认知系列2：认知半径认知系列2：认知半径

undefined 善于总结、不断反思做更好的自己 认知系列1：认知是什么 认知系列2：认知半径 认知系列3: 说说我们研发的认知思维方式

一、认知半径

​

美国气象学家J·马歇尔·谢博德（J.　Marshall　Shepherd）就在TED的舞台上，提出一个“认知半径”原理，把人的认知范围比作一个圆圈，认知半径越大，人的认知范围也就越广，也就是对事物的认识更清晰，掌握事物的本质更深入。

认知半径，决定了一个人能力的大小人的认知是会受到很多因素限制的，包括信仰、偏见、文化素养和错误信息等等。人们很容易高估了自己所掌握的知识，或者低估了自己的无知。

我们对世界的认知，正在被这3种思维误区毁掉。

误区一：确认偏误

确认偏误，就是人们总倾向于寻找证据来支持我们已经相信的事情，抵制不同的看法。

古时候就有“疑邻盗斧”的故事，我们往往只愿看见自己想看到的，却选择性忽视那些发生在眼前但对自己想法不利的事情。

误区二：达克效应（自己总结不懂装懂）

达克效应（D－Keffect），全称为邓宁－克鲁格效应（Dunning－Krugereffect），指的是能力欠缺的人在自己欠考虑的决定的基础上得出错误结论。

通俗点解释，就是谢博德博士说的：“总有一些人认为自己什么都懂，或者低估自己不懂的事情。”

误区三：认知失调

二、认知半径，决定了一个人能力的大小

​

认知半径，决定了一个人能力的大小。

那么，应该如何扩大自己的认知半径？谢博德博士给出了3个方法：

1、列出自己的偏见

回忆一下，自己曾经存在的种种偏见，比如地域歧视、比如性别歧视、比如看待问题的主观…然后思考一下，它们到底从何而来，由什么形成的？——你的养育过程、你的学习过程、你的信仰、你的成长轨迹…

想要不被偏见影响，首先要看到自己存在着哪些偏见。

2、评估信息来源

每一次从外界接受到一个信息，不要先急着认同这个信息，而是先问一下自己，这个信息从何而来的？这些信息的来源，到底有没有权威性？

3、表达出来

你可以和朋友、家人谈谈，评价自己过去的偏见，以及这些偏见是怎么形成的，谈谈你如何评估你的偏见和信息来源，并可以试着分析它们是如何影响自己的认知的。

三、认知半径，能力半径，行动半径

​

一个人要干成事，需要搞清楚自己的三个“半径”

让我们在纸上画三个同心圆：

最里面这个圆圈，对应的是“行动半径”

中间这个圆圈，对应的是“能力半径”：

最外面那个圆圈，对应的是“认知半径”

那在外面呢？是未知世界。

我们使用股市投资来比喻：

第一，认知半径（多维度理解市场）要尽可能地宽。这个很容易理解，否则就会视野狭窄，容易被世界所抛弃。不管是机构还是个人，应该积极拓展自己的认知半径。但是问题在于，人们很容易混淆认知半径和能力半径。觉得自己懂了就都能做好，看明白和做到位是两码事帕斯卡尔说：“几乎我们所有的痛苦都来自我们不善于在房间里独处。”我们就是喜欢出去乱逛（什么股看到拉升都想买），瞎折腾。人类（市场）整体因此而进步（提高换手），而绝大多数个体因此而遭罪。

第二条、能力半径要尽可能地明确。你应该待在你的能力半径之内，别瞎折腾（什么钱都想赚，最后就事倍功半）关于能力圈，有两句话最让我难忘：一句是，如果能力没有边界，就不是真正的能力；还有一句是， 能力圈大或者小不重要，关键在于你知道自己的能力圈（适合什么模式）有多大，然后待在里面。 别折腾圈外的诱惑。因为即使是满汉全席一大桌子菜，你的肚子能吃多少是有限的，不如精选一碗佛跳墙让自己做个美食家就像风险资本家弗雷德·威尔逊所说的那样：“你取胜的唯一途径就是知道自己擅长什么，不擅长什么，并坚持做你擅长（高胜率）的事情。”笨人如果意识到自己的笨，并且停留在自己笨的半径内，他就是聪明的；聪明人如果高估了自己的聪明，或者仅仅是混淆了三种“半径”，他就是蠢的。

第三、“半径思维”：就是行动半径要尽可能地小。这就牵涉到对规模的理解了。规模，本质上不是能力强的结果，而是一个简单动作大量重复的结果。要想上规模，做的动作就得少、就得简单。比如，世界上所有上规模的餐饮企业，都是快餐企业。为什么？菜单上的菜品少，复制起来容易。就像咱们一开始的那道关于披萨的脑筋急转弯，半径只要大一点儿，面积就会增加很多，复制的难度也就更大了。如果你要想成为领域专家（10倍高数），最好就是减小半径。“对大多数投资者来说，重要的不是他们知道多少，而是他们能在多大程度上认识到自己不懂什么。”巴菲特如是说。风险来自于你不知道自己在做什么。

你想做的事越大，手头干的事就得越少，最终推动的系统规模才能越大。大系统，都是一些简单要素大量重复的结果。比如，世界上排名靠前的大型餐饮集团，基本都是快餐。只有菜谱简单，动作少，才能靠大量复制扩大规模。

认知半径要不停的扩大

能力半径要不停的磨练

行动半径要不停的分解成最简单化