在信息技术中，算法和数据是两个非常重要的概念，算法代表了解决一个问题的”逻辑”，而数据则是这个问题的输入。有了问题的输入，再加上算法，就可以解决一个问题了。例如，我们有快速排序算法，然后再给一组数据，那么就可以完成一次排序任务了。在AIGC时代，数据的角色发生了变化，数据变成了“算法”的一部分，程序会将标注的数据用于训练，再向用户提供一个更加”复合”，并不断改进的程序，当用户再次输入时，”算法”则可以根据不同的场景、反馈给出不同的结果。
在人类日常生活的视角，”信息”就是数据，而每个人的大脑中的思维则可以理解为”算法”。一般的，我们在做一个简单的决策的时候，通常会考虑不同选项之间的优点和缺点，然后最终根据自己的权衡进行决策。更多的信息、更及时的信息，则可以让你在决策中获得更大的优势。
例如，明天是周末，到底是去看电影、还是去外出露营，又或者是加班。这时候，我通常会看看电影的豆瓣评分，如果评分很高或者电影类型我非常喜欢，那么我就会考虑去看电影，这里豆瓣所提供的电影的评分就是一种非常关键的”信息”。我也会看看天气，如果天气非常好，气温也很合适，再加上或者这周末杜鹃花都开了，那可能会改变主意，去爬山或者露营；这里，天气情况或者说杜鹃花的花期，也是数据，有了这些数据，我就可能做出不同的决策。再比如，我突然听说，老板这周末要去公司加班 ，而我又亟需去老板面前做一些形式化的表现，比如近期恰好是升职加薪的关键时期，我则可能会选择去公司加班，装装样子。这里老板周末要去公司，也是一种”信息”。
当然，这只是一个例子，通常我不会这么肤浅…
可以看到，生活中，多数时候无需用到复杂的处理逻辑，所以，很多时候”信息”的作用就会更大。
信息的获取，有的容易，有的困难。而这些困难，有时候是信息本身隐藏的比较深，需要做一些”挖掘”，或者做一些探索才能够获取。这是比较常见的，例如，你想知道MySQL和PostgreSQL在全球范围的流行度，你可能需要去看百度指数、Google Trend或者DB-Engine等数据，这些信息有的获取较为容易，有的获取略微困难。
但一直以来，我都忽略了一种更为糟糕的情况，就是人为的信息屏蔽，并通过此，在竞争中取获取优势，例如在商业竞争中；例如，支付宝/微信因为有更多的交易数据，所以相比于其他的金融平台，可以更为准确的判断一个人的信用和资金情况，从而给出更加准确的借贷风险评估，也就是有更丰富、准确的征信数据，从而给出更高效的贷款策略。再比如，在一次投标中，A、B是两个竞争厂商，这时A、B两个厂商的弱点或者优点，都是关键的”信息”。如果A对于B的弱点了如指掌，那么A则会在客户侧，放大B的弱点，也放大自己有，别人没有的优点。
很难用好或坏来简单评价这种市场现状。但是，从整体上来看，简单的、低级别的”信息差”所带来的优势是短暂，甚至可能是阻碍创新的。更加直接的”创新”比拼，才能让整个行业，更加健康。但，如果忽略这种”信息差”所带来的问题，则可能会陷入困境。
但，当刻意去关注这种”信息屏蔽”（信息差）现象之后，可能发现，在某些特定的场景下，这一现象在工作中可能是较为普遍存在的。通过信息差去进行博弈，是一种非常有效的策略，但是，很多时候，对于一个整体来说，是一个非常低效的运作模式。必须要需要注意到，在我生活、工作的多数环境下，尤其是早年的工作环境中，此类基于”信息屏蔽”（信息差）的博弈是比较少的。整体都是，非常透明、直接的沟通，效率非常高。
最后，要说的是”情绪”。情绪在决策中，在某些场景下，也会产生直接的影响。对于，理科生来说，这通常是非常容易忽略的。宏观上，决策都会基于我们的信息与认知，然后分析利弊，最后进行决策。也就说，我们会认为行为都是由理性指导的。而在实际中，情绪也会决策中的重要部分。在最后通牒的实验中，一般如果分配方案低于30%，那么响应者很可能会选择拒绝（“When carried out between members of a shared social group (e.g., a village, a tribe, a nation, humanity)[5] people offer “fair” (i.e., 50:50) splits, and offers of less than 30% are often rejected.”）。如果总是从理性的角度去思考问题，是无法解释这一行文的。一种简化的理解就是，情绪在决策中起着关键的作用。
参考：
