Algorithms to Live By
เลือกสิ่งที่ดีให้ชีวิต คิดแบบอัลกอริทึม
The Computer Science of Human Decisions by Brian Christian and Tom Griffiths
Christian และ Griffiths เน้นย้ำถึงความสำคัญของอัลกอริทึมในชีวิตประจำวันของเรา พวกเขาโต้แย้งว่ามนุษย์ตัดสินใจทุกวันเพื่อกำหนดประสิทธิผลของพวกเขา พวกเขาเสนอว่าด้วยการทำความเข้าใจปัญหาเหล่านี้ผ่านเลนส์ของอัลกอริธึม เราสามารถลดข้อผิดพลาดและเพิ่มประสิทธิภาพกระบวนการตัดสินใจของเราได้
“Most broadly, looking through the lens of computer science can teach us about the nature of the human mind, the meaning of rationality, and the oldest question of all: how to live” (p. 4).”
Brian Christian and Tom Griffiths
They argue that humans make decisions every day that determine their effectiveness. พวกเขาโต้แย้งว่ามนุษย์ตัดสินใจทุกวันเพื่อกำหนดประสิทธิผลของพวกเขา
They propose that by understanding these problems through the lens of algorithms, we can minimize mistakes and optimize our decision-making process.
มนุษย์ตัดสินใจทุกวันเพื่อกำหนดประสิทธิผลของพวกเขา พวกเขาเสนอว่าด้วยการทำความเข้าใจปัญหาเหล่านี้ผ่านเลนส์ของอัลกอริธึม เราสามารถลดข้อผิดพลาดและเพิ่มประสิทธิภาพกระบวนการตัดสินใจของเราได้
Humans face difficult decisions every day that ultimately determine how “good” they are.
มนุษย์เผชิญกับการตัดสินใจที่ยากลำบากทุกวันซึ่งจะตัดสินว่าพวกเขา "ดี" แค่ไหนในท้ายที่สุด ด้วยการดูพื้นฐานของปัญหาเหล่านี้ผ่านเลนส์ของอัลกอริธึม เราจะสามารถเข้าใจข้อผิดพลาดที่เราทำได้ดีขึ้น
exploration is gathering information, and exploitation is using the information you have to get a known good result
การสำรวจคือการรวบรวมข้อมูล และการแสวงหาผลประโยชน์คือการใช้ข้อมูลที่คุณมีเพื่อให้ได้ผลลัพธ์ที่ดี
Jeff Bezos ตัดสินใจที่จะเสี่ยงโดยเริ่มต้น Amazon ตามสิ่งที่เขาเรียกว่า “regret minimization framework กรอบการทำงานลดความเสียใจ"
– แนวคิดที่ว่า " regret is the result of comparing what we actually did with what would have been best in hindsight ความเสียใจคือผลลัพธ์ของการเปรียบเทียบสิ่งที่เราทำจริงกับสิ่งที่ดีที่สุดเมื่อมองย้อนกลับไป
When the world can change, continuing to explore can be the right choice เมื่อโลกเปลี่ยนแปลงได้ การสำรวจอย่างต่อเนื่องอาจเป็นทางเลือกที่เหมาะสม
Christian และ Griffiths แนะนำว่าวิธีการที่เป็นระบบในการกำหนดลำดับชั้นในการปฏิสัมพันธ์ของมนุษย์มีความสำคัญอย่างยิ่งต่อการดำเนินงานที่ราบรื่นในสังคมขนาดใหญ่
ปฏิสัมพันธ์ของมนุษย์สามารถกำหนดอันดับได้อย่างมีอารยธรรม ซึ่ง "โดยธรรมชาติแล้วจะจัดลำดับฉากโดยไม่ต้องมีการเปรียบเทียบแบบคู่ ดังนั้นจึงทำให้มีลำดับชั้นการครอบงำที่เป็นไปได้ซึ่งไม่จำเป็นต้องมีการจับคู่แบบตัวต่อตัวโดยตรง
สังคมมนุษย์ขนาดใหญ่จำเป็นต้องมีลำดับชั้นที่กำหนดไว้ล่วงหน้าสำหรับการดำเนินการและวิธีการที่เป็นระบบในการกำหนดลำดับชั้นนั้น
