Algorithms to Live By av Brian Christian och Tom Griffiths sammanfattning och analys

Datavetenskap om mänskliga beslut

Algorithms to Live By av Brian Christian och Tom Griffiths visar hur logiken bakom datoralgoritmer kan hjälpa till att optimera allt från schemaläggning till beslutsfattande, vilket bevisar att det smartaste sättet att navigera i livet kan vara att tänka som en dator.

Livet är hektiskt. Har Algoritmer att leva efter har samlat damm i din bokhylla? Plocka istället upp de viktigaste idéerna nu. Vi skrapar bara på ytan här. Om du inte redan har boken kan du beställa bok eller få den gratis ljudbok på Amazon för att få reda på de saftiga detaljerna.

Brian Christians perspektiv

Brian Christian är poet, programmerare och forskare. Han har tidigare vunnit tävlingen Loebner Prize. I denna tävling lyckades han framstå som "mer mänsklig" än de människor som deltog i testet, samtidigt som han tävlade som en "förbundskapten". Hans första bok, The Most Human Human Human, var en bästsäljare i Wall Street Journal och utsågs till årets bok i New Yorker. 

Tom Griffiths perspektiv

Tom Griffiths är professor i psykologi och kognitionsvetenskap vid UC Berkeley. Han leder också Computational Cognitive Science Lab vid UC Berkeley. Han är en ledande akademiker inom kognitiv psykologi och har vunnit flera priser från American Psychological Association. 

Introduktion

Algoritmer att leva efter erbjuder genvägar och hacks för att effektivisera ditt liv. Algoritmer används i datorer och andra former av teknik för att lösa problem. Det finns dock ingen anledning till att vi inte kan använda algoritmer i vår vardag. Brian Christian och Tom Griffiths beskriver hur algoritmer har använts i århundraden. Plus hur vi använder specifika algoritmer dagligen. Vissa algoritmer är dock effektivare än andra. Den här boken ger en översikt över de algoritmer som kan bidra till att göra ditt liv enklare och roligare. 

Algoritmer att leva efter har varit enormt framgångsrik sedan den släpptes 2016. När den släpptes blev den Audibles #1 bästsäljande fackbok. Därefter utsågs den till Amazon.coms bästa vetenskapliga bok för året. Slutligen utsågs den till årets bok av MIT Technology Review. 

Om vi inte är villiga att ägna evigheter åt att sträva efter perfektion varje gång vi stöter på ett problem, kräver svåra problem att vi i stället för att snurra ihjäl oss tänker oss enklare versioner och tar oss an dem först. När detta tillämpas på rätt sätt är det inte bara önsketänkande, inte fantasi eller tomt dagdrömmande. Det är ett av våra bästa sätt att göra framsteg."

- Brian Christian

Algoritmer gäller inte bara för datorer

Några av de största utmaningarna som både datorer och mänskliga hjärnor står inför: hur man hanterar begränsat utrymme, begränsad tid, begränsad uppmärksamhet, okända okända faktorer, ofullständig information och en oförutsägbar framtid, hur man gör det med elegans och självförtroende, och hur man gör det i en gemenskap med andra som samtidigt försöker göra detsamma."

- Brian Christian

De flesta människor förknippar algoritmer med datorer och andra former av teknik. Ordet går dock tillbaka till nittonhundratalet. Den persiske matematikern Muhammad Al-Khwarizmi är den första person som använder ordet "algoritm". Användningen av begrepp som algoritmer går dock tillbaka till sumererna. Sumererna var en civilisation som existerade för fyra tusen år sedan. Denna civilisation använde ett ändligt antal steg för att lösa problem. Vi använder ett ändligt antal steg för att utföra flera uppgifter varje dag. Det är viktigt att detta också är den teknik som ligger till grund för algoritmer. 

Så länge en uppsättning bestämda steg följs kan allt vara en algoritm. Ett recept är till exempel en typ av algoritm. Det innebär en serie instruktioner för att uppnå det önskade resultatet. Att skriva upp en lista över för- och nackdelar med att göra något är en intuitiv algoritm. 

