我们被淹没在信息的海洋里，却因缺乏知识而挨饿。
约翰·奈斯比特(John Naisbitt)
法式油炸食品含致癌物质吗？
据2002年瑞典的一项研究报告，淀粉类食物，比如说法式油炸食品、薯片、大米、谷类等包含丙烯酰胺的食物可能与癌症有联系。你看到这个结论以后，会从此不吃这些食物吗？如果你真的不吃，你可能会吃惊地发现，在九个月以后的后续实验中，研究者们又发现这些食物虽然包含丙烯酰胺，但是并不致癌。
打击仍在继续：“研究发现，油炸食品DNA成分变异。”这是路透社2003年6月17日的头条新闻。在标题之下，报道解释道，丙烯酰胺产生变异，破坏了DNA。但是几个星期以后的7月5日，路透社另一头条新闻显示：“研究发现，煮熟的土豆片与癌症没有联系。"
你还会吃土豆吗？对以上这些报道，你或许仅是读读而已。
你如何筛选这么复杂的信息？
在经过多年只吃低脂或无脂食物的痛苦之后，你会发现，最近研究表明，食物中的反式脂肪酸和不饱和脂肪酸会增加患心脏病和癌症的风险。这些发现的研究者们推荐未被加工的脂肪，比如橄榄油、黄油甚至猪油。这样的话，这么多年来你在面包上涂抹人造黄油，深受其害，又是为了什么呢？
明天会出现什么新的研究？你如何从虚妄中区别出事实真相？你应该完全停止吃那些“危险”食物吗？你会开始抽烟吗？毕竟，总会有某个研究在某天跳出来告诉你，那些东西并不真的那么可怕。
我们每天被各种建议、研究和信息流轰炸。你如何从中分辨出最重要的并按之行事？你如何发现那些意味着你需转变心智模式和行为的信息，剔除大量无用信息而不被其淹没？在这章里，我们会探讨从复杂的信息流中获得有用信息的策略，包括一个拉近镜头看细节和拉远镜头看全局的过程。
我们正被信息淹没着。加州大学伯克利分校的一项正在进行的研究评估发现，世界正以每年1千兆兆-2千兆兆（1千兆兆也就是l018）字节的速度制造信息。换句话说，整个星球上每一个男人、女人和儿童的人均负担大约为2.5亿字节。电子邮件以每年610亿封的速度在我们之间传送。到2000年，大约有2 1万亿字节的静态网页，并以每年100%的速度递增。[1]更多的人每天都在写“blogs"——一种观察日常生活的在线日记，可与数百万人共享，但谁有时间把它们全部读完呢？
理查德·沃尔曼(Richard Wurman)揩出，一份平日的《纽约时报》的信息量与17世纪一个普通英格兰人一辈子所接触到的几乎一样多。[2]知识大约每十年翻一番。过去30年里产生的新信息，比过去5000年所产生的信息总量还要多。
如此复杂的信息洪流很快就会冲垮我们感知世界的能力极限。我们需要从复杂的信息中筛选出所需要的，以改善这种状况。在这一章里，我们将探讨一个能帮助我们同时了解细节和全局的过程。
什么是知识
知识本身的意义在不断地变化着。我们都知道如何编纂一部百科全书。首先，你召集成千上万的、来自不同领域的顶尖专家，然后请他们介绍本领域内的专业知识。这种编纂百科全书方法的最好实例是《大不列颠百科全书》第1 1版（1911年出版）。这可能是最后一次以这种方式来集中全世界的知识，用出版者的话来说，这部百科全书是“人类知识的总和——包含所有人类思考过的问题、做过的事情以及达到的成就”，或者是“知识之树的一个树干剖面”。这是一个人们真正可以把知识看作一棵树，而不是被流沙包围的丛林和爬行着各种动植物的灌木丛的时代。（大约比这早十年，美国专利办公室建议国会关闭这个办公室，以节省经费，因为所有能被发明的东西都已经被发明了。）
“人类知识的总和”由各个专业的条目积聚而成。比如，一个历史学家撰写美国大革命的相关条目，一个艺术历史学家撰写关于米开朗基罗( Michelangelo)的条目，一个物理学家对牛顿定律作出评论。在主编的帮助下，这些作者将人类庞大的知识库集合为简练的条目，并存放到一摞书中或一张光盘里。这种方式世代沿用，将这个世界的知识以一种严谨而有效的方式整合在一起。
但如今，出现了一种与传统大相径庭的知识组织体系——维基百科( www.wikipedia.com )。这里没有撰写条目的专家，而是完全采用一种来自民间的自发组织系统来建立知识体系。任何一个人都可以加入条目，并将此条目与其他条目链接起来。如果添加的条目正好是错的，那么某个知识更渊博的人就会加以改正。维基百科有一些基本原则，但这个系统是完全开放的。那些对条目的增添做出贡献的人，一直保持匿名状态，与他人共享知识。随着时间的流逝，众人一起编纂的这个百科全书的内容越来越丰富，越来越全面，越来越准确。而这个互联网系统内部也建立了链接。
