将心智模型付诸实践（四）：专家决策

这是关于将心智模型付诸实践的系列文章的第四部分。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，我认为对理性的研究是构建实践框架的绝佳起点。我们了解到 Farnam Street 的心智模型清单由三类模型构成：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^[3]中，我们学习了思维的「搜索-推断框架」，并探讨了工具理性心智模型如何帮助我们避免该框架所揭示的三种思维错误。我们还通过「马利·蠢哥们」的视角，快速领略了最优试错法的风采。在第四部分，我们将探讨一个观点：专业知识会催生其独特的决策模式。也正是在这里，我的观点开始与 Farnam Street 产生分歧。

在许多领域，专家们并不会采用我们上一部分探讨的那种思维方式。他们不做理性选择分析，不做期望效用计算，不刻意纠正偏见，不做规范的搜索-推断式思考，也不会运用「来自其他领域的跨学科心智模型网格」来进行推断。

然而，尽管缺乏决策科学「最佳实践」的理论基础，他们在现实世界中的表现却出奇地好。

那么，他们究竟是怎么做的？

他们运用的是基于识别的决策模型（Recognition-Primed Decision Making, RPD）。

基于识别的决策模型（下文简称 RPD 模型）是一种描述性的决策模型，也就是说，它描述的是人类在真实环境中如何做出决策。RPD 模型源于自然主义决策（Naturalistic Decision Making, NDM）领域，该领域关注的是实践者在现实工作中如何做决策。NDM 研究者们摒弃实验室，深入组织一线，采取近乎人类学的研究方法。他们跟随消防员出警，在军事演习中坐进坦克，在办公室里于实际工作任务中访谈界面设计师和程序员。研究者们采用一种名为「认知任务分析」的访谈技巧，其目的在于挖掘专家们隐性的心智模型。

NDM 之所以引人入胜，是因为它代表了与传统决策分析截然不同的另一学派。认知偏见与启发法研究项目的兴起，催生了大量植根于期望效用理论的指导性模型，旨在帮助我们做出更「理性」的决策。我们在第三部分^[3]已经探讨了该方法的基础。但近年来，认知偏见与启发法项目也博取了绝大多数的关注。我们耳边充斥着关于人类判断力多么不可靠、各种错误和偏见如何系统性地蒙蔽我们思维的故事。而流行科普读物对 NDM 的介绍，大多局限于马尔科姆·格拉德威尔在《眨眼之间》（Blink）里所描绘的那种「神奇直觉」。

这是一种极其糟糕的描绘。正因为专家直觉常被描绘得「神乎其神」，我们便对其不屑一顾，转而投向更理性、更审慎的决策模式。我们不相信直觉可以被训练或复制。我们认为理性选择分析是万能的，为服务于搜索-推断框架而积累大量心智模型，才是做决策的「最佳」途径。

然而，一个耐人寻味的事实是，美国军方正是运用 RPD 模型来训练和分析战场决策情境的。NDM 领域源于心理学家加里·克莱因（Gary Klein）在 90 年代为美国陆军行为与社会科学研究所从事的研究。在 70 年代和 80 年代，美国政府曾斥巨资投入决策科学研究——即基于理性选择分析的传统模型——并利用这些研究成果为战地指挥官开发了昂贵的决策辅助工具。

但他们发现，在真实战场上，根本没人用这些工具。军方耗费了十年光阴和巨额资金，换来的却是毫无用处的研究。他们需要一种全新的方法。（引自加里·克莱因《力量的源泉》（Sources of Power)）第二章）。

专家如何决策

RPD 模型描述的是从专业知识中涌现出的决策模式。这是一个巨大的差异点，因为经典决策科学的大部分成果，都建立在针对普通人的行为实验之上。该模型如下：

假设一位专家在现实世界中遇到了一个问题。RPD 模型的第一步是识别：专家在变化的环境中感知情况，并将其与一系列原型进行模式匹配。她的经验越丰富，其内隐记忆中储存的原型或类似情境就越多。

这个识别过程会即刻产生四样东西。第一是一组「预期」——专家对接下来会发生什么有了一定的预判。例如，在火场中，经验丰富的消防员能判断火势走向以及险情可能如何发展；经验丰富的程序员扫一眼代码，就能预见某个设计在数月后是否会引发问题；一位经理在午餐时听到两条不相干的信息，就能预测到两个月后的生产延误。

