人类的发展一直离不开理论和方法论的支持，而伟大的理论往往会催生出全新的人类发展和科技。而科技的进步带来社会效率的提升，社会的效率提升意味着蛋糕做大了，人类可以享有更多的物质和资源了。从最早的笛卡尔开启了近代哲学之路，开始思考认知论和方法论，这是人类思想史上的重大进步；而到伽利略，他打下的近代科学实验，让科学的理论验证更加系统；牛顿催生了工业时代的理论基础。富兰克林是电器时代的引路人；到后来的香农，图灵开启了信息时代。每一次人类的科学技术进步，总离不开其科学基础和方法论。
工业时代的方法论是以牛顿为代表的经典力学，而信息时代的方法论是诞生于二战前后的三论体系——《信息论》《控制论》《系统论》。让我们一起看看，工业时代和信息时代有什么不同：
工业时代是建立在牛顿经典力学的基础上，其核心是三大定律。这是人类第一次，能大规模的预测很多事物的发展，并且用理论指导实践。瓦特运用物理，改良蒸汽机，从而让机械代替人力；斯蒂芬森发明火车，从而使大规模运输成为可能；富尔顿发明蒸汽船，从而能够逆流而上，不是完全依赖于风向，水流等自然条件和人力了。而他们能发明创造这些，其本质是他们学习了足够多的物理数学知识，可使用知识精准的变为机械。而这种机械思维的本质就是确定性和预知性。
而信息时代的核心在于信息。信息的定义，是消除不确定性。其本质就是承认这样一个世界本身就充满了不确定性，但核心在于，认知不确定性（概率论），缩小/利用不确定性，从而改造世界。
在工业时代的思考体系下，只有获得足够的信息和正确的理论，那么我们几乎能完成一切的预测。最经典的一个例子就是二战时期导弹的设计，以前，人们觉得自身掌握了目标地点的距离，速度，天气，空气阻力等等因素，导弹就能如期打到目标，但是随着攻击距离的增加和地方飞机激动的增强，不可能静态的或者能获得如此多的动态信息，传统的工业时代的预测思维，就失效了。在信息时代的思考体系下，如果我无法完全预测，那就无须预测的如此准确，只需要依靠有效的负反馈系统，让导弹和敌方飞机的差距不断缩小，那自然而然就能达到目的了。所以，信息时代的方法论，是增强反应能力。
既然工业时代要发展，那么我们只要认知理论，从而把理论应用到实践就行。只要能拆解事物，分工合作，足够标准化，那么我们就能提升效率。而这种管理法，也就是科学管理之父的泰勒所写的《科学管理原理》。提升效率是科学管理的核心，也是文明国家和未进入文明国家的区分，因为生产效率的提升带来了物质的极大丰厚。而提升生产效率，就是要把事物流程拆解的足够简单，简单到几乎每一个人经过简单的培训就都可以做，而这本质上就是把工厂/公司变为了一个大机器，把社会人变为了机器人。而这种流程的拆解，也就是现在对应树状图的组织管理架构，而在这种架构下，效率优于创意，所以强调权威。适合产品形态稳定，行业变化慢的公司。增加效率需要资方善待工人，给予更好的的物质奖励，而惩罚错失让工人有危机感，以此来实现积极性+刺激性的调动。
而到了信息时代，人们的事业与信息的传播效率交互提升，人们接收到信息量比以前有了很大的提升，从而加速了世界的变化和不确定的。以前时代变化很慢，工厂生产什么，消费者接受什么。而现在大量新的信息，催生了人们新的想法和需求，而这样快速诞生的需求，也就要求公司能快速的诞生解决需求的想法，才能赚到的更多的钱。而就这样，效率型的劳动密集公司就转变成了以创意为核心的智力密集型公司了。而这样智力密集型公司所对应的管理方式下，我们大家可以看到几个特点：
I.扁平化管理。扁平的结构可以在一定程度上促进信息的流动，并且减少强权的压迫感，现在管理学大师德鲁克在《卓有成效的管理者》指出，一个知识工作者本身是一个自觉的自我管理者。强权与压迫并不会有利于创意的产生，反而有害创意。
