【干貨】如何挖掘到有用的信息？

?文:靠譜的阿星

很多人對于信息的理解可能是錯的，把信息和資訊、內容、消息等混為一談。

信息論創始人香農（Shannon ）對于信息有一個經典定義:

「信息是消除不確定性的東西」。

也就是說，一個消息或者一條內容，只有在消除人腦對某方面的未知而產生的困惑或者迷茫不解的時候，才能夠稱之為信息，否則是信息的反面，是人腦干擾或者是信號噪音。

信息，應該帶來的是一個人的頭腦對于某方面客觀認知的秩序感的增量，混沌感的降低，也就是「 熵減」過程。不過，現在很多人最新研究是「熵增定律」是宇宙定律，任何事物、組織、人都是不斷走向秩序混亂和混沌直到消亡的趨勢，換句話說，時間總是朝"壞"（失序）的方向流動。

從這個角度而言，信息本身是反熵增定律，要追求熵減，甚至可能還是反人性的。搜索了一下，專門搞信息通訊科技產業（ICT）研究的華為還專門出了《熵減》的書。

熵減的話，才算香農所說的信息，這也就很好的解釋了，為什么現在互聯網資訊內容爆炸時代，人感到越來越困惑、焦慮，因為很多人把思維混亂，靠非理性情緒傳播的東西當做信息處理了。

真正有價值信息可能反而門可羅雀，知曉的寥寥無幾，信息不對稱并沒有因為"信息時代"存在而消失，反而更為嚴重的擴大趨勢。

接著講什么是信息，香農是研究密碼學創始人，以及軍方加密電報的專家，其實信息論就是應用于諜戰之中發展的出來的知識。從這個角度看信息，更像是情報而不是新聞資訊，更不是娛樂。

在日本，informaton，并不是如國內翻譯為"信息"，而是直接翻譯為"情報"，可能與日本人頭腦簡單，更需要服務于軍國主義利益有關。

?比如日本有一所大學叫"東京情報大學"，簡稱為TUIS，如果按照國內的翻譯可能會叫做東京信息大學，但是由于日本的這個校名使用的是漢字，所以我們能夠明顯看到其中的翻譯差異。

我昨天出了篇內容講，"又一個AI科學家意外去世"，我看到評論區有一些網友指責我在視頻之中配了圖片，怕被日本間諜知道泄密之類。

這么說，就是對所謂的日本特工間諜的情報專業能力缺乏起碼的了解，來看看下面一段話的介紹:

倭國的情報挖掘和獲取能力，從古至今，對日本來華的人物那里，可以說是已經是深入骨髓的"學習"能力，否則如何長期對中華文化進行偷竊和移植呢？！

相比之下，國內很多網友由于沒有受信息追溯，大數據挖掘等方面的學習和普及，反而會顯得小白，相關的知識和技能反而是急需要提升的，否則光憂心忡忡，又無法知此知彼，也無可以與之交鋒、搏斗的能力，根本形成不了威懾。

其實是，數據挖掘本身是一個情報學學習內容，京東上搜索就發現了很多專業書籍。

國內的百度創始人?李彥宏在北大讀書時候就是學習情報學，后來做百度也是做信息處理可以說是專業對口。

中國老百姓長期以來有一種「不該知道不打聽」，「知道太多不好」，甚至成語「閉目塞聽」還是一個有利于養生的褒義詞。

這是由于長達2000年封建社會，統治者奉行「民可使由之，不可使知之」，很多老百姓對重要事件的信息并不了解。「你知道的太多了」，還是國內相互調侃一句很重的警告。

「信息思維」并不同于「內容娛樂」思維，并不是看消息、或者吃瓜跟風湊熱鬧，因為他是反人性的，沒有對于真相、真理執著，甚至把信息當做可以保命的、可以生存的資源，是很難做到的引起對于信息以及信息挖掘的高度重視。

講一下，我平時是怎么獲取一個新領域、新的選題，或者一家新的公司，一個新的業務、一個人物的信息和知識的？

第一，通過搜索平臺查閱百度百科、搜狗百科或者抖音百科了解其對外的公開介紹。一般來說，這些信息如果長期存在，一般是一些公司和人所認可的，并且也是后臺可更新和編輯的，相關的內容如果對方不認可的話，肯定會做一些公關。也可以說，百科詞條信息實際上一個人、一個公司的簡歷。如果沒有相關的百科內容，只能去相關的公司簡介、公開的社交賬戶主頁，或者企業工商信息查詢介紹，等等。

第二，了解一個事件，在搜索過程之中一定要看具體的官方采訪報道，或者其公司藍V認證資料的新聞報道，目前國內的公司，企業或者個人都有相應的官方賬號，并且一般企業的官方報道對于他們來說是經過層層把關之后的脫敏的信息，可以用來引用和分析的素材。比如我說很多互聯網公司相關的服務器存放在貴州的山洞，其實這些信息在貴州本地的官媒，以及相應的主管單位都有公眾號公示。

第三是，一般來說對于了解對象相關的公開采訪記錄，或者是當事人的回憶錄、或者是同場景之下的參與者旁證的一些文獻資料，一些公開的影像、照片等資料都可以用來作為加深對于人物和事件的直觀了解，需要在具體的場景之下，多維度進行信息對比，交叉驗證從而達到對于信息分析和綜合，實際上一種把碎片化信息整理進行拼接和整合。

