科勒 模型可以是对世界的简化，模型也可以采用类比的形式，或者，模型本身可能就是为探索思想和总结观点而构建的虚拟世界。那么，模型是如何构建的呢？它的用途有哪些？
1、模型的构建
构建模型的第一种方法是具身法（embodimentapproach）。用这种方法构建的模型包括重要部分，同时对于不必要的维度和属性，要么剥离，要么将它们整合在一起考虑。比如生态沼泽模型、关于立法机构和交通系统的模型。
构建模型的第二种方法是类比法（analogyapproach），可以对现实进行类比与抽象。比如将犯罪行为传播类比为传染病传播，将政治立场的选择类比为在一个左-右连续线段上的选择。
构建模型的第三种方法是另类现实法（alternativereality approach），也就是有意不去表征、不去刻画现实。这类模型可以作为分析和计算的“演练场”，我们可以利用这类模型探索各种各样的可能性。比如生命游戏。
相比而言，具身法更强调现实主义，而类比法则致力于刻画过程、系统或现象的本质，而另类现实法有助于我们更好地理解现实世界中各种约束条件的含义。
无论是表征更复杂的现实世界、创造一个类比，还是建立一个用来探索思想的虚拟世界，任何一个模型都必须是易于处理且便于交流的，也就是要符合奥卡姆原则，简单即美。
2、模型的用途
推理：识别条件并推断逻辑含义。
在构建模型时，我们要先确定最重要的行为人（行动者）、实体以及相关特征。然后，描述这些组成部分如何互动和聚合，我们能够推导出一些东西，并说明原因何在。这样一来，也就提高了我们的推理能力。比如朋友悖论、辛普森悖论、阿罗证明等等。
从模型中得出的推论总是采用条件判断形式：如果条件A成立，那么可以得出结果B。也就是用演绎法，前提正确，推理正确，结论一定正确。
解释：为经验现象提供（可检验的）解释。
模型为经验现象提供了清晰的逻辑解释。经济学模型解释的是价格变动和市场份额等现象；物理学模型可以解释坠落物体的轨迹和轨迹形状的变化；生物学模型可以解释物种的分布；流行病学模型解释了传染病传播的速度和模式；地球物理学模型能够解释地震的大小和分布。
基于模型的解释必须包括正式的假设和明确的因果链条，而且这些假设和因果链条都要面对数据。
设计：选择制度、政策和规则的特征。
模型还可以通过提供框架来帮助设计，因为只有在适当的框架内我们才可以考虑不同选择的含义。工程师使用模型设计供应链；计算机科学家使用模型设计Web协议；社会科学家使用模型设计制度。
沟通：将知识与理解联系起来。
由于创造了一种共同的表示方法，模型能够有效地改进交流。模型要求对相关特征及其关系给出正式的定义，这使我们能够精确地进行交流。
交流是建立在共识上的，而共识的前提是概念的精准定义或者事件的边界有限定。
行动：指导政策选择和战略行动。
人生的伟大目标，不在于知，而在于行。良好的行动需要良好的模型。
指导行动的模型通常依赖于数据，但并不是全部模型都依赖于数据。大多数政策模型都需要使用数学公式，但也并非总是如此。
指导行动的模型通常依赖于数据，但并不是全部模型都依赖于数据。大多数政策模型都需要使用数学公式，但也并非总是如此。
预测：对未来和未知现象进行数值和分类预测。
预测毕竟是与解释不同的。有的模型可以用来预测，但是却不一定能解释什么。深度学习算法可以预测产品的销售情况、明天的天气变化、价格演变趋势和身体健康状况，但是它们几乎没有提供什么解释。
此外还要注意到，有些模型有很强的解释力，但是在预测上却没有什么价值。
探索：分析探索可能性和假说。
暂且将现实世界的约束丢到一边，可以极大地激发我们的创造力。
探索有时还涉及对共同假设进行跨领域比较。例如，为了理解网络效应，建模者可能会从一系列程式化的网络结构入手，然后追问网络结构是不是会影响以及如何影响合作、传染病传播或社会动乱。又或者，建模者可能会将一系列学习模型应用于决策、双人博弈和多人博弈；但是他们这样做的目的不是为了解释、预测、行动或设计，而只是为了探索和学习。
思考：
通过学习模型的构建和用途让我知道了第一学好数学的重要性，第二要有严格的科学精神，也就是运用演绎法和类比法，把演绎法内化到自己的血液里；第三，掌握模型要吃透，要能在不同行业间进行迁移。
