《多样性红利》是一本介绍多元文化对企业发展的积极影响的书籍，作者通过实例和数据证明了多元文化团队的优势，并提出了如何在企业中实现多元文化的建议。本书为企业管理者提供了新的思路和方法，帮助企业更好地利用多元文化的优势，提高企业的竞争力。
多样性红利读后感(一)
多样性红利这本书，认识逻辑，思维层次，多样性，很受启发，说实话这本书确实不错，开拓思维方式，在读后总能产生一些原来没有的思维启发，不亏是大家之作，我要认真读个几遍，我原来是不怎么看书的，都是空闲的时候读读，读的书不是很多，在书店看到这本书，包装设计挺好看的，就买了一本，现在是晚上临睡前看看，也算涨涨见识，换个思路换种思维，希望能够改变我自己的生活方式，多读书，知识才是力量，积少成多，充实自己
多样性红利读后感(二)
作为一名数据挖掘工程师，长久以来就知道一个道理，多个模型的融合效果肯定比单个模型好，而本书也恰巧在论述了这个道理，既然知道了这个道理，如何要过好这一生，本书还是提供了很多有益的指引，对待不同观点，不同身份的人。要多一分包容和理解，这句话说起来很简单。但是做起来很难，就如同《原则》说的，如何把自己打造成一个开放性的系统，按照价值的权重来对不同的人和不同的观点大分，避免让自己陷入到片面的狭隘之中去，也许本书就给了你一个不错的答案
多样性红利读后感(三)
Ⅵ.践行G（定量） 多样性红利 在这个不确定的时代 用不确定的方式来去应对的VUCA法则 最终还是要进入到童化的境界 小孩子的天马行空 是我们对多样视角的最佳注解 超越包容 不断发现更多的可能性 创新将以一种更加高维度的视角统合你的认知 原来你在这件事上拆解的三个部分模块 在更大的层面上你会发现都符合同样的数理逻辑 逻辑还会得出除了这三个模块以外的有效解决方案 你原先没有想到的与看上去天马行空的东西 其实有内在的关联 恰恰是需要你深入思考的思维盲区
多样性红利读后感(四)
01 这本书中提到一个结论：一个人是否聪明不是由智商决定的，而取决于认知工具的多样性。这本书讲的是如何应用工具箱中的工具，用多样性创造更多的红利。
02 我们要追求的不是信息多样性，因为这可以通过搜索引擎网站来解决信息多样性的问题，我们要考虑的是解决问题方式的多样性
03 书中提到在某些情况下，多样性比能力更重要。包括：
1.多样性视角：对环境、条件和问题的不同表示方法
2.多样性启发式：生成解决问题方案的不同方法
3.多样性解释：对各种观点分类或区分的不同方法
4.多样性预测模型：推断因果关系的不同方法
多样性红利读后感(五)
本书行文逻辑性强，行文也很严谨。
我推测，此书的作者是光头
一个人的能力，跟智商关系不大，而在于一个人有多样性的工具。我们的教育，考试，只能评估一个人在某几个维度上的能力。
天生我才必有用，每个人的技能包组合是独一无二的。基本上不存在你会的技能，别人会都会。
多样性跟能力一样重要。
群体优于平均定理:群体必然比其一般成员预测得更准确一些。
城市规模越大，人均生产力越大（个人观点:规模越大，分工越细）。不同的人有不同的多样性视角。人越多，想法越多，经济增长越快。
真正的洞见往往是对先前被忽视的维度或因果关系的认识。
孔多塞循环、阿罗不可能定理、麦凯尔维循环定理、伯德-萨特思韦特定理、普洛特没有胜利者定理。mark一下。
多样性优于能力:我国民主而已言，需要更多的多样性不意味着全民民主，毕竟中国人多，最好是增加作出决策的人的多样性，包括增加决策人数量，以及不同社会阶层身份。
多样性红利读后感(六)
花了两个月终于看完了这本非常有启发性的著作。
《多样性红利》创造性地提出多样性视角、启发式、解释和预测模型四个认知工具箱框架，并得出惊人结论:一个人是否聪明不是由智商决定的，而取决于认知工具的多样性!本书将告诉你如何应用工具箱中的工具，用多样性创造更多的红利。
其实三个臭皮匠赛过诸葛亮这句谚语人人都能理解，但是如何能够利用多样性来提高效率和成功的概率那就是非常复杂精细的过程。而一开始，我们需要掌握的是视角，预测，解释和分类这几个基本性概念，然后注意在何种限定条件下才能产生多样性红利的结果。前者建立逻辑框架，后者确定实施场合，缺一不可。
而对于来讲，首先重要的是保持包容开放的心态，然后不断增加自己的工具箱，学习用不同的视角来分析问题，同时能够对团队的其他人抱有倾听的态度。最后，站在全局的角度，需要注意，多样性可能产生的成本和杂音问题，以及努力从众的偏执。
最后一点个人的感悟：世界广阔，人其实不过其中一个杂音。光看自身我们确实能力有限，只有努力拥有不同视角去看待去评估这世界，也许能能好的确定自己的坐标和无法被复制的意义。
多样性红利读后感(七)
