产品经理的认知发展连载判断机制与信念系统上

　　上一篇笔者讲到，人工智能是凭借人类为其制定的标签来对事物属性进行判断的。笔者以此逻辑阐述了：产品经理如何更好地对认知自己的身份以及给自己定位。接下来，笔者将继续以人工智能为引，进一步讲述产品经理的认知发展。
　　你认为自己是一个没有判断能力或创造能力的人吗？
　　（章节不独立，需接上文连载01（链接）阅读，双周更）
　　一、一段不得不说的前情
　　在进入本章的正题之前，请容我花费些笔墨讲述认知的概念，这是理解后文内容的基础。
　　认知过程指：个体认识客观世界的信息加工活动，在心理学上指个体思维进行信息处理的心理功能。
　　首先，生物通过感觉器官，如：眼睛、耳朵、皮肤等（我们常说的五官），触摸客观世界，获取感觉信息（视觉、听觉、触觉、嗅觉、味觉）。
　　而后特定的细胞元将这些感觉信息转化成神经信号，通过遍布全身的神经元网络周围神经系统，传入中枢神经系统。
　　中枢神经系统包含：脊椎与大脑区域的神经组织。
　　脊椎部分的神经元组织接受到来自全身的神经信号后将它们传入大脑。大脑的神经元（俗称脑细胞）对信号进行处理和解读。如有需要，这个过程也逆向地输出神经信号，经过周围神经系统指挥人体与四肢的活动。整个输入输出的过程都是在瞬间完成。
　　因此，感觉信号传入大脑是认知的前奏，大脑将这些信息处理为记忆、想象、思维等等的过程是认知的主要工作，最后大脑发出指令完成人类活动是认知活动的反应。
　　在关于人脑的研究中，对于认知前端工作范围的理解是更加清晰和明确的（这里指的是信号传入大脑之前与之中的过程），甚至于我们能以已有成熟的技术替代部分损坏的器官和肢体功能。
　　而信号传入大脑之后的各种研究课题（包含从知觉到记忆、想象、思维、判断等等大脑活动，乃至形成意识与人格）仍纷繁复杂，成果可以说即是显著的，又只沧海一粟。
　　我将讨论以下两个内容：
　　第一件聊聊判断过程，第二件谈论人格的信念系统。它们都与我们的创造能力有关，后者更是帮助我理解了人与人之间的差异以及协作冲突的本质。
　　（若将这两个内容放在同一个章节中未免阅读疲累，因此拆为上、下两部分）
　　本章节首先讨论判断的过程以及它和人们创造力的关系。
　　二、判断过程
　　我们在连载01（链接）中谈论了：人工智能判断猫是猫的过程，以及其判断的前提人类对事物进行标签与分类并告知人工智能。
　　智能现在距离人脑的状态还很遥远，其中一个明显的差距就是：人工智能需要经过成千上万张猫图的认知训练，才能进行对新图片是猫的概率进行判断。相反人类只要对猫认知过一次，就能对新的事物是否是猫？进行判断。
　　整个认知过程要解决两个阶段的问题：
　　如何学习什么是猫？
　　如何判断这个动物是猫？
　　我们解答过第一个问题（详细内容请见连载01（链接））：
　　人类认知事物的方式，倾向于靠近分类上的原型。以一个事物的标准原型为基础，与原型更接近的被归为同类，从而快速完成新事物的认知过程。
　　实验证明：自然事物的标准原型概念是先天的。如果人类在第一次接触猫的形象时，看到的是一直典型的猫，那么就能够快速判断新的动物是否是猫。反过来人类对不符合标准原型的新分类很难进行快速的认知和学习。
　　人工智能则需要由人类告知原型是什么，并且通过大数据量的训练学习，而后才能对新的事物进行判断。
　　接下来我们要解答的是第二个问题。
　　学习是输入的过程，输入之后才能以此为依据进行判断。我们一般认为，判断是将新事物与记忆进行对比的过程（在后文还会提及记忆的概念，此处略过）。
　　那么，新事物与记忆进行对比的过程是什么样的？人类判断这只猫是猫的具体过程是什么样的？
