海量信息的搜集与过滤_ZZ

原帖地址

信息是当今时代的货币，处理海量信息的能力决定每个人的成效。处理的第一步，是要选定关心的领域，进行信息收集。其实我觉得“收集”这个词未必准确，“收集”有主动出击的意思，但我认为，最好是能让信息自动出现在你面前。RSS订阅，电子邮件，豆瓣友邻都有这样的功能。例如我感兴趣的领域包括计算机科学，数学，心理学，人工智能。我会通过RSS订阅相关的博客，我在豆瓣上关注有共同兴趣的牛人，而我的电子邮件可以收到一些邮件列表信息或是电子杂志(如Toplanguage讨论组，新语丝)。这样，我不必主动去“收集”信息，而是让信息自动聚合到我眼前，由我定期检阅，这样的好处当然是省时间，而且便于以自己的节奏进行信息批处理。
       收集信息倒不难，难的是怎样过滤信息。这里有一个前提假设，就是得到准确的信息比不准确的信息好，这点我想只要不是发神经的人，不会不同意。暂且不论信息质量的高低，就是得到准确的信息很多情况下都不是那么容易的。拿政治信息来说，网民搜集资料多方猜测，可能到最后都是意淫，但在上面的人只要想了解就很容易得到准确的信息(至于他知道信息后采取什么行动是另一回事)。Google到底有没有被中国黑客入侵？我们根本不清楚，但上面的人一定有准确的信息。在任何一个领域中，处于领导地位的人都很容易获得他所需要的信息，这些人我称为信息中心。
       因此，要更高效地得到准确的信息，只有两种方法，一是近量与信息中心接近。比如你想多了解金融信息，就认识一些在这个行业工作的人，而不是光靠新闻媒体这种滞后又不一定准确的信息。另一个方面就是和与你有同样需求的人结成圈子，比如大量股民，这样通过P2P的方式，使得信息可以大量流通，缺点是垃圾信息太多，必须花心思选择信息质量高的圈子。
       没有一种方法能保证你获得是准确而又高质量的信息，以上方法只能增加你获得准确信息的概率。最终对信息的筛选还需要你的判断力。但好的方法可以极大减少你的工作量，使得到你眼前的信息已经是经过筛选的了，比如Google搜索的结果，事实上就是根据到这个页面的链接多少来排序的，于是呈现的结果本身就是一个已筛选的结果。又比如想学习某个主题，可以看看某个牛人推荐的书籍，这便是牛人已帮你预筛选的信息了。
       上面说到，由于信息不对称，有些信息只对这个领域的中心人物公开。但有一个领域例外，就是学术界，这个领域是以分享知识为宗旨的，所以所有的信息都是公开的，你可以很容易接近信息中心，里面的信息质量也非常高(如科学实验大都设计得非常严密)，善用学术领域的研究成果我认为是最大的信息杠杆，而且学术界已经帮你筛选信息了，比如设计不严密的实验无法在有头有脸的学术期刊上发表。困难的是学术文章普通大众未必看得懂，但科普杂志和学者的博客、书籍也差不到哪去。所以我强烈建议大家有空多看科学松鼠会和《环球科学》杂志，里面的信息不但质量高，也和我们的生活密切相关。比如，通过阅读这些信息，你能很清楚地知道人类医学对各种疾病的攻克情况，而且你能确定这些信息是准确的，这样，你就不会被江湖上的神医和电视上的神药忽悠。
       以上所说的方法等于是对所收集信息的第一轮筛选，其实这很重要，经过第一轮筛选后信息已经被精简了90%，我的Google Reader上每天新条目不超过20条，且其中的50%都能让我受益。之后的第二轮筛选只能靠你个人的判断力了。
       判断力这东西说来含糊，说白了就是你要有一个框架，让你能判断信息的真伪和重要性。框架就是你判断事物的一些抽象的规则，正是因为抽象，所以它们简洁而适用范围又广，比如为什么我不会被非法传销骗？因为我有一些简单的经济学原理知识，如果一个行业门槛很低，又宣称加入进来的人收入很高，那这行业如果不是夸大宣传，就是有非法收入。于是如果这个组织进一步让你交“会员费”之类玩意的时候你就得格外小心。这个“投入很少收益又奇高”的规则可以帮助我筛选很多信息。比如24小时学会XXX之类的书，以及所有速成类的广告。
       我的另一条判断规则，就是好书基本上每页都好，烂书基本上每页都烂，好的作者基本写出来的都是好东西，反之亦然。因此如果一个信息源一直产出垃圾信息，那你也别对它有指望了。比如各类伪科学作品。
       我个人主要关注信息的准确度和质量，并不太关注信息的新鲜度和频率，比如刘未鹏的BLOG更新频率很低，但每篇都很有价值。对我来说，一个信息延迟一些知道是没什么损失的，因为我现在的主轴是阅读经典。这就是为什么我不用twitter和校内(偶尔还是会看看朋友们的近况)，因为它们的信息质量和准确度太低了。其实对大部分人来说，信息的新鲜度都不是那么重要。