Algorithms to Live By Brian Christian and Tom Griffiths Summary and Analysis

Komputerowa nauka o ludzkich decyzjach

Algorithms to Live By autorstwa Briana Christiana i Toma Griffithsa pokazuje, w jaki sposób logika stojąca za algorytmami komputerowymi może pomóc zoptymalizować wszystko, od planowania po podejmowanie decyzji, udowadniając, że najmądrzejszym sposobem poruszania się po życiu może być po prostu myślenie jak komputer.

Życie staje się pracowite. Ma Algorytmy, dzięki którym można żyć zbierały kurz na Twojej półce? Zamiast tego poznaj kluczowe pomysły już teraz. Zarysowujemy tutaj powierzchnię. Jeśli jeszcze nie masz tej książki, zamów wersję książka lub uzyskać audiobook za darmo na Amazon, aby poznać soczyste szczegóły.

Perspektywa Briana Christiana

Brian Christian jest poetą, programistą i badaczem. Wcześniej wygrał konkurs o nagrodę Loebnera. W tym konkursie udało mu się sprawiać wrażenie "bardziej ludzkiego" niż ludzie biorący udział w teście, podczas gdy startował jako "konfident". Jego pierwsza książka, The Most Human Human, była bestsellerem Wall Street Journal i została uznana za książkę roku New Yorkera. 

Perspektywa Toma Griffithsa

Tom Griffiths jest profesorem psychologii i kognitywistyki na UC Berkeley. Kieruje również Computational Cognitive Science Lab na UC Berkeley. Jest czołowym naukowcem w dziedzinie psychologii poznawczej i otrzymał wiele nagród od Amerykańskiego Stowarzyszenia Psychologicznego. 

Wstęp

Algorytmy, dzięki którym można żyć oferuje skróty i hacki, które pomogą usprawnić Twoje życie. Algorytmy są wstawiane do komputerów i innych form technologii, aby rozwiązać problemy. Nie ma jednak powodu, dla którego nie możemy używać algorytmów w naszym codziennym życiu. Brian Christian i Tom Griffiths opisują, jak algorytmy były wykorzystywane od wieków. Dodatkowo, jak codziennie używamy konkretnych algorytmów. Jednak niektóre algorytmy są bardziej wydajne niż inne. Ta książka zawiera zarys algorytmów, które mogą ułatwić i uprzyjemnić Twoje życie. 

Algorytmy, dzięki którym można żyć odniosła ogromny sukces od momentu wydania w 2016 roku. Po wydaniu stał się #1 najlepiej sprzedającą się książką non-fiction w Audible. Następnie został nazwany najlepszą książką naukową roku Amazon.com. Wreszcie, został nazwany książką roku przez MIT Technology Review. 

O ile nie jesteśmy gotowi spędzić eonów na dążeniu do perfekcji za każdym razem, gdy napotkamy przeszkodę, trudne problemy wymagają, by zamiast kręcić się w kółko, wyobrazić sobie łatwiejsze wersje i zająć się nimi w pierwszej kolejności. Jeśli jest to prawidłowo stosowane, nie jest to tylko myślenie życzeniowe, nie jest to fantazja ani próżne marzycielstwo. To jeden z naszych najlepszych sposobów na osiągnięcie postępu".

- Brian Christian

Algorytmy mają zastosowanie nie tylko w komputerach

Niektóre z największych wyzwań, przed którymi stoją zarówno komputery, jak i ludzkie umysły: jak zarządzać skończoną przestrzenią, skończonym czasem, ograniczoną uwagą, nieznanymi niewiadomymi, niepełnymi informacjami i nieprzewidywalną przyszłością; jak robić to z wdziękiem i pewnością siebie; i jak robić to w społeczności z innymi, którzy wszyscy jednocześnie próbują zrobić to samo."