第二是一组合理的目标——即需要优先完成的任务。在生死关头，排长必须在保全部队生命、抢占有利掩护和完成任务目标之间权衡。他所识别出的情境原型，会立刻告诉他在当前状况下的优先次序，从而解放认知资源去进行其他思考。

第三是一组相关的线索。新手面对混乱局面时，注意不到专家所能捕捉到的关键信息。在评估动态环境时能注意到关键线索，是经验带来的裨益之一，也是避免信息过载的必要能力。想想学开车：起初，你会对仪表盘、按钮和后视镜的数量感到不知所措；几个月后，这些操作便凭直觉完成，开车时你只会留意环境中的特定线索。

最后，但同样重要的是，专家的脑海中会生成一个行动序列，有时被称为「行动脚本」——它以一个完整方案的形式浮现出来。

RPD 模型对内隐记忆的高度依赖，意味着整个过程在电光石火间完成。想一想你如何认出走进房间的是朋友「玛丽」或「乔」。面部识别是一项内隐记忆任务，信息「神奇地」自动呈现给你。同样，专家在面对工作难题时，也会瞬间完成识别并产生上述四项副产品。克莱因的研究团队在最初访谈消防员时发现，他们常坚称自己并没在做决策，而是抵达火场后，立刻就知道该做什么。

当然，这并非全貌。当情况不明，或初步判断有误时，会发生什么？以下是《力量的源泉》中的一个故事，展示了接下来的情景：

「火情初报显示，一栋四层公寓楼的地下室起火，一级火警。指挥官迅速赶到，却未见异常，没有任何烟雾迹象。他找到大楼侧面的地下室入口，进入后发现火焰正沿着洗衣槽向上蔓延。情况很简单：垂直火势，会直线上窜。由于外部无烟，火灾肯定刚发生。
应对垂直火势的方法，是在其上方往下喷水。于是他派一队人到一楼，另一队到二楼。但两队都报告火势已越过他们。指挥官走到室外，绕到大楼正面。这时，他看到屋檐下冒出了浓烟。情况昭然若揭：火势已直冲四楼，遇到天花板后，浓烟被压回并灌满了走廊。鉴于他一分钟前抵达时还无烟，这必定是刚刚发生的。
既然速战速决的机会已失，他很清楚下一步该怎么做。他需要切换到搜救模式，疏散楼内所有人，并拉响二级火警。之前的行动焦点是洗衣槽旁的侧门楼梯，现在，注意力转移到了作为疏散通道的正门楼梯。」

决策发生在哪里？消防员看到一个情境——垂直火势——并立刻知道该怎么做。但几秒后，他推翻了这个判断，因为他识别出了一个不同的情境，并下达了另一套行动指令。

在理性选择理论看来，这位消防员根本没做任何决策，因为他没有在多个选项间进行比较。他只是在解读环境并采取行动。然而，克莱因及其同事认为，决策仍然发生了：在故事的多个节点，消防员本可以从一系列选项中进行选择。他每次只考虑一个选项，并不意味着他没有做决策，而只是说明他以线性的方式逐一评估选项，找到第一个满意的方案，然后立即执行。

从这个过程中，可以得出两个结论。第一，当我们做决策时，我们天生就倾向于一次只考虑一个选项。只不过专家生成的第一个选项，通常对实现其目标而言已经足够好。在许多现实世界的情境中，找到最优解并非至关重要——赫伯特·西蒙认为，实践者努力寻找的是第一个能满足一系列目标和约束的解决方案，而非问题的最优解。他称之为「满意即可」（satisficing）；这正是此处发生的情况。

即便如此，在一个规则领域（如国际象棋）中，通过足够多的练习，确实可能产生最优或近乎最优的决策。当克莱因的团队研究国际象棋特级大师时，他们发现大师们大多数时候也是一次只评估一个选项，仅在少数情况下才会与第二个选项进行比较。然而，他们的大部分决策仍被认为是接近最优的。

第二个结论是，我们一次只考虑一个选项的倾向，使我们容易陷入搜索-推断框架的第一种失败模式：即未能进行充分的搜索。这是一个很好的观点，RPD 模型也解释了为何思维谬误会如此系统性地影响我们。但克莱因指出，如果你身处一个可以建立专业知识的领域，解决方案不是去学习那些会拖慢节奏的审慎决策技巧，而是走出去，建立你自己的专业知识框架。

