起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識透過現象看本質（3）：認知目的在于有效
認知的最終目的，并不一定是為了正確，而是為了更有效的預測事物發展。
在上一篇筆記中，我們否定了本質論——任何事物都有一個唯一的本質。
本質取決于分類標準，取決于觀察的角度。還記得我們第一篇筆記吧，分類之后是歸類，歸類是為了預測。一個類就是一個模型，一個模型會有很多特征，而“本質”就是其中起決定性的某些特征的概括。一個事物，可以被套用到無數個模型中，因此可以有無數個本質。
假裝我們有個朋友叫小明吧。小明的本質是什么？
- 當我們以性別來分類的時候，小明的本質是個男人，因此可以預測，小明會具有“男人”模型的典型特征：喉結、粗嗓音、會娶媳婦等等；
- 當我們以職業來分類的時候，小明的本質是公司老板，也可以預測他會具有“老板”的諸多特征；
- 當我們從化學角度來看時，小明本質就是一坨有機物和水的混合體；
- 當我們從生物學角度看，小明是出生在新生代第四紀全新世的人科智人……
小明并沒有一個唯一的本質，他的本質取決于你將他套用到哪個模型中。
一、
上篇筆記發出來后，有個睿智的朋友評論道，如果不存在唯一的本質，看事物有很多維度，那是否可以說，每個維度都可以有一個確定的本質？
這是個好問題！
讓我們回到問題的源頭，本質是從何而來？請原諒我重復下前面講過的，我們為了更高效地認知世界，我們從一個個地認知升級到了一類一類地認知，于是便有了分類。一個類就是一個模型，而“本質”就是其中起決定性的某些特征的概括。也就是說，本質源于模型。我們講過，認知有三個步驟，第一個步是建立模型。
二、
那么，模型從何而來？人類的知識從何而來？
從個體學習角度來說，有三種方式：隨機學習、模仿學習、思考學習。本文暫不展開，埋個伏筆，后續講到如何提升認知的時候再回來細說。
從知識創造角度來說，有歸納、演繹、類比等?，F在有一種流行的說法：演繹比歸納和類比更高級（甚至有說，西方擅長演繹而中國擅長歸納）。實際上，歸納、演繹、類比，各有各的作用，也各有各的問題。
歸納法，就是從我們可見的各種事實，各個例證里面，從事實經驗的觀察里面提煉出一個模型來。我們之前說的“紙張”模型，就是通過歸納法提煉的。如果我們觀察了一萬只天鵝都是白的，我們便傾向于歸納出所有的天鵝都是白的。歸納法的問題和演繹法正好相反，我們可以確信我們觀察到的現象，只是中間的推導過程，卻沒有邏輯保證。10000只天鵝是白的，并不能推導出第10001只天鵝也是白的。
但我們并不能因此全盤否定歸納法，事實上，正是主張觀察、實驗的歸納法拉開了近代科學革命的序幕，把人類從中世紀經院哲學中喚醒。培根是近代歸納法的鼻祖，他將歸納法視為科學發現的鼻祖。牛頓同樣認為：“在實驗物理學上，一切定理均由現象推得，用歸納法推廣之?！?/p>
演繹法的典范是歐幾里得幾何，從幾條簡單的公理出發，一步步推導，得出無數條定理，每一步證明和推導都無懈可擊。這種充滿形式美感的思維方式，獲得了大量擁躉。演繹法的優勢在于能夠做到“長程推理而不失真”，只要前提成立，推理無誤，最終的結論也一定是正確的。因此，整個現代科學的大廈就在演繹推進之下建立起來。
三、
演繹法的缺點在于，如果演繹的起點，也就是大前提有問題的話，無論你的邏輯是如何嚴密，最終的結論也一定是錯的。我們所有的學科，往前倒推，直到這個學科的最基礎的前提假設——也就是Elon Musk 提倡的第一原則（First Principles）。維基百科中定義道，第一原則是一個基本的，基礎的，不言自明的命題或假設，是不能從任何其他命題或假設推斷出來的。
遺憾的是，人類所有學科的第一原則，或是基于歸納（比如牛頓力學、進化論），或是基于不言自明的公理（幾何學）。前者，我們剛才已經談過了，歸納得出的結論，并無邏輯保證。后者呢，干脆放棄了論證，直接宣布為是不需要證明的命題——就是這樣，你相信就是了。
