Разпознаването на образи не е нова концепция. От търговци, използващи шаблони за разкриване на печеливши търговски възможности, до търговци на дребно, използващи големи данни за поведението на потребителите, за да коригират своите ценови и маркетингови стратегии, разпознаването на модели помага за информиране на разумното вземане на решения. Или го прави?
Способността на технологията за бързо увеличаване на количеството на моделите, които идентифицираме, може да попречи на качеството на нашите преценки. За хората, носими като интелигентни очила и фитнес проследяващи функции функционират като устройства за събиране на информация, получаване и разпространение на богатство от данни, информация и често отчети за „анализ“ - в крайна сметка, големи количества съобщения. Оттам всеки индивид често трябва да действа като свой филтър, като взема решения въз основа на събраното. По този начин носената технология осигурява по-големи възможности за самооптимизация, използвайки наскоро наличната информация за подобряване на вземането на решения чрез разпознаване / анализ на модели.
Например, устройствата за проследяване на фитнес на Google Glass предоставят нова възможност за ежедневно вземане на решения на индивидуално ниво през „очите“ на всеки човек. Този напредък създава повишено ниво на прозрение, което замества естествената им човешка способност да запомня какво правят или реда, в който го правят. Решенията, взети въз основа на това засилено възприятие, могат да бъдат анализирани за модели, свързани със съня, здравето, образованието или консумацията. Тези модели след това създават начини за подобряване на себе си. Разбира се, те предоставят и богат поглед върху компаниите, които желаят да насочат потребителите към съобщения и продукти. (Google Glass в Google Glass ли е революционен - или просто Goofy?)
И така, има ли опасност да знаем твърде много за себе си в „информационната ера“? Да, пристрастия за потвърждение за такъв. Сега, когато неограничените количества информация изведнъж са на една ръка разстояние, това може да бъде предизвикателство за мозъка ни да направят правилните заключения. Мозъците ни са двигатели за предсказване, които гледат на света за потвърждение на това, което вече е известно, за да оптимизираме какво да правим по-нататък. Това, което виждаме и как разбираме, се влияе от втвърдени модели, които мозъците ни са се развили с течение на времето. Това означава, че сме склонни да се привличаме към модели, които имитират неща, които вече знаем или мислим, че знаем, а не създаваме нови връзки или мрежи, за да разберем нещо различно.
И така, какво можем да направим, за да компенсираме това?
Можем да започнем, като си припомним какво научихме в науката за 8 клас: Че има методи и рамки за по-обективно опит да разберем света около нас. Например контролирани експерименти. Вместо да търсим информация, статии и данни, за да архивираме предварително изготвени заключения, трябва да създадем рамки за контрол на променливи и тестови решения / поведение. По същество ние трябва да станем учени на себе си: да наблюдаваме какво правим и след това да използваме тези открития като начин да живеем по-добре, по-щастливо и по-ефективно. Оттам трябва да увеличим обхвата и дълбочината на излагане на нови идеи, методи и режими.
Четенето на статия във Flipbook не може да ви направи експерт и сканирането на новинарските публикации в Twitter не означава, че сте ангажирани с текущи работи. Но те са първа стъпка, която ви позволява открито да се потопите в нови идеи, да научите нови умения и от своя страна да използвате вашите знания, за да научите другите. Това е еквивалентът на Equinox за вашия мозък и много по-евтин в това. Колкото по-сложен и гъвкав е мозъкът ви, толкова по-интересни и усъвършенствани модели можете да откриете.
Какво друго може да се направи, за да се предотврати отклонение от потвърждението? Единият път е да погледнем на нашето поведение и вземане на решения съвкупно. Организации като НАСА и CrowdAdviser зависят от колективните действия на тълпата за извличане на прозрения и откриване на неща, които преди са били „непознати“. Например, НАСА ще започне състезание за лов на астероиди, което ще наеме обществото за идентифициране на астероиди въз основа на изображения и данни от планетарни ресурси. Междувременно CrowdAdvisor използва данни, предоставени от потребителите, за да предостави модели на собствениците на малки фирми да вземат решения, така че да могат да създават устойчиви компании. Като цяло моделите, предоставени от тълпите, демонстрират богат източник на информация, лишен от пристрастието на потвърждение, преобладаващо в резултатите от моделите, определени независимо от хората. Въпреки че пристрастията за потвърждение, изпитвани от индивидите, замъгляват фактите и истината за това, което всъщност се случва, което води до формиране на опетнен модел, тълпата представя режим за по-високо качество на разпознаване на образи. Цялото наистина е по-голямо от сбора на неговите части.
В крайна сметка няма вреда или грешка в приемането на твърде много информация в епохата на информацията. Но всъщност да преработим това, което приемаме, така че да се превърне в по-силни нервни модели и по-здрав мозък, изисква нов вид предизвикателство: да станеш учен, както и гъба и да направиш промяна в съзнанието, както и в класна стая.
