CDA數(shù)據(jù)分析師 出品

編譯：Mika

【導(dǎo)讀】

在需要做決定時，常常我們會感到不知所措。在本文中，認知科學(xué)家湯姆·格里菲斯向我們展示了如何運用計算機的邏輯來解決棘手的問題，分享了做出更好決策的三種實用策略。

1.找房子所面臨的“最優(yōu)停止問題”

提到買房或租房，這都是一個令人頭疼的問題。

你需要去各種地方看房，去了解市場上的買房信息。但每當(dāng)你離開一個看房的地方，怎么確定下一家就比這家好呢？

換而言之，你怎么知道何時該下手買呢？

面對這個問題，卻可能有個很簡單的解決方法——37%原則。

如果你想要最大化提升找到最佳居所的概率，就應(yīng)該把市場上37%的房子都看一遍。然后在你看到下一個房子時，如果這個房子比之前看的都好，那就下手吧。

或者假設(shè)你要花一個月的時間來找房子，拿出37%的時間，即11天來建立標(biāo)準(zhǔn)，然后就可以準(zhǔn)備行動了。

我們知道這是可行的，是因為嘗試找到好的居所是很典型的“最優(yōu)停止問題”。這是數(shù)學(xué)家和計算機科學(xué)家廣泛研究的一類問題。

我就是個計算認知科學(xué)家，我致力于研究人們的大腦是如何工作的，我不僅會研究人類那些驚人的成果，還會研究那些失敗情況。

為此我會考慮日常生活中出現(xiàn)的問題的計算結(jié)構(gòu)，并把這些問題的理想解決方案與我們實際會做出的行為相比較。

與此同時，我還發(fā)現(xiàn)了如何利用一點計算科學(xué)知識，就能讓人類更輕松地做出決策。

對此，我有個人的動機。從小我就是一個很認真的孩子，我總試著用我覺得理性的方式行事。對每一個決定進行推理，想要算出要采取的最佳行動。

認知科學(xué)家湯姆·格里菲斯小時候

但這種方法無法擴展到你在日常生活中遇到的各種問題。

有一次，我想和我女友分手，只因為我在思考如何在我們倆各自的喜好中，尋找最佳的折中方案。而最后卻搞得我精疲力盡。她指出我解決這個問題的方法是錯誤的，后來她成為了我的妻子。

不管是去哪家餐廳這樣的小決策，還是重要到需要決定與誰度過余生。人類的生活總是面臨著各種很難全憑努力來解決的計算問題。

面對這些問題，咨詢專家是個不錯的選擇，這里我說的是計算機科學(xué)家。

當(dāng)你尋找生活中的建議時，計算機科學(xué)家可能不是你首選的談話對象。

試想像計算機一樣生活，追求一成不變的確定性和準(zhǔn)確性，聽起來確實挺無趣的。但研究人類決策的計算機科學(xué)揭示了這樣一個事實，我們弄反了。

2.去哪兒吃飯中的“探索與利用的權(quán)衡”

當(dāng)處理人們生活中遇到的各種難題時，計算機解決這些問題的方式跟人類真實行為非常相似。

以決定去哪里吃飯舉例，這是特定計算結(jié)構(gòu)的問題。你有一組選項，需要在這些選項中選擇一個。并且明天你將會面對同樣的決定。

在那種情況下，你遇到了計算機科學(xué)中所謂的“探索與利用的權(quán)衡”。

你可以選擇去嘗試新的食物，即探索，收集你將來能夠使用的信息；或者選擇去已經(jīng)吃過味道不錯的飯店，即利用你目前已經(jīng)收集到的信息。

當(dāng)你需要在嘗試新的和已知的優(yōu)質(zhì)體驗之間作出選擇時，就面臨了“探索與利用的權(quán)衡”。無論是聽音樂，還是決定要跟誰聚會。

科技公司也會面臨同樣的問題。比如當(dāng)他們需要決定應(yīng)該在網(wǎng)頁上展示什么廣告時，他們是應(yīng)該展現(xiàn)新廣告呢？還是展現(xiàn)那個已知用戶很可能會點擊的廣告呢？

在過去60年中，計算機科學(xué)家在理解探索與利用的權(quán)衡上面取得了很大的進展。而且他們的研究給出了一些讓人驚訝的發(fā)現(xiàn)。

當(dāng)你在決定去哪家餐廳時，你應(yīng)該問自己的第一個問題是：你還要在城里呆多久？

如果你在那里只是短暫的停留，那么你就應(yīng)該享受即“利用”，收集信息沒有意義，只需要直接去那家你喜歡的餐廳。

但如果你會呆很長的時間，那就花點時間“探索”，試試新的餐廳，因為你收集的信息，可以在未來優(yōu)化你的選擇。有價值的信息增多了，你將來使用它的機會也越多。

這個原則也可以幫助我們深入理解人類生命的結(jié)構(gòu)。嬰兒總在嘗試新東西，他們什么東西都想往嘴里塞。事實上這一行為非常合理，他們正處于生命中的探索階段，總想把各種東西塞到嘴里嘗嘗味道，說不定就很好吃呢？

