L5_思考和决策
决策是在一定的情境下，通过有系统的思考考虑和考量，得出最佳的解决方案或者解决某个问题的行动。
一个决策：像产品经理一样做决策
从直觉上说决策的正确很重要，但是，事实上，由于很多因素我们无法控制决策的结果。
市场瞬息万变，可能在瞬间否定原来做的正确决策。在这样的环境下，如何做客观地看待做的决策呢？
我认为良好的决策者需要做两件事情：
- 依赖大量的正确的信息
- 尽快做决策
▎ 依赖大量的正确的信息
确定一个决策的重要性，是在做决策前最重要的决策。对于以做决策为生的人来说，了解什么时候重要，什么时候不那么重要是最关键的技能。
在 亚马逊 2016 年的股东信中，杰夫·贝佐斯通过他所谓的 I 型决策和 II 型决策 谈到了这个概念。
I 型决策：不可逆的决策，你必须小心翼翼地做出决定
II 型决策：就像是一个门，可以随处换一个
贝索斯在这封信中的主旨是，决策的重要程度影响你需要付出多少努力来做决策。你可以在 99% 的时候是对的，但如果你在真正重要的时候错了 1%，你就不是一个有效的决策者。要点是，当风险很高时，你应该更加努力地做出正确的决定。虽然我不认为 I 型和 II 型决策是二元的，但我可以用「决策重要性」的框架来讨论它：
该框架将决策重要性分解为三个维度：
资源投入
整体的收益
整体的损益 (按照实际情况拆分)
我们举个例子，比如 阅读 APP 是否需要小程序版本：
这个决定并不是一个很重要的决策。重点是他会消耗一定的开发资源，即使失败也不会有负面影响。
高投资+失败的低影响+成功的高影响创造了风险/回报率，这对有能力花费资源的公司非常有吸引力，以至于他们经常创建专门的团队来重复试验这些类型的项目。
▎ 确定决策重要性后，就调整需要花费的决策时间
我有一个建议给你，那就是好的决策者也是那些能迅速做出大部分决定的人。
一个决定越不重要，你应该尝试寻求的信息就越少。
收集信息遵循帕累托原则，这意味着你可以很容易地获得 80% 的信息，但要获得最后的 20% 则需要付出很多努力。
大多数决定并不重要。
我们不可能收集到所有的信息，我们是根据我们对积极结果的信心进行这些赌注，而这种信心基于我们拥有的信息量。我们拥有的有关决策的所有可用信息的百分比越多，我们的置信度就应该越高。在这种情况下，「信息」可以是与决策相关的任何事物。不过，这里有一个关键问题：在做出决定之前应该收集多少信息？
无论有意还是无意，很少有人会在做出决定之前收集接近 100% 的可用信息。最终发生的事情是，在某个时候，每个决策者都会下意识地想「我大约 70% 确定添加这个绿色按钮会增加转化率。」然后他们就这么做了。正是这种思路揭示了一个人实际上是如何做出决定的两件事：首先，他们评估了自己的信心水平 (70%)，其次，他们定义了做出该决定所需的信心阈值。
该置信度阈值基于决策的重要性。你可能愿意以 60% 的信心添加注册按钮，相信它会产生积极的结果，但你不会以只有 60% 的信心更改公司的徽标。后者是一个更重要的决定，因此信心门槛应该更高。
这揭示了一些关于决策的违反直觉的事情：你的目标不应该是总是做出正确的决定，而应该是根据其重要性投入适当的时间来做出决定。
来自：Making Good Decisions as a Product Manager， by Brandon Chu
十七个思考：人们如何思考
今天，地球上有将近 80 亿人的。
每个人都有故事，但是很少人会有把故事讲出来。
每个人都看到了不同的东西，并想到了一些独特的东西。很多人知道一些你无法理解的事情，同时你也经历过他们不会相信的事情。
但是，许多行为在不同世代和地域之间是普遍存在的。情况会变，但人们的反应不会。技术不断发展，但安全感、盲点和轻信很少会更替。
这篇文章描述了 17 个我认为是人们思维方式中最常见和最有影响力的方面。
这是一篇很长的文章，但每一点都可以单独阅读。跳过那些你不同意的，反复读你同意的——这本身就是人们的一种普遍思维方式。
- 每个人都属于一个部落，低估了这个部落对他们思想的影响
- 人们呈现给世界的只是他们头脑中正在发生的事情的一小部分。
- 预测是用你希望的方式找到成功的概率。但观察者大多以二元的方式判断你，是对是错。
- 我们是世界上的不稳定因素，无论好坏都不会无限期地持续下去。
- 我们的理智是有限度的。乐观和悲观总是过火，因为只有越过他们，才了解两者界限。
- 那些以你喜欢的独特方式思考世界的人也以你不喜欢的独特方式思考世界。
- 尽管犯错是长期成功的最重要因素，但我们被推向以一种不允许犯错的方式实现效率最大化。
- 最好的故事获胜。
- 当简单是智慧和理解的真正标志时，我们会被复杂所左右。
- 你相信某个预测的意愿受到你希望该预测成真的程度的影响。
- 如果别人经历过你没有经历过的世界，就很难理解他们的信仰。
- 天真地否认自己的缺点，这是由于你会在自己的头脑中为自己的错误辩护。
- 对小事如何变成非凡事的认识不足。
- 知道该做什么和真正去做之间的差距可能是巨大的。
