懶得動腦?思考太累傾向不思考?人森好難太多問題太難解?在這個大GPT時代,用演算法的方式幫忙思考,是不是一種抄捷徑,更容易的方法?
人生鳥事十之八九,當對生活的各種大小事猛然一個困惑時,如果是演算法,會怎麼解這題?著名的電腦科學家布萊恩.克里斯汀(Brian Christian)和美國加州大學柏克萊分校的認知心理學家湯姆.葛瑞菲斯(Tom Griffiths),對,就是這本書《
決斷的演算:預測、分析與好決定的11堂邏輯課》(Algorithms to Live By: The Computer Science of Human Decisions)的兩位作者,根本就是理性與感性的神奇結合,告訴我們,用演算法的方式思考,真的不會太理性啦!反而可以多一點明智,甚至有一點善解人意?!
有些人對「演算法」這詞可能還有點陌生,簡單來說就是:解決問題的一連串步驟,這些步驟最好又少又快、結果最佳...還要CP值最高,什麼樣的公式能走到這個結果?大家都知道演算法沒有絕對正解,只有目前得到最高機率能獲得成功的最佳解。
看到這裡你心裡murmur了:用既定公式來做決定也太過冷冰太冷漠太無情根本缺乏人性,但但但...或許被感性蒙蔽眼睛的你,有時就需要一些理性介入?
何時該選定人生伴侶?
談戀愛,一個不順心如意就忍不住想,或許下一任會更好?房子不停看總覺得房子百百間,怕錯過更好的?找停車位中,明明餘光瞟見有空位,車還是繼續往前開,離目的地更近的區域可能還有機會?
尋覓的過程中,到底何時是個終點,人生沒活完,或是車沒開到目的地,誰知道在下個路口等你的會是什麼?如果遇見更好的,錯過了豈不可惜?
演算法告訴你,37%就是你的最佳停止點。
什麼意思?也就是如果你從18到40歲都會尋覓人生伴侶,那你最好在26歲開始下決定了。如果你這一生可能交10任女友,那最好在第3-4任往前檢視是不是有最佳解了。
你說啥鬼?這麽精準的數字到底從何而來?給個依據啊。
決斷的演算裡面說明了許多數學家推導的過程,以及用許多數學原理(在此略)(太難了我都速讀跳過),告訴我們37%就是最高機率能選到「最好的」時間點。(第二名58%)
但哭啊,即便37%或58%是你最有可能做出最正確選擇的時機,但你還是很大可能會做出錯的選擇,也就是說,即便你在這兩個時間點做出選擇,其實成功率只是相對高,但也沒高到哪去,基本上還是有很大的失敗機會會選錯。(翻桌)
沒辦法,就已經說人森很難了,最佳決策因嚴格的序列性跟無法回頭的單向進展...好啦白話文就是:時間特質,使我們不得不在無法預測未來的情況下做出決定,不得不接受即便採取最佳行動(37%或58%),失敗率仍然居高不下。
當我們看似萬全百無一失的列出全部可能選項,小心翼翼地權衡想做出最好的選擇,但實際上,時間是不停往前流動的,你根本不可能真的在哪個絕對時間點做出最佳決定。
而這本書點出,決策思考過程中最重要的關鍵其實只有一個,不是我該做什麼選擇,而是「何時該拿定主意?」
新歡還是舊愛好?
演算法說,年輕人比起老年人,更喜歡嚐鮮。
年輕人剛入大學新環境時通常很快樂,因為充滿新事物(新歡)。老年人進入安養院卻不那麼愉悅,因老年人心想:我就只差上半身沒躺進去了,老子只想待在自己「已知」熟悉的、好的、喜愛的地方(舊愛)好好珍惜地活完剩餘的日子。
吉尼斯係數(Gittins)說,陌生選項的吸引力膨脹到超越出我們想像,因驚喜報酬往往高達好多倍。超出預期之外的大景、美味,都能讓人多巴胺往上衝破月線。
先來題靈魂拷問,疫情後你去日本了嗎?if yes,當你在日本吃到一家超級好吃超級滿意的餐廳,但日本那麼多美食...請問剩下的日子裡,你會繼續嚐鮮探索,還是就好好吃爆這家「已知很好吃」的選項呢?也太焦灼!
不過,大部分時候,嘗鮮也很容易踩雷,那個失望之力也不容小覷。《決斷的演算》說,電腦也會遇到到底要「開發蒐集資料尋求最佳選擇」還是「善用現有資訊取得已知良好結果」的兩難,結論大致是:如果你還有很多時間,就盡情探索追求意外的驚豔吧!但如果你時日不多,總是選擇喜愛的選項,確保沒有意外的失望,整體應還是可以提升生活品質。
而筆者我呢,因為本人太喜歡驚喜感了,所以我還是不會放棄開發陌生選項,點菜單上看起來最特別奇怪那道(朽木是我)。像我很喜歡台中的炎術飲料店,因為裡面太多新奇選項簡直就是愛嘗鮮的我的天堂,我記得第一次我就點樹葡萄奶。還有龜記我第一次也是點黑木耳鮮乳。就是那種點完朋友會覺得你很怪的選項。
他們說的不見得是真的?
