10月12日，青岛市卫健委发布官方消息称，有9人确诊新冠病毒核酸检测为阳性。中国疾控中心原副主任，公共卫生和流行病学专家杨功焕认为，新冠疫情秋冬季反弹已经开始。
我们认识世界至少通过两副“透镜”：眼睛+模型人类感知环境和认知世界至少通过两副“透镜”：
1.身体之眼（Body’s Eye）
2.心智之眼（Mind’s Eye）
前者是肉体的眼睛（瞳孔+晶状体+视网膜等）；后者是心智的模型，我们看到的世界是通过了“模型”的过滤。
在日常工作和生活中，各种模型可谓俯拾皆是：
1.商业模型：波特五力模型、麦肯锡7S模型、市场营销4P模型和用户增长的AARRR海盗模型等；
2.经济模型：供需曲线模型、“囚徒困境”博弈模型、GDP增长模型等。
还有心理学中的“马斯洛需求层次”模型、计算机科学中冯诺依曼模型、人工智能领域的神经网络模型等。
在科学发展史上，模型更是不胜枚举，例如广为所知的地心说VS日心说模型、原子结构模型、DNA分子双螺旋结构模型等。
我们面对“模型”时的心理普遍比较矛盾和尴尬，一方面清楚抽象的模型并不能解决实际问题；另一方面，在分析问题时又不得不依赖于模型。
什么是模型？模型好比地图，是我们对真实世界的一种简化和抽象。拥有地图，未必一定能够抵达目的地；没有地图，几乎肯定不能抵达目的地。
“地图不等于它所指代的疆域。但是，如果地图是正确的，它就与疆域拥有相同的结构，这是它之所以有用的原因。”——阿尔弗雷德·科尔兹布斯基（波兰裔美国科学家、哲学家）
A map is not the territory it represents, but, if correct, it has a similar structure to the territory, which accounts for its usefulness.——Alfred Korzybski模型既有用又没用，矛盾是如何产生的？
首先来看模型的作用和价值：
公里的池塘散发出臭味,为此工人舀出鱼,排干水。但池底还是臭，于是又挖起池底的淤泥运走，在池底铺上新鲜的砂砾,重新种植水生植物,注满水,放回鱼。最后池子不再有臭味了。但是两个月后,池塘又散发臭味了。
为什么问题没能治根？因为对池塘这个微型生态的模型的构建存在缺陷。之所以挖出淤泥，是基于假设：池底的淤泥累积太厚，导致能够产生恶臭的厌氧细菌繁殖过多过快。但是为何淤泥清除了，又会发臭呢？说明淤泥并非根本原因。
经过专家的观察发现，池塘的深度明显大过宽度，并且池水的循环不好，较深的水得不到足够的氧气，这才导致厌氧细菌繁殖生长，产生臭气。所以，治根的方法是让池水充分流动起来，或者在水底加装水泵，让上层的活水流到下层。小小的池塘也是一个系统，组成部分包括：水、植物、鱼虾、细菌、泥沙等，彼此相互影响形成一个因果网络。因为系统建模出现差错，导致对问题的根源产生误判，进而采取了治标不治本的举措。
在考虑池塘发臭问题时，你的脑海中未必会有上面这样的因果回路图（Casual Loop Diagram），但基本都会把池塘这个系统简化为几个关键要素。一个完整的池塘生态系统包含着：1.细菌（需氧+厌氧）：不计其数；2.鱼虾等动物：成千下万；3.水生植物：成千上万；4.氧气和有臭味的气体分子：不可计量。
如果不进行简化，那么大脑将面临的是一个难以计算的不可解难题。假如一个系统中只有两个物体，两者之间存在相互关系，那么在描述这个系统时需要3个方程：分别针对两个物体的2个方程，针对二者相互作用关系的1个方程。随着系统中物体数量增强，每个物体需要1个方程来描述其行为，但是描述相互作用的方程则会指数级增加，n个物体需要2的n次方个方程。也就是说，10个物体组成的系统存在2^10=1024个方程（假如n=10000呢？）。这就是所谓的”计算的平方律“，当系统中相互影响的元素数量增加，计算难度将指数级增长。
牛顿在研究太阳系中星体运动规律时，对太阳系这个系统做了类似的简化。太阳系并不只是由一个恒星（太阳）和八大行星组成，而是包括了成千上万、大小各异的天体以及星际微尘。行星围绕太阳旋转且基本不考虑星球直径的简化系统只是用来反映真实太阳系的模型。”牛顿的成就在于，他描述了大约10^5个物体组成的系统的行为，并从中找出感兴趣的10个物体。“（《系统化思维导论》，P10）。模型是人类认知世界的基本方式与强大能力
如果一个系统里包含的元素数量众多并且彼此之间存在错综关系，为了简化起见，我们创建模型来描述系统并据此采取行为来影响系统。简化，自然节省了认知资源，也降低了认知负担。不过，从更本质的层面，模型化思考是人类认知世界最基础却又是最重要的能力之一。
霍金在去世前留给世人的最后一本著作——《大设计》（Grand Design）中写到：“我们在科学探索中建构模型，其实，在日常生活中我们也会创建模型。‘依赖模型的实在论’不仅适用于科学模型，也适用于我们为了解释和理解世界有意识或无意识建立的心智模型。”
We make models in science, but we also make them in everyday life. Model-dependent realism applies not only to scientific models but also to the conscious and subconscious mental models we all create in order to interpret and understand the everyday world.