ในปี 1879 นักจิตวิทยาหนุ่มชื่อแฮร์มันน์ เอบบิงเฮาส์ ได้จัดทำกราฟที่แสดงให้เห็นว่าความทรงจำค่อยๆ จางหายไปตามกาลเวลา ซึ่งปัจจุบันเรียกว่า “The Forgetting Curve เส้นโค้งแห่งการลืม” เส้นโค้งนี้แสดงให้เห็นว่า “แบบแผนที่ทำให้สิ่งต่างๆ จางหายไปจากจิตใจของเรา ก็คือแบบแผนเดียวกับที่ทำให้สิ่งต่างๆ จางหายไปจากการใช้รอบตัวเรา
Sometimes that which matters most cannot be done until that which matters least is finished, so there’s no choice but to treat that unimportant thing as being every bit as important as whatever it’s blocking
บางครั้งสิ่งที่สำคัญที่สุดไม่สามารถทำได้จนกว่าสิ่งที่สำคัญที่สุดจะเสร็จสิ้น ดังนั้นจึงไม่มีทางเลือกอื่นนอกจากปฏิบัติต่อสิ่งที่ไม่สำคัญนั้นให้มีความสำคัญพอๆ กับสิ่งใดก็ตามที่ขวางกั้นอยู่
Switching from one task to another comes at a cost in that by switching contexts, we must reassess the information involved which can cause delays and errors
การเปลี่ยนจากงานหนึ่งไปอีกงานหนึ่งต้องเสียค่าใช้จ่าย โดยการเปลี่ยนบริบท เราต้องประเมินข้อมูลที่เกี่ยวข้องอีกครั้งซึ่งอาจทำให้เกิดความล่าช้าและข้อผิดพลาด
Considering more and more factors and expending more effort to model them can lead us into the error of optimizing for the wrong thing
การพิจารณาปัจจัยต่างๆ มากขึ้นเรื่อยๆ และใช้ความพยายามมากขึ้นในการสร้างแบบจำลองปัจจัยเหล่านั้น อาจนำเราไปสู่ข้อผิดพลาดในการปรับให้เหมาะสมสำหรับสิ่งที่ผิด
Giving yourself more time to decide about something does not necessarily mean that you’ll make a better decision การให้เวลาตัวเองมากขึ้นในการตัดสินใจเกี่ยวกับบางสิ่งบางอย่างไม่ได้หมายความว่าคุณจะตัดสินใจได้ดีขึ้นเสมอไป
“If we’re willing to accept solutions that are close enough, then even some of the hairiest problems around can be tamed with the right techniques” หากเราเต็มใจที่จะยอมรับวิธีแก้ปัญหาที่ใกล้เคียงเพียงพอ แม้แต่ปัญหาที่ยุ่งยากที่สุดก็สามารถแก้ไขได้ด้วยเทคนิคที่ถูกต้อง
Sometimes the best solution to a problem is to turn to chance rather than trying to fully reason out an answer บางครั้งทางออกที่ดีที่สุดสำหรับปัญหาคือการหันไปหาโอกาสแทนที่จะพยายามหาเหตุผลมาตอบอย่างเต็มที่
เมื่อวิลเลียม เจมส์เป็นผู้ช่วยศาสตราจารย์ด้านจิตวิทยาที่มหาวิทยาลัยฮาร์วาร์ดในปี พ.ศ. 2423 เขาเขียนบทความที่อภิปรายการวิวัฒนาการของความคิด โดยเน้นย้ำถึงความจำเป็นของการสุ่มเพื่อให้ความคิดสร้างสรรค์เกิดขึ้น
the necessity of randomness for creativity to occur. คนที่สร้างสรรค์ที่สุดมักจะมีความคิดที่สุ่มมากที่สุด
the 'optimal stopping problem', presenting a simple rule called the “Look-Then-Leap” rule.
"ปัญหาการหยุดที่เหมาะสมที่สุด" โดยนำเสนอกฎง่ายๆ ที่เรียกว่ากฎ "มองแล้วก้าวกระโดด" พวกเขายังแนะนำกฎ 37% ซึ่งมีกระบวนการตัดสินใจอย่างเป็นระบบ
The 37% Rule* derives from optimal stopping’s most famous puzzle, which has come to be known as the “secretary problem.
Look-Then-Leap Rule: You set a predetermined amount of time for “looking”—that is, exploring your options, gathering data—in which you categorically don't choose anyone, no matter how impressive.