无论如何，我们需要更新 RPD 模型，加入诊断环节。在 RPD 模型的第一步，原型识别会产生一组预期——专家预判会发生的事。当预期与现实不符时，消防员会立刻回到原型识别的步骤。

这就完了吗？不。这个模型还有最后一个部分，用以解释专家如何解决问题，尤其是那些新颖的、有时极富创造性的问题。在这种情况下会发生什么？答案是：当一个新颖或复杂的情境出现时，专家会生成一个行动序列，并在脑中进行模拟。如果在模拟中发现问题，她会推倒重来，换一种方法再次构思解决方案。这个过程会持续，直到专家找到一个可行的方案。如果专家未能想出可行的方案，她会退回到诊断阶段，审视自己是否在解读情境时遗漏了什么。

我们最终的 RPD 模型现在是这样的：

我应该指出，RPD 模型对我而言还有一个重要的价值：经过多年以自我提升为目标的探索，我终于找到了一个可用的模型，它捕捉到了专业知识的精髓。

启发法是优势，而非弱点

敏锐的读者会发现，在专家手中，那些在理性选择分析中被视为偏见来源的启发法，在 RPD 模型中却被视为优势。

卡尼曼和特沃斯基在 1973 年提出的可得性启发法，指的是我们会将工作记忆中最容易提取的信息用于思考。在实验室里，不知情的受试者依赖于最容易想到的信息做判断，结果大错特错。而在现实世界中，处于「规则」领域的专家，则从丰富的感知知识库中汲取信息，做出快速而正确的决策。

同样由卡尼曼和特沃斯基在 1973 年提出的代表性启发法，指的是人类倾向于选择错误的代表性样本来构建判断。在新手手中，这种启发法会导致他们做出离谱的概率估算。然而，在能形成专业知识的领域，专家则运用代表性启发法，快速地与原型进行模式匹配，并在评估复杂、动态的情境时，选取正确的环境线索。

最后，卡尼曼和特沃斯基的模拟启发法，被专家用来构建强大的解释模型，并准确地模拟其行动的后果。这两者都需要深厚的经验积淀；让新手去模拟动态环境中行动的后果，他们通常做不到。在卡尼曼和特沃斯基的研究中，模拟启发法被用来解释为何人们会偏好那些更容易想象或在脑中模拟的信息。

RPD 模型是系统 1（直觉思维）的产物，还是系统 2（审慎思维）的产物？正确答案是：两者兼有。最初的原型识别是系统 1 的结果，但后续的线性评估和模拟过程则是审慎的，属于系统 2。它运用了卡尼曼和特沃斯基所记录的启发法，但这只是实现细节。这并不意味着 RPD 模型有缺陷。事实上，克莱因的方法令人耳目一新：他认为 RPD 模型捕捉了人类自然的思考方式，与其采用那些不自然的、外显的决策科学方法，我们更应该在我们已有的基础上加以精进。

克莱因还认为，认知启发法与偏见研究项目描绘了一幅不完整的图景：它低估了专业知识在判断与决策中的重要性。在专业知识确实存在的领域，我们不应与诸如编造故事解释现象这类自然冲动对抗，而应理解每种工具的优缺点，并因地制宜地使用它们。

为卡尼曼辩护一句，我必须指出，他和特沃斯基从未说过启发法一无是处。相反，他们一直认为，启发法的存在正是因为它们在绝大多数情况下都行之有效。只是我们在解读他们的研究成果时，似乎忘记了这一点。2009 年，卡尼曼与克莱因就此主题合著了一篇论文，题为《直觉性专业知识的条件：一场未能达成一致的“辩论”》，两人在文中阐述了各自领域的研究方法，并明确了在何种条件下，专家的判断是可信的（或不可信的！）。

在这方面，他们借鉴了罗宾·霍加斯（Robin Hogarth）、安德斯·埃里克森（Anders Ericsson）和詹姆斯·尚托（James Shanteau）的研究。尚托在其关于专业知识条件的论文中提出了以下特征。（我从 LessWrong 社区的斯图尔特·阿姆斯特朗那里复制了此表格）：

然而，我需要指出，尚托的特征列表所代表的属性，是处于一个连续的光谱之上。克莱因等人考察了各种领域，在这些领域中，专业知识与主观分析、动态刺激，乃至需要「对行为做出决策」的情况并存。因此，卡尼曼和克莱因在他们的论文中，将形成专业知识的条件简化为两点：第一，该领域必须能为情境的性质提供足够有效且规律的线索；第二，必须有充足的机会去学习这些线索。