查理.芒格《穷查理宝典》的一大看点是他提出的多元思维模型，认为事物本质上就具有多个方面，含有多种属性，如果我们只是从某一个方面，某一个角度去观察，去分析，我们往往也会有所得，但是得到的其实只是事物的某一个方面的知识和误以为得到了事物全貌的错觉，这种错觉往往比没有任何知识更可怕，由其诱发的盲目自信足以让一个手拿锤子的人看什么都像钉子。所以多元模型强调，既然事物是多元的，我们看待事物的正确姿势当然也应该是多元的，要从多一个角度去剖析一个事物，我们才有望综合地看到事物的整体。查理.芒格的多元思维模型听起来符合直觉，符合我们日常的生活经验，也有力的帮助了他的投资事业，但是在理论上他并没有把这种洞察向前推进一步，一直停留在了洞察这个层面上。而这本书的价值就在这里，没有只是停留在观点层面，只是说多样性具有巨大价值，而是进一步深入到多样性的概念本身，并从概念出发去论证它的价值。具体内容如下：
第一、阐述了多样性或者说多元到底包括什么内容。
在多元思维模型中，查理.芒格只是从经验的角度简洁的谈了多元思维模型的基本概念，但是并没有系统的定义多元到底是什么，而这本书则不同，对多样性进行了严谨的定义。在作者看来，多样性包括四个方面，其中多样性视角是指对环境、条件和问题的不同表示方法，比如一种语言就是一种视角；多样性解释是指对各种观点分类或区分的不同方法，比如把橘子和皮球都理解为圆形物就是一种解释；多样性启发式是指生成解决问题方案的不同方法，比如用微积分求图形面积就是一种方法；多样性预测是指推断因果关系的不同方法。在作者这里，多元不在停留在模糊的经验概念层面，而是被精细化的凝结为四个内容，显然相对于前者，这种精细可以让我们更好的理解和把握什么才是多样性。
第二、作者阐释并论证了多样性红利的内在逻辑。
在查理.芒格那里，多样性具有红利，只是一种经验之谈，尽管这种经验是有芒格本人验证的，但是多元的价值逻辑并不清楚，而作者没有让这种缺憾一直存在下去，在多样性概念的基础上，作者剖析并论证了多样性红利存在的逻辑。从而让这种有用性不只停留在了经验和直觉层面，从而有了扎实的论证根据。
第三、作者的多元具有更广阔的适用范围。
如果说查理.芒格的多元模型主要是一个人个体层面上的多元的话，作者的多元显然是一开始就超越了这个层面，不只关注一个人自身是否能够有多远的视角，多样的思维工具箱，更关注一个团队组织，是否能有多元的成员，这些成员是否能具有不同的文化背景、不同的学科背景、不同的思维方式，多元对个人有价值，多元对组织同样也有价值。
所以，这本书的逻辑和论证解释了为什么多读书，尤其是多读专业之外的书有价值。总之，也算一本好书。
多样性红利读后感(八)
为什么总有人能够预测未来？ 为什么总有人比你更具前瞻性？ 为什么有些人看起来啥也不是，但是总在需要的时候，展现出不一样的能力？ 那是因为他具有多样性特征，在特定的时候吃到了多样性红利。 尽管这种特质在平时看，就像啥也懂一点，但是一旦深究，好像啥也不是特别精深。 但未来会越来越无序，越来越混沌，如果你想比别人更快看到未来，就得拥有多样性； 如果你想面对不确定的未来，自己不被淘汰，你就得拥有多样性，培养更多无用之用。 未来已来，《多样性红利》让你具有先发影响力，抢先一步看到未来。 《多样性红利》 《多样性红利》的作者是斯科特·佩奇，他是圣塔菲研究所复杂性与多样性研究专家，也是密歇根大学教授，以对社会科学多样性和复杂性的研究和建模而闻名。 而《多样性红利》创造性地提出多样性视角、启发式、解释和预测模型四个认知工具箱框架，并得出惊人结论：一个人是否聪明不是由智商决定的，而取决于认知工具的多样性！ 看完《多样性红利》，你的收获，就是培养出属于你的多样性框架： 多样性视角：对环境、条件和问题的不同表示方法； 多样性启发式：生成处理问题方案的不同方法； 多样性解释：对各种观点分类或区分的不同方法； 多样性模型：推断因果关系的不同方法； 本书将告诉你如何应用工具箱中的工具，用多样性创造更多的红利； 什么是多样性视角？ 首先，我们要了解什么是视角。 视角是从现实到内部语言的映射，使每一个不同的对象、情况、问题或事件都被映射到一个唯一的词语。 我们通常将人们对事物进行“编码”的方式称为视角。 视角的选择对问题的难易关系重大。如果你选择的对象、情况、问题或事件对应的词语非常复杂，那么你的视角就非常狭隘。 多样性好处在于， 策略性情境中，多样性视角也同样有效； 在你做决策的时候，你需要看到之前不曾见到的问题； 视角越多，找到全局高峰的机会越大；也就是你的视角越多，你就越能找到正确的解； 好视角可以化难为简；有些时候并不是你面对的问题复杂，更多地是你的视角选错了。 好书值得你认真阅读 现在很多人，都不喜欢看这种思维层面的书籍，或者不希望自己动脑。 殊不知生活在信息茧房中，你被动接受垃圾信息，就会变得越来越人云亦云，没有自己的主见。 而培养自己的独立思考能力，看似无用之用，但是这种能力，必然在你的生活工作中，给你助力。 未来一切都不确定，你需要具有多样性的能力，才能吃到多样性的红利。 未来，就是现在把握一切的你。
多样性红利读后感(九)
别总拿乌合之众来说事，书里没有咬死多样性一定比同质性更优，一切还看具体场景和用途。
举几个也许不太恰当的例子：
饮食方面，每天从20-30种食物中汲取的养分，会不会比只从10种食物中汲取的养分多？
健身方面，有氧和无氧的结合，是不是比单纯只做一种对身体更有益处？
职场方面，呆过各个部门做过好几种职业，看待同一件事的视角，难道不比只在同一个部门同一个岗位一干10年的人的视角要广阔得多？