คุณกำหนดเวลาที่กำหนดไว้ล่วงหน้าสำหรับการ "มอง" นั่นคือ สำรวจตัวเลือกของคุณ รวบรวมข้อมูล โดยที่คุณจะไม่เลือกใครเลย ไม่ว่าจะน่าประทับใจแค่ไหนก็ตาม หลังจากจุดนั้น คุณจะเข้าสู่ช่วง "ก้าวกระโดด" ซึ่งพร้อมที่จะมอบให้กับใครก็ตามที่โดดเด่นกว่าผู้สมัครที่ดีที่สุดที่คุณเห็นในระยะมองทันที
กลยุทธ์ที่เหมาะสมที่สุดสำหรับปัญหาเลขานุการที่มีจำนวนผู้สมัครต่างกัน ซึ่งแสดงให้เห็นว่าโอกาสที่จะประสบความสำเร็จ เช่น จุดที่เปลี่ยนจากการมองเป็นการก้าวกระโดด มาบรรจบกันที่ 37% เมื่อจำนวนผู้สมัครเพิ่มขึ้น
ข้อมูลครบถ้วนหมายความว่าเราไม่จำเป็นต้องดูก่อนที่จะกระโดด เราสามารถใช้กฎเกณฑ์แทนได้ โดยเราจะรับผู้สมัครทันทีหากผู้สมัครมีเปอร์เซ็นไทล์สูงกว่าที่กำหนด
คุณต้องกำหนดเวลาที่กำหนดไว้ล่วงหน้าในการค้นหาและสำรวจตัวเลือกของคุณในการรวบรวมข้อมูลเพื่อพัฒนาเกณฑ์มาตรฐาน หลังจากนั้นคุณจะต้องเข้าสู่ระยะก้าวกระโดด ในช่วงก้าวกระโดด คุณจะต้องยอมรับตัวเลือกใดๆ ก็ตามที่ผ่านเกณฑ์มาตรฐาน จากนั้น คุณควรพิจารณาตัวเลือกส่วนใดของคุณในระหว่างระยะการค้นหา และโอกาสในการเลือกตัวเลือกที่ดีที่สุดในกลุ่มทั้งหมดจะมีเท่าใด
เมื่อพูลโตขึ้น ตัวเลขนี้ก็จะเปลี่ยนไป แต่จะคงที่ที่ 37%! คุณควรผ่านไป 37% ของพูล น่าตลกดีที่ด้วยวิธีนี้ โอกาสในการค้นหาสิ่งที่ดีที่สุดในกลุ่มนั้นก็อยู่ที่ 37% เช่นกัน ในตอนแรก คุณอาจคิดว่าโอกาส 37% ในการค้นหาผู้สมัครที่ดีที่สุดนั้นไม่ดีพอ แต่ลองพิจารณาสิ่งต่อไปนี้ เมื่อขนาดพูลเพิ่มขึ้น
โอกาสของเราในการเลือกผู้สมัครที่ดีที่สุดโดยการสุ่มคือ 1/n โดยที่ n คือจำนวนผู้สมัครทั้งหมด อย่างไรก็ตาม หากคุณผสมกฎ Look-Then-Leap กับกฎ 37% ขนาดของพูลก็ไม่สำคัญ คุณจะมีโอกาส 37% ในการค้นหาสิ่งที่ดีที่สุดเสมอ
วิธีที่ง่ายที่สุดในการทำความเข้าใจตัวเลขสำหรับสถานการณ์นี้คือเริ่มจากจุดสิ้นสุดแล้วคิดย้อนกลับ
Burglar problem: ผลลัพธ์ที่ได้นั้นค่อนข้างเข้าใจง่าย จำนวนการปล้นที่คุณควรทำจะเท่ากับโอกาสที่คุณหลบหนีโดยประมาณ หารด้วยโอกาสที่คุณถูกจับได้ หากคุณเป็นหัวขโมยที่มีทักษะและมีโอกาส 90% ที่จะดึงการปล้นแต่ละครั้งออกมาได้ (และโอกาส 10% ที่จะสูญเสียมันทั้งหมด) ให้ออกจากงานหลังจาก 90/10 = 9 การปล้น
คณิตศาสตร์แสดงให้เห็นว่าคุณควรเล่นต่อไปเสมอ แต่ถ้าคุณทำตามกลยุทธ์นี้ คุณจะสูญเสียทุกสิ่งในที่สุด ปัญหาบางอย่างหลีกเลี่ยงได้ดีกว่าแก้ไข
ผู้คนมักจะหยุดเร็ว โดยปล่อยให้ผู้สมัครที่ดีกว่าไม่มีใครเห็น ค่าใช้จ่ายเป็นคำอธิบายที่เป็นไปได้ว่าทำไมผู้คนถึงหยุดเร็ว
ทุกวันเราถูกบังคับให้ตัดสินใจระหว่างตัวเลือกที่แตกต่างกันในมิติที่เฉพาะเจาะจงอย่างต่อเนื่อง
ผู้คนมีแนวโน้มที่จะสำรวจมากเกินไป: ผู้คนเลือกที่จะสังเกต 505 ครั้ง โดยเฉลี่ย วางเดิมพันอีก 495 ครั้ง แต่ทางคณิตศาสตร์บอกว่าพวกเขาควรเริ่มเดิมพันหลังจากการสังเกตเพียง 38 ครั้ง ส่งผลให้มีโอกาส 962 ครั้งที่จะได้รับเงิน
If you treat every decision as if it were your last, then indeed only exploitation makes sense. หากคุณปฏิบัติต่อทุกการตัดสินใจราวกับว่ามันเป็นครั้งสุดท้ายของคุณ เฉพาะการแสวงหาผลประโยชน์เท่านั้นที่สมเหตุสมผล
All our lives are constrained by limited space and time, limits that give rise to a particular set of problems.
