สิ่งที่ได้จากการอ่าน (EP.2: Mental Model #1 — Mathematics)

May 12
2 min read

ชาร์ลีไม่ได้บอกให้เรารู้ทุกอย่าง แต่บอกให้รู้สิ่งที่ "จำเป็นต้องรู้" ให้ลึกพอ

A person in a spacesuit with glowing orange star shapes over the face, holding one, against a solid red background, creating a dreamy mood.

ชาร์ลีบอกว่าถ้าเรามี mental models (แบบแผนการคิด) ซักประมาณ 80-90 อัน ก็จะทำให้เราตัดสินใจทุกอย่างในชีวิตได้ดีขึ้น

เขาเปรียบมันเหมือน เครื่องมือคิด — ฟิสิกส์สอนเรื่อง critical mass (จุดวิกฤต) จิตวิทยาสอนเรื่อง confirmation bias (การมองแต่สิ่งที่ยืนยันความเชื่อตัวเอง) ชีววิทยาสอนเรื่องวิวัฒนาการ เศรษฐศาสตร์สอนเรื่อง incentives (แรงจูงใจ) และ opportunity cost (ต้นทุนค่าเสียโอกาส)

แต่ในบรรดาทั้งหมด มีเพียงไม่กี่อย่างที่ "carry very heavy freight" — คือมีประโยชน์ซ้ำๆ แม้จะอยู่ในสถานการณ์ที่แตกต่างกันโดยสิ้นเชิง อย่างเช่น incentives, compounding (ดอกเบี้ยทบต้น) และ first principles (การคิดจากรากฐาน)

ถ้าเราเรียนรู้เรื่องเหล่านี้ให้ลึกแล้ว เราจะรับมือกับการตัดสินใจยากๆ ในชีวิตได้เกือบทุกอย่าง

First Principles — การคิดจากรากฐาน ไม่ใช่จากสิ่งที่เคยเห็นมา

คนส่วนใหญ่คิดแบบ analogy (การเปรียบเทียบ) — คือเอาสิ่งที่เคยเห็นหรือเคยได้ยินมาเป็นตัวตั้ง แล้วค่อยปรับใช้ เช่น "บริษัทแบบนี้ทำแบบนี้ เราก็น่าจะทำแบบนี้ด้วย" หรือ "คนอื่นเขาเรียนสายนี้กัน เราไปเรียนด้วยก็น่าจะดี"

แต่ first principles คือการถอยกลับไปถามว่า —

ถ้าเราไม่รู้อะไรเลย และต้องสร้างคำตอบขึ้นมาจากศูนย์ คำตอบที่แท้จริงคืออะไร?

Elon Musk เคยอธิบายแบบนี้ — ตอนที่เขาจะสร้างจรวด ทุกคนบอกว่าแพงมาก เพราะราคาจรวดในตลาดมันแพงมาตลอด แต่เขาถามใหม่จาก first principles ว่า "วัตถุดิบที่ใช้สร้างจรวดจริงๆ ราคาเท่าไหร่?" คำตอบที่ได้คือแค่ 2% ของราคาจรวดที่ขายกันอยู่ในตลาด — นั่นคือจุดเริ่มต้นของ SpaceX

ในชีวิตประจำวัน first principles ช่วยได้มากในช่วงที่เรารู้สึกติดอยู่กับทางเลือกเดิมๆ

ลองถามตัวเองว่า:

ถ้าไม่มีข้อจำกัดเดิมที่เคยคิดว่ามี เราจะตัดสินใจยังไง?
สิ่งที่เรา "รู้" อยู่นี้ เรารู้จริงๆ หรือแค่เชื่อตามที่คนอื่นบอก?
รากฐานที่แท้จริงของปัญหานี้คืออะไร?

ชาร์ลีบอกว่านี่คือเหตุผลที่ต้องถามว่า "Why, why, why?" — เพราะคำตอบแรกที่ได้มักจะเป็นแค่ผิวนอก ไม่ใช่รากฐาน

ถ้าแบบนั้น แล้วเราจะฝึก first principles ได้ยังไง?

