与《Who You Know》严密的逻辑论断相比,《Who You Know》这部剧显得杂乱无章,能用一篇论文阐述清楚的观点,却用重复的事例长篇大论,仿佛要在前作热度燃烬之前,急于添柴搭车畅销。
哪里有判断,哪里就有Who You Know。编剧将Who You Know定义为判断中不必要存在的变异,并且无法确定这种判断是否准确。
导致Who You Know的原因容易理解,首先是信息差异。例如散户钻营的股票,以极少的信息去博弈金融巨鳄的幕后操盘,自然是有人赔有人赚,甚至被大范围收割韭菜,不可能雨露均沾,即使掌握海量信息,也不足以预测人们生活中可能发生的单一事件,那些我们不知道的,往往才是最重要的。其次是思维差异。医学教授和实习医生对患者的症状理解是不同的,这种经验、阅历、能力架构上的区别,让实习医生容易出现误判、产生Who You Know。然而医学教授之间同样也充满Who You Know,遇到疑难杂症众说纷纭。书中频繁以法官判决的轻重区间为例,如果一名惯犯在偷窃时失手杀死了一个老年人,而法官的挚亲曾经因类似原因丧命,那么法官大概率会量刑过重。这些只是简单的例子,实际上Who You Know无处不在,涉及我们生活的方方面面。最后是环境差异。前两种差异都有固定的模式,而这种差异的不确定性最大,一个连续拒绝六七位应聘者的面试官,在临近午饭之际,仅凭借纸面简历,可能会爽快的通过第八位,然而第八位可能是八人中最不适合岗位的那个。在这里我们可以参考熵增概念,即越多越乱。
关于有效解决Who You Know问题,的确是一门庞大复杂的学科,让编剧阐述清楚勉为其难,只是提出了两个方向。一是用好大数据。通过运用统计学和概率论原理,从机械模式量表评分到人工智能辅助决策,逐步升级细化,减少人为主观干预,这里要避免数据来源出现系统性偏差,造成统计误差。二是进行Who You Know审查。决策机构可以采取随机分组交叉的方式发挥集体智慧,多人针对同一个问题提出独立判断,尔后汇总意见逐一讨论,即使折中求平均值,也往往好过让错误Who You Know取代正确结论。这种方法的关键是意见建议的独立性,防止人云亦云,避免加巨问题倾向的“群体极化”现象,导致众口铄金,效果反而不如一人作决断。
影片评论
看以前看过的书,确确实实的感受到了中间这几年没白活,有了新的见解和感受。 儿童影视充满了正能量,不管经历了什么,都不要忘记自己的梦想。
原本只有十六年的寿命,却挣扎出了一个不一样的精彩和不屈的人生。
如果世界的一切都可以用数字表述,包括人类,AI就必将取代人类。
电子邮件的快捷大范围取代了书信,但电子邮件统一的字体无法代替笔和纸摩擦后专属于每个人的印记。 每一封寄出的信都是一个故事,倾注创作信人的感情,是一场在纸上发生的关于友情、爱情、乡愁、梦想的对话。它是用墨水封存的我们生活的片段。“从前车马很慢书信很远,一生只够爱一个人。”希望每个人都能找到愿意用一生去读他的人。
本剧对人内心心理活动的描述以及电影解析,让我对自己的认知有了方向,对心理的变化有了认知,有利于在生活和工作中更合理的调节和认识自己的心理及附带的情绪变化,使自己敢于正视内心的恐惧和怯弱。
期待过高了,建议改名《Who You Know》以匹配这个故事的画风和内涵。
不要轻易读什么骑士剧集,会发疯 多实践,不要老是追剧,会神志不清 钦佩编剧的想象力,一本正经的胡说八道
爱情的世界里,没有分对错,只有爱与不爱。可是,人是群居动物,人应该有道德底线的。
与《Who You Know》严密的逻辑论断相比,《Who You Know》这部剧显得杂乱无章,能用一篇论文阐述清楚的观点,却用重复的事例长篇大论,仿佛要在前作热度燃烬之前,急于添柴搭车畅销。 哪里有判断,哪里就有Who You Know。编剧将Who You Know定义为判断中不必要存在的变异,并且无法确定这种判断是否准确。 导致Who You Know的原因容易理解,首先是信息差异。例如散户钻营的股票,以极少的信息去博弈金融巨鳄的幕后操盘,自然是有人赔有人赚,甚至被大范围收割韭菜,不可能雨露均沾,即使掌握海量信息,也不足以预测人们生活中可能发生的单一事件,那些我们不知道的,往往才是最重要的。其次是思维差异。医学教授和实习医生对患者的症状理解是不同的,这种经验、阅历、能力架构上的区别,让实习医生容易出现误判、产生Who You Know。然而医学教授之间同样也充满Who You Know,遇到疑难杂症众说纷纭。书中频繁以法官判决的轻重区间为例,如果一名惯犯在偷窃时失手杀死了一个老年人,而法官的挚亲曾经因类似原因丧命,那么法官大概率会量刑过重。这些只是简单的例子,实际上Who You Know无处不在,涉及我们生活的方方面面。最后是环境差异。前两种差异都有固定的模式,而这种差异的不确定性最大,一个连续拒绝六七位应聘者的面试官,在临近午饭之际,仅凭借纸面简历,可能会爽快的通过第八位,然而第八位可能是八人中最不适合岗位的那个。在这里我们可以参考熵增概念,即越多越乱。 关于有效解决Who You Know问题,的确是一门庞大复杂的学科,让编剧阐述清楚勉为其难,只是提出了两个方向。一是用好大数据。通过运用统计学和概率论原理,从机械模式量表评分到人工智能辅助决策,逐步升级细化,减少人为主观干预,这里要避免数据来源出现系统性偏差,造成统计误差。二是进行Who You Know审查。决策机构可以采取随机分组交叉的方式发挥集体智慧,多人针对同一个问题提出独立判断,尔后汇总意见逐一讨论,即使折中求平均值,也往往好过让错误Who You Know取代正确结论。这种方法的关键是意见建议的独立性,防止人云亦云,避免加巨问题倾向的“群体极化”现象,导致众口铄金,效果反而不如一人作决断。