Vi kan betrakta dessa algoritmer som mer subjektiva än datoralgoritmer. Men algoritmerna använder samma process och når samma lösning. I båda fallen görs nästa steg i processen när vissa villkor är uppfyllda.

Algoritmer kan tala om för oss när vi ska sluta

Algoritmerna kan inte bara tala om för oss hur vi ska utföra en uppgift steg för steg, utan också när vi ska sluta utföra en uppgift. Som människor har vi svårt att veta när vi ska sluta söka efter något. Dessutom har vi kognitiva fördomar som påverkar våra val när vi söker. 

Författarna till den här boken föreslår att den optimala stoppalgoritmen är lösningen på detta. Om det finns 100 alternativ kommer denna algoritm att säga att du bör titta på de första 37 utan att ta något av dem. Använd dessa 37 första som en standard. Därefter bör man ta det alternativ som uppfyller dessa standarder. Denna algoritm garanterar inte det bästa resultatet. Den kommer dock att innebära att du har en mycket större chans att förvärva ett föremål som är betydligt bättre än att bara gissa. Det spelar ingen roll vad du söker efter: 37% av det totala antalet är det som du drar din standard. 

Algoritmer kan tala om för oss när vi ska börja

Algoritmerna kan inte bara ge oss råd om när vi ska sluta söka, utan också om när vi ska utforska något nytt. I boken ger författarna ett exempel på en spelautomat. Vissa människor sitter bara vid maskinen tills de vinner. Det finns dock alltid en tanke i folks huvuden om de helt enkelt ska gå därifrån trots att de förlorat mycket pengar. Baserat på det alternativa namnet för spelautomater kallas detta dilemma för det flerarmade banditproblemet. 

En strategi som ofta används av spelare är att stanna om de vinner och byta om de förlorar. Detta är dock inte ett logiskt sätt att välja när man ska utforska något nytt. Alternativt är en bättre metod att använda algoritmen för övre konfidensgränsen. Här är stegen i denna algoritm, som tillhandahålls av författarna. Återigen tillämpas den på spelmaskiner:

1. Hitta en maskin som erbjuder det bästa förväntade värdet. I det här fallet är det maskinen med den största jackpotten eftersom du inte känner till sannolikheterna.
2. När du spelar, se till att du håller koll på det verkliga resultatet (hur mycket pengar du vinner). Det verkliga resultatet bör jämföras med hur mycket du förväntade dig att vinna vid det här laget.
3. Om det verkliga resultatet konsekvent är lägre än det förväntade bör du byta till en annan maskin. Denna maskin bör vara den med den näst största jackpotten.
4. Upprepa processen.

Algoritmer kan hjälpa oss att organisera vårt arbete

Författarna till den här boken förklarar att organiserat kaos kan vara bra. Så länge du vet var allting finns kommer du att vara produktiv. Men om ditt arkiveringssystem inte är effektivt organiserat finns det algoritmer för att förbättra din organisation. Författarna beskriver tre algoritmer, närmare bestämt:

Sortering av bubblor

Denna algoritm är den minst effektiva. Med denna metod organiserar du ett par i taget. Sedan upprepar du denna process om och om igen tills allt är sorterat. Författarna ger ett exempel på bubbelsorteringsalgoritmen för alfabetisering av böcker. Med en oorganiserad hylla skulle du börja med bokstaven A. Du skulle jämföra de två första böckerna och sortera dessa två alfabetiskt. Sedan jämför du det föremål som nu är den andra boken med den tredje boken. Denna process upprepas tills du har nått slutet av samlingen.

Insättning Sortering

Sorteringsmetoden är mycket effektivare om du måste sortera ett stort antal objekt. Om du tänker på bokanalogin igen skulle sorteringsmetoden innebära att du tar bort alla böcker från hyllan. Sedan lägger man tillbaka dem en efter en och ser till att böckerna placeras i rätt ordning varje gång man placerar en bok.

Sortering av sammanslagningar

Slutligen innebär sammanslagningssortering att du delar upp allt i flera högar. Varje hög ska sorteras från A till Z. Därefter ska dessa högar slås samman. 

