多样性红利

不同的视角其实是不同的建造模型方式，在不同的情境下，有些模型能产生更好的解决方案。

First reading：

本章探讨的主题是衡量智能的标准应该是什么？

结论是智能构成无比复杂，压缩成一个或几个数字的衡量方法损失了绝大部分信息，没有参考意义；所以智商测试以及一些多维度智能测试均不能作为智能衡量标准，多样性是智能的本质，工具箱框架是衡量智能的最好方式。

作者的写作思路：

1.传统智能衡量标准-智商维度，分析弊端，只是一个维度或一个人的某一方面的测试，不能概括真实的这个人的全部能力；

论点：智能包括了智商，但智商高低无法反映智能水平

论据：

2.多维度智能衡量标准-8维度、3维度；xxx提出的三维度智能构成：分析能力、创造能力、实践能力；分析能力是普遍的解决实际问题的能力；创造能力是对待利用经验里的不同组合解决新问题或者创造性利用新思路解决旧问题的能力；实践能力是将理论知识转化为现实操作的能力；

论点：多维度智能测试结果也不能完全反映智能水平

论据：“兵力博弈模型”说明没有绝对的胜利者，没有最优策略；球队排名说明不了各支球队的实力，面对面的比赛输赢什么都代表不了，构建了一个***模型证明了输赢是个循环，不存在绝对的赢家。

3.分析认知工具箱是否能作为智能衡量标准

论点：可以

论据：构建了20岁的芭比和15岁的卡尔模型，去推演芭比是否一定比卡尔智能高。先假设工具箱可以衡量智能，在这个假设之下，更高的智能代表拥有更多的视角、启发式、解释和预测模型，同时，更高的智能所拥有的认知工具必然包含了更低的智能拥有的认知工具（此处有疑问）。模型推演结果是芭比虽然拥有比卡尔更多的认知工具，但是芭比的工具包含卡尔的可能性极低，因此不能说芭比比卡尔更聪明。然后从扑克牌模型、梯子模型和树模型去深入分析工具数量轻微变化造成的由于超可加性而构造出来的工具组合数量的庞大，工具组合的多样性符合人们的智能表现（构成复杂多样），但是扑克模型存在的问题是忽视了不同工具之间的联系性，正常人掌握不同的工具的顺序是不一样的，掌握高阶工具的前提是必须得掌握低阶工具，所以，由此扑克牌模型就会演变为梯子模型，但是，梯子模型的问题是，顺序太绝对了，只有唯一的方向，也不符合实际的情况；最后，演变出树模型，无数的分支。

Second reading：

主题：刻画智能的更好方法是工具箱法还是测量棒法

part1 更深入的认识工具箱

每个人都拥有一个自己的工具箱，这个工具箱里装满了各种不同的认知技能；工具箱是真实大脑运行机制的简化版；工具箱让每个人都与众不同，工具箱定义、约束、引导我们，工具箱决定了我们是谁，我们喜欢什么讨厌什么，我们擅长什么不擅长什么。每个人的工具箱里的工具构成都来自四个来源：天赋（基因）、身份（家庭/学校/社会环境）、训练和经验。天赋决定了我们生来就更擅长某些事而对另外一些事则明显比其他人要迟钝，天赋在赋予我们某种工具潜能的时候也限制了另外一种工具潜能；身份决定了我们接触到的人和环境，而正是从小到大周围的人和环境塑造了我们的认知工具，我们基本无法选择身份；经验让我们可以从自身经历里面反思总结蒸馏出新认知工具；而训练则涉及到了我们如何更好的使用工具的问题，因为拥有工具跟使用工具是不一样的，有人可能拥有很多的认知工具，但是却不能很好的在实际问题上灵活使用工具，这种人就是常说的书呆子，脑子里面理论一套一套，可处理实际问题却很差；还有一种人虽然所拥有的认知工具不多，但是却能熟练自如的去使用每一种工具，这种人往往都是实干家，直接推动社会进步的人；如果能够拥有足够多的工具并且会利用这些工具创造新的工具组合并能熟练灵活（直觉）使用，才是真正的大师和天才。

从工具箱框架出发去考察智能这个主题，有三点价值：一是可以以一种新方式去思考这个主题；二是可以更合理的对智能进行排序；三是可以计算群体的能力。

假设：重新定义智能，

由此定义可以得出两个可能性：1.从工具的复杂度和难度来看：智能更高的人拥有比智能低的人更复杂更高级的认知工具和工具组合，以及应用能力，但是并不一定拥有低智能的人的所有认知工具，就像一个天才再牛也不可能全能，而一个傻子再笨也都有一技之长；2.从工具的数量上来看：智能高的人拥有比智能低的人更多的工具，而且涵盖了所有智能低的人的工具，所以，才能在一些问题上比智能低的人做的更好。

part2 工具箱方法 v.s 测量棒方法（智商分数或多维度智能测验）

从排名这个角度出发去对比智商法和工具箱法的优劣，智商法是将所有的智能信息都压缩成了一个数字，存在大量的信息损失，因为我们习惯智商数字了，所以拿城市得分比较就会知道有多荒谬，任何人都知道北京比上海得分高不代表北京全面领先上海，只能代表更有优劣，