II.允许自由。在很多硅谷公司都鼓励员工在上班时间能干自己的事，或者鼓励内部创业。这样做才能够增加好的创意的产生，激发主观能动性。但是这句话后面也隐藏了，虽然你可以干自己事，但是公司也可以根据情况停掉你在干的事，除此之外如果有更有希望成功的项目，你也会被当作资源投入到此类项目中去。
III.宽容失败。混乱与随机引发创意，但创意不一定能改变生活，如果想要有好的创意，就必须忍受起带来不符合人期望的想法与改变。越是宽容失败，那么企业也就越有活力。
从农业时代到工业时代，“拥有”都想着富裕，人们也更喜欢拥有。因为农业的核心生产资料是土地，而工业时代的核心生产资料是机械设备和土地。而信息时代的核心生产资料是通讯相关设备，但核心价值，却不是通过生产资料直接产生的，主要是产生通过信息，更快更可靠的连接起不同的人，从而增加社会效率。其核心在于连接，这也就是为什么现在的互联网大厂几乎都是做平台的。微信不产生聊天内容，但是大家可以用它更快更方便的交流；Google并不生产网页，但是可以通过它让大家看到信息；滴滴也并不生产车，但是，它连接了司机和消费者。再大胆预测一下，进入人工智能时代，其核心生产资料是数据，创造价值的方式是使用数据（经验）从而大规模的改进人类社会的方方面面，因为很多领域，人类的效率和可扩展性还是太低，比如以前车子进出都需要保安，或者开车都需要司机，使用了机器视觉算法，那么未来可能就不需要人来开车了。
我们还能得到一个关键的信息，那就是如果一个企业不投入到研发，而开始大量的建房卖地的时候，就说明其找不到更好的投资方式了，就要从青春期走向成熟期，从而降低其市盈率了，因为后劲不大了。
接下来，就让我们仔细看一下三论具体讲了些什么，对于我们分析思考，有一些什么样的帮助。
信息在我们生活中绝对随处可见，我们每天都需要收集大量的信息。那对于什么是信息，似乎每个人都能给出一定的看法，但是却有能难把它说清楚。直到1948年天才数学家香农（Claude Elwood Shannon）给出了个定义“信息是用来消除随机不确定性的东西”。这绝对是个天才的想法，因为把信息和概率论结合起来了，使得信息可以量化。其公式是：
从这个公式，我们可以看出来信息是可以被量化的，用单位bit来衡量，其以2为底，这也就是为什么在计算机领域总是听到一个比特，因为计算机里面只有0和1，和这里以2为底相合。举个例子，假设你抛出一个硬币，硬币显然只有两面，假设其概率都为1/2，那么你知道你抛出了正面，那么信息量就是1bit。但再告诉你你刚才抛出了正面，对你来说信息也不会增加1bit，因为你已经知道了。按照刚才的理论，信息是用来消除随机不确定的东西，所以信息量的大小取决于：
而这个东西也就是熵，熵就是对某件事对主体不确定性的度量。从上面的H(U)公式，我们可以看出来其就是信息量的期望。越不可能的事情，信息越大，越确定的事情，信息含量越小。
信息在传输过程中，往往来说，会有不确定性。具有不确定性的原因是因为有干扰，信息传递的干扰大体可以分为三种：
控制干扰：干扰发生在信源控制通道的可辨状态过程中。比如一个口吃，可能说出来的话大家不太容易听明白。
自然干扰：干扰发生在信号自然传递中，或某些外来因素影响了通道的可辨状态，这称为自然干扰或噪音。比如，你说话的时候突然背后工地的机器开始启动，噪音非常大，你的声音基本被湮没了。
主观干扰：干扰发生在信宿接受信号过程中。比如听你讲话的人耳朵不太好使，所以听不太清你在说什么。
其实，思考如何获得正确的信息在我们生活中十分的重要，如果获取的信息是错误，但几乎作出的判断大概率几乎是错误的。所以一个很重要的事情，就是去思考我们日常生活中接受到的信息是否是真实有效的。从学术上来说，我们需要思考：
落实在我们生活和工作中作出判断，如果我们想要收集到有用的信息或者保证生活中的信息传递是高效真实的，我们也应该思考上面的问题：
I.信息源本身是否真实可靠，有多大的可信度。如果是权威人士或者权威著作/一手消息的话，可能我们认为有较大的可能其是真的。但是如果某些重大消息，我们是从微博，小道消息获取的，那可信度就存疑了。
II.信源/信道编码器，信道/信道编码器。信源编码器就是将将信源的输出进行适当的变换，以提高信息传输的有效性。信道编码器对信源编码器的输出进行变换，用增加冗余度的方法提高信道的抗干扰能力，以提高信息传输的可靠性。在我们不需要知道这些专业性的东西，在这里说的是传输和接受的效率，但对于我们来说，我们只需要知道两个词有效性和可靠性。举个不恰当的例子在这里说明对有效性和可靠性的思考。2021年疫情爆发了，从美国回中国的机票大幅度减少了，很大程度需要靠去网上去抢。如果我靠朋友圈了解抢票的信息，那可能票早抢完了，而且信息也不一定准确，但是如果我搞了一个alert robot，航空公司一发票源，就自动提醒我，那么这样我抢票成功的可能性就大大提高了。
信道是信号由发送端传输到接收端的媒介。典型的传输信道有明线、电缆、高频无线信道、微波通道和光纤通道等；典型的存储媒介有磁芯、磁鼓、磁盘、磁带等。我们把物质化的信息通道抽象，来看看一切状态下信道容量如何影响我们接受正确的信息。根据理论我们可知, 信息通道容量由以下几个因素决定：
比如我们炒股，假设我们获得一些关键的信息，就能立即执行操作就很可能赚大钱。比如今年，你告诉某人，XXX公司今年业绩大好，为什么？因为你就在这家公司工作，知道公司今年财务状况非常漂亮，但是股价却不高。那么在发财报的时候，很有可能大涨。你告诉炒股的人来说，如果他们相信你，就会买入股票。但是如果你告诉不炒股的人，他们可能就会说一声“哦”。因为他们对这个信息没有控制能力。其次，你作为传递消息的人，表述要足够的清晰，比如如果你是个外国人，但是你想告诉这个消息给你中国的朋友，但是你的中文很差，但是别人的英语也不好，所以你半天说不清楚，那你的传递就出了问题。最后信息最好可辨状态是合适的，在这里，我们的行为只有买卖股票，如果你加上基金，期权，期货以及其他的复杂而小众的金融衍生品，那么很可能听了这个消息后，陷入了迷茫，不知道要买些什么了。所以想要在单位时间内传递某一数量的信息，选择的通道容量不要太大，也不要太小，最好等于要传递的信息量。通道容量太小，信息就不能及时的传递出去。容量太大，就造成了浪费，而且造成信息的干扰可能也会增加。比如对于路灯来说红黄绿就已经很好了，如果驾到几百个颜色，可能就混乱了。
如果有多个通道可以选择的时候，尽量选择那些比较短，离信息源比较近的通道。直接去问本人当然就是最好的。
关于第三点，相举个例子有时候我们所获得的信息不一定能很好的指导我们的行为。
举个例子，某一地区的所有水井都变枯了，据悉，这个信息可能被用来预测地震。那我们实际上想问的就是水井变枯有多大的概率能预测地震。我们定义一下：
那么水井变枯这个事情基本上不太能用来预测地震。听到消息后，如果有量化可能性的能力，那么显然取得的胜利的可能性就增大了，因为期望低的事情你可以减少投入，而高期望的事情，就能增加投入。
这个东西必须存在着多种发展的可能性。如果只有一种可能性，那么就无法控制了。比如光速在真空中的，那么在现有的科技水平和方法下，我们无论如何也没办法控制光在真空中的速度。但是水的状态有固液气三种，我们知道我们能通过改变温度或者改变压强，从而改变水的状态。
被控制对象可以被人控制，人至少能够最终靠某些手段能够选择事物变化的可能性。如果人不存在影响被控制对象的能力，那也就无所谓控制了。比如现在人类的科技还不能阻止海啸，所以也就不存在控制海啸了
举水的例子，夏天想要喝冰水，和冰水就需要制造冰块。如果没有现成的冰，我们知道可以接水放到冰箱里去，等一段时间就会与冰块了。这是因为我们知道，水的状态有{固体，液体，气体}，而控制其形态的手段是{改变温度，改变压强}，其关联是下降温度到一定程度 --液体变为固体。所以我们选择把水放在冰箱里，然后等一会来拿。
随机控制可能是世界上最省事的方法了，简单来说就是碰运气。当我们没有办法的时候，不如随机碰一碰运气，说不定有好运发生。在随机控制过程中，系统的可能性只有在到达目标值时才缩小，不到达目标值时，可能性空间不缩小。如果希望随机控制有效，那就必须对食物面临的可能性空间必须有充分的估计。比如我们需要用钥匙开锁, 但门锁有一万个，要知道这个钥匙能打开什么锁，我们用随机控制的方法就不太好使了。除此之外，我们还必须得肯定，这个钥匙必须是能打开之后一万个锁里面的一个的，如果这个钥匙根本就不是这些锁里面的，那就是白搭。
随机控制可能会花费很长的时间。但是如果增加记忆装置，那就能减少很多尝试。凡是被证明不是目标状态的就不再当作选择对象了，这些状态将被从下一个可能性空间中排出去。举个例子，如果是随机控制，3把钥匙开3个锁，那尝试过的锁可能忘记试过了，还会试，但是如果有记忆装置，知道了第一把钥匙没打开一个第一个锁，那必然能在第二三个锁，这样可能性空间就减少了。在这样的控制中，我们需要注意的是，如果一个选项会削弱我们的控制能力，那就不应该先用。比如用药医治病人，如果这个药可能让病人死亡，那就应该放在最后使用或者不用。有时候，控制的顺序也是重要的。
共轭控制主要研究如何将人们无法完成的工作变成能够完成的工作。其中最著名的就是曹冲称象,以古代的水平，称东西主要用秤砣，但是那个时候造不出来能称大象这么重的秤杆。那么这个问题以古代的水平就无法直接解决了。那间接测量的方法就是，让大象站到船上，记录船的吃水位置，然后使用石头压到同样的吃水线，然后再称出石头的重量就行了。
负反馈用通俗的话语讲，就是做起来看。如果我们要做一件我们没有做过的复杂的事情，往往是不太可能一开始就计划的特别完美的，不妨先做起来看，再拆分业务和metrics，不断用实践，检验我们的行为是否有效。
一个事情它到底有多少种状态。比如我们要做一件事，那么理论上就只有两种状态，成功和失败。如果一个事情只有失败的状态，那么我们去控制就意义不大了，比如有人意外身亡了，那显然做任何的行为，都无法再复活了
我们控制的行为和事物状态之间的变化关系。显然你不干活，在公司一般来说，老板是不太能给你涨工资的
有没有指标能联系行为和状态之间的关系。比如了几个小时活，老板就给我多少工资，那显然我要想多拿钱，就得多干活
因果论是人类总结归纳知识中极其重要的方法，在系统的研究中，我们也应该去寻求事物之间的因果关系,思考因果关系有几种，很有助于我们思考整个系统。因果关系又分为：
因果长链是一个现实生活中很常见的关系。比如上周，我想去北部开卡丁车，但是由于下雨了，所以赛道关闭了，因为赛道关闭了并且室外下雨，我只能选择室内活动，因为附近的室内活动只有台球，为了不白出门，我决定去台球馆打台球。这就是一个典型的因果长链。因果长链往往隐藏着人类最本质的问题，如果我们不断的推进长链，往往会回到一些终极问题上去，天体起源，生命起源，人类起源等等。
