《多样性红利》笔记精华

《多样性红利》创造性地提出多样性视角、启发式、解释和预测模型四个认知工具箱框架，并得出惊人结论:一个人是否聪明不是由智商决定的，而取决于认知工具的多样性!本书将告诉你如何应用工具箱中的工具，用多样性创造更多的红利。

《多样性红利》笔记精华

• 多样性工具的价值
  • 正确的视角可以使问题变得更容易解决
  • 多样性与解决问题
    • 难题，多样性视角和启发式的用武之地
      • 多样性优于能力
    • 多样性视角与解决问题
      • 互补视角
    • 多样性启发式与解决问题
      • 工具越多，解决问题的机会就越多
    • 三个重要结论
      • 个人表现更好的问题解决者有更好的局部最优解
      • 更好的问题解决者所有用的局部最优解较少
      • 好的问题解决者往往找到局部最优解的概率更大
    • 内部的解决问题多样性与外部的解决问题多样性
      • 多样性的视角和启发式可能会互相抵消
      • 多样性的人也可能用相同的方式去解决问题
    • 多样性优于同质性
      • 同质性问题解决者拥有相同的局部最优解
      • 多样性问题解决者局部最优解不同
      • 最佳解决方案位于所有问题解决者局部最优解的交集处
    • 多样性由于能力定理成立的4个条件
      • 问题困难条件
        • 没有任何一个问题解决者总能找到这类问题的全局最优解
      • 微积分条件
        • 所有可能的问题解决者都必须具备一定的问题解决能力
      • 多样性条件
        • 除了全局最优解之外的任何一个解决方案，对于某些问题解决者来说，都不是局部最优解
      • 大群体规模条件
        • 问题解决者的群体必须足够大，而且一起去解决问题的工作团队必须包含多个问题解决者
    • 多样性优于能力定理
      • 给定以上4个条件，由随机选出的问题解决者组成的团队能够优于由个体表现最好的问题解决者组成的团队
    • 个人贡献的偶然性和必然性
      • 任意贡献定理
        • 给定具有相同能力的问题解决者，他们的共享可能是任意的
        • 不要因为某人在某个特定问题上的贡献而做出过强的推论
        • 一个伟大的发现可能至少一次意外好运的结果
  • 信息集结
    • 信息集结的四大模型
      • 模型1：“百万碎片”模型
        • 群体的智慧
        • 如果人群中的某些成员拥有正确的信息而其他人没有，那么不正确的信息就可以被随机性抵消
      • 模型2：“区域销售”模型
        • 整体为部分之和
        • 对预测求平均值
      • 模型3：“真相引力”模型
        • 如果群体成员所出的错误都是随机的，那么就可以得到一个智慧的群体
      • 模型4：“噪声平均”模型
        • 如果每个人都能观察到由真实的答案加上一个误差项，误差即使相当大也没有关系，只要各误差均值为零且互相独立，那么群体就是智慧的
  • 多样性与预测
    • 投影性质
      • 如果两个人基于同一视角下的不同变量构建预测模型，那么他们在进行二院预测时的准确性是负相关的
      • 如果两个人考虑的是同一视角下的不同属性，也并且如果要完成的预测任务是预测好还是坏这样的二元结果，那么当其中一个人的预测是正确的时候，另一个人就可能是不正确的
    • 多样性预测定理
      • 平方误差法
        • 统计学中，误差要取其平方，以保证负的误差和正的误差不会互相抵消
      • 由一组预测模型组成的一个群体，必定有群体误差 = 平均个体误差 — 预测多样性
      • 群体由于平均定理
        • 任意一个多样性的预测模型集合，群体预测必定比平均个体预测更加准确
        • 群体预测误差 平均个体误差
    • 群体的疯狂
      • 从众心理
    • 多样性的免费午餐
      • 同一视角的不同部分
      • 覆盖性
        • 群体任何一个成员的预测模型说包含的任何属性或属性组合，必定被群体的预测模型说包括
      • 粗略近似式
        • 群体预测模型粗略地近似于任何属性或属性组合对结果的影响
    • 对于一个群体来说，要想有“智慧”，它的成员在个体层面必须是聪明的，或者在群体层面必须是多样性的
    • 理性情况是两者兼备
• 多样性认知工具箱
  • 多样性视角
    • 让所有人各尽其能鼎力相助
    • 什么是视角
      • 视角：
        • 是从现实到内部语言的映射，使每一个不同的对象、情况、问题或事件都被映射到一个唯一的词语
      • 所谓视角就是每个人因为经历、知识、背景的不同，使得拥有的经验不同
      • 不同的视角：
        • 既可以指两个人将现实以不同的方式映射到相同的内部语言上，也可以指他们将现实映射到不同的内部语言上
      • 处理问题的方式不同，所拥有的经验不同
