现在，让我们火力全开，展开攻势吧。多样性逻辑的含义本来就不仅仅是解释性的。解释当然很重要，但更重要的是，要利用对多样性的理解，努力使生活和世界变得更有趣、更安全、更可持续、更有生产力。所以本书的最后一部分将讨论如何把前面学到的东西应用于组建团队、招聘、招生和设计政治制度架构。这一部分所涉及的范围很大，要考虑的问题，小到估计一头牛可以产出的皮革数量（这对致力于动物维权的社会活动家来说可能很糟心），大到民主国家的运行机制，当然还包括介于这两者之间的很多问题。
干法1：用“超可加性”创造神奇
许多研究者喜欢将一个由各种各样的人组成的群体类比为一个股票投资组合。投资顾问经常建议投资者这样来构建自己的股票投资组合：选择多只股票，以保证无论经济形势发生什么变化，总会有若干只股票表现良好。这些投资顾问还会建议，“雨天”投资债券、“晴天”投资股票、“阴天”则要持有现金。这样无论“天气”怎么变化，投资者总能获得好的回报。因此，好的投资组合通常总会放弃一些能够给个人带来最高预期回报的股票。
股票投资组合的多样性是通过扩大覆盖范围来为投资者提供“保险”的。作为一个类比，它确实能给我们一些直觉性的启发：为什么在组建一个团队的时候并不总是只想招揽个人表现最好的那些人？这就像投资者可能会避免购买表现最好的股票一样。同样，公司或大学也可能会拒绝接受某些表现最好的个人。股票的回报依赖于这个世界的各种状态。投资组合理论也可以解释为什么一家公司可能会雇用一个拥有强大统计技能的人，即使这个人的智商并不是很高。但如果出现了令人头痛的统计问题，该公司就可以求助于这个专门的统计人才，即使他在其他条件下表现不佳。这个人的作用就体现在，为可能出现的某种世界状态提供保险，这种世界状态或许也可称为“当企业遭遇统计问题时”。
尽管可能有一定的说服力，但是投资组合类比却忽略了逻辑最关键的部分：各种工具的超加性。人们拥有多样性视角、启发式、解释和预测模型。当一群人一起努力试图解决一个问题时，如果一个人做出了改善，提出了新的解决方案，那么其他人往往可以在此基础上进一步加以改进。解决问题并不是某个状态的实现，而是一个创新的过程，在这个过程中，先前的改进会成为进一步改进的基础，于是改进叠加改进，不断推进问题的解决。
多样性视角启发式会依次得到应用，不仅是一个接一个地被应用，而且还被组合起来应用。正如在本书前面已经看到的，在这个过程中，一加一之和通常大于二。1工具箱的不同部分可以组合起来创造出新的解决方案。多样性是超加性的。
例如，在展览会上提供多种多样的食物，一个目的就是希望保证能够应对所有偶然事件。有些与会者可能只需要一点糖果就够了，但是其他与会者可能想吃到更多的东西。在1904年圣路易斯世界博览会上，与会者有很多选择。但是不幸的是，有一天，卖冰激凌的商人用光了杯子，为了应急，一位来自叙利亚的华夫饼商人欧内斯特·哈密（Ernest Hami）将华夫饼卷成圆锥形，临时充当冰激凌杯子。接下来的故事已经成了历史上的一个传奇，据说冰激凌甜筒就是这样发明出来的。2“投资组合”中的两个部分，也就是华夫饼和冰激凌结合起来，创造出了新的更好吃的冰激凌甜筒。多样性的人也以同样的方式发挥作用。是的，他们可以依靠自己独特的技能来应对任何偶然事件，也可以结合各自的一技之长，创造出更好的解决方案。
干法2：兼容并蓄
上述逻辑意味着，我们应该拥有更多，而不是一个单一的视角、解释、启发式或预测模型。这就意味着要容忍些许“不和谐”。可能无法确定，出现某种特定情况时人们应如何思考。出于这个原因，我们必须成为惠特曼式的人，尽可能地做到“包罗万象”或“兼容并蓄”。即便这在有的时候可能会导致自相矛盾，但是又有什么关系呢？有容乃大。尽管惠特曼和汤婷婷两人在许多方面的具体观点都不一样，但是两人在关于“包罗万象”和矛盾运动的价值方面却是高度一致的，正如在本书“偏好集结的四个可能结果”一章的结论部分已经看到的那样。
关于“包罗万象”的益处，你应该在本书中看得非常清楚了。多样性视角和启发式可以改进解决问题的能力。多样性解释和预测模型能够带来更加准确的预测。乌合之众是没有智慧的，但有模型的群体却是有智慧的。保持这种多样性的一种方法是模仿进化（mimic evolution）。从进化的角度来看，多样性再加上强大的选择压力可以解决困难的问题。在生物进化中，是基因突变保证了多样性。那些提高了生物体适合度的突变存活了下来，没有做到这一点的那些突变则被弃置在进化之路的旁边。在由个人组成的群体内部也会出现类似的效应。人们不断尝试各种工具，好的工具“生存”下来了，不好的工具则被淘汰掉。不断地实验和尝试，可以使个人表现更好，而且更加重要的是，这样做还可以带来更好的群体表现。正如在前面已经看到的，不断增加的多样性提高了人们在预测（多样性预测定理）和解决问题（多样性优于同质性定理）方面的群体表现。
现在，来做一个思想实验。假设现在必须预测一头牛能产出的皮革数量，而这需要先求出牛的表面积。然而，即便是微积分课程中的复杂曲面，与现实中牛的“表面”相比也显得苍白无力。不过幸运的是，有一本讨论建模的书，它提供了解决这个问题的方法。3可以先想象一头球形的牛。在这里，需要忽略怎样对这头球形牛挤奶、怎样让它吃到地上的草等问题。于是就可以使用在中学数学学到的公式来计算它的表面积。然后，再用计算出的数字来估计真实牛的表面积。虽然估计不可能是完全准确的，但是也不会太差。
多样性的逻辑表明，通过考虑多样性预测模型，可以做得更好。我们也可以把这头牛的形状想象成一只大箱子，甚至可以把很多个大的纸箱叠放在一起，直到跟真牛差不多大小，或者还可以想象一头椭圆形的牛。在这些模型中，也许有一个比球形牛的模型更加准确。如果真是这样的话，那很不错。但是，拥有多样性模型的最大益处可能不在于某个模型本身有多准确，而在于它们的平均值。所有“牛模型”组成群体的表现可能比最好的那个“牛模型”还要好。这种思想实验不仅有可能找到更好的模型，还创造了一个模型的群体。模型的群体本身也是一个模型，而且是一个很好的模型。
这种思想实验要进行多少次、要推进到什么程度，取决于具体情况。显然，实验的成本越低，面对的问题越重要，就越应该进行更多的实验。当一个问题与其他问题有联系时，也应该进行更多的实验。例如，如果能够理解蛋白质是如何折叠的，那么就可以在其他许多问题上取得进展，因此针对蛋白质折叠，就值得多做实验。认知工具是可以在不同领域之间“自由流动”的。将不同工具组合起来，就可以实现更大的突破。4
干法3：多听外部声音
试图解决问题时，就是在一个个“景观”内攀登。个人、团队和组织都在攀登。然而不幸的是，有人攀登的景观却比他们所需要的更加崎岖。我们可能会陷入看待问题的某种特殊方式无法自拔，可能会用错误的方式去对所面对的问题进行编码，也就是使用了错误的视角。在一个组织中，共同的视角能够促进交流、推动更先进的启发式发展，但是它们也会产生共同的局部最优解。如果所有人都以同样的方式思考，就会导致这样一个结果，也就是说，如果群体中的某一个人被卡住了，所有人也就都被卡住了。