ง่ายที่สุดคือเริ่มจากการสังเกตตัวเองในชีวิตประจำวัน

1. จับสังเกตตอนที่เราทำอะไรโดยไม่รู้ว่าทำไม

ทำไมเราถึงเลือกเส้นทางนี้ไปทำงาน? เพราะ Google Maps บอกแบบนี้? ทำไมต้องประชุมทุกวันจันทร์? ทำไมต้องเรียนปริญญาโท? ถ้าคำตอบคือ "ก็ทุกคนทำกัน" หรือ "ก็ทำมาแบบนี้ตลอด" — นั่นแปลว่าเรายังไม่ได้คิดจาก first principles เลย

2. ลองเข้าใจสิ่งที่เราทำอยู่จากรากฐาน ก่อนที่จะมอบหมายให้คนอื่น

ก่อนจะลงทุนผ่านกองทุนหรือที่ปรึกษาการเงิน ลองถามตัวเองก่อนว่าเราเข้าใจจริงๆ ไหมว่าเงินเราถูกเอาไปทำอะไร? มันลงทุนในอะไร? ค่าธรรมเนียมเท่าไหร่? ถ้าตลาดลง 30% จะเกิดอะไรขึ้น? ไม่ใช่เพื่อจะบริหารเองทุกอย่าง แต่เพราะเมื่อเข้าใจรากฐานแล้ว เราจะตัดสินใจได้ดีขึ้นว่าเชื่อใครได้ และเชื่อได้แค่ไหน

3. เวลาได้ยินคนพูดว่า "มันต้องเป็นแบบนี้" ให้ถามว่า "จริงๆ เหรอ?"

ไม่ต้องเถียงออกไป แค่ถามในใจว่า — มีหลักฐานอะไรรองรับ? หรือแค่เพราะทำกันมาแบบนี้นาน? หลายครั้งสิ่งที่คนบอกว่า "ต้องเป็นแบบนี้" จริงๆ แล้วมันแค่ "เคยเป็นแบบนี้" เท่านั้น

4. ถามว่า "จริงๆ แล้วเราต้องการอะไร?" ก่อนหาวิธีแก้

คนส่วนใหญ่รีบหาคำตอบก่อนที่จะเข้าใจปัญหาจริงๆ เช่น ถ้ารู้สึกเหนื่อยกับงาน คำตอบที่รีบหาคือลาพัก แต่ถ้าถามจาก first principles อาจพบว่าจริงๆ แล้วเราเหนื่อยเพราะรู้สึกว่างานไม่มีคนเห็นค่า เราแค่อยากได้รับการยอมรับมากขึ้น ถ้าหาสาเหตุจริงๆ เจอ เราก็จะแก้ได้ด้วยวิธีที่ตรงกว่า เพราะถ้าแค่ไปลาพักร้อน กลับมาก็เหนื่อยเหมือนเดิม

สิ่งที่ยากที่สุดของ first principles ไม่ใช่การถามคำถาม แต่คือการยอมรับว่าสิ่งที่เราเชื่อมาตลอด "อาจจะไม่ใช่ความจริงก็ได้"

Mental Model #1 — Mathematics

เรื่องแรกที่ต้องรู้คือหลักคณิตศาสตร์ นอกจากดอกเบี้ยทบต้น ยังมีอีกสองเรื่องที่สำคัญมาก คือการจัดหมวดหมู่และทฤษฎีความน่าจะเป็น

สิ่งที่ยากในคณิตศาสตร์ไม่ใช่การคำนวณ แต่คือการเอาความรู้มาประยุกต์ใช้ในชีวิตจริงทุกวัน

ตัวอย่างที่ชัดที่สุดที่นึกถึงคือเรื่องบัตรเครดิต — หลายคนเห็นดอกเบี้ย 0.9% ต่อเดือนแล้วรู้สึกว่าไม่เยอะ แต่พอคำนวณจริงๆ มันเท่ากับมากกว่า 10% ต่อปี และถ้าเผลอลืมจ่ายซักงวด ดอกเบี้ยก็จะยิ่งพอกขึ้นเรื่อยๆ คนส่วนใหญ่มักไม่ได้หยุดคิดคำนวณตรงนี้ และนั่นคือความแตกต่างระหว่างคนที่เข้าใจ compounding กับคนที่ไม่เข้าใจ

Permutations and Combinations — อย่าตัดสินใจก่อนเห็นภาพใหญ่ทั้งหมด

ลองนึกถึงตอนที่หางานใหม่ คนส่วนใหญ่จะคิดแค่ว่า "จะสมัครที่ไหนดี?" แล้วก็เริ่มส่ง resume ทันที

แต่ถ้าคิดแบบชาร์ลี คำถามจะไม่ใช่แค่นั้น — จะมีคำถามสองชั้น

ชั้นแรก: มีตัวเลือกทั้งหมดกี่แบบ? — นี่คือ Combinations (การจัดหมู่)

ก่อนตัดสินใจ ต้องเห็นก่อนว่ามีทางเลือกอะไรบ้างที่เรามองข้ามไป ไม่ใช่แค่สิ่งที่เห็นอยู่ตรงหน้า