同样地，像Google一类的搜索引擎已经从依靠机器在网络中寻找信息，转变到通过人类专家组了解四处蔓延的网络，再到如今依靠志愿者跟踪特定领域的知识。这个“开放目录计划”(http://dmoz.org )依靠全球的志愿者建立经过人工编辑的网络目录，这些志愿者们只对某个特别的领域感兴趣。通常，商业目录网站会以低报酬聘用相关专业的职员来充实内容，应付网页不断增多的情况。而志愿者计划则有效利用了众人的热忱，能“提供一种方法让网络进行自我组织”。
这些有关信息组织的观点迥然不同。哪一种观点更好一点呢？从一个传统的百科全书编辑的角度来看，维基百科的方法是无法想像的：你如何相信并非来自专家的信息？从维基百科的角度来看，大量的人关注信息，无疑会更快地找出并纠正错误；而且，在一个知识更新如此迅速的世界，即使顶级的专家有时也会出现偏差，历史也有可能被重写。而维基百科所采用的是最为灵活的适应变化的方法，能够反映各式各样的观点，打造一个更广阔、更丰富的知识基础。收集知识的不同方法会产生不同的结果。
例如，在定义“communlty”（社区）这个词的时候，《大不列颠百科全书》第15版的解释将重点放在这个词的生物学意义上，而维基百科作为一个在线社团，对这个词进行了更为广泛的解释。解释包括好几部分：比如说“主体”和“虚拟社团”。而另一方面，维基百科对“transformation”（变换）一词下定义时，把其用作分子生物学和数学中的精确术语，而不是看作用来描述商业或人的变化的词。《大不列颠百科全书》有“insight"（洞察力）这个条目，而维基百科对此没有专门的条目。每一种百科全书都有自己的盲点，两者都没有特别关注“mental models"（心智模式）这一概念。为了公平起见，我们必须注意到，我们比较的是在线的“维基百科”和纸版印刷的“大不列颠百科全书”，所以我们应该认识到，信息的不同格式也会影响我们与之相互作用的方式。例如，在线模式更易于进行定向搜索，而印刷模式则更便于浏览。
还有其他组织和了解知识的方法。《牛津英语字典》通过引用著作中词语的用法来记录单词含义的演化过程。（《牛津英语字典》也采用了与“维基百科”类似的开发过程，字典中的许多条目都是由志愿者提供的，其中最多产者之一是一位英国监狱里的杀人犯。[3]）普林斯顿大学的心理学教授乔治·米勒( George Miller)以他对记忆过程的研究成果为基础，开发了名为“Word Net"的网络项目。[4]比起一般的字典辞典，它列出了更多的定义，提供了更为广阔的视角。除了列出更多定义（例如“community”一词有八个定义）、同义词和反义词，Word Net也不像其他辞典一样按字母顺序排列，而是按照词的语义结构进行排序，在解释某个词时集合了该词的“上位词”或词汇所代表的属类（例如，狗是一类犬齿动物，是一类食肉动物，是一类哺乳动物，是一类动物，是一类生物）、“下位词”或词汇的具体实例（例如，杂种狗、宠物狗、哈巴狗、达尔马提亚狗、纽芬兰狗）以及“组成关系”或词汇的构成部分（如“flag"指狗的尾巴）。
这些变化赋予词汇上下文关系，而这种关系对于人类、特别是机器翻译极有价值。如果没有这样的上下文关系，机器翻译程序就会犯一些典型错误，例如把“the spirit is willing but the flesh is weak”（心有余而力不足）这个短语翻译为“the vodkais good but the meat stinks”（这伏特加酒不错，但这肉臭了）。显然这样的译文与原话大相径庭。
我们对词汇和其他信息的理解在很大程度上影响着我们的感知和行动。那些百科全书，例如维基百科、《牛津英语字典》和Word Net项目提供了不同的模型来收集和组织知识。既然有许多看待同一套数据的方法，那么筛选、排序和打乱数据会使我们所看到的事物产生戏剧性的差异。
尽管诸如从事新闻事业之类的专家被认为不带有偏见，但他们与其他人一样，身上总是带有训练和文化所带来的偏差。新闻记者通过表述同一问题的不同侧面以求得公平和客观，但实际上，把问题的方方面面都考虑周全，其难度并不亚于邀请所有政党的候选人参加一个总统辩论会。所以，有些观点总是会被遗漏的。
