決斷的演算（4/5）

決斷的演算：預測、分析與好決定的11堂邏輯課
Algorithms to Live By: The Computer Science of Human Decisions
https://www.books.com.tw/products/0010761815


發人深省與每一章都讓人停下來思考的好書




第七章　過度配適—少，但是更好

談到思考，我們往往覺得想得越多越好：列出的優缺點越多，做出的決定越好；列出的相關因素越多，越能精準預測股價。實際上統計模型倘若太過複雜，使用過多參數，會太容易受我們取得的資料影響，而可能隨參與者不同而出現大幅差異，這就是過度配適。機器學習的一大重要事實是：考慮因素較多、比較複雜的模型，未必比較好。這章演示了過度配適如何扭曲我們對資料的解讀，點出日常生活中俯拾皆是的過度配適事例，並且教你如何藉由交叉驗證等方法揪出過度配適（像是怎麼分辨真正的人才和僅是懂得揣摩上意的員工？）並且對抗它。



達爾文考慮要不要向表妹求婚(窮舉各項優缺點)
Marry- Marry- Marry QED
https://www.livescience.com/3307-charles-darwin-strange-facts.html

https://theoreticalecology.wordpress.com/2014/02/12/darwing-quote-of-the-day-marry-mary-marry-q-e-d/


富蘭克林難以決定時，會比照辦理，拿出紙左邊寫贊成理由，右邊寫反對理由，再考慮兩邊各點理由的重要性(兩個贊成的重要性可以等於三個反對)

決斷的演算（3/5）

決斷的演算：預測、分析與好決定的11堂邏輯課
Algorithms to Live By: The Computer Science of Human Decisions
https://www.books.com.tw/products/0010761815

  

第五章　排程—優先的事情優先處理

重要且緊急、重要但不緊急、不重要但緊急、不重要但不緊急……，時間管理大師總教人照這順序處理事情。但電腦科學家會要你先搞清楚「用什麼標準來評量成果」。是在期限內完成最重要？還是盡量縮短讓客戶等待的時間？抑或劃掉待辦清單上越多項目越好？不同的評量標準得採用不同的作業策略。本章還用電腦的「上下文交換」探討讓其他工作插隊的代價，用「往復移動」提醒忙到變成在空轉的徵兆；並告訴你如何在反應能力和處理能力間取捨，為何有時完成工作的最佳策略反而是慢下來。

 

我們怎麼過一天，就會怎麼過這輩子；經常做怎麼樣的事就會變成那樣子的人

生活中，很多事情不重要但卻必須及時：柴米油鹽/繳帳單/工作賺錢(為別人而活)

重要的事情去往往不緊急、沒有時效性：維持感情/追求人生價值/放空思考與體驗(為自己而活)

 

是該想到就去做還是刻意不要馬上動手處理？

 

花時間成為一門科學

1874放棄哈佛入學許可、富有律師之子跑去工廠當機械學徒的科學管理之父泰勒 
Frederick Taylor(1856-1915) 

https://en.wikipedia.org/wiki/Frederick_Winslow_Taylor

決斷的演算（2/5）

決斷的演算：預測、分析與好決定的11堂邏輯課
Algorithms to Live By: The Computer Science of Human Decisions
https://www.books.com.tw/products/0010761815


兩位作者

Brian Christian（超神的專業作家）
https://brianchristian.org/

Youtube演講
https://www.youtube.com/watch?v=gPBiJsqTRms

另一本大作The Most Human Human(過去人嘗試變得像機器或電腦般運算，現在人們嘗試讓機器與電腦變得像人一般對話、感受與思考；那麼人跟機器的差別何在？怎麼樣才算是人而非沒血沒淚的演算法機器？)

https://www.books.com.tw/products/0010786061

Tom Griffiths(任教於普林斯頓心理系，跨了統計、電腦演算與心理認知的神人老師，這些神人老師的CV真的會讓人看了氣死...)
http://cocosci.princeton.edu/tom/index.php

兩位作者的文采真是令人崇拜，透過單純與前後邏輯一致的演算法，讓人看見身而為人的人性與人世間的複雜

決斷的演算（1/5）

 決斷的演算：預測、分析與好決定的11堂邏輯課

Algorithms to Live By: The Computer Science of Human Decisions

https://www.books.com.tw/products/0010761815

 

這本書的知識含量太高、讀起來過硬&很多數理證明力有未逮TAT

前言：為什麼我們能跟電腦學決策？

演算法的本質是「解決問題的一連串步驟」，參考食譜做麵包、依圖樣打毛線衣案SOP執行工作流程都是某種演算法(1234 if then…)

人類面臨的許多挑戰跟電腦科學家一樣都是：如何運用有限的空間、時間和注意力，因應未知事物和不完整的資訊。本書釐清這些難題的數學架構，闡述工程師如何教電腦發揮最大效用，並了解人腦如何克服相同限制。電腦科學不只能協助我們簡化問題以取得進展，甚至能提供具體的解決方法。

 

Q：要不就買下眼前這棟房子/跟目前的女友結婚？

要不拋下其他選擇(買下或定下來)，要不就走人不吃回頭草再找其他標的物。

難處在於「錯過好機會」和「說不定還有好機會」之間徘徊取捨，你立刻發現自己陷入兩難：如果沒有判斷基準，要怎麼知道某棟房子(某個女孩)是不是最佳選擇？但如果看過的房子不夠多，又怎麼知道判斷基準在哪？你取得的資訊越多，越能掌握真正的好機會，但在此之前錯過好機會的機率也越高。那麼你該怎麼做？倘若蒐集資訊反而可能不利，那麼該如何做出明智決定？這種狀況十分殘酷，可以說是矛盾。

大多數人面臨這類問題時，直覺上通常認為必須在取捨間取得某種平衡，得看過夠多的房子才能建立標準，再依據標準找出想要的房子。這種權衡概念非常正確，但大多數人沒辦法明確說出平衡點在哪。所幸這確實有明確答案：是37％。

 

由於我們生活的空間和時間都有限，每個人都遭遇到一類問題。在一天或十年中，我們應該做什麼、或應該不做什麼？應該容忍什麼程度的混亂？什麼樣的秩序算是過度？新事物和心頭好各佔多少比例，才能使生活最讓人感到滿足？