　　有这样一个对比过程的假设：首先收集猫的信息并对此结构化，建立一个猫的表格，记录每只猫的外形、运动轨迹、性格等。在面对一条狗的时候，同样将狗的信息做结构化。把两个事物信息表单的数据元素进行匹配，按照匹配程度的多少来判断猫是猫。
　　看上去很合理。
　　我们先按照这个逻辑来聊聊人工智能。
　　相对于人类而言，机器能够接收的数据维度是很有限的。
　　比如：我们将静态的图片输入给人工智能，那么智能只能学习到静态图片的表征动物的外形特征、肢体比例等。人类可以获取的信息维度则更多，还有诸如运动方式、性格、柔软的触感、在不同环境中的不同状态等等。
　　（此处内容与本章节主题无关：如果以视觉为例，人类获取视觉信息包含整个视野。视觉信息的处理包含对物体边界与整体概念，因此可以从环境中区分一只猫。判断图形的人工智能看到的是一张图范围的视野。）
　　能够进行这些复杂的认知，首先要感谢生物体的感觉器官。感觉器官可以帮助我们获得足够丰富的信息广度、深度和密度，这些信息的动态组合还能衍生无限的信息维度。
　　机器要完全接近人脑在任何状态下的认知水平，起码要达成几个条件：
　　人类接收的独立或综合的感知信息可以被规则化；
　　感受可以被换算为系统可认知的数据；
　　由于维度的增加还需具备运算海量数据的能力（而这样的运算目前来看或许还没有足够的硬件容量来支持。）。
　　这些技术点限制了人工智能成为人的可能性（以当前的综合技术方案而言）。
　　人脑获得的信息维度足够多，这只猫是猫的判断结论就非常明显，机器只能通过图片进行判断，依据是远远不够的。
　　从数据维度的角度再来看前文关于对比记忆进行判断的假设是否成立：
　　如果我们没有足够广泛的信息维度，那么就不能判断猫和狗之间的显著差异（如上文所说）。
　　但是，我们同时接触着这个世界上无限量的事物，总的信息维度及每个事物的数据量该有多少？
　　按照这个逻辑我们需要把一条狗的数据，与我们一生中获取的所有数据元素及其排列组合的结果进行匹配。
　　人脑的容量有如此之大，以至于可以在一瞬间完成这种运算量的搜索匹配吗？
　　所以，这不符合生命繁衍的基本原则生存。
　　在自然环境中我们要完成的，不仅是一次判断，还要同步进行其他的认知与行为。这些所有的大脑活动都不比一次判断来的简单。
　　大脑进化的目的是：让我们以最快的速度适应环境并作出反应，以便于生存。
　　所以，牺牲数据提高速度是一种合理选择。
　　如果读者了解产品的缓存技术，就更容易理解这个机制起作用的方式。
　　正如产品的整体技术方案设计，如果用户每一次搜索都要查询全部的数据库的话，对用户来说反馈缓慢，对数据库来说则资源损耗很大。
　　因此，缓存是一个避免对数据库造成过载压力的好办法。将常用的和最近访问的信息存储在客户端或者不同的数据调用环节，可以加速数据展示的速度。
　　以此类比，大脑同样不会搜索全部的记忆，而是选择那些常见的、最近的、印象鲜明的记忆进行比对。
　　与技术方案不同的是：判断的过程是自动的，并且不是一次请求和一次回答这样一一对应的数据关系。
　　这和生存密切相关我们需要逃避危险、适应环境、使用工具。尤其是逃避危险，在我们理智到位之前，身体就自发完成了战斗逃跑的应激反应，胆小一点的或许已经跑出去百米了。同时为了更好的适应环境，我们也需要足够的扩展性来存储每个人在不同成长环境中的学习和认知成果。
　　那么比对记忆的具体过程又是怎么样的呢？
　　拉马钱德兰说：我们所称的知觉，实际上是感觉信号和高层次存储的有关股落去所得的视觉影像信息、动态相互作用的结果。
　　视觉刺激输入信息后脑内产生了这样的对话：