      • 视角通常意味着施加了某种结构，不能创造结构的内部语言对于解决或理解问题无帮助
      • 经验需要与问题有关联，比如我们知道苹果是一种水果，但是我们不知道它是如何种植出来的，那么对于处理如何种植其他水果就没有意义。
    • 多样性视角的好处
      • 可以获得不同的策略
      • 既可以简化问题，也可能让问题变得复杂
    • 构建新视角
      • 新视角不会凭空而来，需要经常利用其他视角来构建新视角
    • 视角越多，找到全局高峰的机会越大
    • 喜忧参半的相同视角
      • 当人们以同样的视角看待问题时，可能会被困在相同的解决方案中
      • 共同视角下，可以实现快速和无差错的交流
      • 很多共同呃视角是因为模仿和交流的需要而出现的
      • 会减少视角的多样性，并扼杀群体寻找更好解决方案的群体能力
    • 好视角可以化难为简
      • 清晰的视角可以使混沌不明的东西变得清澈透明
  • 多样性启发式
    • 什么是启发式
      • 启发式是一个规则，适用于某个视角中现有的解决方案，该视角能够生成一个或一组新的更好的解决方案
    • 旅行商问题
      • 非确定性多项式问题
    • 四种常见的启发式
      • 拓扑启发式
        • 搜索接近现状的解决方案
        • 比如你口渴了本来想喝水，但是水旁边放着果汁，结果选择了喝果汁
      • 梯度启发式
        • 当一个解决方案有很多属性时，价值函数在每个属性的方向上都有斜率
        • 朝着梯度指示的方向，即最陡峭的方向爬升
        • 比如做菜太咸了，咸度是一种属性，解决方案就是少放盐
      • 允许犯错启发式
        • 模拟退火算法
          • 未来生产出钢铁，要先将铁矿石加热，热后缓慢冷却，使分子结构排列整齐，从而变成钢
          • 在温度高的时候可以接受更糟糕的新解决方案，只要他们没有差得离谱
          • 反之，随着温度降低，越来越不能“容忍”更差的解决方案
          • 接受一个更糟糕的解决方案的概率=（温度—价值降幅）%
          • 比如我们要决定去哪里度假，开始时会想象所能去的任何地方。然后，会变得不那么愿意考虑新的、不令人心动的替代方案。最后，除非能够改进目前已有的最好的方案，否则我们不会考虑任何其他方案
      • 群体启发式
        • 让不同的解决方案配对，从而找到更好的解决方案
        • 比如杂交水稻，培育出具有杂种优势的杂交种
    • 多样性启发式有助于找到更好的解决方案
      • 视角是看待解决方案的方式，而启发式则是构建解决方案的方式
  • 多样性解释
    • 什么是解释
      • 解释是从对象、情境、问题和时间到词语的一个映射。在一个解释中，一个词语可以用来表示许多对象
    • 投影解释
      • 投影解释指忽略了视角某些维度的解释
      • 比如黑色大狗、小狗和白色大狗、小狗，哪种狗可以带上飞机，就应该采用基于大小的维度；如果担心让够待在烈日下会不会中暑，就要应该采用基于颜色的解释
    • 聚丛解释
      • 聚丛解释创建了由类似的对象、情况、问题或事件组成的类别，这种类别不是简单的属性投影
      • 比如要按照风水的原则来给房屋分类，要满足风水的要求，需要将各种属性组合起来
    • 因果关系才是有意义的解释
      • 直接挖掘数据得出的因果关系可能是虚假的
  • 多样性预测模型
    • 什么是预测模型
      • 预测模型是一种解释，并对由解释所创造的每个集合或类别进行预测
      • 预测模型和启发式的不同
        • 预测模型是思想，启发式就是行动
        • 比如预测模型可以告诉我们将会发生什么：“这天看起来好像要下雨了！”启发式则告诉我们应该怎么做：“下雨啦！得快点炮，找一个可以避雨的地方。”
    • 经验模型
      • 根据经验中学到的东西进行预测
    • 理论模型
      • 根据基础的理论进行预测
    • 回归模型
      • 基于数据进行预测
  • 智能，取决于智商还是认知工具箱
    • 智能 ≠ 智商
    • 多元智能与三元智能
      • 多维度测量方法
        • 语言的
        • 逻辑的
        • 音乐的
        • 空间的
        • 运动的
        • 人际的
        • 内省的
        • 自然观察的
      • 三维度测量方法
        • 分析性智能
        • 创造性智能
        • 实践性智能
    • 多维评价的困惑
      • 在存在多个维度的情况下，是不存在明确的赢家的
    • 工具箱框架
      • 工具的组合
        • 认知工具组合起来更有价值
        • 工具是具有超可加性的
      • 扑克牌模型
        • 不同的工具完全独立
        • 52张牌互相独立
