Τομ Γκρίφιθς: 3 τρόποι για καλύτερες αποφάσεις- σκέψου σαν υπολογιστής


Αν υπάρχει μια πόλη στον κόσμο όπου δύσκολα βρίσκεις σπίτι για αγορά ή ενοικίαση, είναι το Σίδνεϊ. Και αν προσπαθήσατε να βρείτε πρόσφατα σπίτι εδώ, γνωρίζετε το πρόβλημα. Κάθε φορά που μπαίνετε σε ένα σπίτι, μαθαίνετε για το τι υπάρχει εκεί έξω και τι υπάρχει στην αγορά, αλλά κάθε φορά που βγαίνετε, κινδυνεύετε να χάσετε το καλύτερο σπίτι που υπάρχει. Πώς ξέρετε επομένως πότε να περάσετε από την έρευνα στην προσφορά;

Αυτό είναι ένα ύπουλο και γνωστό πρόβλημα και μπορεί να σας εκπλήξει το ότι έχει μια απλή λύση. 37%.

Αν θέλετε να αυξήσετε την πιθανότητα να βρείτε το καλύτερο σπίτι, πρέπει να βλέπετε το 37% των σπιτιών στην αγορά, και να επιλέξετε το επόμενο σπίτι που θα δείτε, το οποίο θα είναι το καλύτερο ως τότε. Ή αν ψάχνετε ένα μήνα, πάρτε το 37% του χρόνου αυτού- 11 μέρες, για να αποκτήσετε ένα στάνταρντ- και μετά είστε έτοιμοι για δράση.

Το ξέρουμε αυτό επειδή η εύρεση σπιτιού είναι παράδειγμα προβλήματος βέλτιστης επίλυσης. Ένα είδος προβλημάτων που μελετήθηκαν εκτενώς από μαθηματικούς και επιστήμονες πληροφορικής.

Ασχολούμαι με την υπολογιστική γνωστική επιστήμη. Περνώ τον καιρό μου προσπαθώντας να καταλάβω πώς λειτουργεί ο ανθρώπινος εγκέφαλος, από τις μεγαλύτερες επιτυχίες μέχρι τις χειρότερες αποτυχίες μας. Για να το κάνω, σκέφτομαι την υπολογιστική δομή των προβλημάτων που προκύπτουν στην καθημερινότητα, και συγκρίνω τις ιδανικές λύσεις τους με τον τρόπο που όντως συμπεριφερόμαστε. Ως παράλληλη συνέπεια, παρατηρώ πώς με μια μικρή δόση υπολογιστικής επιστήμης μπορούμε να κάνουμε ευκολότερη τη λήψη αποφάσεων.

Έχω ένα προσωπικό κίνητρο για αυτό. Μεγαλώνοντας στο Περθ ως ένα εντελώς εγκεφαλικό παιδί προσπαθούσα πάντα να ενεργώ κατά ένα τρόπο που θεωρούσα λογικό, δικαιολογώντας κάθε απόφαση, ψάχνοντας την καλύτερη λύση για να ακολουθήσω. Αυτή η προσέγγιση όμως δεν εξελίσσεται όταν αρχίζεις να αποκτάς τα προβλήματα εκείνα που φέρνει η ενηλικίωση. Κάποτε, προσπάθησα ακόμη και να χωρίσω με την κοπέλα μου γιατί το να λαμβάνω υπόψη τα θέλω της μαζί με τα δικά μου και μετά να βρίσκω την τέλεια λύση- με εξαντλούσε.

Μου εξήγησε ότι ακολουθούσα λάθος προσέγγιση για να λύσω το πρόβλημα και αργότερα έγινε γυναίκα μου. Είτε είναι κάτι τόσο επουσιώδες όπως σε ποιο εστιατόριο να πας είτε τόσο σημαντικό όσο το με ποιον θα περάσεις την υπόλοιπη ζωή σου, οι ζωές μας είναι γεμάτες με υπολογιστικά προβλήματα που είναι πολύ δύσκολα για να λυθούν απλώς με σκληρή προσπάθεια. Για τα προβλήματα αυτά, αξίζει να συμβουλευτεί κανείς τους ειδικούς: τους επιστήμονες υπολογιστών.


