我试图描述自己思考的过程

前天散步时用flomo记了一堆卡片，用paper画到一起了。

​我试图描述自己思考的过程。那些看似random的想法，是否有着神奇的联系呢？

*友情👭提示：以下文字你从哪个部分开始看都可以，因为彼此之间的联系没有前后顺序。

一开始的问题是：

如何进行无损的🧠匹配？

我不想用articulate的东西去证明我行，我匹配，我有什么思想。那别人怎么知道我行，我匹配，我有什么思想呢？根据六度人脉理论：我和elon MUSK之间隔着6个人，有没有方法直接让我俩进行无损匹配（brain-to-brain）。

➡️第一，像nerolink或更科幻的方式，直接插管儿，神交匹配，就不讨论了。

➡️第二，我们用朴素（dirty work）的方式先想：匹配的前提两方要以某种方式还原自己的大脑模型，再进行相关性（相似度）分析。

还原人是怎么思考的模型

试想一下，你是怎么思考的？

比如，阅读的过程就是，眼睛的停顿👀

第一遍，浏览，看到关键词，停顿。如果停顿多，进入第二遍。

第二遍，读和理解。围绕停顿处建立该语境下的概念（intercontext）

第三遍，提出问题，联系自己语料库中相似的概念，进行关联和合并（或遗弃）。

好像有点抽象。

好，那需要借助roam这样的工具，帮我具象出来我是怎么思考的。去visualize这个过程，真的打标签👀。

具象：roam如何帮我「理解」「复杂问题」？

建立概念[[]]

定义关系###

提出问题(())

首先，复杂问题对不同的人来说是不一样的。

首先，复杂问题是指那些影响因素非常多的问题，对于不同的人来说是不一样的。

对孩子来说（复杂问题是非任务型的，无意识认知世界），比如说话，咋就学会说话了呢？

对成人来说，复杂问题是指标/任务型的，需要用逻辑和论证（reasoning）等进行解释，基于此才能行动和决策。比如营销是什么？怎么做好营销？

然后，什么叫理解？

孩子理解复杂问题时偏向cognitive learning, 也非常有效（甚至异常有效）。

后者则需要应用和反馈的过程，只是构建知识框架还不行，需要具体实践来检验是否能解决问题。

举个例子：围绕system dynamics（系统动力学）这个复杂问题

最早的设计动机源于一个经济问题：如何判断一个企业成败？ His initial goal was to determine how his background in science and engineering could be brought to bear, in some useful way, on the core issues that determine the success or failure of corporations. 后真正催生这门学科是当时帮助GE度过商业难关：Forrester用该理论向GE decision makers解释他们面临的employment instability不是外部原因（商业周期），而是内部问题，最终帮其解决困境。 Forrester was able to show how the instability in GE employment was due to the internal structure of the firm and not to an external force such as the business cycle. These hand simulations were the start of the field of system dynamics.

关于应用和反馈

由上面的例子获得的启发是：为了使得复杂问题能接受检验，还是要从一个经济问题开始切入，围绕这个问题收集卡片，建立图谱。

由无损匹配🧠这个复杂问题如果导向一个经济问题 ：

如何衡量一个作品/人的长期经济价值？如何衡量个人网络的价值？

再进一步，如果导向一个的和个人相关的经济问题（可以decision making的部分）

某个NFT值不值得买？

为什么从网络直接跳到NFT投资了呢？这里我在想什么适合作为载体去研究网络的经济价值？我们来看三种经济活动: 天使投资，二级市场股票/token投资，NFT投资

•天使投资 VS NFT投资

相同：投资者数量少，画像清晰，质量较高
差异：是否参与共创的部分。前者Fin>social, 后者social>Fin

•二级市场股票/token投资

投资者数量多，画像不清晰，宏观影响因素太多

在投资这个具体可决策的应用场景下，我要去评估一个：NFT值不值得买？ 所以总结一下，上面的思考过程是一个 decision loop：

decision making

目前可供研究的use case中，最成功的可能是CryptoPunks和无聊猴儿，但问题在于没买，没法儿skin in the game。于是我选择了两个有能力参与（就是买的起；）但目前还没有如此耀眼成绩的NFT——Hashmask和Blitmap。

skin in the game

我的计划是，通过成为两个社区中的一员，去感受网络形成过程，提炼各种可能的自变量以及因变量。现在猜想有以下影响因素：

social capital : twitter (参与节点的importance)，discord（活跃度）

onchain capital : 链上数据是可见的。比如用nansen可以查出围绕一个NFT创作者的数据：藏家画像（每个匿名/非匿名地址在NFT生态中的活跃度，盈利水平、hodl的情况）等，或许可以作为parameter…

relate sources待查阅

1）#[[Paper]] [[Mapping the NFT revolution: market trends, trade networks and visual features]]主要基于链上NFT交易进行的网络分析。

2）#[[Paper]] Google的[[PageRank]]

PageRank提出了网络的计算方法，其中random surfer model通过计算和某个page连接的page的重要性，来计算该page的重要性，damping factor用来处理孤岛事件。

3）#Books Albert-László Barabási的书[[networked science]]，主要讨论复杂系统和网络之间的关系，作者同时在SuperRare实践数据可视化。

“在21世纪的第一个十年里，人们对网络科学的兴趣呈爆炸式增长，其根源在于发现尽管复杂系统有明显的多样性，但每个系统背后的网络结构和演变都是由一套共同的基本规律和原则所驱动。因此，尽管真实的网络在形式、规模、性质、年龄和范围上存在着惊人的差异，但大多数网络是由共同的组织原则驱动的。一旦我们不考虑各组成部分的性质和它们之间相互作用的确切性质，所得到的网络的相似性多于相互之间的差异。”

4）#Paper [[The Explicit Economics of Knowledge Codification and Tacitness]] 

这个1999年的paper论证了隐性知识被编程和经济化的合理性，也一定程度上可以类比目前NFT作为一个将隐性知识程式化（medium of tacit knowledge codification）载体的合理性。他提到两个前提：第一，人们开始认可隐性知识的重要性和很难抄袭，第二，信任和自由分享的环境对其最有利。

除此之外，一个很重要的点是：专利根本无法保护隐性知识的经济性。

写在最后

以上纯属走路🚶‍♀️时的自娱自乐，在这大概还原一下整个过程。因为我就很奇怪为什么刚想着一些关于匹配啊、网络估值的问题，然后回去就把Hashmask买了呢？

the decision loop

你可以看到这个图，decision making的过程是一个环（loop），不是一个单向的谁导致谁，每一个部分◆◼︎●都影响其他部分←→。整个过程会受到你放进这个loop中的问题、你接收到的信息的影响。

「二分心智的崩塌，人类意识的觉醒」中有一句话是：人不会每次做决策都有意识按照某个流程去想，因为很多决策来自直觉能力（Aptic structure），mental model塑成的是这种直觉能力，它可以在你没看见（即无意识）背后这一切流程的情况下，做出决策：

“Aptic结构是能力的神经学基础，由先天进化的Aptic范式加上发展中的经验结果组成。这个术语……是为了取代本能直觉(instincts)等表达不准确的词汇。它们是大脑的组织，部分是先天塑成的，使有机体在某些情况下天然的以某种方式行事”。

（本来已经要结尾了）

有趣的是，刚刚收到好友的email：

关键词又接上了哈哈哈，也欢迎大家给我推荐各种与上面任何一趴相关的sources！