- Brian Christian

Większość ludzi kojarzy algorytmy z komputerami i innymi formami technologii. Jednak słowo to w rzeczywistości pochodzi z dziewiątego wieku. Perski matematyk, Muhammad Al-Khwarizmi, jest pierwszą osobą, która użyła słowa "algorytm". Jednak użycie pojęć takich jak algorytmy datuje się już od Sumerów. Sumerowie byli cywilizacją, która istniała cztery tysiące lat temu. Cywilizacja ta używała skończonej liczby kroków do rozwiązywania problemów. My używamy skończonej liczby kroków, aby wykonać wiele zadań każdego dnia. Co ważne, jest to również technika będąca sercem algorytmów. 

Tak długo jak zestaw skończonych kroków jest przestrzegany, wtedy wszystko może być algorytmem. Na przykład, przepis jest rodzajem algorytmu. Polega on na wykonaniu serii instrukcji w celu uzyskania pożądanego rezultatu. Napisanie listy zalet i wad robienia czegoś jest algorytmem intuicyjnym. 

Możemy uznać te algorytmy za bardziej subiektywne niż algorytmy komputerowe. Mimo to, algorytmy te wykorzystują ten sam proces i dochodzą do tego samego rozwiązania. W obu przypadkach, gdy spełnione są pewne warunki, wykonywany jest kolejny krok w procesie.

Algorytmy mogą nam powiedzieć, kiedy się zatrzymać

Oprócz tego, że algorytmy podpowiadają nam, jak krok po kroku wykonać dane zadanie, mogą nam powiedzieć, kiedy należy je przerwać. Jako ludzie, mamy trudności z określeniem, kiedy przestać czegoś szukać. Dodatkowo, mamy tendencje poznawcze, które wpływają na nasze wybory podczas wyszukiwania. 

Autorzy tej książki sugerują, że rozwiązaniem tego problemu jest algorytm Optimal Stopping Algorithm. Jeśli istnieje 100 opcji, algorytm ten stwierdzi, że powinieneś przyjrzeć się pierwszym 37, nie biorąc żadnej z nich. Użyj tych pierwszych 37 jako standardu. Następnie, którykolwiek element spełnia te standardy, powinien zostać podjęty. Ten algorytm nie zagwarantuje najlepszego wyniku. Będzie jednak oznaczał, że masz znacznie większą szansę na zdobycie przedmiotu znacznie lepszego niż tylko zgadywanie. Nie ma znaczenia, czego szukasz: 37% całości to miejsce, z którego czerpiesz swoją normę. 

Algorytmy mogą nam powiedzieć, kiedy zacząć

Algorytmy, oprócz tego, że doradzają nam, kiedy powinniśmy przestać szukać, mogą również podpowiadać, kiedy należy odkryć coś nowego. W książce autorzy podają przykład automatu do gry. Niektórzy ludzie będą po prostu siedzieć przy maszynie, aż wygrają. Jednak w głowach ludzi zawsze pojawia się myśl, czy nie powinni po prostu odejść, mimo że stracili mnóstwo pieniędzy. W oparciu o alternatywną nazwę automatów do gry, dylemat ten nazywany jest Problemem Wielorękiego Bandyty. 

Jedną z często stosowanych przez hazardzistów strategii jest pozostanie przy wygranej i przesunięcie się w przypadku przegranej. Jednak nie jest to logiczny sposób na wybranie momentu, w którym należy odkryć coś nowego. Alternatywnie, lepszą metodą jest użycie algorytmu Upper Confidence Bound Algorithm. Oto kroki do tego algorytmu, dostarczone przez autorów. Ponownie, jest on stosowany do maszyn hazardowych:

1. Znajdź maszynę, która oferuje najlepszą wartość oczekiwaną. W tym przypadku jest to maszyna z największym jackpotem, ponieważ nie jesteś świadomy prawdopodobieństwa.
2. Podczas gry upewnij się, że śledzisz rzeczywisty wynik (ile pieniędzy wygrywasz). Prawdziwy wynik powinien być porównywany z tym, ile spodziewałeś się wygrać do tego momentu.
3. Jeśli rzeczywisty wynik jest stale niższy od oczekiwanego, powinieneś przejść na inny automat. Powinna to być maszyna z drugim co do wielkości jackpotem.
4. Powtórz proces.