群体视角使问题变得更加简单是有可能的，公司正在采取的某种行动也可能是最优的。但是经验表明，完全实现最优化的公司，只存在于那些经济学入门著作中。也正是由于这个原因，公司每隔一段时间都需要从外面引进人才。这些“外来的和尚”，能够通过引入新的视角来帮助公司“摆脱困境”。在这里，还要给出一个警告：这些“外人”也不能永远保持外人的超然身份。回想一下，在阿希那个比较线条长度的实验中，当“外人”与一群人一起走进房间之后，他们就不再是外人了。外人必须是真正的“外人”，否则他们会停止以不同的方式思考。
先从学术界的一个例子开始讨论。大多数大学都会设置若干院系。由于显而易见的原因，院系的划分会阻碍多样性，但是暂且先不考虑这个事实。这些院系的运行通常都是自我管理、自我监督的。院长、系主任和教务长会根据外部的反馈评估本部门的表现，包括毕业生的就业情况、教师在顶级期刊上发表论文的数量，以及其他学校试图从本校挖人的频率，等等。这些信号可以表明一个院系的表现是好是坏，但是它们并不能给出如何才能改进本院系绩效的方法。因此，大学会定期邀请来自同一学科或者其他相关学科的学者，组成一个外部委员会，请这个外部委员会就如何改善院系工作提出建议。外部委员会的成员们是如何做到这一点的？他们会收集相关信息、了解院系现状，提出在某些方面进行改进的建议。但是，这些人真的比在本院系就职的人更能干吗？未必。或者，就算真的更能干一些，也不会高明太多。但关键是，他们是“外人”，不同于本院系的教职员工。他们就是利用这种差异来做出改进的。
这种外部委员会也可以被认为是咨询顾问。事实上，他们就是咨询顾问。因此，可以用同样的思路来解释咨询顾问的益处：他们能够提供多样性，从而帮助企业做出改进。确实，有一些企业之所以聘请咨询公司，只不过是想包装一下，增加公司董事会已经做出决策的可信度，“瞧，麦肯锡公司也赞同我们的决定！”确实，有些咨询公司所提供的咨询建议是相当空洞的，或者是企业没有能力实现的。但是，也确实有许多咨询公司真的给出了很好的建议，帮助企业做出了改进，否则市场上就不会有那么多的咨询公司了，咨询顾问也不可能赚到那么多的钱。但是，这些咨询顾问之所以能够帮助企业提升价值，并不是因为他们是地球上的“思想巨人”，也不是因为他们比其他人更聪明、更有能力。
现实一点：咨询公司派来的咨询顾问，很可能是刚刚毕业的研究生，他又怎么可能比普瑞纳公司更了解狗粮、比丰田公司或通用汽车公司更了解汽车呢？确实不能。咨询顾问可能很有才干，也很勤奋，但是他们平均来说并不比其他人更聪明，他们对公司和市场的了解比在公司工作的人更少。不过这没关系。正如多样性逻辑所显示的那样，咨询顾问不需要在这些方面比公司员工更加聪明，他们可以通过拥有与员工不同的核心工具来帮助公司提升价值。
你应该已经注意到了这个逻辑的颠覆性。有些人可能会认为外部委员会成员和咨询顾问都是专家，但是我们却不这样看。相反，只是把他们想象成拥有不同思路的人。外部委员会成员和咨询顾问会对现状提出挑战。他们就是美国法律学者卡斯·桑斯坦（Cass Sunstein）所称的“异议者”（dissenters）。5在政治领域，持不同政见的异议人士会识别出新的政策方向，并迫使我们放弃现有的预测模型。异议是非常有用的。无论是学术界还是企业界，咨询顾问都是异议者，但是他们并不是主动选择成为异议者的。他们是得到一定奖励才成为异议者的。
干法4：既关注多样性，也关注能力
“有容乃大”和“眼睛向外看”这两个建议有一个隐含的前提假设：对于要完成的任务而言，这种多样性是适合的。大多数大学的外部委员会会从适当的领域选择学者和专家。咨询公司也不会雇用来自某个与世隔绝山谷的部落人，让他们穿上西装，请他们帮助某家公司解决如何实施“萨班斯-奥克斯利法案”的问题。相反，咨询公司会聘请读完MBA课程的毕业生。多样性必须是相关的。在解决问题的背景下，已经讨论过这个问题。不符合“微积分条件”，就不能保证由多样性的人组成的群体的表现会更好。同样的逻辑也适用于预测任务。要想让群体有智慧，它们必须既拥有所需的能力，又能保证足够的多样性。
干法5：激励多样性的公民
根据多样性预测定理的逻辑，一个成功的民主国家要求选民或拥有准确的预测模型，或拥有多样性预测模型。因为任何单个选民的投票都没有什么意义，所以选民们没有足够的动机去构建准确的预测模型。一般来说，人们用来预测政策结果的模型通常都是不怎么准确的。大多数人甚至无法预测午餐时会吃些什么。在这里，要将拥有信息与拥有某种解释信息的方法以便构建一个预测模型这两者区分清楚。民主制度要想正常运行，就要求人们拥有相当准确的预测模型。但是，政治领域的问题往往太难、太复杂，以至于上述要求很难得到满足。
为了确保群体预测的准确性，一个替代方法，也是一个更现实的方法，是让每个人都做出尽管只算得上“适度准确”但却非常多样性的预测。做出一个适度准确的预测，也需要做出相关的解释并构建一个预测模型。对于某项政策，人们可以借助于类比思考，或通过只关注政策辩论所涉及众多维度中的某些维度，来做出适度准确的预测。借用我的同事亚瑟·卢皮亚（Arthur Lupia）经常说的一句话：“要对美国福利政策做出好的预测，并不取决于能不能正确地说出美国50个州首府的名字。”6
有些人认为，每个人都应该认真地阅读一些像美国历史学家盖瑞·威尔斯（Garry Wills）所著的激动人心的《林肯在葛底斯堡》（Lincoln at Gettysburg）这样的书，他们是对的，但是只对了一半。7像这样的书，不仅仅提供了事实，还能帮助人们更好地反思有关的历史事件，甚至有助于提出预测模型。它们也有助于强化我们的身份认同。这些都很好。但是，对林肯演讲的理解再深刻，也不能保证对当前的政策会有更好的群体预测。
民主制度要想正常运行，民众必须拥有相当准确且多样性的预测模型。人们通常能够做到这一点。大多数人都有能力思考学校改变选址或增加财产税的影响。这样一来，选民也就变成了一个模型的群体，尽管有的时候，这些模型并不像所希望的那么复杂、精巧，但是它们仍然是模型。不过在有些情况下，普通选民并没有模型，于是求助专家，希望这些专家能够在深入理解的基础上精心构建出模型。8这是一条捷径，有的时候有效，但是如果只依赖于同一个专家，就只能得到该专家的预测，而且它可能不会比群体的预测更好。
如果预测模型不比随机猜测的结果更好，那么人们就可以随机地做出选择。所以，如果要求普通人投票决定采用哪种地下水处理系统，那么我们的表现就不像是一个模型的群体了。对于这种问题，我们的选择可能不会比随机掷骰子更好。也正因为如此，在美国的政治制度中，已经形成了一种非正式的规范：限制人们就不了解内情的技术问题直接进行投票。即使是在加利福尼亚州也是如此。因此，人们会直接就如何改善政府治理投票，而不会就武装条约投票。9
