Aplique vários modelos ao mesmo problema ao mesmo tempo

Quando modelos de campos diferentes apontam para a mesma resposta, a confiança aumenta; quando entram em conflito, você aprende algo importante.

Why it works

Um único modelo prevê bem os resultados dentro do seu próprio domínio, mas gera falsa confiança quando aplicado fora dele. Rodar vários modelos estruturalmente diferentes sobre o mesmo problema cria um ensemble natural: onde eles convergem, o sinal é mais forte; onde divergem, a divergência revela um aspecto do problema que nenhum modelo isolado capta sozinho.

How to do it

1. Escolha uma decisão ou problema em que você está trabalhando.
2. Aplique pelo menos três modelos de disciplinas diferentes: um baseado em incentivos, um psicológico, um sistêmico.
3. Anote a previsão de cada modelo e a confiança que ele atribui.
4. Compare: onde concordam, prossiga com mais confiança; onde discordam, investigue a discordância antes de decidir.

Evidência

Métodos de ensemble em estatística e aprendizado de máquina consistentemente superam previsões de modelo único ao fazer a média dos seus diversos padrões de erro. A mesma lógica aplicada a modelos mentais é o núcleo do latticework de Munger — mecanisticamente sólida, estabelecida por praticantes. (mechanistic)

A pesquisa em ensemble estatístico é uma disciplina formal; seu análogo no raciocínio verbal é plausível, mas depende da qualidade e diversidade dos modelos aplicados, o que é difícil de verificar.

Erro comum

Usar os modelos sequencialmente ("deixa eu aplicar o modelo A, depois o modelo B") em vez de simultaneamente, perdendo os conflitos e convergências que só aparecem quando são comparados diretamente.