Ihmisen päätösten tietotekniikka
Elämä on kiireistä. On Algoritmit, joiden mukaan elää joka on pölyttynyt kirjahyllyssäsi? Ota sen sijaan tärkeimmät ideat talteen nyt.
Raapaisemme tässä pintaa. Jos sinulla ei vielä ole kirjaa, tilaa se. kirja tai hanki äänikirja ilmaiseksi Amazonissa saadaksesi tietää mehukkaat yksityiskohdat.
Brian Christianin näkökulma
Brian Christian on runoilija, ohjelmoija ja tutkija. Hän on aiemmin voittanut Loebner-palkintokilpailun. Tässä kilpailussa hän onnistui näyttämään "inhimillisemmältä" kuin testiin osallistuvat ihmiset, kun hän kilpaili "liittolaisena". Hänen ensimmäinen kirjansa The Most Human Human oli Wall Street Journalin bestseller ja nimettiin New Yorkerin vuoden kirjaksi.
Tom Griffithsin näkökulma
Tom Griffiths on psykologian ja kognitiotieteen professori Berkeleyn yliopistossa. Hän johtaa myös laskennallisen kognitiotieteen laboratoriota UC Berkeleyssä. Hän on kognitiivisen psykologian johtava akateemikko, ja American Psychological Association on myöntänyt hänelle useita palkintoja.
Johdanto
Algoritmit, joiden mukaan elää tarjoaa oikoteitä ja hakkereita, jotka auttavat virtaviivaistamaan elämääsi. Algoritmeja lisätään tietokoneisiin ja muuhun teknologiaan ongelmien ratkaisemiseksi. Ei kuitenkaan ole mitään syytä, miksi emme voisi käyttää algoritmeja jokapäiväisessä elämässämme. Brian Christian ja Tom Griffiths kuvaavat, miten algoritmeja on käytetty vuosisatojen ajan. Lisäksi kerrotaan, miten käytämme tiettyjä algoritmeja päivittäin. Jotkin algoritmit ovat kuitenkin tehokkaampia kuin toiset. Tässä kirjassa esitellään algoritmeja, joiden avulla elämästäsi voi tulla helpompaa ja miellyttävämpää.
Algoritmit, joiden mukaan elää on ollut erittäin menestyksekäs sen jälkeen, kun se julkaistiin vuonna 2016. Julkaisun jälkeen siitä tuli Audiblen #1-myydyin tietokirja. Myöhemmin se nimettiin Amazon.comin vuoden parhaaksi tiedekirjaksi. Lopuksi MIT Technology Review nimesi sen vuoden kirjaksi.
Ellemme ole valmiita viettämään ikuisuuksia täydellisyyden tavoitteluun aina, kun kohtaamme ongelmia, vaikeat ongelmat vaativat, että sen sijaan, että pyöritämme renkaitamme, kuvittelemme helpompia versioita ja ratkaisemme ne ensin. Oikein sovellettuna tämä ei ole pelkkää toiveajattelua, ei mielikuvitusta tai tyhjänpäiväistä haaveilua. Se on yksi parhaista keinoistamme edistyä."
- Brian Christian
Algoritmit eivät koske vain tietokoneita
Suurimpia haasteita, joita sekä tietokoneet että ihmismielet kohtaavat: miten hallita rajallista tilaa, rajallista aikaa, rajallista huomiota, tuntemattomia tuntemattomia, epätäydellistä tietoa ja ennakoimatonta tulevaisuutta; miten tehdä se armollisesti ja luottavaisesti; ja miten tehdä se yhteisössä muiden kanssa, jotka kaikki yrittävät samaan aikaan tehdä samaa.""
- Brian Christian
Useimmat ihmiset yhdistävät algoritmit tietokoneisiin ja muuhun teknologiaan. Sana on kuitenkin peräisin jo yhdeksänneltä vuosisadalta. Persialainen matemaatikko Muhammad Al-Khwarizmi on ensimmäinen henkilö, joka käytti sanaa "algoritmi". Algoritmien kaltaisten käsitteiden käyttö juontaa kuitenkin juurensa jo sumereilta. Sumerilaiset olivat sivilisaatio, joka oli olemassa neljä tuhatta vuotta sitten. Tämä sivilisaatio käytti rajallista määrää vaiheita ongelmien ratkaisemiseen. Me käytämme rajallista määrää vaiheita useiden tehtävien suorittamiseen päivittäin. On tärkeää, että tämä on myös algoritmien ytimessä oleva tekniikka.
