信息与不确定性

一切不确定性的谜底，只有一个，那就是：信息。

与人交流时，更多的信息加深理解；面对问题时，综合更多的信息才能给出最优的解决方案。语言，文字，声音，甚至龟壳，都能作为信息的载体，创作者于此端编码，接受者于彼端解码，至于究竟采取何种方式，根本无关紧要。一万个猴子用无穷长的时间在打字机上乱敲，也能写出一本《资本论》。

先民对预言者的盲目崇拜，表面上是对那种缥缈神力的敬畏，本质上是因为未来已经被剥去了神秘的美妙感，而成为了一种确定的现实。不管当下是光鲜亮丽，还是匍匐前行，好像最终都会到底那里，不如放弃抵抗，找一个皈依，一切推给命运。

未来是不确定的，人才活着；一眼看穿，就早已死去。

那这些与信息有什么关系？不确定性正是信息量的多少，即信息量的度量就是信息熵。消除不确定性，就是寻找相关信息。没有足够的信息量，不管用多么无懈可击的模型，都不可能得出一个确定的结果；更弱的相关性，也会使推论的过程更加曲折。

从某种意义上说，人当下所做的一切，都只是为了在面对未来的时候有更多的把握。听起来好像有点矛盾，更有把握不就是一眼看穿？那我们这么拼命是为了什么？为了死？不是。问题的根本在于，未来的不确定性是无穷的。人之所能掌握的，终究有限。我们能做的，不过在是包含了所有的不确定性的最大熵中，给自己找一个奋不顾身的理由。

在时间和命运的长河中，瞥见惊涛里一颗闪闪发光的钻石，看清自己的局限和向往之后，用生命作筹码，纵身一跃，仅此而已。

脱离这种大的框架，信息熵到底对生活有什么指导意义？

解题与设计思维

先来说说数学家波利亚的怎样解题的步骤：

第一阶段：理解阶段。观察和发现问题的核心概念和性质。

第二阶段：规划阶段。规划出如何解决问题。

第三阶段：计划实施阶段。执行和验证。

第四阶段：回顾阶段。从解决方案中学习。

他的这种思想推动因素以及提出解决方案的过程——在工程学领域演化为设计思维。

其一，一定要真正理解你的问题——未知的问题是什么？你掌握了哪些数据？这个阶段就是信息收集，很多具体的问题背后，大多都有一个抽象的模型，基于这个模型你了解多少？基于具体问题又有多少已知的信息？如果曾经看过相似的问题，针对细微的区别，该做怎样的调整？如果这是一个新的挑战，能否找到更低一级的模型去支撑？这是一个无限抽象的过程。

其二，发现已有数据和未知问题的关联，即是一个深度具体的过程。基于选定的框架，每一条已知信息都必然可以通过分析，或多或少消除未知问题的一些不确定性。有的问题本身的模型已经足够精确，用极少的条件就可以得出确定的答案；而有的问题，本身定义就非常模糊，往往只能得出一个局部最优解，只有好坏而没有对错之分。

其三，看看能否证明你的想法，如果条件足够，最后的结果和最初的假设必然可以形成一个闭环。一旦出现矛盾，却可能是很多原因导致的。这又是很常见的，解决问题的过程，就是不断推翻假设的过程，修正是必要的环节。

最后，通过观察解决问题的结果和解决问题的过程，巩固知识，提高解决问题的能力。相似的，有确定答案的问题，往往都没有太大的价值。处于个人能力边界但又不算太遥远的问题，更能给人较大的提升，人的知识之网通过拓扑，可以够到那个边缘。即便解决了问题，也不等于万事大吉，完善曾经的模型或者在后续用更优的方案进行更新，问题才得以发挥其最大价值。

再回到人生上，我们总是要在各个阶段基于所掌握的信息，去做大大小小的决策，用更具逻辑性的方法，不断训练自己解决的能力。那我们在面对未来的时候，总归能少那么一丁点的不确定性，对命运多一点信心。