Όταν ψάχνετε για συμβουλές ζωής, οι επιστήμονες αυτοί δεν είναι ίσως οι πρώτοι που σας έρχονται στο μυαλό. Το να ζει κανείς ως υπολογιστής- στερεοτυπικά αποφασιστικά, εξαντλητικά και με ακρίβεια- δεν ακούγεται διασκεδαστικό. Αλλά αν σκεφτείτε την υπολογιστική επιστήμη των ανθρώπινων αποφάσεων θα δείτε ότι το έχουμε καταλάβει όλο ανάποδα. Όταν εφαρμοστεί στα δύσκολα προβλήματα μιας ανθρώπινης ζωής, ο τρόπος που οι υπολογιστές θα έλυναν αυτά τα προβλήματα μοιάζει περισσότερο με τον τρόπο που όντως λειτουργούν οι άνθρωποι.

Πάρτε ως παράδειγμα την απόφαση επιλογής εστιατορίου. Είναι ένα πρόβλημα με ιδιαίτερη υπολογιστική δομή. Έχετε συγκεκριμένες επιλογές, θα διαλέξετε μια από αυτές, και θα έχετε ακριβώς το ίδιο δίλημμα και αύριο. Σε αυτή την περίπτωση, συναντάτε αυτό που οι πληροφορικάριοι αποκαλούν «δίπολο εξερεύνησης- εκμετάλλευσης». Πρέπει να αποφασίσετε αν θα δοκιμάσετε κάτι νέο- εξερεύνηση, συγκέντρωση πληροφοριών που ίσως να χρησιμοποιήσετε στο μέλλον- ή αν θα πάτε κάπου όπου ξέρετε ήδη ότι είναι καλά- εκμετάλλευση πληροφοριών που έχετε ήδη συλλέξει.

Το δίπολο εξερεύνησης-εκμετάλλευσης εμφανίζεται όποτε πρέπει να διαλέξετε ανάμεσα σε κάτι καινούριο και κάτι που ξέρετε ήδη ότι είναι πολύ καλό, είτε αφορά στη μουσική που ακούτε είτε στο με ποιον θα περάσετε χρόνο. Το ίδιο πρόβλημα αντιμετωπίζουν οι εταιρείες τεχνολογίας όταν αποφασίζουν, για παράδειγμα, ποια διαφήμιση να βάλουν σε μια ιστοσελίδα. Να βάλουν μια νέα διαφήμιση και να μάθουν κάτι για αυτό, ή να σας δείξουν μια διαφήμιση που ήδη ξέρουν ότι πιθανότατα θα αρέσει;

Τα τελευταία 60 χρόνια, οι πληροφορικάριοι έχουν κάνει μεγάλη πρόοδο στην κατανόηση του διπόλου εξερεύνησης- εκμετάλλευσης, και τα αποτελέσματά τους προσφέρουν εκπληκτική γνώση. Όταν προσπαθείτε να διαλέξετε εστιατόριο, το πρώτο που πρέπει να αναρωτηθείτε είναι πόσο ακόμη θα είστε στην πόλη. Αν πρόκειται να είστε εκεί για λίγο καιρό ακόμη, τότε πρέπει να αξιοποιήσετε. Δεν έχει νόημα η συγκέντρωση πληροφοριών. Πάτε σε ένα μέρος που ξέρετε ότι είναι καλό. Αλλά αν θα είστε εκεί για περισσότερο καιρό, να εξερευνήσετε. Δοκιμάστε κάτι νέο, γιατί οι πληροφορίες που θα πάρετε θα βελτιώσουν και τις μελλοντικές σας επιλογές. Όσο η αξία των πληροφοριών αυξάνεται, τόσο περισσότερες ευκαιρίες θα έχετε να τις χρησιμοποιήσετε

Αυτή η αρχή μπορεί να ρίξει φως και στη δομή της ανθρώπινης ζωής. Τα μωρά δεν έχουν τη φήμη ότι είναι ιδιαίτερα λογικά. Συνεχώς δοκιμάζουν καινούρια πράγματα, και ξέρετε, θέλουν να τα βάλουν στο στόμα τους. Στην πραγματικότητα, αυτό ακριβώς θα έπρεπε να κάνουν. Σε αυτή τη φάση της ζωής τους εξερευνούν, και κάποια από αυτά τα πράγματα μπορεί να φανούν πεντανόστιμα. Και από την άλλη μεριά, ο ηλικιωμένος που πάει πάντα στο ίδιο εστιατόριο και τρώει πάντα το ίδιο φαγητό δεν είναι βαρετός- είναι άριστος.

Εκμεταλλεύεται τη γνώση που έχει αποκτήσει μέσα από εμπειρίες μιας ζωής. Γενικότερα, το να γνωρίζεις για το δίπολο εξερεύνησης- εκμετάλλευσης μπορεί να κάνει ευκολότερο το να χαλαρώσετε όταν προσπαθείτε να αποφασίσετε κάτι. Δεν χρειάζεται να πάτε κάθε βράδυ στο καλύτερο εστιατόριο. Ρισκάρετε, δοκιμάστε κάτι νέο, εξερευνήστε. Μπορεί να μάθετε κάτι. Και οι πληροφορίες που θα πάρετε θα αξίζουν περισσότερο από ένα καλό φαγητό.

