美团的联合创始人王慧文在清华的公开课讲道：
“天才的天赋，仅仅是算力高。为什么那么多江郎才尽，小时了了、大未必佳？因为仅仅靠算力不够，一个人的算法和信息太差，也难以成事。 实力不是静态的，算力是静态的。”
对他而言，他的优势在于在强大的计算能力支持下，运用了一套卓越的算法（体现了开放的思维方式）以及众多高质量的信息资源。
那么对于个人的成长和发展而言，思维的模型受到几个因素的影响，分别是信息、算法以及决策，亦是文章的分析和论证脉络
如果继续拆解这三个要素的影响因子，影响信息的要素是“城市、周围协作和交往的人以及在大数据推送下的信息”。
对于城市，罗胖对于考高考的家长只给一种建议：
『家长应该考虑应该到哪个城市去上大学，最好在郊区的那种校区，最好能够在城里边。这样才能很快适应中国的一线城市的生活，他认为这是大学必须要收获的一项成就，即便当初学的专业差一点也是可以接受的。
因为在不同的城市，特别是在中国以长江为界线的南北，所感受的氛围感和环境是不同的。
有一句古话叫做投资不过山海关，也印证了这个观点。
比如在上海，可能周围的环境和相关的聚会活动在目前大部分提到的是三个关键词：AI，Web3以及出海。但是在一些城市，可能核心词汇是考研和考编。
在核心词汇的影响下，人所获得信息的主体也是不同的。
此外在专业的选择上，我一直认为除了工科和理科，商科文科或者经济学本质上没有太多的不同，核心的区别点在于这个专业中遇到的人，以及作为群体讨论的话题范畴。
从我微观的个体而言，我所处的家庭环境跟商业、金融和技术是没有任何交集的，在上大学之前我一直想的是读政治历史文化相关的内容，但是当我进入商学院后，周围的朋友讨论的是商业相关的话题，比如金融的一二级市场，营销或者是零售。在大三的时候，在一次同院学长回校的宣讲会上接触到了区块链和Web3，深刻地影响了我在后面的选择。
那么在大数据的推送机制上，平时浏览小红书抖音等，包括朋友圈公众号的内容，是受到大数据为驱动的信息分发，一个老生常谈的问题是信息茧房，其中很多内容是会让自己的思维屏蔽，产生不必要的情绪。那么合理的方式是关闭相关的内容，以及屏蔽不认可的人的朋友圈。
以上是人的信息输入，结合到AI大数据模型的训练需要输入数据，数据的质量直接导致了模型的质量，那么无论对于人还是机器来讲，都需要不断去优化自己的输入的信息来源。
第二部分是如何优化自己的“算法”？
阅读和与优秀的人协作。
曾经我在跟我目前的老板讨论关于ESG相关的问题，我说道：“企业在ESG上的营销是可以提升消费者对于企业的好感“。我的老板就问我，这个结论你是如何推理得到的。
我说：“分为两个方面吧，一是大部分企业，特别是快消都是在这样做，这个措施也是他们愿意在上面花费广告的共识，二是相关的Reading Paper也给到了这个结论“。
我的老板继续追问我：“对于一，大部分企业都这样做，难道这个“大部分本身可以论证这个观点吗？。对于二，Reading Paper是如何去论证这个观点的。“
对于他提出的两个问题，我均无法继续回答，那么这个简单的对话过程其实就是一个思维算法模型不佳以至于没有支持观点。
在基于一定逻辑上筛选的阅读，可以提升人的“算法”。在这里我曾经有过的阅读误区是，一旦我开始阅读一本书，就算我觉得这本书很烂，但是我依旧会坚持将其阅读完，但是实际上这会浪费我的时间或者影响合理高效的“算法”的建设，因此我现在的阅读习惯是如果一本书阅读五页后主观层面不愿意继续，则停止并选择下一本。
我给自己定的目标是每年需要阅读100本书，包括社会学心理学历史哲学文学或者技术类等。
那么如何判定是优秀的人，以及如何和他们协作。
我有几个筛选的标准。
优秀的人
-
在某个细分领域有自己深入的理解，且能简单易懂的解释（大道至简，如果解释不明白说明自己也不是很懂）
-
有相关的经验，比如做过电商的物流，投放过广告，或者做过某个细分领域的咨询方案，且能产出一个思维的模型，并教授给他人
-
做事情有自己的方法论，并能输出影响他人
如何和他们协作
-
输入自己的价值，比如擅长爬虫则那么给团队在数据处理上提供爬虫获得的数据样本
-
能快速学习复用，这里分为两类知识，一类是关于具体的业务或者场景知识，比如搭建如何去搭建一个投放模型，物流如何做，一类是关于思考的模型，如何做行业研究，项目管理的框架如何搭建
在未来，多在优秀的人身上花时间，对于差的人礼貌的避开。
基于此，如何构建自己的决策模型？
决策模型分为“假设、推理以及复盘”。
但是这里我产出不了内容了，因为我没有完全跑完一个决策的链路，但是我目前所思考的如何决策的决策模型为“假设、推理以及复盘”。