　　这是一只动物吗？
　　像
　　这是一只猫吗？
　　像
　　这是家猫吗？
　　像
　　这个判断过程和视觉信息的清晰程度是并行的，这里把判断过程描述为一系列层层递进的猜想更准确。
　　这就好比我们一开始看到的猫，是一个模糊的动物影像，当我们的大脑猜想这可能是一只猫的时候，视觉信息就清晰到我们足以确认这是只猫的程度，以此类推。
　　我们猜想的越多，则视觉信息越清楚，观察到的细节也越多。
　　当我们回忆起路边偶遇的一只猫时，可能连它的颜色都未必记得清，这取决于：你当时是否对这只猫进行了进一步的猜想？
　　如果你对猫很了解，那么猜想的次数会更多，比如：猫的品种、年龄、健康与否等等。（这里仅指日常记忆的输入前提，如果读者有兴趣，关于记忆的机制再开主题。）
　　如果你认为判断至一只猫的程度即可，就可以脱离焦点，那么更多的细节并不会被我们观察到。
　　（视觉刺激引导我们对这只猫附着了注视焦点，如果我们不曾被刺激并且主动将焦点投射到猫的身上，那么我们连视野中是否出现过一只猫也无法确认。这里的焦点为心理学定义的概念。与此处主题无关，略）
　　我们常说：读万卷书，行万里路，后者讲述实践的价值。
　　从判断的机制来看，如果我们决定把街角睡觉的那只猫画下来，那么我们获得的信息量就远远大于脑海中的猜想。所以，要完整地画下这只猫，你必须对它身上每一片阴影的走向都有判断与猜想，才能落笔。
　　科幻类的影视作品中有一个场景：进入一个人的记忆中去看看他当时所处的环境，寻找忘记的信息。
　　在我们所知的范围内，这个设定的前提是没有的。由于当事人不会对大部分事物附着焦点，所以即便进入到了记忆中，周围的一切也都是模糊的，甚至都是编造的。
　　这和摄影作品完全不同，摄影作品可以一次性展示了所有细节，而人脑的知觉不可能达到这样的效果。如我们所知，输入一切细节信息并不利于生存。
　　这也就是为什么大部分的画家总是观察力惊人的原因，也印证了行万里路的价值。
　　那些即便没有被我们附着焦点的事物，我们对它们也做了模糊的判断。
　　比如：我一边玩手机一边走路，这时，脚边窜过一个小动物，我没有转移自己的视线，只是猜想这可能是一只狗。所以，回忆的时候我也会说那天我偶遇了一只狗只是因为邻居养了一条狗，它经常在那一带活动。
　　但谁知道呢？有可能是一只狐狸也说不定啊。
　　还有视觉盲区，我们每个人都有盲区，但我们的视野依然是一览无余的，盲区没有给我们的注视形成奇怪的空白或者黑点。
　　因为我们的认知有补插功能，这种功能是一种类似推理的能力，将盲区与我们没有附着焦点的背景补齐。
　　只要我们在当下不质疑自己的判断，未来也无法追溯记忆是否正确，甚至我们会认为自己模糊的记忆是明确无误的，这也是幻觉的系统漏洞。所以，在法院的案件裁决中发生过多起证人记忆不准确导致的误判，他们未必是故意做伪证。
　　拉马钱德兰：我们一直处于幻觉之中如果脑接收不到视觉刺激予以确证，那么脑就得以自由与编造自己的现实。
　　恰恰是因为我们处于大脑编造的幻觉之中，人类才能衍生出无限的创造力。
　　三、创造力
　　美术院校这样培养学生的创造力：
　　第一节课：老师要求学生想出5个不同的方法做5个圆，5个圆不能重复，一个班级学生的创意也不能互相重复。
　　第二节课：老师再次提出相同的要求，创意不能与上一次课的结果重复。
　　第三节课：老师重复提出相同的要求。
　　一圈铁丝、一个荷包蛋、一个洞、一团毛线球。。学生们衍生出无数个新的圆。
　　这些创意从何而来？
　　创意的过程和判断的过程很相似，或者说创意本身就依赖于人类判断的能力和开放性而存在。
