Algoritmos para viver de Brian Christian e Tom Griffiths Resumo e análise

A ciência da computação das decisões humanas

Algorithms to Live By, de Brian Christian e Tom Griffiths, mostra como a lógica por trás dos algoritmos de computador pode ajudar a otimizar tudo, desde a programação até a tomada de decisões, provando que a maneira mais inteligente de navegar pela vida pode ser pensar como um computador.

A vida se agita. Tem Algoritmos para viver que está acumulando poeira em sua estante? Em vez disso, pegue as ideias principais agora. Estamos apenas arranhando a superfície aqui. Se você ainda não tem o livro, encomende o livro ou obter o audiolivro de graça na Amazônia para aprender os detalhes suculentos.

A Perspectiva de Brian Christian

Brian Christian é um poeta, programador e pesquisador. Ele venceu anteriormente o concurso do Prêmio Loebner. Nesta competição, ele conseguiu aparecer 'mais humano' do que os humanos que faziam o teste enquanto competia como 'confederado'. Seu primeiro livro, The Most Human Human, foi um best-seller do Wall Street Journal e foi nomeado o livro do ano do New Yorker. 

A perspectiva de Tom Griffiths

Tom Griffiths é professor de psicologia e ciências cognitivas na UC Berkeley. Ele também dirige o Laboratório de Ciências Cognitivas Computacionais da UC Berkeley. Ele é um dos principais acadêmicos em psicologia cognitiva e ganhou vários prêmios da Associação Americana de Psicologia. 

Introdução

Algoritmos para viver oferece atalhos e hacks para ajudar a racionalizar sua vida. Algoritmos são inseridos em computadores e outras formas de tecnologia para resolver problemas. Entretanto, não há nenhuma razão para não podermos usar algoritmos em nosso cotidiano. Brian Christian e Tom Griffiths descrevem como os algoritmos têm sido usados há séculos. Além disso, como utilizamos algoritmos específicos diariamente. No entanto, alguns algoritmos são mais eficientes do que outros. Este livro fornece um esboço dos algoritmos que podem ajudar a tornar sua vida mais fácil e mais agradável. 

Algoritmos para viver tem tido um enorme sucesso desde seu lançamento em 2016. Ao ser lançado, tornou-se o livro de não-ficção mais vendido da Audible, o #1. Posteriormente, foi nomeado o melhor livro de ciência do ano da Amazon.com. Finalmente, foi nomeado o livro do ano pela MIT Technology Review. 

A menos que estejamos dispostos a passar eternos lutando pela perfeição cada vez que encontramos um engate, problemas difíceis exigem que, em vez de girarmos nossos pneus, imaginemos versões mais fáceis e enfrentemos essas primeiro. Quando aplicado corretamente, isto não é apenas um desejo, não uma fantasia ou um devaneio ocioso. É uma de nossas melhores maneiras de progredir".

- Brian Christian

Algoritmos não se aplicam apenas aos computadores

Alguns dos maiores desafios enfrentados tanto pelos computadores quanto pelas mentes humanas: como administrar o espaço finito, o tempo finito, a atenção limitada, incógnitas desconhecidas, informações incompletas e um futuro imprevisível; como fazê-lo com graça e confiança; e como fazê-lo em uma comunidade com outros que estão todos tentando fazer o mesmo simultaneamente".

- Brian Christian

A maioria das pessoas associa algoritmos com computadores e outras formas de tecnologia. No entanto, a palavra, na verdade, data do século IX. O matemático persa, Muhammad Al-Khwarizmi, é a primeira pessoa a usar a palavra 'algoritmo'. Entretanto, o uso de conceitos como algoritmos remonta aos sumérios. Os sumérios eram uma civilização que existiu há quatro mil anos. Esta civilização usava um número finito de passos para resolver problemas. Usamos um número finito de etapas para completar múltiplas tarefas a cada dia. É importante ressaltar que esta é também a técnica no coração dos algoritmos. 

Desde que um conjunto de etapas finitas seja seguido, então qualquer coisa pode ser um algoritmo. Por exemplo, uma receita é um tipo de algoritmo. Ela envolve uma série de instruções para obter o resultado desejado. Escrever uma lista de prós e contras para fazer algo é um Algoritmo Intuitivo. 

