型的第二个问题是，在现实世界里，判断和结果才是真正重要的。我之前描述了一种不依赖于目标或效用判断来评估工具理性的方法——即，我们只需检查某人是否违反了选择公理。但在现实世界中，工具理性本身并不是目标。在真实世界中，达成你的目标才是优化决策的目的。你想要的是「赢」，而不仅仅是「在某个工具理性的衡量标准上得分更高」。

我认为，LessWrong 社区的盲点在于，他们当中没有一个是实践者——那种会去追求世俗目标的实践者。正如帕特里·弗里德曼所言，他们是「一群喜欢坐而论道，探讨看待世界更好方式的人」。他们对判断与决策研究中那些清晰、易于验证的成果兴趣盎然，却对观察混乱（messy）的现实世界、看看专家实践者实际上如何运用理性，兴趣缺缺。

那么，专家实践者究竟是如何运用理性的呢？

答案是，在许多领域，他们根本不用那套方法。

我设下的「圈套」

你可能没注意到，我刚刚对你耍了个花招。

我在一篇文章里，融合了两种关于决策的世界观。第一种观点，由我虚构的马利·蠢哥们的故事所暗示，是纳西姆·尼古拉斯·塔勒布、赫伯特·西蒙（Herbert Simon）和加里·克莱因（Gary Klein）的世界观：我姑且将这一派观点归于克莱因所开创的自然主义决策（naturalistic decision making）领域的大旗之下。这种世界观的前提是：我们无法完全知晓世界的状态，我们不具备进行全面搜索或推断的脑力，因此我们应该通过实证研究来建立决策理论——也就是说，去发现专家在真实场景中做决策时究竟在做什么，并以此作为决策研究的起点。

这种观点致力于通过「经验」或「专业知识」——即通过训练、实践或试错——来建立隐性的心智模型。它追求的是对一系列目标「满意即可」（satisficing），而非为某个效用函数进行「优化」。它与脱离实践来研究心智模型的做法是根本对立的。这种观点将启发法——正是那些会导致认知偏见的启发法——视为优势，而非弱点。

第二种观点，是芒格、巴伦、特沃斯基、卡尼曼和斯塔诺维奇的观点：即理性决策分析。这是我们本文大部分时间所探讨的世界观。它假设你希望做出尽可能最优的决策，或许因为这些决策是不可逆的。它断言你可以努力去达到期望效用理论所要求的思维模式，该理论旨在根据你的目标来优化你的决策。它为我们提供了一个思维框架，告诉我们可以将心智模型应用于决策过程，以防止搜索-推断框架的三种失败。它主张构建一个心智模型格栅，因为这有助于我们进行搜索——有时也有助于推断。

你大概能看出来，我个人更倾向于塔勒布和克莱因的观点，而非芒格和巴伦的观点。但两种观点都有其价值，且都是必需的。沙恩（Shane）为自己方法的辩护是公允的：脱离实践来阐明心智模型，确实有其用武之地。

为什么会这样？

回顾一下我们上面探讨过的决策例子。像「下学期我该选什么课？」这类问题或许无足轻重，但生活中还有更重大的决策，如「我应该搬去东京吗？」、「我应该接受那份工作吗？」以及「我该选什么专业？」，这些都将决定我们未来数年的人生轨迹。这类决策非常适合运用工具理性的心智模型。我们需要进行充分的搜索，并且在根据证据进行推断时，必须警惕自身的偏见。

工具理性也适用于那种能让试错更有效率的思维方式。通过恰当的搜索和推断，我们可以避免自己陷入之前讨论马利·蠢哥们时提到的五种失败模式。

但这并非全部。或许你已经注意到，我并未讨论马利·蠢哥们工具箱里的那些方法。那些通过试错建立起来的方法——难道不也是心智模型吗？它们让马利能够解决问题、实现目标。

然而，它们不是那种可以被纳入乔纳森·巴伦所提出的搜索-推断框架的心智模型。这些方法是直觉性的。它们属于「系统 1」，即卡尼曼对产生快速思维的系统的命名。这些模型是隐性的（tacit），而非外显的（explicit），其运作方式与外显思维的搜索和推断方法截然不同。我们常称之为「专家直觉」。它们构成了专业知识的基石。

请允许我陈述一个问题，它在我尝试将芒格的演讲付诸实践并失败后的数年里，一直困扰着我。如果理性思考和良好决策如此重要，那么，整整一代华人商人，是如何在面临种族歧视、移民挑战和殖民后遗症的情况下，凭借近乎为零的教育背景和几乎无法验证的理性，在东南亚建立起五花八门的成功企业的？

我们可以说他们是运气好。但将他们的成功归因于运气，对我们毫无帮助。真正让我着迷的是，我曾近距离观察过其中一些商人，他们常在决策中展现出一种智慧，这种智慧建立在直觉和（用郭鹤年的话说）「节奏感」之上。我不认为他们是完美的决策者。我想，如果让他们参加卡尼曼和特沃斯基的认知偏见测试，他们会表现得一塌糊涂；如果让他们在选股这样的领域与芒格这样的投资者较量，他们也会失败。但在他们所处的、允许试错的商业领域里，「足够好」的专家直觉似乎同样能导向成功。这其中起作用的，绝不仅仅是最优的搜索和推断思维。

我们应该去探寻那究竟是什么。

结论

在结束本文之际，我必须致以歉意。我知道我曾承诺，会对「我如何知道自己的决策能力正在提升？」这个规范性问题给出一个满意的答案。但我需要铺垫的内容太多，篇幅已然用尽。

本文我们探讨了什么？我们探讨了试错法的基础知识，以及它可能失败的五种方式。我们介绍了巴伦的思维搜索-推断框架，并用它作为组织决策心智模型的框架。我们还探讨了决策科学的基础——至少是与工具理性相关的基础。你现在了解了期望效用理论的基本原理——它是决策心智模型所追求的规范性目标。

和往常一样，以下是我们所讨论内容的概念图：

这些概念如何帮助你付诸实践？我相信，巴伦的搜索-推断框架为我们提供了一个分析自身思维的模板。你现在可以有组织地去寻找能帮助你避免那三种错误的方法——例如，你可以寻找能帮你更高效搜索的心智模型，或是能防止偏见影响你判断的心智模型。如果你做了一个糟糕的决策，你现在可以反思并自问：我犯了三种错误中的哪一种？在试图进行审慎决策时，我表现出了哪些偏见？未来我如何能进行更好的搜索？

更重要的是，你现在明白了，审慎的决策只是两种决策方法之一。还存在另一种较少被讨论的决策形式，它将是我们下一篇文章的主题。

下周，我们将探讨如何建立专业知识，以及由此产生的决策类型。（顺带一提，沙恩（Shane）过去在 Farnam Street 上已多次探讨专家直觉与决策严谨性之间的联系。）最后，我希望能给出一个适用于实践的、好的规范性目标——至少，是一个对我而言似乎行之有效的目标——从而将所有线索串联起来。

前往第四部分：专家决策^[3]

Thoughts Memo 汉化组译制
感谢主要译者 gemini-2.5-pro，嵌字 nano-banana-pro、Jarrett Ye，校对 Horla lu、Jarrett Ye
作者：Cedric Chin
原文：Putting Mental Models to Practice Part 3: Better Trial and Error - Commoncog
初版于 2018 年 12 月 31 日，最新更新于 2019 年 1 月 21 日。

← 返回目录