The Great Mental Models - Vol. 1
Очень крутая книга про ментальные модели, которые могут прокачать ваше мышление. Эта книга входит в проект "The Great Mental Models Project", где есть три тома, а первый посвящен основным концепциям мышления (general thinking concepts), среди которых авторы выделяют следующие
- The map is not the Territory - концепция про то, что карта не является территорией и это правильно. У каждой карты есть цель составления и в угоду этой цели лишние детали откидываются и остается абстракция, которая должна быть полезна для достижения цели. Стандартный пример с картой метро, которая не матчится на географическую карту, но зато помогает просто выстраивать маршрут перемещения между разными станциями
- Circle of competence - концепция про круги компетенций, когда нам стоит понимать в чем мы компетентны, а в чем не совсем и действовать с соответствующей уверенностью в зависимости от того, попадает ли домен в нашу зону компетенций.
- First Principle Thinking - подход, когда к решению можно идти с самых основ. Иногда это бывает полезно для решения комплексной задачи
- Thought Experiment - подход с мысленными экспериментами, которыми так любят пользоваться ученые:) Например, история со специальной теорией относительности Эйнштейна обычно демонстрируется при помощи мысленных экспериментов. Или знаменитый кот Шредингера из его мысленного эксперимента насчет квантовой физики и суперпозиции живого и мертвого:)
- Second-Order Thinking - подход, в котором учитываются не просто прямые последствия, но и последствия последствий. В IT можно привести в пример размышления про day 2 operations, когда люди размышляют при создании продукта, а что будет когда он уже будет готов и отгружен пользователям
- Probabalistic Thinking - вероятностное мышление, рекомендую почитать книгу "Thinking in bets" на этот счет (вот мой обзор этой книги)
- Inversion - подход с инверсией, когда мы идем от финального результата к текущему состоянию. У Amazon есть прикольная книга "Working backwards" про этот подход, плюс иногда его называют backcasting и я про него рассказывал в выступлении для individual contributors "Как и куда развиваться, если ты уже Senior Software Engineer"
- Occam's Razor - подход, когда мы выбираем простейшее объяснение как более вероятное при наличии более сложного объяснения
- Hanlon's Razor - здесь основной посыл в том, чтобы не предполагать худшее. В итоге, если что-то пошло не по плану, то обычно это не кто-то сделал это специально, чтобы навредить вам, а скорее всего это проявление невежества, глупости или лени:) Этот подход спасает от паранойи, в рамках которой вы везде видите злой умысел.
Дополнительные концепции, которые подсвечивают авторы следующие
- Falsifability - история про то, что при выдвижении гипотез и теорий они имеют смысл и являются научными только в случае, если на практике есть варианты показать, что они не выполняются. В противном случае это больше похоже на догму, а не научную теорию
- Necessity and Sufficiency - концепция необходимости и достаточности. Это разные вещи:) И если выполнены необходимые условия для какого-то события, то не факт, что оно точно произойдет:)
- Causation vs Correlation - стандартная история из статистики про причинно-следственную связь и корреляцию. Суть в том, что из связанности двух явлений мы автоматически не можем вывести причинно-следственную связь - для этого нам еще потребуется провести эксперимент с зависимыми и независимыми переменными:)
#Thinking #PopularScience