你用算法，我用意会
sensemaking意会
The test of a first-rate intelligence is the ability to hold two opposed ideas in mind at the same time and still retain the ability to function.——菲兹杰拉德
检验一流智力的标准，就是看你能不能在头脑中同时存在两种相反的想法，还维持正常行事的能力。
算法在很多领域都比人类专家厉害，例如心理咨询。
《未来简史》赫拉利甚至论断说，将来绝大部分人的个人决策，应该干脆听从算法的安排，这就是算法时代的到来
自由技艺不是学习实用的工作技能，而是为了获得解决问题、认识社会、理解他人的能力那到底是自由技艺厉害，还是算法厉害？
现代高级知识=算法+自由技艺
五十年来，获得人文学科的人数减少了一半；现在用于人文学科研究的经费仅仅相当于自然科学和技术研究经费的0.5%，就算是这点经费，在人文学科内部也是大都用来支持数字化方法的定量研究，传统的定性分析，比如政治学、哲学，这样的学科拿到的经费少之又少
拥有top 90%的高收入的人，在大学里学的都是政治学、哲学、戏剧和历史。所以，如果你出于保守起见，想要获得一个中上水平的收入，你应该选择理工科。如果你也行大，想要得到特别高的收入，那你应该选择人文学科。
意会的意思，就是“对任何人之间有意义的区别，具备一个敏感度”，也即洞察人与人之间的区别
有意义的区别，不是简单用数字描述的东西，所以叫意会
为什么要研究这种区别呢？因为可以理解“人”
数据不会告诉你文化对消费者喜好的影响，特朗普超出了算法和大数据认知范围之外
【吃瓜群众万维钢】
西方主流学者特别爱强调算法的优越性，就算算法很厉害，算法也有局限性
表面上看，大数据、算法和定量分析已经占领了社会科学，但实际上传统的自由技艺的根基并没有动摇，反而显得更可贵了
也许把算法和自由技艺结合起来，才是二十一世纪最高级的知识【吃瓜群众】
意会是从0到1，是制定规则
算法是从1到N，是寻找规律
高级玩家玩规则
最伟大的灵魂雌雄同体
大数据是好，但是不能创新
老年人有知识，年轻人有数据
硅谷有非常明显的年龄歧视，年纪大的工程师很难在硅谷创业公司找到职位，尤其是软件工程师
硅谷人要搞的是颠覆式创新，认为前人理论没有意义
硅谷的看法已经超越了观点，甚至是一种思维模式和意识形态——年轻人比老人强，因为善于数据分析
互联网思想家克里斯安德森发表的《理论的终结》说，大规模数据可以取代理论来解决问题，而不需要通过因果关系的理解来解决问题
例如，谷歌是世界上最大的广告商，但是谷歌不懂广告学，它的做法是直接用统计方法判断究竟哪些关键词能带来广告流量，据此来把广告
展示在搜索结果旁
搜索排序算法对搜索结果排序，同样用的是统计方法自动排序
还有机器翻译
这一切都不需要理解，只需要暴力破解——统计数据量足够大，问题就能解决
传统的科学研究，是提出问题做出假设然后验证，而现在只要用统计方法发现变量之间的相关性就够了
在大数据时代，因果性可能没什么意义了，我们不需要理解，只需要做出高效判断就可以了，这个时代，相关不等于因果，相关就足够了，这就是大数据的精神
但是
谷歌预测不准确，是因为人们在网上搜索流感，和真的得了流感是两码事——一到流感季节人们就会搜索流感以便防患未然
如果你不理解用户搜索的动机，你就很难判断准确
一只白天鹅，在红光照射下，看起来就是红天鹅。如果你不理解红光这个背景，纯粹用数据判断颜色，就会犯错
想要正确分析一个人，你就必须理解他所处的文化和环境
硅谷为何形成这样的更注重算法和大数据的意识形态？很可能是因为现在大家的思维方式都变了：过去我们关心为什么，现在人们只关心怎么办，我们不再追求认知，觉得认知会被颠覆，我们只追求解决方案
【吃瓜群众】两种解决问题的方式：（1）大数据找到相关性；（2）理解为什么，再去解决
后者也许更不可能，因为这个世界复杂到也许根本不可能被人理解
我们会面临很多无法意会的东西
专家的五重境界到底应该怎么研究人？早期哲学家把人当成单独的个体。笛卡尔说我思故我在。但是到了近现代，海德格尔说每个人都有属于他自己的一个世界，脱离这个人的世界单独拿出这个人，抽象地谈论这个人是行不通的。
海德格尔等于说，研究自然科学的“科学方法”，是不能用来研究人的，因为每个人都不一样
【案例】福特站在不同文化下人的体验角度，重新设计林肯豪华轿车，这样的洞见，是硅谷思维无法达到的
