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)
1.設立規劃辦公室(=今日的生管雛型)
2.辦公室中間有公佈版，板上列出：工廠所有機器、每部機器正在進行的工作，以及等待處理的工作
後來泰勒的同事Henry Gantt(1861-1919)依據以上概念，在1910開發出甘特圖
https://en.wikipedia.org/wiki/Henry_Gantt
泰勒與甘特沒有回答的問題：如何排程是最佳的？
洗衣=>烘衣
印刷=>裝訂
如果一天有好幾批衣服要洗或書要印，該如何排程？
先進行最簡單的步驟，以減少另一者的idle
而理論上如果只有兩部機台(兩步驟)要完成所有工作，其實花費時間會差不多，排程次序沒有差別
排程方法的好或壞取決你用什麼標準(指標)來衡量
如果「在期限內完成」最重要(結果論)
則最快到期(earliest
due day)的優先處理，可以減少最多的延遲程度(特別是在服務業，延遲程度=客戶等待時間=不滿意度)
而通常我們對於完成工作所需的時間不太有概念，有概念的反而是deadline
如果是冰箱內的食物要儘可能在期限內吃完&不要浪費與放到壞掉，那麼則應該採用摩爾演算法：
剛開始依到期排序吃各項食物(越快到期的先吃)，如果已經來不及，有很多食材都來不及吃與快到期，則你應該丟棄需要耗費最長時間才能吃完的那一項
反正不管怎麼做，所有的工作事項或食材都不可能在期限內完成
如果「劃掉的代辦事項越多越好」(過程與效率導向)
永遠優先處理最快能夠完成的工作(也能夠讓人心安下來與有成就感)
e.g., A客戶的專案要1天完成，B客戶的專案要4天完成
同樣可以在一週內完成AB兩專案
但先做A再做B=>兩位客戶等待的時間為1+5=6天
先作B在做A=>兩位客戶等待的時間為4+5=9天
轉換與變形
用權重來排序，把每項工作的重要性(或價值)/所需完成的時間，重要性(價值)密度越高的工作，優先處理
e.g., 動物覓食的策略也是這個原則，只不過是看攝取入的熱量密度
專案與自由接案工作者，也是應該依據單位工時的價碼高低來排序，單位工時價碼越高的案子，越是優先處理(或者跟客戶說急件要加價)
同理可證：償還債務應優先處理打消利息最高的部份
但如果你是想減少被討債(被打的痛苦)=>金額大或手法激烈的優先償還
減少一再被電話簡訊騷擾的困擾=>欠債金額小的優先償還(減少負債筆數)
先搞清楚用什麼標準來衡量成果
拖延有時看似懶惰或逃避的行為，然而從演算的角度來看卻不見得
以上嘗試在最短時間內完成最多工作，有時是心理上的強迫症=裝忙與瞎忙，因為完成的都是次要的工作
各利害關係人都會嘗試吸引你的注意力(靠腰自己最重要)，乃至於各種
你的一天往往就在看似忙碌但卻沒有什麼建設性當中過去了。
解決問題與創造價值的關鍵在於：把注意力與心力放在處理最重要的工作，而不單是完成工作而是優先執行最重要的工作
欸，人生也正是這樣，要先搞清楚用什麼標準來衡量自己的人生
是過得最爽與風光？成為首富？成為總統？拿到諾貝爾獎？還是成為某個領域的達人大師…等皆無不可。(只要想清楚與認清：自己有沒有那個天賦或底子，乃至於承擔必須付出的代價與忍受種種孤單煎熬試煉)
亦或平安是福，胸無大志安於平凡(在家耍廢)其實也沒有什麼不好（多數父母對於孩子的期望不過是平平安安/快快樂樂）
如何在以上兩者之間取捨與平衡，考驗著每個人的智慧與自知之明
可惜的是：人生在不同的階段有不同的目標與想望，乃至於人要的往往是別人所擁有的而非自己真正想要的(=忌妒與羨慕)；等到自己擁有以後，才發現那沒什麼或者不是自己想要或需要的（走過方知來時路是人生的無奈）