เช่น แทนที่จะถามแค่ "จะสมัครบริษัท A หรือ B?" ลองถามใหม่ว่า — มีตัวเลือกอะไรอีกบ้างที่เรายังไม่ได้นับ? ฟรีแลนซ์? ทำธุรกิจของตัวเอง? เรียนเพิ่ม? ย้ายเมือง? ใช้ connection ที่มีอยู่? พอเห็นภาพรวมทั้งหมด การตัดสินใจจะดีขึ้นทันที เพราะเราไม่ได้เลือกจากตัวเลือกที่แคบเกินไป

ชั้นที่สอง: ลำดับสำคัญแค่ไหน? — นี่คือ Permutations (การเรียงสับเปลี่ยน)

พอเห็นตัวเลือกทั้งหมดแล้ว คำถามถัดไปคือ — ควรทำอะไรก่อน?

สร้าง network ก่อนแล้วค่อยหางาน กับ หางานก่อนแล้วค่อยสร้าง network — ทำสองอย่างเหมือนกัน แต่ลำดับต่างกัน ผลที่ได้ต่างกันมาก หรืออย่างการลงทุน — เรียนรู้ก่อนแล้วค่อยลงทุน กับ ลงทุนก่อนแล้วค่อยเรียนรู้ ก็ให้ประสบการณ์คนละแบบ

ชาร์ลีไม่ได้ใช้สองอย่างนี้เพื่อคำนวณ แต่ใช้เพื่อหยุดตัวเองไม่ให้รีบตัดสินใจก่อนที่จะเห็นภาพทั้งหมด — และนั่นคือความแตกต่างที่สำคัญที่สุด

The Fermat-Pascal System — คิดแบบความน่าจะเป็น (probability) ไม่ใช่แบบขาวกับดำ

Fermat และ Pascal คือนักคณิตศาสตร์ในศตวรรษที่ 17 ที่วางรากฐานของทฤษฎีความน่าจะเป็น (probability theory) สมัยใหม่ และนี่คือสิ่งที่ชาร์ลีหลงรัก เพราะมันบังคับให้เราคิดแบบ การกระจายของโอกาส (distribution) ไม่ใช่ความแน่นอน

ก่อนตัดสินใจอะไรก็ตาม แทนที่จะถามว่า "มันจะสำเร็จไหม?"

ให้ถามแบบนี้แทน:

มีสถานการณ์อะไรเกิดขึ้นได้บ้าง? แต่ละอย่างมีโอกาสเกิดขึ้นมากแค่ไหน? ถ้าเอาทุกโอกาสมารวมกัน ผลลัพธ์ที่คาดหวัง (expected value) คืออะไร?

และนี่คือเหตุผลที่ชาร์ลีชอบพูดว่า "invert, always invert" — แทนที่จะถามว่าจะสำเร็จยังไง ให้ถามก่อนว่าอะไรจะทำให้ล้มเหลว แล้วหลีกเลี่ยงมัน

ลองเอาไปใช้กับการตัดสินใจเรื่องงานดู — สมมติว่ากำลังคิดจะลาออกไปทำงานใหม่ คนส่วนใหญ่จะถามว่า "งานใหม่จะดีกว่าเดิมไหม?" แต่ถ้าคิดแบบ Fermat-Pascal จะถามว่า:

มีสถานการณ์อะไรเกิดขึ้นได้บ้าง? งานใหม่ดีกว่าที่คาด / งานใหม่แย่กว่าที่คาด / งานใหม่เหมือนเดิมแทบทุกอย่าง / ลาออกแล้วยังหางานใหม่ไม่ได้
แต่ละอย่างมีโอกาสเกิดขึ้นแค่ไหน? ไม่มีใครรู้แน่ๆ แต่ถ้าเราทำการบ้านมาดี — คุยกับคนในบริษัทนั้นแล้ว อ่าน review แล้ว รู้จัก culture แล้ว โอกาสที่จะ "แย่กว่าที่คาด" ก็จะน้อยลงมาก
ถ้าเกิดสถานการณ์ที่แย่ที่สุด เราจะรับมือได้ไหม? นี่คือ invert — แทนที่จะฝันถึงกรณีที่ดีที่สุด ให้ถามก่อนว่าถ้าไม่เป็นอย่างที่หวัง เรามีแผนสำรองไหม? มีเงินเก็บพอที่จะรอหางานใหม่ได้กี่เดือน? ทักษะที่มีอยู่จะพาเราไปต่อได้ไหม?