Algorytmy mogą pomóc nam zorganizować naszą pracę

Autorzy tej książki wyjaśniają, że zorganizowany chaos może być w porządku. Tak długo, jak wiesz, gdzie wszystko jest, będziesz produktywny. Jeśli jednak twój system segregacji nie jest efektywnie zorganizowany, istnieją algorytmy, które pozwolą ci poprawić organizację. Autorzy opisują trzy algorytmy, a konkretnie:

Sortowanie bąbelkowe

Ten algorytm jest najmniej wydajny. W tej metodzie organizujesz jedną parę na raz. Następnie powtarzasz ten proces w kółko, aż wszystko zostanie posortowane. Autorzy podają przykład algorytmu sortowania bąbelkowego dla alfabetyzacji książek. Z nieuporządkowaną półką, zacząłbyś od litery A. Porównałbyś dwie pierwsze książki i posortowałbyś je alfabetycznie. Następnie porównujesz pozycję, która jest teraz drugą książką, z trzecią książką. Ten proces powtarza się, aż dojdzie się do końca kolekcji.

Sortowanie insertowe

Metoda sortowania przez wstawianie jest o wiele bardziej wydajna, jeśli musisz posortować znaczną ilość elementów. Jeśli weźmiemy pod uwagę analogię z książkami, metoda sortowania przez wkładanie będzie wymagała zdjęcia wszystkich książek z półki. Następnie umieszczenie ich z powrotem jedna po drugiej, upewniając się, że książki są umieszczone w prawidłowej kolejności za każdym razem, gdy umieszczasz książkę.

Sortowanie łączone

Wreszcie, metoda sortowania scalania polega na podzieleniu wszystkiego na wiele stosów. Każdy stos powinien być posortowany od A do Z. Następnie te stosy należy połączyć. 

Algorytmy mogą pomóc nam zaplanować nasze życie

Thrashing to bardzo rozpoznawalny stan człowieka. Jeśli kiedykolwiek miałeś moment, w którym chciałeś przestać robić wszystko tylko po to, by mieć szansę na zapisanie wszystkiego, co miałeś zrobić, ale nie mogłeś wygospodarować czasu, to znaczy, że trajkotałeś."

- Brian Christian

Podobnie jak organizowanie plików, musimy organizować nasze życie. Planowanie naszego życia może być bardzo skomplikowane i często jest codziennym wyzwaniem. Jak również wymagania pracy, wiele innych wymagań życia sprawiają, że dopasowanie wszystko trudne. Jednak niektóre algorytmy mogą pomóc poprawić jak zaplanować swoje życie. 

• Algorytm najwcześniejszego terminu wykonania - Prosty algorytm. Pierwszym zadaniem, które wykonujesz jest to, które ma najbliższy termin realizacji.
• Algorytm Moore'a - Ten algorytm zaleca pominięcie zadania, które wymaga najwięcej czasu. Zamiast tego, powinieneś dążyć do ukończenia większej ilości zadań. Algorytm ten jest bardziej skuteczny, gdy nie masz wystarczająco dużo czasu, aby wykonać każde zadanie.

Autorzy radzą, by za wszelką cenę unikać inwersji priorytetów. Inwersja priorytetów to sytuacja, w której skupiasz się na zbyt wielu małych zadaniach i żadne z nich nie zostaje wykonane. Powinieneś dążyć do skupienia się wyłącznie na jednym zadaniu w danym czasie, a nie na wielozadaniowości. 

Algorytmy mogą pomóc w przewidywaniu przyszłości

Jeśli chcesz być dobrym intuicyjnym Bayesianem - jeśli chcesz naturalnie dokonywać dobrych przewidywań, bez konieczności zastanawiania się, jaki rodzaj reguły przewidywania jest odpowiedni - musisz chronić swoje priorytety. Kontrintuicyjnie, może to oznaczać wyłączenie wiadomości".

