一件事物或某件事情，在不同的人看來是不同的。通常會說是因為不同的人「認知」不同，進而導致觀察的角度不同。
而在經歷的事情多了之後，可能在某個特定的時間點，突然明白了對方的思考方式，進而提升了自己的認知，或者說增廣了見聞。
那麼，有什麼模型可以用來描述這種現象嗎？
矩陣思想
如果把世界萬物都看成由變數構成的「資訊」的話，那麼我覺得以不同的角度看待一件事物，就相當於提取某一維度的資訊。
比如對於一個物品，從 A 角度看可能有一定的作用，從 B 角度可能完全沒用，從 C 角度那則是必須之物。像這樣，當一個人能夠看到愈多的角度，就愈能夠清楚這個物品的「價值」。
這整個過程都是對原物品的判斷，原物品的資訊從始至終都沒有改變，而推算這些「價值」的過程，恰恰就像是在對原資訊進行了矩陣相乘，也就是對原有資訊進行了線性變換（線性轉換）得到一個新矩陣。而這個新矩陣，則反映了這個人對這件事物的全部理解，例如：
- 維度：這個人認知有多深，可以從多少維度去解析事物。
- 特徵值：在這些維度上，他覺得有哪些有價值，價值幾何。
- 秩 (Rank)：整體來看，他的認知維度是否豐富，或者說這件事物在他的認知中有多少維度具有「價值」。
矩陣實際上是一種對空間的動態變換。
認知矩陣理論
基於此，我大膽提出「人的認知矩陣理論」，具體如下：
假設外部世界的一個客觀事物或事件是一個矩陣 $X$。
每個人因為自己的基因、經歷、學識等，大腦內都天然形成了一個獨特的認知權重矩陣 $W$（或者可以說是「濾鏡」）。
$$ P = WX $$這裡生成的 $P$ 就是經過個人思考後，映射到腦海裡的「主觀分析矩陣」。
價值的本質
$$ Pv = \lambda v $$所以我藉此推論：
- 特徵向量 $v$ (方向)：代表了這件事物在一個人的認知系統裡，映射到了哪個維度上，比如情緒維度、學術維度、利益維度等。
- 特徵值 $\lambda$ (大小)：代表了這件事物在某一特定維度上，對這個人產生的「價值量級」或者說「絕對影響力」。
這就可以解釋為什麼同一件事物，不同人看法不同，做法也不同。因為經過各自的認知矩陣變換後，大家算出的不同維度的「價值 (特徵值)」不一樣，而人一般總是會順著特徵值最大的那個維度去行事。
一個簡單的例子
這裡為了簡單描述，我以兩個維度舉例：
假如對於認知權重矩陣 $W$，A 的情緒維度佔比高，B 的理性維度佔比高，那麼面對「安慰一個人」這件事情：
- A：哄開心，轉換心情 (情緒維度特徵值大)。
- B：理性分析原因，客觀求證問題試圖解決 (理性維度特徵值大)。
電腦視覺的啟示
當然，在思考這些的時候，我聯想到了電腦視覺 (CV)。CV 本質上就是把圖片當成矩陣來處理，透過矩陣變換 (卷積核) 實現機器學習或影像處理。
同時像是灰階化、模糊、邊緣偵測等效果，都是有一套特定的運算子矩陣的。
所以這不由得讓我深思。
認知改變理論
我再次大膽提出「認知改變理論」，因為我相信人是可以改變的，所以認知也同樣是可以改變的。
那麼改變我們特定矩陣的，可能就是現實中的名言佳句、共通道理或者重大的生活經歷，它們就像是預設好的通用認知矩陣。透過引入這些新的矩陣來看待事物，讓自己的認知矩陣進行線性變換甚至拓展維度，從而提升一個人的認知水平 (秩)，改變自己的 $W$。
同樣，人與人之間的爭吵、說服、甚至共情，在這種視角下想必也算是一種變相的認知矩陣博弈與參數微調吧。