Podemos considerar estes algoritmos como mais subjetivos do que os algoritmos de computador. Ainda assim, estes algoritmos utilizam o mesmo processo e alcançam a mesma solução. Em ambos os casos, quando certas condições são cumpridas, o próximo passo é feito no processo.

Algoritmos podem nos dizer quando parar

Além de nos dizer como conduzir uma tarefa passo a passo, os algoritmos podem nos dizer quando devemos parar de fazer uma tarefa. Como humanos, lutamos para saber quando devemos parar de procurar algo. Além disso, temos preconceitos cognitivos que impactam nossas escolhas ao pesquisar. 

Os autores deste livro sugerem que o Algoritmo de Parada Ideal é a solução para isso. Se houver 100 opções, este algoritmo indicará que você deve olhar para as primeiras 37 sem tomar nenhuma delas. Use estes primeiros 37 como padrão. Posteriormente, qualquer item que atenda a estas normas deve ser tomado. Este algoritmo não garantirá o melhor resultado. Entretanto, significará que você terá uma chance muito maior de adquirir um item significativamente melhor do que apenas adivinhar. Não importa o que você esteja procurando: 37% do total é onde você desenha seu padrão. 

Algoritmos podem nos dizer quando começar

Além de nos aconselharem sobre quando devemos parar de procurar, os algoritmos também podem nos dizer quando devemos explorar algo novo. No livro, os autores dão o exemplo de uma slot machine. Algumas pessoas ficarão sentadas na máquina até ganharem. No entanto, há sempre um pensamento na mente das pessoas se elas devem simplesmente ir embora, apesar de perderem muito dinheiro. Baseado no nome alternativo para caça-níqueis, este dilema é chamado de Problema do Bandido Multi-Armediterrânico. 

Uma estratégia frequentemente utilizada pelos jogadores é ficar se eles estão ganhando e mudar se estiverem perdendo. Entretanto, esta não é uma forma lógica de escolher quando explorar algo novo. Alternativamente, um método melhor é usar o Algoritmo de Confiança Superior Limitada. Aqui estão os passos para este algoritmo, fornecidos pelos autores. Novamente, ele é aplicado às máquinas de jogo:

1. Encontre uma máquina que ofereça o valor mais esperado. Neste caso, é a máquina com o maior jackpot, pois você não está ciente das probabilidades.
2. Enquanto estiver jogando, certifique-se de acompanhar o resultado real (quanto dinheiro você está ganhando). O resultado real deve ser comparado com o quanto você estava esperando ganhar até este ponto.
3. Se o resultado real for consistentemente inferior ao resultado esperado, você deve passar para outra máquina. Esta máquina deve ser a que tem o segundo maior jackpot.
4. Repita o processo.

Algoritmos podem nos ajudar a organizar nosso trabalho

Os autores deste livro explicam que o caos organizado pode ser bom. Desde que você saiba onde tudo está, você será produtivo. Entretanto, se seu sistema de arquivamento não estiver organizado de forma eficiente, existem algoritmos para melhorar sua organização. Os autores descrevem três algoritmos, especificamente:

Tipo de bolha

Este algoritmo é o menos eficiente. Com este método, você organiza um par de cada vez. Depois, você repete este processo repetidamente até que tudo esteja ordenado. Os autores dão um exemplo do algoritmo de ordenação de bolhas para livros alfabetizados. Com uma prateleira desorganizada, você começaria com a letra A. Você compararia os dois primeiros livros e classificaria estes dois em ordem alfabética. Depois, você compararia o item que agora é o segundo livro com o terceiro livro. Este processo se repete até que você chegue ao final da coleção.

Tipo de inserção

O método de ordenação de inserção é muito mais eficiente se você tiver que ordenar uma quantidade substancial de itens. Se você considerar a analogia dos livros novamente, o método de ordenação de inserção envolveria tirar todos os livros da prateleira. Depois, colocando-os de volta um a um, garantindo que os livros sejam colocados na ordem correta cada vez que você colocar um livro.

Fundir-se Ordenar

Por fim, o método de fundir envolve a divisão de tudo em várias pilhas. Cada pilha deve ser classificada de A a Z. Em seguida, estas pilhas devem ser fundidas. 

