如何突破我们处理信息的瓶颈——7±2？

如何突破我们处理信息的瓶颈——7±2？
7是一个很神奇的数字，比如7色彩虹，一个星期7天，7个小矮人……，为什么都是7？有什么底层的规律？不知道，或则纯属巧合，或则7本身就不神奇，你可能还会说3也很神奇，比如3只小猪，3位一体，事不过3……。

但本文想和你重点分享的是，我们在信息处理上个限制，而它刚好和7有关。

我在日常工作沟通的时候有个心得，就是汇报的要点一次不要超过7个，最好是3-5个，如果一定超过7个，我也会将其归类为3个左右，因为我隐约知道人们在接受信息的时候是有个边界的，就像在一条公路上，同时并行的车辆不能超过车道的宽度一样。

在系统架构1：系统架构-对系统的抽象和分析中，我们提到进行系统架构分析的一个重要原则——聚焦重点，书中提到的一个重要理由就是人对息的处理能力优先，而那本书是引用的是1955发表的论文，本文就分享一下我对这篇论文的理解。

这篇论文的题目是《The Magical Number Seven, Plus or Minus Two Some Limits on Our Capacity for Processing Information 》，于1955年发表在期刊《Psychological Review》，作者是哈佛大学教授George A. Miller ，背后的研究是基于哈佛大学心理声学实验室和美国海军之间的一个合作项目。

正如文章的标题所说，本文重点介绍的是，人们在处理信息上面的一个限制，而这个处理能力和数字7±2相关，作者借鉴信息论中的信息的度量的方法，从统计学的角度展示了人们处理信息的可能边界，虽然没有介绍背后的原因，但是他提到的突破瓶颈的方法还是具有借鉴意义。

1 如何评估一个沟通系统？
本文探讨的是我们处理信息的能力，如果按照系统的角度去考虑的话，我们人其实也可以看作是一个信息处理系统，我们接受外部的信息（Input），经过处理（Process），再输出信息（Output）。

对于这样的一个处理系统，我们怎么样去衡量它的好坏呢？作者没有直
接研究信息的处理机制（Process）,而是从输入和输出的关系来进行分析。

一个好的系统（原文特指的是沟通系统），其输入的信息和输出的信息要有比较稳定的系统性的关系。

怎么理解？打个比方，A和B是两个使用不同语言的人，他们需要你作为中间人传递信息，你在其中扮演了一个沟通系统的作用，比较好的沟通人，应该是A传递给你的信息，你转述后应该和原意尽量相当，中间很少出现误传，或者在传递中产生噪声。

作者用两个交叉的圆圈表示了这概念，左边的圆圈表示输入信息，右边的圆圈表示出的信息，中间重叠的部分就是有效传递的部分，而非重叠的部分，则主要是噪声，对于输出的噪声，不仅包括输入带来的，还包括系统本本身产生的，而重叠的多少，可以用输入和输出的相关性衡量。

那么如何基于这样的一个简单模型来判断我们的处理能力呢？作者通过实验的方法来进行统计分析，把每个测试者看成是一个信息处理通道，通过不断加大输入端的信息量，然后判断输出端信息的准确性来进行判断。

就好像往一条道路上不断投放车辆的数量，通过它出现堵车的情况来判断道路容纳车辆的能力。

这里需要强调的，依据我的理解，这个处理能力更多描述的是一个“同时处理的能力”，有点像上网时的带宽，或者道路的宽度（4车道，8车道等）。

那如何量化这种带宽呢？
作者引入了信息论中对信息的量化——比特，具体计算公式这里不罗列，简单表述如下，比特是对信息量的衡量，而我们提到过，信息就是消除不确定性的东西，需要消除多少不确定，就需要多少信息，比如有一枚制造均匀的硬币，抛掷的时候，正面朝上和反面朝上的概率都是1/2，但是抛之前，你是不确定结果是正还是反，通过公式计算，消除这种不确定所需要的信息量就是1比特。

在后面的处理能力衡量中，作者就是借用了这概念。

比如，如果能在2个相似的选项中做出准确的判断，需要的处理能力就是1比特，如果是在4个相似选项中做出判断，对应的就是2比特，依此类推，
如果是8个相似选项做出准确判断，对应就是3比特。

文中通过这种方式，不断提高选项的数量（增加处理的信息量），给测试者足够的时间，直到测试者出错为止，以此时的选项对应的比特数，就作为人们同时处理信息时的能力。

2 单维度和多维度测试
在文中，作者分别从单维度输入（或者叫刺激）和多维度输入两个方面行了实验统计分析。

所谓单维度的输入，就是只评估的对象或者输入信号只在一个维度变化，比如听觉测试时，只改变音调这一个变量；多维度输入对应的是测试的时候，选项在多个维度变换，比如声音同时包含音调和音量的变化。