作为一个管理者，要注意自己团队成员的多样性，团队中拥有多样的视角和多样的工具箱，就能更全面和有效地运营企业。
作为一个平头老百姓，多给自己创造不同的体验与感悟，积累多样的工具箱，不仅能应对生活的不确定性，也为自己挣点多样性红利，何乐而不为？
“每个人能提供什么东西，能为这个世界做出什么贡献，全都取决于我们在某种程度上是彼此相异的，有不同于他人的视角、解释、启发式、预测模型极其组合，这些差异能够集结成远远超过我们个人能力的群体能力。”
摘抄：
多样性视角（Diverse Perspectives）：每个人的观点都可能不同。正确的视角可使问题变得更容易解决。大多数科学突破和商业创新都是从某个人以不同的方式看问题开始的。以不同的视角看待世界为创新提供了“种子”。
一个待解决问题的难度，取决于对它进行编码的视角。
我们可以以同样的基本方式看待这个世界，但是却以不同的方法将它分类。这就创造了丰富的多样性。
不同的视角创造了不同的景观，不同的景观有不同的高峰，不同的高峰防止人们被锁定在同一点上。每一个所谓的终极事实都只不过是某个新系列的第一个事实。
群体中的人越复杂，群体的预测越准确；专家越复杂，专家的预测也越准确。
对于一个群体来说，要想有“智慧”，它的成员在个体层面必须是聪明的，或者在群体层面必须是多样性的。当然，理想情况是两者兼备。
对于大多数问题，解释时包含的维度取决于价值观。喜欢的东西与注意到的东西之间的联系非常明显。
多样性训练、经验和身份使我们有了不同的想法，它们使我们拥有了独特的认知工具。真正的洞见往往是对先前被忽视的维度或因果关系的认识。它们就是新的解释和预测模型。
认知多样性能够提高群体绩效。我们已经拥有了有力证据，它们表明，训练经历多样性的人的群体表现相当好。
如果人们相信与不同于自己的人互动会带来红利，那么他们更有可能获得这些红利。预测塑造行为，行为塑造结果。
获取多样性红利的12个干法：
1.用“超可加性”创造神奇，举例：构建自己的股票投资组合，选择多只股票，以保证无论经济形势发生了什么变化，总会有若干只股票表现良好。
2.兼容并蓄，乌合之众是没有智慧的，但有模型的群体却是有智慧的。
3.多听外部声音，不同思路的人会对现状提出挑战。
4.关注多样性，也关注能力。
5.激励多样性公民，经验决定认知水平。
6.让员工参与市场预测。
7.鼓励跨学科研究
8.区分基本偏好与工具偏好，强调利益而非立场
9.利用好基本偏好多样性
10.坚定“多样性优于能力”的信念
11.将多样性逻辑应用于招生、招聘和任命
12.在神秘事物面前保持谦卑
多样性红利读后感(十)
万维钢精英日课2解读:
1.多样性好处的数学公式
（1）群体能力 = 平均个人能力 + 多样性
（2）多样性 ＞ 能力
群体预测的方差 = 群体中个人预测的方差的平均值 - 群体多样性。
2.多样性产生红利的条件
第一，这个问题必须得足够“难” —— 要难到没有一个人自己能够单独解决的程度。如果是一个人就能解决的事儿，强行搞多样性就是浪费人力。
第二，群体中的每个人，都必须有一定的能力。也就是说每个人都得够格才行 —— 国际象棋棋手可以，但球迷不行。
第三，群体中每个人都有跟别人不一样的视角和解决问题的方法。那也就是说每个人都要有他独特的价值。
第四，群体的规模必须足够大。
3.多样性认知工具箱
第一个工具：视角
所谓视角，就是你*怎么看*这个东西，你把这个东西*看成什么*。
视角的三个洞见：
1.视角的选择，对解题的难易，关系重大。
2.要想有利于解题，你这个视角最好自带某种结构。
3.对任何一个问题，都存在一个能让答案一目了然、脱颖而出的视角。
“学者存在性定理（Savant Existance Theroem）给了我们希望。一道难题摆在面前，可能当前谁都不知道怎么解决，但是你要相信，总有一个视角，会让答案看上去那么简单，能够脱颖而出。
第二个工具：启发式
“启发式是这么一个规则：在某个视角里，使用这个规则能够得到一个解 — 那么你受此启发，也许可以把这个规则用在别的问题上，得到别的解。”启发式就是思维的套路。更基本的含义，大约可以称为“思维快捷方式”。
第一个，叫“拓扑启发式（Topological Heuristics）”。不要被“拓扑”这个充满数学味道的词所吓住！其实所谓拓扑启发式，就是看看四周临近的地方。比如你读到一本书觉得有意思，你就想看看这位作者还有没有别的书，这就是在使用拓扑启发式。
佩奇说的第二个启发式，叫做“梯度启发式（Gradient Heuristics）”。梯度启发式也考察邻近的地点，但是它有一个明确的方向。最简单的例子，就是你做汤，尝一尝感觉有点淡了，你认为这不是最优解。那怎么探索最优解呢？既然现在汤淡，你想让它变咸一点儿，你想要的就有一个明确的上升的量 —— 在数学上，这就叫“梯度”。
佩奇说的第三个启发式，叫“允许犯错启发式（Error - Allowing Heuristics）”。所谓允许犯错，就是你可以搞一些“任意的震动”。
第四个启发式，叫“种群启发式（Population Heuristics）”。种群启发式是用模拟生物进化的方法找到最优解。
