所有難題，不只有一種解法！培養「多模型思維」，決策更靈活、縝密

在 COVID-19 疫情肆虐前，有種病菌每年導致全球超過 70 萬人死亡，且預估到了 2050 年，該病菌一年的致死人數上看千萬，屆時就連 COVID-19（截至今年 1 月初，COVID-19 全球死亡人數累積超過 500 萬）都只能算小巫見大巫。

該病菌稱為「超級細菌」，在 2014 年由英國政府與惠康基金會（Wellcome Trust）合作的公衛研究團隊所發現，指的是對 3 種以上抗生素有抗藥性的細菌，即使是輕微感染，患者也可能因無藥可醫而死。

不過 2020 年初，麻省理工學院教授巴茲萊（Regina Barzilay）與柯林斯（James Collins）找到有效對抗超級細菌的全新抗生素「halicin」，化解了超級細菌帶來的致命威脅。

兩人之所以能從世界上數億種化合物中發現 halicin，關鍵在於他們放棄傳統藥物研發的思維：尋找與現有藥物結構相似的化合物，將其套入實驗，看是否能對抗新病菌。兩人改採資料科學思維：先訓練演算法模擬何種分子結構能對抗超級細菌，再回頭尋找世上有沒有與之相符的化合物。

人腦比機器聰明之處：懂得靈活運用不同框架

當我們採用不同領域的思考方式（以上述例子來說：是醫藥的或是資料科學的框架），看待問題的方式也有所不同，進而影響我們採取什麼行動。《造局者》將這個理解的過程，稱為建立思考框架（frame），也就是選擇用什麼心智模型來看待問題。

瑞士智庫哥利布杜威勒研究所（Gottlieb Duttweiler Institute）主任卡琳．弗里克（Karin Frick）認為，在人工智慧、機器學習日益蓬勃的未來，掌握思考框架的技巧，愈加重要。她指出儘管演算法能將大量且不同層面的資料納入考量，好降低主觀偏見及人為誤差，得到更客觀、準確的結果，但人工智慧只能在被建立的框架中，辨明為達成某項目標，哪項行動方案最好，無法判斷該目標設定是否正確，及達成該目標背後的價值為何，「這些是我們不希望委託給機器的事情。」她在《全球商學院必修決策思維術（全圖解）》一書中如此說道。

在特定思考框架之下，人腦的速度或許比不上機器，但能夠靈活選擇該用什麼思考框架來處理問題，卻是人類勝於機器的地方。《造局者》將之稱為人類獨有的認知自由（cognitive freedom）能力，就像巴茲萊與柯林斯雖透過演算法掃描數億種化合物，最後才找到符合需求的新抗生素，但追根究柢是他們一開始選擇不同的思考框架，才能為演算法提供運算路徑。

多面向剖析同一問題，決策更縝密

要怎麼樣才能運用不同思考框架解決問題？《多模型思維》作者裴吉（Scott E. Page）建議，首先要放棄一個問題只有一種解法的傳統思維，像是求學時，老師會教你哪道數學題目該套哪種公式解決。裴吉認為，一個問題應套入多種思考框架，對事件的認識才會更全面，因為不同框架蘊含的洞見不同，推導出的因果邏輯也會有差。且經過交叉檢驗後，我們也才更能知道哪項框架，是眼前問題的最佳解法。

裴吉也同時點出，應用多模型思維的關鍵，在於決策者腦中有沒有夠多的思考框架適合套入眼前情境檢驗，意即決策者本身的框架庫夠不夠充實，將影響多模型思維的效果。因此本次企畫從邏輯推理、創意發想、市場分析、進度管理、權衡得失以及預測未來等 6 大應用情境中，整理出 42 種思考框架，幫助讀者累積不同思考框架，加以活用。