ชีวิตเราทุกคนถูกจำกัดด้วยพื้นที่และเวลาอันจำกัด ขีดจำกัดที่ก่อให้เกิดปัญหาเฉพาะอย่าง
What should we do, or leave undone, in a day or a lifetime? เราควรทำอย่างไรหรือปล่อยทิ้งไว้ในหนึ่งวันหรือตลอดชีวิต?
How much messiness should we accept? เราควรยอมรับความยุ่งเหยิงขนาดไหน?
What balance of new activities and familiar favorites is the most fulfilling?
ความสมดุลของกิจกรรมใหม่ ๆ และรายการโปรดที่คุ้นเคยจะเติมเต็มได้มากที่สุด?
These may seem like uniquely human quandaries, but they are not: computers, too, face the same constraints, so computer scientists have been grappling with their version of such issues for decades. And the solutions they've found have much to teach us.
สิ่งเหล่านี้อาจดูเหมือนเป็นปัญหาเฉพาะตัวของมนุษย์ แต่ไม่ใช่ เนื่องจากคอมพิวเตอร์เองก็เผชิญกับข้อจำกัดแบบเดียวกัน ดังนั้นนักวิทยาศาสตร์คอมพิวเตอร์จึงต่อสู้กับปัญหาดังกล่าวในเวอร์ชันของตนมานานหลายทศวรรษ และแนวทางแก้ไขที่พวกเขาพบยังสอนเราอีกมากมาย
In a dazzlingly interdisciplinary work, acclaimed author Brian Christian and cognitive scientist Tom Griffiths show how the algorithms used by computers can also untangle very human questions.
ในงานสหวิทยาการอันน่าทึ่ง Brian Christian นักเขียนชื่อดังและ Tom Griffiths นักวิทยาศาสตร์ด้านความรู้ความเข้าใจได้แสดงให้เห็นว่าอัลกอริทึมที่ใช้โดยคอมพิวเตอร์สามารถแก้ปัญหาของมนุษย์ได้อย่างไร
They explain how to have better hunches and when to leave things to chance, how to deal with overwhelming choices and how best to connect with others. From finding a spouse to finding a parking spot, from organizing one's inbox to understanding the workings of memory, Algorithms to Live By transforms the wisdom of computer science into strategies for human living.
พวกเขาอธิบายวิธีมีลางสังหรณ์ที่ดีขึ้น และเมื่อใดควรปล่อยให้สิ่งต่างๆ เป็นไปตามโอกาส วิธีจัดการกับตัวเลือกที่ท่วมท้น และวิธีที่ดีที่สุดในการเชื่อมต่อกับผู้อื่น ตั้งแต่การหาคู่ครองไปจนถึงการหาที่จอดรถ ตั้งแต่การจัดกล่องจดหมายไปจนถึงการทำความเข้าใจการทำงานของหน่วยความจำ Algorithms to Live By เปลี่ยนภูมิปัญญาของวิทยาการคอมพิวเตอร์ให้เป็นกลยุทธ์ในการดำรงชีวิตของมนุษย์
ตัดแปะโดย เฉลิมชัย เอื้อวิริยะวิทย์
ทำไมเราจะฉลาดแบบคอมพิวเตอร์ไม่ได้ ในเมื่อเราเป็นคนสร้างมัน...
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2025 Blockdit
