认知无法通过学习提升。提升认知的唯一途径,是实践。比如有一个非常重要的认识是:少刷手机对身心健康很重要。这个认知,你看到后,无论认不认可,都只是一条信息。
从信息转换成认知,需要先相信,然后行动。比如睡觉前,实现人机分离。
或许你会觉得人机分离没啥,靠自己的意志力,能做到哪怕手机放床头,也能不受诱惑。
然后真正有认知的人,会会心一笑,会真的把手机远离床头。然后每天都能美美睡一觉。
行动之前的感触,是共鸣。
行动之后的感触,叫认知。
社交媒体的作用,是寻求共鸣。然后偶尔在一万个共鸣里,有一个能触发行动。在行动后,偶尔能提升认知。
莫把共鸣当认知。
去行动起来。
思维方式
搜集一些有趣的思维模型,指导自己发现不一样的思路
严肃的,知识诚实的复盘应当这样操作:
询问 AI:为什么某个股票或者资产在某年被大众严重低估(因此导致后面几十倍的增幅)?当 AI 详细的列出几个当时被低估的具体原因后,再继续询问:
如果当时根据我所得到的信息,我是否可以看得比别人更远?我收集哪一类的信息,有可能看得比别人更远?我到什么(以前没有意识到的)场合,可以高效的搜集到这样的信息,进而得到置信度比较高的结论?这个公司的股价曾在某年某月发生暴跌,当时的背景和直接原因是什么?我在那种情况下,会不会也跟着恐慌性抛售?如何通过调整自己的思维模型,关注问题的角度,和信息管道,来避免被裹挟而恐慌?等等。
问了五到十个问题之后,要么会最终承认:这个机会,当时的条件确实没法抓住。要么得到明确而有效的建议,对之前忽略的,某些特定场合,特定类别的信息更为敏感,帮助自己更有效而遥遥领先的做出置信度比较高的预测。
有效信息的搜集和分析,比真正吭哧吭哧干活还是要轻松至少一个数量级,而且有些方法论可以推广别的行业。
我很喜欢这种巧妙的分类框架 —— 我们平时太容易把相似的东西混为一谈,而一个好的分类能帮我们把事情本身理清楚。
比如《没有银弹》里把复杂性分为「偶然复杂性」和「本质复杂性」。
再比如知乎上的一个问题 《为什么不能说 20℃ 是 10℃ 的两倍?》:在统计学中,数字其实分四种尺度,而摄氏度属于「定距数据」—— 有顺序、能比大小、差值有意义,但比例没意义,所以只能加减、不能乘除(不过可以算平均值)。
想问题的时候,“大概一想” 是最爽的,又轻松,又快乐。如果仔细想,一来费脑子,二来可能会发现一开始想错了,又不轻松,又不快乐。但如果你希望自己能把事情想得清楚一点,有一些做起来并不困难的基本方法。当然,费脑子可能还是会费脑子的。
比如,你觉得某某是错的,不要到此为止,而是更进一步想清楚:具体什么地方错了?为什么是错的?如果你觉得某某是坏的,具体什么地方坏?为什么是坏的?如果你觉得某某造谣,具体造了什么谣?说了什么谎言?想问题的时候,尽可能用包含 “因为” 和 “所以” 的句子来给出判断的理由。如果你的理由类似 “因为某某 XX,所以某某是坏的”,那么再想一想是不是对于任何事物,只要 XX,就是坏的?如果不是,为什么某某 XX 就是坏的?
能坚持这样做,就超过大多数人了。更严谨的思维未必能帮你赚钱,但可以少糊里糊涂地随波逐流,少受蛊惑,少受骗。这当然不会很容易,我也做不到在每个问题上都能避免 “大概一想”。
养成费米估算的习惯,主动查证关键数据,并运用上下限分析法。我注意到许多我认识的最聪明的人都会这样做:他们不会轻信任何说辞,而是自行验证其合理性。例如,听到某个事实时,他们会亲自查证以确保属实 —— 因为人们引用的内容常常存在虚假或片面性。
大多数人根本不这样做 —— 他们不进行 “量化思考”,结果很容易上当受骗。推特上时不时会流行这样的梗:“如果伊隆把造火箭的钱分给每个美国人,等等” 这类言论会疯传,就是因为人们没有算账。
费米估算由物理学家费米提出,他曾在课堂上问学生:“芝加哥有多少钢琴调音师?”—— 没人能查数据,但通过拆解估算,答案数量级和实际值高度吻合 。
- 芝加哥人口 ≈ 300 万
- 平均家庭 4 人 → 75 万户
- 约 1/3 户有钢琴 → 25 万台
- 每台每年调 1 次 → 年需求 25 万次
- 调音师每天 4 单、每年 200 天 → 每人年处理 800 单
- 25 万 ÷ 800 ≈ ~300 人
- 实际登记数约 200-300 人,数量级完全命中。
费米估算的原理:
- 降维拆解:把未知问题拆成可拍脑袋的子问题
- 数量级优先:关注 10^n,不纠结 ±30%
- 交叉校验:用不同路径算同一件事,看是否落在同一量级