出于一些显而易见的原因，做某些决定时，比如说美国总统选举，会允许每个人都参加投票，除了罪犯和最近才移民进来的人。在这类选举中，如果所有人都只是部分知情的，并且都使用类似的模型，那么就不会做出好的民主决定。通过“温故而知新”的方法去预测未来，对个人来说可能是合理的、有意义的，但是如果每个人都这样做，就会缺乏多样性，从而无法做出好的选择。如果一个美国政治家鼓吹会导致生活水平下降的政策，那么他往往会被民众用选票赶下台。然而不幸的是，政治家也可能因不幸偶然碰到的随机事件而下台。在一项研究中，美国政治学家克里斯·阿亨（Christopher Achen）和拉里·巴特尔斯（Larry Bartels）找到的证据表明，选民们会因干旱和鲨鱼袭击人等自然灾害而惩罚执政者。10人们会简单地将自己受到的苦难归咎于政府的政策，而不管政府是否应该受到谴责。政治家之所以会因为鲨鱼袭击人而输掉选举，是因为大多数选民都有简单、类似的模型：“情况变得更糟了，我们投票把他选下台。”在这种情况下，群体并无智慧，它其实是“疯”了。不过这种“疯”，不是“你把我气疯了”那种“疯”，而是“让我们把所有钱都用来买郁金香吧”那种“疯”。
在市场经济中，人们选择专业化。我们早上起床，收拾好午餐盒，然后出门，积累起多样性的经验。了解多样性的东西：火车、包装好的货物、猫粮、疾病的传播、商品期权、地下水处理系统和平面设计，等等。每一天，我们都构建多样性工具箱。当被要求就某个政策问题进行投票时，人们会先利用这些经验和知识来过滤，同时还会通过身份意识来过滤。
干法6：让员工参与市场预测
在读到关于预测市场如何集结不同思维模型的分析时，一些大型组织的领导者可能会问，他们在什么情况下应该利用信息市场做出预测？信息市场对企业和组织有很大的吸引力。它们不仅是准确的，而且往往花费不大。目前，大多数大公司和组织都雇用专门的员工来构建模型，以预测未来的需求、销售情况，或者在参与政党政治的情况下决定如何投票。没有这种预测，远期规划就会变得非常困难。然而，只要创建一个内部预测市场，企业或组织就可以利用自己内部的群体智慧了。这个预测市场可以补充甚至取代专家的预测。很多大公司，很早以前就已经这样做了。惠普公司让公司的经理们预测打印机销量。事实证明，经理们的预测与专家一样好，在某些情况下甚至比专家更好。11
为了更加形象地说明这一点，不妨考虑一家汽车公司的例子。假设这家汽车公司想要预测未来5年哪种汽车的销量最好。这是汽车制造商经常要做的一种预测，也是经常出错的一种预测。为此，该公司可以创建一个内部市场，并让公司所有工程师都参与进去。但这是行不通的。工程师对汽车消费趋势可能并不了解，因为他们毕竟是工程师，而不是营销专家！这与要求他们预测奥斯卡奖将花落谁家有什么区别！这种信息市场要求参与者有合理的模型。但是，如果要求这些工程师预测哪种车型更加耐用，那么信息市场的作用就会很好地表现出来。对于这样一个任务，工程师们拥有多样性和合理模型，他们很清楚汽车各个不同的部分。由于存在这种多样性，他们的群体预测可能相当不错。
干法7：鼓励跨学科研究
要面对的既困难又复杂的问题实在太多了，所以别无选择，只能充分利用我们之间的差异。许多困难的问题都与多个传统学科和思想领域相关。在这里，重点考虑4个人类社会面临的重大问题：环境可持续性、全球贫困、国际安全和疾病。在这些领域，任何一个重大突破都需要物理学家、化学家、生物学家、心理学家、社会学家、免疫学家、经济学家等的共同努力。12为了在这些重大问题上取得进展，必须将物理学的逻辑运用到化学中去，把心理学的逻辑引入政治领域。
跨学科研究的第一步，可以从让来自不同学科的人一起工作、进行跨学科交流做起，这种互动可能会导致新的术语和框架的涌现。最重要的是，必须跨学科共享视角、启发式、解释和预测模型。这种跨学科方法将帮助我们摆脱局部高峰的桎梏。
干法8：区分基本偏好与工具偏好
传统上，许多人都认为，团队或群体必须克服偏好多样性带来的问题。团队或群体的成员必须做到“立场一致”。但是这种直觉并不完全正确。如果偏好多样性是根本性的，也就是基本偏好上存在差异，那么在团队工作启动之前各成员必须做出一些妥协以达成一致。如果不能瞄准同一个目标，也就很难协同工作。如果没法达成妥协的话，人们就会各行其是。可能会操纵议程，甚至会虚假陈述自己的偏好。但是多样性的工具偏好则是一件好事。如果已经就目标达成了一致，那么对于如何实现目标的手段有不同意见就可能是有益的。在这种情况下，不需要妥协，只需要集结多样性的预测模型。
因此，我们需要区分不同情境。如果已经就目标达成了一致，但是对实现目标的手段持不同意见，就不应该试图操纵结果或虚假陈述想法。相反，应该放开胸怀拥抱群体的智慧。应该认识到，群体所做出的选择平均而言，要比所有个体所做出选择要好。不应把工具偏好多样性视为一个问题。
在一本关于如何谈判的畅销书《谈判力》（Cetting to Yes）中，作者也提出了类似的观点。他们建议参与谈判的人强调利益，而不要强调立场。如果两个人无法就窗户是应该打开还是关闭达成一致，那应该是因为他们一直在争论“立场问题”。只要分析一下，也许就会发现，一个人其实只想要更多新鲜空气，而另一个人其实只是怕开窗会放蚊子进来。如果是这样，那么只要买一面纱窗装上去，两个人就都会更加开心了。13事实上，这两个人的基本偏好是相容的，但是在一开始时的工具偏好却是相互冲突的。如果能够很好地区分基本偏好与工具偏好的差异，那么在一半时间里，将发现根本不会有任何问题，而在另一半时间里，则必须做出妥协。
干法9：利用好基本偏好多样性
即便群体内部有健全的群体动力机制，要达成妥协往往也是很难的，否则，像《谈判力》那样的书就不会出现，更不会成为畅销书了。在其他条件相同的情况下，每个人都会倾向于要求另一方做出妥协。这可能导致我们把基本偏好多样性视为一件坏事，但是事实上，它最多只会给选择造成一些问题。而在进行问题求解和预测时，基本偏好多样性实际上可能会给带来效益。
我们不会凭空选择视角和启发式，选择它们是因为认为能够帮助我们找到更好的解决方案。所以，如果想要得到不同的结果，就可以选择不同的视角和启发式。如果特丝对结果价值的估计与格温和埃里克不同，那么即使他们三个人有相同的视角和启发式，特丝也可能会找到某个她更喜欢的解决方案。格温和埃里克的高峰不一定就是她的高峰。而在特丝改进的基础上，格温可能会找到一个更好的解决方案。在执行解决问题任务时，基本偏好多样性的些许变化，就可能导致很大的不同。
类似的逻辑同样适用于预测。如果正在进行预测，通常不关心每个人的偏好，而只关心他们的预测是否准确、是否不同于自己的预测。如果某人有不同的偏好，或者组织中的一个下属单位有不同的目标，那么这个人或下属单位自然会关注不同的属性，从而可能会有不同的解释。14因此，总的预测可能会更加准确。所谓群体的智慧，很大一部分可能就在于人群偏好的多样性。
干法10：坚定“多样性优于能力”的信念
在前面的章节中，当讨论身份多样性红利的证据时，我们发现这些红利很多都是难以实现的。如何管理多样性群体这个问题虽然很有实际意义，但是答案的细节只能基于人力资源管理，因此不在本书的分析范围之内。但是在这里，还是要讨论其中一个让多样性群体有效发挥作用的条件，因为这很值得。回想一下上一章中提到的大卫·托马斯和罗宾·伊利的发现：如果人们相信与不同于自己的人互动会带来红利，那么他们更有可能获得这些红利。
