从97×96到万亿项目:为什么说世上所有难题,本质都是“信息压缩”问题?

神译局·2026年11月17日 07:20
一种应对复杂性的巧妙思路

神译局是36氪旗下编译团队,关注科技、商业、职场、生活等领域,重点介绍国外的新技术、新观点、新风向。

编者按:常人靠拼脑力硬抗难题,顶级操盘手靠“压缩认知”。别再盲目照搬别人的方法论,掌控复杂系统的关键,是找出那3到5个真正决定全局的底层变量。文章来自编译。

让大多数人在脑子里计算 97 × 96,他们往往会瞬间卡壳。

但如果你去问一个精通心算的人,他们几秒钟内就能报出答案:9312。

区别在于他们的做法:

他们不会直接计算 97 × 96,而是把它看作 (100 - 3) × (100 - 4),算式随之变成 10000 - 400 - 300 + 12 = 9312。

前一种人试图在工作记忆中同时记住七个数字:9……7……进 4……再乘以 9……

心算高手并不是在硬算速度上比常人更快,而是把复杂的信息压缩成了大脑可以自动处理的结构。

困难的心算 VS 轻松的心算

所有领域的精通,背后都是同一套逻辑。

原本十七个步骤的流程,变成了“顺手就做完”;原本让人不知所措的庞大项目,变成了一眼就能识别的几个模式。

你之所以做不好,是因为你还没学会把复杂的事物压缩进正确的结构里。

为什么你的大脑处理不了未经加工的复杂信息

人的有意识注意力一次只能容纳大约 4 到 7 个信息组块(chunk)。

仅此而已,就四到七个。

这就是为什么 1000000000 读起来比 1,000,000,000 费劲得多。同样的数字,没有逗号时,大脑要逐个解析九个数字;有了逗号,只需处理三个组块。

我们发明千位分隔符,正是因为它契合大脑处理信息的方式。

整个人类创新史,就是一部把复杂事物不断压缩进更优结构的历史。

我们发明文字,是因为口头语言转瞬即逝,你无法在脑海中同时装下一整套论证。

我们发明代数,是因为仅靠文字来推演问题,认知负担太重。

我们发明电子表格,是因为排列整齐的数字列比描述同一数据的大段文字更容易处理。

乐谱、电路图、建筑蓝图、化学式——都是压缩工具。它们把复杂到几乎无法处理的信息重新组织,变成容量只有 4 到 7 个组块的工作记忆能够操作的形式。

所谓化繁为简,就是找到更好的结构,把更多的信息压缩进更少的组块。

但要当心:过早压缩,可能让你对现实中尚未显露的东西视而不见。

如何更好、更轻松地思考

大多数人应对复杂问题的方式都有致命缺陷:

思维矩阵

既浅又窄(Shallow & Narrow):毫无规划,一片混乱。

深而窄(Deep & Narrow):只盯着三颗棋子,却往后推演三十步。一旦局势转移到他们没留意的棋子上,之前所有的思考都白费了。

广而浅(Broad & Shallow):设想了二十条可能的路径,每条只往前看两步。当其中一条真的发生,他们就会陷入困境,因为从没想过接下来怎么走。

这三种方式失败的原因如出一辙:试图在工作记忆中容纳太多未经压缩的信息。

解决之道:思考要有足够的深度和广度,但只针对真正值得思考的内容。

目标不是同时追踪一切,而是知道该忽略什么。

埃隆·马斯克并不会每天巡视每家公司的每个部门。2018 年,特斯拉在 Model 3 的产能上陷入困境时,他在工厂的地板上睡了好几个星期。他把精力集中在瓶颈上,其余一切则在“自动驾驶”般的状态下运转良好。