假定有一个鱼缸，里面的金鱼透过弧形的鱼缸玻璃观察外面的世界，现在它们中的物理学家开始发展“金鱼物理学”了，它们归纳观察到的现象并建立起物理学定律。这些定律能够描述和解释金鱼们透过鱼缸所观察到的外部世界，甚至还能正确预测外部世界可能出现的新现象。显然，这些金鱼的物理学定和我们人类的物理学定律有很大不同，比如，我们看到的直线运动可能在“金鱼物理学”中表现为曲线运动。
就此霍金提出一个问题是：这样的“金鱼物理学”是正确的吗？按照常规的观念，这样的“金鱼物理学”当然是不正确的。因为“金鱼物理学”与我们的物理学定律相冲突，因为我们认为我们的物理学定律更符合客观规律，更能反映真实世界，并将所有与现今物理学不一致的描述，不管是来自金鱼物理学家，还是来自之前的人类物理学家，都判定为不正确。
但是霍金问道：“我们何以得知我们拥有真正的没被歪曲的实在图像？……金鱼的实在图像与我们的不同，然而我们能肯定它比我们的更不真实吗？”
模型是环境在大脑中的投影
我们认为金鱼在渔缸中看到的世界因为光线扭曲而变形了，那么，我们所感知到的世界难道就没有扭曲吗？下面图中的三个人其实都一样的身高，但是由于房间并不是标准的长方体，两面墙与窗户所在墙之间的角度，窗户的形状等都做了改变，导致我们会觉得三人不一样高。
我们感知（看、听、闻、尝、触等）到的世界，像金鱼看到的世界一样会发生这样那样的偏差甚至扭曲变形，因为我们感知的并不是世界，而是来源于”世界“的信号。大脑及相关神经系统组成了一个通信系统，周围环境的信息以光线和空气等为媒介经由视觉、听觉、味觉、嗅觉和触觉等通路进入到大脑，这些信号来源好比烘焙面包时的原料，大脑将它们加工成为成型的“面包”。这个“面包”是关于世界的模型（Model）。模型对世界的心理表征（Representaiton），是环境在大脑中的投影。
所谓”心理表征“，意味着物理世界所呈现（Present）的状态，在大脑中再现（Re-present），不过并非100%的复原，而是进行了加工甚至是变形。因此，与其说我们是在感知世界，不如说是感知关于世界的模型，并利用该模型调整在环境中的行为。我们是通过“模型”来认识世界并在其中采取行动。
这就是霍金”依赖模型的实在论“所表达的意思，我们并不知道世界的"实在"究竟为何，而需要依赖和借助于模型才能间接逼近那个”实在“。简化的模型为何在复杂的现实中有效？”按照依赖模型的实在论，去问一个模型是否真实是无意义的，只有是否与观测相符才有意义。如果存在两个都和观测相符的模型，正如金鱼的图像和我们的图像，那么人们不能讲这一个比另一个更真实。在所考虑的情形下，哪个更方便就用哪个。“——《大设计》
无论是具象的模型（地球仪），还是抽象的模型（质能方程：E=MC^2），共同的一大特征就是简化。常见的商业模型中，麦肯锡的7S模型包含7个要素，可能是要素的数量最多的模型了。模型虽然简化了，但是现实一直是复杂、多变的。开车导航使用的地图通常把建筑物简化为一个点（如果是二维地图，不是是三维地图），街区简化为一个矩形，大桥简化为一条短直线。模型并没有纤毫毕现地反映现实，那么，简化的模型为何是有效的？解答这个问题，需要分为两个部分：
1.大脑为何要建构出简化的模型？
2.模型为何对于认知和行为是有效的？
大脑为何要建构出简化的模型？
大脑随时都在经受内、外部环境的信息洪流的“轰炸”，外部是感觉器官，尤其是视觉和听觉接收到的光线、颜色、声音等信号；内部则是身体的体温、呼吸、心脏跳动、激素分泌等信号（一般是由自主神经系统管控）。大脑神经元处理信息需要耗费葡萄糖和氧气以及时间，为了更有效率地生存和繁衍，人体进化出一套注意力过滤机制，能够自动屏蔽掉大量大脑认为无关的信息。
