观点聚焦

面对战略性突发事件，当个人和机构对特定情境下的信息思考过于抽象或过于具体时，就容易陷入措手不及的境地。信息本身的质量固然重要，但解读信息的思维框架同样举足轻重。若要最大限度地减少意外，人们不仅需要收集最佳可用信息，还需要在分析信息时，能够在具体与抽象的思维模式之间灵活切换。

如何衡量广告效果一直都是个难题。斯坦福商学院的近期研究揭示了汽车保险广告的巨大益处。他们发现，广告不仅能提升广告商网站的访问量，还能干扰消费者对其他品牌的记忆，从而将竞争对手从消费者的脑海中抹去。这些发现有助于解释，为什么即使是知名品牌也需要花费数百万美元进行重复性的广告活动，才能在人们的记忆中保持存在感。

斯坦福商学院教授的最新研究通过一个复杂的博弈论模型深入剖析了“超快时尚”公司的独特商业模式，揭示了美国关税政策变化带来的意外后果以及廉价一次性服装对环境的影响。

由于其性质，大型社会实验往往很难重复进行，因此无法用来测试新的假设或研究不同的条件。斯坦福商学院教授想创建一个能够随心所欲进行各种行为实验的虚拟世界。在一项新的研究中，他们开发了一个逼真的虚拟环境，其中包含2万个由人工智能驱动的数字“代理人”，这些代理人能够模拟社交网络中的人类行为。

政府未偿债务与GDP之比现在已成为衡量一个国家负债水平的主要指标。随着美国和其他主要经济体的这一比率飙升至历史新高，许多经济学家和政策制定者都担心这种情况可能难以为继。但斯坦福和沃顿商学院教授认为，关注债务与GDP之比并没有坚实的经济学依据。

美国经济如今正处于一个令人困惑的境地：股市繁荣发展，但整体经济增长乏力。斯坦福商学院金融学助理教授James D. Paron指出，这两种现象并不矛盾，而是同一枚硬币的两面。根据Paron的研究，股市的繁荣与创新关系不大，更多地源于财富逐渐集中到既有的企业巨头手中。

斯坦福商学院组织行为学助理教授Helena Miton在她发表在《认知科学趋势》期刊上的论文中，探讨了技术进步如何迫使人类去寻找方法，以分担和管理使用创新所需的认知负荷。

在斯坦福商学院最近的实验中，研究人员希望能揭示人类和人工智能如何理解颜色。回答这个通常被概括为“具身观点”和“统计观点”之间争论的问题，能为生成式人工智能可以在多大程度上复制人类思维方式提供线索。结果表明，基于统计的颜色推断能走得很远，但显然具身经验同样是人类认知的重要组成部分。

将人工智能融入算法使购物及流媒体平台的推荐系统功能更强大，但也让它们变得更加不透明。斯坦福商学院最新研究表明，人工智能模型不一定需要更多或更好的数据来改进表现；它真正需要的是更优化的结构。