Algoritmos podem nos ajudar a programar nossas vidas

Thrashing é um estado humano muito reconhecível. Se você já teve um momento em que queria parar de fazer tudo só para ter a chance de escrever tudo o que deveria estar fazendo, mas não podia dispensar o tempo, você bateu".

- Brian Christian

Além de organizar os arquivos, temos que organizar nossas vidas. A organização de nossas vidas pode ser altamente complexa e é muitas vezes um desafio diário. Além das exigências do trabalho, muitas outras exigências de vida dificultam a organização de tudo. No entanto, alguns algoritmos podem ajudar a melhorar a forma como você agenda sua vida. 

• O Algoritmo da Data de Vencimento mais Antecipada - Um algoritmo simples. A primeira tarefa que você completa é aquela com o prazo mais próximo.
• Algoritmo de Moore - Este algoritmo recomenda saltar a tarefa que requer mais tempo. Ao invés disso, você deve trabalhar para terminar mais tarefas de modo geral. Este algoritmo é mais eficaz quando você não tem tempo suficiente para concluir cada tarefa.

Os autores aconselham a evitar a inversão de prioridade a todo custo. A inversão de prioridade é quando você se concentra em muitas tarefas pequenas demais, e nenhuma delas acaba sendo feita. Você deve ter o objetivo de concentrar-se apenas em uma tarefa de cada vez, em vez de multitarefas. 

Algoritmos podem ajudá-lo a prever o futuro

Se você quer ser um bom bayesiano intuitivo - se você quer naturalmente fazer boas previsões, sem ter que pensar sobre que tipo de regra de previsão é apropriada - você precisa proteger seus antecedentes. Contraintuitivamente, isso pode significar desligar as notícias".

- Brian Christian

Embora nunca possamos ter certeza do que acontecerá no futuro, é possível prever o que provavelmente irá acontecer. A previsão de resultados prováveis é viável quando se utilizam os algoritmos corretos. 

A previsão de resultados prováveis com base em algoritmos remonta à Inglaterra do século XVIII. O Reverendo Thomas Bayes desenvolveu uma maneira simples de prever resultados futuros. Os autores deste livro aplicam o teorema de Bayes aos bilhetes de raspadinha de loteria. Bayes recomenda que as pessoas que compram raspadinhas considerem a prevalência de raspadinhas vencedoras em circulação. Tendo isto como pressuposto, é possível calcular a probabilidade dos resultados específicos de seus bilhetes. 

Como em muitas coisas, quanto mais informações você tiver disponível, mais preciso você será. Um método que utiliza grandes quantidades de informação para prever resultados futuros é o padrão de distribuição do fenômeno. Outros nomes para esta distribuição são a distribuição normal ou curva do sino. Se algo é normalmente distribuído, você pode assumir que será caracterizado por características no meio e não em extremos quando você o encontrar.

A distribuição alternativa a uma distribuição normal é a distribuição de energia elétrica. Esta distribuição tem uma mediana muito inferior à média do fenômeno. Um exemplo disso é a riqueza. A maioria das pessoas no mundo é pobre, enquanto algumas pessoas detêm a grande maioria da riqueza do mundo. 

Algoritmos evitam a sobrecarga de dados

A sobrecarga de dados é freqüentemente considerada em relação a uma experiência de pensamento clássica. Neste experimento de pensamento, dois generais se preparam para lançar um ataque conjunto a uma cidade. Esta cidade está localizada em um vale fortificado. Estes generais estão nas duas colinas de ambos os lados do vale. Portanto, a única maneira de eles poderem atacar simultaneamente é concordando em uma hora exata. Além disso, eles só podem se comunicar enviando indivíduos através do vale onde seus inimigos se encontram. Esta experiência foi utilizada por cientistas da computação como uma forma de determinar algoritmos para a transmissão segura de mensagens.

Método I - Retransmissão até a quebra

Este foi o primeiro método criado. Esta solução envolvia o envio de vários mensageiros com a esperança de que um escapasse sem ser detectado. Entretanto, o envio de um número excessivo de mensageiros pode levar a uma sobrecarga. Com relação aos computadores, isto seria uma sobrecarga do servidor. 

