暂无图片
暂无图片
暂无图片
暂无图片
暂无图片

5类思维模型的收集

AI2ML人工智能to机器学习 2021-09-20
930


前言


一旦年纪大了, 靠熬夜,靠学习已经拼不过年轻人了, 那就只能靠脑子,靠嘴。  很多时候,需要说服别人。  而说服别人是在特定的环境下, 把自己的信息表达给听众, 然后帮助听众去理解, 并且接受反馈之后循环的一个过程。 


但是真正能够说服别人在2方面非常重要:

1) 外部刺激的管理(人,信息,环境): 

  1.     如何让自己变得可信

  2.     如何信息变得稀缺

  3.     如何营造适合的情景

2) 干预过程的管理 (统一理解, 统一情感, 统一逻辑, 统一方向)

  1.     如何帮助信息学习

  2.     如何引导情感转移

  3.     如何建立一致性机制

  4.     如何进行反驳

 


这个过程中, 除了情感方面的,信息的输入,信息的学习,结果反馈非常重要。 加上反馈, 其实也类似包含了一个完整的决策过程。 




信息与思维模型的关系


信息中最重要的是客观数据,它的分析最终会转化成行动大致有4个步骤:

  1.  从数据提炼有效信息

  2.  从信息提炼有用模式

  3.  针对有用模式提出假设

  4.  根据假设指导行动




同时,个人的思想经过优化最终成为行为态度也有4个步骤。

  1.  从思维倾向直接提炼思维模型

  2.  优化思维模型

  3.  模仿训练

  4.  制定行为态度



至此, 我们形成了2种决策方式:

  1.  基于信息直接决策。 所以并非说,没有思维模型就不能做好决策。 

  2.  基于思维模型进行决策。 

两者的区别在于:

1)没有思维模型的支持, 个人的决策要维持一致性,不冲突的难度较高。 

2)没有思维模型的支持, 难以说服很多人理解你的决策, 听从你的决策。 


另外, 思维模型是谁都可以提出的, 但是只有逻辑可信,并且经过实践验证的,才最具指导意义。 变成指导行为的原则。 




思维模型的层次


一旦有了思维模型, 那么就要从真实环境中看:

  1.  思维模型适用不适用

  2.  思维模型效果好不好

  3.  思维模型效果有多好


这只不过是最原始的思维模型的应用。 但是高手, 还会进行调整。 通过对不同的假设对思维模型进行确认, 然后走向调整。 


但是对思维模型的调整存在2种,

  • 一种适应外部变化:Transition/Change

  • 一种创造外部变化:Transformation



但是要注意, 任何变化的效果并非立即会让生产效率提升。 在相当一段时间内可能会破坏或者降低原来的效率。 这个就是化蛹的过程。 


所以, 连transition都是这样的情况, 那么transformation基本初期都是不被理解的。 


所以,总结而言, 会有3层学习过程:

  1.  单循环: 直接应用思维模型的规则与限制,预防极端情况。

  2.  双循环: 能够自适应进行思维模型模式、见解选择,调整应用。 

  3.  三循环: 基于上下文,内在创新思维模式,并且由内而外的影响环境向好的方向变化。




举个例子


一般做用户调研、产品设计, 都需要理解“福格行为模型”, MAT 动机-能力-触发。 


但是这个模型,并没有告诉你动机如何评价。 

如果简单的应用这个模型, 是有指导意义, 但是因为这个模型的抽象层次在子元素上并非很完善。 如果你知道很多思维模型, 善于组合, 这时候可以再应用“马斯洛需求层次”思维模型对动机进行再建模。



这样你就得到一个对 福格行为模型马斯洛需求层次的组合思维模型, 然后再根据你的产品用户的分布进行优化。 


但是, 乔布斯根本不理上面一整套东西, 直接发动了Think Different运动, 进行了耳目一新的轰炸。


进一步直接把苹果品牌与Think Different运动绑定。 



然后把crazy ones放到整个招人,产品设计, 产品开发中去。 打造了新的生态。 



思维模型的收集


你我皆凡人,生在人世间,终日奔波苦,一刻不得闲。那么先踏入单循环,应用-反馈,也许是个不错的选择。 划分为5大类:
1. 如何看待信息

2. 如何进行决策

3. 如何解决问题

4. 如何建立思维范式

5. 如何进行反思



思维模型太多,就不一一展开了。 反正都在第一个阶段,记下试试是最重要的。 


小结


中国的环境很少锻炼与鼓励勇敢, 大部分时候鼓励跟随。 但是在思维模型上, 跟随往往意味着进行了三流以下的水平。 如果从insight创新思维模型,在中国是缺乏的。 收集了那么多思维模型, 一堆的外国人名字! 

文章转载自AI2ML人工智能to机器学习,如果涉嫌侵权,请发送邮件至:contact@modb.pro进行举报,并提供相关证据,一经查实,墨天轮将立刻删除相关内容。

评论