管理大型项目的方法,是把运转正常的部分压缩成无需费神的模式,这样就能把宝贵的 4 到 7 个工作记忆组块,用在真正的问题上。

有限手段的无限运用

有些复杂系统背后存在一套底层的“语法”。

这里说的不是语文课上的语法,而是乔姆斯基所指的语法:一种表征结构的系统,能够对有限的手段做无限的运用。

我们只有二十六个字母。古人大概会以为,今天的词汇早该用光了。事实恰恰相反:有限的手段(26 个字母)衍生出了无穷的排列组合、无穷的书籍和无穷的思想。

音乐只有十二个调。按理说,几百年前我们就该把曲子写尽了,可今天的音乐却比以往任何时候都丰富。

原因不在于随机,而在于规则约束了排列组合——正是这种语法创造出秩序,而非混乱。

并非所有复杂系统都能被如此干净地压缩。数学有清晰的语法,音乐也有;但人类行为、法律体系以及许多现实问题具有涌现式的复杂性,很难被规整地压缩下来。

但在存在语法的地方,试图应对全部复杂性会很低效。更容易的办法是找到那些“有限的手段”——即核心的、难以随意改动的原则,正是它们生成了你想要的结果。

压缩,是我们构建能够超越直接经验的解释的方式。

这种方法为何有效:神经科学的视角

当你把复杂性压缩成模式时,你是在把陈述性知识(需要有意识回忆的事实)转化为程序性知识(自动执行的模式)。

陈述性知识占用工作记忆,程序性知识不占用。一个模式练得足够多之后,大脑执行它就不再需要有意识的努力。这个模式本身就成了一个组块,甚至不足一个组块,因为它已经自动化了。

关于技能习得的研究表明,专家的出色表现主要依赖存储在长期记忆中的模式识别,而不是有意识的临场斟酌。

这就是为什么 C 罗并不是“单纯地射门”。他花了多年时间,把射门的技术动作压缩进自动化的程序性记忆。比赛中,“射门”只是一个毫不费力的组块,使他得以腾出工作记忆,去观察防守球员、射门角度和时机。

如何压缩:三步走

第一步:识别“有限的手段”

跳出细节,从宏观审视你的项目:哪 3 到 5 个核心要素,一旦改变,就会从根本上改变整个结构?

它们不是待办任务,而是衍生出其他一切的基础变量。

对软件项目来说,是数据模型、用户流程和核心算法。

对一本书来说,是核心论点、叙事结构和论据类型。

这些就是你的“有限手段”。其余一切,都是这些核心要素的排列或组合。

第二步:绘制“无限的运用”

找到有限的手段之后,梳理它们如何相互作用:改变其中一个变量会怎样?两个变量冲突时又会怎样?

大多数人在这一步都会失败。他们试图为每个具体场景做预案,而不是去理解背后的生成规则。

以心算为例:你不必死记 97 × 96 = 9312,而是学会这条规则:(a - x)(a - y) = a² - a(x + y) + xy。这样,任何同类题目你都能立刻算出。

在项目管理中,你也不必为每一种可能的危机做预案,只需弄清核心依赖关系:模块 A 出故障,B 和 C 会受影响,而 D 和 E 相互独立。把这些关系梳理一次,无论哪里出问题,你都能应对。

第三步:沉淀为“看不见”的知识

一旦理解了这套语法,复杂性就会变得自动化。你不再需要琢磨每一种具体的排列组合,因为生成规则已被你内化。

这是压缩的最终形态:从有意识的执行,变为无意识的执行;从工作记忆,沉入程序性记忆。

都不易,也都不难

“都不易,也都不难,只是你的思维让它如此。”

——我的朋友穆罕默德·迪科(Mohammed Dikko)

难度不是任务本身的属性,而是你知识结构的属性。

如果你试图在工作记忆里同时装下九个数字,97 × 96 就显得很难;如果你已经把它压缩了,它就显得很容易。

开发基因组测序的 AI 模型之所以比学井字棋“更难”,只是因为前置知识更多——需要先压缩的“有限手段”层级更多。可一旦你把它们压缩了,它就不再显得难。

这就是知识能带来指数级增长的原因:每压缩一块复杂性,都会成为你更快压缩下一块的杠杆。

为什么自律会变得越来越容易

压缩让自律变得更容易。

大多数人在没有压缩的情况下硬撑自律,是在咬牙熬过 47 个步骤,而他们本该先找出那 3 个能让这些步骤变简单的“有限手段”。

每周写文章、做 100 个深蹲,对我来说并不是什么甜蜜的享受,只是比不做的后果好太多。

如果你缺乏动力去做那些能让你更接近目标的事,原因要么是:

  1. 错估了难度(它很可能比你想象的容易)

  2. 对行动能否带来结果没有把握(这会让你执行得很差)

大脑讨厌把精力浪费在看不到结果的事情上;只要有比现状更好的选择,它就会立刻扑上去。

自律,就是以更小的阻力去执行被压缩的知识。

从容是挣来的;当理解不断累积,费力便化为优雅

为什么大多数建议会失效:你无法照搬别人的压缩

好的建议是可复现的。

如果有人给你“赚到一万美元的五个步骤”,你照做了全部五步,却一分钱没赚到,那么只可能是以下两种情况之一:

  1. 你漏掉了某个他们没提到的要素

  2. 那纯属胡扯

更深层的问题在于:压缩需要创造性的诠释。

总得有人先发现,a² = (a + b)(a - b) + b² 可以用来心算大数的平方。这需要对数字关系有创造性的洞察。不同文化也正是基于各自独特的视角,发展出了不同的心算体系。

什么样的组块才算“自然”,取决于你的背景、你的思维模型,以及你已经内化了哪些模式。

任何压缩都必然突出某些方面、遮蔽另一些方面,而选择突出什么,本身就是创造性的。正因如此:

优秀的老师不仅精通自己的学科,还懂得如何针对不同的听众对它进行压缩。

优秀的领导者不仅看得到复杂性,还看得出哪种压缩能帮助团队有效行动。

再好的建议,如果只给你别人的压缩结果,却不帮你培养自己寻找压缩的能力,也会失效。

大师把“他们自己”的复杂性压缩成了一份清单。但他们的有限手段并不是你的有限手段,他们的压缩选择未必适合你的思维架构、你的处境或你的目标。

菜谱管用,是因为你能看到全部食材和完整流程。抽象的建议失灵,是因为缺失的“食材”看不见:多变量的前提条件、未言明的技能、情境知识,以及最关键的——让他们的压缩得以奏效的那种创造性诠释。

好的建议不只告诉你压缩出了什么,还教你如何找到压缩;糟糕的建议只给你表面的步骤,不奏效时还怪你。

真正的本领不是压缩本身,而是选择好的压缩的“元技能”。

你无法照搬别人的压缩,必须培养自己的能力:发现模式、检验压缩,并判断一个压缩何时有效、何时失效。

这也是心算这个例子之所以有说服力的原因:它展示的是某个人发现的、具体而富有创造性的压缩,而不是一个可以盲目照搬的自动流程。

找到属于你的“有限手段”

挑一个你手头的复杂项目,一件让你不堪重负的事。

问问自己:哪 3 到 5 个核心要素,如果我能彻底理解,其余一切就会变得显而易见?

把它们写下来,画出它们之间的联系。方框加箭头、一张图,什么形式都行,只要能把这些关系从脑子里搬到纸面上,让你把它们当作一个组块来看。

检验你的压缩:它能让你的行动更有效吗?能揭示新的可能性吗?现实一变,它就崩塌吗?调整,迭代。

你也可以借助我的 Fool-Proof AI Kit 来加快这一过程。

你的有限手段是什么?找到它们,检验它们,打磨它们。

然后,去做出点了不起的东西。

祝好!

译者:boxi。

+1
7

好文章,需要你的鼓励

参与评论
评论千万条,友善第一条
后参与讨论
提交评论0/1000

36氪AI测评

选靠谱AI,看真实评测
查看
36氪AI测评官方交流社区
加入

36氪项目推荐

咨询项目审核和入驻
联系
36氪项目推荐订阅号
关注

下一篇

网红推荐的各位副业,不过是一场换了新皮的金字塔骗局。

41分钟前

36氪APP让一部分人先看到未来
36氪
鲸准
氪空间

推送和解读前沿、有料的科技创投资讯

一级市场金融信息和系统服务提供商

聚焦全球优秀创业者,项目融资率接近97%,领跑行业