对于预测与结果之间的这种联系，其实不应该觉得吃惊。预测塑造行为，行为塑造结果。如果预测会有效益，那么就会获得效益。如果不指望能够获得效益，只努力做类似于“促进社会正义”这样宽泛的解释，就不太可能获得效益。如果不认为听取他人意见会有所帮助，那么就不太可能倾听别人。尽管公平和正义都是非常值得赞扬的，但是它们似乎无益于产生对可以通过多样性实现效益的适当预测。
为了理解这一点，以下类比可能有所帮助。假设你在街角拥有一家餐厅，里面放了一些铺着铜皮的桌子。有一天，一位顾客注意到他坐的那张桌子上洒了很多番茄酱，然后他就安慰你，尽管损失了一些番茄酱，但是至少铜皮桌面将会变得更有光泽了。你问这是为什么，他告诉你，番茄酱能够清理铜锈。假设在此之前，你从来没有考虑番茄酱还有清理铜锈的功能，所以你试着检验这种说法。你拿起番茄酱瓶，把番茄酱挤到桌面上。过了一会儿，你擦拭桌子。哗！可以看清楚上面你的名字了！现在你从这个全新的知识中获益了。你可以让服务员先在桌子上挤一点番茄酱，然后再擦拭桌子，那么它们就会变得更有光泽。
你可以直接运用番茄酱能清理铜锈的知识。要识别番茄酱和铜并不困难。将番茄酱挤到铜皮桌子上并擦试也不需要特别复杂的技能组合，虽然顺序在这里很重要。当然，组建一个高效率的多样性团队却没有这么简单。这也正是为什么企业愿意花费数10亿美元进行多样性训练的原因。通过这种训练，人们可以学会相处的艺术。大卫·托马斯和罗宾·伊利指出，其实这是预测和信念的重要性，但是这似乎有点违反直觉。如果希望多样性的群体有更好的表现，那么请相信他们会做到，这会有所帮助。番茄酱真的可以令铜皮桌子光洁如新的话，就得相信这一点，如果不相信，就不会去做了。
当然，除了信念之外，还有很多事情要做：仅仅相信多样性会带来红利还是不够的。我们不是爱丽丝，也没有红宝石鞋，当然不可能磕一下红宝石鞋，就飞到仙境中去。要获得多样性带来的红利，还要付出许多努力。但是必须相信多样性的价值。信念可能是一个必要条件，逻辑的重要性也在这里。引用布鲁斯·斯普林斯汀（Bruce Springsteen）的话来说，逻辑给了我们一个相信的理由。
干法11：将多样性逻辑应用于招生、招聘和任命
在将逻辑应用于招生、招聘和任命等决定时，需要保持足够的警惕性。以个人能力为标准招贤纳士看似明智，但是本书的逻辑表明，这种做法其实并不妥当。在组建一个团队、录取一届学生、雇用一批员工时，我们关心的不应该是被选中、被录取或被雇用人的平均能力。关心的应该是群体表现。而群体表现与群体多样性和个人能力都有关。认为最好的团队必须由最好的个人组成，这种信念依赖于一个错误的逻辑。相反，最好的群体必定包含了既有多样性且能力也出众的个人。接下来，先来看看多样性逻辑在大学和其他学术机构招生中的应用，然后再讨论企业招聘和政府任命，最后总结一些更普遍的含义。
录取
首先考虑一个大学的录取决定。在构建模型时，通常会把这种决定视为两个申请人之间相互竞争的结果。假设，两位申请人为弗朗西丝卡和莱斯利。弗朗西丝卡的SAT总成绩是1 470分，而莱斯利的SAT总成绩则为1 340分，两人的平均得分很接近。根据本书阐述的逻辑，我们不会因为弗朗西丝卡分数更高一些而直接录取她。要决定录取谁，首先要考虑这所大学的办学目标和使命。不同大学的办学目标各不相同：既可以是培养知识精英，以保证社会顺利运行；也可以是教育公民，提高民众素质；还可以是最大限度地提高今后40年内校友的捐赠额。假设这里所讨论的大学办学目标是，尽可能地扩大学生的工具箱，推动知识进步和重大问题的解决。
给定这样一个办学目标，再来看一看弗朗西丝卡和莱斯利的具体情况。可以把她们两人分别视为一个工具集合，并拥有不同的获得新工具的潜力。更高的SAT分数可能与工具的数量有关，但是分数不能直接告诉我们人们拥有什么工具。假设，弗朗西丝卡修读了大部分大学预备课程，但是没有修数学，不过她在SAT考试的定量部分还是有90%的得分。她还是学校足球队的成员，并积极参加教会活动，甚至曾经在飓风过后的佛罗里达州灾区帮忙救助难民。弗朗西丝卡还喜欢绘画和音乐，她梦想有一天到第三世界国家参与动物救援计划。为了进一步追求这些目标，她希望入学后攻读生态学专业，争取获得公共卫生硕士学位。
莱斯利则喜欢化学和数学，并在这些领域修读了大量课程，但是她只在SAT考试的定量部分取得80%的得分。她没有参加过多少课外活动，因为她没有适当的交通工具。她的个人目标是将来成为一名医生，然后到纳瓦霍印第安部落区生活。最后，还注意到，弗朗西丝卡被认为是一个白人，而莱斯利则被认为是一个混血儿；弗朗西丝卡来自一个富裕的郊区家庭，而莱斯利的家庭是相当贫穷的。
只有在理想情况下，才可能准确地说出这两个人分别拥有哪些工具。但是在现实世界中，却不可能知道，尽管确实有一些线索。我们只知道弗朗西丝卡已经掌握了相当多的动物学、生物学和宗教等领域的知识；如果需要的话，她有能力很快掌握数学知识；她了解现实世界中发生的悲剧，没有将自己关在位于郊区的家中。关于莱斯利，我们知道她已经获得了一些科学工具，但是学习数学可能会面临一些困难；她对印第安人的生活有兴趣，也亲身经历过贫穷的生活，同时也体验过少数民族的生活。莱斯利所阅读的书刊、所听到的故事以及所经历的文化，都与弗朗西丝卡不同。但是，就莱斯利本人而言，算不上多样性。多样性不是一个人的性质，而是一个群体的性质。
由于缺乏必要的背景信息，无法对弗朗西丝卡和莱斯利进行排序。在生态学和讨论可持续发展问题的课程中，弗朗西丝卡对同学们的贡献可能比莱斯利更多，她自己也可能会学到更多。而在物理和化学课上，莱斯利应该能带来更多的信息，所以她能够与同学们分享更多，自己也会学到更多，不仅仅因为更有兴趣，还因为她有更好的科学基础。在政治学、哲学或社会学课上，这两个人都应该可以做出不同的贡献、学习不同的东西。那么，应该决定录取谁呢？这里还必须以其他所有申请人为“背景”来看这两个申请人的情况。其中一些申请者可能是非常杰出的，他们将展示出很强的能力和巨大的多样性。当然还有其他因素要考虑，但是必须做出选择。在某些情况下，这种选择很容易。如果其他学生缺乏有价值的关于环境问题的视角，那么弗朗西丝卡会是一个很好的人选。如果缺乏的是拥有科学工具的学生，那么将会录取莱斯利。
如果来自贫穷家庭的学生和混血儿学生很少，那么莱斯利也许是一个更好的选择，因为她会在社会科学和文学课上提供一个相对罕见的视角。或者换句话说，由于经历与众不同，她进行推理时所用的工具和类比都将更加独特。如果认为她的申请书提到的各方面内容意味着能够带来或者将会获得多样性的工具，莱斯利所拥有的复杂种族身份、出身于贫困家庭的经历、对科学的兴趣以及对纳瓦霍人生活的关注，都可能会使她成为一个更有吸引力的申请人。