Η υπολογιστική επιστήμη βοηθά να χαλαρώσουμε και σε άλλα μέρη στο σπίτι και στο γραφείο. Αν είχατε ποτέ να συμμαζέψετε τη ντουλάπα σας, θα έχετε έρθει αντιμέτωποι με μια αγχωτική απόφαση: ποια ρούχα να κρατήσετε και ποια να δώσετε. Η Μάρθα Στιούαρτ φαίνεται ότι έχει σκεφτεί σε βάθος για αυτό- και έχει κάποιες καλές συμβουλές. Λέει,

«Αναρωτηθείτε 4 πράγματα: Πόσο καιρό έχω κάτι; Λειτουργεί ακόμη; Το έχω διπλό ή ήδη; Και πότε ήταν η τελευταία φορά που το φόρεσα ή το χρησιμοποίησα;»

Αλλά υπάρχει και μια άλλη ομάδα ειδικών που ίσως έχουν σκεφτεί ακόμη βαθύτερα αυτό το πρόβλημα, και θα έλεγαν ότι μια ερώτηση είναι σημαντικότερη των άλλων. Ποιοι ειδικοί; Αυτοί που σχεδιάζουν τις μονάδες μνήμης των υπολογιστών. Οι υπολογιστές συνήθως έχουν δύο είδη μνήμης: ένα γρήγορο σύστημα μνήμης, σαν ένα σετ από τσιπάκια περιορισμένης χωριτηκότητας, γιατί τα τσιπάκια αυτά είναι ακριβά, και ένα αργό σύστημα μνήμης, που είναι πολύ μεγαλύτερο.

Για να λειτουργεί ο υπολογιστής όσο πιο αποτελεσματικά γίνεται, πρέπει να είστε σίγουροι ότι οι πληροφορίες που θέλετε να βρείτε είναι στο γρήγορο σύστημα, ώστε να τις βρειτε γρήγορα. Κάθε φορά που βρίσκετε μια πληροφορία, αυτή φορτώνεται στη γρήγορη μνήμη και ο υπολογιστής πρέπει να αποφασίσει τι θα διώξει από αυτή, λόγω της περιορισμένης της χωρητικότητας.

Μέσα στα χρόνια, οι πληροφορικάριοι έχουν δοκιμάσει διάφορες στρατηγικές που καθορίζουν τι θα φύγει από τη γρήγορη μνήμη. Έχουν δοκιμάσει πράγματα όπως η τυχαία επιλογή ή η εφαρμογή του «ο πρώτος που έρχεται, φεύγει πρώτος», που σημαίνει ότι φεύγει ότι υπάρχει στη μνήμη το μεγαλύτερο διάστημα. Ωστόσο, η πιο αποτελεσματική στρατηγική επικεντρώνεται σε αντικείμενα που χρησιμοποιήθηκαν πιο παλιά. Αυτό σημαίνει ότι αν αποφασίσετε να διώξετε κάτι από τη μνήμη, να διώξετε αυτό το οποίο ψάξατε πιο παλιά στο παρελθόν. Και υπάρχει μια ειδική λογική σε αυτό.

Πάει καιρός από τότε που κατέφυγες σε αυτή την πληροφορία, λογικά θα περάσει καιρός μέχρι να χρειαστεί να το ξανακάνεις. Η ντουλάπα σας είναι σαν τη μνήμη του υπολογιστή. Έχει περιορισμένη χωριτηκότητα, και πρέπει να βάλετε εκεί μέσα αυτά που λογικά θα χρειαστείτε ώστε να φτάνετε σε αυτά όσο το δυνατόν γρηγορότερα. Αναγνωρίζοντας αυτό, ίσως αξίζει να εφαρμόσετε την αρχή τη πιο πρόσφατης χρήσης για να οργανώσετε και τη ντουλάπα σας. Αν δούμε τις τέσσερις ερωτήσεις της Μάρθα, οι επιστήμονες υπολογιστών θα έλεγαν ότι από αυτές, η τελευταία είναι η πιο σημαντική.