例如，消防员在一个有规律可循的环境中工作——总有某些一致的早期迹象预示着建筑物即将倒塌；也总有某些一致的早期迹象预示着早产儿正在抵抗感染。相反，卡尼曼、克莱因和尚托一致认为，选股是一项高度不规律的活动：

……不大可能有公开信息能用来预测某只股票未来的表现——如果真有这种有效信息，股价早已将其反映。因此，相比于相信交易员对某只股票的直觉，我们更有理由相信经验丰富的火场指挥官对建筑物稳定性的直觉，或护士对婴儿状况的直觉。

在本系列的前面，我曾说过，芒格的普世智慧方法或许之所以有效，是因为选股的反馈循环比其他领域更清晰。现在我意识到我错了：恰恰相反，芒格之所以推荐依赖理性决策分析，正是源于在选股领域建立专业知识的困难性。换言之，专家直觉在股票投资中几乎无用武之地，因此芒格理所当然地看重巴伦等人所倡导的那些规范的决策工具。

还有哪些领域会受此影响？在 1992 年的论文中，尚托列出了以下职业（并结合了卡尼曼和克莱因的一些例子）：

我们该从这些结果中得出什么结论？最显而易见的观点是，如果你身处一个环境不规律、反馈机会稀少的领域，那么你应该专注于我们在第三部分讨论过的那些工具理性心智模型。你应该保护自己，避免陷入搜索-推断框架的三种错误；你应该根据决策过程而非结果来为自己打分；你应该坚持写决策日记；并且你应该构建自己的心智模型网格。

但反过来想：如果你不在选股这类领域，或许你根本不该按芒格说的那样做。

审慎决策究竟有多糟糕？

此刻，我们有必要停下来问一句：为什么在能形成专业知识的领域，建立专业知识如此重要？为什么我们不能简单地将理性决策分析应用于一切？

答案是，Farnam Street 和芒格所推荐的那种审慎决策，慢得令人难以置信。还记得第三部分巴伦的话吗：「搜索本身就是负效用！」你必须通过理性选择分析来进行的搜索过程，是一个极其细致、外显的过程，每一次使用都必然带来一定量的负效用。

在消防、飞行或急救等领域，由于其时效性，理性选择分析并不可行。但这对其他领域的我们同样有启示。在存在专业知识的竞争性领域，那个停下来反复权衡每个决策的人，永远会被那个已经对该领域建立起直觉心智模型的专家击败。专家可以依靠直觉来指导搜索，而新手不能。

决策的速度和准确性，不只是一项竞争优势——它会带来一系列相互关联的优势。克莱因等人记录了专家因其深厚的隐性知识而在八个方面超越新手的表现：他们能看到新手看不到的模式；他们能比经验不足者更早地注意到预示事件的异常；他们在整个问题解决过程中保持良好的态势感知；他们深刻理解领域内事物间的相互作用；他们能看到他人看不到的机会和即兴发挥的可能；他们能模拟近期将发生的事件或推断刚发生的事件；他们能感知到新手无法察觉的细微差异；并且他们能清楚地认识到自己的局限性。（引自《力量的源泉》第十章）

事实上，在许多情况下，克莱因指出，在能形成专业知识的领域里，那些执着于理性选择分析的实践者，恰恰是新手，而非专家。他们之所以别无选择地进行选项比较，是因为他们还不知道如何快速、直观地解读情境。克莱因的大部分工作，就是开发培训项目，帮助新手摆脱审慎决策的束缚——因为他注意到，如果新手从未有机会训练他们的直觉，他们的学习速度将永远受限。

因在组织决策领域的研究而获诺贝尔奖的赫伯特·西蒙，也提供了另一个理由，说明为何单靠理性选择分析无法带来最优结果。西蒙认为：决策者受制于「有限理性」。即通过收集并分析所有事实来做出任何重要决策，都是不可能的。事实太多，事实的组合方式也太多。决策越复杂，组合爆炸的程度就越大。

克莱因还引用了一系列正在进行的研究，这些研究表明，缺乏专业知识的决策会导致糟糕的结果。他在《直觉的力量》（Power of Intuition）中说：「越来越多的证据表明，那些不信任或无法信任自己直觉的人，是效率更低的决策者；而且只要他们排斥直觉，他们就注定如此。任何试图将分析置于直觉之上的努力，都将是徒劳且适得其反的。」最后，克莱因满意地指出，决策科学领域正慢慢地在专业知识、偏见规避和理性选择分析之间寻求一种平衡。