對於大多數凡人而言，不知道自己的人生該有何目標或意義價值為何，也沒有人可以定義你的人生價值或目標應該為何。能夠放下忌妒與比較，吃飯的時候吃飯，睡覺的時候睡覺，坦然接受命運的福禍悲喜與生老病死，即可謂得道；能夠看穿各種欲望與所謂自我實現的假象，思索人生的價值與感受生命的意義，已不枉費走這一遭。
彭老師的教誨
http://mhperng.blogspot.com/2020/10/2.html
優先權反轉與限制
在時間壓力下，雖然不斷調整優先順序，但卻又有急迫性的問題跑出來要插單
讓專案執行進度更加雪上加霜(很多資源已經被手頭上的執行中的工作事項卡住，無法執行高重要性的事項；投入更多的資源與加班，反而造成更多問題與疲勞出錯)
解決之道：讓目前手頭上執行中的工作事項(相對低重要性)，繼承它阻擋工作事項的重要性= 把手頭上執行中的工作事項完成後(而非暫停)，再插單排入最重要的事項
弔詭的地方：你必須先搞好手頭上的瑣事，才有資源與心力處理真正重要的事
平時工廠的優先權：生產>安全
此一優先權的限制：生產物料存放不得阻礙逃生門
此一優先權的反轉：當發生警報或意外狀況時，安全>生產
排程(最佳化)的極限與障礙
但是要執行C，前面的A跟B要先完成=>找不到有效解(冰箱有ABCD四項食材，C最快到期應該先吃，但是C要搭配A跟B做成一道菜，而B的數量不足…)
或者C雖然最重要，但要配合潮汐或OO條件的時機才能執行
排程問題當中，有7%的問題我們還搞不清楚
93%的已知問題當中，只有9%有最佳解或有效解，剩下84%相對是難解
先佔與不確定性- 先擱下手上的事
種樹的最佳時機是20年前，次佳時機就是現在
當你不知道未來工作變化時，你需要的不是行事曆，而是待辦事項清單
行事曆與甘特圖用於不確定性小的情境：
1.知道有哪些工作事項
2.這些事項的開始與完成時間
3.可以規劃各種資源排程
不確定狀況下的排程
1. 把計劃當成猜測，不要死守計畫
2.順著感覺(rolling forecast)走與隨機應變
3.一出現新工作，就把它的重要性/所需時間，如果此一比率高於目前的工作，那麼就改做新冒出的工作；否則持續手頭上的工作直到告一段落
4.持續以上循環
讓其他工作插隊的代價
優先權與先佔不是白吃的午餐，每轉換一次工作優先順序都會付出代價(人腦與電腦皆然)
對於時間管理而言，零碎時間就只能做些小事
大事需要一大段完整的時間
空轉與死當
人腦也是類似，一心多用反而讓人覺得你晃神了，或者到一個新的地方+時差的干擾&擔心東擔心西；你的認知與注意力被佔滿了，難以有效思考甚至恐慌
(想起在外商工作的優秀同學，飛到米國總部開會，她說最累的就是要努力打起精神聽老外上司講什麼與進行social small talk)
真的要找回生產力要靠以下
錯過就等下回
對於電腦與人腦來說，以下兩個能力或指標相互trade-off
反應能力(=回應速度)與處理能力(能夠完成的總工作量)
完成工作與進行工作排程的最佳策略是
1.慢下來(有餘裕)
2.把可用資源分割成幾個單位(電腦是50微秒，人腦大約是幾分鐘)
3.看看要跑的程式或事情能否在單位時間內完，不行就要排隊=>以確保做這件事有足夠的反應能力
生活中的應用=批次處理
不同帳單有不同的到期日=>不要依據個別的日期去繳款，而是設定某一天一次繳完
老師規定office hour避免被學生打斷
郵局每日才寄送一次信件
公司每週才開一次會
極端科學家的作法：三個月看一次郵件，半年看一次傳真
第六章 貝氏法則—預測未來
十八世紀的英國，賭博這個領域不僅深深吸引傑出數學家，也吸引了牧師湯瑪斯．貝斯，他由於研究彩券的中獎率，而對於「在不確定下進行推測」的歷史帶來重大影響。他認為由過去的假設狀況進行正向推理可提供基礎，讓我們逆向推出最可能的答案。其他科學家繼續研究預測事情的各種方法，像是：如何把各種可能假設狀況濃縮成單一期望值、根據事件類型提供適當的事前機率。其實我們腦中已儲存許多精確的事前分布，因此常可由少量觀察結果做出不錯的預測，換句話說小數據其實是偽裝的大數據。