专家的五级成长过程：
新手：按抽象规则行事
先进的初学者：在规则的基础上，加上经验随机应变，根据不同局面行动
胜任：优先级和分清主次，更加灵活
精通：系统思维，全盘考虑
专业（无为）：不受理性束缚，判断和反应都是在无意识的情况下做出，自动处理
分类标准就是人在多大程度上，能把自己的技艺、经验和当前环境结合起来做事
【案例】爵士乐的新手和大师，前者是做对，后者能把表演和环境融为一体
【吃瓜群众】
关键词：环境。理解人，得理解他的环境——社会文化、人生经历，大师级的做事水平，是可考虑到所处的环境
你不可能脱离环境研究人，所以那些道德困境题没有意义《平均的终结》也是如此意思，单纯用一个数据来代表一个人的性格是行不通的，人在不同环境里会表现出不同的性格
想要研究人，与其收集很多人的大数据，不如收集少数人的深度数据知道是什么，知道改做么做，和知道为什么虽然算法的准确度和效率的确比人强，但是人还是比算法厉害，这里面关键在于思维方式，人类专家做判断，并不是完全基于运用规则
基于明确规则的诊断算法，现在已经基本上被科学家抛弃了。规则再明确，也总有照顾不到的地方
你给小孩讲什么是自行车，讲的再详细，他还是不会骑车，他仅仅知道是什么
你什么都不说，把车交给小孩，他胡乱尝试一番，很快就学会，这叫知道该怎么做
深度学习是专门干这种无法言传的事情的，计算机科学家那里，深度学习其实就是神经网络算法，用数学方法模拟人脑的神经突出网络，就像小孩认识狗的过程，每次都告诉他是不是狗，他的判断就会越来越准确
深度学习就是这样，实现不需要输入任何决策规则，让系统自学判断，系统内部有各种神经突触连接，如果猜对了，相关的连接就会增强，猜错了就会减弱，海量训练例子就能让系统学会判断
深度学习能够判断，但是不能理解，人类专家除了知道是什么，知道怎么办之外，还会问一个为什么
正因为问了为什么，才会进行深入的研究，收获新知识
深度学习算法没有任何理解能力，没有任何解释能力，更不用说什么新发现的能力
【吃瓜群众】
目前的人工智能都是一些简单的算法组成的，现在所有的算法都有很大的局限性
真实世界里有几乎无限的自由度，根本没有明确规则
人类解决问题，需要从是什么，该怎么，和为什么三个角度全盘考虑
人工智能的缺陷是不理解也不会去追问为什么，所以这是人类智能的机会，很多场景下，人工智能仅仅是解放了人类而不是取代了人类
【吃瓜群众】
贝叶斯分析：预测事物时，先根据已有经验和知识去推断一个先验概率，然后在新证据不断积累的情况下调整这个概率，通过积累证据，得到一个事件发生概率的过程。
索罗斯的见识
金融交易员倒是比风险投资人更低调；投资是长期的，而金融交易是快速买卖，后者也有思想吗？
还真有。至少有两位交易员，经常跟人讲他们的思想，一个是纳西姆·塔勒布，一个是乔治·索罗斯
索罗斯基本没有原创思想，比塔勒布差远了，但是索罗斯，很善于运用思想
索罗斯之所以做出德国一定维持高利率的判断，最根本的，是对德国历史的把握，索罗斯当时断定，德国官员一定一定不会允许德国出现通货膨胀——因为当年希特勒之所以崛起，之所以获得那么多支持，就是因为通货膨胀，通货膨胀是德国人心头噩梦，避免通货膨胀几乎就是德国的意识形态，欧洲他国利益没有这个重要
与此同时，他还断定应该一定不会允许本国出现通货紧缩，因为英国的短期信贷市场受不了，那么结论就是英镑必然贬值
整个决策过程里的关键思想，根本不是数字，索罗斯是做金融交易的，似乎应该专门和数据打交道，数字只是帮他估算成本和收益
“所谓数据，可不仅仅是数字，很多数据是不能量化的”
哲学家把知识分为四种：
客观知识：跟你视角无关的知识——物理学数学化学；学者们把符合客观知识的行为叫做理性，市场之所以非理性，是因为世界上不只有客观知识这一种知识
主观知识，就是个人的各种感受，比如你说你饿了，这就是一个主观知识；虽然我们很难精确测量你到底饿没饿，但是我们认可你的说法
共享知识：文化和共享情绪，是一群人共享的主观知识；德国人惧怕通货膨胀，就是一个共享知识；文化和情绪真实存在，同样无法量化测量，而且还可能根据不同情况变化，捕捉这样的知识，你必须理解
感觉知识：专家对所在环境、各种数据的一种直观感受，一种直觉反应，是人脑对大量信息综合处理之后的一种反应，有时还表现为身体上的生理反应
大部分人都停留在客观知识，好的交易员除了用模型之外，还会去了解对手主观感受，了解国家和公司文化，甚至还用点直觉
【吃瓜群众】
客观知识数据可以量化，是thin data，综合四种知识的信息，是thick data