第三个工具：解读
解读，就是在一个视角之下，把东西做进一步的分类。
投影解读：如果你的分类方法是选择视角中的一个维度并且忽略其他维度，那就叫“投影解读（projection interpretation）”。
聚丛解读：你也可以不管什么维度，任意选择几个东西说它们就是一类，这就叫“聚丛解读（clumping interpretation）”。
第四个工具：预测模型
预测模型 = 分类解读 + 预测
每一个解读，都要忽略一些东西。每一个预测模型，都是主观的选择。不分类，你就没效率；分类，你就会歧视。解决这个矛盾，就需要多样性。
4.怎样利用多样性
多样性具有“超加性（superadditivity）”。把两个视角“加”起来，有利于你解决新的问题。这也正是我们常说的，创造性就是“想法的连接”。
如果你只会两个视角，那你就只有一对连接。而如果你会5个视角，理论上你一共可以有5×4/2 = 10个连接。而你要是有10个视角，你可以有10×9/2=45个连接。因为视角的这个超加性，多样性的好处会不成比例的增加。
因为多样性的特点和好处，你应该这样利用多样性：
个人应该多掌握几个工具，而公司用人，应该多考虑多样性。
想要获得更多机会，你应该尽量掌握几个跟别人不重合的技能。
有的人喜欢涉猎广泛什么技能都稍微学一点，但也有的人喜欢深入钻研一门技能。我们以前说过，前者容易陷入“达芬奇诅咒”，而后者容易变成“刺猬”。但是这两种人都有各自可以从事的领域。
5.也要小心多样性
个人是非常理性的。但是，群体，却没有这种理性。
个人有偏好，但是由个人组成的群体，是没有偏好的。群体没有偏好 —— 就是著名的“阿罗不可能定理”，由肯尼斯·阿罗证明，阿罗不可能定理是社会科学中最大的悖论之一。你每次听人说什么“集体的决定”或者“群体的利益”，应该首先想到这个定理。
但是应该区分两种偏好：
“基础偏好（fundamental preferences）”，是关于结果的偏好，是目的。基础偏好要是不一样，可就麻烦了。基础偏好的多样性简直就是噩梦。
“工具偏好（instrumental preferences）”，是关于应该怎么办的偏好，是手段。工具偏好的多样性是好事：每个人有不同的视角、启发式、解读和预测模型，但是目标一致。
归根结底，一帮人在一起，思想越多样越好，但是价值观最好求同，这才是君子和而不同。
多样性红利读后感(十一)
10年旧书了，书后版权页上英文版的版权是2007年的，亚马逊英文版上搜到的版本是2008年的。
全书可以看作《群体智慧》的注解版，后半部分的内容又在讲投票规则，但是不如《议事的科学》讲的好和全。
书中充值着类似习题讲解的内容，用例子和公式来证明多样性的群体的决策和判断优于专家。
书中给出了群体智慧优于专家智慧的条件：有多样性的预测模型;人们是相互独立的,不允许人与人之间产生相互影响;预测过程是分散的,人们不会相互交流。
作者也说应该用实际的案例来说明群体智慧更优。不过书中没花太多的笔墨来列举实际案例，所举的案例也就是股市，没超出《群体智慧》。
正文有409页，比较厚，印刷技术还不错，纸比较轻柔，拿起来比较容易摊开。
总体评价3星，价值不大。
以下是书中一些内容的摘抄：
1：例如,很多咨询公司都有一整套核心视角和启发式,所有员工都必须掌握。一个典型例子是,贝恩公司(Bain and Company)依靠的一个启发式,被称为“80/20视角”。这个启发式建立在这样一种信念的基础上:80%的效益都可以归因于20%的事物(员工或努力,等等)。用标准的启发式来说就是关注最重要的前五分之一。P77
2：解释(interpretation)：解释是从对象、情境、问题和事件到词语的一个映射。在一个解释中,一个词语可以用来表示许多对象。P88
3：“灵光一现”要求存在一个能够使任务变得容易的维度。正如格拉德威尔在《眨眼之间>一书中所描述的那样,夫妇双方相互“泼脏水”的确切证据是判断婚姻将以离婚而告终可能性的一个很好的预测指标。如果我们的解释只考虑了单一维度,比如某对夫妇是否会做出令人讨厌的、贬损对方的评论,就会使我们更加容易做出预测。P110
4：大量证据表明,大多数人的预测,甚至是专家的预测,都不如基于数据的回归模型预测准确。在《点球成金》(Moneyball)一书中,作者通过引用比利·比恩(Billy Beane)的例子,使这个特征事实广为人知。比利·比恩利用回归分析来管理球队,结果将其他棒球队远远地抛在了后面。这并不是特例。P110
5：这种差异类比为智商差异,就可以得出这样一个结论:智商的巨大差异可能意味着智能的显著差异,但智商的微小差异则不然。更加重要的是,过于关注智商得分上的微小差异,会掩盖更关键的认知差异。两个智商得分相同的人对社会做出的贡献可能完全天差地别。P119
6：著名认知心理学家罗伯特·斯滕伯格(Robert Sternberg)给出了第二种多维度的智能测量方法。它包括三个维度:分析性智能、创造性智能和实践性智能。P120