      • 梯子模型
        • 需要依次获得工具
        • 要获得梯子上方的工具，必须先获得下方的工具
      • 树模型
        • 工具之间有分支关系
      • 智能 = 认知工具多样性
• 多样性总是好的吗？
  • 多样性偏好
    • 偏好的排序
      • 完备性
        • 如果给定任意两个备选方案A和B，都有A > B,或B > A，或A = B,那么偏好就是完备的
      • 可传递性
        • 如果偏好不是循环的，那就是可传递的。
        • 例如，如果一个人喜欢苹果多于香蕉、香蕉多于梨，那么他就喜欢苹果多于梨
      • 如果偏好是完备的、可传递的，那么偏好就是理性的
    • 单峰偏好
      • 如果当前的数额超过了理想点上的数额，那么更少是更被偏好的
      • 如果当前的数额小于理想点上的数据，那么更多就是更受青睐的
    • 多样性的解释会导致不同的工具偏好
  • 偏好集结的四个可能结果
    • 结果1：群体偏好可能根本不存在
      • 群体偏好需满足四个要求
        • 必须是理性的
        • 能够反映个体层面的一致性
        • 对备选方案的偏好不取决于其他比较有吸引力的备选方案的存在
        • 不存在独裁者
      • 结果2：“一对一投票”中没有胜利者
        • 一般而言，在存在不只一个维度的情况下，没有任何一个备选方案能够在一对一投票中击败所有其他备选方案
        • 如果偏好是多重维度的，那么一般而言，给定任意一个备选方案，通过一练串投票，都有可能到达任何一个其他备选方案
      • 结果3：投票过程可能被操纵
        • 任何非独裁的、用来集结对多于两个结果多样性偏好的规则，都是可以被操纵的
        • 议程操纵
      • 结果4：多样性导致公共资源短缺
        • 多样性的基本偏好会导致资源供应不足
        • 试想两个四口之家，每个家庭都有相同的固定预算可以用于建造房子
          • 第一个家庭所有成员都享受同样的活动：唱歌、打牌、做饭。他们建造了一栋房子，有一间中等大小的厨房、一间很大的家庭娱乐室、一间音乐室和两个小房间
          • 第二个家庭则有多样性的基本偏好：有人喜欢焊接，有人喜欢建造飞机模型，有人喜欢书法，有人喜欢打鼓。他们也建造了移动房子，厨房和客厅都很小，但却有一个大型焊接车库、三间卧室，以及一个建造飞机模型的车间。为了满足家庭各个成员的多样性偏好，他们没有太多的共同空间
  • 工具箱与偏好的互动
    • 偏好不同，选择解决的问题也不同
      • 能看到什么问题、发现什么机遇，都取决于对什么东西是有价值的认识
    • 多样性偏好的力量
      • 多样性偏好会导致人们构建多样性的预测模型
• 认知多样性红利
  • 认知多样性的起源
    • 训练和经验
      • 受过不同训练的人会获得不同的认识工具
      • 有不同经历的人也会拥有不同的工具箱
    • 身份
      • 生活方式不同的人也会构建出不同的解释和视角
  • 用数据说话
    • 如何解读数据
      • 数据是有噪声的
    • 城市生产力与多样性
      • 当一个人与其他人分享一些视角、启发式、解释或预测模型时，就出现了知识溢出
      • 文化多样性与发展呈正相关
• 实现“多样性优于能力”
  • 获取多样性红利的12个干法
    • 干法1：用“超可加性”创造神奇
      • 当一群人努力试图解决一个问他时，如果一个人做出了改善，提出了新的解决方案，那么其他人往往可以在此基础上进一步加以改进
    • 干法2：兼容并蓄
      • 不断地实验和尝试，可以是个人表现更好，而且这样做还可以带来更好的群体表现
    • 干法3：多听外部声音
      • 利用外部差异来做出改进
    • 干法4：既关注多样性，也关注能力
      • 要想让群体有智慧，他们必须既拥有所需的能力，又能爆炸足够的多样性
    • 干法5：激励多样性的公民
      • 为了确保群体预测的准确性，可以让每个人都做出适度准确但却非常多样性的预测
    • 干法6：让员工参与市场预测
      • 创建一个内部预测市场，企业或组织就可以利用自己内部的群体智慧了
    • 干法7：鼓励跨学科研究
      • 许多困难的问题都与多个传统学科和思想领域相关
    • 干法8：区分基本偏好与工具偏好
      • 基本偏好相容的，可能工具偏好却是相互冲突的
    • 干法9：利用好基本偏好多样性
      • 基本偏好多样性的些许变化，就可能导致很大的不同解决方案
    • 干法10：坚定“多样性优于能力”的信念
      • 如果人们相信与不同于自己的人互动会带来红利，那么他们更有可能获得这些红利
    • 干法11：将多样性逻辑应用于招生、招聘和任命
      • 最好的群体必定包含了既有多样性且能力也出众的个人
    • 干法12：在神秘事物面前保持谦卑
      • 回到起点，不忘初心