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
第三章 排序—依照順序排列
排序對於處理各種資訊都十分重要。電腦科學家經常要權衡排序和搜尋兩者，這項權衡的基本原則是：花心力排序資料，為的是省下日後花費心力找資料。於是這個問題變成：如何事先評估資料未來的用途？電腦科學指出，混亂和秩序造成的危險都可以量化，它們的成本都能以「時間」這個基準來呈現。Google搜尋引擎之所以強大，其實是拜預先排序之賜；但對於另外一些狀況，保持混亂往往更有效率。另外討論演算法的最差情況表現（以排序而言是最差完排時間），可以讓我們確定某個程序能在期限內完成，運動賽程的排定便是一例。
排序的用處
IBM的起源正是專用卡片排序機
排序可以
1.by 開頭字母
2.by先後時間
3.by容量大小
4.by個人偏好或關聯性(Google的起家)
5.不排序整理也是一種排序
排序的苦惱與代價
規模加大，通常可以獲得規模經濟效應=>降低單位成本
然而規模加大/數據量暴增時，單位資訊的搜尋與排序成本不減反增=>東西越多用難整理
假設你要在家宴請賓客
那麼你把房子打掃乾淨所需的時間應該是個常數(constant
time與賓客數多寡無關)=>O(1)
而你要花在和每位客人打招呼的時間應該是線性時間(linear
time和賓客數多寡成比例)=>O(n)
然而要讓每位賓客相互招呼與擁抱的時間則為人數的平方時間(square
time)=>O(n^2)
而如果考量你是主持人要讓賓客相互認識&負責介紹，也就是每多一位賓客，你的工作量會加倍，所需時間稱為指數時間(exponential time)=>O(2^n)
最後最恐怖的乘階時間(factorial
time，每個賓客之間有交互作用與不同好惡要考量)=>O(n!)，e.g., 撲克牌洗牌好洗到如同開封時的排序(52!)
泡泡排序
例如排序書籍，一次只調整兩本順序，而且不可以跳過
假如有n本書要移動n格的最差狀況，所需次數就是n*n=n^2(平方時間)
如有五個書架，排列時間與次數不是一個書架的5倍，而是25倍
改良方式：插入排序(Insert
Sort)
把所有的書都拿下來，第一本放中央，後續各本再看排序
優點：符合一般人類操作直覺
缺點：可能比氣泡排序稍微快一點，但還是平方時間
如何突破平方時間/次數的障礙？
電腦科學當中的神奇演算法- 合併排序(Merge Sort)(應該是分割再合併)
先把n/2 =>每組只處理2本書(=平行運算)
然後各組再
再
合併排序的強大運算能力在於- 平行運算+讓複雜度降低，所以所需時間介於線性時間和平方時間之間，精確說是線性對數時間（linearithmic
time）：
O(n log n)- 理論最佳直與最短時間
e.g., 有4百萬本書要排序
泡泡演算法：(4*10^6)^2=1.6*10^13 (單一個排序處理器所需耗費的時間)
合併排序：4*10^6*log(4*10^6)=2.6*10^7 (多個排序處理器所需耗費的時間)
實務應用- 圖書館的借還書排序
其實沒有需要到絕對的排序精準，排序只需精準到某一櫃位(放在同一台推車上的同一箱內)即可=>了解排序項目的分配(書籍或書庫的分配)
即便不精準，借閱人員也還是找得到
排序好要幹嘛？
找電腦科學家進行排序工作，對方會先問你：是否真的需要排序(=耗費資源整理)？
排序(物歸原位)是(不斷)耗費資源的事情與工序，排序與整理日後用不到的資料或事務是浪費運算資源與儲存空間，what if不花時間心力排序(亂就讓它亂+定期清理掉)，等到要用時，再花時間尋找或直接買新的，會不會更省時省力？
