Nhận dạng mẫu không phải là một khái niệm mới. Từ các nhà giao dịch sử dụng tín hiệu mẫu để khám phá các cơ hội giao dịch có lợi nhuận, đến các nhà bán lẻ tận dụng dữ liệu lớn về hành vi của người tiêu dùng để điều chỉnh chiến lược giá và tiếp thị của họ, nhận dạng mẫu giúp đưa ra quyết định đúng đắn. Hay không?
Khả năng của công nghệ để nhanh chóng nâng cao số lượng mẫu mà chúng tôi xác định có thể cản trở chất lượng của các phán đoán mà chúng tôi đưa ra. Đối với cá nhân, các thiết bị đeo như kính thông minh và máy theo dõi thể dục có chức năng như thiết bị thu thập thông tin, thu thập và phổ biến rất nhiều dữ liệu, thông tin và thường là các báo cáo "phân tích" - cuối cùng là một lượng lớn tin nhắn. Từ đó, mỗi cá nhân thường phải đóng vai trò là bộ lọc của chính mình, đưa ra quyết định dựa trên những gì đã được thu thập. Theo cách này, công nghệ có thể đeo cung cấp cơ hội gia tăng cho việc tự tối ưu hóa bằng cách sử dụng thông tin mới có sẵn để cải thiện việc ra quyết định thông qua nhận dạng / phân tích mẫu.
Ví dụ: Google Glass và các thiết bị theo dõi thể dục cung cấp một cơ hội mới để xem việc ra quyết định hàng ngày ở cấp độ cá nhân thông qua "đôi mắt" của mỗi cá nhân. Sự tiến bộ này tạo ra một mức độ hiểu biết sâu sắc thay thế khả năng tự nhiên của con người để ghi nhớ những gì họ làm hoặc theo thứ tự họ làm. Các quyết định được đưa ra dựa trên nhận thức nâng cao này có thể được phân tích cho các mô hình liên quan đến giấc ngủ, sức khỏe, giáo dục hoặc tiêu dùng. Những mô hình đó sau đó tạo ra những cách để cải thiện bản thân. Tất nhiên, họ cũng cung cấp cái nhìn sâu sắc phong phú cho các công ty muốn nhắm mục tiêu người tiêu dùng với tin nhắn và sản phẩm. (Google Glass trong Google Glass có đột phá - Hay chỉ là ngớ ngẩn?)
Vì vậy, có nguy hiểm khi biết quá nhiều về bản thân trong "thời đại thông tin" không? Có, xác nhận thiên vị cho một. Bây giờ, lượng thông tin không giới hạn đột nhiên nằm trong tầm tay của chúng ta, nó có thể là một thách thức đối với bộ não của chúng ta để đưa ra kết luận chính xác. Bộ não của chúng ta là những động cơ dự đoán, nhìn vào thế giới để xác nhận những gì đã biết để tối ưu hóa những việc cần làm tiếp theo. Những gì chúng ta thấy và cách chúng ta hiểu bị ảnh hưởng bởi các mô hình cứng mà bộ não của chúng ta đã phát triển theo thời gian. Điều này có nghĩa là chúng ta có xu hướng bị lôi cuốn vào các mô hình bắt chước những thứ mà chúng ta đã biết hoặc nghĩ rằng chúng ta biết, thay vì tạo ra các mối quan hệ hoặc mạng mới để hiểu điều gì đó khác biệt.
Vậy chúng ta có thể làm gì để bù đắp điều này?
Chúng ta có thể bắt đầu bằng cách nhắc nhở bản thân về những gì chúng ta đã học trong khoa học lớp 8: Rằng có những phương pháp và khuôn khổ để cố gắng khách quan hơn để hiểu thế giới xung quanh chúng ta. Ví dụ, thí nghiệm kiểm soát. Thay vì tìm kiếm thông tin, bài viết và dữ liệu để sao lưu các kết luận được vẽ sẵn, chúng ta nên tạo các khung để kiểm soát các biến và kiểm tra các quyết định / hành vi. Về cơ bản, chúng ta nên trở thành nhà khoa học của chính mình: quan sát những gì chúng ta làm và sau đó sử dụng những phát hiện đó như một cách để sống tốt hơn, hạnh phúc hơn và hiệu quả hơn. Từ đó, chúng ta cần tăng phạm vi và độ sâu của việc tiếp xúc với các ý tưởng, phương pháp và chế độ mới.
Đọc một bài viết trong Flipbook không thể giúp bạn trở thành một chuyên gia và quét các bài đăng tin tức trên Twitter không có nghĩa là bạn đang tham gia vào các vấn đề hiện tại. Nhưng chúng là bước đầu tiên để cho phép bạn công khai đắm mình vào những ý tưởng mới, học các kỹ năng mới và đến lượt nó, tận dụng kiến thức của bạn để dạy cho người khác. Đây là tương đương với Equinox cho bộ não của bạn, và một cái rẻ hơn nhiều ở đó. Bộ não của bạn càng phức tạp và linh hoạt, bạn càng có thể phát hiện ra những mẫu thú vị và tiên tiến hơn.
Những gì khác có thể được thực hiện để ngăn chặn sự thiên vị xác nhận? Một cách để xem xét các hành vi và ra quyết định của chúng ta trong tổng hợp. Các tổ chức như NASA và CrowdAdvisorer phụ thuộc vào các hành động tập thể của đám đông để rút ra những hiểu biết và khám phá những điều mà trước đây "không thể biết được". Ví dụ, NASA sẽ phát động một cuộc thi săn tiểu hành tinh sẽ sử dụng công chúng để xác định các tiểu hành tinh dựa trên hình ảnh và dữ liệu từ Tài nguyên Hành tinh. Trong khi đó, CrowdIDIA tận dụng dữ liệu do người tiêu dùng cung cấp để cung cấp các mẫu cho các chủ doanh nghiệp nhỏ đưa ra quyết định để họ có thể tạo ra các công ty bền vững. Nhìn chung, các mẫu được cung cấp bởi đám đông thể hiện một nguồn thông tin phong phú, loại bỏ sự thiên vị xác nhận phổ biến trong kết quả của các mẫu được xác định bởi các cá nhân một cách độc lập. Mặc dù sự thiên vị xác nhận mà các cá nhân trải qua làm mờ đi sự thật và sự thật của những gì đang diễn ra, dẫn đến sự hình thành mô hình bị ô nhiễm, đám đông đưa ra một chế độ để trải nghiệm nhận dạng mẫu chất lượng cao hơn. Toàn bộ thực sự là lớn hơn tổng của các bộ phận của nó.
Cuối cùng, không có hại hay phạm lỗi trong việc tiếp nhận quá nhiều thông tin trong Thời đại Thông tin. Nhưng để thực sự làm lại những gì chúng ta đang thực hiện để nó chuyển thành các mô hình thần kinh mạnh mẽ hơn và một bộ não khỏe mạnh hơn đòi hỏi một thách thức mới: trở thành một nhà khoa học cũng như một miếng bọt biển và tạo ra sự thay đổi trong tâm trí cũng như trong lớp học.