比如，昨天你开车经过一条高速公路，现在让试图回忆一下整个过程，你能想起路过了多少个匝道？分别是通向哪里？你的最高时速是多少？收费站的工作人员是女还是男？想必你跟我一样，很难回答出来，因为这些信息不重要也不新奇。
据统计，大脑有意识状态处理信息的带宽大约为120比特/秒，但是仅仅由视网膜传递的信息就达1000万比特/秒。也就是说，仅有极少量的信息进入到意识空间。
工作记忆像一只“八爪鱼”，将信息组合出意义
如果说信号是一众大小各异的鱼群，大量的小鱼被注意力过滤器筛掉后，进入到短时记忆，但是如果未能得到及时处理，大概10至15秒后就会消失，又成了漏网之鱼。短时记忆，一般称为工作记忆，就像一个缓冲区，信息会迅速填满这个区域，然后会迅速清空。工作记忆系统能够同时容纳4至7条信息（或者信息串，又称组块chunk）。信息串或组块的大小取决于这个人先前的知识结构。比如代表东南西北四个方位的字母：北N、东E、西W和南S。可以算作4条信息，也可以视作一个组块NEWS，前提是你的长时记忆中有NEWS（新闻）这个单词。
工作记忆的作用好比一条八爪鱼，快速将进入的信息组合成为有意义的结构。不过，这只八爪鱼的腿少于8条，可能只有4到7条不等。如果经过工作记忆处理信息很重要，会存储到长时记忆系统之中。可以想象，只有极少数的“大鱼”被前述的“渔网”打捞起来并放入冷冻仓库。
海量的信息只有极少数进入人的注意力，其中又仅有少数被工作记忆系统所捕捉，最后剩余少数成功保存到长时记忆当中。为了有效地反映外部世界，大脑必须有足够的能力以有限的信息来表征无限的环境。
大脑的精巧和强大之处在于模式（Pattern）的发现和识别
下面这幅图由形状和大小各异的黑色斑纹组成，当我问你这是什么或者你看出什么时，你可能会一脸茫然，脑子飞快地转动，思考究竟是什么鬼。
”有条件上；没有条件，创造条件也要上。“而大脑则是，有模式就用；没有模式，那就创造一个模式。模式代表的是意义，现象由不确定变为确定，大脑极度厌恶不确定。所以，虽然少量的信息进入到大脑尤其是意识层面，但大脑善于利用这些信息加工成为模型并用来模拟和映射外部世界。
简化的模型为何对于认知和行为是有效的？
检验模型价值的不是真实与否，而是是否与观察（通过实践或者实验）相符并且有用。既然是现实是复杂的，模型却是简化的，那么模型为什么会有效？回答这个问题需要将问题转化为：现实世界为什么能够被简化成为模型？也就是说，现实世界何以在一定程度上等价于模型？这好比几个小孩说，我们一起用乐高搭建一个宇宙飞船吧，进行该游戏的前提是：复杂的宇宙飞船（零件数量超过10万个）能够通过几十上百个乐高组件来“模拟”。现实世界为何能够被建模？存在两个主要原因：
1.系统普遍拥有层级结构(Hierarchic Structure)
2.现实世界存在大量的冗余（Redundancy）
周围的系统普遍拥有层级结构(Hierarchic Structure)
层级结构（Hierarchic Structure），形象地理解成为金字塔结构。我们周边的事物和我们自身的行为都可以分解为层级结构。（一）表现为空间结构的层级：
书本：篇章、段落、句子、词语和字及标点符号；
人体：骨骼和肌肉、系统（消化、呼吸、循环等系统）、器官和组织、细胞；
建筑：框架（钢筋、混凝土等）、系统（水、电、通风等）、楼层、房间、软装/家具；
国家：区域、省、市、县、乡镇、村社；
军队：军、师、旅、团、营、排、班。
(人体层级结构：身体—系统—器官—组织—细胞—分子—原子)
（二）表现为时间序列的层级：