7：在这里先简单总结一下。在存在多个维度的情况下,是不存在明确的赢家的。即便是采取让竞争者“面对面分个高下”的解决方法,也往往无济于事。这种方法能够产生的胜利者,取决于比赛的分组形式和比赛程序。不可能指望找到一支最好的球队、一个最好的律师或者一个最聪明的人。 P125
8：这些表格有助于解释,关于智能的排名是否有可能实现,为什么不同行业的人会歧见丛生。在大学里,文学教授、艺术史学家和哲学家一般都认为各种度量智能的指标都过于简单化了。物理学家和数学家则认为它们还是有意义的。 P135
9：一个人的智能取决于他所拥有的工具,而不可能仅仅是智商测试的成绩。当然,智商测试以及其他测量手段仍然是有价值的。加德纳和其他一些学者给出的智能指标是有很坚实的科学基础的。智商测试和SAT成绩,确实可以很好地预测人们在类似考试中的表现,就像百米冲刺所需的时间能够很好地预测人们能够以多快的速度追上公共汽车一样。P137
10：研究表明,GRE成绩并不能很好地预测学位论文的质量。这也就是说,GRE成绩不能用来衡量那些需要更多思考和时间才能用好的工具,也不能衡量产生好的研究论文所必需的那些工具。写论文需要创造新的知识,创新需要的工具,不同于应付考试的工具。P137
11：1999年6月21日,以国际象棋大师加里·卡斯帕罗夫(Garry Kasparov)为一方,以来自全球各地大约5万名国际象棋棋手为一方,进行了一场别开生面的国际象棋比赛。P149
12：卡斯帕罗夫也有48个小时的时间来走下一步.···在62步之后,卡斯帕罗夫赢了。在国际象棋比赛中,一盘棋要下62步之多,就说明这是一场势均力敌的比赛。卡斯帕罗夫只是险胜。很显然,这个群体的表现比它任何一个成员个体可能达到的表现都要好得多。P149
13：索罗维茨基提出了一群人做出准确预测的三个必要条件。这些条件是:有多样性的预测模型;人们是相互独立的,不允许人与人之间产生相互影响;预测过程是分散的,人们不会相互交流。所有这三个条件都意味着,存在多种预测模型。如果人们不是相互独立的,他们拥有多样性预测模型的可能性就会降低。P190
14：这个电视游戏节目的数据表明,参赛者求助对象的选择,只有不到2/3的准确率。在这里假设,这些求助对象至少表面上是一个专家。……当被要求投票决定哪个选项时,现场观众10次中有9次是正确的,9/10的准确率是惊人的。事实上,这样高的准确率不仅仅是令人震惊的,有时甚至可以说是非常神奇的。P195
15：群体优于平均定理:任意一个多样性的预测模型集合,群体预测必定比平均个体预测更加准确,也就是说: 群体预测误差<平均个体误差。P222
16：到目前为止,还没有讨论过群体成员之间的沟通。如果人们可以分享各自的预测,那么他们就可能会变得不那么多样性。用苏格拉底的话来说,群体很容易“随大流”,也就是说,人们经常改变自己的预测以便与他人的预测保持一致。因此,不一定能观察到群体智慧的涌现,反而会观察到群体的“疯狂”。P225
17：(Thomas Frieman)曾经注意到,如果两个国家拥有麦当劳餐厅,那么它们之间就不会爆发战争。这个“金拱门定律”直到1999年才被推翻,在那一年,北约轰炸了南斯拉夫联盟。由此看来,根据快餐店的位置来决定外交政策并不是一个好主意。P228
18：群体可能有免费午餐定理:聚丛解释以及基于不同视角的解释可以生成包含交互效应的预测模型。 拥有这样预测模型的群体有时能够预测一个复杂的函数。P234
19：这两张表显示的结果正如预期: 群体中的人越复杂,群体的预测越准确;专家越复杂,专家的预测也越准确。P240
20：群体偏好要满足的第一个要求是,它们必须是理性的,必须是完备的,即任何两个备选方案都可以相互比较和可传递的,也就是不允许出现“剪刀、石头、布”游戏那样的循环。如果失去理性,群体就可能无法采取任何行动。P272
21：阿罗不可能定理:从个体偏好排序出发,如果允许所有可能的偏好,那么不存在完备的、可传递的群体偏好排序,群体偏好满足一致性、非相关备选方案独立性和非独裁性。P274
22：普洛特没有胜利者定理:一般而言,在存在不止一个维度的情况下,没有任何一个备选方案能够在一对一投票中击败所有其他备选方案。P283
23：麦凯尔维循环定理(McKelvey's Cycling Theorem):如果偏好是多重维度的,那么一般而言,给定任意一个备选方案,通过一连串投票,都有可能到达任何一个其他备选方案。P287
24：吉伯德-萨特思韦特定理:任何非独裁的、用来集结对多于两个结果多样性偏好的规则,都是可以被操纵的。P290
25：问题没有出在味道上,消费者喜欢这种“新可乐”的味道,他们讨厌的是这种“篡改美国大众偶像”的想法。可口可乐公司使用了错误的预测模型,把可口可乐错误地归类为人们因为觉得味道不错而去消费的普通饮料。 P321
26：有一天,卖冰激凌的商人用光了杯子,为了应急,一位来自叙利亚的华夫饼商人欧内斯特·哈密(Ernest Hami)将华夫饼卷成圆锥形,临时充当冰激凌杯子。接下来的故事已经成了历史上的一个传奇,据说冰激凌甜筒就是这样发明出来的。P360
全文完
2018左其盛好书榜（截至10月31日）
2018左其盛差评榜（截至10月31日）
