越是在这个变化不确定的世界，越有必要静心思考，夯实认知，好好沉淀自己。
你好，我是「爱思考的大熊」。
今天，我们继续聊，认知心理学中，问题解决系列里的：「启发式」。
我们怎么解决问题，有什么通用方法？
诺贝尔奖获得者希尔伯特·西蒙，上世纪50年代，提出了一个叫“启发式”的解问题策略。
他认为，人的理性受限于认知限制。那么为了节省认知资源，人类就发展出了一套高效率的认知结构-启发式。
我们边举例子边聊。
几个简单小例子
第一个，手段-目的分析法之「小明考编制」-
小明总目标是：考上教师编制。目标即预期，换句话，当前不是编制，就是他要解决的问题。
为了实现总目标，小明将目标拆成3个子目标步骤。1）考上教师编制；2）掌握教育学；3）掌握心理学。
然后，根据子目标确定手段，比如，要实现2）掌握教育学，行动可能包括：a.读《教育学》教材；b.报班听老师讲；c.完成相关习题等；要实现3）同理也制定相应行动..
过程中根据阶段结果，随时调整子目标、行动手段或顺序，直到离总目标越来越近。
非常简单对吧。这种就叫手段-目的分析法。
把最终目标问题，分解成更小子目标，子子目标以及动作，逐步逐个完成。
子目标越是详尽，个体对整个活动的系统性把握也就越是清晰。
第二个，爬山法之「医生治病」
医生给病人看病，总目标是治好病。为达目标，需要考虑一系列可能的治疗方案。
例如Ⅰ服A药治疗；Ⅱ服B药治疗；Ⅲ手术治疗，等。随后，医生从这些方案中选取一个方案，并实施该方案：
如果医生选取一个看起来最稳妥的方案，例如是方案Ⅰ，那么叫做简单爬山法。
如果医生选取一个不甚稳妥，但很有可能一步到位彻底治好病人的方案，例如是方案Ⅲ，那么叫做最陡峭上升的爬山法。
如果医生随便选择一个方案，那么叫做随机爬山法。
在实施方案的过程中，医生需要随时观察病人的病情变化情况，如果发现好转，则在此方案的基础之上采取进一步的方案，如果没有好转，或好转程度不甚理想，则可以放弃此方案，转而采取其它方案。
这种解法，先定个总目标，然后在起点和总目标间确定一个节点，向节点前进。
等抵达这个节点之后，你再判断自己是否真的更加接近总目标。
这种叫爬山法。
和手段-目的分析法相比，有些问题，我们无法一开始就像上帝一样，把解题子目标，路径，都提前固定下来，而要根据过程中的反馈灵活调整。
走一步，看一步，边走边看边调整。
因此，爬山法很像尝试错误。为了爬到山顶，需要首先确定一个眼前的相对更近的地点，这个相对更近的地点就是我们通向最终目标的第一步。
我们需要奋力向这个地点攀爬，待抵达整个地点之后，还要评估自己是否已经更加接近终点，如果更加接近，则继续确定下一个节点；如果没有，譬如发现前面横亘着一条峡谷，那就需要退回，重新尝试其他的地点，如此反复，直至靠近终极目标。
对爬山而言，由于山路崎岖颠簸，所以我们往往到了一个山头之后，才发现看起来最终目标已经近在咫尺，但眼前横亘着一道山沟，于是我们还要重新下山，才能抵达终点。所以说，爬山法也经常需要采取迂回策略。
第三个，类比法之「辐射问题」
问题解决领域的心理学家做过这么一个实验，叫“辐射问题”：
假设你是一名肿瘤医生，现在要给一名病人做放疗。
如果放疗射线很强，照到肿瘤上就能破坏肿瘤细胞；但过程中也可能破坏健康细胞；
但如果射线很弱，虽然不会破坏健康细胞，但也杀不死肿瘤。
请问，什么样的程序，既在杀死肿瘤，又不会破坏健康细胞？
心理学家把受试者分成两组。
一组，正常读上面的问题；另一组，先读下面小故事片段，然后再读问题。
一名指挥官想占领敌*总部。这个总部在一个岛上，通过几座桥，连通周围地区。
每座桥只能容纳几辆坦克通过，而这对发起一次成功袭击是不够的。
因此，指挥官往每座桥上都派了几辆坦克攻击，这就可以让足够多的坦克到达该岛，最终成功完成袭击。
结果，读了故事片段的志愿者，想出答案的比例和速度明显优于没看过这个片段的志愿者。
很显然，这个小故事，和上面的“辐射问题”，是有相似之处的，志愿者因此受到了启发。
换句学术的话，深层结构是同构的。
都是需要针对某个目标(肿瘤vs敌*总部)，在有约束条件下(强度不能破坏健康细胞vs每座桥只能容纳几辆坦克通过)，实现目标（杀死肿瘤vs成功袭击总部）。
换句话说，听到故事的志愿者，在拿到问题时，自觉不自觉的，运用了“类比法”，把一个不熟悉的问题(医学领域的肿瘤治疗问题)，转换成了相对熟悉的问题(打战里的袭击问题)，且故事已经给了答案，因此就得到了解决辐射问题的启发和灵感：
“利用很多辐射束，从不同角度瞄准肿瘤（以避免损伤健康组织的强度）。肿瘤接收到了足够的辐射总能量并遭到破坏，周围的组织也没受到伤害。”
就好像小故事里，指挥官各指挥几辆坦克，往每座桥上都瞄准敌*总部（以每座桥能容纳的坦克数，避免压坏大桥）。因此敌*总部受到了足够的炮火总量并遭到破坏，而每座桥也没被压坏。
启发法vs算法式
除了启发法，其实还有一个算法式。用一个例子来说明算法式。
假设你要找到，被你丟在家里某个角落的钥匙。算法式，就是系统查找家里每个角落，虽然费时，但最终一定能找到；启发式，则是先在你常放钥匙的地方找，及开门后马上去过的地方。
这种方式不一定能找到钥匙，但是它的好处是比算法式省时。
算法式，解法规则明确、固定，就像是程序一样。按这个规则解决问题，最终一定能搞定。
但实际生活里，我们都知道，大量遇到的问题，都没有明确、固定的解法。
这个时候，我们大量依赖经验、常识的心理捷径，迅速做出判断和答案。
这就是启发式。
虽然问题千变万化，但大量问题，总能：
1）拆成总目标-子目标-行动。借鉴已解问题经验，复用解新问题。手段-目的分析法；或
2）行动无法完全预先确定，那走一步看一步，边走边调。爬山法；或
3）新问题和老问题在某方向类似，旧问题解法启发新问题解法。类比法
启发式，就是一种帮助我们在自身与环境限制中，也能有效做出决策的手段。
人们会用启发式，来帮助自己理解遇到的问题，通过推理得出正确的结论。
比起算法式，启发式通常比算法式要快，但是会出现错误，也常被一些心理学家诟病。
但它仍然不失为我们普通人，利用老经验解决新问题的一种快速便捷好用的办法。
思考清单启发式，通过老经验解决新问题，是我们普通人最常用的解决问题的办法和捷径；
虽然问题千变万化，启发也没有定式。但还是有一些常用的套路（比如，手段-目的法、爬山法、类比法），可以用起来；
套路关键不在多，在精，在实用，在经常用。
回想下我们解决问题时，还常用到哪些好的启发式的办法和经验，欢迎在评论区留言讨论。
我是「爱思考的大熊」，喜欢琢磨认知和思考的话题，也在不断实践。