人的行为在步骤和流程上也呈现为层级结构。1、烹饪：
层级1：买菜——切菜——炒菜
层级2：以炒菜为例：热锅——倒油——翻炒——焖煮——起锅——装盘
层级3：翻炒阶段又需要分解为：将佐料（姜葱蒜辣椒等）炒香——将切好的食材下锅——开大火翻炒——放调料（盐、糖、鸡精、酱油等）——倒水开小火煮开
层级4：放调料环节又可以细化为：先放豆瓣酱，炒香后，再放生抽、老抽，如果盐味不够，再酌量放少许盐；待肉呈现金黄色后再放白糖和鸡精等。
2、项目：
层级1：立项——规划——实施——验收
层级2：以规划为例，规划草案——讨论完善——提交审议——规划调整——审批通过
层级3：规划草案阶段，确定负责人——组建团队——规划方案框架——草拟初稿——方案修订
项目的阶段和行为的步骤所呈现的层级结构，用数学的语言可称之为递归（Recursion）过程：从上到下，从左至右执行。
上层结构由下层结构组成，下层是上层的存在基础，而上层对下层形成约束和控制。总体上，越往上层越稳定，构成的元素数量越少；相反，越往下层，元素数量越多，也越多变。
人体中的细胞的数量必然大大多于器官和组织；同时细胞不断地更新，但器官和组织的形态和功能基本维持不变。以到餐厅吃饭为例，选择菜式（川菜、粤菜或者湘菜）是相对于点什么菜品更上层的结构，选择粤菜就不可能把毛血旺作为要点的菜。而选择菜式又是聚餐主题和场景的下层结构，如果是商务宴请，就不可能到街边小店就餐。
模型相对于现实世界是简化的，因为建模（Modeling）过程选择的是被建模对象（系统）的上层结构。当我们对前述池塘系统整体进行建模，所选择的对象就不会是某几条鱼或者某一块淤泥。模型中的厌氧细菌指的不是某一些细菌而是指全部的厌氧细菌。上层结构是对下层组成部分的集合和抽象，自然在数量上是精简的。进一步来讲，如果模型元素的数量不能等于或少于工作记忆能够驾驭的数量，那么对于大脑来讲，分析和处理难度就会变得异常巨大。
现实世界存在大量的冗余（Redundancy）
上图中列举了“书”字在不同时期、不同字体的写法。不管是繁体还是简体，无论是隶书还是草书，我们都能认出这个字。在电脑上打字时，我们还可以选择不同字体，黑体、楷体、幼圆、方正雅黑等。尽管形态各异，其中包含着稳定的、一致性的模式（Pattern），虽然我们难以用语言来描述这种模式，但能有识别出“书”这个方块字。
所谓“冗余”，就是这种稳定、一致性的模式之外的东西，即使删减和去掉，也并不影响它所包含的信息。信息即是消息去掉冗余后剩下的模式。比如，一串斐波拉契数列：1、1、2、3、5、8、13、21……，去掉冗余之后就是公式：F(0)=0，F(1)=1, F(n)=F(n - 1)+F(n - 2)（n ≥ 3）。
新的台风在正南海生成，很快会抵达珠__角地区。这句话即使快速地读，你也能明白其中的意思，虽然有语法错误和字词空缺。原因就在于语言一般存在着冗余，即使丢失一些字词或者改变局部顺序，也能让人明白含义
。我们日常接触的信息（准确说承载信息的信号和符号）存在着冗余相对容易理解，那么，何以说“现实世界存在大量的冗余”？一个2岁多的小孩，即使在小区里只见过几只猫，但是去到外面，不管是见到大猫还是小猫，是白猫还是黑猫，是棕色眼睛的猫还是两眼不同颜色的猫，基本都能瞬间认出它是一只猫猫。这说明，在小孩的记忆里已经存在猫这个动物稳定的、一致性的模式，即猫的概念。模式之外，无论是大小、肥瘦、花色、公母等特征的差异，都可以称其为冗余。