2018读过评过的书379本（截至10月31日）
更多良心书评参见我的公众号：左其盛经管新书点评
多样性红利读后感(十二)
1818阅读计划 #38 《多样化红利》 2021.4.21 书摘: 这就是说，如果组建了两个小组，第一个小组的成员是随机挑选出来的，因此是多样性的，第二个小组则是由“个人”表现最好的问题解决者组成，那么第一个小组几乎总是会完成得更加出色。在我的模型中，多样性优于能力。 进步取决于群体内部的多样性，就像取决于个人的智商高低一样。 多样性框架 多样性视角（Diverse Perspectives）：对环境、条件和问题的不同表示方法 多样性启发式（Diverse Heuristics）：生成解决问题方案的不同方法 多样性解释（Diverse Interpretations）：对各种观点分类或区分的不同方法 多样性预测模型（Diverse Predictive Models）：推断因果关系的不同方法 对解决问题的分析最终得到了两个主要成果。首先，多样性优于同质性：拥有多样性视角和启发式的一群人能够优于依赖于同质视角和单一启发式的一群人。其次，在一定条件下，多样性优于能力：由智能问题解决者随机组成的集合优于由最好的单个问题解决者组成的同质集合。第二个结果的成立依赖于如下四个条件：问题困难条件、微积分条件、多样性条件、大群体规模条件。 身份多样性人群的绩效是不是真的比身份同质性人群的绩效更高？如果仔细分析一下相关证据，就会发现无论在哪个层面上，结果都是不一定的。在国家层面，我们发现在发达经济体中，种族多样性是有益的；而在那些较贫穷的国家，种族多样性却会造成问题。在城市层面，也发现了类似的结果。多样性既有益处，也有坏处。认知多样性能够促进创新，偏好多样性则会引发争议。 在群体层面，我们发现结果更加混乱和令人不解。一系列细致的研究表明（这些研究为研究者赢得了不少奖项），多样性带来的效益并不大。甚至连需要多样性团队为不同客户推销产品这样一个结论也无法通过严格的论证。[插图]之所以会出现这种结果的原因之一是，群体动力学可能会产生大量非常严重的问题。人们喜欢与自己喜欢的人在一起，而且倾向于以刻板印象评价他人。[插图]另外，在针对群组层面进行研究时，可以更精确地检验身份效应，但是这种检验搞混的问题比澄清的问题还要多。例如，可以对80%成员是男性的团队和75%成员是女性的团队进行比较，也可以找一个几乎完全由50～70岁的男性组成的群体。 整体上看，群组层面的结果与国家和城市层面的结果相类似。如果管理得当，身份多样性也可以创造效益。前提条件是，身份多样性必须与认知多样性相关联，且对于任务的完成的确重要。 本章中将提出本书的第一个主要论点：正确的视角可以使问题变得更容易解决。 现在，把这句话隐含的意思扩展为一个更加普通的观点，那就是，人们如何看待问题的方式决定了这些问题的难度。牛顿清楚地看到了各种物理现象：他看到了白光是由所有颜色组成的；他看到了按轨道运行的星体是有引力的。神秘的面纱被揭开，困难也变得容易了。我们可以给出以下结论： 一个待解决问题的难度，取决于对它进行编码的视角。 最好的视角是那种能够生成只包含一个高峰的视角，这就是说，用这种视角组织信息的方式，能够使一个明显的解决方案变得水落石出。对此，不难想象这样一种情景：一个徒步旅行者沿着一路上的各种闪烁标志（即数据点）不断向前走，直到登上山顶。但是如果使用在西布兰奇市找房子时所用的建筑面积视角，就出现了很多个局部高峰（准确地说有5个），这可能会使徒步旅行者陷入困境。或者，也可以想象一下，在前面举过的冰激凌例子中，将冰激凌杯按照第一位顾问的热量视角排列整齐，假设有一个人手里拿着一把勺子边走边品尝，直到吃到最美味的冰激凌为止，这似乎是一份挺不错的工作。借用著名英国诗人泰德·休斯（Ted Hughes）的华丽语言，将那个高峰称为“冰激凌之峰”，也就是说左右两边的冰激凌味道都比不上它。 乔治这个“反其道而行之”的方法就是一个启发式。启发式是一种用来寻找解决问题方案的有效思维工具。在耶鲁大学管理学院教授巴里·奈尔巴夫（Barry Nalebuff）与伊恩·艾瑞斯（Ian Ayres）看来，“反其道而行之”这个启发式确实是寻找创新解决方案的一种有效方法。他们举例子说：如果有900个电话号码是由你付费打给他们，为什么不能有9个电话号码是他们付费打给你？[插图] 只要稍稍花点功夫，就可以推广这个例子，以说明启发式所拥有的超加性潜力。如前所述，当一条路线陷入了局部高峰时，通过将“互换两个相邻城市”这个启发式改良为“互换被一个城市隔开的两个城市”，这样就可以提高效率。但是，改良后的这个启发式还是可能卡在另一条路线上，这时，就可以重新启用“互换两个相邻城市”的启发式来进一步加以改进。通过这种方式，改进叠加改进，就可以创造超加性效应。 在这里，先描述四类常见的启发式：拓扑启发式（topological heuristics）、梯度启发式（gradient heuristics）、允许犯错启发式（error-allowing heuristics）和群体启发式（population heuristics）。