掌控思维

·绝对理性一定可靠吗?如何在困境中做出正确判断? ·数据是怎么“欺骗”我们的?人工智能如何为我们所用? ·创新者为什么往往叛逆?怎样增强自身的洞察力? ·“读心术”是怎么练成的?如何升级自己的思维模型? ·个人与组织如何使用认知手段实现高效决策? 在充满不确定性的时代，做出正确的决策，对个人、组织乃至国家都至关重要。在这本书中，作者克莱因有力地驳斥了“人类是非理性决策者”的传统心理学观点。他强调，我们应该打破对理性与数据的崇拜，重视经验与直觉的力量。通过训练自身的认知能力，优化心理型，人类完全能够主动做出最优的选择。 全书以认知与决策为核心，从认知维度、思辨思维、专业知识、决策训练、洞察力等多个方面深入浅出地对个人和组织普遍面临的决策问题进行了阐述与分析，并提供了包括自然主义决策、影子对手训练、事前检讨法在内的数十种切实可行的思维模型与决策手段，旨在帮助读者在复杂多变的现实世界中灵活应对困境、掌控思维、增加洞见，做出更明智的决策。

加里·克莱茵（ Gary Klein），美国著名认知心理学家，美国心理学会和美国人因工程学会成员，宏观认知有限责任公司的高级科学家，著有包括《如何做出正确决策》《洞察力的秘密》《直觉定律》在内的多部作品。 克莱因在1989年发起并引领的自然主义决策研究改变了认知心理学的格局，让研究焦点从传统实验室环境中对人类偏见和判断错误的关注，转向人们如何在现实世界中运用直觉和经验有效决策。他和他的研究团队长期保持着与政府机构和大型企业的紧密合作，致力于帮助更多组织与个人优化认知模型，提高决策效率。

AIQ：人工智能商数 帮助人们更聪明地使用智能机器 你准备好使用装有人工智能功能的软件了吗？你准备好永远都搞不懂这些软件工具究竟如何工作，还有到底该不该重视它们给出的建议了吗？ 显然，很多人都没做好这样的准备。 即使是开发机器学习和深度神经网络的计算机科学家，也不能完全理解他们一手创造出来的机器是如何进行思考的。原因在于，算法接管后开始对大量数据集进行篡改，近乎疯狂地对数据进行连接和反向传播，这样一来，即使是系统的研发人员也无法理解系统是如何得到答案的。研发人员尚可猜测，但也只是猜测。而大多数系统的使用 者甚至都不知道如何猜测。 过去几年里，我一直在与罗伯特·霍夫曼和谢恩·米勒合作，试图解决这个问题。我们参与了一个名为 XAI 的大型计划，XAI 是可解释性人工智能的缩写。该项目由 DARPA，即美国国防高级研究计划局赞助。大多数研究可解释性人工智能的团队都在打造性能卓越的系统，即为让自己的人工智能系统更容易理解而运用人工智能。 与此相反，罗伯特、谢恩和我一直致力于研发更简单明了的工具来增加解释性，我们将这套工具称为 AIQ，即人工智能商数。我们的目标是帮助使用人工智能系统的人更明确地了解人工智能系统是如何工作的，我们想要提高人们对于一直苦苦思索的人工智能系统的智商。 我们希望人们对所使用的人工智能系统有更完备的心理模型（Borders，Klein，& Besuijen，2019）。通过更完备的心理模型，人们不仅能够理解一个系统是如何工作的，还可以认识到一个系统是如何失效的—它为何会出问题，它的局限性又是什么。更完备的心理模型有助于人们对失败及局限产生原因做出判断。最后，更完备的心理模型有助于人们掌握应对失败及局限的方法。 到目前为止，我们已经总结了九种不同的 AIQ 工具，但我估计这个工具包里的工具会不断增多。下面只是其中的三个。 认知指导。其中一个认知工具是预先指导，其目的是向用户提供一个更完备的心理模型（系统如何工作，如何失效，为何失效以及如何调整）。谢恩和我在十年前创建了这个认知指导的早期版本（Mueller & Klein，2011），并对复杂的逻辑系统进行了试用，效果很好。我们已对这个版本进行了更新，并将它用来处理人工智能系统。 可解释性量表。我们已经开发了几种量表，并进行了验证，包括对人工智能系统的信任度、解释良好度、解释满意度和心理模型充分性，以及用于分析人工智能用户心理模型的方法（Hoffman et al.，2018）。 自我解惑评分卡。这个评分卡是衡量人工智能技术的能力和先进程度的工具，以提高可解释性—不是直接提供解释，而是让系统的使用者更容易理解。我们已将这个工具应用于几个正在进行的可解释性人工智能项目（Klein，Hoffman，& Mueller，2020）。 我们将对 AIQ 工具包继续加以应用、评估并进一步扩展。另一个AIQ 工具——发现平台，将在本书后面的文章中予以详述。 过去，让人工智能系统更容易被理解的工作当然是由人工智能专家来完成的，他们开发的工具和技术依赖于人工智能能力。这些工具通常表现卓越、功能强大，但却有个缺点，即对人工智能不太熟悉的日常操作人员必须既要理解解释工具，又要理解被解释的人工智能系统。 相较之下，AIQ 工具则不需要任何人工智能，其中绝大多数工具甚至连电脑都不需要。我们不是在制造更聪明的机器。我们希望AIQ 工具能让人更聪明，提高人的智力水平，提高人的智商，以应对他们必须使用的特定人工智能系统。