Kunhan noudatetaan tiettyjä rajallisia vaiheita, mikä tahansa voi olla algoritmi. Esimerkiksi resepti on eräänlainen algoritmi. Se sisältää sarjan ohjeita halutun tuloksen saavuttamiseksi. Luettelon laatiminen jonkin asian tekemisen eduista ja haitoista on intuitiivinen algoritmi.
Näitä algoritmeja voidaan pitää subjektiivisempina kuin tietokonealgoritmeja. Silti nämä algoritmit käyttävät samaa prosessia ja päätyvät samaan ratkaisuun. Molemmissa tapauksissa, kun tietyt ehdot täyttyvät, prosessissa otetaan seuraava askel.
Algoritmit voivat kertoa meille, milloin lopettaa
Sen lisäksi, että algoritmit kertovat, miten tehtävä suoritetaan vaiheittain, ne voivat myös kertoa, milloin tehtävän suorittaminen on lopetettava. Ihmisinä meidän on vaikea tietää, milloin lopettaa jonkin asian etsiminen. Lisäksi meillä on kognitiivisia ennakkoluuloja, jotka vaikuttavat valintoihimme hakujen aikana.
Tämän kirjan kirjoittajat ehdottavat, että optimaalinen pysäytysalgoritmi on ratkaisu tähän. Jos vaihtoehtoja on 100, tämä algoritmi sanoo, että sinun pitäisi katsoa ensimmäiset 37 vaihtoehtoa ottamatta mitään niistä. Käytä näitä 37 ensimmäistä vaihtoehtoa standardina. Tämän jälkeen on otettava se kohde, joka täyttää nämä standardit. Tämä algoritmi ei takaa parasta tulosta. Se tarkoittaa kuitenkin sitä, että sinulla on paljon suurempi mahdollisuus hankkia huomattavasti parempi kohde kuin pelkkä arvaus. Sillä ei ole väliä, mitä etsit: 37% kokonaismäärästä on se, mihin vedät standardisi.
Algoritmit voivat kertoa meille, milloin aloittaa
Sen lisäksi, että algoritmit neuvovat meitä, milloin meidän pitäisi lopettaa haku, ne voivat myös kertoa meille, milloin kannattaa tutkia jotain uutta. Kirjassa kirjoittajat mainitsevat esimerkkinä peliautomaatin. Jotkut ihmiset vain istuvat koneen ääressä, kunnes he voittavat. Ihmisten mielessä pyörii kuitenkin aina ajatus siitä, pitäisikö heidän yksinkertaisesti kävellä pois, vaikka he ovat menettäneet paljon rahaa. Raha-automaateille annetun vaihtoehtoisen nimen perusteella tätä dilemmaa kutsutaan nimellä Multi-Armed Bandit Problem.
Yksi uhkapelaajien usein käyttämä strategia on jäädä, jos he voittavat, ja siirtyä, jos he häviävät. Tämä ei kuitenkaan ole looginen tapa valita, milloin kannattaa tutkia jotain uutta. Vaihtoehtoisesti parempi menetelmä on käyttää Upper Confidence Bound -algoritmia. Seuraavassa on tämän algoritmin vaiheet, jotka kirjoittajat ovat toimittaneet. Jälleen sitä sovelletaan rahapeliautomaatteihin:
- Etsi kone, joka tarjoaa parhaan odotetun arvon. Tässä tapauksessa se on kone, jossa on suurin jättipotti, koska et ole tietoinen todennäköisyyksistä.
- Varmista pelatessasi, että seuraat todellista tulosta (kuinka paljon rahaa voitat). Todellista tulosta on verrattava siihen, kuinka paljon odotit voittavasi tässä vaiheessa.
- Jos todellinen tulos on jatkuvasti odotettua tulosta alhaisempi, sinun on vaihdettava koneen vaihto. Tämän koneen pitäisi olla se, jossa on toiseksi suurin jättipotti.