- 我们不善于想象改变的感受，因为梦中没有背景。
- 由于对罕见事件的了解不足，我们对世界的脆弱性视而不见。
- 无法接受麻烦、废话和低效率会让那些无法接受世界运作方式的人感到沮丧。
来自：How People Think · Collab Fund
两个大脑：GPT-3 如何将你的笔记变成第二大脑
在不久的将来，我们的笔记将由 GPT-3 等大型语言模型 (LLM) 为我们组织。让我们探索一下。
……
做笔记是与未来的自己建立关系。
笔记记录事实、引述、想法、事件等，以便它们最终可以用来做出更好的决定、创造更有趣的写作以及找到问题的解决方案。
长期以来，我们试图让这种关系发挥作用的方法是创建组织系统。确保我们未来的版本在正确的时间有正确的笔记的最好方法是构建标签、笔记本层次结构和双向链接的 Rube Goldberg 机器，这样我们就可以在需要时提取笔记。或者至少，如果我们知道我们在寻找什么，我们可以通过搜索轻松找到它们。
但最终，我们构建的组织解决方案是脆弱的。我们一直在构建和放弃新系统，很少（如果有的话）回去查看旧笔记。标签被创建然后被放弃。很少有人关注链接。我们感到内疚：如果我们能弄清楚如何使用它，那么多年来我们收集的东西就蕴藏着很多价值。购买新的笔记工具就像在 1 月 1 日注册成为健身房会员。你知道你会放弃它，但你花的钱可以缓解你对没有充分利用你所拥有的东西的焦虑。
人工智能改变了这个等式。释放旧笔记价值的更好方法是使用智能在正确的时间以正确的格式显示正确的笔记，以便您最有效地使用它。当你掌握了情报时，你就不需要组织起来了。
如果我们想了解 AI 如何解决组织问题，首先我们需要了解为什么组织笔记如此困难。然后我们可以谈谈将来它可能有什么不同。
▎ 为什么组织笔记如此困难
我们越准确地知道一条信息的用途，我们就越容易组织它。
问题是，我们把东西记在笔记里，因为我们不知道我们会用它们做什么。你写下书中的一句话，因为你最终可以以 1,000 种不同的方式使用它。你可以用它来帮助你做出决定，或者写一篇文章，或者在朋友经历艰难时期时振作精神（你可以将它用于所有这三种情况）。写下会议笔记或对您遇到的新人的想法也是如此。
正如我在「记笔记冷战」中所说的那样，这使得为你的笔记找到一个单一的组织系统变得非常具有挑战性。你会不断地重组你的系统，或者感到有一种冲动，想在许多不同的地方放一个便条，或者给它贴上标签以确保它在不同的上下文中再次弹出。
这通常效果不佳，即使您确实在正确的时间碰到了旧笔记，您也会面临另一个问题：
看旧笔记有点像看陈旧的垃圾。
在会议中匆匆写下的笔记，或者在半夜突然有了想法时匆匆记下的笔记通常很难理解，需要花一些时间来解析。正如我在「漫游的堕落」中所写的那样，当你阅读旧笔记时，你必须将它的上下文重新加载到你的脑海中，了解你何时接受它以及为什么在你理解它在说什么之前，以及它是否与任务相关。
所以你很少回去使用你的旧笔记。它在认知上太昂贵而且回报不够。要让旧笔记有用，它需要以一种可以立即点击进入你正在处理的内容的方式呈现给未来的你——尽可能少的处理。
这就是大型语言模型的用武之地。
▎ 人工智能模型如何解决笔记组织问题
像 GPT-3 这样的 AI 模型可以通过几种关键方式解决组织问题。
首先，他们可以自动标记和链接笔记，无需手动操作。它甚至不需要法学硕士——现在有一些不太先进、更便宜的模型可以开箱即用。
其次，它们可以在您撰写笔记时丰富笔记并将它们综合到研究报告中，从而消除了大部分标记和链接的需求。
第三，他们可以将以前笔记中的关键信息重新呈现为类似 CoPilot 的笔记体验。这使得无需搜索旧笔记，并帮助您在每次敲击按键时都记下所有已记下的信息。
▎ 笔记的未来
组织将变得没有必要，因为没有人真的想回去看看他们的旧笔记。
你真正想要的是你笔记中的信息，在正确的时间和地点合成并呈现给你。
完成此操作的方式对您来说应该是个人的。它应该是生动和令人惊讶的。它应该可以帮助您看到新的模式，以新的方式查看您收集的内容，并带回您早已忘记的事实、人物和事件。它应该可以帮助您学习和利用您之前在手头任务中写下的所有内容。
法学硕士可以真正将您的笔记变成第二个大脑。它们可以在您编写笔记时丰富笔记以创建更多上下文，自动对其进行分类和合成，并以稍后点击的方式将它们呈现给您——这样您就可以实际使用它们。
以后，笔记不是我们整理的，而是替我们整理的。思考的终极工具是思考的工具。
The Why·Liam·Blog by WhyLiam is licensed under a Creative Commons BY-NC-ND 4.0 International License.
由WhyLiam创作并维护的Why·Liam·Blog采用创作共用保留署名-非商业-禁止演绎4.0国际许可证。
本文首发于Why·Liam·Blog (https://blog.naaln.com)，版权所有，侵权必究。
本文永久链接：https://blog.naaln.com/2023/01/newsletter-5/