我们在辨别人的时候也会感受到冗余的存在。下面这幅图中这些名人的头像虽然有的扭曲，有的变形，有的还被挡住，但是你仍然一眨眼就能认出。不管这些画的形状和线条以及明暗如何变化，你的记忆中存储的是模式，能够快速识别的也是模式。这样的模式（一致性）+冗余（多样性）的特征存在于常见的事物之中：动物、植物、语言、产品、建筑等。换句说，这是现实世界的基本属性
。生物进化的最终目的是适应环境。人类大脑的结构在一定程度上是环境结构的”镜像“。人类大脑不同并且”高级“于我们的近亲——类人猿（大猩猩、黑猩猩、长臂猿等）及其他哺乳动物的地方是大脑新皮质。人类的大脑新皮质占大脑总体的比重最大（80%），拥有的神经元数量也最多（160亿个左右）。人类的大脑不管是绝对体积和重量，还是相对于体型和体重的占比都不是最大的；神经元数量也不是最多。大脑最大最重的是蓝鲸；大象神经元数量超过2500亿，而人类的大概在860亿个。不过人类大脑皮质中的神经元远多于大象。
人类大脑新皮层拥有6层结构，依次为I、II、III、IV、V和VI层，每层包含一定数量的神经元，这在显微镜下可以明显观察出来。新皮层的厚度大约相当于6张扑克牌垒在一起，像揉皱的纸一样折折叠叠，展开来面积达到2000平方厘米。大脑新皮层形成这样的6层结构并非巧合，它所接收到的信息将自底往上流动， 随着信息传递逐级进入到高层，不同的感觉信息（视觉/听觉/嗅觉/触觉等）将逐渐整合，最后在高层形成恒定表征（Invariant Representation）。信息在这个层级结构中向上流动就是一个不断剔除冗余的过程。小孩儿看到不同的猫，猫的具体特征的信息（体形、毛色、叫声等）进入到下层神经元，在往上传递时，猫的同一性特征逐渐被提取出来并保存于最上层的结构。根据系统的层级性特点，越往上层的结构越稳定，这就是所谓的”恒定表征“，也是模型生成和保存的地方。
”人类……拥有模式识别这一强大的核心能力。为了进行逻辑性思考，我们需要借助大脑新皮质，而它本身就是一个最大的模式识别器。“（《如何创造思维》雷·库兹韦尔）
现实世界一个复杂系统，并由一个个小的复杂系统组成；系统与系统相互关联，彼此影响。系统普遍都具有层级性（Hierarchy）和冗余性（Redundancy）的属性。透过层级分析，我们可以捕捉到一个系统的上层结构；通过剔除冗余，我们能够抽取出一个系统的核心模式。因此，建模的过程也就是进行层级分析和剔除冗余的过程（当然这两个过程可能重叠或者交叉）。
模型的现实价值在于帮助解决问题
“如果我们必须认真地思考这个世界，并有效地采取行动，某种简化的现实地图、理论、概念、模型和样式是必要的。”——塞缪尔·亨廷顿（《文明的冲突与世界秩序的重建》作者）
地图、理论、概念或者模式等，基本可以统称为模型。模型对于现实生活的价值就在于”思考世界“和”采取行动“，具体来讲，就是助于解决问题。问题纷繁复杂，但大体上可以分为四类：
1.什么状况what's going on？（情况识别）
2.原因是什么what's the reason？（问题分析）
3.采取什么对策what can i do？（决策分析）
4.未来可能怎样how about future？（预测分析）
解决每一类问题都离不开信息（或者情报）的获取。”情报的核心：所有的情报活动均涉及创建目标模型，然后从中提取知识（所有解决问题的过程也是如此）。“——罗伯特·克拉克（美国资深情报分析专家，《情报分析：以目标为中心的方法》作者）前述池塘案例中，对于问题根源和解决方案的分析都依赖于模型的创建和优化。
所谓”目标模型（Target Model）“指的是，我们所面对问题并且将要采取行动的对象往往是复杂的系统。想要获得关键的信息并设计有效的行动，必须针对系统进行建模，在模型中分析出有价值的信息并构想行动方案。