- Toista prosessi.
Algoritmit voivat auttaa meitä organisoimaan työtämme
Tämän kirjan kirjoittajat selittävät, että järjestäytynyt kaaos voi olla ihan hyvä asia. Kunhan tiedät, missä kaikki on, olet tuottava. Jos arkistointijärjestelmäsi ei kuitenkaan ole tehokkaasti järjestetty, on olemassa algoritmeja organisaatiosi parantamiseksi. Kirjoittajat kuvaavat erityisesti kolme algoritmia:
Kupla lajitella
Tämä algoritmi on vähiten tehokas. Tällä menetelmällä järjestetään yksi pari kerrallaan. Toista sitten tämä prosessi yhä uudelleen, kunnes kaikki on lajiteltu. Kirjoittajat antavat esimerkin kuplalajittelualgoritmista kirjojen aakkostamista varten. Kun hylly on epäjärjestyksessä, aloittaisit kirjaimesta A. Vertaisit kahta ensimmäistä kirjaa ja lajittelisit nämä kaksi aakkosjärjestykseen. Sitten vertaisit kohdetta, joka on nyt toinen kirja, kolmanteen kirjaan. Tätä prosessia toistetaan, kunnes olet päässyt kokoelman loppuun.
Insertion lajittelu
Lisäyslajittelumenetelmä on paljon tehokkaampi, jos sinun on lajiteltava huomattava määrä kohteita. Jos tarkastellaan taas kirja-analogiaa, lisäyslajittelumenetelmä edellyttäisi kaikkien kirjojen ottamista hyllystä. Sitten ne asetetaan takaisin yksi kerrallaan ja varmistetaan, että kirjat asetetaan oikeaan järjestykseen joka kerta, kun kirja asetetaan takaisin.
Yhdistä lajittelu
Lopuksi, yhdistelmälajittelumenetelmässä kaikki jaetaan useisiin kasoihin. Kukin kasa lajitellaan A:sta Z:hen. Sitten kasat yhdistetään.
Algoritmit voivat auttaa meitä aikatauluttamaan elämämme
Tyrmääminen on hyvin tunnistettava ihmisen tila. Jos sinulla on koskaan ollut hetki, jolloin olet halunnut lopettaa kaiken tekemisen vain saadaksesi tilaisuuden kirjoittaa ylös kaiken, mitä sinun pitäisi tehdä, mutta et ole voinut säästää aikaa, olet thrashedannut."
- Brian Christian
Tiedostojen järjestämisen lisäksi meidän on järjestettävä myös elämämme. Elämämme aikatauluttaminen voi olla hyvin monimutkaista ja usein päivittäinen haaste. Työn vaatimusten lisäksi monet muut elämän vaatimukset vaikeuttavat kaiken sovittamista yhteen. Jotkin algoritmit voivat kuitenkin auttaa parantamaan elämäsi aikataulutusta.
- Earliest Due Date Algorithm - suoraviivainen algoritmi. Suoritat ensimmäisenä tehtävän, jolla on lähin määräaika.
- Mooren algoritmi - Tämä algoritmi suosittelee ohittamaan tehtävän, joka vaatii eniten aikaa. Sen sijaan kannattaa pyrkiä saamaan enemmän tehtäviä valmiiksi. Tämä algoritmi on tehokkaampi silloin, kun sinulla ei ole riittävästi aikaa kaikkien tehtävien suorittamiseen.
Kirjoittajat suosittelevat välttämään prioriteettien kääntämistä hinnalla millä hyvänsä. Prioriteettien kääntäminen tarkoittaa sitä, että keskityt liian moneen pieneen tehtävään, eikä yhtäkään niistä lopulta saada tehtyä. Sinun pitäisi pyrkiä keskittymään vain yhteen tehtävään kerrallaan eikä monitehtävään.
Algoritmit voivat auttaa ennustamaan tulevaisuutta
Jos haluat olla hyvä intuitiivinen Bayesilainen - jos haluat tehdä luonnollisesti hyviä ennusteita ilman, että sinun tarvitsee miettiä, millainen ennustussääntö on sopiva - sinun on suojattava ennakkoarviosi. Se saattaa intuitiivisesti tarkoittaa uutisten sulkemista pois päältä."