Algoritmer kan hjälpa oss att planera våra liv

Att bli upprörd är ett mycket igenkännbart mänskligt tillstånd. Om du någonsin har haft ett ögonblick då du ville sluta göra allting bara för att få chansen att skriva ner allt du skulle göra, men inte hade tid, så har du thrashat."

- Brian Christian

Förutom att organisera filer måste vi organisera våra liv. Att planera våra liv kan vara mycket komplicerat och är ofta en daglig utmaning. Förutom arbetskraven gör flera andra krav i livet det svårt att hinna med allt. Vissa algoritmer kan dock bidra till att förbättra hur du planerar ditt liv. 

• Algoritmen för tidigast förfallodatum - En enkel algoritm. Den första uppgiften du slutför är den som har den närmaste tidsfristen.
• Moores algoritm - Denna algoritm rekommenderar att man hoppar över den uppgift som kräver mest tid. Istället bör du arbeta för att avsluta fler uppgifter totalt sett. Den här algoritmen är mer effektiv när du inte har tillräckligt med tid för att slutföra alla uppgifter.

Författarna rekommenderar att man till varje pris undviker prioriteringsomvändning. Prioritetsomvändning är när du fokuserar på för många små uppgifter och ingen av dem blir klar. Du bör sträva efter att enbart fokusera på en uppgift i taget i stället för att multitaska. 

Algoritmer kan hjälpa dig att förutse framtiden

Om du vill vara en bra intuitiv bayesiansk forskare - om du vill göra bra förutsägelser utan att behöva tänka på vilken typ av förutsägelseregel som är lämplig - måste du skydda dina priors. Det kan motintuitivt nog innebära att man stänger av nyheterna."

- Brian Christian

Även om vi aldrig kan vara säkra på vad som kommer att hända i framtiden är det möjligt att förutsäga vad som förmodligen kommer att hända. Det är möjligt att förutsäga sannolika resultat om man använder rätt algoritmer. 

Att förutsäga sannolika resultat med hjälp av algoritmer går tillbaka till 1700-talets England. Pastor Thomas Bayes utvecklade ett enkelt sätt att förutsäga framtida resultat. Författarna till den här boken tillämpar Bayes' teorem på skraplotter. Bayes rekommenderar att personer som köper skraplotter tar hänsyn till hur vanligt det är att det finns vinnarlotter i omlopp. Med detta som antagande är det möjligt att beräkna sannolikheten för dina lotters specifika resultat. 

Som med många andra saker gäller att ju mer information du har tillgång till, desto mer exakt kan du vara. En metod som utnyttjar stora mängder information för att förutsäga framtida resultat är fenomenets spridningsmönster. Andra namn för denna fördelning är normalfördelning eller klockkurva. Om något är normalfördelat kan du anta att det kommer att kännetecknas av drag i mitten snarare än ytterligheter när du stöter på det.

Alternativet till normalfördelningen är power-law-fördelningen. Denna fördelning har en median som är mycket lägre än fenomenets medelvärde. Ett exempel på detta är rikedom. De flesta människor i världen är fattiga, medan ett fåtal personer innehar den stora majoriteten av världens rikedomar. 

Algoritmer förhindrar överbelastning av data

Överbelastning av data betraktas ofta i samband med ett klassiskt tankeexperiment. I detta tankeexperiment förbereder sig två generaler för att inleda ett gemensamt angrepp på en stad. Staden ligger i en befäst dal. Generalerna befinner sig på två kullar på vardera sidan av dalen. Det enda sättet för dem att attackera samtidigt är alltså att komma överens om en exakt tidpunkt. Dessutom kan de bara kommunicera genom att skicka personer genom dalen där deras fiender finns. Detta tankeexperiment användes av datavetare som ett sätt att fastställa algoritmer för säker överföring av meddelanden.

Metod I - Återöverförd uppdelning av Till

Detta var den första metoden som skapades. Denna lösning innebar att man skickade flera budbärare i hopp om att en skulle komma igenom utan att bli upptäckt. Att skicka för många budbärare kan dock leda till överbelastning. När det gäller datorer skulle detta vara en överbelastning av en server. 