上面这种考虑，看起来似乎是因为莱斯利的种族身份而给她额外加分了。在一定意义上说，确实如此。但是说到底，她并不是因为种族身份而得到加分的，而是因为她的工具而得到加分的。15我们认为，由于她的种族身份，可能会带来不同的视角、解释、预测模型甚至启发式。这种多样性可以抵得上SAT总分中的300分吗？应该不可以。它可以抵100分吗？大多数数学教授会说不可以，但是你可能会从政治学、社会学、历史学或文学教授那里听到很多不同意见。他们认为也许可以抵100分。这不是因为他们是倾向自由主义的学者，虽然大学中自由派教授确实很多，而是因为他们的课堂上已经有了太多来自郊区富裕家庭的女孩了，这些教授或许更想录取莱斯利。如果有一些教授，教过满是来自贫困家庭的学生，那么他们可能更想录取弗朗西丝卡。在那些大多数学生只关心赚钱而不是拯救地球的学校里，弗朗西丝卡会提供独特的视角。
在研究生培养中，工具箱多样性的益处更加明显。研究生研讨班就像小组学习项目。通过与那些以不同方式看待问题的人交流，研究生们会受益匪浅。例如，学生物学的研究生，会因一个接受过大量数学训练、并有很多实验室经验的学生的加入而欣喜若狂。这些学生在准备报告、复习备考时会相互学习。没有这种多样性，整个班级都会表现不佳。全是男学生的社会科学研究生培养计划可能因缺乏工具多样性而受到影响。这是不是意味着经济学系在招收研究生的时候，应该录取一个平均绩点为3.4的女生，而不是一个平均绩点为3.8的男性？这非常值得讨论。这取决于具体情境。经济学这个领域，从总体上看可能需要更多女性加入。一个例子是，在学术文献在线搜索引擎JSTOR上，讨论“体育经济学”的论文比讨论“性别（歧视）经济学”的文章多了1/3。16当然并不是说体育不重要。
招聘
还可以将相同的推理过程应用于公司在雇用员工时的决定。请不要忘记，在这里暂时忽略了群体内部成员如何相处的问题和因基本偏好多样性导致的问题。事实上，大多数公司都会将你引向他们所希望的目标。对于一家公司来说，重要的是真正相关的多样性。如何权衡个人绩效与“真正相关”的多样性则取决于具体情境。假设，公司正在招聘一项工作所需的员工，对于这项工作所要求的能力有一套明确的衡量标准，而且员工入职后将独自一人从事这项工作。例如，可能会雇用一些人来画房子草图或骑自行车送外卖。如果能力与身份相关，假设女性画房子草图的平均表现超过男性，那么保持男女比例均衡会牺牲效率。但是，我们最好不要太极端。有些男性画房子草图可能比女性还要好得多，这是完全有可能的。如果因为女性的平均表现比男性好，就拒绝考虑雇用男性，将会错过不少很好的男性雇员。
相反，假设现在要雇用一些人来设计网页，而且这些人必须直接或间接地在一起工作。在这种情况下，就要既考虑群体多样性，也考虑个人能力。应该寻找有多样性训练、经验和身份的人。我们不应该忘记历史教益：填字游戏专家和古典主义学者都在布莱切利庄园中做出了重要贡献。也不应该忘记“创新中心”的成功经验。
然而，不幸的是，对于人力资源的“专业人士”来说，他们无法直接看到应聘者的视角或启发式。这就是公司要对应聘者进行面试、管理测试、提供推荐信和调查以往工作表现的原因。他们试图借此推断应聘者所拥有的工具。例如，具有计算机科学学位的人可能比具有生物学学位的人更懂得编程启发式。关于潜在消费者的类型，有五年销售工作经验的人能够带来的解释，要比一直埋头撰写DVD机操作说明书的人更加细致、有趣。
但是怎么对待那些大学肄业生呢？他们全身不是纹身就是挂饰，而且似乎只知道一天到晚玩着滑板到处乱窜。在美国企业界，许多人觉得“这些家伙看待世界的方式与我们不一样”。那么，应该聘用这些大学肄业生吗？答案仍然取决于具体情境。如果这些“滑板上的孩子”满嘴都是前面所说的“微积分条件”，也就是如果需要完成的工作是设计保龄球衬衫或网球鞋，那么他们可能会考虑这样做。但是，如果公司的目的是找到投资衍生工具的操盘手，那么他们最好到别处去看看，因为这些“滑板上的孩子”可能很早时就基本上不再学习数学了。
说得更具体一些。一个打算雇用一些人来设计软件的公司，由于非常成功，公司几乎可以聘用任何它想聘用的人。如果需要的话，公司可以聘用来自麻省理工学院、加州理工学院、斯坦福大学，伊利诺伊大学、密歇根大学、佐治亚理工大学和加州大学伯克利分校等顶尖工科大学的最优秀的毕业生。这些人无疑都很聪明，但是他们也可能会被训练得过于相似。他们还可能有类似的大学经验，同时身份则可能很没有代表性。
像许多现代公司一样，这家公司也要组建若干致力于解决难题的工作团队。要想取得成功，团队中的成员必须具备良好的沟通能力，同时也必须具有足够的多样性。这就是为什么这家公司没有采用只雇用顶尖大学成绩最好的毕业生这种策略的原因。在公司自己发布的“我们要找谁”的员工政策说明中，公司规定的第一个聘用标准就是多样性：“在计算机科学和数学的各个不同领域具有广泛的经验和专业知识的人才”。而且该公司的最后一个聘用标准也是关于多样性的：“具有多样性的兴趣和技能的人”。
思维方式相同的人会被卡在相同的地方。所以这家公司要“广泛采样”。它在训练、经验和身份各方面都要寻求多样性。因此在这家公司，毕业于圣克拉拉大学的计算机科学专业的学生会与前数学教授一起工作。但是公司也意识到了“微积分条件”。它需要的是拥有数学和计算机科学等领域知识的多样性人才。它不是在寻找诗人。但是，如果一个顶尖的数理流行病学家出现在了公司的门口，那么这家公司就会雇用他，因为他可能会对疾病如何在人群中扩散有全新的理解，而这种理解可能会影响公司对信息流的组织。
企业在招聘员工时还应该考虑身份。身份属性与思维方式密切相关，或者说，会影响我们的思维方式。要利用多样性，需要的不仅仅是种族和性别平衡。忘记这一点，你就要失去机会。例如，美军在每一个军阶等级上都有相当可观的身份多样性。但是，由于军队的等级制度，在同一个军队等级内却没有多少年龄多样性，因此做同样的决定、给同一些人提供建议的可能都是同龄人。这就使他们的日常生活和军事经历都比所需要的更加相似，从而减少了多样性视角和预测模型。在关于多样性的实证研究文献中，最有力的那些证据都与人口多样性有关。那些同时代出生的人的思维方式通常也类似。17年龄多样性的缺乏，影响了群体的表现。
任命
美国政府在组织内阁、组建委员会或特别小组时，都会力求实现身份多样性。这样做的一部分是出于政治原因。对于一个只能接受公正和具有代表性的决定的社会来说，必要的反思是需要的。此外，由于偏好多样性与身份多样性是相关的，任命一个具有身份多样性的委员会能够确保一定程度的偏好多样性。而且，由于政府做出的决定通常会影响到每一个人，所以要考虑每一个人的偏好。这一点是很重要的。
本书阐明的逻辑还指出了这些委员会应该保证身份多样性的另一个原因。在政策领域，我们有理由预测表现最好的那些团队都具有身份多样性。让一群富人去决定公交出行政策可能不是明智之举，在出台这类政策之前，应该让更多受这些政策影响比较大的人参与进来，他们可能有多样性视角和解释，因而可以带来更好的解决方案和更准确的预测。他们会帮上很大的忙，因为公交出行是一个大难题。当然，也不能走向另一个极端。
在某些情况下，比如说需要确定航天飞机爆炸的原因时，身份多样性可能不那么重要，但是即使是在这些情况下，潜在的“妙手偶得性”（某个人在自己生活中获得的独特经验可能会导致重要的突破）意味着，也不应该完全把身份这个有潜力的因素排除在外。无论如何，从总体上看，确实可以通过将具有不同经验和受过不同训练的人集结到一起来更好地完成任务。