達到第三步的時候，實際上是信息的系統化、結構化了，在此之下，可以消除大部分的不確定性，這個過程之中最重要的方法是搜索，微信搜索，百度搜索等等，當然短視頻抖音搜索可以作為輔助看一些跨學科知識講解，只有搜索才能真正打破信息壁壘。

但是你會說，阿星老師，我還需要有預見性，能夠提前知道很多事情，并做好相應的準備，這也是很多公司做戰略，所最確實的信息支撐，這個時候一個人長期信息處理能力、認知能力、判斷能力之間的差距就提前出來了。 如何做？依然是有方法的。

首先，還是看香農定下的信息論的經典模型。我們作為信息消費者或者是受眾，我們獲取的信息時候是解碼者，而信源是編碼者。

信源和信宿之間是相互未知的，需要內容作為中介質，信息發射出去在傳遞經過渠道傳播之后其信息有所損耗，而這個時候往往要了解信源的真實狀態時候就會有所偏差，因為人不可能同時跨進同一條河流。

這個時候，你就會發現發出信息的人是一個"未知"的，本質上我們的未來，古代的歷史，人體的經絡氣息，個人的命運，女孩子的心思，我們與外星人之間等等，都是這樣一個捉摸不透的"黑箱"。

而我們要了解的真正的知識就藏在這個巨大黑箱子里面，這個過程是信息不斷生成的過程。這個時候怎么辦，要不斷的輸入信息進行測試，通過反饋來校對自己對黑箱子里裝的是什么的猜想。

隨著我們對于輸入輸出信息不斷反饋，有對的部分，我們就會箱子了解多了一點點，然后不斷把黑箱子一點點類似用信息方式照亮起來了，隨著輸入端和輸出端，信息對稱程度變化，于是黑箱子就會逐漸呈現出灰箱子和白箱子情況了。

隨著黑箱子不斷變成白箱子，也就是從未知到已知的過程，這也是從前科學到科學的過程，隨著你不確定感消失，然后你的把握越來越大了，也就是所謂的行家里手，這其中也是高手和低手區別，也是為什么英美重視歸納法的經驗派，能夠在實用方面不斷碾壓歐洲法德演繹法的唯理派的原因。

當然這個里面有一個重要模糊推演方式，就是不斷用信息去投石問路，不斷去假設一些問題和一些附加條件，進行求證和描摹出箱子里面的內部構造出來，這個過程之中所有的信息此時無論正確還是錯誤都在配合認知客觀真相的過程，這個時候信息就像投入水中的會起到反饋，通過不斷的反饋勾勒出了一塊塊拼接起來的你對于黑箱子的認知，好像你在不斷去掃描整個黑箱子一個個的部分，最終構成了一個整體。

這個過程也就是現在整個大數據相關性分析和 貝葉斯原理的模型，也是整個chatGPT等生成式大模型訓練的理論基礎。只不過輸入者變成了對話者，輸出者變成了機器，而中間不同信息素材的處理實際上就是AI機器所接觸到的大數據，而我們人同樣找到真相得出認知，也是不斷進行叩問和求索的方式。

因此，最厲害的機器人依然是對于人腦認知和學習過程的模仿，只是由于數量級的?突破而引發了信息呈現方式創新，不過其輸入內容始終受限于機器所訓練的樣本大數據，而所有的信息全鏈路要完成，都是人產生的和接受，因此GPT大模型并不可能顛覆人的思維活動或者勞動。

如何找到真實信息，如何通過數據挖掘來找到和利用可靠信源，篩選分析出信息效度，本質上是讓我們去粗取精、去偽存真的過程，也是一個從主觀到客觀的過程，掌握了這樣一套方法論，我們可以縮短我們學習很多知識以及了解陌生領域的時間，并且能不斷引領思想超縱深方向，以及更綜合方向躍進。

所有互聯網資料信息成為廣闊無垠的大數據，根據你自己的需要做模型進行生成和開采，在這個時候，不僅精英專家知識也好，單一媒介也好很難洗腦你，在各種網絡風向之中你有自己的根基，你反而能夠成為信息海洋的主動者，隨著對于宏觀領域和微觀領域都用這樣的方法論進行了打通，一個人洞見性，前瞻性也就逐漸培養起來了。

當然以上只是一些開胃小菜和導論，以后阿星有機會再給大家分享相關的實用話題。

▼博主簡介

靠譜的阿星（李星），廣告學本科，外國哲學碩士，科技媒體知名撰稿人，電子工業出版社《媒體化戰略》一書 作者 ， 公眾號「靠譜的阿星」專注于互聯網行業解讀和數字營銷模式觀察，多年從事企業市場營銷和品牌傳播工作，榮獲2017年、2021年鈦媒體年度作者最具人氣/最具影響力獎，2018、 2019年、2021年人人都是產品經理“年度作家”，搜狐2018產業風云年度自媒體，CMO訓練營導師兼專業合伙人。交流合作，請加私人微信號: kaopudeaxing