呵呵，以上觀念違反某些廠長要求廠內5S或潔癖家庭主婦的觀點，乃至於很多經理人與EHS打工仔都視髒亂與混亂為萬惡之藪，其實這反而是”系統”遵守熱力學原則與設法節省能量
搜尋之神Google的智慧(其實很邪惡，你以為透過搜尋可以發現事實與真相，其實搜尋結果顯示的是”它”覺得你會認同的資訊，只是隨手可得的partial
information & FAQ，你自己要再耗費心力判斷與查證，然而絕大多數鄉民無力判斷或質疑股溝大神的神諭 )
1.你會搜尋你(感興趣)的資料=>
2.你搜尋的資料有重複性與關連性=>
3.你要的只是個結果(而非耗時與絕對正確的page rank)=>使用者不耐等候，服務提供者的資源也很寶貴，與其真的耗費能量搜尋排序，不如直接把預先設定好的一些FAQ餵給你(+順便賣廣告&轉移你的注意力)
排序可以降低搜尋所需的成本(混亂與秩序兩者之間兩者trade off，成本大小可以用次數或時間來計算)
保持某種程度的混亂，可以讓運作更有效率
名次未必反映實力-運動賽事中的演算法
單淘汰制（bracket tournamen）
從32強，變成16強，8強，4強，準決賽=合併排序，線性對數時間（linearithmic time）：O(n log n)
優點是很已很快決定冠軍，各隊不用一一與其他隊與對決。
缺點則是第二強的選手如果初賽就遇到第一強的選手被淘汰，那麼銀牌頒給的不是真正的第二名…
相對合理(能夠找出強弱排序)的賽制
循環賽(Round-Robin)
n個隊伍分別和其他n-1 的隊伍比賽，如同要讓宴會上所有賓客相互擁抱，耗時等於平方時間O(n^2)
排位賽(Ladder)
羽球與壁球
依據目前排名排序選手名單，每位可以項前一名次挑戰，獲勝排名就對調
等於比賽的氣泡排序，耗時也是平方時間O(n^2)
比排序更重要的是
1.未必要減少比賽數=>影響球團票房收入
2.觀眾在意的是賽事精彩程度
3.比賽本身的運氣與不確定性因素正是重點
比賽結果的穩固性？
金牌真的第一與最強的嗎？
e.g., 在棒球比賽當中，一支球隊輸了30%的比賽，就有另一支球隊贏了30%的比賽，與球隊本身的強弱無關。
假設NCAA的籃球賽中，真正強的隊伍有70%的機率贏過另一隊(運氣成分30%)，假設有64隊要經過六輪單淘汰賽決定出冠軍，那麼最強隊伍贏得冠軍的機率是0.7^6=0.1176，這真正強的球隊獲得冠軍的機率是每10年一次！
如何抵銷運氣與noise的干擾？=增加結果穩健性
比較計數排序(Comparison Counting Sort)
用賽制來看，就是先分區的例行賽：各區中的所有隊伍都要
各區的季賽後再單淘汰制：沒有打入季後賽=真的實力不夠，季後賽的各區代表隊伍間的決戰有運氣因素(=相對精彩)
生物界的血腥排序
對於自己的能力與斤兩要有自知之明
猴子間會透過打鬧知道誰是老大、母雞透過雞啄來決定階級
而動物的族群數目約只有數十=小群體的泡泡演算可行，因此相對衝突較小(群體數目越大，泡泡演算越不可行)
相對於一般運動賽事，各種比賽個人或隊伍只要爭取最佳名次即可(不須對自己的水準有充分的認識)；然而在無限下注的現金撲克當中，當有更強的牌手坐上賭桌時，其他有自知之明的牌手會離開(如同進食的猴子遇到高階的猴子過來時會離開一般)；只有當彼此雙方內心對於排序不同時，才有現金賽局(拿出真槍白銀來show hand)
階級的資訊可以簡化排序次數與減少衝突
以上觀點讓人腦洞大開，以往覺得組織內的階層是非常邪惡的東西，一些坐上大位的高層其實是尸位素餐的代理人與欺上瞞下的lucky
bastard
覺得管理與階層不過是必要之惡，如果資訊公開與大家討論達成共識，會是多麼美好的事情