If 人類所有知識都不確定、不精確且不完整
Then 如何能夠用所能取得的最少資料(單一觀察結果)進行預測或推論？信心度有多高？
貝斯牧師的逆向推理
買了10張彩券，5張中獎，則可以推估中獎率約為5/10=50%
但是只有買一張而且就中獎了，那麼中獎機率可以推估為100%？
透過已知的中獎和未中獎張數，來推估中獎率
買3中3=>中獎率是100%的機率很高
買3中3=>if 中獎率是50%，then(買3中3的)機率 為：1/2*1/2*1/2=1/8
買3中3=>if 中獎率是10%，then(買3中3的)機率 為：1/10*1/10*1/10=1/1000
在此一條件下，猜測中獎率是100%的或然率與信心度，應該是中獎率50%的8倍，且為中獎率10%的1000倍
拉普拉斯定律
利用微積分，拉普拉斯能夠證明這個逆向推論中獎率可以提取成一個單一的預估值和一個非常簡潔的數字。
e.g., 如果我們真的不知道彩票的情況，然後當我們第一次買的三張彩票中的一張彩票中獎了，我們可以推測獎池裡彩票的總中獎比例為2/5。如果我們買三張彩票，都中獎了，那我們可以推測總中獎比例正好是4/5。事實上，如果買n張彩票共w張中獎，那麼中獎率就是中獎數加1，除以所購買的數目加2，即(w+1)/(n+2)。
If 你不知道明天太陽會不會升起，而你知道人類歷史約一萬年，這一萬年每天太陽都有升起，則明天太陽升起的信心度=(10000*365+1)/(10000*365+2)≒100
有一支很聰明的鵝，牠發現從牠出生以來，這三個月100天以來，主人每天都對牠很好供牠吃住，因此牠歸納第101天主人一樣會對牠很好(其實養到三個月要被送去屠宰)：
此一逆向推論的信心度是：(100+1)/(100+2)=99%
觀察三年(1000天)的信心度：(1000+1)/(1000+2)=99.9%
觀察一萬次的信心度：99.99%
貝氏法則和事前看法
有兩個硬幣，一個是公正的硬幣=>正或反出現的機率各是50%
另一個是不公正的硬幣=>兩面都是正面，出現正面的機率是100%
假設把這兩個硬幣放入袋中，取出一個來擲，結果顯示為正面
此為不公正的硬幣的機率為2/3，為公正硬幣的機率=1/3
=>結果是正面時，抽中不公正硬幣的機率是公正硬幣的兩倍
=>結果是反面時，抽中的一定是公正的硬幣
假設9個公正的硬幣和1個不正的硬幣放入袋中，取出一個來擲，結果顯示為正面，此為公正硬幣的機率是不公正硬幣的4.5倍
計算
抽中公正的硬幣的機率9/10*1/2(正面)=9/20
抽中不公正的硬幣的機率1/10*1(正面)=1/10
前者的機率是後者的4.5倍
哥白尼原理
如何估計某樣事物未來會存在多久？
1969年，查理高特站在8年前剛興建的柏林圍牆，看著圍牆他問自己一個問題：我看到的這一刻，在圍牆歷史上的什麼位置？
他預測圍牆還會繼續存在8年(結果繼續屹立了20年)
假定我們不知某件事物的存續壽命的長度=缺乏prior的相關知識
存續越久的事物你可以預期它存續的更久。
可以用上一班公車抵達的時間來預估下一班到達的時間
錯誤與誤謬是：
看到90歲的人，預測他還可以再活90年
看到累計百萬工時零職災的公司，預估未來百萬小時不會發生職災
當貝斯遇見哥白尼
以上哥白尼原理只是貝氏法則的特例：缺乏機率的資訊(uninformative
prior)=>我們遇到某個事物的時點，就是這個事物生命週期與壽命的中點
同理要猜測一個城市的電車有幾輛=>把看到電車的序號*2
二戰盟軍想預估德國每月的坦克製造量
從擄獲坦克的序號推估：每月約246輛
然而空中偵察的情報推估：每月約1400輛
戰後德國的紀錄顯示為每月245輛
Hint:
能夠代入貝氏推論的事前資訊越多，得出的預測越準確與有用
