《相关性准则——大数据时代的高效能之道》一一2.2 意识与大脑处理信息的能力

简介:

本节书摘来自异步社区出版社《相关性准则——大数据时代的高效能之道》一书中的第2章,第2.2节,作者:【意】Stefania Lucchetti,更多章节内容可以访问云栖社区“异步社区”公众号查看。

2.2 意识与大脑处理信息的能力

相关性准则——大数据时代的高效能之道
尽管如此,你可能还是觉得给相关性一个定义为好。时至今日,你肯定知道,大脑随时随刻都在遭遇数百万条信息的轰击,大脑需要过滤这些信息,需要根据它所设定的相关性参数,找出它的相关内容。

意识知觉是复杂的生物过程引发的结果,它的功能是表象生物体内外部发生的事情的信息,这些信息要能被身体评估、处理。人是通过一系列复杂的永久性活性过滤器进行感知的。我们所感知到的世界由我们的神经系统创建成一张图:人的身体通过各种感觉将某种信息传递给大脑,大脑根据它在这个人的一生中所创建的各种类别对信息进行处理,类别创建基础包括个人教育、文化背景、各种经验等。这张图中受到关注的内容通过人的信念、兴趣以及偏见进行进一步过滤。从这个意义上说,意识的作用是充当感觉、感受以及想法的“清算处”,为进入大脑的各种信息确立优先级。就算没有意识,人们仍然知道哪些事情正在发生,但是反应方式却是反射式的、直觉式的。而有了意识,人们就可以慎重地权衡感官形成的信息,并做出相应反应。

神经系统对于在给定时间内能够处理的信息量有一个一定的限值,只有有限数量的信息可以同时出现在意识中,然后赶在这些信息开始相互排挤之前进行适当的识别、处理。例如,当对一个问题进行逻辑思考时,你肯定无法做到与此同时还唱歌、计算、感受强烈情感,因为,以上每一种活动都会耗用大部分注意力。

美国心理学家乔治·米勒(George Miller)在他的研究论文《神奇的数字7,加2或减2》1中提出进行关于人类存储和传输信息的能力的科学研究,根据这项研究,意识大脑在给定时间内最多只能处理7段信息(如不同的声音、视觉刺激、可识别的情绪或思维差异);意识大脑用于区分一组信息与另一组信息的最短时间是1/18秒。猛一看,这似乎是个大数目,但是,考虑到这个数目包括大脑在给定时间内必须处理的一切工作——一切外部输入信息、想法、记忆、感觉以及行为,这个数目其实并不大。

这项研究多年来一直饱受争议。主要论点是,数字7显然并不是一个一定的测量值:没有客观证据支持这个特定数字,它主要来自于经验调查。现在通常认为,人类大脑能够处理的信息量的实际测量值波动剧烈,具体取决于感知过程和记忆过程的组合情况,包括我们先天具有的或后天养成的将信息细分、组织成更小的数据段的能力、俯拾皆是的刺激、谙熟于所使用的语言或所执行的工作,再加上培训。不过,这种结论无法改变有实验证实的充分事实,即短期记忆能力(即人的即时意识知觉)的存储和处理能力是有限的。

人类经过岁月的洗礼,学会将信息段划分为更小的片段,学会分派一些较为乏味的工作,以便自动完成某些过程。我们具有压缩刺激的能力,因此能够接收和处理较大的信息段。通过信息合成,我们可以加强这种能力,扩大注意范围。

举个例子:学习驾驶汽车,目标是抵达某个目的地。如果从零学起,这一过程包括同时接收许多信息点:脚踏在离合器上的位置;将脚移动到刹车上的时机和方式;寻找、观察、理解及正确响应红绿灯信号;观察、理解和评估其他驾驶员的意图;随后据此预期这些驾驶员的下一步动作以及这些动作与你本人的动作之间的关系。然而,经过练习,这些在驾驶经验形成之前构成整体驾驶操作的局部动作,可以在头脑中分成独立的、较小的、易于识别的动作,而其中某些动作,例如脚在离合器上的移动以及对红绿灯的响应,就会托付给思维的无意识部分,成为无意识任务,使得“驾驶汽车抵达某个目的地”这一整体任务成为需要集中注意力进行关注的唯一有意识行为。