现在的问题是，这对我们意味着什么？ 至此，研究介绍结束，个人评论开始。

一些个人感悟

我相信，我们大多数人都在卡尼曼和克莱因所称的「分块化专业知识」（fractionated expertise）领域工作。（在 2009 年的论文中，他们表示相信大多数领域都是分块化的）。分块化专业知识意味着，一个实践者可能在领域的某些技能上拥有专业知识，但在另一些技能上则没有。卡尼曼和克莱因写道：

……在应收账款等「硬」数据方面具备专业知识的审计师，在处理欺诈迹象等「软」数据时可能表现得差得多（……）在大多数领域，专业人士偶尔需要处理他们没有机会掌握的情况和任务。众所周知，医生会不时遇到全新的诊断难题——他们在某些诊断上是专家，但在另一些诊断上则不是。

这解释了为什么医生、护士和审计师会同时出现在尚托的列表的两侧：

卡尼曼和克莱因指出，优秀的医生通常拥有一种「直觉能力，能意识到病例的特征不符合任何熟悉的类别，并要求进行审慎的搜索以找到真正的诊断」。也就是说，他们知道何时从 RPD 模型切换到理性选择分析。

他们合著的论文中最有力的教训是，在具有分块化专业知识的领域，认识到自己在何处是专家、何处不是，至关重要。专家直觉所产生的自信感，无论你是否真的具备专业知识，感觉都同样强烈。但这并不否定从一开始就去培养专业知识的必要性。

这与我的实践有何关系？从 2014 年到 2017 年，我在新加坡和越南为一家小公司负责软件工程。我相信，管理和商业就是一个具有分块化专业知识的领域，因为这与我的经验相符。

在我之前的公司，我常被要求为大型客户项目提供意见，或在一年中的某些节点与老板讨论业务战略。在这些情况下，我们会进行理性选择分析，并花时间调整我们的推断。但我注意到，在某些类型的决策上，我们似乎随着经验的积累而进步；而在另一些类型的决策上则不然。

在工程部门的日常管理中，我开始得心应手，能够领导我的部门为公司开发软件。为了这个目标，我建立了一套管理的心理模型——通过读书、寻找导师，但最重要的是，通过将他人的建议改造为一系列测试，并应用到我负责的公司部门中。每一次失败，都让我对技术背后的原则有了新的理解，也明白了它们为何可能或不可能适用于我的独特情况。我还构建了关于公司内部运作的良好心智模型——同样，主要通过试错。最终，我能够预测销售、工程和客服部门之间潜在的问题——常常比这些部门的同事更早发现。我在不断壮大的公司内部培养了信息源，当我发现销售流程开始给工程和客服带来麻烦时，我会对其进行微调，并完善了一套可以成文并传承下去的招聘流程。我成了老板运营中不可或缺的一环；三年后，我们的年收入从两年前的 30 万新元增长到了 450 万新元。

请注意，在所有这些情境中，对达尔文进化论的理解或对热力学的掌握，对我毫无帮助。最有帮助的是建立专业知识；而管理的专业知识，不是靠广泛阅读建立的。它靠实践建立：通过分解技巧、应用它们、并反思失败。它靠寻找导师建立：向他们请教针对你情况的建议，观察他们在给出建议时的思考方式，然后在采纳建议时模拟他们的思维。

对我成功最重要的心智模型，是我对公司的预期模型，对产出结果的流程的预测模型，对可能导致误解的信息流的归类模型，以及——更晚些时候——对新加坡市场整体格局和竞争对手性质的分析模型。一旦我拥有了这些心智模型，我发现自己能毫不费力地解决工作中的各种难题。

举个简单例子。在我聘请了第一位人事主管后不久，她问我工程部内可能存在哪些潜在问题。我停顿片刻，然后向她解释了正在形成的团队动态、因我新聘一位团队经理而将导致的沟通问题、某个团队相比另一个团队在工程流程上的缺失及其后果。我还解释了我为防止某些问题恶化而正在采取的干预措施，以及我对每项措施成功可能性的信心（或疑虑）。人事主管听后印象深刻，但我却面临一个难题：如何将我这些内在的心智模型传授给她。我发现这很难做到。

