在信息时代，我们面对着更复杂、不确定的环境，很多问题已经超出了简单的因果关系范畴，需要用更先进的方法论来解决。控制论、信息论、系统论就是信息时代思想工具。
吴军老师在《硅谷之谜》书中详细阐述了“新三论”对硅谷崛起的影响，正如机械思维推动了英国在工业革命的崛起，卓越的成功背后往往有更先进的方法论支持。近期吴军老师在《科技史纲60讲》中再次分享了这些观点：
- 42-上帝掷骰子吗？
- 47-信息时代的科学基础和方法论
1. 从机械思维到新三论
在工业时代，机械思维是最重要的方法论，不仅指导着科学技术的发展，也影响了人们生活和管理的方式。机械思维的核心思想是：
- 世界万物是运动的，运动的规律是确定的
- 规律可以被认识，用来指导实践
机械思维强调确定性和可预测性，认为一切事物的运行都有确定的规律。例如，在工厂中，原材料经过一系列的加工制造，一定会得到确定的产出品。
然而，20世纪初量子力学的发展，使得物理学家认识到，不连续性、不确定性是世界的本质。
- 普朗克发现微观粒子的能量是不连续的，从而提出了量子力学；
- 海森堡发现微观粒子的位置和动量不可能同时准确测量，提出了测不准原理；
这些基础的物理学研究证明了微观粒子的状态是不连续、不确定的，进而宏观的事物的连续性只是近似的。那么试图用机械思维方法准确的预测事物发展，本质上是行不通的，在简单的系统中可以取得较精确的近似，例如宏观的运动；而在复杂系统中就会发生难以控制的偏差，例如火箭、导弹的发射控制。
接受了不连续和不确定的本质，我们就需要信息时代新的方法论来解决解决更复杂的问题：控制论、信息论、系统论。
2. 控制论
控制论的起源
在二战中，长程火炮的命中率低是普遍的问题，虽然在发射的时候瞄准目标，但最终的落点呈现出随机分布。原因在于飞行过程中各种因素的影响都会改变飞行的轨迹，例如空气的湿度、温度、风速。
要想提高精度，一种思路是试图把所有的影响因素都纳入考虑，然而很多影响因素必然是不可知的。另一种思路是，既然我们不能预知所有的因素，那么能否在飞行的过程中根据实际情况做微调，不断逼近目标。沿着这种思路，以诺伯特·维纳为代表的的科学家设计了自动控制装置和系统，大大提高了火炮的精度、改善雷达追踪目标能力、以及飞机导航问题。二战之后，1948年，维纳正式提出了控制论。
在动态的过程中，既然无法提前确定所有的因素，那么就在过程中通过输入信号的反馈来控制系统，不断调整方向，从而逼近目标。
注重反应的方法论
控制论在诸多领域的应用，改变了人们的做事方式，突破了原来无法解决的问题。
- 航天登月
冯·布劳恩在二战时德国的V2火箭发明人，二战后成为美国航天工程的主要负责人，设计的土星五号火箭成功登陆月球。同样是冯·布劳恩，在以机械论为指导设计的V2火箭，在德国到英国的距离上无法精确制导；但采用控制论方法的土星五号火箭能够把宇航员精确地送到月球的预定位置，是凭借不断调节的机制。 - 软件开发
在软件开发方面，不要求一次做到完美无瑕，而是通过试错不断地完善、改进：上线、反馈、修改、完善，如此实现产品的迭代。 - 生活
影响未来的很多因素是不可知、不确定的，那么试图预测未来必然徒劳。聪明人应该考虑的是如何根据反馈，做出调整，不断适应环境。
3. 信息论
利用信息消除不确定性
二战之后，香农在通信领域提出的信息论以不确定为基础。信息论认为，系统中的不确定性可以用“熵”来描述。想要消除不确定性，就要引入信息。如今最流行的大数据和人工智能的方法论基础都在信息论。
人工智能的原理与人的智能完全没有关系，AI做的事情本质是解决能够利用数据消除不确定性的问题。例如图像识别实质是将图像匹配到若干目标类别中的一个，使得正确概率最大。在语音识别、推荐算法上的应用也是类似，都是用数据驱动的方法消除不确定性，从而给出概率最大的预测。