所以论据1就是根据分数进行的排名都不可靠。

论据2是，智商和工具箱都将人解释为一个集合，智商解释是200以内的数字集合，工具箱解释是各类工具的集合，可以看出，工具箱解释包含了更大的多样性，更符合现实。

论据3是，智商得分差异会掩盖住真正的认知差异，两个智商得分相同的人，对社会的贡献可能天壤之别。

由此得出结论：智商法不如工具箱更好的刻画智能

紧接着再考察多维度智能测试方法，一般有两种：霍华德加德纳提出的八大智能维度测量法，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；每一种维度对应大脑的某一区域；罗伯特斯滕伯格提出的三维度测量法，分析性智能、创造性智能、实践性智能。

多维度智能测试距离工具箱更进一步，但是还远远不够。多维度智能测试无法进行排序，除非对不同维度设定不同的权重，但是各维度的权重无法确定，因为不同的维度智能都存在环境依赖现象。论据一：多维度测试存在排序循环悖论；论据二：即使两两面对面PK，但是仍然无法确定强弱，赢家不一定就是最强的，通过兵力分配博弈模型进行说明。存在多维度的情况下，是不存在明确的赢家的。

结论：多维智能测试法存在各种难以解释的困惑和悖论，无法根据其结果定义智能

part3 工具箱框架

作者设计了一个模型比较两个人的智能水平，前提假设是A的工具数量比B多一些，要求解的问题是是否说明A比B更聪明呢？转换下问题就是，判断A所拥有的工具是不是覆盖了B的所有工具，求覆盖概率。

分三种情况：

假设1：各个工具之间独立不相关。

扑克牌模型：算出覆盖概率只有3亿分之1，可见，基本不可能。由此说明，A不一定比B聪明

假设2：各个工具之间强联系，而且是有顺序的

梯子模型：如果只有一架梯子，则覆盖概率=1；随着梯子数量增加，覆盖概率急剧下降。由此说明，A不一定比B聪明

假设3：各个工具有联系，顺序不一定。更贴近真实

树模型：如果只有一棵树，覆盖概率只有16w分之1，两棵树就更多了；所以说明，A不一定比B聪明

结论：一个人知道另一个人所知道的所有工具的可能性是非常低的

part4 总结

容量：工具箱里的工具数量

梯子和数的数量决定了容量不能产生排名，因此产生了不同领域的群体对是否存在衡量智能的客观指标有不同的看法；比如数学、物理、工程学领域就只有很少的梯子/树，而社会科学、商学、文学、哲学领域就存在很多的梯子/树，因此，数学家物理学家可能更倾向于认同一套智能衡量指标；而文学家哲学家则根本不认为有这样的衡量方法。

用工具箱刻画智能的思考带给我们的启发是 1.对任何的排名都保持怀疑和谨慎的态度；2.要对未来抱有更大的信心，因为工具箱是会不断变化的。

end

著名哲学家、作家艾茵·兰德指出：矛盾其实是不存在的。每当你认为面临矛盾时，请检查你的前提假设，你会发现前提假设中的某一个是错的。

【英子树读知识共享】 Ⅱ.案例S（定位） Ⅲ.金句P（定义） 一个有天赋的我，加上有天赋的他们，可以组成更有天赋的我们。 多样性视角和启发式可以成为快乐的引擎，孩童之所以能够给沉闷的世界带来更多的快乐，原因就在于采用了多样性视角和启发式，他们试图以一种成人无法想象的方式去解决问题。 Ⅳ.模型M（定向） 可能是由于经济平均化效应的存在，使城市更有生产力:更大的市场能够提供小市场无法提供的保险和转售机会，根据大数定律，市场越大，平均值就越可预测。 72法则 以百分之x的利率进行投资，翻倍所需的年数大约等于72除以x Ⅴ.清单L（定性） 对实施分布式联合创造的适当时机，可以这样描述: 1,组织必须感受到改进是有可能的，但被卡在某些观点上 2,同时，组织还必须相信，应该鼓励对这个问题有一定看法，有能力去尝试新出路的所有人都去思考这个问题 3,理想情况下，问题本身应该是既可以被量化又可以被模块化的，而且，必须有一些快速的，低成本的，有效的方法来比较各种解决方案 4,对问题本身的陈述绝不能泄露有商业价值的信息，例如成本结构或专有数据。