相反，老人總是去同樣的餐廳，吃同樣的東西。這并不是單調(diào)，而是最優(yōu)選擇罷了。他正在利用一生中所積累的知識。

更一般的情況下，了解“探索與利用的權(quán)衡”這一原則，可以讓你在嘗試做選擇時感到更輕松。

你不需要每晚都去熟悉的店子吃飯。找個機會，試試新的，探索一番，你可能會有新的發(fā)現(xiàn)。你獲取的信息會比一頓美味的晚餐更有價值。

3.整理衣柜時的“靈魂拷問”

計算機科學(xué)也可以幫助我們在家和工作場所的其他地方更輕松地做出決策。

如果你有需要整理衣櫥的經(jīng)歷，你就已經(jīng)遇到了一個非常痛苦的決定。你得決定哪些東西要留下來，哪些東西要丟掉。

家政女王瑪莎·斯圖爾特曾經(jīng)非常認真地思考過這個問題，而且她有一些好建議。

她的建議是，

問自己4個問題：

• 我買這件衣服多久了？
• 衣服仍然完好嗎？
• 我還有其他類似的衣服嗎？
• 我上次穿它是什么時候？

但還有另一群專家對這個問題的思考更加深入。他們會說，其中一個問題比其他問題更重要。這些專家是誰呢？就是設(shè)計計算機內(nèi)存系統(tǒng)的人。

大部分電腦有兩種類型的內(nèi)存系統(tǒng)。

• 快速存儲系統(tǒng)，比如容量有限的內(nèi)存芯片。因為這些芯片非常昂貴。
• 慢速存儲系統(tǒng)，但容量更大。

為了讓計算機工作效率盡可能高，你想要確保你需要獲取的信息在快速存儲系統(tǒng)中，這樣就可以快速獲取它們。每次你獲取一段信息，該信息就會進入快速存儲中。

而計算機需要決定，哪些信息需要從那個存儲中移除，因為它的容量有限。

多年來，計算機科學(xué)家試了幾種不同的策略來決定應(yīng)該從快速存儲中移除什么。他們試過比如隨機選擇，或是應(yīng)用"先進先出"原則，意思是移除被儲存時間最長的信息。

但最有效的策略是，聚焦那些最近最少被使用的條目。

也就是說，如果你打算從存儲中刪掉點什么，就應(yīng)該移除距離最近一次訪問最久的內(nèi)容。

這顯然是合乎邏輯的做法，假如你上次訪問那段信息是在很久以前了，那么你也很可能在很久之后才會再次需要訪問這段信息。

你的衣柜就像計算機的內(nèi)存。衣櫥的容量有限，你需要盡量把最常用的東西放進去，這樣你就會盡可能快速地得到它。

認識到這點，也許值得應(yīng)用"最近最少使用"原則來管理你的衣柜。

如果我們回到瑪莎的四個問題，計算機科學(xué)家會說，在這些問題中，最后一個是最重要的。

這種管理東西的方法，也就是讓你最容易獲取到最需要的東西，也可以應(yīng)用在你的工作中。

日本經(jīng)濟學(xué)家野口勇就發(fā)明了一個擁有該屬性的文件系統(tǒng)。

他從一個紙箱開始，然后從左手邊把文件放進盒子。每次他增加一個文件，他會把里面的東西依次移動。再把那個文件放在盒子的左手邊。每次他需要看文件，就會把它取出來，用完之后放到左手邊的位置。

這樣一來，文件就會根據(jù)最近使用的情況從左到右排序。他發(fā)現(xiàn)只要沿著盒子的左邊到右邊搜索，就可以快速找到他要找的文件。

在你趕回家嘗試搭建這個文件系統(tǒng)前，值得注意的是，你可能已經(jīng)擁有它了，就是你桌上的那堆文件。

通常被認為是凌亂無序的，這堆文件實際上已經(jīng)經(jīng)過了完美的整理。

只要你把一張紙抽出來，用完再放回到那堆文件上面。這些文件就會從上到下，根據(jù)最近使用的原則排序。你就很可能在那堆文件中從上到下，快速找到你要找的東西。

整理你的衣柜或書桌，可能不是你生活中最緊迫的問題。有時候我們需要解決的問題非常非常難，但即便在這些案例中，計算機科學(xué)也可以提供一些策略和些許安慰。

最好的算法是在最短的時間內(nèi)做最合理的事情。

當(dāng)計算機面對難題時，會把它分解為簡單問題。通過利用隨機性消除約束或允許近似。解決這些簡單問題，可以讓你洞察更難的問題，而且有時會產(chǎn)生很好的解決方案。

結(jié)語

知道所有這些知識可以幫助我們在做決定時倍感輕松。

拿37%的原則來找房子就是一個例子。你根本不可能考慮到所有的選項，所以你必須碰碰運氣。即便你遵循了最優(yōu)策略 ，也無法保證得到最佳結(jié)果。

如果你遵循37%原則，找到最佳居所的概率是，仍是37%。你大部分時間都未能如愿，但是你已經(jīng)盡力了。

最終，計算機科學(xué)可以幫我們更寬容地面對自己的局限性。你無法控制結(jié)果，只能調(diào)整方法。只要你使用了最好的方法，就已經(jīng)盡了最大的努力。有時候最好的方法就是抓住機會，不去考慮你的所有選項，或者愿意接受一個很好的解決方案。這些不是我們在無法進行理性思考時做的讓步，它們就是理性的意義。