决定论认为，任何原因必然导致一定的结果。当然，从理论上看，可能是有道理的，但是作为人类，很多情况下不能知道影响结果的一切原因和推理，所以我们往往使用概率来简化这个过程是合理并且高效的。比如我出门看见乌云密布狂风大作，那也不一定以为着下雨，但是我在这个时候带上伞，总是一个没错的行为。
这就是鸡生蛋蛋生鸡的问题。互为因果或者自为因果往往形成了一个无端环结构，如果要追寻这样结构的终极原因，往往要考虑外在影响使得无端环形成的原因或则无端环形成以后进行的细微而缓慢的变化。比如鸡生蛋蛋生鸡，实际上鸡只是人类对这种物种的名称和定义，鸡是缓慢变化而来，最终符合人类对其定义的，并不是一开始就这样。
在生态系统中存在着大量的因果网络的例子，比如植物，草食动物，肉食动物之间存在着大量的相互影响关系。
实际上，系统不是一个客观存在的事物，如何划分系统可能是同时由客观和主观确定的。往往来说，耦合度高相互关系强，我们就认为是一个系统。如果相关性小到一定程度，我们就不认为其是一个系统了。所以分析系统一定要划分出相对孤立的系统出来。相对孤立系统一般来说：
系统是指一组相互耦合互为因果而且相关程度较高的变量，那么就有有一个问题，最初，这些变量是如何耦合的？组织，是事物或一组变量从无联系进化到某些特定状态的过程。
如果事物是自发联系的，那就是自组织系统。自组织在自然中大量的存在，对我们研究系统有极大的帮助，自组织状态有以下特点：
首先有一个核心，核心极大的影响了未来的发展。初始磁针决定了磁针方向，晶核决定了晶体性质。
自组织系统是一个不稳定或者亚稳定状态。构成自组织系统的小系统必须是不稳定的，因为只有不稳定才有发展向不同可能方向的可能性。这也就是为什么现代智力密集型企业，比如谷歌之类的对员工管理很松散，一是因为这些人才自觉性高，其次是因为只有无序才能诞生创意。
自组织系统内部存在着一条有因果关系的自动选择链。这就是说这一选择是自动的，比如公司内部几个人有着高度的自觉，往往后来加入的人自觉也会模仿他们高度自觉的状态。这也提醒了我们，做事情要头开好，以免上梁不正下梁歪。
自组织是不可逆的。一定形成，要想改变就很难了，往往需要破坏整个系统。比如磁针的头决定了方向，即使你再搬动初始磁针的方向，它还是会回到原来的方向。
核心微小的差距可能导致蝴蝶效应。失之毫厘，差值潜力。其中一个关键的应用就是
，比如抗生素和维生素往往很像，细菌不能区分他们，让本该有作用的东西起不到作用，从而抑制了细菌的发展。这个事情告诉我们，在关键的节点，需要警惕外在相似度很高，但本质完全相反的事物（装成友军的敌军），容易引发竞争性抑制。
一个系统往往发展有着很多方向，但是中间的博弈状态，往往是很不稳定的，如果我们了解系统未来可能结构中哪些稳定哪些不稳定，那么我们就能预测事物未来的走向，因为稳态往往意味着未来事物的走向。最典型的例子就是寻找石油，其实，目前人类的知识还很难去找出形成石油准确地点的因素，但是我们知道石油要在自然中储存，那就应该在一个有很大洼地。所以我们只用知道时候能稳定储存的条件，去寻找洼地，就可以知道石油在哪里了。石油形成了，但是会流动，流动就是不稳定状态，我们在这里不需要知道不稳定状态，只用知道稳定状态，石油会流向哪里就行了。
有机物依赖负熵为生，新陈代谢中本质的东西，就是使有机体成功地消除了活着时候不得不产生的全部熵。
均匀导致稳定。热力学第二定律说明一个孤立系统不管内部如何变化，总是倾向于熵增，朝着内部均匀，无序，混乱的状态移动。因为均匀导致稳定，这就是系统自然趋向稳定的结构。
耗散结构：一个能与外界有能量和物质交换的开放体系不能均匀的维持均匀稳定的结构，它们与外界交换的过程中会自动趋向有序的不均匀结构，以保证自身的稳定。
