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？
決斷的演算
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
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！
決斷的演算：預測、分析與好決定的11堂邏輯課
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
更多 #閱讀 #職涯 #數位遊牧 分享 IG @fianne.readcast
ᴩᴏᴅᴄᴀꜱᴛ 搜尋【已讀】 | 30分鐘有找•聊一本書