2020年美国大选在即，川普是否能够连任，还是拜登最终获胜？全世界都在关注和预测这件攸关世界局势的事件。美国大选显然是一个复杂系统，哪个候选人能够胜出受到若干因素的影响：民众支持率、摇摆不定的州、候选人健康状况、军工集团的影响、具有权势的财团支持倾向等等。唯有建模才能梳理出关键的影响因子。
美国历史教授李奇曼从1984年开始预测美国大选，近四十年来从未看走眼，曾成功预测了九届美国大选结果。他预言，2020年美国总统选举民主党人拜登将胜出。李奇曼的预测模型使用“13个关键指标”，如果有6个或以上的指标为否定，现任执政党的候选人将会落选；否则，此人将胜选。这13个指标包括：
1. 政党授权：中期选举之后，执政党在美国众议院席位增加
2. 竞争：执政党总统提名人之间没有强烈竞争
3. 谋求连任：执政党的候选人是现任总统
4. 第三党：没有重要的第三党派或独立竞选人
5. 短期经济：竞选期间经济并未衰退
6. 长期经济：任期内实际人均经济增长等于或超过前两个总统任期的平均增长
7. 政策变化：现任总统对国家政策产生重大影响
8. 社会动荡：在任期内没有持续的社会动荡
9. 丑闻：现任政府无重大丑闻
10. 外交、军事失败：现任政府在外交、军事方面未出现重大失误
11. 外交、军事成就：现任政府在外交、军事方面取得重大成功
12. 在位者个人魅力：执政党的候选人极具魅力，或是一位国家英雄
13. 挑战者个人魅力：在野党的候选人没有个人魅力，也并非国家英雄
李奇曼认为，在今年美国大选中，川普在这13个关键指标中7项为否定，这表明他谋求连任可能失败。
重要的不是掌握了多少模型，而是针对问题有效建模的能力
如果把选举结果称作为”输出“Output，那么影响结果的因素就是”输入“Input，输入与输出之间是系统（包含能够影响选举结果的元素）。这个系统对于想预测选举结果的人来讲好比一个黑箱（Black Box，也称”暗盒“），顾名思义，其中有很多东西无法观测；即使能够观测，也可能因为过于错综复杂，难以计算。认识黑箱大体有两种方法：打开黑箱和不打开黑箱。打开黑箱的方法就是把系统拆开来，看清楚。比如，你不清楚钟表的运作原理，那就直接用螺丝刀拆开，观察其中零件的组成和运转。不打开黑箱则根据输入和输出之间的关系，推断黑箱里面的结构及其运作，在此基础上形成的假设即是模型。与黑箱对应的是白箱（White Box，或者白盒），系统里面的要素都能够被观测和分析。大多数的系统处于黑箱和白箱之间，即灰箱（Grey Box），部分能够观测和认识，部分不能观测和认识。
今年的诺贝尔化学奖颁给两位对基因编辑有卓越贡献的科学家（Emmanuelle Charpentier和Jennifer A. Doudna）。DNA在被观测和验证出是双螺旋结构之前属于典型的黑箱，随着生物技术的发展，现在已经能够通过一种叫CRISPER的方法进行”编辑“。DNA的箱子逐渐被打开变成灰箱，之所以还不是白箱，是因为还有许多尚待探究的问题。模型是我们认识和改造”黑箱“与”灰箱“的工具。查理·芒格的”格栅思维“中包含了上百种模型（涉及数学、物理、生物学、经济学、数学、心理学和社会学等）。（查理芒格核心思维模型）不过，即使你掌握了这些模型，可能对于解决具体问题也无甚帮助，因为你所面对的一个个问题便是一个个具体的黑箱或灰箱，并没有普适的模型能够完全对应这些黑箱或灰箱。换言之，没有通用的模型”透镜“可以获取不同黑箱和灰箱的信息。因此，重要的不是掌握了多少模型（Models），而是针对具体问题有效建模（Modeling）的能力！