这些类型的启发式之间有一定的重叠，但是通过这样的分类，能够更清晰地阐明启发式的多样性。 最简单的启发式是拓扑启发式。它们依赖于视角的结构，从而搜索邻近的解决方案。在旅行商问题中讨论过的用于改变路线的那几种启发式，都属于拓扑启发式，“反其道而行之”启发式也属于这一类。由视角创建的邻近结构通常隐含或暗示着若干种拓扑启发式，你只需要在“近邻”当中搜索即可。例如，本杰里公司既然将冰激凌杯摆列成了网格状，他们就肯定要考虑在某一杯冰激凌四周的冰激凌。计算机科学家将这些“近邻”称为“冯·诺依曼邻居”，目的是纪念约翰·冯·诺依曼（见图2-2）。 在那些可以用数学表达式表示价值的问题中，则可以利用梯度启发式。具体方法是，先计算出价值函数的斜率，然后沿着斜率的最大方向移动。 当温度比较高的时候，允许算法出错，也就是可以接受更糟糕的新解决方案，只要它们没有差得太离谱。这就是说，在一开始，模拟退火算法可以接受除了最大错误之外的所有错误，这样一来，它在搜索时就能够遍历整个解决方案空间。同时，由于它拒绝价值大幅度降低，所以模拟退火算法还能够趋向于那些具有更好解决方案的区域。 随着温度的降低，模拟退火算法变得越来越不能“容忍”更差的解决方案。可以这样想象，进入秋天后，随着天气越来越冷，要求越来越严格，而到了寒冷的冬天，就变成非常严格了。到了12月份气温非常低时，这种算法就很少接受更差的解决方案了。最后到了1月份，当温度下降到谷底，就只有价值更高的新解决方案才会被接受。也就是在这一点上，模拟退火算法退化成为爬山启发式（一种拓扑启发式），并在一个局部最优点上稳定下来。 接受一个更糟糕的解决方案的概率＝（温度－价值降幅）% 如果温度等于90华氏度，那么大多数新的解决方案（除了那些非常不好的）都将会被接受。这意味着搜索不会止步于崎岖景观的某些小山丘上。随着温度的不断降低，算法越来越不“愿意”接受更差的解决方案。假设温度等于50华氏度，某个新的解决方案导致价值下降40（价值降幅等于40），那么算法只有10%的概率会接受这个新的解决方案。这很容易理解，因为这个新的解决方案确实是相当糟糕的。如果价值降幅等于1，那么算法有49%的概率会接受该解决方案。因此，这个算法接受小错误，但不接受大错误。最终，当温度下降到0华氏度时，它就只接受更好的新解决方案了。[插图] 虽然大量噪声的存在阻碍了预测能力，但是有的时候，增加一点噪声却会起到意想不到的效果。噪声能够增强对模型的信心，而“信心倍增”则会带来实际的后果。如果想要教会某种动物做某个动作，那么增加一点随机性可能会有所帮助。例如，教一只狗学会坐，你不应该总是给它奖励。虽然大部分时间你应该给它奖励，但是每隔一段时间你应该停止给它奖励。你这样做，狗就会想：“我明明好好地坐着，为什么没有得到奖励？发生了什么事？他没有说让我坐吗？”这种思考有助于它的大脑在你给出的命令、请求与它的行为之间建立起更强、更牢固的联系。这种做法看上去可能像是在进行学术研究，但是事实并非如此。在大多数训狗课程中，都会讲授可变奖励计划。 在这里先简单总结一下。在存在多个维度的情况下，是不存在明确的赢家的。即便是采取让竞争者“面对面分个高下”的解决方法，也往往无济于事。这种方法能够产生的胜利者，取决于比赛的分组形式和比赛程序。不可能指望找到一支最好的球队、一个最好的律师或者一个最聪明的人。在安抚SAT总得分低于其他人的孩子时，会说每个人都是不同的、分数低不代表比别人更不聪明……但是语气总是显得软弱无力，事实上我们完全可以说得大声些、清楚些。每个人确实都是不同的，我们有不同的工具。 问题困难条件、微积分条件、多样性条件以及大群体规模条件是多样性优于能力的充分条件。虽然多样性优于能力这个结果在其他条件下也有可能出现，但是只要这些条件得到了满足，多样性就能优于能力。 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。他们剥开香蕉后，又会重新包好，只因为突然改变了主意。他们用吸管吃意大利面，把袜子穿在鞋子外面。还会告诉你，面粉的味道太难闻了，只因为它闻起来没有花香。 接下来想象一个规模为100人的假想群体，其中有7人认得出给定名单上所有三个门基乐队成员、10人认得出两个门基乐队成员、15人只能认出一个，其他68人则认不出任何一个门基乐队成员。因此平均而言，这个群体算不上非常了解情况，因为只有不到10%的人知道答案，2/3以上的人则完全不知道。 现在，让这些人投票。7个知道答案的人会给罗杰·诺尔投7票，10个认得出两个门基乐队成员的人平均会给罗杰·诺尔投5票，因为这10个人会在两个名字之间随机进行选择，15个只认得出一个门基乐队成员的人则平均会给罗杰·诺尔投5票，因为这15个人会在三个名字之间随机选择。最后，那68个完全不知道答案的人也会将1/4的票投给罗杰·诺尔，那将有17票。把这些票数全部加起来，平均而言，罗杰·诺尔会得到34票。[插图] 如果假设人们的投票是随机的，那么另外三个名字中的每一个都应该得到剩下的66票的1/3，即每个名字得到大约22票。因此，罗杰·诺尔应该会“胜出”，毫无疑问34比22大。