肯定有不少小伙伴要疑惑，大象怎么把看似沒(méi)有什么大關(guān)聯(lián)的兩個(gè)作者和兩本書(shū)湊一起聊的了。主要是因?yàn)榇笙笞罱盏竭@本《弱關(guān)聯(lián)：在旅行中探尋檢索詞》，閱讀過(guò)程中蠻受啟發(fā)的，然后想起了卡尼曼的《噪聲：人類(lèi)決策的缺陷》。

《噪聲：人類(lèi)決策的缺陷》的重點(diǎn)在于怎么面對(duì)事件以外的影響——噪聲，：從尋獲噪聲到探究人類(lèi)判斷的本質(zhì)，從預(yù)測(cè)噪聲到闡釋噪聲的主要原因，從探討如何改進(jìn)判斷和防止錯(cuò)誤的的實(shí)際問(wèn)題，一直延伸到什么才是合適的噪聲水平。

卡尼曼系統(tǒng)性地指出：噪聲，才是影響人類(lèi)判斷的黑洞?！霸肼暋笔请S機(jī)的，但卻是致命的?？崧跁?shū)中提出了6大原則，幫你重塑決策框架，做聰明的決策者。

而在東浩紀(jì)的《弱關(guān)聯(lián)：在旅行中探尋檢索詞》則提出我們需要足夠的噪音，甚至需要在一些時(shí)候人為增加噪音。需要注意的是《弱關(guān)聯(lián)》里面的翻譯使用的是“噪音”，和上面提到的“噪聲”是一個(gè)詞。在書(shū)中，東浩紀(jì)提到互聯(lián)網(wǎng)是固化圈層的工具，不斷發(fā)展著消除噪音的技術(shù)，讓我們?nèi)グ凑占夹g(shù)商提供的方式來(lái)活著——比如在搜索的時(shí)候自動(dòng)聯(lián)想的詞匯或者話(huà)題。

雖然我們自以為在自由地檢索，但實(shí)際上所有檢索都是在Google取舍選擇后的框架內(nèi)進(jìn)行的。只要接觸了網(wǎng)絡(luò)，你就只能在他人所規(guī)定的世界里思考。世界正在朝這個(gè)方向發(fā)展。

其實(shí)換一種角度來(lái)思考，網(wǎng)絡(luò)上的這種貌似“消噪”的行為其實(shí)也是在用用戶(hù)增加“噪聲”或者“噪音”，目的就在于影響用戶(hù)的決策架構(gòu)，這個(gè)和卡尼曼的噪聲論其實(shí)并不沖突。而《弱關(guān)聯(lián)》是一本在2013出版的書(shū)，關(guān)于增加噪音的思維可以說(shuō)是非常具有前瞻性——2017年OpenAI實(shí)驗(yàn)室最新發(fā)現(xiàn)頻繁地給增強(qiáng)學(xué)習(xí)算法中的參數(shù)增加自適應(yīng)噪聲后，能得到更好的結(jié)果。這種方法實(shí)現(xiàn)簡(jiǎn)單，基本上不會(huì)導(dǎo)致結(jié)果變差，值得在任何問(wèn)題上嘗試。

2022年《NoisyTune: A Little Noise Can Help You Finetune Pretrained Language Models Better》一文更是通過(guò)實(shí)驗(yàn)的方式證實(shí)在AI訓(xùn)練中加入少量噪音，提高下游微調(diào)效果。我們可以看到哪怕是在人工智能領(lǐng)域，消噪的環(huán)境其實(shí)本身就是一種“噪聲”環(huán)境，對(duì)于提升有害而無(wú)益。

相較于卡尼曼的心理學(xué)和經(jīng)濟(jì)學(xué)模型破解噪聲之困，東浩紀(jì)更重視簡(jiǎn)單的“弱關(guān)聯(lián)”——不要把自己當(dāng)“當(dāng)事人”，而是當(dāng)一個(gè)“觀(guān)光客”，書(shū)的核心在于“我相信，正是觀(guān)光客的視角，在一定程度上壓制了當(dāng)事人毫無(wú)意義的斗爭(zhēng)?！?/p>

我們要在環(huán)境所期待的自我之中，定期混入噪音，有意識(shí)地變換環(huán)境。去賭變換環(huán)境之后，自身所思考的、所能想到的、所希求的東西發(fā)生變化的可能性；用自己的意志去破壞自己身處的環(huán)境，進(jìn)而改變它；主動(dòng)打破自己與環(huán)境的協(xié)調(diào)性；故意違背Google提供的檢索詞。

當(dāng)然，僅僅通過(guò)《噪聲》和《弱關(guān)聯(lián)》兩本書(shū)就能讓我們突破“噪聲”環(huán)境，通過(guò)消噪和增噪來(lái)自由作出自己的選擇也不現(xiàn)實(shí)。只是希望閱讀能讓我們打破不一樣的思維框架，擁有更多的思考空間。

最后還是那句話(huà)，跟大象一起讀好書(shū)，好讀書(shū)，讀書(shū)好！