Metod II - Exponentiell backoff

Om en överbelastning av servern uppstår är exponentiell back-off en metod som bör fungera. I stället för att frenetiskt trycka på uppdatering kan du vänta några minuter tills trafiken minskar. Den exponentiella delen handlar om hur länge du väntar mellan uppdateringarna. Författarna föreslår att du ska vänta dubbelt så länge varje gång du får ett felmeddelande när du uppdaterar.

Metod III - Additiv ökning, multiplikatorisk minskning

Med denna metod hoppas man att överbelastningen inte ska uppstå överhuvudtaget. Denna algoritm fastställer den maximala mängden data som ett nätverk kan hantera. Algoritmen börjar med att endast skicka ett paket med data. Om detta går bra skickar den sedan den dubbla mängden. Den fortsätter denna process tills den når överbelastningspunkten. Denna process gör det möjligt för algoritmen att fastställa gränsen.

Metoderna kan tillämpas i din vardag. För mycket information kan leda till att hjärnan blir överbelastad. Därför bör du börja med att introducera små mängder information och testa hur långt du kan gå innan din hjärna blir överbelastad. När du känner till denna gräns kommer du att ha en bättre förståelse för när du bör sluta arbeta med en uppgift. 

Algoritmer har sina gränser

Även den bästa strategin ger ibland dåliga resultat - det är därför datavetare är noga med att skilja mellan "process" och "resultat". Om du har följt den bästa möjliga processen har du gjort allt du kan och du ska inte klandra dig själv om det inte gick som du ville."

- Brian Christian

Komplicerade scenarier kräver ofta komplexa algoritmer för att förstå vad som händer. Algoritmer är dock begränsade i den komplexitet med vilken de kan tillämpas. Problemet är att när du förutsäger något komplext kommer du att frestas att lägga till variabler tills algoritmen helt och hållet kan förklara dina data. Detta inbegriper att förklara felen i uppgifterna. Att göra detta är dock problematiskt eftersom det leder till något som kallas överanpassning. Du har gjort modellen mycket komplicerad och specifik för de data du använder. Därför kan den inte tillämpas flexibelt på andra data. 

Ju större osäkerheten är, ju större klyftan är mellan vad man kan mäta och vad som är viktigt, desto mer bör man se upp för överanpassning - det vill säga, desto mer bör man föredra enkelhet."

- Tom Griffiths

Avslutande punkter

Algoritmer låter oss välja "tillräckligt bra" i stället för att alltid sträva efter perfektion. Om vi konsekvent använder algoritmer i våra liv kommer vi att ha stor nytta av dem och kan börja slappna av mer. Våra hjärnor är byggda som datorer. Därför bör vi precis som datorer börja komplettera dem med algoritmer. 

Betyg

Vi bedömer Algoritmer att leva efter 4/5. Hur skulle du betygsätta Brian Christian och Tom Griffiths bok baserat på denna sammanfattning?

PDF, gratis ljudbok och animerad bok Sammanfattning av Algorithms to Live By

Detta var toppen av isberget. Om du vill gå in på detaljerna och stödja författaren kan du beställa bok eller köp ljudboken gratis på Amazon.

Är du ny på StoryShots? Få PDF, gratis ljudbok och animerade versioner av denna sammanfattning och hundratals andra bästsäljande fackböcker i vår gratis topprankad app. Apple, The Guardian, FN och Google har nämnt appen som en av världens bästa läs- och inlärningsappar.

Om du har synpunkter på den här sammanfattningen eller vill dela med dig av vad du har lärt dig kan du kommentera nedan.

Sammanfattningar av relaterade böcker

Linchpin av Seth Godin

Kraften i fullt engagemang James Loehr och Tony Schwartz

Konsten att vara lycklig av Dalai Lama

Fakticitet av Hans Rosling, Ola Rosling och Anna Rosling Rönnlund

Attityd är allt av Jeff Keller

Tankesätt av Carol Dweck

Hur man inte får ha fel av Jordan Ellenberg

Atomära vanor av James Clear

Superlife av Darin Olien

Förutsägbart irrationellt av Dan Ariely