http://blog.sina.com.cn/s/blog_493a84550102wn63.html
几个月前我曾经写过思维框架的相关文章，而今天再次重写一个很大的原因就是真正的将思维框架抽象化和模型化，一个好的思维框架必须要能够演绎当前的思维方式和现象，并解释当前思维中常见的问题。
一谈到思维，我们最容易想到的就是结构化思维，系统思维，批判性思维，发散性思维，创造性思维，逆向思维等，而这本身并不是很好的思维分类方法，更多的只是我们在思维活动中需要关注的一些思维方式和逻辑等。
思维的定义
在我的专栏文章《我是如此思考的》里面我曾经给思考一个定义，即自我驱动的独立意识下的思维活动。而这个定义现在来看还是没有本质上的解释思维这个词，而我在重写思维的框架这篇文章的时候，准备结合思维框架的构图重新给思维一个定义，即：
思维是人类在接收到外界输入信息后，经过大脑有意识地处理后，形成有价值的输出结果的过程。
我们将这个定义进一步展开，即是我们接收到外在信息的输入，我们的大脑会对接收到的信息进行降噪，加工和模式匹配处理，在处理的过程中我们需要借助我们大脑里面已有的基础记忆，知识和经验信息。即外在输入+内在知识经验共同进行处理加工和模式匹配后形成有价值的输出。
信息的输入
信息的输入，简单来说眼耳鼻舌身意六根所有摄入的内容都会构成信息的输入，你眼睛看到的事物，看过的视频，图书；你耳朵听过的歌曲；乃至你闻到的气味，品尝到的味道都会构成信息的输入。
对于输入的信息，本身又分为两类，一类很容易进行结构化，定量化和数字化定义；而另外一类则只能进行定性化，图示化和模糊化定义。对于第一类计算机很容易解决，而第二类则需要计算机具备人工智能和进行深度学习才能解决，比如图像和语音识别等。
其次，信息的输入不能脱离周围的环境，即信息输入本身的价值往往在于信息所处的当前场景，否则信息很可能就是一个没有任何价值的数据而已。比如我们上线的系统出现了宕机，如果没有具体场景，我们很难分析具体的问题点究竟在哪里？
大脑处理过程
对于大脑的处理过程，根据思维框架图，我将其分为知识经验库和大脑处理过程两大部分，对于知识经验库本身又包括了基础记忆，知识和经验；而对于处理过程包括了定义和降噪，加工处理和模式匹配三部分的内容。
1) 知识经验库
知识经验库本身是有层级的，即基础记忆库（信息），知识，经验三个方面的内容，这个分法即和我们常说的知识管理的分法是一致的。在这里的知识重点是显现知识你学习后变为你的隐性知识，而这里的经验则是将普适的方法论通过学习和实践后转变为你自己的方法论。
通过这个框架我们可以进一步解释个人知识管理的意义问题，即形成最底层的知识经验库，然后再根据知识经验库去分析和解决问题，形成有价值的输出。如果没有后者，个人知识管理没有产生有价值的输出，即没有体现核心意义。
在我的1年前的专栏文章《思维的框架》里面，我当时将学习和实践方法论也做为一类思维。注意在新框架里面这个不再做为单独一类思维。即可以这样来理解：
即通过学习可以将信息转化为记忆和知识，通过实践将知识转化为经验和方法论，这些构成了我们大脑知识经验库的核心内容，正是这个内容将作为我们独立分析和解决问题，看待和评价新事物的核心参考。将学习这类思维活动单独拿出的一个重要原因就是学习和实践最终是内化到我们的知识经验库为目的，而不是以产生有价值的输出为目的。
老师教会给你一元二次方程和解法，你学会了，这是学习的过程。而你拿到一道应用题，你将其转为了一元二次方程，并把它求解出来，这就变成了一个完整的思维活动。
2) 大脑处理过程
大脑处理活动，第一步就是对问题或事物进行定义，即我常说的5W1H方法对问题进行定义，同时考虑前面谈到的任何问题的定义不能脱离场景。
问题只要能够定义清楚往往问题就解决了一半。在《提问的智慧》里面谈得最多的就是问题的定义，即很多时候你自己把问题定义清楚后你发现问题解决方法你自己已经找到了。
在问题定义过程中有个重点就是信息降噪，即我们拿到的信息，得到的数据是否是真实可靠的，即如果论据本身就是错误的，那么最终推理出的结论自然也是错误的。要解决这个问题，我们就必须要辨别和确认拿到的信息或数据的真实性。
处理的第二个活动是加工，当我提到加工这个词的时候，我将原来我谈思维所涉及到的分解，组合，排序，聚合，抽象，重组等全部纳入到加工环节。而所有的加工活动可以看到仍然是围绕问题或事物的静态和动态两个维度展开的。
- 静态维度：分类，分组，维度属性，矩阵，树和层级，关联关系等