一旦驾驶汽车的基本动作成为无意识动作,就留出了思维空间,不仅可用于处理抵达目的地这一最终目标,还可以处理其他活动,如考虑晚餐烧什么、如何巴结新客户或者是否要停下来吃点东西——思维就这样学会了压缩一个非常复杂的任务,若非如此,这个任务就会占据你所有的认知资源;而现在呢,在驾驶汽车的同时,还可以进行其他任务。

不过,尽管你可以不断学习及获取技术,实现同时处理更多数据,却只能对有限数据进行响应。这意味着,从理论上说,例如,你可以一边与别人谈话(主要是听觉信息),一边处理电子邮件(主要是视觉信息),可是,在你这样做的时候,你必须将其他思想或感觉排除在意识之外,也就是说,你无法领悟谈话者所表达的东西,你会奇怪那人为什么说这些,你会注意他的穿戴,再问上个把问题。

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
3月前
|
机器学习/深度学习 人工智能 运维
大数据分析:探索信息世界的钥匙
在当今信息爆炸的时代,大数据分析成为挖掘宝藏般的技术和方法。本文将介绍大数据分析的基本概念、技术与方法,并探讨其在商业、科学和社会领域中的广泛应用。从数据收集和预处理到模型构建和结果解读,大数据分析为我们揭示了信息世界的钥匙,为决策者提供了有力的支持。
|
2月前
|
SQL 存储 分布式计算
maxcompute配置问题之配置mc内容如何解决
MaxCompute配置是指在使用阿里云MaxCompute服务时对项目设置、计算资源、存储空间等进行的各项调整;本合集将提供MaxCompute配置的指南和建议,帮助用户根据数据处理需求优化其MaxCompute环境。
30 1
|
7月前
|
SQL 存储 分布式计算
MaxCompute元数据使用实践--项目信息统计
MaxCompute的租户级别Information Schema从租户角度提供项目元数据及使用历史数据等信息,您可以一次性拉取您同一个元数据中心下所有Project的某类元数据,从而进行各类元数据的统计分析。
475 0
|
4月前
|
数据采集 数据可视化 数据挖掘
【大数据实训】基于当当网图书信息的数据分析与可视化(八)
【大数据实训】基于当当网图书信息的数据分析与可视化(八)
83 0
|
4月前
|
数据采集 分布式计算 数据可视化
【大数据实训】基于赶集网租房信息的数据分析与可视化(七)
【大数据实训】基于赶集网租房信息的数据分析与可视化(七)
75 0
|
4月前
|
SQL 分布式计算 MaxCompute
这些警告信息是MaxCompute在执行SQL查询时生成的
这些警告信息是MaxCompute在执行SQL查询时生成的
34 3
|
4月前
|
监控 安全 Java
【Java】Spring Cloud 智慧工地信息云平台源码(PC端+APP端)项目平台、监管平台、大数据平台
【Java】Spring Cloud 智慧工地信息云平台源码(PC端+APP端)项目平台、监管平台、大数据平台
80 0
|
5月前
|
搜索推荐 大数据 数据处理
大数据:解析信息时代的数字浪潮
大数据:解析信息时代的数字浪潮
44 0
|
5月前
|
SQL 分布式计算 调度
在MaxCompute中,你可以通过SQL语句来查询和导出实例的运行状态和时间等信息
在MaxCompute中,你可以通过SQL语句来查询和导出实例的运行状态和时间等信息
50 5
|
8月前
|
存储 数据可视化 大数据
大数据:挖掘无尽的信息金矿
大数据已经成为数字时代的重要驱动力,它不仅改变了我们的商业模式、科学研究和社会运作方式,还为创新和发展带来了无限的机遇。通过分析和利用大数据,我们能够更好地了解世界的运行规律,做出更明智的决策,推动社会的进步。
93 2