换句话说，在组建这类小组和委员会的时候，必须考虑到多种类型的多样性。如果某个政府委员会的所有成员都是在上层中产阶级家庭长大，上同一所预科学校，然后又都在耶鲁大学深造，并在同一批教授的指导下用同样的教科书学习，那么他们的认知多样性就会相当有限，无论他们的身份归类多么不同。要注意，身份多样性不一定意味着认知多样性。
寻找多样性，创造多样性
由于企业和大学都追求更大的多样性，所以它们也鼓励创造更大的多样性。学生们通常会认为雇主和研究生计划都只重视成绩，但这不一定都是对的。因此，许多学生都会避开困难的课程。对随机选择出来的本科生成绩单的分析表明，很少有学生主动选修物理、有机化学或高等数学等课程。这些课程都需要学生付出大量的时间和精力，而且很难获得好成绩。但是，如果有人想成为一名优秀的律师，那么高级数理逻辑课程或基础经济学理论课程对他们显然是有益的，这没有任何疑问。但是相对于学生可以选择的其他课程而言，这些课程要困难得多。“猫王历史”课或许也不容易（这是真的，老兄！这门课的阅读量极大），但它可能无助于学生开发有重要意义的视角、解释、启发式或预测模型。这类课程可能只是学生将现有工具应用到新的学科领域、把平均绩点保持在3.5以上的一种途径。当学生养成了追求高分，而不是追求知识的习惯之后，要付出的社会成本是极其巨大的。我们都希望医生懂得更多的化学和物理学知识、小学老师懂得更多的数学知识。难道不是吗？
测试工具箱多样性
那么，怎样才能找到多样性的人才呢？大学、企业和其他组织可以尝试对多样性工具箱进行测试。目前很多公司都在对员工进行人格测试。人格测试能够帮助员工更好地理解自己的行为，并为公司提供管理这些员工所需的或有用的信息。这些测试表明，有的员工强烈偏好规定明确的任务，比如说，找到一个方法，在周五之前以最低的价格将这个包裹送到法戈市。有的员工则更喜欢开放性的任务，例如，“想办法使网站看上去更吸引人一些”。
公司也可以测试求职者的认知多样性，相对于其他求职者或公司现有员工。测试认知多样性其实并不像听起来那么难。几年前，一家咨询公司要求一批求职者预测某个标准家庭用品的年销售额，比如橡皮筋、花生酱、挂耳螺母或二号电池，等等。这家咨询公司希望找出那些理解总需求等于个人需求总和的求职者，回想一下多样性优于能力定理的“微积分条件”。他们还想找到思维方式有所不同的人。他们可以通过测试求职者懂不懂以及如何分割消费者市场、求职者能不能创建相关或独特的新类别来同时实现这两个目标。在那些被问及与二号电池有关问题的求职者当中，把全部家庭分成有男孩的家庭与没有男孩的家庭两类的求职者更有可能被录用，而把国家分成不同地区的求职者则没有什么机会。当然，公司并不希望聘用所有认定年轻男孩是二号电池的“大用户”的求职者，还需要聘用一些能够识别其他细分市场的求职者，例如露营爱好者。
说得更具体一些吧。假设，公司有两个研究型职位空缺，而求职者则有三个：斯宾塞、罗斯和杰夫。为了选出合适的人，需要进行一个共有10个问题的测试。可以通过比较他们在这个测试中的成绩如何来决定雇用谁。进一步假设这三个求职者回答问题的情况分别如下：杰夫正确地给出了7个问题的答案，罗斯为6个，而斯宾塞则只有5个。那么，这是否意味着应该聘请杰夫和罗斯呢？不一定，这样做可能忽略了多样性。更好的办法是，也要看看他们分别答对了哪些问题。表14-1给出了10个问题（从问题1至问题10）以及每个人答对的题目。
表14-1 测试结果表
?
从表14-1不难看出，罗斯回答正确的所有问题，杰夫也都给出了正确答案。还要注意的是，斯宾塞虽然答对的问题最少，但是他却正确地回答了杰夫出错的每一个问题。因此，尽管罗斯的测试成绩要比斯宾塞好，但是聘请杰夫和罗斯却不如聘请杰夫和斯宾塞更有意义。相对于杰夫，斯宾塞比罗斯更富多样性。
包容已创建工具箱的困难
如果只使用单一的衡量标准，那么要决定录取谁、聘用谁和任命谁就不需要付出太大的努力。要做的无非是根据申请人在测试中的成绩进行排序，然后在排序表中从高到低依次选择即可。大学可以通过求课程平均绩点和SAT分数的加权平均值来做到这一点。雇主也可以通过查看平均分数，再结合推荐信的得分来做出决定。如果应用工具箱逻辑，就要把人视为工具的集合，同时我们的目的是想把尽可能多的工具集合到一起来。显然，录取、招聘、任命问题是一个“难题”。
为了看清楚这个问题有多难，考虑大学录取新生并组建班级的问题。假设一所大学有5 000个申请人，但是只能招收1 000个新生。即使该大学可以根据常规工具测试结果将这些申请人中的3 500人筛选掉，但是它仍然面临着一个繁重的任务，也就是从剩下的1 500人中录取1 000人。可能的组合数量多得让人想一想就头晕脑胀。有些人可能会认为，可能的解决方案数量既然如此之多，真正意义上的选择是不可能的，所以大学应该创建一个一维的“测量棒”，并用它来决定录取谁。
其实不然。在这里给出一个启发式，至少它与测量棒一样好。这个启发式的工作原理如下：首先，利用测量棒。把那1 000个打算录取的申请人想象为当前的解决方案。然后，让一组多样性的、有才能的人去寻找各种能够增加相关多样性的改变方法，同时保证平均能力的变化要尽量小。如果每一次改变都能改善班级的工具集合，那么这个启发式的结果不可能比坚持按测量棒录用原来那1 000人更加糟糕。利用测量棒可能不会给大学带来它最想要的多样性。申请就读兽医学院的人、申请攻读浪漫语言学博士学位的亚裔都可能不会很多。如果真是这样的话，那么企业或大学的多样性程度就可能达到它本来设定的理想目标，或者会不如它们所服务的社会的多样性那么大。但是，至少这所大学已经使用了工具箱，而不是直接采用配额制，而且它没有单纯地只依靠测量棒。
萨姆·鲍维的警告
需要警惕的是，我们也可能在追求技能多样性方面走得太远。在追求多样性的过程中，必须牢记要维持多样性与能力之间的平衡。对此，只需回想一下1984年的NBA选秀大会及其后果就明白了。当时，波特兰开拓者队选中了来自肯塔基大学的萨姆·鲍维（Sam Bowie），他是一名身高2.16米的中锋，但是却放弃了来自北卡罗来纳大学的一个名叫迈克尔·乔丹的小前锋。为什么要这么选？原因众说纷纭。有人声称，乔丹的才华被北卡罗来纳大学团队至上的风格所掩盖了。无论如何，事后回想起来，波特兰开拓者队的这个决定简直可以说是“蠢不可及”。
但是在这里，不妨对波特兰开拓者队的管理层宽容一些。这个错误可能是由错误的预测模型导致的。波特兰开拓者队的管理层有理由认为一个好中锋对球队有巨大的价值。他们在几年前刚刚赢得了一个冠军头衔，而且球队的中锋比尔·沃尔顿（Bill Walton）又受了伤。历史数据也给他们的决定提供了进一步的支持：1959—1984年，只有一支球队在没有全明星中锋的情况下赢得了NBA总冠军。除此之外，波特兰开拓者队当时的小前锋和得分后卫克莱德·德雷克斯勒（Clyde Drexler）和吉姆·帕克森（Jim Paxson）的配合已经非常出色了。选择萨姆·鲍维看起来是相当合理的。