而從演算法的角度來看，資訊公開、大家討論(與辯論相互說服)達成共識=循環賽(Round-Robin)，耗時等於平方時間O(n^2)
課內討論，課長搓出共識與初步方案=內部循環賽制
往上呈給經理部長，各部門經理與部長再往上呈給處長，處長再給協理/副總，最後再給總經理董事長=單淘汰賽制，耗時是線性對數時間（linearithmic
time）：O(n log n)=>有運氣與noise的干擾，政治協商與相互妥協有其必要性
以上觀點(=root
cause)解釋了
1.為何高階主管不用聰明或夙夜匪懈也能坐穩與當個肥貓(薪資與權力表彰的是地位，而非當事人的能耐；而地位存在的唯一意義就做出決定/say
yes or no。然而決策型一型二錯誤的風險都很高，所以決策好壞或效益/合理性是一回事，宣揚成好決策與能夠穿鑿附會才是關鍵；高階主管與政治人物的本質就是演員與自欺欺人的騙子，要常常引經據典，言必策略、管理、願景、文化、價值、誠信、創新、團結)
2.組織潛規則與沒有完美的組織
https://eshmanager.blogspot.com/2014/07/blog-post.html#more
3.數據/衡量的失控與政治暗室協商的必要性
https://eshmanager.blogspot.com/2020/09/33.html
4. 科學無法解決干擾(noise)、不確定性=風險的議題
https://www.books.com.tw/products/0010764980
再反過來想，其實不用知道以上演算法，組織也自然會形成功能性分組(產銷人發財)與階層(=物以類聚、人以群分)，以解決各種資訊傳遞的損耗與拍板做出決策（有決策比沒有決策好）；有的老闆自然而然就體會與領悟出不管也是一種好的管理方式，有的創業家或創投發現與領悟隨機投資才是更正確的投資方法，有的投資人發現自己機關算盡的結果竟然不如猴子射飛鏢。
這麼理所當然的事情，Coase用transaction cost來包裝，拿了諾貝爾獎，有如是說國王沒有穿新衣的那個小孩被視為提出了驚天動地的洞見，頒給獎項；經濟學家都是一些活在數學理論與各種理想假設條件當中的怪咖，所以對這個發現大驚小怪？！
https://en.wikipedia.org/wiki/Transaction_cost
https://en.wikipedia.org/wiki/Ronald_Coase
欸，為學日益，為道日損，在個人智識的成長日曆上又翻過一頁(對於能有人推薦我看這本書與自己能夠看得懂乃至於有些心得收穫，心懷感激與感動)
https://blog.xuite.net/imissyou7799/twblog/expert-view/494565344
以競賽代替打鬥
族群本身執行排序的缺點
1.造成對抗(與拉幫結社)
2.階級與名次影響生理與心理(各種獎項與頭銜造成多少人抑鬱沮喪，難怪黑天鵝作者說：依賴外界的認可(抬頭、獎項、榮譽)非常有害於你自己健康，因為人們給予認可的方式既殘忍又不公平，所以最好不要對這種遊戲過度認真！https://eshmanager.blogspot.com/2015/05/blog-post_30.html#more
)
可以排序卻不需付出代價的方法(其實只是減少排序的成本，對抗與對於身心的影響還是存在)
1.馬拉松
上萬人一起跑，無需
2.從相對排序改用絕對基準衡量=考試測驗/聯考
或者不同類型的企業，其實就用股價高低來表述誰比較”成功”
不同國家用GDP來表述誰比較優越
3.各種倫理法則或法律
敬老尊賢、海上航行靈活的小船要讓大船