文化甚至会引起我们对词汇定义的偏差。我们中的一位曾经让学生在不同民族的百科全书里去查找某个术语的定义，例如“民主”，可以想像，即使是同一个词，一定也会有种类繁多的定义方式。
将另一堆百万字节的数据投向一位“溺水者”
信息不仅能增长，而且能以不同的方式流通。通过24小时全天候的新闻机构，我们可以与地球上几十亿人共享全球见闻，比如“9·11”恐怖事件、戴安娜王妃之死或者世界杯足球赛。这也是公司为何想让雇员们无时无刻不把寻呼机、掌中宝、电子邮件和手机接到网络上的原因。
我们已经到了吸收数据能力的极限，更不用说去理解它们了。我们有限的注意能力正以一个常数被消耗。1992-2000年，美国家庭花在媒体（电视、广播、报纸、书籍、杂志、录像、视频游戏和因特网）上的平均时间仅仅增加了1.7%，基本上徘徊在一年3 300小时左右。这说明我们可能已经到了极限。尽管如此，2000年，平均每个家庭通过各种渠道接触到330万兆字节的信息。[5]
我们中的许多人已经超过了极限。这种信息超载会干扰我们的睡眠、精神乃至免疫系统，英国心理学家戴维·刘易斯( David Lewis)将这种“数据烟雾”所导致的现象称为“信息疲劳综合症”。已经发现，它与消化不良、心脏疾病和高血压等一些物理疾病相关；它所引起的更为普遍的症状是神经麻木和错误判断。[6]
繁杂的事物很快会导致混乱。美国国家运输部的智能交通部门赞助了一项在美国橡树岭国家实验室(Oak Ridge National Laboratory)中进行的研究，研究中被试被置于不同的、有外在干扰的车辆驾驶室中。当主试者要求被试者沿一条路线驾驶时，这些被试者受到各种自动指路系统、移动电话和网络新闻广播的干扰。同时，研究者给被试者出一些简单的数学题：如果你的车用一加仑的汽油可以跑12英里，那么如果你开完96英里的路程，一共需要多少加仑的汽油？有六分之一的司机忘记了转弯，一些没有接听电话，一些答错了那道初级的数学题。好在36个被试中只有两三个在45分钟的车程里发生了事故，但更多的人一路上感到，他们的思维“失事”了。[7]
知道得越多，理解得越少
过去，信息的作用是帮助我们减少不确定性。而现在，我们拥有的信息越多，理解得却越少。信息来自不同的渠道，具有不同的特点。我们需要确认这些信息的可靠性。对信息的理解取决于信息发布者和接收者的程序。而信息本身的飞速变化使得我们对未来的预测变得更加困难。我们生活的这个地球村由网络联结，形成了一个持续变化的非线性世界，但它同时也是一个充满着短暂时尚和永恒真理的喧嚣世界。
对我们而言，真正的挑战不仅是抵挡住信息的冲击，还要理解这些信息。我们该怎样面对繁杂的信息海洋并从中提取精华呢？我们怎样才能不被海洋吞噬又找到那些藏在海底深处的珍珠呢？
涸泽而渔
有些人想采用中国古老寓言中的人物的做法：涸泽而渔，即吸干河水得到存留在水底的鱼虾。现实中采用“涸泽而渔”的方法获取信息的一个实例是美国国防部，它计划花费2.4亿美元开展“全面信息分析”(TIA)。这个项目将分析来自美国银行账户、税务表、驾驶执照、航线和旅行预定、信用卡购买、医疗记录、电话和电子邮件以及所有可能的海量信息。这样，政府就可以从这些信息中寻找显示问题所在的模式或潜在联系。[8]
暂且把个人隐私问题放在一边不谈，TIA看起来是一种使用蛮力进行信息处理的方案。许多专家认为，这个庞大的、繁杂的、笨拙的和持续变化的数据库不大可能提供独到的洞察力。一旦恐怖分子觉察到什么会被跟踪，他们可以很快采取相应的反追踪措施。对此，各公司已经拥有许多关于“数据挖掘”优缺点的经验。另一种可行的方法是采用分散防御的方法，就好像一个免疫系统，找出威胁所在并想办法对付它们。这个系统花费的人力和财力都比较少，同时也使“黑客”更难以侵入。
有一个颇具诱惑力的想法是，用一些超级计算机分析世界上的所有数据，并从中找出创造性的思想。然而，汇集大量的分散数据并不一定能提高洞察力。实际上，它可能使数据更难以理解。因此，一个强大的信息系统和数据挖掘过程还需要与精确定义的感兴趣领域联系起来，并在这个领域之内对数据进行分析和理解。
豪尔赫·路易斯·博尔赫斯(Jorge Louis Borges)所著的《博闻强记的富内斯》( Funes，The Memorious) -书对堆积大量不理解的信息进行了非常有趣的讽刺性描述。主角富内斯拥有超强记忆能力，他可以记住他生活中发生的任何事情，包括每一分钟的细节。他甚至记得很久以前某天太阳在哪一秒升起，太阳升起时每一层颜色的变化。但是，他无法依据如此完美的记忆改变任何事情。所有过去的信息让他窒息，他无法进行思考。博尔赫斯试图通过这个故事，突出原始数据的堆积和创造性理解之间的区别。我们要避免因为使用技术而把自己变成另一个富内斯；我们应将重点放在从知识的洪流中筛选出天然金块的过程。
上下文关系重于一切
我们不能期望通过收集海量的信息就能一眼看穿事物内在的意义。有时我们无法看清信息的特征，是因为这个特征无法独立于信息的上下文关系存在。当我们像摘果子～样把信息采集下来放到篮子里时，我们可能使得理解它更为困难，因为我们将信息 与相关的环境分离开了。
我们所见的往往取决于我们是在何种情景下看见它的。例如，在图6-1中，你看见了什么？
有些人可能看见的是一个字母重于一切“B”，而另一些人可能看到的是数字“13”。究竟是数字还是字母呢？让我们来看看不同语言环境下的同一内容。请看图6-2，上下文关系告诉我们，剐刚看到的是一个字母“B”。而图6-3则告诉我们看见的是数字“13”。
究竟是一个数字还是一个字母？我们经常认为，这样的问题对应于一个正确的答案。但这个答案不仅仅取决于我们看到了什么，而且还取决于我们如何理解所看到的内容。我们理解事物的方法不仅仅取决于内容本身的特征，而且取决于该内容的上下文。
为了理解这个图形，我们首先将注意集中于个体特征上(13或B)。接着我们回过头来看这个特征所处的语境。然后，我们再将镜头拉回到个体特征上，加以放大。这种视觉方式是几乎贯穿我们一生的本能模式。每次我们会先注意细节，接着退一步，看看上下文，然后再将注意力缩回到细节上。拉远镜头看全局，可以让我们避免过于关注细节而对整体迷惑不清，无法行动；拉近镜头看细节，则可以帮助我们避免注意力过于涣散而无法采取具体的行动。
拉近与拉远镜头
就像我们的视觉一样，在当前信息环境变得游刃有余、心领神会的关键在于形成将镜头拉近、拉远的程序。通过这个程序，我们就可以对抗一些本能倾向，不至于过度近视或远视。这就像过一段时间后，我们将视线转离计算机屏幕，以免目不转睛地盯得太久而感到疲劳。
我们通常只根据外在感觉刺激的一小部分来构造一幅完整的画面。在这个过程中，我们要从雪崩一样的大量信息中进行筛选。首先，我们要弄清楚哪些是相关部分，并将注意力集中于这些部分，这样我们的观念就不会建立在流沙之上。要弄清哪些是相关部分，我们需要将镜头拉近，近距离地观察细节。这一过程能帮助我们辨别不符合预期的信息，这些信息应激起我们对自己心智模式的挑战。其次，要弄清楚我们是否能观察到足够多的信息，形成一幅完整的画面。此时我们采取的方法应是将镜头拉远，观察整体。
如果我们停留在远距离观察上，我们会很快被繁杂的数据淹没。这就好比在一个拥挤的聚会上，个人如果想倾听所有的对话，结果一定是他什么都听不到。但如果一个参加聚会的客人只是拉近镜头，盯着某一处的谈话，那他会因为注意力过于集中而无视某个重要人物的到场。如果我们像驾驶员那样边看仪表盘边看路，不断地把视线焦点拉近、拉远，我们就可以同时看到细节和整体，我们就可以快速行驶在高速公路上。
如图6-4所示，一只老鼠可能跑到一块奶酪边上用力地嗅嗅，以此来判断这块奶酪是否可吃。这就是一种将镜头拉近的方法，对采取行动而言是必需的。但在做出决定之前，这只老鼠需要观察一下奶酪所处的环境。如果这块奶酪正在餐桌上，老鼠可以立刻将观察环境的镜头拉回到奶酪上，做出吃的决定。但如果奶酪正处于如图6-5所示的环境呢？老鼠做出的决定就会完全不一样了。
我们必须建立检查细节的整个过程，以帮助我们迅速行动。但同时我们需要保持对整体的观察，了解细节所处的环境。就像一个艺术家画一幅画一样，我们必须对画布有一个整体构思，同时也要具体到每一片小叶子如何落笔。
我们需要不断地把镜头拉近、拉远，每次都把注意力转换到另一件令人好奇的事情上。在这个过程中，我们经常需要从当前的关注点跳出来，以具备更为广阔的视野。在这个视野中，我们可以再次观察，确认环境没有发生变化。生活十分复杂，不能认为“悠悠万事，惟此为大”。在你的生活中，不太可能只有一件重要的事情，除非是极其紧急的事件。因此，最重要的是，在那么多的事情中，不断移动关注点，找到平衡，然后把关注点放到另一件有趣的事情上，先远距离地观察一下环境，再把镜头拉近。但要注意，一旦你将镜头拉近，务必立刻做出决定，付诸行动，然后再将镜头拉远，进一步评估。
如果我们一味盲从，有一套过时的“做事”清单，每件事都有绝对的、一层不变的优先等级，就意味着我们将注意固定于镜头拉近后的某一点上。比如，你按照事先制定的“A计划”来一步一步地行动。但与此同时世界发生了变化，那么你该怎么力呢？你是从清单上抬起头来，承认这些变化，并采取措施；还是一如既往，无视问题发生的变化？你最好是采取一种近观细节到远观环境的过程。你拉近镜头，聚焦，采取行动；然后拉远镜头，检查环境。这一过程不但有助于完成你认为最重要的任务，同时还能保证这些任务确实是你的头等大事。
拉近与拉远镜头的过程
你怎么才能不断地将镜头拉近和拉远呢？当你在花园中近距离仔细观察一朵花时，你可能是为了弄清它的种属、颜色或是为 了判断它是否生病或需要照料，是否需要拔掉它周围日益蔓延的 杂草。然后你可以拉远镜头，观察整个花园。这时看到的鲜花对 整个花园产生什么效果？是整体上的恰好平衡还是各种花卉的混 杂？整个花园是否充满生机？正在枯萎的花儿是个别现象还是不 好的征兆？你可以采取远近不同的视角来重复这个过程。
先应采取哪一步呢？这取决于你手头的问题。一些技术上复杂的问题应该始于镜头拉近的过程。你可能会面对某个危机，例如手术失败或需要立即处理的疾病，在短时间内你将注意力集中于这个特定的问题上。在处理完这个严重的健康危机后，你可能会拉运镜头，关注更为广泛的问题，如与此相关的饮食和锻炼问题。在应对其他的一些挑战时，开始可能需要更加宽广的视角，如对健康的一种模糊感觉，或对销售量下降及工厂产量变少的一种意识。有了这样的整体印象，你就可以开始探求细节，看看到底发生了什么事情。
知道你所处的位置
相对于反复切换两种视角的能力来说，采取这些过程的顺序并不重要。通常你会从较有利的一点开始，所以首要的问题应该是：“对于某个问题而言，我现在处于什么样的位置？”如果你正处在一个较远的地方，那么你就需要拉近镜头，仔细检查那些重要的细节。如果你面临的是这个问题的大量细节，为它的繁杂所困扰，你就需要把镜头拉远，以更宽广的视角来看待这个问题。一旦你知道处在什么位置，就可以调节视点，避免过于固执和呆板。
你同样需要知道自己正在寻找什么。当你进入一个饭馆或会议室时，通常不会花费很多时间来观察每件家具、油画、灯具或窗外的景色，而是会将环境分类为饭馆或会议室，聚焦于将与你会面的那个人。在这个过程中，你可能会错过许多细节，但你却持续注意了重要的细节。另一方面，如果你是一个室内设计者，在与客户讨论如何重新设计房间，那么你应该顾及你所处环境的所有细节，这样，你对房间和装饰的分类就会更为丰富。你需要更加精确地判定装修的风格、颜色样式和其他因素。你的视角决定了相关关系，而相关关系又决定了你所关注的信息。
如果你知道与某个特定问题的相对位置——离细节很近，或在很远处——你就可以更好地决定需要做什么，开始拉近或拉远的过程。但你如何切人这个过程呢？
拉近镜头
拉近镜头的过程就是更加集中地关注事态的细节。这就意味着，你要放弃在远处冷眼旁观的舒适，进入一片齐腰深的沼泽。有几个途径可以帮助你更好地关注细节，而不被这片沼泽围困，
其中包括严格的分析和归类。请注意，你的焦点取决于你当前的
心智模式，这些方法并不能帮助你转变心智模式。它们仅仅可以
帮助你看清混乱的环境。当你退后一步，采用更为宽广的视角，
你就可以更好地理解你当前的心智模式，看到一些新模式的可
能性。
严格的分析。马克吐温讲过一个故事：一只被火炉烫过的猫明智地不重蹈覆辙，但它也会避开冰冷的炉子。
你需要注意避免对让你警醒的芝麻细节作出过度反应。美国政府在2003年初建议购买管道胶带和塑料薄膜，以防止出现生化武器攻击，结果杂货店遭到哄抢。第二天，官方和非官方的评论员纷纷评论这一过度反应。在这个例子中，过度反应并没有造成危害，但其他的一些过度反应的例子就不是那么温和了。你应该进行细致严格的分析，探求各种不同方法的风险和收益。
严格的分析帮助我们专注于理解细节。例如，花旗银行认识到，如果公司不能提出具体的商业问题，那么从用户那里收集到的堆积如山的信用卡数据将毫无意义。再比如，当有一个顾客打电话到你的呼叫中心，什么是最好的交叉销售机会呢？这是一个你可以根据数据库进行实际测试的问题。没有正确的问题、分析和视角，无论你收集到多少棵大树，你也不能看到森林。一个明确提出假设和作出分析的严格程序，有助于引导拉近镜头、观察特定信息的过程。
像“元分析”一类的分析工具，可以使准确性达到一个更高的水平。在元分析中，研究者从一系列研究中提取真知灼见。例如，对脂肪类食品与癌症的关系这一问题，元分析评估所有相似的研究，并基于整体研究得出结论，而不是像媒体那样，只抓住最新的一个研究作宣传。
这种严格分析应该特别关注极端值和矛盾所在，它们也许是真理的碎片，可以挑战你的旧模式，或者将你引入一个新的方向。对特定的数据，问问自己应如何进行更为严格的分析。你应如何检验假设、发展假说，并提出清晰的问题？你如何以一种能够让你进行实验和学习的方式聚焦于细节？
分类和优先。为新的信息准备一个分类框架将有助于聚焦于细节而不被信息淹没。当一名科学家发现了一种新鸟，并已经知道这种新鸟属于恒温脊椎动物和鸟类，他可以将它与其他已经存在的种类作比较，以确定它在从前没有被发现过。如果这种鸟没有什么特别之处，那么它就会被归人已经存在的某个种类。如果它确实有独特之处，那么就在物种谱系中留出位置。你可以使用相似的方法来处理涌进你的生活的信息。
分类方法有很多。一种常见的方法是根据接近性。例如在玩桥牌时根据花色和数字分牌，在玩金拉米牌时根据分值归类。再举一个非常简单的例子，洗菜的厨师把脏的菜放到水槽的一边，洗干净的菜放到水槽的另一边，这样就能更好地弄清哪些菜已经洗过了。[9]这里还有其他一些分类根据：
——相似性：项目之间有多少相似之处。
——共同性：这些项目是否一起运动，就像一部车的各个部件或者某个年级的一群学生。
——连续性：它们能否组成一条平滑、连续的线。在玩智力拼图游戏时辨别出某个特定位置的拼块，或在流水线上以是否符合规划为基准挑出部件、组装成产品时，使用的就是这种分类法。同样，如果我们按照编年顺序或字母顺序来排列信息，这种连续性模式也提供了一种评估信息的自然方法。
——环境：它们是否以一种闭合在一起的形式存在，以及它们是否会共同在背景的衬托下凸显出来。[10]
除了较为直觉的分类之外，还可以使用几种统计工具来创建和填充类别。一些工具，如聚类分析和多纬度度量( MDS)，有助于对从消费者市场调查或其他渠道收集到的大量信息进行关系分析，从而对这些信息进行分类。这些工具能用来从大量数据里筛选有价值的信息，提取全新的见解。
区分优先次序是分类和过滤信息的一种重要方法。哪些信息是最重要的？它与其他信息有什么关联？不太正式的做法是确认一系列需要细致考察的关键矩阵或决策。也可使用更为正式的方法，比如层次分析法(AHP)。但一个非常重要的告诫是：优先性的设定通常基于对世界的某种既定看法，因此，应该不定期地后退一步，看看优先性安排是否还符合现实，这仍然很重要。
你如何将生活中的信息进行最合适的分类？什么样的框架和系统可以帮助你组织并跟踪信息，并由此建立一个完整的知识体系而非获得一些随机的信息？要意识到，在使用分类以拉近镜头的过程中，起先你会应用基于你现有心智模式的分类。你可能会把细节看得更清楚，但你使用的还是已有的镜头。你需要寻找基于其他模式的不同分类方法。
避免因为关注过于宽泛的内容而陷于瘫痪。你也要提防注意力过于分散，使得你被信息淹没而无法采取行动。观察所有的东西就等于什么也没有看到。要注意，你所处环境中的信息太过于弥散，会导致你无法针对手头的问题提出具体的解决方案。在某些情况下，这是寻找新信息、特别是否定性信息的好方法。但它可能会导致拖沓，成为无所作为的借口。当你感到自己被太多的数据压得无法动弹时，就是拉近镜头、好好看看细节的时候了。
瘫痪状态也可能来自对新信息的恐惧。在2003年美国职业橄榄球赛的总决赛“超级杯”举行期间，嘉信理财公司( Charles Schwab)在电视广告里描绘了这样的场景：当邮差来到时，投资者迅速逃离，因为前者又送来了一叠令人沮丧的财务决算表。嘉信理财公司认识到，最大的障碍不在于让投资者转向该公司，而在于让他们全面审视自己的投资。嘉信理财公司决定这样面对这个挑战：投资者只需花95美元，就可以将所有账户转到嘉信理财公司“重新开始”。公司意识到，只有打破这种瘫痪和恐惧的局面，才能让投资者努力看清当时的市场状况，并采取合理策略。