那么，出于理性， 我們不能簡單地把基于演繹得到的東西，絕對化為真理。實際上，提倡第一性原理的Elon Musk本人并沒有這么做——我們在學習他的方法論時，更不應該這么做。Elon Musk認為從推理得到的模型也并非是唯一真理，他說：“物理學是真實的，其他一切都是有爭議的，甚至物理學也是值得懷疑的”（2016.7 在Gigafactory典禮上的講話）?；诖?，他認為，基于演繹獲得的模型，并不是認知的終點！更重要的是，一定要建立個順暢的“反饋回路”（Feedback loop），要鼓勵人們（甚至他認為要“哄騙”）給你負面反饋，而且根據實際情況不斷地修正、迭代模型。
讓我們看看Elon Musk原話怎么說：
第一性原理究竟是什么？它意味著將事物抽絲剝繭到最底層的原理，或者詢問什么才是這個事物最底層的原理，然后從底層原理開始向上推導，最后還得有一個良好的反饋回路。
反饋回路，我的意思是說，你看到發生了什么，并相應地進行調整。然后，我認為，重要的是要特別注意負面的反饋意見，因為人們（特別是朋友）通常不愿意給你負反饋，因為他們不想傷害你。
他們不愿意這樣做是因為，大多數人在得到負面反饋時受到傷害。這并非不合理。所以，你實際上必須哄騙人們給你負面的反饋。
鼓勵負面反饋，仔細聆聽，收到后不要以不良的方式做出反應。這真的很重要。
來源：Elon Musk Panel BTA 2012 基于谷歌翻譯做了點修改（現在基于深度學習的翻譯技術太牛了，太好用了）
四、
因為Elon Musk講到第一性原理的時候，拿“類比思維”做了個對比。很多人就聽風便是雨，覺得演繹推理是最好的，而類比思維就是垃圾。但演繹、歸納、類比都是我們的思維工具。查理·芒格提倡多元思維模型，他常說：“當你手上只有一樣工具（錘子）的時候，看世界上所有問題都像釘子（都想用錘子敲一下）?！?/strong>連恩格斯同學都說：“（歸納和演繹）不應犧牲一個而把另一個捧上天去，應當把每一個都用到該用的地方?！?/strong>
而事實上，類比思維很重要，甚至可以說，它是人類最基礎的思維方式。類比的一種是隱喻。認知語言學認為：我們思考的基本單位——詞語，大部分都是基于隱喻的：電腦——電的腦；山腳——山的腳；河口——河的口……
隱喻，可不只是一種文學修辭方式，而是我們認知世界的方式——我們所有新的經驗、認識都是基于原有經驗的類比。這種類比，會喚起我們對原有經驗各個方面的記憶。比如，很多文化中都有“爭論是戰爭”的隱喻。因此，我們會說：
- 我要捍衛我的觀點！
- 他這么說你，你怎么不反擊？！
- 我在跟他爭論中獲勝了。
- 你為什么不斷在攻擊我的觀點？
商業上，很多成功戰略的引發，就是基于類比思維：
- 90年代中期，英特爾的奔騰系列CPU在中高端市場如日中天，英特爾認為沒必要生產低端CPU。后來，英特爾的CEO安迪·格魯夫從《創新者的窘境》中鋼鐵行業的案例中得到了啟發。70年代以來，像美國鋼鐵公司這樣的大型鋼廠覺得低端市場沒有價值。這樣的認知，使得新的小型鋼廠得以從低端市場（鋼筋）切入，并不斷升級，最后在高端市場上與大廠抗衡。格魯夫通過類比，把低端電腦比做“數字鋼筋”，決定不能重蹈鋼鐵業的覆轍，因此推出了后來非常成功的賽揚系列CPU。
- 70年代，Circuit City成為美國第二大電器零售公司——美國的國美或蘇寧。Circuit City成功之處在于把原來在百貨商店里賣電器的方式，改為了像超市一樣賣產品：有大量的商品供選擇、專業知識豐富的營業員、明碼不二價。到了1993年，Circuit City認為90年代的二手車市場和70年代的電器市場類比起來，有很多相似的地方。因此，它設立了一家子公司——Carmax，用像電器城賣電器的方式來賣二手車。此舉大獲成功，后來Carmax獨立上市，并成為全球最大的二手車銷售商（世界500強）。
