我常常喜欢用空间来视觉化地类比我所遇到的选择，比如玩游戏的时候要进入某个上锁的房间，可以
- 去和守卫唠嗑，装上司让他给你开门
- 跑到房间背面找通气管道爬进去
- 突突突到门口再把锁黑了或者炸掉……
在我思考这个场景的时候，那个房间就像是某个孤悬的球，其他各种选项是其他的球，有缆线连向那个最终目标……（或者二维的简化，是中心的圆和周围的扇形）
又于是，探索方法解决问题的过程，会和荒野寻宝很像。那个最终的目标就是最后我要到达的球，外围一层球外还有一层球，对应我要完成的倒数第二步，倒数第三步……我称之为因果空间，解决问题，就是要在那里面找到最合适的依次进展的路径。
和荒野寻宝更像的是，我们不一定总有足够详细的地图。就像曾经我们想飞，但很长时间都不知道可以通过制造翅膀、用内燃来驱动器械达成这一目标。
现实中的地图在这个因果空间中的对应，就是信息。顺便说一句，不是以前的人无法想象翅膀的形状，只是想象不到这个形状的物件对达成目标有什么用，也就是一大堆悬浮的球之间没有线缆连起来，这些线缆就是验证过的因果关系。
完整的信息不常有，更多时候需要决策的场景都是伴随不确定的，就好象我能精确到特定的20个球，但我知道其中有且只有一个是连向最终目的的。如果知道某个特定目标，精准的狙击就可以，但如果只知道目标的大致范围，就只能对那一整个范围都去施加努力，比如地毯式轰炸。换言之——不确定哪种可能会是现实的情况下，为所有可能性都做准备 。于是，就如同之前的文章所说的那样，资产的价格是和它能产生的差别相关的，信息的价值可以相当高。
真实的世界中，这种不确定性反而是常态，比如在组建公司的时候，某员工，对其雇主，甚至他自己来说，都可能不清楚他是真心自驱努力工作，还是会在没有监督的情况下松懈。如果是前一种（最理想的）可能，完全可以允许他远程工作，扔掉一切考核、评测的成本，来获得100%的产出，而考评的成本是20%的话，进行考评可能得到的产出是80%。如果是后一种可能，完全没有评测的情况下也许产出只有20%，而考评带来的努力（80%）减去考评所需的成本，也许结果是60%的产出。看不清时，应用于所有可能性的选择，是那种能在坏的可能性出现时能保护到雇主的方案。每个人心目中世界的因果空间都有不同，很多奇葩的选项被选择，大抵也只是因为做选择的人认定，这是达到目标的最可行路径。
