模型思维：简化的力量

面对复杂的大环境，模型思维有助于我们做好决策。模型和算法密切相关，模型是框架和结果，算法是步骤和规则。

关于模型思维的书，我看过两本。最近刚翻完的这本是龚才春的《模型思维：简化世界的人工智能模型》。我看得很快，跳过了大部分的技术细节，主要吸收的营养是书中对模型的定义和分类。

什么是模型？书中给出的定义是：模型是客观事物的简化表示。

“表示”，意味着模型不是客观事物本身，而是用数学公式和图表展现的形式化结构，以帮助我们理解世界。“简化”，意味着模型总是有所为有所不为，一目了然，形式优雅。这两点都是模型的精髓所在。

书中按照要处理的问题，把人工智能技术常见模型分为六大类：权重模型、状态模型、序列模型、表示模型、相似模型、分类模型。（见下表）

这6类模型之间的关系如下图所示：

关于这本书就说这些。

我想重点推荐的是数年前看过的另一本书，美国密歇根大学教授斯科特·佩奇（Scott Page）教授的《模型思维》（The Model Thinker: What You Need to Know to Make Data Work for You）。与上本书主要聚焦在人工智能技术领域不同，这本书展示的是模型的全景，通过24个模型的详尽介绍，阐述了如何利用多模型思维处理学习、工作、生活各个方面的各类问题。

书中将模型的用途总结为7个方面（REDCAPE）：

推理（Reason）：识别条件并推断逻辑含义。
解释（Explain）：为经验现象提供（可检验的）解释。
设计（Design）：选择制度、政策和规则的特征。
沟通（Communicate）：将知识与理解联系起来。
行动（Act）：指导政策选择和战略行动。
预测（Predict）：对未来和未知现象进行数值和分类预测。
探索（Explore）：分析探索可能性和假说。

该书的配套课程在Coursera上搜“Model Thinking”就能找到。课程自上线以来受众已过百万，今年我也准备跟学一遍。

如今大家的注意力都被大语言模型吸引，但我觉得那些传统和经典的理论依然是最可靠的基础。无论技术如何演化，不管前沿多么炫目，人类智慧长期积累的、被一再证实了的成果，才是我们从根本上认识客观事物、理解现实社会运行逻辑的最可靠的钥匙。

一边跟学，一边重温此书，理解会更加深入，收获也会更多。后续我会不定期和朋友们分享学习心得。