- Brian Christian
Vaikka emme voi koskaan olla varmoja siitä, mitä tulevaisuudessa tapahtuu, on mahdollista ennustaa, mitä todennäköisesti tapahtuu. Todennäköisten tulosten ennustaminen on mahdollista, kun käytetään oikeita algoritmeja.
Algoritmeihin perustuva todennäköisten tulosten ennustaminen juontaa juurensa jo 1700-luvun Englannista. Pastori Thomas Bayes kehitti yksinkertaisen tavan ennustaa tulevia tuloksia. Tämän kirjan kirjoittajat soveltavat Bayesin teoreemaa arpajaisten raaputusarpoihin. Bayes suosittelee, että raaputusarpoja ostavat ihmiset ottavat huomioon liikkeessä olevien voittokuponkien yleisyyden. Kun tämä on oletuksena, on mahdollista laskea lippujen tiettyjen tulosten todennäköisyys.
Kuten monessa muussakin asiassa, mitä enemmän tietoa sinulla on käytettävissäsi, sitä tarkempi voit olla. Yksi menetelmä, jossa hyödynnetään valtavia tietomääriä tulevien tulosten ennustamiseen, on ilmiön jakaantumismalli. Muita nimiä tälle jakaumalle ovat normaalijakauma tai kellokäyrä. Jos jokin asia on normaalijakautunut, voit olettaa, että sen kohdatessasi sille ovat tyypillisiä pikemminkin keskellä kuin ääripäissä olevat piirteet.
Normaalijakauman vaihtoehtoinen jakauma on teholakijakauma. Tämän jakauman mediaani on paljon pienempi kuin ilmiön keskiarvo. Esimerkki tästä on varallisuus. Suurin osa maailman ihmisistä on köyhiä, kun taas muutama ihminen omistaa valtaosan maailman varallisuudesta.
Algoritmit estävät tietojen ylikuormituksen
Tietojen ylikuormitusta tarkastellaan usein klassisen ajatuskokeilun yhteydessä. Tässä ajatuskokeessa kaksi kenraalia valmistautuu käynnistämään yhteisen hyökkäyksen kaupunkiin. Kaupunki sijaitsee linnoitetussa laaksossa. Kenraalit ovat kahdella kukkulalla laakson molemmin puolin. Ainoa tapa, jolla he voivat hyökätä samanaikaisesti, on sopia tarkka aika. Tämän lisäksi he voivat kommunikoida vain lähettämällä henkilöitä laakson läpi, jossa heidän vihollisensa ovat. Tietojenkäsittelytieteilijät käyttivät tätä ajatuskokeilua määritelläkseen algoritmeja turvalliseen viestinsiirtoon.
Menetelmä I - Uudelleenlähetetty Till Breakdown -menetelmä
Tämä oli ensimmäinen luotu menetelmä. Tässä ratkaisussa lähetettiin useita viestinviejiä siinä toivossa, että yksi heistä livahtaisi huomaamatta läpi. Liian monen viestinviejän lähettäminen voi kuitenkin johtaa ylikuormitukseen. Tietokoneiden osalta tämä olisi palvelimen ylikuormitus.
Menetelmä II - Eksponentiaalinen takaisinkytkentä
Jos palvelin ylikuormittuu, eksponentiaalinen peruutus on menetelmä, jonka pitäisi toimia. Sen sijaan, että painat kuumeisesti päivitystä, voit odottaa muutaman minuutin, kunnes liikenne vähenee. Eksponentiaalinen osa liittyy siihen, kuinka kauan odotat päivitysten välillä. Kirjoittajat suosittelevat, että odotat kaksi kertaa kauemmin joka kerta, kun saat virheilmoituksen päivityksen yhteydessä.
Menetelmä III - Additiivinen lisäys, multiplikatiivinen vähennys.