教训是不应该忘记能力依然很重要。我们的定理说明能力与多样性一样重要。当乔丹站在你面前的时候，如果想组建一支实力超群的球队，即使不得不牺牲一些多样性，也一定要选择乔丹。
避免以身份为标准来归并不同的人
雇主通常将身份作为认知多样性的一个粗略的代理变量。诚然，前面所考虑的那些类型的认知多样性有时确实可能与身份相关，原因已经讨论过了。然而即便如此，也不应该满足于依靠粗略的身份类别来对不同的人进行分类，我们可以做得更好。人有很多“面相”、拥有很多工具。每个人都有不同的经验和训练，以及不同的身份。经验和训练的多样性也会转化为多样性的工具箱。
把所有人都按身份来分组，就犯下了“过度归并”的错误。使用非洲裔美国人这个分类标准，会把最近刚从肯尼亚内罗毕移民到密西西比河三角洲的一个女子，与住在伊利诺伊州巴灵顿一名牙医的女儿，归并成“同一类人”。还可能会把密歇根州铜港一名矿工的孙女与一个刚刚通过结婚移民美国的前立陶宛人，放进同一个上面标着“非西班牙裔白人”字样的箱子里。而在标签为“亚裔美国人”的箱子里，把祖先来自新加坡、马来西亚、中国、日本和韩国等国家和地区的人全都归并到了一起。只要稍微仔细观察一下，都不难发现其中存在着明显的认知多样性。
这种归并也同样忽略了身份之间的组合。一个小组，倘若由五名法国男子、三名韩国男子、两名肯尼亚女子和一名新加坡女子组成，它虽然包含了其他国家的男子和肯尼亚女子，但是却不包含肯尼亚男子，因此可能无法从肯尼亚男子的角度来思考问题。而且，请不要忘记，肯尼亚男子看待事物的方式也不会是唯一的。
现在有一些计划致力于培养来自那些未被充分代表的群体的潜在员工或学生。这种计划也许能够提供一些漂亮的数字，但是实际结果却可能会限制公司本来能够获得的认知多样性。像思科这样的公司，如果只雇用从加州大学伯克利分校毕业、参加过同样暑期实习计划的非洲裔美国工程师，那么就会为了“身份神话”而牺牲了真正的认知多样性。公司的员工表面上看起来似乎具有多样性，但是从认知的角度来看，他们实际上可能没有什么不同。因此，单单利用种族标记这个有点狭隘的“输送管道”来挑选员工，可能会对多样性红利产生负面影响，也就是说，可能会降低身份多样性公司的绩效。这就是说，通过这种单一输送管道获得的更大的身份多样性，会被员工缺乏经验、人口或训练多样性所抵消。
对于思科这样的公司来说，更好的选择是组建一个公司联盟，创建多个管道，以此来获得多样性。对于这种多样性，可以称之为“归并内部的多样性”（within-lump diversity）。或者，还要更好的一种可能是，建立一个根本不需要这类管理的社会。
避免刻板印象
通过身份标签把不同的人归并成“一堆”还会带来其他负面影响。它会导致刻板印象和偏见的出现。许多人都认为男人比女人更聪明、在农场出生、长大的人工作更努力、意大利人比英国人更会做饭，等等。有时还会这样描述一个人：“典型的欧洲人”，等等。这些刻板印象其实都是预测模型。他们把人归入不同的类别，并根据那种分类方法做出预测。这些推论可能非常不准确。这些预测模型也可能是错的。一个典型例子是，男人并不比女人更聪明。
而且，陈腐的刻板印象会导致很多问题。第一个负面影响，因为刻板印象都是一些关于人的预测模型，而不是关于物理现象的预测模型，所以它们会影响人的行为并且自我强化。18假设，某个人只把人分为三种类型。这是一个愚蠢的假设，但是可以用它来说明问题。假设这个人有一些与白人合作的经验，于是他创造出了两个白人的子类别：第一个是他所称的“努力工作的白人”，第二个是他所称的“懒惰的白人”。然后，他再将所有不是白人的人都归并到一起，称之为“非白人”。美国经济学家马特·杰克逊（Matt Jackson）和罗兰·弗赖尔（Roland Fryer）证明，在这样的假设下，即使白人和非白人有同样的可能性成为优秀的工人，这个人也只会雇用白人。
这种有偏见的招聘之所以会出现，是因为根据这个人的解释模型，雇主可以从白人当中区分出像他自己一样努力工作的人和懒惰的人这两类，但是却无法对非白人进行同样的区分。因此，他只能预测，只要是非白人，就都处于平均水平上，有些人是努力工作的人，有些人是懒惰的人。请注意，这个人并没有说所有非白人都是懒惰的人。相反，他确实有一个关于非白人能力的模型。但是，在做出招聘决定时，面对三名申请者：一个是努力工作的白人，一个是懒惰的白人，一个是非白人。最好的选择只能是选择那个努力工作的白人。
在这个例子中，预测模型和雇用规则会产生严重的问题，它们减少了潜在的非白人求职者通过接受训练去获得能力、使自己在工作中表现良好的动机。即使90%的非白人求职者表现很好，“像我这样努力工作的人”也会被认为是一个更好的员工。这个人的预测模型也可以说是准确的，但却是因为太粗糙才准确。更糟糕的是，考虑到雇主运用了这样一个预测模型，那么非白人将不会有什么动机去争取成为合格的员工。何必去自讨苦吃呢？无论他们的才华和技能怎样高，都不会被雇用。
虽然在上面讨论的是种族刻板印象，但是其他刻板印象也非常普遍。人们可能会认为女性在工作中的效率低于男性，尽管客观指标表明女性的表现并不差。这种刻板印象会减少妇女努力工作和自我实现的积极性。事实上，任何刻板印象，例如亚洲人的数学成绩更好、印度人更擅长填字谜、英国人更聪明、非洲裔美国人更有创造力，这些刻板印象都可能诱发自我实现的行为。如果对属于某个特定身份群体的人依据刻板印象推断他们的工作表现，就会减少他们在符合这种刻板印象领域之外积累工具的积极性。刻板印象限制了机会。或者用美国经济学家格伦·劳里（Glenn Loury）的话来说，我们的刻板印象，会给他人打上烙印。19
刻板印象的第二个负面影响是，它们通过限制人们的思维方式，制约了人们能够做出的贡献。在一个群体中，当人们觉得自己未被充分代表时，就会觉得自己必须挺身而出，充当自己所属身份的代表。例如，人们可能会试图作为一名女性或一个亚裔人而行事，而不再以自己的本性行事。这样做会损害整个群体的表现。我们不需要摆脱或剥夺自己的身份，但是也不应该核心身份限制自己。用美国哲学家、小说家夸梅·阿皮亚（Kwame Appiah）的话来说，身份是我们的“根”，它们为我们提供了意义和目标，但是不应该让身份限制自身的发展。我们本来可以变得更具多样性、更加“国际主义”，完全可以拥有多重身份，追求各种不同的经历，接受各种各样的训练，获得丰富多彩的经验。20也正如美国女作家托妮·莫里森（Toni Morrison）所指出的：“在《柏油孩子》（Tar Baby）这本小说中，个人具有坚实、一致的身份这种经典概念被回避了，取而代之的是一种关于身份的模型。在这种模型中，个体被视为一只容纳了各种各样的异质性冲动和欲望的万花筒，它生成于个人与世界多种形式的互动当中。这种互动，其实就是多样性在展现自身，尽管人类可能无法完全理解。”21