Η ιδέα της οργάνωσης πραγμάτων ώστε αυτά που χρειάζεται κανείς πιο συχνά να είναι τα πιο προσιτά εφαρμόζεται και στο γραφείο. Ο Ιάπωνας οικονομολόγος Γιούκο Νογκούτσι ανακάλυψε ένα σύστημα αρχειοθέτησης με αυτή ακριβώς την ιδιότητα. Ξεκίνησε με ένα χάρτινο κουτί, και έβαλε μέσα τα έγγραφά του ξεκινώντας από αριστερά. Όποτε θα έβαζε ένα έγγραφο, θα μετακινούσε αυτά που ήταν μέσα και θα προσέθετε το έγγραφο στα αριστερά του κουτιού. Και κάθε φορά που χρειαζόταν ένα έγγραφο, το έβγαζε έξω, το συμβουλευόταν και το έβαζε πίσω στην αριστερή πλευρά. Έτσι, τα έγγραφα ήταν ταξινομημένα από αριστερά προς δεξιά ανάλογα με το πότε είχαν χρησιμοποιηθεί. Και ανακάλυψε ότι μπορούσε εύκολα να βρει αυτό που έψαχνε ξεκινώντας από την αριστερή πλευρά του κουτιού και πηγαίνοντας προς τα δεξιά. Πριν τρέξετε σπίτι και εφαρμόσετε το σύστημα-να αναγνωρίσετε ότι μάλλον ήδη το έχετε κάνει.

Αυτή η στοίβα στο γραφείο σας... που συχνά αποκαλείται ακατάστατη και ανοργάνωτη, μια στοίβα χαρτιών, βασικά, οργανωμένη τέλεια- αφού, όταν βγάζετε ένα χαρτί, το τοποθετείτε πίσω στην κορυφή, και έτσι τα χαρτιά αυτά είναι ταξινομημένα από πάνω ως κάτω βάσει του πόσο πρόσφατα χρησιμοποιήθηκαν, και λογικά θα βρίσκετε γρήγορα ό,τι ψάχνετε ξεκινώντας από πάνω.

Η οργάνωση της ντουλάπας ή του γραφείου ίσως δεν είναι τα πιο πιεστικά προβλήματα της ζωής σας. Κάποιες φορές τα προβλήματα που καλούμαστε να λύσουμε είναι απλώς πάρα πολύ δύσκολα. Αλλά ακόμη και τότε, η υπολογιστική επιστήμη παρέχει στρατηγικές και ίσως λίγη ανακούφιση. Οι καλύτεροι αλογόριθμοι αφορούν στο τι βγάζει περισσότερο νόημα στο λιγότερο χρόνο. Όταν οι υπολογιστές έχουν κάποιο πρόβλημα, το χειρίζονται σπάζοντάς το σε μικρότερα- χρησιμοποιώντας την τυχαιότητα, αφαιρώντας εμπόδια ή επιτρέποντας προσεγγίσεις. Η επίλυση απλούστερων προβλημάτων μπορεί να ρίξει φως και στα δυσκολότερα, και συχνά παράγει πολύ καλές λύσεις.

Η γνώση όλων αυτών με έχει βοηθήσει να παίρνω αποφάσεις πιο χαλαρός. Μπορείτε να πάρετε τον κανόνα του 37% για να βρείτε ένα σπίτι ως παράδειγμα. Δεν γίνεται να αναλύσετε όλες τις επιλογές σας, οπότε πρέπει να ρισκάρετε. Και ακόμη και αν ακολουθήσετε τη βέλτιστη στρατηγική, κανείς δεν εγγυάται τέλειο αποτέλεσμα. Αν ακολουθήσετε τον κανόνα του 37%, η πιθανότητα να βρείτε το καλύτερο σπίτι είναι- είναι όντως αστείο 37%. Αποτυγχάνετε τις περισσότερες φορές. Αλλά αυτό είναι το καλύτερο που μπορείτε να κάνετε.

Εντέλει, η υπολογιστική επιστήμη βοηθά να συγχωρήσουμε τα εγγενή μας όρια. Δεν μπορείτε να ελέγξετε αποτελέσματα, μόνο διαδικασίες. Αν χρησιμοποιήσατε την καλύτερη διαδικασία, κάνατε το καλύτερο δυνατό. Κάποιες φορές αυτές οι διαδικασίες σημαίνουν ρίσκο- να μην εξετάσετε όλες τις εναλλακτικές, ή συμβιβασμό με μια αρκετά καλή λύση. Αυτές δεν είναι οι παραχωρήσεις που κάνουμε όταν δεν χωρά λογική- είναι το νόημα της λογικής.

Σας ευχαριστώ.

Translated by Despoina Zagklavara
Reviewed by Antonis Isaakidis

Αντικλείδι , https://antikleidi.com

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -


- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

1 σχόλιοLeave a comment