Hem Networks Nödvändig skicklighet för informationsåldern: mönsterigenkänning

Nödvändig skicklighet för informationsåldern: mönsterigenkänning

Anonim

Mönsterigenkänning är inte ett nytt koncept. Från handlare som använder mönstersignaler för att upptäcka lönsamma handelsmöjligheter, till återförsäljare som utnyttjar stor data om konsumentbeteende för att anpassa sina prissättnings- och marknadsföringsstrategier, hjälper mönsterigenkänning att informera sunda beslutsfattande. Eller gör det?


Teknologins förmåga att snabbt förbättra mängden mönster som vi identifierar kan hindra kvaliteten på de bedömningar vi gör. För individer fungerar wearables som smarta glasögon och fitness trackers som informationssamlingsenheter, erhåller och sprider en mängd data, information och ofta "analys" -rapporter - i slutändan stora mängder meddelanden. Därifrån måste varje individ ofta agera som sitt filter och fatta beslut baserat på vad som har samlats in. På detta sätt ger bärbar teknologi ökade möjligheter för självoptimering genom att använda den nyligen tillgängliga informationen för att förbättra beslutsfattandet genom mönsterigenkänning / analys.


Till exempel ger Google Glass och fitnessspårningsenheter en ny möjlighet att se dagliga beslut på en individuell nivå genom "ögonen" för varje individ. Detta framsteg skapar en ökad insiktsnivå som ersätter deras naturliga mänskliga förmåga att komma ihåg vad de gör eller ordningen de gör det i. De beslut som fattas baserat på denna ökade uppfattning kan analyseras för mönster relaterade till sömn, hälsa, utbildning eller konsumtion. Dessa mönster skapar sedan sätt att förbättra jaget. Naturligtvis ger de också rik insikt för företag som vill rikta in sig på konsumenter med meddelanden och produkter. (Google Glass i är Google Glass banbrytande - eller bara fånigt?)


Så finns det en fara i att veta för mycket om oss själva i "informationsåldern"? Ja, bekräftelse bias för en. Nu när obegränsade mängder information plötsligt är till hands kan det vara en utmaning för våra hjärnor att dra rätt slutsatser. Våra hjärnor är prediktiva motorer och ser på världen för att bekräfta vad som redan är känt för att optimera vad vi ska göra nästa. Vad vi ser och hur vi förstår påverkas av härdade mönster som våra hjärnor har utvecklats över tid. Det betyder att vi tenderar att dras till mönster som efterliknar saker som vi redan vet eller tror att vi vet, snarare än att skapa nya relationer eller nätverk för att förstå något annorlunda.


Så vad kan vi göra för att kompensera detta?


Vi kan börja med att påminna oss om vad vi lärde oss i 8: e klassens vetenskap: Att det finns metoder och ramverk för att mer objektivt försöka förstå världen runt oss. Till exempel kontrollerade experiment. I stället för att söka efter information, artiklar och data för att säkerhetskopiera i förväg dras slutsatser, bör vi skapa ramar för att kontrollera variabler och testa beslut / beteende. I huvudsak borde vi bli oss själva forskare: observera vad vi gör och sedan använda dessa resultat som ett sätt att leva bättre, lyckligare och mer effektivt. Därifrån måste vi öka utbudet och djupet för vår exponering för nya idéer, metoder och lägen.


Att läsa en artikel i Flipbook kan inte göra dig till expert och att skanna nyhetsinlägg på Twitter betyder inte att du är engagerad med aktuella frågor. Men de är ett första steg som låter dig öppet fördjupa dig i nya idéer, lära dig nya färdigheter och i sin tur utnyttja din kunskap för att lära andra. Detta är motsvarigheten till Equinox för din hjärna och mycket billigare. Ju mer komplex och flexibel din hjärna är, desto mer intressanta och avancerade mönster kan du upptäcka.


Vad annat kan göras för att förhindra bekräftelse bias? En väg är att titta på vårt beteende och beslutsfattande totalt. Organisationer som NASA och CrowdAdviser är beroende av publikens kollektiva handlingar för att få insikter och upptäcka saker som tidigare var "okända". Till exempel kommer NASA att lansera en asteroidjaktstävling som kommer att anställa allmänheten för att identifiera asteroider baserade på bilder och data från Planetary Resources. Samtidigt utnyttjar CrowdAdvisor data som tillhandahålls av konsumenter för att ge mönster för småföretagare att fatta beslut så att de kan skapa hållbara företag. Sammantaget visar mönstren från folkmassorna en rik informationskälla, avskaffad av bekräftelseförskjutningen som råder i resultaten av mönster bestämt av individer oberoende. Även om bekräftelsebias som upplevs av individer suddar fakta och sanningen om vad som faktiskt pågår, vilket leder till besläktade mönsterbildning, presenterar publiken ett läge för att uppleva mönsterigenkänning av högre kvalitet. Hela är verkligen större än summan av dess delar.


I slutändan finns det ingen skada eller fel i att ta in för mycket information i Age of Information. Men för att faktiskt omarbeta det vi tar in så att det översätts till starkare neurala mönster och en friskare hjärna krävs en ny typ av utmaning: att bli en vetenskapsman såväl som en svamp och göra en förändring både i sinnet och i klassrum.

Nödvändig skicklighet för informationsåldern: mönsterigenkänning