当你考虑不同模式，甚至透过不同模式的镜头观察环境时，你也需要避免因这个过程而陷于瘫痪。在考虑过不同的选择之后，你需要选择一种观点，并依照它采取行动。如果一列火车冲向你，你不会想要站在铁轨正中央。站在一边或另一边都是较好的决定，而站在中间就意味着命丧黄泉。如果你到了这种境地，就必须选择一个特定的位置或观点，即使它可能是“错误”的。正如第十章将讨论的，直觉可以是一种强有力的方法，它让你克服“因分析引起的瘫痪”，快速地思考并行动起来。
拉远镜头
拉远镜头的过程让你看到更大范围的景象。这使得你认识到视角的局限，避免认知固着，理解自身所处的环境，急流勇退，使用多种途径，并且与他人合作。
认识到自己视野的局限。非处方类(OTC)止痛药的制造商如此关注其他的OTC竞争对手，以至于当此类药的销售量整体下滑时，他们大吃一惊。是什么原因？竞争不是来自典型的对手，而是来自缓解头痛的替代物，如处方类药物（对个体而言它更具吸引力，因为它被纳入了健康计划而无需另外付费）、营养疗法、按摩、顺势疗法或针灸。这些公司需要更广泛的观察，以弄清到底发生了什么。不过，在做这件事情之前，他们首先需要认识到自己视角的局限性。
寻找相反的证据。后退一步，有意识地扩大你的视野。你如何才能以不同的方式定义你的竞争空间？你个人思维的界线划定在哪里？你如何可以定期地跨越这些界线？你在地域上是否过于狭窄？是否过于专注于某个特定的领域？如果你能更清晰地确定自己视野内部的这些问题，那么你就可以更系统地看待外部的世界。
避免视野过于狭窄。正如你需要注意何时被太多的信息或太宽广的视野弄得瘫痪，你也需要提防视野过于狭窄。
视野过于狭窄是危险的。比如在浪漫的烛光晚餐中，一对年轻情侣凝视着对方，如果没注意到此时房子着火了，那么他们的这种聚精会神将是非常危险的。你需要后退一步，以获得更为广阔的视野，否则某些你应该更早意识到的东西可能会突然闯入你的视野，让你大吃一惊。
当你紧盯着空间中的一点，或一个特定的问题，你的眼睛就会变得呆滞，你就可能失去视觉。对于这个问题的出现，可能没有正式的警告，但如果你留心，就能经常感觉到自己何时进入这种呆滞状态。有时候，你的第一反应可能是关注手头的问题。然而，最佳的反应可能是退后一步，把镜头拉远。
理解背景。一位很有才华的科学家非常关注能源的节约。有一次他和一位受人尊重的舰队司令一起走访一艘核动力航空母舰。当他们走过成排的发动机和设备时，这位科学家只从节约资源的角度观察了整个场景。参观进行到一半时，他转向舰队司令，告诉他这艘航空母舰可以变得更为高效，从而节约大量能源。司令白了他一眼，说道：“在底舱我有两个核反应堆。节约能源不是我所关心的。”
这位科学家分析了周围的所有信息，并得出不同凡响的结论。但是这个结论无关紧要，因为他没有像司令那样理解大环境。这位科学家纵观全局，但没有完全理解在一艘核动力航空母舰上该如何看待节约能源的问题。
在可口可乐公司1997年的年度报告上，可以看到转换背景的力量。这个报告声称，“已经卖了10亿，还有470亿的空间待开发”。报告指出，尽管公司当年销售了1 0亿单位产品，但全世界还消费了470亿单位别的饮料（包括水、咖啡和茶）。在软饮料界，可口可乐和主要对手百事可乐之间进行着长期的市场争夺战，但是可口可乐的报告没有将自己的发展局限于软饮料界，而是将背景扩展到所有饮料。这种观点立刻指明了一系列在成熟市场中存在的新机遇。
在商界，你经常会看到，一位正在与某个复杂问题做斗争的经理突然来了灵感，说道，“啊，我明白了，这是个市场营销问题”，或是一个“定价问题”或“运作问题”。这个问题要么属于他所熟悉的领域（我能扭转败局），要么完全不在其领域（这不是我的问题）。这是一种将问题与特定背景匹配起来的能力。
你做出决定的背景是什么？对背景你有什么假定？如何挑战这些假定？
急流勇退。一个人不可能永不停歇地一直游泳。你需要阶段性地从信息的洪流中抽身而出，为反思创造空间。你也需要意识到，你是何时在信息的洪流中溺水的。在这种情况下，你试图游得更快，但如果你能急流勇退，也许会受益更多；