互联网普及后，数据量爆发式增长，并且不同领域的数据能够打通、关联起来。通过更多维度数据的综合，可以获取超越人类经验的信息。因此互联网企业更倾向于“小步快跑、快速迭代”的开发模式，将不成熟的产品快速推向市场，通过用户的反馈数据，测试产品的好坏，决定下一步的开发方向。这种工作方式，实际上是用反馈数据做决策取代了个人的经验判断。典型的企业有Facebook、腾讯、小米。
香农定律
具体在通信技术上，香农的两条定律也对我们的工作方法有很大启发。
- 编码定律：把最短的编码分配给最常用的字符，使得总编码长度最短（经济）；
这一原理在对应到商业上的原则是：最大限度地采用便宜的资源，节省贵的资源。
在当今信息时代，计算机越来越便宜，基于AI的预测越来廉价，能够利用廉价的计算资源取代昂贵的人工成本的企业，必然在竞争中占据优势。 - 带宽定律：信息的传播速率不可能超过信道的容量；
在生活中，一个人的人脉广度就是就是带宽，带宽越大，才可能做成更大的事情。
4. 系统论
整体与局部
工业时代认为，只有每个部件最优，整体才能最优。而系统论认为，局部最优未必实现整体的最优。典型的案例成苹果，iPhone的成功不是因为所有零件都是最好的，而是在整体上实现了产品体验最佳。
系统论给我们的启发是：
- 对于复杂的系统，整体不等于系统的加和；
经典的学霸思维是，只有门门功课成绩都好，总成绩才是最优的。然而在社会中的竞争模式完全不是这样的，为什么“技术最强”的公司并不是最成功的公司呢？公司的成功取决于整体系统的能力，仅仅在技术上取得优势是不够，还必须在产品、运营等其他方面做好配合和支持。 - 为了整体的最优，可以付出局部的损失
对于个人，要到达系统的目标，例如取得更大的事业成就，必然接受在一些方面的不足。例如一些科技公司的高管，未必是技术上最牛的，但他们能在商业合作、产品规划等方面综合做到最好。
开放与封闭
系统论的另一个启发是，系统的开放性和封闭性决定最终的演化方向：
- 封闭的系统永远朝着熵增（越来越无序）的方向发展；
- 开放的系统会引入负熵，让系统通过与外界的交换，变得更加有序；
封闭的系统，不论起点多高，关起门来发展，最终人员会变得同质化，死气沉沉。他山之石，可以攻玉；而近亲繁殖，道路会越来越窄。
5. 三论思维在招聘工作应用
2017年夏季，在原来的设计院公司承担了应届生招聘的工作，在解决问题推进工作的过程中，有意无意地用到了信息时代的方法论。最终2018届入职的5位新人都来自于这次招聘的实习生。
信息论
对于高度不确定的事物，引入足够的信息就能消除不确定性，更好地达成目标。招聘过程也是一样，我们对学生的了解越多，掌握的信息越全面，主动性更大。在招聘工作中，为了获得足够的信息，需要采用各种措施：
- 设计了应聘申请表：用来全面了解一个人的重要经历
- PPT：充分展示应聘者的项目成果，尤其反映诚意；
- 电话面试：具体了解个人情况、对工作和地域考虑、家庭方面的考虑；
- 在可能的情况下，可能通过同学关系取得第三方评价，交叉验证；
为了核实应聘申请表中的一些信息，必要的时候需要上网搜索，验证信息，尤其发现了一些简历造假的情况。在高质量信息的基础上，才可能做出优质的决策。
控制论
机械论思维下，做事情只要做好了计划，按部就班即可达成目标。而在动态的过程中，实现目标需要根据现实的情况不断优化，新的境况下采取更合适的措施，通过不断优化：
- 早期招聘过程中，通过同学推荐招的同学；
- 后来扩大招聘后，采用群通知+面试；
- 全国范围招聘，改为院系通知+标准邮件要求+电话面试；
过程中遇到的问题是不断变化的，也就需要不断调整策略和方法。
系统论
复杂的系统中，多个环节之间是相互影响的，要综合考虑各个子系统之间的关系。例如，
- 其他院同期招聘引起我们的人员分流；
- 执业资质考试导致附近几天学生材料发送延迟；
- 夏季项目多的导师，学生很难在6月出来实习。
此外，最终的招聘质量不仅取决于招聘的筛选，招聘后实习过程的安排和落实也是系统的一部分。如果对实习生的安排管理不到位，可能造成优秀生源流失，使得招聘的成功大打折扣。
人才招聘的最终质量取决的企业的价值和吸引力，是企业综合实力的投影。