การคิดแบบนี้ไม่ได้ทำให้กลัวการเปลี่ยนแปลง — แต่ทำให้ตัดสินใจได้อย่างมีข้อมูลมากขึ้น และถ้าตัดสินใจไปแล้วผลลัพธ์ไม่ได้ดีอย่างที่หวัง อย่างน้อยเราก็รู้ว่าคิดมาอย่างรอบคอบแล้ว

แล้วจะหาเวลาคิดแบบนี้ได้ยังไง?

ชาร์ลีและ Buffett ต่างก็พูดถึงเรื่องนี้ตรงกัน — พวกเขาปกป้องเวลาคิดของตัวเองอย่างจริงจัง Buffett เคยบอกว่าเขาใช้เวลา 80% ของวันไปกับการอ่านและคิด ซึ่งฟังดูเป็นไปไม่ได้สำหรับคนทั่วไป แต่หัวใจของมันไม่ใช่จำนวนชั่วโมง แต่คือการ

ตั้งใจสร้างพื้นที่ให้ตัวเองคิด

วิธีที่เริ่มได้ทันที:

อย่าตัดสินใจเรื่องสำคัญทันที เวลามีเรื่องใหญ่มาถึง เช่น ข้อเสนองานใหม่ หรือโอกาสลงทุน ให้บอกตัวเองว่าต้องการเวลาคิดก่อน 24-48 ชั่วโมง ไม่ใช่เพราะไม่มั่นใจ แต่เพราะรู้ว่าการคิดให้ครบทุก scenario ต้องใช้เวลา
จดออกมาก่อนตัดสินใจ เวลาเจอการตัดสินใจสำคัญ ลองเขียน scenario ที่อาจเกิดขึ้นออกมาก่อน ไม่ต้องครบถ้วนสมบูรณ์ แค่เขียนออกมาจากหัวจะช่วยให้เห็นมุมที่คิดไม่ถึงตอนแค่นึกในใจ
หา quiet time ของตัวเอง ชาร์ลีอ่านหนังสือ ส่วน Buffett เดินตอนเช้า แต่ละคนมีเวลาที่สมองทำงานได้ดีที่สุดต่างกัน ลองสังเกตว่าตัวเองคิดได้ชัดเจนที่สุดตอนไหน แล้วปกป้องเวลานั้นไว้

ชาร์ลีบอกว่าการคิดแบบนี้ไม่ใช่ความสามารถพิเศษ — มันคือนิสัยที่ฝึกได้ แต่ต้องการพื้นที่และเวลาที่เราต้องสร้างขึ้นเอง

Decision Tree — แผนที่ของการตัดสินใจ

Decision tree (ผังการตัดสินใจ) คือการนำ Fermat-Pascal มาใช้จริงๆ โดยแตกทุกตัวเลือกออกเป็นสาขา แต่ละสาขาบอก ความน่าจะเป็น × ผลลัพธ์ แล้วรวมกันเพื่อหา expected value (ผลลัพธ์ที่คาดหวัง) ของแต่ละทางเลือก

ตัวอย่างง่ายๆ:

ตัดสินใจรับงานใหม่
├── งานดีกว่าที่คาด (60%) → ได้ทักษะและเงินเพิ่ม
└── งานแย่กว่าที่คาด (40%) → เสียเวลา แต่ได้บทเรียน

ตัดสินใจอยู่ที่เดิม
├── เติบโตต่อได้ (50%) → มั่นคงแต่ช้า
└── ไม่ได้ไปไหน (50%) → เสียโอกาสอื่น

ชาร์ลีไม่ได้วาดแบบนี้จริงๆ ทุกครั้ง แต่ในหัวเขาคิดแบบนี้ตลอดเวลา จนกลายเป็นสัญชาตญาณ เหมือนกับที่ Warren Buffett คำนวณ decision tree และ permutations and combinations ได้โดยอัตโนมัติ ถ้าเราไม่ฝึกคิดแบบนี้ แล้วไปเจอคนที่คิดแบบนี้เป็นปกติ เราก็จะเสียเปรียบโดยไม่รู้ตัว

สิ่งที่สำคัญที่สุดที่ได้จาก decision tree คือ — การตัดสินใจที่ดีสามารถได้ผลลัพธ์ที่แย่ได้ และการตัดสินใจที่แย่ก็อาจโชคดีได้ แต่อย่างน้อยเมื่อเราได้คิดมาอย่างรอบคอบแล้ว เมื่อผลลัพธ์ไม่ได้อย่างที่ใจหวัง เราจะโทษตัวเองน้อยลง และมองเป็นบทเรียนมากกว่า

Mental model ถัดไปที่ชาร์ลีพูดถึงคือ accounting (เรื่องบัญชี) — EP.3 coming soon