　　我们常做的判断行为，倾向于对客观世界的准确识别和定义。这是一种收缩的猜想过程，获得答案之后进入下一步更加精准的猜想和判断。
　　而创意，是一个开放的猜想过程，也没有逻辑上的先后顺序。
　　我们清楚自己看到的是一只猫，但不妨碍提出新的猜想：它像一只猫，还像一朵云，像白毛在空气中的流动，也像枯树上长出新的生命。
　　越多的猜想越收缩，同样越多的猜想也越多的可能性。良性的认知成长，收缩与开放的能力应该是同步提升的。
　　我们的创造基于过去的经历是一个普遍被认同的观点。
　　这个观点是符合目前对大脑认知过程的研究成果的。正如前文所说，大脑的判断过程是一种猜想，而猜想是基于记忆。如果我们不曾见识和存储过，怎么在猜想中提取数据呢？
　　因此，创造力的差异在于经历。
　　那么经历的越多越有创造力吗？
　　如果这样认为的话，那么年纪越大就越有创造力。
　　显然不对，我们一般认为年轻人总是更有创造力一些。
　　假如我们只在年轻人之间作比较，也会发现：在同样的生活环境中人们的创造力水平是有差距的。
　　造成这种差异的结果，起码有三个主要原因：
　　原因一是假设人与人之间先天的生物上的大脑有一些差异。（心理学的社会实验里有各种不同的研究，但并没有得到一个更统一的结论。与先天有强关联性的，集中在诸如工具使用方面的天赋，实验依据待确认）。即便真的在先天上有一定差距，我个人也认为可以承认少数人有远超正常人的天赋，但完全不足以得出正常大脑的人类不适合做创意工作这种结论。每一个人都有做创意的生物能力，这是人类大脑的系统漏洞。
　　原因二与我们的信念系统有关这是人格概念在认知神经学领域的一种说法。它在更大范围内影响了我们的创造力水平，也解释了为什么大部分年轻人比老年人更有创意。（我们在下个章节详细介绍这个概念。）
　　原因三就是我们经历过的经验本身，这也是大量的学习方法论集中讨论的范围。
　　每个人都可以欣赏古典乐，只需要经过训练《古典作曲家排行榜》菲尔G古尔丁
　　欣赏音乐的训练内容不仅听音乐，还包含：基础乐理、创作故事、演奏特色等等。
　　事实上，我们大部分人一开始对于古典乐的认知程度，大概和一个对猫不感兴趣的人的认知程度差不了多少。
　　这是猫吗？
　　哦。
　　End
　　这是一段轻音乐吗？
　　哦。
　　End
　　回顾一下我们对猫的认识，喜欢猫的人们对猫的猜想程度更深，猜想范围更广。而，猜想的越多越可以获得更准确的判断或者更多的创意。这是源于他们一开始就掌握了更多关于猫的信息。
　　当然，获取这些信息的首要推动力是喜欢。
　　这就是我们为什么会认为自己对‘音乐’没什么天赋的原因（在更加具体的细节上，比如分辨音阶，用声音、色彩来表达情绪等确有天赋的因素）我们并没有获得音乐的乐趣这个前提。
　　尝试喜欢美好的事物，主动寻找乐趣，挖掘产生兴趣的原因，这对扩大或加深自己的认知水平并没什么坏处。
　　总之，在乐趣的指引下认知并获取信息是创造的第一个前提，对获取的信息进行多维度多层次的分析与思考是判断或创造的第二个前提。
　　第二个前提指的是：一个圆可以衍生出无数新的信息，并且这些信息的扩展应该是常态的，最好是当下的。
　　就像美术院校的课程，让每一次思考获得更多的可能性并存入记忆，对一个事物的认知水平就在滚雪球一样长大。
　　个人的职业生涯未必能走万里路，如果一个项目要投入一到两年的精力，有多少次完美的机会给我们经历和成长呢？
　　大部分人没有这样的机遇。
　　既然机会是有限的，那么对经历本身的反复认知和剖析就成为必然。向着结果出发是一场赌博，对过程的深刻体验是实实在在的回报，相信每一个人会找到适合自己的成长方式。