- 超市是20世紀30年代開創的零售業態，多次成為類比源。查理·美林依賴他作為超市管理人員的經驗，他創立了美林金融超市。
- 查爾斯·拉扎勒斯，在50年代創立玩具反斗城時，也是源于和超市做的類比。
- 文具零售巨頭史泰博的創業故事也是如此。它的創始人托馬斯·斯伯格在自傳中說，史泰博的創業就是從一個類比的問題開始：“我們可以成為辦公用品的玩具反斗城嗎？
所以，過分否定類比思維，等于自廢武功，讓你的思維工具箱白白少了一個強有力的工具。
回過頭來再看看Elon Musk的講話，或許他反對的不是類比思維，而是反對基于表象的類比，我們應該提倡深入思考事物的深層結構，在深層次上進行類比。
五、
繞了一大圈，我們繼續回到“看本質”的話題上來。演繹、歸納、類比都是我們的思維工具，都能為我們創造認識世界的模型。只是，從上文論述中，我們可以看出，無論哪種方式都無法保證我們獲得絕對的真理。
嚴格意義上來說，不要說獲得真理，連這個世界是否真的存在，我們都無法確切知道（想想《黑客帝國》）。我們唯一可以真正確定存在的，只是我們自己的思想活動（我思，故我在）。注意，千萬別誤會，這不是唯心或唯物的討論。我們在說這個的時候，并沒有否認客觀世界的存在（當然也沒說它是存在的），只是說我們無法證明它是存在的。
看到這里，或許有朋友要抗議了，明明是討論認知問題，怎么跑到哲學上去了。別急，我們馬上回來！
當我們回到認知的目的上來，這一切的答案就自然呈現了。前面說到，認知三個步驟，最后一步是預測，而預測的目的是更有效地操作。既然如此，世界是否真的存在，真理是否可以獲得，就一點都不重要了。也就是說，哪怕我所認識到的世界的本質是錯的，只要我建立的模型有助于預測，對我來說，就是好模型！你可能會說，在說胡話吧？你的認識是錯的，怎么可能預測是對的呢？且聽我舉幾個栗子。
我們都知道，哥白尼發明了日心說。當然對于地心說是巨大的進步，但以我們今天的認知來看，太陽明顯也不是宇宙中心，日心說也是站不住腳的。但這并不妨礙日心說在一定范圍內發揮預測作用，經過開普勒改進過的日心說預測能力極強，甚至開普勒因此贏得“天空立法者”的美名。
舉個現實生活中的栗子。我們都在電腦上用過地圖軟件吧，比如Google earth之類的。當我們把鼠標滾輪向前滾推的時候，地圖放大，反之地圖縮小。這時，我們建立的心智模型是我們在空中俯視地面，向前推，就像向地面俯沖，所以地面上的物體變大了。向后拉，則像飛機拉起，視角升高了，所以地面上的物體縮小了。這個心智模型并不真正反映軟件工作的真正原理，但絲毫不妨礙我們預測我們操作的結果。反而，有這樣心智模型的用戶更快學會了使用軟件。
因此，我們現在可以回答在上篇筆記后留言那個朋友的問題了。從不同的角度看事物，就會得到不同的本質。從今天的分析來看，我們還可以說，哪怕是從同一個角度看事物，我們依然可以建立不同的模型，因此可以得到不同的本質。
傳統的觀點認為，評價認知產物——模型好壞的標準，看是否有助于我們獲得真相（真理）。這樣來評價模型，只有兩種結果：對，或錯。那么，這樣的標準事實上為我們的認知人為地設置了終點——關于這個事，已經有了個正確的模型，不需要再研究了。
但從我們今天論述來看，我們的認知工具（演繹、歸納、類比）并不能保證我們獲得真相。因此，我們評價模型好壞的標準應該變成，是否能夠很好地預測事物發展。而預測能力的穩定性、精確度、廣度都可以成為評價它的標準。所以，我們的認知可以不斷地進行升級，永遠有更好的模型，永遠沒有盡頭。
End
認知的目的，并非為了正確，而是為了有效。
就像在計算機領域，科學家關心對錯，而黑客們關心是否有效。
讓我們去做認知的黑客，Hack這個世界，為了Work，而非Correct！
那么，如何Hack，如何認知升級？請聽下回分解。
相關閱讀
作者：?王武佳
來源：微信公眾號： 王武佳
本文由 @?王武佳 授權發布于人人都是產品經理，未經作者許可，禁止轉載。
題圖來自Pixabay，基于CC0協議
- 目前還沒評論，等你發揮！