Método II - Backoff exponencial

Se uma sobrecarga do servidor for criada, então o back-off exponencial é um método que deve funcionar. Em vez de atingir freneticamente a atualização, você poderia esperar alguns minutos para que o tráfego fosse aliviado. A parte exponencial diz respeito ao tempo que se espera entre as atualizações. Os autores sugerem esperar o dobro do tempo cada vez que você recebe uma mensagem de erro ao se refrescar.

Método III - Aumento de Aditivos, Diminuição Multiplicativa

Este método espera evitar que a sobrecarga aconteça em primeiro lugar. Este algoritmo determina a quantidade máxima de dados que uma rede pode tratar. O algoritmo começa com o envio de apenas um pacote de dados. Depois, se isso for correto, ele envia o dobro da quantidade. Ele continua este processo até atingir o ponto de sobrecarga. Este processo permite que o algoritmo identifique o limite.

Estes métodos podem ser aplicados à sua vida cotidiana. Demasiadas informações podem levar a uma sobrecarga de seu cérebro. Portanto, você deve começar introduzindo pequenas quantidades de informação e testar até onde você pode ir antes que seu cérebro fique sobrecarregado. Uma vez conhecido este limite, você terá uma melhor compreensão de quando você deve parar de trabalhar em uma tarefa. 

Algoritmos têm seus limites

Mesmo a melhor estratégia às vezes produz maus resultados - razão pela qual os cientistas da computação têm o cuidado de distinguir entre "processo" e "resultado". Se você seguiu o melhor processo possível, então você fez tudo o que podia, e não deve se culpar se as coisas não seguiram seu caminho".

- Brian Christian

Cenários complicados muitas vezes exigem algoritmos complexos para entender completamente o que está acontecendo. No entanto, os algoritmos são limitados na complexidade com a qual podem ser aplicados. A questão é que, ao prever algo complexo, você será tentado a adicionar variáveis até que o algoritmo possa explicar completamente seus dados. Isto inclui a explicação dos erros nos dados. Entretanto, fazer isso é problemático, pois leva a algo chamado de excesso de ajuste. Você tornou o modelo altamente complicado e específico para os dados que você está usando. Portanto, ele não pode ser aplicado de forma flexível a outros dados. 

Quanto maior a incerteza, maior a distância entre o que você pode medir e o que importa, mais você deve estar atento ao excesso de equipamento - ou seja, mais você deve preferir a simplicidade".

- Tom Griffiths

Pontos Finais

Algoritmos nos deixam ir pelo "suficientemente bom" em vez de sempre nos esforçarmos pela perfeição. Se usarmos algoritmos de forma consistente em nossas vidas, nos beneficiaremos muito e poderemos começar a relaxar mais. Nossos cérebros são construídos como computadores. Portanto, como computadores, devemos começar a complementá-los com algoritmos. 

Classificação

Nós classificamos Algoritmos para viver 4/5. Como você classificaria o livro de Brian Christian e Tom Griffiths com base nesse resumo?

PDF, audiolivro gratuito e resumo animado do livro Algorithms to Live By

Esta foi a ponta do iceberg. Para mergulhar nos detalhes e apoiar o autor, peça o livro ou obter o audiolivro de graça na Amazônia.

Novo em StoryShots? Obtenha o PDF, o audiolivro gratuito e versões animadas deste resumo e centenas de outros livros de não-ficção mais vendidos em nosso aplicativo gratuito de alto escalão. Tem sido apresentado pela Apple, The Guardian, The UN, e Google como um dos melhores aplicativos de leitura e aprendizagem do mundo.

Se você tem feedback sobre este resumo ou gostaria de compartilhar o que você aprendeu, comente abaixo.

Resumos de livros relacionados

Linchpin por Seth Godin

O Poder do Pleno Envolvimento James Loehr e Tony Schwartz

A Arte da Felicidade por The Dalai Lama

Factuosidade por Hans Rosling, Ola Rosling, e Anna Rosling Rönnlund

Atitude é Tudo por Jeff Keller

Mindset por Carol Dweck

Como Não Estar Errado por Jordan Ellenberg

Hábitos atômicos por James Clear

Superlife por Darin Olien

Previsivelmente irracional por Dan Ariely