作为稳定状态的补充，几乎所有的稳定状态都能转化为不稳定状态和周期性震荡。树有大小年，气候会有周期性冰河，这些都是系统的震荡。系统的周期性稳定震荡其实很有用，其可以用来做计时系统，实际上生物钟就是生命系统的周期性震荡。
当系统中各子系统之间相互作用方式和子系统本身不变，一般整个系统保持在稳态结构中，这种结构有一定的抗干扰能力，能保持一定时期内不变。但随着时间的累积，其某些影响增大，必须要破坏这个原来的稳态才能再次保持稳态。如果一个系统本身的变化是不可抗拒的趋势，唯一的办法就是重新修复系统。比如我们要控制室内温度，需要加一个温度计，这样在一定时间内温度就是不变的。但是温度计用久了总要坏，那么这个时候加一个报警装置，一旦坏了，通知人来修，那就很稳定了。超稳定系统是国通对不稳定的修复来实现的。中国封建王朝一直长期停滞发展，实际上就是一个超稳定系统。
自繁殖状态往往意味着系统原油稳态结构迅速被打破，发生崩溃，造成系统旧稳态迅速瓦解，以般的速度想着新系统过度。
自繁殖就是在一定的条件下，变量值越变越快。癌症，激光，核爆炸都是自增值。如果我们希望破坏系统，那么我们就需要知道：
系统结构决定了事物的性质，其结构如何演化，从而使得旧质态被新质态所取代值得我们研究。
什么决定了突变，是变量本身。以水为例，水可以突变为气体，那压强一定，改变温度就可以了。也可以渐变为气体，温度一定，改变压强，水就会加快挥发。根据1972年法国数学家雷内.托姆（René Thom）的在《结构稳定性与形态发生学》的著作当中，变量少于4个的时候，自然界的各种突变只有7种方式。如何区分渐变与突变，主要在于：
任何一种稳态，都对应着各子系统的相互作用与调节是保持它稳定的机制。不管是哪一种机制，都可以用动态图和可能性空间势函数洼表示。
对人类来说，研究系统的意义，其实就是主体和客体之间的反馈。对这种反馈形成控制论下的认知论。主客体之间的反馈，在客体被认知和改造的过程中，主体的精神活动也被认知和改造着。
（1）也就是说研究事物之间的内在联系，比如我们要知道分针和时针的对应关系。我们大家可以打开手表来看一下，研究一下齿轮之间的运作规律是如何形成的。这种方法对事务的本质认识有很大的好处，但是难度较大，并且，受限于自己和时代的科技水平。甚至有的时候，打开了黑箱，会破坏事物原来的机构，比如活体解剖。
（2）是指只研究输入和输出之间的对应关系。如果严格按照规则运行，甚至可以画成数学函数图。但是是否事物之间有严格的对应关系是不确定的，或者有多严格的对应关系，是否对应关系是会改变的，都无法预测。
（1）和（2）是交替运行的。不打开黑箱的研究意味着最初发现了规律和事物之间的相互联系，而打开黑箱意味着对事物理解的深化。而深化之后又有新的变量需要研究。不打开黑箱是事物的提出假设阶段，而打开黑箱，意味着进入了事物的实证模型，验证假设阶段。其交替运行，就能逐步逼近事物的本质和终极问题。
在这样的体系中，如果我们想提升自己，或者识别有潜力的人，那我们就需要看：
虽然大多数事物，我们大家可以通过实践归纳成体系，但是并不是所有的事物，人都可以把其变成理论，不可以得出的理论的情况有：
所以，当我们进行系统性思考的时候，首先我们要判别的，就是从大量的实践经验中，我们是否可以形成理论，其次，是如何打造一个持续迭代从而接近真相的系统。
但无论我们如何去思考事物，我们的本质都需要落在人身上。当人类对自然谋求更大控制权时，才会产生科学。所以科学的中心就是人，一个人认识到的真理都是相对的，他依赖于人在自然界之中的位置和控制自然的能力。而人本身的目的也就探索出来了，本质上是我们为了求存，而非求真，真是相对的。但为了更好的生存下去，我们必须求真，才能了解事物的本质，从而取得更大的控制权。