你怎样才能在一天或一周的时间内留出时间来进行更为宽泛的思考？你怎样才能阶段性地从数据和信息的洪流中抽身出来，对它们进行反思？
使用多种途径。使用多种途径可以确保你得到更宽泛的信息。你需要发展多种信息来源，使用不同的分析方法来证实你的信息。这个过程允许你从多种角度看待同一个问题，为你的推理提供更多的背景（只要这些不同的角度不太多，不至于导致混乱）。你可以通过组织不同的人进行讨论、综合多个研究，以及进行清晰、连贯的经验性概括等方式，培养从多种角度看问题的能力。
当前你通过什么途径来理解世界？你怎样才能再增加一些途径，以使用更多视角来扩展你的思路？
与他人合作。个体很难掌握所有相关信息或创造信息的背景。传统上，报纸的编辑、电视新闻节目主持人和其他的“脱口秀主持人”或“书呆子”努力将丰富的信息分门别类，提供信息的结构以及对信息的解释，以此来体现自己的价值。在过去生活“比较简单”的时候可以如此。今天，即使对最疯狂的信息处理者而言，也不可能理解并解释世界上所要了解的所有东西。即使在特定的学科，专家相互之间的交流也有困难。
通过用于合作的技术途径，个体现在致力于弄清某些特定的事物，并和其他人分享。这种合作在网络上已经广泛开展着。在那里，很多人创建了无数的兴趣小组，一起来解释新的进展、新的事件。每个小组倾向于共享一套相同的心智模式，使得合作成为可能。这里既有“阴谋论”者的，也有应对疑难杂症（如三叉神经痛）的互助小组。
在这些社区中存在“思想领导者”，他们展现出特定的能力或智慧，拥有众多的追随者。这种全球现象的出现，使得社区和个体能够更好地理解世界。实际上，人们不仅仅更好地理解了世界，还因此采取了一些实际行动。今天，我们看到行动小组能够发起对特定焦点问题的全球性行动。一些博客（blogger，网络日志的作者）让公众注意到特伦特·洛特(Trent Lott)带有种族主义色彩的评论，从而导致了他的下台。当然这种现象也导致了全球性时尚、都市传言和各类诽谤的涌现。
有时候你可以借助思想领导者来理解信息。当你找到可靠的指导者、编辑、圣人或导师时，他们可以帮助你提炼这大量的数据，以适应你的心智模式，这样你就可以据此采取行动。现代技术日新月异，并且无处不在，它们在塑造知觉方面的作用日益增强。当然，你需要对各种想法和看待世界的新方法保持开放态度，但要避免陷入它们的模式之中。
有些时候，你不能相信某个个体，而是要创建平台，共享信息。正如先前讨论过的“维基百科”或“开放目录项目”所展示的，有着共同心智模式的社区成员可以走到一起，为弄清某个事物而合作。也有更为结构化的社区，如沃顿研究员项目，这是一个集合了全球经理人的实时决策支持网络，它包含多个正式项目，以及通过网络可以联络到的研究员、教员和其他专家。
极端化思维：同时将镜头拉近和拉远
我们已经展现了将镜头拉近和拉远的过程，这通常是个体处理信息的方式。但是镜头的拉近和拉远也可以是同步的，特别是在两个或更多的人一起工作时。计算机编程的创新提供了这种可能性。
“极限编程”（或XP）[11]的一个核心做法就是“成对编程”，即要求两名程序员在同一台机器上、同一个键盘前，完成同一个开发项目。这种方法的关键是界定各个程序员的任务。其中“驾驶员”负责将镜头拉近，关注编码的细节，而“导航员”则负责将镜头拉远，随编程的进展而注意全局。这有助于避免写好的程序与整体目标不符，或远离用户的需求。
本书不准备讨论XP的整套方法，但它确实提供了一种同时将镜头拉近、拉远的有效模式。例如，假定某个组织要对发展战略采取成对探讨的方法，就需要不时地后退一步，把镜头拉远，以看到整体状况；再前进一步，把镜头拉近，以看到细节。在这个过程中，某个人关注全局，另一个人负责具体运作。我们从总裁办公室或CEO、COO之间的分工能够看到这种非正式的工作分配，但是往往没有像“极限编程”那样将各个角色清晰地界定为“导航员”和“驾驶员”，不过他们通常会有各自明确的职责。程序员们也有办法建立视角和相互之间的工作关系：他们互换角色。
表面上看，“成对编程”这种方法似乎效率很低，因为它要求两个人做一个人的工作。但支持者认为，它能更快地编制出更好的软件，因为这种方法能避免通常造成软件项目进展缓慢的全局性错误。使用XP方法的著名公司有福特汽车公司、戴姆勒一克莱斯勒公司、瑞士联合银行和第一联合国家银行。