高手厉害不是数学厉害，而是他综合考虑了数学、主观感受、社会文化和情绪，以及直觉
知道是什么，可不一定知道该怎么
只有当你的水平接近高手了，你才会真正感到高手高不可攀
【吃瓜群众】
真正的经验都是类似“盐少许”这样的话，这个少许无法表述，只能通过足够多的经验得来
意会工具箱里的六种武器
对事物的感受，在不同环境里是不一样的，而意会，不仅是知道，还要理解
符号
【例如】高端白领女性什么都有——事业爱情孩子健康，用什么符号吸引他们呢？不是什么都有的女性广告形象，而是一种现代生活的浪漫，例如手写的书信、丝绸外衣、一串珍珠
话语理论：同一个词，在不同语境中含义很不一样
社会系统理论：每个专业的专业人士，都爱用二分法的眼光去看，职业病——律师时刻想着合不合法，商人时刻想着盈不盈利，站在不同的维度看待问题，得出结论也不同
台前和台后：每个人都在管理自己在别人面前的形象，而你在人前的形象，其实是你私下的准备所决定的，所以台前台后都重要
回报理论：人的付出分三种，一种是希望自己付出少回报多，一种是希望自己付出回报平衡，还有一种是单纯付出，不计眼前回报
语言理论：理解的时候，多察言观色
以上意会的武器来自符号学，政治学，社会学，人类学，似乎都是毕业生不好找工作的学问
似乎无用的学问，如果你会用，就有大用——无用之用，是为大
获得“洞见”的内功
洞见不是你产生的，而是你获得的，本来不是你的，而通过你展现出来
洞见就是奇异的恩典，是老天赐予你的礼物——陆游说，文章本天成，妙手偶得之
可以这么理解：得出好想法的思维是非线性的跳跃过程，不是你想得就能得到的——不能有偏见，也不是套路来的
获得洞见的思维是创造性思维，来源是溯因推理推理分为三种：
演绎推理deductive reasoning——根据理论做判断，是最简单的推理思维：求三角形一个角度数，大前提小前提，所有鱼类都会游泳
归纳推理inductive reasoning——把事实推广成理论，比如每次你接触到冰都是冷的，你就可以提出一个理论：一切冰都是冷的。而实际上归纳法也可能会是有错误的，比如并不是所有的天鹅都是白色的
溯因推理abductive reasoning，可以让我们获得新知识，也叫反绎推理，是开始于事实的集合，并推导出它们的最合适的
解释的推理过程，分为四步：
收集大量的数据
从数据中找到规律，发现模式patterns
把模式综合起来，形成理论
获得洞见
尽可能吸收更多的信息，然后主动清空大脑，等待恩典的出现
溯因推理的过程，跟集中思维到发散思维的过程非常相似，还有人叫这个慢直觉，还有人叫创造性思维
写文章和调研之间，至少要间隔一个晚上，第二天再看，各种思路全出来了
【吃瓜群众】
灵感来自努力工作
意会大师的三个故事
决策者的灵活性，理解每一种具体场景下的所会发生的问题
关注会话者的反应
意会大师不仅有知识、有经验，而且有非常高的敏感度——洞见问题重点在哪
案例：以对方举例子点到为止，适时把话题拽到自己身上
案例：恐怖分子绑架女记者，要求释放所有中东地区女犯人，而实际上他们的诉求是博得同情，收获正义形象，所以女记者父亲发言是女儿去报道中东新闻，就是为了中东地区
人不是工业品，世界不能标准化
人从来都不是标准的，人际差距巨大，所谓平均人根本没有意义
《意会》这本书的思维方式，也是如此，世界不能标准化——真实世界非常复杂，不能用一组量化指标描写，必须真正深入进去，获得文化、环境各方面的理解，也即thick data
麦当劳提供了确定性的标准化，在不确定的世界提供确定性就是价值，在不确定的世界用标准化来思考问题肯定不行
不要和别人一样，标准化的时代正在结束，下一个时代，你不能再做一个工业品了
当前我们面临的所谓的“人工智能”，根本就不是“模仿人的智能”，现在的人工智能，其实是统计方法，大数据，神经网络，机器学习这些东西，这些算法和人的思维方式非常不同，它们仅仅是把重复的东西自动化、用把统计得出的经验做事
现在所谓的人工智能，从基本原理来说，并没有开启什么新的时代，只不过是以标准化为代表的工业时代的顶峰而已，所以现在的人工智能的本质，其实就是经验主义——
第一，以往经验证明这样做有效，所以现在也应该这么做
第二，对别人有效，所以对你也有效
其实这就是标准化——你应该和过去的人一样，你应该跟别人一样，其实真实世界不是这样人，是创造意义，和解释意义的。算法永远都不会真正在乎这个世界到底是怎么回事，只有人会在乎
【吃瓜群众】
批量生产的，也必将批量被淘汰
人工智能无法理解意义