不太聪明的人组成的群体却充满了智慧！更令人惊讶的是，即使人群中没有任何一个人知道正确的答案，罗杰·诺尔也有可能“胜出”。要说明这一点，不妨假设每个人都知道正确的答案是罗杰·诺尔或另三个名字当中的某一个。如果每个人都参加投票，随机选择罗杰·诺尔或另一个名字，那么平均而言，罗杰·诺尔可以获得一半的选票，而其他三个人则每人各得到1/6的选票。在这种情况下，群体知道哪个人不是门基乐队的成员，但组成群体中的个人却没有一个人知道。 上面这个模型很简洁很优雅，但是它只是片面地解释了“群体的智慧”。它告诉我们，如果人群中的某些成员拥有正确的信息而其他人没有，那么不正确的信息就可以被随机性抵消。它用数学的方法描述了亚里士多德的逻辑 仍旧假设你是一名经理，你需要知道在周末前一天打电话请“病假”的员工总数。你可以要求下属各个部门的主管报告有多少人打电话请了“病假”。但是他们可能不愿意告诉你这些信息，因为这可能会暴露出他们所在部门的糟糕状况。但是，你可以反过来，让他们做个预测：在全公司范围内，他们认为有多少人打电话请了“病假”。在这种情况下，主管们也许仍然有动机说谎，但是这种动机将会弱得多。而你则可以从他们预测的平均值中得出一个相当准确的估计。 由个体组成的群体的预测更加准确，因为有一种力量“拉着”群体趋向正确的答案。对于这种力量的基础，可以用一个比喻来说明。请你想象两个房间。一个房间的门上标着代表人造纤维的字母A；另一个房间的门上标着代表羊毛的字母W。再想象一下，两扇门外排着一个长长的队伍。两个房间中的某一个代表正确的答案。假设给每个人都发了一张卡片，它以概率p告诉他们哪扇是正确的门，以概率1–p告诉他们错误的门，同时假设p大于1/2。这些信号是进入房间的通行证。进入门上标了A字母的房间需要A通行证，进入门上标了W字母的房间需要W通行证。这样一来，当有10个人进入两个房间后，进入正确房间的人数预计为10p人，进入错误房间的人数预计为10（1–p）人。平均而言，进入正确房间的人比进入错误房间的人多。 如果p接近1/2，那么就可能会有更多的人进入错误的房间，只要原来排队的人不是太多。然而，假设有100万人进入了这两个房间，那么即使p接近1/2，100万乘以p的结果也会比100万乘以（1–p）的结果大得多，所以会有更多的人进入正确的房间。统计学家用大数定律来解释这个现象。随着更多独立信号的产生，p的真实价值就显现出来了。如果假设p大于1/2，那么一个由很多人组成的大群体最终将会得出正确的答案。 到目前为止，还没有讨论过群体成员之间的沟通。如果人们可以分享各自的预测，那么他们就可能会变得不那么多样性。用苏格拉底的话来说，群体很容易“随大流”，也就是说，人们经常改变自己的预测以便与他人的预测保持一致。因此，不一定能观察到群体智慧的涌现，反而会观察到群体的“疯狂”。 如果不让群体进行投票，而是创建一个信息市场，让人们可以自由地投入不同金额的注，那么就可以使群体的预测更加准确。市场激励可以将最不准确的预测者驱逐出去，并将更大的权重赋予更准确的预测者，只要准确的预测者知道自己是准确的。这两种效应似乎都会导致群体预测的准确度更高，但是不能将这个逻辑推得过远。如果只有最好的预测者继续留在市场中，或者将绝大部分权重都赋予最好的预测者，那么最终将会得到一个单一的专家，他的预测可能并不比群体更好。最后，如果人们知道信息市场将会发挥作用，那么他们就有充分的激励机制去追求多样性，就像有充分的激励机制去追求准确性一样。而这些将会进一步改进群体预测。 尽管可能有一定的说服力，但是投资组合类比却忽略了逻辑最关键的部分：各种工具的超加性。人们拥有多样性视角、启发式、解释和预测模型。当一群人一起努力试图解决一个问题时，如果一个人做出了改善，提出了新的解决方案，那么其他人往往可以在此基础上进一步加以改进。解决问题并不是某个状态的实现，而是一个创新的过程，在这个过程中，先前的改进会成为进一步改进的基础，于是改进叠加改进，不断推进问题的解决。 多样性视角启发式会依次得到应用，不仅是一个接一个地被应用，而且还被组合起来应用。正如在本书前面已经看到的，在这个过程中，一加一之和通常大于二。注3：工具箱的不同部分可以组合起来创造出新的解决方案。多样性是超加性的。 乌合之众是没有智慧的，但有模型的群体却是有智慧的。保持这种多样性的一种方法是模仿进化（mimic evolution）。从进化的角度来看，多样性再加上强大的选择压力可以解决困难的问题。在生物进化中，是基因突变保证了多样性。那些提高了生物体适合度的突变存活了下来，没有做到这一点的那些突变则被弃置在进化之路的旁边。在由个人组成的群体内部也会出现类似的效应。人们不断尝试各种工具，好的工具“生存”下来了，不好的工具则被淘汰掉。不断地实验和尝试，可以使个人表现更好，而且更加重要的是，这样做还可以带来更好的群体表现。正如在前面已经看到的，不断增加的多样性提高了人们在预测（多样性预测定理）和解决问题（多样性优于同质性定理）方面的群体表现。 一句话书评: 地震书。值得多看几遍。 芒格的逆向思维是启发性的一种。投资中的达利欧圣杯也是多样化红利的一种体现。
