生活
-
信息、分析与情绪
·
在信息技术中,算法和数据是两个非常重要的概念,算法代表了解决一个问题的”逻辑”,而数据则是这个问题的输入。有了问题的输入,再加上算法,就可以解决一个问题了。例如,我们有快速排序算法,然后再给一组数据,那么就可以完成一次排序任务了。在AIGC时代,数据的角色发生了变化,数据变成了“算法”的一部分,程序会将标注的数据用于训练,再向用户提供一个更加”复合”,并不断改进的程序,当用户再次输入时,”算法”则可以根据不同的场景、反馈给出不同的结果。
在人类日常生活的视角,”信息”就是数据,而每个人的大脑中的思维则可以理解为”算法”。一般的,我们在做一个简单的决策的时候,通常会考虑不同选项之间的优点和缺点,然后最终根据自己的权衡进行决策。更多的信息、更及时的信息,则可以让你在决策中获得更大的优势。
例如,明天是周末,到底是去看电影、还是去外出露营,又或者是加班。这时候,我通常会看看电影的豆瓣评分,如果评分很高或者电影类型我非常喜欢,那么我就会考虑去看电影,这里豆瓣所提供的电影的评分就是一种非常关键的”信息”。我也会看看天气,如果天气非常好,气温也很合适,再加上或者这周末杜鹃花都开了,那可能会改变主意,去爬山或者露营;这里,天气情况或者说杜鹃花的花期,也是数据,有了这些数据,我就可能做出不同的决策。再比如,我突然听说,老板这周末要去公司加班 ,而我又亟需去老板面前做一些形式化的表现,比如近期恰好是升职加薪的关键时期,我则可能会选择去公司加班,装装样子。这里老板周末要去公司,也是一种”信息”。
当然,这只是一个例子,通常我不会这么肤浅…
可以看到,生活中,多数时候无需用到复杂的处理逻辑,所以,很多时候”信息”的作用就会更大。
信息的获取,有的容易,有的困难。而这些困难,有时候是信息本身隐藏的比较深,需要做一些”挖掘”,或者做一些探索才能够获取。这是比较常见的,例如,你想知道MySQL和PostgreSQL在全球范围的流行度,你可能需要去看百度指数、Google Trend或者DB-Engine等数据,这些信息有的获取较为容易,有的获取略微困难。
但一直以来,我都忽略了一种更为糟糕的情况,就是人为的信息屏蔽,并通过此,在竞争中取获取优势,例如在商业竞争中;例如,支付宝/微信因为有更多的交易数据,所以相比于其他的金融平台,可以更为准确的判断一个人的信用和资金情况,从而给出更加准确的借贷风险评估,也就是有更丰富、准确的征信数据,从而给出更高效的贷款策略。再比如,在一次投标中,A、B是两个竞争厂商,这时A、B两个厂商的弱点或者优点,都是关键的”信息”。如果A对于B的弱点了如指掌,那么A则会在客户侧,放大B的弱点,也放大自己有,别人没有的优点。
很难用好或坏来简单评价这种市场现状。但是,从整体上来看,简单的、低级别的”信息差”所带来的优势是短暂,甚至可能是阻碍创新的。更加直接的”创新”比拼,才能让整个行业,更加健康。但,如果忽略这种”信息差”所带来的问题,则可能会陷入困境。
但,当刻意去关注这种”信息屏蔽”(信息差)现象之后,可能发现,在某些特定的场景下,这一现象在工作中可能是较为普遍存在的。通过信息差去进行博弈,是一种非常有效的策略,但是,很多时候,对于一个整体来说,是一个非常低效的运作模式。必须要需要注意到,在我生活、工作的多数环境下,尤其是早年的工作环境中,此类基于”信息屏蔽”(信息差)的博弈是比较少的。整体都是,非常透明、直接的沟通,效率非常高。
最后,要说的是”情绪”。情绪在决策中,在某些场景下,也会产生直接的影响。对于,理科生来说,这通常是非常容易忽略的。宏观上,决策都会基于我们的信息与认知,然后分析利弊,最后进行决策。也就说,我们会认为行为都是由理性指导的。而在实际中,情绪也会决策中的重要部分。在最后通牒的实验中,一般如果分配方案低于30%,那么响应者很可能会选择拒绝(“When carried out between members of a shared social group (e.g., a village, a tribe, a nation, humanity)[5] people offer “fair” (i.e., 50:50) splits, and offers of less than 30% are often rejected.”)。如果总是从理性的角度去思考问题,是无法解释这一行文的。一种简化的理解就是,情绪在决策中起着关键的作用。
参考: