先说一个这两年越来越常见的场景：
你问 AI 一个问题，三秒钟，它给你一篇条理清楚、语气笃定的回答。换一个 AI 再问，又是一个版本。
该信哪一个？哪句是事实，哪句是它的猜测？照着做了，出了问题谁来负责？
获取答案的成本，几乎已经降到了零。可是「从一堆答案里做出判断」这件事，一点也没有变容易——甚至更难了。因为看起来像模像样的内容越来越多，真正值得信的，并没有跟着变多。
所以我开始做一件事：和你一起，练判断力。我给它起了个名字，叫「明辨Lab」。
明辨Lab 主要在微信公众号更新，这里也会同步一部分。「万书挑一」的书单照常更新。
一、为什么叫「明辨」
名字出自《中庸》：
博学之，审问之，慎思之，明辨之，笃行之。
这五步，正好是一次完整的判断：
- 博学、审问，是信息：先广泛地看，再追问它是真是假、从哪里来。
- 慎思，是认知：用脑子里的框架和模型，认真地想。
- 明辨，是判断：把信息和认知合在一起，分清是非对错。
- 笃行，是实践：判断完了就去做，再从结果里学。
「明辨」这个名字，取的就是第四步：前面是信息和认知，后面是行动。
「明」和「辨」这两个字，本身也很有意思。
明，古字写作「朙」。《说文解字》说：「朙，照也，从月从囧。」「囧」是窗，《说文》的解释是「窗牖丽廔闿明」，就是透光的窗户。所以「明」的本义，是月光照进窗户。
我很喜欢这个画面。窗，就像一个人的认知：每个人的窗形状不同、大小不同，看出去的世界也就不同。月光，就像信息：没有光，窗再大，屋里也是黑的。
辨，《说文解字》说：「辨，判也，从刀。」左右两个「辛」合起来是「辡」，意思是「罪人相与讼」，也就是两方在争执；中间一把刀，把是非判开。
这把刀要切开的东西，我们每天都会碰到：事实和观点，信号和噪音，「听起来对」和「真的对」。
先明，后辨：先看清，再判断。
至于「Lab」，是实验室的意思，对应的是最后一步「笃行」。毛主席在《实践论》里有一句很有名的话：
你要知道梨子的滋味，你就得变革梨子，亲口吃一吃。
判断力也是这样，不是读完一篇文章就能有的，要在一次次真实的选择里去试、去错、去复盘。《实践论》把这个过程概括为：「实践、认识、再实践、再认识，这种形式，循环往复以至无穷。」所以这里的每一篇内容，我都希望你能拿去用上一次。
二、一个公式：判断力 = 认知 × 信息
把《中庸》的前四步压缩一下，就是这个公式，也是我这几年最常想起的一句话。
- 信息：你看到了什么。事实、数据、别人的经验。
- 认知：你怎么看它。你脑子里用来理解世界的那些框架和模型。
为什么用乘号，而不是加号？
把认知当成宽，信息当成高，判断力就是面积。
只有认知、没有信息：推理再严密，前提错了，结论也只能跟着错。
只有信息、没有认知：资料堆了一屋子，却抓不住重点，或者只挑自己爱听的看。
同样是加起来等于 10，偏科的两种只有 9，两边都有的是 25。而任何一边是零，面积就是零。
这也正是「明」字里的画面：窗再大，没有月光，屋里也是黑的；月光再亮，没有窗，也照不进来。
还要说明一点：这里说的是判断「力」，不是判断的结果。认知和信息都到位，也照样可能判断错，因为世界有不确定性，也有运气。我们能练的，是让自己判断对的概率高一点，错了也知道错在哪。
三、为什么是现在
AI 是一个杠杆，它放大的是你的判断。
判断对的人，借助 AI，一个人能做过去一个小团队的事；判断错的人，借助 AI，能更快、更自信地走上错路。
AI 越强，有三件事反而越重要：
1. 会问。问题问偏了，答案再好也没用。
2. 会辨。AI 会一本正经地说错，网上由机器生成的内容也越来越多。分辨真假、分清事实和观点，正在变成每个人的基本功。
3. 会断。AI 可以给你十个选项，但选哪一个、承担什么后果，只能是你自己。
答案可以外包，判断不能。
四、明辨Lab 会写什么
主要是三类内容：
1. 思维模型：300 多个，一个一个讲透
过去一段时间，我整理了一个思维模型库：从 14 个来源收集了一千八百多条，去重、合并、逐条复核，最后留下 300 多个，分成「数字与概率」「大脑的陷阱」「选择与竞争」「思考的方法」等九棵「树」。
整理下来，我越来越确定一件事：我们缺的往往不是聪明，而是在关键的时候，想起该用哪一个模型。
每个模型，我都会讲清楚四件事：
- 一句话说清它是什么；
- 一个真实、有出处的故事，不编；
- 它在生活里怎么用；
- 以及，它什么时候不适用。
哪些模型影响力最大？一个简单的看法是：谁被收录得最多。在这 14 个来源里，下面这四个都被 11 个来源收录，并列第一。
每个模型还配了一张手绘结构图，争取让你一眼就看懂：
可得性启发：脑子里越容易想起的例子，就越觉得它常见，哪怕实际上很罕见。
确认偏误：心里先有了答案，就只找支持它的证据，看不见反对它的。
第一性原理：把问题拆到最基本、确定为真的事实，再从那里重新推出答案。
逆向思维：想不出怎么成功时，反过来问：怎样一定会失败？然后避开它。
紧随其后的是幸存者偏差、奥卡姆剃刀（10 个来源），以及复利效应、损失厌恶、机会成本、沉没成本谬误（9 个来源）。后面会一个一个讲。
2. 好书
模型大多是从书里来的。我会分享那些读过、反复读、真正改变过我想法的书：它讲了什么，对我有什么用，以及哪里我不同意。
这部分也会和我做的另一个网站「万书挑一」联动：从几百万本书里按口碑筛出来的好书，盖茨、芒格这些人推荐过的书单，我会挑出其中的精华放到这里。
3. 好信息
信息的质量，比数量重要。值得读的文章、可靠的数据、值得长期关注的信息源，我会整理出来，注明出处，并说清楚它为什么值得信。
五、几条约定
写给你，也写给我自己：
- 例子要真实，有出处。不为了让道理好懂去编故事。
- 事实和观点分开说。哪句是数据，哪句是我的看法，标清楚。
- 讲模型，也讲它的边界。每个模型都写「什么时候不适用」，因为地图不是疆域。
- 不替你下结论，给你下结论的工具。
- 说错了就改。发现错误，会在后面的文章里公开更正。
写在最后
芒格 1994 年在南加州大学商学院演讲时说过一段话，大意是：
你得在头脑中装进一些模型，然后把你的经验，不管是间接的还是直接的，都挂到这些模型搭成的格栅上。
我希望明辨Lab 能成为这样一个地方：每次来，带走一个新的模型、一本好书，或者一条值得信的信息；下一次做选择的时候，能多想一步，想得更清楚一点。
判断力 = 认知 × 信息。
我们一起，慢慢练。
明辨Lab 会在微信公众号持续更新。想一起练判断力，可以微信搜索「明辨Lab」，或者扫下面的二维码。