就在那时，我开始怀疑芒格的建议有问题。

为什么对我而言，建立专业知识和构建隐性的、个人化的心智模型，比构建一个通用的、描述性的模型网格更重要？一个可能的答案是，在大多数领域的底层，审慎决策的重要性较低，而专业知识的重要性更高。我当时很少被要求做战略决策；随着公司的发展，这种情况改变了。我预计，随着职位提升，你进行优质审慎决策的能力会变得愈发重要。

话虽如此，不妨将我的故事与克莱因的朋友的故事（来自《直觉的力量》第一章）做个对比：

「想想我认识的一位前高管，他曾领导一个庞大的组织，以工作细致著称。他一路晋升，最终被任命为一个部门的负责人。也正是在那时，大家才意识到他那细致入微的优点也有其弊端——他不愿意用直觉做决策。他必须收集越来越多的数据，必须权衡每个选项的所有利弊。他拖延、纠结，把整个组织折腾得够呛。他从未错过任何关键的截止日期，但他日常的优柔寡断却消磨了士气，错失了良机。经过十年的管理不善，他退休了，同事和下属都松了一口气。接着传来消息——他被诊断出患有前列腺癌。幸运的是，医学已为前列腺癌开发出一系列疗法；不幸的是，患者必须决定接受哪种疗法。在我写下这些文字时，距离他确诊已过去十个多月，这位前高管仍未决定治疗方案。他正忙于获取更多数据，评估他的选项。」

你认识这样的人吗？反之，你认识那种完全凭直觉和感觉行事的人吗——那种不做分析就做决策的人？你认为他们结果如何？你认为正确的配比是什么？

试错，与华人商人之谜

最后还有一个方面。我在第二部分提到，在定义模糊的领域，试错是主导的问题解决策略。我也在第三部分开篇讨论了试错的失败模式。

现在，我们将这两条线索串联起来。我认为，试错是我们大多数人在职业生涯中建立专业知识的方式——这是许多实践领域缺乏理论和洞见的直接结果。即使是那些理论基础扎实的领域的从业者——如医学、工程或编程——也必须花费大量时间通过经验和实践来发展专业知识。

专业知识，恰恰就是马利·蠢哥们工具箱里的那套方法：

追求建立专业知识，我们可以选择系统性地进行，也可以选择随波逐流。我注意到，我的一些非常聪明的朋友，似乎并未从他们的经历中学到有益的教训。而另一些人，则通过复盘过往的经历和决策，不断学到新东西。从个人观察来看，后者的麻烦似乎比前者少。

我也观察到，在涉及情绪的情况下——比如与我觉得「难相处」的人打交道时——我并不擅长选择试验或吸取教训。我发现，在评估一次经历时，为了校正盲点，我常常需要征求他人的第二意见。我也注意到，当类似问题再次出现时，我需要有意识地调整我的方法。

我认为，将工具理性的方法应用于试错过程本身，大有可为。在试错的每个阶段，进行恰当的搜索-推断式思考，来评估：

• 是否存在让你彻底出局的风险？
• 若本次试验失败，是否能从中获得足够有价值的信息？
• 是否能提炼出更具普适性的教训？
• 未来若再遇到类似问题，是否有可供识别的显著特征？

你如何知道自己正在进步？对此，我认为我们应该观察真正的实践者是怎么做的。在《原则》一书中，瑞·达利欧建议，我们可以用生活中遇到的问题的类别来衡量我们的进步。也就是说，虽然你可能无法立即评估一次试错周期的结果，但假以时日，你可以观察同类问题是否变得更容易处理。如果你发现某一类问题对你已不再构成太大挑战，那么你就可以断定，你积累的「原则」或方法是有效的，并且你已经取得了进步。

自从我开始应用达利欧的思想以来（我 2011 年读了他那本书一个格式糟糕的早期 PDF 版本），我用这个方法取得了巨大成功。达利欧处理了人们在试错周期中可能遇到的大多数问题。事实上，我敢说他的方法为工具性决策提供了一套有效的指导性模型。他称他的试错方法为「五步流程」（YouTube 视频在此）。

最后一点，我认为克莱因的 RPD 模型和塔勒布对试错本质的观察，为「传统华人商人」之谜提供了一个合理的解释。我目前的假说是：如果你在试错周期中足够理性，并且在一个像商业这样的分块化领域中建立专业知识，那么最终应该会发生两件事。第一，商业的分块化特性意味着，你最终会围绕领域内的规律性建立起直觉——比如招聘、留住员工、评估交易和与供应商谈判。第二，试错的本质决定了，在足够长的时间里，你终将获得成功。