- Brian Christian

Chociaż nigdy nie możemy być pewni tego, co wydarzy się w przyszłości, można przewidzieć, co prawdopodobnie się wydarzy. Przewidywanie prawdopodobnych wyników jest realne przy zastosowaniu odpowiednich algorytmów. 

Przewidywanie prawdopodobnych wyników na podstawie algorytmów sięga XVIII-wiecznej Anglii. Wielebny Thomas Bayes opracował prosty sposób przewidywania przyszłych wyników. Autorzy tej książki stosują twierdzenie Bayesa do zdrapek loteryjnych. Bayes zaleca, aby osoby kupujące zdrapki brały pod uwagę przewagę zwycięskich losów w obiegu. Mając to jako założenie, można obliczyć prawdopodobieństwo konkretnych wyników swoich losów. 

Tak jak w przypadku wielu rzeczy, im więcej informacji masz dostępnych, tym bardziej precyzyjne będziesz. Jedną z metod, która wykorzystuje ogromne ilości informacji do przewidywania przyszłych wyników, jest wzór dystrybucji zjawiska. Inne nazwy dla tego rozkładu to rozkład normalny lub krzywa dzwonowa. Jeśli coś jest normalnie rozłożone, można założyć, że będzie charakteryzowało się cechami pośrodku, a nie skrajnościami, kiedy się z tym spotkamy.

Rozkładem alternatywnym do rozkładu normalnego jest rozkład power-law. Rozkład ten ma medianę znacznie niższą od średniej zjawiska. Przykładem tego jest bogactwo. Większość ludzi na świecie jest biedna, natomiast kilka osób posiada zdecydowaną większość światowego bogactwa. 

Algorytmy zapobiegają przeciążeniu danymi

Przeciążenie danymi jest często rozważane w odniesieniu do klasycznego eksperymentu myślowego. W tym eksperymencie myślowym dwóch generałów przygotowuje się do wspólnego ataku na pewne miasto. Miasto to położone jest w ufortyfikowanej dolinie. Generałowie ci znajdują się na dwóch wzgórzach po obu stronach doliny. Tak więc jedynym sposobem na jednoczesny atak jest uzgodnienie dokładnego czasu. Na dodatek mogą się porozumieć tylko wysyłając jednostki przez dolinę, w której leżą ich wrogowie. Ten eksperyment myślowy został wykorzystany przez informatyków jako sposób na określenie algorytmów bezpiecznego przesyłania wiadomości.

Metoda I - Retransmitted Till Breakdown

Była to pierwsza stworzona metoda. Rozwiązanie to polegało na wysyłaniu wielu posłańców z nadzieją, że jeden prześlizgnie się niezauważony. Jednak wysłanie zbyt wielu posłańców może doprowadzić do przeciążenia. W przypadku komputerów byłoby to przeciążenie serwera. 

Metoda II - Wykładniczy Backoff

Jeśli powstanie przeciążenie serwera, to wykładniczy back-off jest metodą, która powinna działać. Zamiast gorączkowo uderzać w odświeżanie, możesz poczekać kilka minut na złagodzenie ruchu. Część wykładnicza odnosi się do tego, jak długo czekasz pomiędzy odświeżeniami. Autorzy sugerują czekanie dwa razy dłużej za każdym razem, gdy otrzymujesz komunikat o błędzie podczas odświeżania.

Metoda III - addytywne zwiększanie, multiplikatywne zmniejszanie

Ta metoda ma nadzieję zapobiec przeciążeniu w pierwszej kolejności. Algorytm ten określa maksymalną ilość danych, jaką może obsłużyć sieć. Algorytm zaczyna od wysłania tylko jednego pakietu danych. Następnie, jeśli to jest w porządku, wysyła podwójną ilość. Kontynuuje ten proces aż do osiągnięcia punktu przeciążenia. Proces ten pozwala algorytmowi na określenie limitu.