1 引言 学会了解认知？ ？ 无心成书书自成？ ？ 2 认知维度 概述？ ？ 认知维度？ ？ 追寻力量之源？ ？ 自然主义决策方法？ ？ 心理模型矩阵？ ？ 识别启动决策模型：批评与困惑？ ？ 影子对手训练？ ？ 汉诺塔问题：经典谜题中出人意料的教训？ ？ 反思？ 3 理性主义的狂热梦想 概述？ ？ 无可救药的非理性还是绝妙的创造力？？ ？ 能信任决策研究者吗？？ ？ 正面启发法？ ？ 《点球成金》中的谬见？ ？ 被数字糊弄？ ？ 证真偏差的奇特案例？ ？ 逃离固着？ ？ 替代陷阱？ ？ 代价高昂的错误？？ ？ 为赢而战？ ？ 隐性决策？ ？ 反思？ ？ 4 自身更聪明的机器还是让我们更聪明的机器？ 概述？ ？ 发挥我们的优势？ ？ 想象力的缺乏？ ？ 脱轨？ ？ 数据与洞察力？ ？ 第二个奇点？ ？ 超链接的发明？ ？ 小数据？ ？ 即兴国际象棋？ ？ AIQ：人工智能商数？ ？ 反思？ ？ 5 见不可见——专业知识 概述？ ？ 跳蚤？ ？ 从黑猩猩到冠军？ ？ 向专业知识宣战？ ？ 异常检测：留意意料之外？ ？ 预料之中？ ？ 缺失的部分？ ？ 杠杆作用？ ？ 专业知识的技能组合？ ？ 怎样鉴别专家？ ？ 变得愚蠢的艺术？ ？ 反思？ ？ 6 做出发现——思辨思维 概述？ ？ 洞察力测试？ ？ 批判性思维的第二波浪潮？ ？ 不同形式的洞察力？ ？ 科学研究中的洞察力？ ？ 认知障碍？ ？ 获得洞察力的流行建议？ ？ 梦幻般的洞察力？ ？ 取得发现的不同策略？ ？ 洞察状态？ ？ 摆脱困境？ ？ 发现平台？ ？ 反思？ ？ 7 如何变更强——训练 概述？ ？ 关于“教”的常见困惑？ ？ 培训与评估？ ？ “教”被高估了吗？？ ？ 培训乃人生之必需？ ？ 认知指导？ ？ 通过洞察力来“教”？ ？ 认知审计？ ？ 设计认知方案？ ？ 思维模式？ ？ 如何驾驭好奇心？ ？ 变得更聪明？ ？ 放马过来！？ ？ 改变海军陆战队的思维模式？ ？ 反思？ ？ 8 他人的想法—团队合作 概述？ ？ 读心术的力量？ ？ 换位思考学得会吗？？ ？ 拍摄器材管理员？ ？ 换一换！？ ？ 不要像火星人一样做决定？ ？ 减少困惑？ ？ 如何化解纷争？ ？ 疫情是黑天鹅事件吗？？ ？ 洞察力与组织机构？ ？ 反思？ ？ 9 掀起浪潮——改进工具、提升策略 概述？ ？ 自然主义决策工具？ ？ 何时该同你的直觉商量？ ？ 了解自己？ ？ 你在做白日梦吗？？ ？ 因果景观？ ？ 希拉里为何会输掉大选？？ ？ 想改变就够了吗？？ ？ 事前检讨法？ ？ 决策记分卡？ ？ 发现式管理？ ？ 提高组织机构运营效果的九大方法？ ？ 变政策为行动？ ？ 让改变发生的人？ ？ 反思？ ？ 后记？ ？ 致谢？ ？ 参考文献？