- 动态维度：阶段，流程，活动，事件，消息
为何要进行加工，最简单来说即是我们接收的输入信息或问题很难完全相同，而这些问题在粗粒度很难真正进行模式匹配，必须要经过加工后才能够后大脑里面已有的知识经验进行模式匹配。即加工的目的是为了后续的模式匹配，越是复杂的问题，越需要加工和处理，否则无法匹配。
加工完成后，最后的重点就是模式匹配了，将我们已有的知识经验和定义分解后的问题点进行匹配，最终得出解决问题的方法或决策结果。最简单的模式匹配比如认知，我们有了对狗狗的抽象认知后，当别人拿一张小狗的图片给我们看的时候，我们马上能通过模式匹配得出我看到的是一条狗而不是猫，当然真正有价值的思考过程远远复杂过简单的认知。
对于我们常说的逻辑则正好是在思维整体框架中模式匹配这个地方，当然最基本的逻辑仍然是演绎和归纳，对于其它常说的逻辑比如由现象到本质，由一般到特殊，由抽象到具体，由原因到结果等基本仍然属于核心的形式逻辑内容。对于详细思维逻辑我准备单独再写一篇来进行阐述。
任何思维活动，外界新输入，大脑已有知识经验库，大脑处理过程三者缺一不可。如果我们知识经验库是一片空白，即使我们接收到思维信息我们也不可能展开思维活动。而这个时候你要做的事通过学习将信息转换为知识。
3)有价值的输出
注意我们将思维活动的输出归纳为了四类，具体如下：
- 认知：重点解决What层面的思维，即是什么层面的思维。(What)
- 评价：即对一个人物，事物或一个事件的评估或评价。(View)
- 解决方案：通过搞清楚问题的定义后，最终通过思维分析，给出了问题的解决方法和思路。（How+Why)
- 决策：一般还是针对问题，即给出一个问题的决策或选择结果。(Choose+Howmuch)
而对于这四个方面，可以看到对于认知和评价更多的是偏于对事物或事件本身的分析和评估，而对于解决方案和决策则是偏于问题维度。即虽然是四个层面，但是我们可以将我们的思维活动归纳为两大类，一类是认识和评价事物，核心是事物；一类是分析和解决问题，核心是问题。我们日常绝大部分的思维正是围绕这两类活动展开。
对于解决方案，一种是解决如何做的问题(how)？一种是有结论解决和论证为何是这个结论的过程(why)。对于决策分为简单的选择性决策，也包括了选择某个结论后的幅度决策。比如是否涨价是决策，同时如果我们确定了要涨价，那纠结该涨价多少也是一种决策。
大家可以看下知乎的提问，基本都是围绕上述四类思维活动展开。你也可以想下你日常的思维活动，看下是否可以归纳到上述的四个分类里面。虽然上述归纳可能还不全面，但是通过这种归纳我更加容易去理解思维方法和逻辑层面的事。
- 认知：更多的是对基础记忆和知识的简单模式匹配过程。
- 评价：涉及到你已经有大量的知识经验库支撑，同时也涉及到对事物本身的完整维度分解
- 解决方案：最难的，涉及到定义，加工和模式匹配给个过程，同时还需要有强大知识库积累
- 决策：重点是结构化决策方法建立，前面重点仍然是为事物维度划分和权重评估
基于该思维框架的其它思考
基于该思维框架，我们就容易理解一个学生如果学习和记忆能力强，但是举一反三能力弱的场景。即该人缺少的是整个思维框架中问题转化和模式匹配的能力。当其面对自己没有见过的新问题的时候，很难通过加工将其转变为一个自己已有经验库的已知问题。对于这类人，需要锻炼的是模式匹配能力，否则他就需要比别人付出更大量的时间花在记忆和各种题型训练上。
对于批判性思维，其核心是在接收到信息的降噪，其次是在模式匹配时候严谨的推理。
对于发散性思维，更多的则是在大脑处理的加工环节对知识点的关联和联想能力。
对于结构化思维，其一是标准的思考方法和步骤，其二是对事物或问题域的结构化定义和表达上，比如我们常见的树结构或表结构，科学的归纳方法和逻辑。
对于系统思维，我们强调的是在加工环节，将目标分解到具体的影响因素后，将影响因素形成完整的反馈闭环回路的过程。对应到输出一般是在决策层面应用的最多。
对于思维效率和速度的问题，通过这个框架也更加容易解释，即知识经验库的积累本身可以极大加速思维效率，同时在信息，知识和经验三个层面，最高层的经验往往模式匹配速度越快。我们学习和实践的越多，我们积累下来的知识和经验越多，我们越容易在经验层面进行快速的模式匹配（虽然可能犯经验主义错误）。而如果缺乏了这些知识经验，我们解决任何问题则都需要通过大量的搜索摄入信息，同时先将信息转变为自己的知识，然后才能用这些知识进行模式匹配。