文中涵盖了听觉、视觉、味觉、触觉等多个感知，从单维度到多维度的测试结果。

其中处理能力最低的是味觉（用的是对盐度的评估），对应的是1.9比特，能力最强的是视觉（文中以在直线上判断点位置为例），达到了3.9 比特。

怎么理解呢？其实对应的就是，在一条直线上判断点的位置，当选项增加到15个时候（2的3.9次方），人们在选择和判断上开始出错。

但是总体来看，对于单一维度刺激，水平集中在2~3B比特，也就是作者说的7±2.
拓展到多维度，有两个很明显的规律。

第1个规律，多维度输入，人们的处理能力会增强。

比如对于声音的判断如果将维度拓展到音调、强度、声音持续时间，间隔时间，声音方位，那么处理能力将会从2.5比特，提高到7.2比特，这就意味着判断的上限从5.6个左右提升到147左右，是个很大的提升。

那是不是意味着我们可以通过不断增加维度，提高信息的处理能力呢？作者认为不能，他推测通过维度提升效果，维度有个上限，他推测在10左右，但是没有事实证明。

第二个规律是，提升不是叠加的，还是以上面为例，单一维度时为2.5，增加到5个维度，不会提升到12.5，而是7.2，为什么会是这样，作者没有给出解释，只是说明有这样的一个规律。

从我日常的经验来看，其实最好也不要超过7个，甚至是3~5个
是比较合理的，因为超过这个限制，其实人们就很难去理解它了。

上面分别从单一维度和多维度信息的一个处理的实验统计分析出来人们的处理能力，也就是集中在7的±作用，大约也就是两比特到三比特左右
3 两个不同的7
通过上面的介绍，我们发现人们在进行判断的时候，有个上限，对于单维度判断来说，其限值在7±2。

那么我们怎么破除这个瓶颈呢？作者给出了三个方法，第1个方法呢，就是尽量减少绝对判断，而要采取相关判断，这一点作者提到以前有研究，但本文没有详说；第2个方法是多维度，其实就是我们前面提到的多维度的测试；第3个就是将判断打包进行处理，这种方法是作者想重点推荐的方法。

在介绍第三种方法的时候，作者重点介绍了两个不同的7，前面我们介绍了一个7，就是人们在处理单维度信息时的处理选项的数量；而第二个7对应的是我们的短期记忆，也是我们短期记忆能记住的东西的数量是7个左右。

这两个很容易混淆，关键的区分点就在于，第一个7的限制是做判断时的信息量（对应的2-3比特），而第二个7对应的是数目。

可以做这样的一个比喻，第二个7可以认为是7个盒子，大小无所谓；第个7对应的是一个大小固定的盒子，它只能装大约2-3比特的信息。

其实严格地讲，我们处理信息的能力和两个7都相关，但是他们内在的关系在作者那个年代还不是很清楚（现在什么样，我也不知道），不过不影响我们去优化我们的处理能力。

那么如何利用它进行优化呢？作者提出的方法是重新编码。

4 重新编码
我们可以想象，需要我们处理的信息就像一个个的盒子，在每个盒子里都装有一定量的信息，通常而言，短期记忆不在乎盒子的大小，而作者认为这些盒子常常没有装满，为了提高效率，我们可以可以将这些盒子中的东西取出来，再重新装回盒子中，这样就可以在盒子数量不变的情况下，装更多比特的信息，这个过程中就是重新编码的过
程。

听上去很高大上，其实我们日常生活当中经常用到，比如把一系列动作进行打包，重新命名，比如跑步，我们知道它对应的是可能一系列动作，通过跑步这个概念就进行了压缩和快速提取。

我们还可以刻意训练这种能力，比如它的逆向工程——解码，比如对于某个概念定义，我们可以进行解码，理解它要表达的意思。

另外一种训练方法就是转码，就像我现在写这篇文章，用自己的语言重新理解一遍，即使可能有偏差，但是让我有深刻的理解和记忆。

第三种方式就是——图像化。

在画图：一种简单高效的思维和沟通工具，我们介绍过图像是最直观和信息密度很高的形式，画简图就是一种对信息进行重新编码的过程，把文字把语言转化成图像，更容易理解和沟通。

总结
以上就是本文想和你分享的内容，神奇的数字7（不是严格的）仿佛是限制我们处理信息的一个瓶颈。

如何突破这种瓶颈？关键的方法之一就是重新编码，对信息进行分块处理，增加每块的信息量，能够让我们更加高效处理信息。