3大系统,构建认知闭环

简介: 3大系统,构建认知闭环

人人都知道认知的重要性,有句话说:

花半秒钟看透事物本质的人,

和花一辈子都看不清的人,

注定是截然不同的命运。

决定命运的是什么?是能够有效且高效的处理信息。有效的意思是识别并选择了正确的信息,高效是过程中用了很少的资源。

虽然人人都知道认知的重要性,但大部分人并不明确怎样升级认知。我们从认知的底层逻辑出发,聊聊这个话题。

智能体3大系统

认知在哪里发生?你可能会说大脑,但决定一个人的认知能力的仅是这1400克的大脑吗?

设想这样一个场景,有个患有阿尔茨海默症的病人,记忆力差,转眼就忘,有什么办法能让他生活的更好一些呢?

你会想到,给他提供一个辅助记忆的工具,比如一个笔记本,他随身携带这个笔记本,随时记录和查找信息。

从某种程度上来说,这个笔记本成为他生物记忆的一部分,也是他认知能力不可分割的组成,没有这个笔记本,他的生活会乱成一团。

从这个例子,我们可以看出:

认知不仅是大脑的作用,而是大脑与环境相互影响,构成的一个联合系统的共同作用。这个系统扩展了我们的思维,将我们的思维方式,认知能力扩展到身体之外,整合成了一个更广泛的心智。

狭义的心智, 指的是调节能量和信息流动的方式,产生于大脑。更广泛的心智,是大脑与环境构成的联合系统,这个系统可以调节能量和信息流动。

乔布斯说,电脑是人类大脑的自行车。电脑和人脑组成了处理信息的联合系统。

科学认为,世界上所有的东西都由能量和信息构成。一个人,一个企业,一个国家,任何智能体,都是把信息从一个状态变成另外一个状态。

所谓智能体,就是能够感受环境并采取行动以获得最大可能成功的系统。

根据定义,一个智能体,需要感知(观察系统)、思考(智力系统)、行动(活动系统)三个子系统紧密合作才能成功。

智能体首先感知环境刺激,将刺激转化成信息,经由智力系统处理,再根据处理后的信息而采取行动。小到草履虫,大到一头大象,一个企业,都是这样的一个过程。

提升认知,就是构建这样的一个完整过程,比起一个目标是否达成,建立这样一个有生命力的系统才是最重要的。

经过上面的解释,我们将认知问题转化成了一个信息过程,问题变成了构建相互协同处理信息的3大系统:

  • 观察系统
  • 思考系统
  • 行动系统

OODA环

看到这三大系统,很多同学会联系到OODA环模型。OODA环是关于人与所处环境相互作用的模型。OODA代表观察、建模、决策、行动。它是美国空军上校约翰·博伊德机动作战理论的基础。其中第一个O是观察系统,第二个O和D是思考系统,A是行动系统。

当我们处于一个快速变化的环境中,需要迅速作出反应时,OODA提供了保证。为了便于表述,我把它画成了一个线性,它其实是一个不断重复的环,这个环包含了3大系统。其中:

1.O:Observe,观察

就是搜集信息。观察有看的意思,但观察不仅仅是用眼睛看,而是融入周围环境,全面感知。在观察阶段要求你用眼,用心看自己,看对手的体力,脑力及心力,同时还要对所处环境有细致觉察。

蒙眼比武也是观察。

2.O:Orient

原意为导向,有的文章译成「判断」,但我喜欢用「建模」来理解。就是在在大脑中对自我和环境构建模型,对世界现在是怎样的,如何运转形成一个预测。

头脑中的这个模型由你的基因、模因(文化)、以前的经验、上一步观察的结果整合而成。因此它是循环中最重要的一环。如果你构建了错误的模型,你就不可能有正确的判断,你的行动必定不能达成目的。

3.D:Decide

决策是建模到行动过渡的一环,是优先级排序,决定下一步要采取的行动。你前一步的建模工作做得好,并有一套自己的规则和标准,那么决策就很容易做。相反,如果很难决策,就是观察和建模工作没做到位,这个时候就不要在决策上花时间,返回到前两步要更好。

4.A:Act

行动是将前面三步生成的信念和认知付诸实施,就像科学中通过实验来验证假设一样,行动是验证我们的观察和判断能力。行动完成后继续进入下一个循环周期的观察。

OODA模型要点,国内军事家也总结出来了,伟人就说:

正确的部署来源于正确的决心,正确的决心来源于正确的判断,正确的判断来源于周到的和必要的侦察,和对于各种侦察材料的联贯起来的思索。

你看,几乎完全一致。

我们生活中的每一次行动,都会经历这样的一个OODA环。比如要喝桌子上的一瓶水,首先,你看到桌子上的这杯水,然后你会在脑海中构建一个相关模型或者说画面,然后你就会做一个决定,然后走过去(行动)拿起水。当然,生活中,这些都是无意识的,在不到1s的时间内就完成。

但是,当我们需要分析问题的时候,就可以通过这个模型来思考,看看究竟是哪一环节的瓶颈,这样切片细分也是设计的一项核心能力。

认知就是调节能量和信息流动的方式,提升认知就是提升信息过程中的效用和效率。为了便于分析和构建,我们将整个认知过程分解成3个子系统组合的过程:

  • 感知系统:搜集信息
  • 思考系统:处理信息
  • 行动系统:验证信息

今天我们谈理论基础,下一篇文章来探讨实现方式及相关工具。个人需要三大系统,一个组织也需要这三大系统。

目录
相关文章
|
4天前
|
供应链
代采系统如何利用大数据分析优化采购决策?
代采系统可以利用大数据分析来优化采购决策
|
4天前
|
分布式计算 安全 NoSQL
【专栏】大规模数据处理在数字化时代的重要性及挑战,包括洞察驱动决策、效率提升和创新机遇
【4月更文挑战第27天】本文探讨了大规模数据处理在数字化时代的重要性及挑战,包括洞察驱动决策、效率提升和创新机遇,同时面临数据量大、多样性、实时性和安全问题。文章介绍了Hadoop、Spark、NoSQL数据库及流处理技术(Kafka、Flink)等主流处理工具。在技术选型与实施中,强调明确业务需求、成本效益分析、兼容性及安全合规,并建议分阶段实施和持续优化。大规模数据处理技术是企业数据化转型的基础,影响决策效率和创新能力,企业应灵活选用合适的技术,构建高效安全的数据处理体系,以实现数据价值最大化。
|
4天前
|
人工智能 监控 安全
《机器人流程自动化能力评估体系 第1部分:系统和工具》行标发布
《机器人流程自动化能力评估体系 第1部分:系统和工具》(YD/T 4391.1-2023)是国内首部正式发布的RPA行业标准,标准的发布实施填补了我国RPA行业产品标准的空白,在相关行业发展中具有里程碑意义。
69 0
|
9月前
|
SQL 数据采集 运维
袋鼠云数栈 DataOps 数据生产力实践,实现数据流程的自动化和规范化
袋鼠云数栈在7年多的研发历程中为上千家客户提供了数据生产效率提升解决方案,也在这个过程中不断地将 DataOps 的理念融合到产品中,助力越来越多的企业成功实现数字化转型升级。本文将就数栈基于 DataOps 的敏捷、高质量数据生产力实践进行分享,希望对大家有所帮助。
336 0
|
10月前
|
机器学习/深度学习 人工智能 运维
从钢铁行业数字化管控平台的智能进化,看超自动化能力的未来边界
钢铁行业更加智能化数字化管控新品,映射出平台底层技术超自动化的能力进化。
125 0
|
Cloud Native 前端开发 IDE
「技术人生」第10篇:如何做研发效能提升(即指标体系建设过程回顾)
本文作者将给大家提供一些简单的容易实操的方法,能够让所有人都知道什么是效能的提升,如何提升个人的效能,如何提升团队的效能。
1372 1
「技术人生」第10篇:如何做研发效能提升(即指标体系建设过程回顾)
|
安全 IDE Java
流程进化让代码协同更高效
如何让代码评审更高效、分支协作更顺畅
318 43
流程进化让代码协同更高效
|
数据采集 监控 Oracle
谈谈如何构建基于业务价值驱动的数据治理运营模式
成功的组织有各种各样的规模。这些公司的共同特点是,在优化业务流程执行的同时,通过最大化客户服务来挖掘其全部潜力。
谈谈如何构建基于业务价值驱动的数据治理运营模式
|
机器学习/深度学习 vr&ar
通过探索颠覆性技术的实验交付业务结果
企业需要为其创新实践取得理想的结果,首先要确定商业驱动的机会,以快速、廉价、让客户满意的方式探索颠覆性技术。并将重点放在工作范围,创新实践的位置以及与业务合作伙伴互动的过程上。
101 0
|
人工智能 文字识别 监控
当智能遇到自动化,行业和业务流程会如何进化?
当智能遇到自动化,行业和业务流程会如何进化?
当智能遇到自动化,行业和业务流程会如何进化?