产品设计体会(5008)我的沟通哲学

简介:
先吓大家一下:我们假设这个世界是真实存在的, 接受假设的继续往下看……那么每个人认识中的世界都只是真实世界在其意识中的一个投影,由每个人的经历决定,彼此不同,或者说这个投影过程必然存在信息的 扭曲。这也就意味着,路人甲输出的信息转变为路人乙的输入以后,因为处理机制的不同、知识背景的不同、主观意愿的不同等等,或多或少的会有改变,即——
理论上严格的“充分沟通”是不存在的 !换句话说,没有无失真的信息传输过程(真实世界是模拟的,就算是数字信号的传输过程无失真,但在源头上模拟转换为数字的时候,失真已经存在了,而且,最终为人所接受的时候,又转换为了模拟)。
基于上述前提,我觉得我们沟通的根本目的不是为了传输信息,而是把传输信息当作手段,通过沟通的过程,路人甲乙丙等等互相帮助,修正对这个世界的认识,使之尽量接近真实世界。简单说就是:沟通不是为了说服,而是为了更好地认识世界
说 服是为了输出你对这个世界的认识,把传输信息当作目的,但任何人的认识,基于我的理论,都是扭曲的,所以都应该持怀疑态度,只是程度不同而已。所以,不要 一开始就试图与反对自己的观点对立,这样是没逻辑的,没人能保证自己的观点更好,举个例子,大家可能都有体会,自己也会反对自己过去的观点,那么有可能对 方就是将来的自己。因为信息不对称,知识结构不同,所以观点不同很正常,关键是要充分表达,在表达的过程中,双方(或多方)会整合出更优的解决方案。也许 你确实是对的,最终的方案很接近你提出的方案,但心态不同了,这个过程对大家的收益绝对超过你很强势的推销方案。
事 情都有他的两面,那么上述的过程肯定有缺点,对了,就是效率。越充分的沟通花的时间越多,很多时候甚至是无法接受的。不少情况,我们会对自己很有信心,认 为自己的认识更接近真实世界(但谁能肯定呢,现实一点吧,目的达到就好),所以为了提高效率不妨采用推销观点的方法。但这也是有技巧的,人们容易接受类似 的观点,所以说服别人,应该渐渐扭转他的观点,而不是突然变太多。一个更好的办法是通过引导,让对方觉得好象是自己一点点想出了新东西,观点升级了。
所以,有效的沟通最终是“合”,而不是谁战胜谁,每次 沟通都是一个大家互相帮助,共同提高(对世界的认识)的好机会。


 本文转自 iamsujie 51CTO博客,原文链接:http://blog.51cto.com/iamsujie/160518,如需转载请自行联系原作者

相关文章
|
8天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
292 164
|
2天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
303 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
233 113
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
809 6