Tällä menetelmällä pyritään estämään ylikuormituksen syntyminen. Tämä algoritmi määrittää verkon käsittelemän datan enimmäismäärän. Algoritmi aloittaa lähettämällä vain yhden datapaketin. Sitten, jos tämä on hyvä, se lähettää kaksinkertaisen määrän. Se jatkaa tätä prosessia, kunnes ylikuormitus saavutetaan. Tämän prosessin avulla algoritmi voi määrittää rajan.
Näitä menetelmiä voidaan soveltaa jokapäiväiseen elämääsi. Liika tieto voi johtaa aivojen ylikuormittumiseen. Siksi sinun kannattaa aloittaa ottamalla käyttöön pieniä määriä tietoa ja testata, kuinka pitkälle voit mennä ennen kuin aivosi ylikuormittuvat. Kun tiedät tämän rajan, ymmärrät paremmin, milloin sinun pitäisi lopettaa jonkin tehtävän työstäminen.
Algoritmeilla on rajansa
Jopa paras strategia tuottaa joskus huonoja tuloksia, minkä vuoksi tietojenkäsittelytieteilijät erottavat toisistaan "prosessin" ja "tuloksen". Jos olet noudattanut parasta mahdollista prosessia, olet tehnyt kaiken voitavasi, eikä sinun pitäisi syyttää itseäsi siitä, jos asiat eivät menneet haluamallasi tavalla."
- Brian Christian
Monimutkaiset skenaariot vaativat usein monimutkaisia algoritmeja, jotta tapahtumia voidaan ymmärtää täysin. Algoritmien monimutkaisuus on kuitenkin rajallinen. Ongelmana on se, että kun ennustat jotain monimutkaista, sinulla on kiusaus lisätä muuttujia, kunnes algoritmi pystyy selittämään tietosi täysin. Tähän sisältyy myös tietojen virheiden selittäminen. Tämä on kuitenkin ongelmallista, sillä se johtaa niin sanottuun ylisovittamiseen. Olet tehnyt mallista erittäin monimutkaisen ja käyttämiisi tietoihin sopivan. Näin ollen sitä ei voida soveltaa joustavasti muihin tietoihin.
Mitä suurempi on epävarmuus, mitä suurempi on kuilu sen välillä, mitä voidaan mitata ja millä on merkitystä, sitä enemmän on varottava ylisovittamista - eli sitä enemmän on suosittava yksinkertaisuutta."
- Tom Griffiths
Johtopäätökset
Algoritmit antavat meille mahdollisuuden pyrkiä "riittävän hyvään" sen sijaan, että pyrkisimme aina täydellisyyteen. Jos käytämme jatkuvasti algoritmeja elämässämme, hyödymme siitä suuresti ja voimme alkaa rentoutua enemmän. Aivomme on rakennettu kuin tietokoneet. Siksi meidän pitäisi tietokoneiden tavoin alkaa täydentää niitä algoritmeilla.
PDF, ilmainen äänikirja ja animaatio
Tämä oli jäävuoren huippu. Jos haluat sukeltaa yksityiskohtiin ja tukea kirjoittajaa, tilaa kirja tai hanki äänikirja ilmaiseksi Amazonissa.
Uusi StoryShots? Hanki PDF, ilmainen äänikirja ja animoitu versio tästä tiivistelmästä ja sadoista muista tietokirjoista, jotka ovat myydyimpiä tietokirjojamme. ilmainen huippusijoitettu sovellus. Apple, The Guardian, The UN ja Google ovat pitäneet sitä yhtenä maailman parhaista luku- ja oppimissovelluksista.
Jos sinulla on palautetta tästä yhteenvedosta tai haluat kertoa, mitä olet oppinut, kommentoi alla.
Aiheeseen liittyvät kirjan tiivistelmät
Linchpin kirjoittanut Seth Godin
Täydellisen sitoutumisen voima James Loehr ja Tony Schwartz
Onnellisuuden taito Dalai Lama
Asiallisuus kirjoittaneet Hans Rosling, Ola Rosling ja Anna Rosling Rönnlund.
Asenne on kaikki kaikessa Jeff Keller
Mindset kirjoittanut Carol Dweck
Kuinka olla tekemättä väärin Jordan Ellenberg
Atomic Habits James Clear
Superlife Darin Olien
Ennustettavasti järjetön Dan Ariely
Vastaa