法律上的優先權
人類勝過禽獸與能夠建立文明的原因在於-
以競賽取代打鬥，以各種(自己想像出)規矩來取代拳頭與流血衝突
但不管活在哪個年代，求生始終不是件容易的事情，總是有生存競爭壓力。
第四章 快取—忘掉就算啦！
你的收納問題其實與電腦管理記憶體時面臨的挑戰類似：空間有限，要如何既省荷包又省時間？快取的概念是把常用資料放在手邊備用，快取裝滿時為了騰出空間放新資料，得剔除一些舊資料——但剔除哪些好呢？電腦科學家探究了隨機剔除、先進先出（先剔除最舊的）以及最近最少使用法等，甚至發展出能預測未來並執行已知最佳策略的演算法。這方面的研究啟發了亞馬遜書店的「預測包裹寄送」專利，還扭轉了心理學家對於人類記憶的看法。
智慧=不斷遺忘不重要的，與牢記重要的
記憶體階層- 把常用與最近用的放在手邊
記憶體容量越大存取速度越慢
因應方式是：
階層式記憶體- 表層是容量小相對速度快，越下層記憶體容量越大速度越慢
類似論文寫作- 把最相關的文章與書籍留在身邊隨時參考查閱，剩餘的再找時間去查詢圖書館
快取：處理器有快取、硬碟記憶體有快取、瀏覽器與伺服器都有快取
現行電腦與智慧手機的記憶體有六層，以加快速度
快取存滿時該怎麼辦？
把隔最久沒用到的資料優先刪除- 貝雷迪演算法
騰出空間=快取替換或刪除
由於難以預測哪些資料會在短時間內再次用到，快取替換或刪除的幾個方法
1.隨機刪除，效率其實不算差(反正空間有挪出來了)
2.先進先出：把存放在快取當中最久遠的資料刪除
3.最少使用法(LUR)：刪除最少被存取的資料
LUR效率最佳
把圖書館內外翻轉
圖書館=記憶體
最常被借閱使用的資料，應該直接放在最顯眼與最容易取用的書架上，而非歸原位
學生也可以直接參考那些最常被大家借閱的資料為何=通識教育+不用走到櫃位去找書
距離的重要性
讓資料隨手可得，不論是實體的距離、記憶體內部的layout 還是網際網路的伺服器
亞馬遜的混沌倉儲法
不把各項貨品比照圖書館書籍分門別類，而是隨意放置在倉庫各地+登錄該物品所在位置；例外只有需求量大的貨品，擺在相對容易取用的位置，而且還主動預估哪些是可能受當地居民喜愛的商品，把該項商品提前運送至附近倉儲，如此消費者下單時，該項商品的運送時間會越短
家中的快取- 收納空間整理法
1.比照LUR，優先剔除最少用到的品項
e.g., 很久沒穿的衣服
2.考量取用距離
e.g., 內衣在浴室旁，雨具在門口
3.考量取用頻率次數
常穿便服放在衣帽架上
收納專家說錯了的書面資料整理
不應該分門別類，而是把最近用到的放回最左邊，每次都從左邊找起(=LUR原理)(或者旋轉90度，每次從最上面找起)
不止更有效率而且是最佳方法
為可能用到的東西挪出空間- 遺忘曲線
人腦會遺忘不是因為腦容量空間不足，而是需要整理與搜尋：人的記憶容量幾乎無限，但搜尋記憶的時間有限；忘掉一些東西才能學習新知識
人的一輩子會經歷太多事情、見過許多人、記錄許多資訊，不可能把如此多的資訊都放在心上
大家常覺得人上了年紀會變得健忘是認知功能衰退，那其實是適應周遭世界節省大腦記憶與存取的能量
另外老人家的記憶量遠比年輕人多，存取起來速度更慢(讓人以為是認知功能衰退)
經驗的反效果
容量本身就足以影響速度，只要必須搜尋的事物量越多，花費的時間就會加長
老年人的幌神其實可謂大腦在快取處理當中，年紀越長，要回想人名的記憶時間就越長，其實是因為必須過濾的資料多，而非頭腦衰退
年輕人沒經歷過多少人事，當然反應速度快
呵，這個部落格就是我的知識庫與圖書館
可以看過的書所得到的一些想法跟見解記錄下來，然後遺忘去讀下一本書，直到某個時刻想起似乎有某個見解相關再回來google.
沒有留言:
張貼留言