这是读完《逻辑思维》后获得的一些启发。
一个通用决策方法——成本收益法则
经济学家们认为,对于任何决策,无论其结果如何,你都应该进行可以计算期望值的“成本–收益分析”。
成本–收益分析的正式定义——能获得最大净收益且花费成本最小的行为是你应当采取的行为。
具体而言,一个人应该按照下列步骤来行动:
1.列出所有可能的行动方案。
2.确定行动会影响到的所有对象。
3.确定行动为各方带来的成本和收益。
4.选择你衡量方案优劣的形式(通常会以金钱作为标准)。
5.预测在相应的时间段里每种方案的成本和收益所带来的结果。
6.衡量这些结果出现的概率。
7.随着时间推移,对结果打一定折扣(一栋新房子现在对你的价值要比20年后它对你的价值高,因为到那时你能够享受它的时间更少了)。这种折价的结果被称作“净现值”。
8.进行敏感性分析,这意味着你要随时调整通过成本–收益分析得出的结论,因为你可能会在估计成本花费和收益时犯错误,或是错误地估计了某个结果出现的概率。
在实际操作时,你完全可以省去或简化一些步骤。
但是,按照赫伯特·西蒙——大牛,著名经济学家、政治科学家、心理学家、计算机科学家和管理学专家——的理论,他认为,试图让决策最优化往往是非理性的。这是由高速计算机借由其无限信息存储量完成的任务,而不是我们这些普通人可以做的事。我们的决策过程则是有限理性的。
我们寻求的不是最优决策,而是满意策略。
我们在进行决策时需要根据其重要性而决定自己投入的时间和精力。
这是对微观经济学理论的一次修正,到目前为止它都被证明是正确的,而西蒙也因此获得了诺贝尔经济学奖。
一方面,那些要花费10分钟才能决定选择巧克力味还是香草味的人是需要帮助的;而另一方面,也会有“结婚太急,后悔莫及”。
尽管如此,即使是有明显缺陷的成本–收益分析也会在极大程度上拯救你的决策,有证据表明那些做过明确的成本–收益分析,并且避免了沉没成本和机会成本之人会更成功。
为何使用成本–收益原则会让人们行事更有效呢?
部分原因是,使用它能让你集中精力于成效最高的行动上,而同时放弃那些看上去可能会失败的计划。
即避免沉没成本的陷阱,留意机会成本。
什么时候可以相信专家?
现在,信息越来越多,我们常常不知道应该听谁的。这时,听专家的,仿若成了最佳解决办法。但真的是这样吗?别说那些蹩脚的冒牌的专家,即使是那些公认的专家,你也得区别对待。
哲学家伯特兰·罗素用他的“温和命题”告诉我们如何处理专家的意见:
·如果专家们认同,那么与其相反的观点就不能被确定为真。
如果专家们不认同,那么由非专家提出的任何观点都不能被认为是确定的。
·当专家们不能给一个既有的正面观点提出充分证据时,则常人最好对专家的判断存疑。
罗素那一套也有些过时了。那如何质疑那些专家提出的对你自身或是整个社会都很重要的问题的观点呢?
第一步,努力辨别关于这个问题所涉之事是否存在专业知识。什么占星术、易经八卦就算了。
第二步,如果讨论的议题确实具有专业性,那么就研究一下该领域的专家是否对此问题存在共识。
第三步,如果存在共识,则这个共识的认可度越高,你对是否接受它的怀疑就越少。
比如,前段时间沸沸扬扬的基因编辑婴儿,这个领域是有专业知识的,专家们也是一致反对贺建奎的行为的。那你就知道应该信谁不应该信谁了。
最舒服的打怪升级方式
每个人都想成为更好的自己,但每个人的本性又是节能——懒。那有没有什么好法子,苦点累点无所谓,至少心情愉快地精进呢?
美国企业家、励志演说家吉米罗恩有一句话,很精彩。他说,你能达到的水平是和你在一起时间最多的5个人的平均水平。
这句话初听有些令人不快。仔细一想,这不就是一个精进法门吗?你应该,尽可能,与比自己水平高的人成为朋友。
我们很多时候都低估了朋友的作用——压力。
我们总是因为别人做一些事情而去效仿。他人为我们做出了榜样,并且常常或直接或笑而不语地鼓励我们模仿他们。
这就是所谓的社会影响力。社会影响力或许是社会心理学所有领域中被研究最多的课题。
然而,我们仍然时常忽视社会影响力,不论是我们在观察他人行为的时候,还是我们试图向他人解释自身行为原因的时候。
为什么你总是看错人?
首先,我们对任何人的看法,都是自己对他的印象的编码。
就编码而言,一件事情越是能够通过编码来分析,我们对其相关性分析就越准确。但是,有些事情,本身是难以编码的。
对于那些易于编码的事情,比如一些以能力高低而决定之事,我们对于两个场景的相关性分析就会十分准确。就像一个学生期中考试数学成绩好,我推测他期末考试数学成绩也会很好,这种推测准确率就高。
同事,当分析一些与能力有关的事情时,综合许多场景的平均状况推测另一些场景的平均状况是更好的选择,这比从单一场景推断另一单一场景要更可信。还是以学生成绩为例,一个学生长期数学成绩好,我推测他物理成绩也应该不错。
也就是说,只有那些容易编码的从大量实践数据中得出的东西,才是可信的。
然而,我们往往会把一些难以编码的事件(例如与人的品性相关)粗糙编码,还以为之间存在强相关性。实际上那种关联并不存在。
比如,一个学生有作弊的动作,你就认为这个学生品行不好,进而推断他的家教不好。这其实就是在没有关系的地方强行找到关系,属于生拉活扯。
同事,我们也很少或是根本没有意识到,基于大量观察之后,预测的准确性会高于单一观察。也就是不能以一次两次事件就去定性那些本来就难以编码的事。比如,人品。
现实生活中,我们却搞反了。比如,有多少人常常念叨一句口头禅:一次我就把他看白了。
当你真的一次把某个人看白了,从那以后你就是以有色眼镜打量对方, 即使是对方善意的举动,也会被你解读为恶意的攻击。