在孤立地审视下，每一个单独的决策是否体现了良好决策的原则，这并不重要。很明显，传统华人商人用直觉和「感觉」来指导决策——这在某些商业领域行得通，在另一些则不然。但只要他们从不触犯试错的基本规则（即，冒着彻底出局的风险），他们所处环境的正凸性最终会发挥作用。他们终将获得成功。

整合一切

那么，让我们终于把所有线索串联起来。你该如何将心智模型付诸实践？

首先，我们来谈谈信念。

你是一位政策制定者吗？或者，你是否有兴趣持有更好、更准确的信念——尤其是那些无法通过个人经验检验的信念？例如，你是否想对诸如「气候变化是真实的」、「移民对经济有益」或「死刑给国家带来的成本大于社会效益」等议题，形成经过深思熟虑的观点？

如果是，那么你需要提升你的认知理性。阅读那些与评估信念、克服认知偏见相关的思维心智模型，并去 LessWrong 社区查找克服这些偏见的指导性模型。然后，广泛阅读，深入思考，并（如沙恩所言）为拥有一个观点付出必要的努力。

其次，如果你感兴趣的是为了更好的决策而实践心智模型，那么你必须先问自己：你所在的领域，是否有利于专业知识的形成？还是说，它是一个极不规律、甚至可以被称为「棘手」的领域（如 Hogarth, 2001）？或者，你是否像我们大多数人一样，身处一个具有分块化专业知识的领域？

如果你属于一个不利于形成专业知识的领域，那么你或许应该像 Farnam Street 所建议的那样：坚持写决策日记，使用检查清单，构建心智模型网格，并且——正如我们从第三部分^[3]所知——避免良好搜索与推断的三种错误。你无法根据结果来评估决策（因为有运气成分），所以你应该根据事后反思中发现的思维错误来评估你的决策过程。

当你需要做出自己缺乏专业知识的决策时，这些方法也同样重要。例如，我们大多数人在选择人生伴侣、职业或为孩子择校方面，都谈不上是专家。在这些类型的决策中，审慎的思辨式决策，以及更广泛的心智模型，或许都能派上用场。

话虽如此，我认为每一位对决策感兴趣的人，都应该关注专家直觉的本质。美国军方（2003年）将直觉决策纳入军事条令，以及为士兵、护士和消防员开发的基于 NDM 的培训项目的兴起，都极具说服力。我们大多数人日常使用的决策模式是基于识别的决策，而非理性选择。我们应该密切关注我们实际在用的东西，并设法去改进它，而不是去改进那些我们被告知要用（却很少用）的东西。

我在《心智模型的谬误》一文中批评心智模型教育的核心在于：我们能学到的最有价值的心智模型，其本质是隐性的。我断言，这些模型是领域特定的，是根据个人现实构建的，并且是通过实践建立的。因为，实践是获得专业知识的途径，而构成专业知识的那些知识类型，永远是隐性的。

我不相信芒格和巴菲特毫无专业知识（我怀疑也没人会这么说！），但我也不相信芒格「广泛阅读、建立心智模型格栅」的建议是他成功的唯一原因（甚至主要原因！）。我认为——即便是在选股这个难以形成专业知识的特殊领域，芒格和巴菲特也拥有分块化的专业知识池——例如，在快速分析财务报表、评估管理团队、判断合作伙伴，以及为他们的投资应用或开发决策工具等方面。

在这一点上我可能错了，毕竟我不是伯克希尔公司的研究学者。欢迎指正。

下周，我想将注意力转向建立专业知识。具体来说，我想谈谈克莱因等人为训练士兵、消防员和护士的 RPD 决策技能而开发的那些训练方法。在建立专业知识时，经验是良师，但也是劣师，因为获得经验的机会太少了。那么，在缺乏经验的情况下，你该如何训练直觉呢？

让我们拭目以待。

前往第五部分：技能提取

Thoughts Memo 汉化组译制
感谢主要译者 gemini-2.5-pro，嵌字 nano-banana-pro，校对 Horla lu、Jarrett Ye
作者：Cedric Chin
原文：Mental Models: Expert Decision Making - Commoncog
初版于 2019 年 1 月 6 日，最后更新于 2025 年 7 月 29 日。

← 返回目录