人們聊天時都傾向分享有趣的事,而非自身經驗或平凡小事,但注意了,有趣通常不常見,但因為人們愛分享,因此很常聽見這些特殊案例,而讓你誤以為,全世界都在發生這種事。
那個誰上次買買了幾顆加密貨幣,最近牛市噴了一波,他用賣掉的錢拿去付了新北中古屋給他爸媽。那個誰幾年前用100萬買了輝達,中間app忘了密碼,一直沒登入,久了就忘了,最近黃仁勳新聞吵得凶,他才記起自己也是輝達股東,找回密碼登入後,最近在信義區看房子。聽多了、聽久了,你以為全世界投資都在賺錢,只有你在被大戶狙擊。BUT!事實是,心理學來看人虧損暴賠時是不大會分享的,你聽到的大概率都是倖存者偏差。而大部分人過著的平凡日常、無奇瑣事,會成為聊天話題被拿出來聊嗎?聊這個太無聊,大家根本不會分享,但你卻忽略了這一大部分基數。
在某種意義上我很樂觀,我相信人類高尚又可敬,
而且有些人非常聰明,但我對一群人就沒那麼樂觀了。
Steve Jobs 蘋果賈伯斯
請注意,事件在媒體上或朋友口中的出現次數,與發生頻率絕對無關。不代表新聞常播搶劫,這件事就超高機率高頻率在發生,弄得自己提心吊膽。新聞/聊天大部分時候只會輸出會引起你驚訝的事,而他們通常不常見。如想做出正確的事前預測,則必須好好保護事前分佈(少看營養成分偏少的新聞/少聽人道聽途說啦~)。
若你發現自己站在多數人這一邊,
就應該仔細思考一下自己信念是否還真的是正確的。
馬克吐溫
想少一點,比較聰明?
美國國父 Benjamin Franklin 班傑明·富蘭克林 感到困惑沒什麼把握時,會作優缺點清單法,又稱富蘭克林決策法。
很簡單的決策方法,用來權衡不確定未來中的各種選項。作法:
- 在一張紙中間用筆畫一條線分成左右兩部分。
- 左邊上方寫「優點」,右邊上方寫「缺點」,開始填此選擇的優缺點
- 將兩邊的優缺點,依照重要性或複雜程度打上一個「加權分數」 (依你主觀決定1-10分)
- 最後加權總分看左右哪邊比較高分,就有答案了。
我在決定要不要換工作、選哪家公司時,都會用這方法,覺得很堪用。
普世都認為,演算法模型越複雜、參數越多,就會得到越精準的預測。意味著如果我們大腦思考時間越長,考量因素越多越詳盡,決策越佳。BUT!其實,機器學習一直有過度適配的問題。學習太多資料,反而會某種程度的降低準確性,無法反映真實狀況。咦!為啥!考慮得更複雜卻預測的更不准。
舉例,算公司平均月薪時,你要扣除極端值比較準(因為老闆領的可能是員工的五倍,但老闆只有一個。)投資理財考量總經、財報、基本面、創辦人、技術分析、量能等等等太多指標,反而會失去大方向。醫生在診斷病症時,如果考慮過多的檢查結果、病史、研究論文,可能會導致診斷過度複雜,反而不易發現關鍵問題。
而科學家遇到機器學習過度適配的問題怎麼解?首先交叉驗證,若答案真的出現極端值,便懲罰複雜(去除複雜情境&極端值)。恩~我猜這時候有些人又頭昏腦脹,低吼:白話文啦!
簡單來說,演算法想說的是:刻意少想一點也是一種智慧。
如果你沒辦法簡單說明,代表你了解得不夠透徹。
愛因斯坦 Albert Einstein
以上只是幾個個人比較印象深刻的算法,整本書提供了共11堂邏輯課。身為一個文組人,覺得內容滿生硬,非常大的篇幅都在解釋數學原理、算法邏輯、驗證推導,最後再給你結果參考,因此是個很容易讀到出戲的書。不過,如果你熱愛數理,想以演算法視角看生活,那演算法和人生思考的有趣結合,我相信你會很喜歡。BUT!如果你跟我一樣,看到演算法就 fade out,那可以看我的讀書心得聽我的podcast即可?(大誤)
完美是把事情做好的大敵。放鬆問題,提供解題的起點。
伏爾泰
不過不得不說整體而言這本書還是對我產生了滿大的影響,包含想讓我在尋找浪漫關係時,起心動念想把腳步停止在37%不再流浪遊蕩以外,也讓我立志做出重要的改變:不要想太多!想做的事先做了再說!
本書適合的人類|
太感性者、心理學、想精進邏輯、數理好但需要更多生活智慧的
作者| Brian Christian, Tom Griffiths
出版社|行路
延伸推薦
#高手思維 萬維鋼 遠流
#底層邏輯 劉潤 時報出版