如果乔手上戴着兰斯·阿姆斯特朗（Lance Armstrong）的手环，上面刻着“WWAWMD”的字样即“作为一个白人，要做些什么”（What would a white man do?）的首字母缩写，以便时刻提醒他自己的身份，那么他可能反而会失去自我，因为他将试图像所有白人的“平均混合体”那样行事。在这样做的时候，乔可能不会用自己的认知工具去解决问题或者解释环境。相反，可能会转而只应用与他的身份组别相一致的那些工具。更加糟糕的是，他可能固执地只考虑自己所认定与他的身份组别相一致的基本偏好，尽管这些基本偏好可能完全不适合当前的情况。22最终，他可能会将所有注意力都集中到社会公正和机会平等上去。尽管社会公正和机会平等确实都是值得赞颂的目标，但是，如果他是一个设计沙皮幼犬图片日历团队的一名成员，那么只考虑这些目标显然是不合适的。
对社会公正和机会平等的关注理应在生活中占有一席之地，而且肯定是非常重要的“一席之地”。必须发挥多样性的优势，肩负起治疗疾病、制定减少贫困的政策、研发生产清洁能源的技术，以及其他各种责任。
刻板印象的第三个负面影响是在对人进行评估的时候，使用刻板印象会限制预测的多样性。根据定义，刻板印象是一种许多人广泛共享的预测模型。如果运用刻板印象，我们在个人层面上就不再以不同的方式进行思考了。因此从总体上来说，也不能再做出准确的预测了。我们在分析多样性预测定理的时候已经看到了这一点。因此，如果想做出准确的预测，就应该立即放弃刻板印象，转而构建多样性预测模型。只有这样，才能对其他人做出准确的群体预测。
承认反思结果可能不符合理想
在组建团队（无论是专业委员会、顾问小组，还是一个班级）、挑选成员时，都会追求一定的身份代表性（identity reflectiveness），这就是说，我们希望选出来的成员的人口统计指标能够反映整个人口的当前状态。身份代表性是重要的，这不仅仅是出于某些象征性的原因。许多人都认为，公平正义要求尽可能地提高代表性。还有一些人虽然对立法中的代表性没有那么强烈的要求，但还是会对那些不能反映人口整体状态的群体提出质疑。他们的典型问题是：为什么像我这样的人不能加入专家组呢？
有的时候，群体会出于共同偏好而变得同质。所以，并不需要假设发生了某种隐含的甚至是明确的歧视。然而即便如此，也必须保持警惕。有时很少的歧视就可能会导致整个系统分崩离析。23
说到底，企业总要追求利润。为了实现这个目标，企业的员工需要彼此相处融洽、彼此相互信任。至于大学，则有更大的动力去推动社会正义，但是大学的使命也包括推进最前沿的研究。无论在哪种情况下，如果关注的是如何维持生产力与社会正义之间的平衡，那么从我们的逻辑出发，就不能推导出任何支持身份代表性的特殊理由，除非它能够满足可行性要求。无论如何，要求每个群体都反映社会构成，至少还存在一定可能，但是要求每个大学都比它所要服务的社会更具多样性，就没有任何可能了。
然而，对代表性的承诺，会以两种方式限制有效利用多样性的能力。首先，它导致我们会在一个武断的位置上就不再努力去增加多样性，也就是在足以反映社会的层面上。这就是说，一旦某个公司或组织达到了每个身份组别的反映百分比要求后，就会停止追求多样性，例如，10%的非洲裔美国人和拉美裔美国人、5%的亚洲裔美国人（亚洲裔人也是一个非常巨大的归并）、50%的女性。但是，这真的是理想的吗？如果多样性的民族和种族背景的人能够为某个特定的问题带来多样性视角，那么就应该继续引入，直到他们不再使这个群体更有效率为止，而不能一看到他们的数量反映了在整体人口中的比例就戛然而止。
其次，对代表性的承诺使每个群体的构成都过于相似。多样性能够带来益处的逻辑同样适用于群体的构成。不同的群体之间，也应该是多样性的。如果一家公司组建了10个相互独立的工作团队来设计一个新的营销计划，那么为什么不让这些团队的构成更具多样性呢？例如，有的团队可能80%的成员都是女性，有的团队可能40%的成员都是亚洲裔美国人，有的团队可能75%的成员都是非洲裔美国人。为什么不可以组建一个全部由工程师组成或由营销人员组成的团队呢？企业、组织和政府当然可以创建一些符合反映性要求的团队，但是同样也可以创建一些多数民族团队、一些少数民族团队，或者多数-少数团队。
在政治领域中，哈佛大学法学院教授希瑟·格肯（Heather Gerken）把这种多数-少数群体所体现的多样性称为二阶多样性（second-order diversity）。在这里，要先搞清楚二阶多样性意味着什么或可能意味着什么。二阶多样性可能意味着：一个拉丁裔占多数的地区上诉法院、一个由阿拉伯裔美国人主导的郡规划委员会，又或者一个全部由白人组成的联邦通信委员会。因此，二阶多样性政策将允许那些从来没有机会成为多数派的人也有当家做主的时候。这就是说，那些从来不曾拥有权力的人也将能获得一些有关的经验，从而为他们获得不同的工具创造可能的机会。24
如果人们在基本偏好上存在多样性，那么他们可能会对二阶多样性的思想感觉有些不安。如果种族或族群身份与基本偏好多样性相关，那么一个按多数-少数原则组建组织的决定，就可能远离中间选民的理想点。二阶多样性的捍卫者则质疑，为什么一个少数群体在10%的时间内得到他们最喜欢的结果，怎么可能比同一个群体从来不能得到他们最喜欢的结果更加不公平。尽管二阶多样性可能会导致政策变化更加频繁，但是分析模拟退火模型时已经指出，偶尔在不同政策之间“来回跳一下”，也可能是一件好事。
组织可以通过鼓励人们以不同的方式进行思考，例如，让人们有时间去追求个别项目上的成功，或者创办“臭鼬工厂”为人们创新提供机会。25虽然这种探索带来的效益可能是巨大的，但还是必须平衡这种探索和利用好的解决方案之间的关系。成功的组织都能实现这种平衡。即使有些人的前进步伐慢下来了，有些人无法与其他人一起接受新思想，成功的组织也能维持平衡。26
干法12：在神秘事物面前保持谦卑
最后一条建议是，“回到起点，不忘初心”。在前言中，我提到本书的逻辑可以用来支持积极的多样性政策。确实可以。如果个体多样性有助于群体效益，就应该追求多样性的政策。企业、组织和大学雇用和录取多样性的员工和学生后，也许不会立即看到效果。但是，从长远来看，多样性肯定能给它们带来效益。我不主张为了多样性而牺牲能力，而是两者要保持平衡。在分析解决问题的微积分条件时，在阐明多样性预测定理时，已经多次强调过这一点。
在前面曾经讨论过某公司为什么不愿意只录用刚刚从麻省理工学院和加州理工大学毕业的高材生。拥有多样性经验和受过多样性训练的人的贡献，通常要比除了成绩好之外别无所长的人更大。大多数雇主和大学都理解这个逻辑，并将它应用到了招聘和录取工作中。身份多样性与认知多样性之间的联系则更加微妙而神秘。不过，出于类似的原因，企业和大学同样不应该只接受白人或亚洲裔女性。身份多样性可能与认知多样性有关，有时直接相关，比如在大多数公共政策问题上肯定是这样的，有时则只是偶然有所关联。
没有人敢声称自己洞悉一切灵感的来源。然而尽管如此，在其他条件相同的情况下，确实应该更多地指望那些显得与众不同的人，无论他们的多样性是训练、经历所致，还是身份带来的，他们更有可能拥有最终会导致突破的独特经验，更有可能认识到原子量的组织规律，更有可能洞察“时间与空间原来是密不可分的”。