Metody te można zastosować w codziennym życiu. Zbyt duża ilość informacji może doprowadzić do przeciążenia Twojego mózgu. Dlatego powinieneś zacząć od wprowadzenia niewielkich ilości informacji i przetestować, jak daleko możesz się posunąć, zanim twój mózg zostanie przeciążony. Gdy poznasz ten limit, będziesz lepiej rozumiał, kiedy powinieneś przestać pracować nad danym zadaniem. 

Algorytmy mają swoje ograniczenia

Nawet najlepsza strategia daje czasem złe rezultaty - dlatego informatycy dbają o rozróżnienie między "procesem" a "wynikiem". Jeśli zastosowałeś najlepszy możliwy proces, to zrobiłeś wszystko, co mogłeś i nie powinieneś się obwiniać, jeśli sprawy nie poszły po twojej myśli."

- Brian Christian

Skomplikowane scenariusze często wymagają złożonych algorytmów, aby w pełni zrozumieć, co się dzieje. Algorytmy są jednak ograniczone pod względem złożoności, z jaką można je zastosować. Problem polega na tym, że przewidując coś złożonego, będziesz miał pokusę dodawania zmiennych, dopóki algorytm nie będzie w stanie w pełni wyjaśnić twoich danych. Obejmuje to również wyjaśnienie błędów w danych. Jednak robienie tego jest problematyczne, ponieważ prowadzi do czegoś, co nazywa się nadmiernym dopasowaniem. Sprawiłeś, że model jest bardzo skomplikowany i specyficzny dla danych, których używasz. Dlatego nie można go elastycznie stosować do innych danych. 

Im większa niepewność, im większa luka między tym, co można zmierzyć, a tym, co ma znaczenie, tym bardziej należy uważać na nadmierne dopasowanie - czyli tym bardziej należy preferować prostotę"

- Tom Griffiths

Uwagi końcowe

Algorytmy pozwalają nam iść w kierunku "wystarczająco dobrego", zamiast zawsze dążyć do doskonałości. Jeśli konsekwentnie będziemy stosować algorytmy w naszym życiu, odniesiemy duże korzyści i będziemy mogli zacząć się bardziej relaksować. Nasze mózgi są zbudowane jak komputery. Dlatego, podobnie jak komputery, powinniśmy zacząć uzupełniać je algorytmami. 

Ocena

Oceniamy Algorytmy, dzięki którym można żyć 4/5. Jak oceniasz książkę Briana Christiana i Toma Griffithsa na podstawie tego podsumowania?

PDF, audiobook i animowane streszczenie książki Algorithms to Live By

To był wierzchołek góry lodowej. Aby zanurzyć się w szczegółach i wesprzeć autora, zamów książkę książka lub kupić audiobook za darmo na Amazonie.

Jesteś nowy w StoryShots? Pobierz PDF, bezpłatny audiobook i animowane wersje tego streszczenia oraz setki innych bestsellerowych książek z dziedziny literatury faktu w naszej darmowa aplikacja z najwyższej półki. Apple, The Guardian, The UN i Google uznały ją za jedną z najlepszych na świecie aplikacji do czytania i nauki.

Jeśli masz opinie na temat tego podsumowania lub chciałbyś się podzielić tym, czego się nauczyłeś, skomentuj poniżej.

Streszczenia książek powiązanych

Linchpin Seth Godin

Siła pełnego zaangażowania James Loehr i Tony Schwartz

Sztuka szczęścia przez Dalajlamę

Factfulness Hans Rosling, Ola Rosling i Anna Rosling Rönnlund

Postawa jest wszystkim przez Jeffa Kellera

Mindset autorstwa Carol Dweck

Jak się nie mylić przez Jordana Ellenberga

Atomowe nawyki przez Jamesa Clear

Superlife przez Darina Oliena

Predictably Irrational przez Dana Ariely'ego