《算法之美》读书笔记-如何获得平衡的生活-1

《算法之美—指导工作与生活的算法》
我的wordpress博文链接：《算法之美》读书笔记-如何获得平衡的生活-1 – Zero，后面更新修改，简书版本就不折腾更新了。

关键词：平衡，理性，算法，妥协，灰色思维，认知

这是2018年下半年读完的一本书，在读的过程中，脑海中反复出现的两个关键词，一是“平衡/balance”，二是“理性/rationality”。

平衡是一种不走极端的态度，比如看问题不走极端（很多人倾向于负面思维），选择工具接受不完美（避免menu cost），等。

比如最近有人在知乎鼓励我之前就读的分子科学与工程专业新生“转专业”和强调“选择大于努力”的言论，其实在我看来就是一种极端的表现，作者因为自己的经历就觉得专业对别人来说也是一个坑，但这个结论可有些“以偏概全”，这让我想起了统计学中的幸存者偏见”概率，考虑“没有返航的飞机”，那些学了本专业成就还很不错的人，都没有发声说“不要转专业”，结果就被一个声音代替了全部。（我可不是专业的优秀毕业生…）

理性则是在关键时刻和决策面前摆脱潜意识和直觉判断（当然这里面也有平衡的问题，快思考和慢思考各有适用场景），类似于“期望值理论”，实现办法则是借鉴现有的决策框架，比如本书中提到的一些算法思维，比如反向思考，贝叶斯推理等等。

本书是一本联系计算机算法和人类生活决策的图书，通过了解和学习计算机领域的最优算法，更好的理解生活中如何做决策。

计算机科学有一些算法可以直接借鉴到人类的决策中，我们借鉴计算机领域的解决方案来改善我们的生活决策，好的算法是强调思考劳动的最小化。（大脑认知原则）

我们使用最优算法进行决策，即使最后失败了，也不值得后悔。【这就是过程和结果的辩证关系，也是我们面对概率的态度，就像第一章的的“最优停止理论”只能保证37%的成功率，但已经是整体上最优的方法】

“计算善意”（利用算法选择最优方案）的核心是认知科学的观点，即人脑是懒惰的，科学的决策是消耗尽可能少的大脑精力的同时保证决策质量。

我们既可以利用算法帮助自己改进决策，也可以帮助/引导别人做出最好的选择，这有点类似于《助推》和《设计心理学》中的设计过程。

善待别人：设计更好的算法以节约别人和社会整体的认知负担，比如餐厅就餐如何等待，公交车和地铁的下一班车预告。【现实社会中，有些人和公司却是想办法设计系统去误导别人多花钱，这也是大数据成为黑箱子后的一个可能雷区】

善待自己：学习更好的算法以改进自己的决策，一方面做出更优的决策，另一方面即使决策失败也不会懊恼（因为追求过程的结果已经最优）

本书最有用的几个观点：

第一章：最优停止理论， 选择平衡点
第二章：探索与利用，不折腾！
第四章：缓存系统和大脑记忆系统， 理解大脑运行和学习方法（类似于《为什么学生不喜欢上学》和《认知天性》
第五章：时间管理
第六章：贝叶斯推理，如何基于不完整的信息做决策，如果通过获取新信息优化决策。
本博文先总结第一章和第二章的主要观点，增进自己的理解。

第一章 最优停止理论

关键内容：有限的时间和精力，如何在最少的时间内做出最好的选择，摸清情况再行动准则（look then leap rule)

最理想理性的决策是枚举所有的可能选择（机会成本和期望值理论），然后再做判断。但是实际上我们没有机会和时间如此操作，有限的时间和精力要求尽快做出选择。 此时最好的选择合适放弃枚举法和期望值理论， 而是在部分信息下做出可能性最高的选择，即本章的37%。【贝叶斯推理也是基于部分信息作出尽可能最优的选择，本章的最优停止理论强调的是时间、精力消耗上的适可而止，贝叶斯推理强调的是建立在不完整信息上的分析】

最优停止理论建立在时间的不可逆性和不可废止性，有限的时间做出尽可能最优（概率最大）的选择。

问题：“没有最好， 只有更好”，所以是继续寻找更好的，还是选择当下的？

答案：面对这种两难选择，答案就是计算机领域得到的一个平均结论——37%。在最初的37%时间和选择阶段保持观察，之后进入执行阶段，遇到目前最优的选择就直接选定。 这样选中最优候选者的概率是37%。

书中介绍了几个最优停止的例子：买房子，找对象，秘书问题选择停车位问题等。

比如找对象，假如希望在25-35之间找到最好的对象，按照37%原则，应该在29岁之前保持观望，之后如果看到截至目前最优的候选者，就果断求婚～【也可以把时间段改成谈恋爱次数，当然我可是现在才看到这个理论的。。。】

比如买卖房子，如果计划看10个房子，前三个不要下单，等到第四个再开始选择。

第二章 探索与利用——磨刀不误砍柴工/只要功夫深铁杵磨成针?

关键词：探索explore，利用exploit，优先级，折腾or not【【剩余时间，时间的有限性】】

我们从小就被教育“磨刀不误砍柴工”的道理，其实就是“探索与利用”的过程，磨刀是探索explore过程以优化工具，砍柴则是利用exploit以得到结果。

我们还被教育“只要功夫深，铁杵磨成针”，但这个就有些“过度探索”了，如果一个人真的要把铁杵磨成针再去制衣，那黄花菜都凉了。

因为有更多重要的事情要做（利用工具执行具体的任务），所以不能把时间都用在探索上（确定最优的工具）。

对于每个人来说，应该花多少时间explore，多少时间exploit呢，平衡点在哪儿？答案是 “it depends/看情况”，因人而定，因事而定。

我工作之后，经常提醒自己“现在少折腾”，并感谢自己大学期间“多折腾”。 读书期间研究不少效率软件，那个时候有大把的explore的时间，但是毕业之后家庭工作压力大增，没有那么多时间继续explore了，就静下心来，把之前挑的好工具用好，即使有些小bug也就接受了，现在没有时间去explore，也承受不起menu cost（朋友给我说的一个经济学名词，很形象，形容餐厅换菜单给经营者和消费者带来的负担）。

平衡点在哪儿，因人而异，这就很像一个人在不同年龄段的优先级排序。 年轻的时候追求平衡有些“太老成”，工作成家之后还四处扑腾就有些太作了。

延伸：《漫步华尔街》所说的投资周期，不同年龄段的人对风险的偏好不同，所以资产配置方式不同。年轻太老成不好，年老依然疯狂同样不好。

本书前两章观点的备注讨论

这里的问题不是没有足够的选择，而是如何在足够的选择中取舍。

以上是第一章和第二章的共同前提，即都有足够的选择，但是却缺乏时间和精力去逐一对比，所以第一章给出了平均结论，即37%时刻从“探索”切换到“利用”，第二章则强调不同的人的最佳平衡点不同，所以不再限于37%，所以是“it depends”。

最优停止理论有点像“用概率换时间”，用可能的不完美去交换更多的富裕时间，有点类似于奥巴马只穿两三款式的西装，避免精力消耗，这也是使用算法的原因——节省认知资源。

2018.09.06 first draft

2019.1.14 30mins on the train to Tianjin

2019.01.19 revised