真實世界的事前機率
其實有不同的分配型態
常態分布
動物的壽命、身高、體重或血壓，城市正午的氣溫、水果的直徑、影片的長度=>平均值+標準差可以有效預測=>通常是單一物種的單一特性- 背後有些均衡的制約，太過或不足都不利於生存。
冪次/無尺度分佈
財富的分配、人數規模與城市數命、賣座的藝術作品票房與數目=>平均值+標準差失去意義=>2/3的美國人收入低於平均值，但收入最高的1%財富是平均值的10倍=>背後是經過時間的演化與偏好依附(preferential attachment)，大者恆大/富者恆富，城市越大磁吸效應越強
預測的規則
有三組prior的分布型態可用於預測(差別在於母體與預測是否為time independent)
第一組 常態分配=>平均法則(母體為time independent，但預測為time dependent)
常態分布(背後有均衡制衡的機制)
平均值+標準值
平均法則
用常態分配做為預測的prior information
目前的年紀越大，預期餘命越小=>年輕猝死或太大太小才會讓人驚訝=>要懷疑抽樣不是源自於normal distribution
第二組 冪次分佈=>乘法法則(母體與預測都為time dependent)
冪次分佈(背後是演化與競爭的機制)
猜測存在時間：用已存時間*2=>常數2
e.g., 電影收入VS 票房收入=>常數1.4
目前票房約600萬，則總收入約840萬
一家公司或國家存在的時間越長，存續的就越久，垮台時也越激烈跟令人驚訝
乘法法則(大者恆大)
用冪次分佈做為預測的prior information
目前收入越高，預期未來收入越高
存在越久的事物，可以預估它們未來存續的時間會越長(直到遭遇改朝換代與破壞式創新)，越新的東西越不可靠…
第三組 厄蘭分佈=>加法法則(母體與預測都為time independent)
用厄蘭分佈做為預測的prior information
厄蘭分佈(偏斜的常態分配，背後的機制就是隨機與經過時間長短無關)
兩次事件間的間隔時間，e.g., 兩次通話間的預期，政治人物從政的時間
加法法則(無記憶性)
問政治人物還會從政幾年，每次都說再一任
要出門參加喜宴問家中上級化妝還要多久，都是一直回答在5分鐘
爬山問導遊還有多久到休息站或營區，都是回答快了，再
沉迷在遊戲或電玩中的孩子，都是回答在玩10分鐘
下一年或某一段區間中獎或出事的機率隨機，與時間無關
想想之一
財富的分配(柏拉圖分布與80/20法則)，其實是以上三種規則的混合：
政府的補貼與累計稅率理論上可使窮人跟富人少，中產階級多=>常態分配
而實際上政府為菁英階層服務，乃至於富人有更多的理財手法與工具，導致富者越富/貧富差距加大=>冪次分配
而每次的投資理財決策，有如擲硬幣與過去成功紀錄無關=>厄蘭分配
難怪這背後的是非與公平正義會引發各個不同年代許許多多的菁英思量與爭辯不休。(全球的財富是冪次分配，北歐國家的財富可能接近常態分配，多數國家的財富接近厄蘭分配)
謎之音：想賺”大”錢，最好的方法絕對不是認真工作、老實承擔風險(這可以讓人小康)或者創業發明，而是運氣(=賭博)與操弄遊戲規則(=壓榨大多數人與圖利少數人)
想想之二
想起以前看孩子班上的成績是另一種奇葩分配：兩群M型化分佈-
一群90分以上，另一群60分以下=>90分以上的孩子可猜測出身中上階層家庭，而60分以下的孩子要不過動要不就是家裡放生(棄，爸媽都在上班自顧不暇)
想想之三
很多財務工程(預測股價那種)，用常態分配來simulation
& proxy股價變化，從隨機漫步的角度來看，其實股價爆漲暴跌的比例遠高於常態分配(接近冪次分配)，難怪會死的很慘
想想之四
很多醫師告知癌末患者，預期壽命為O個月，卻沒告訴患者那是常態分配還是冪次分配=>以為自己是常態分配的患者，就會悲觀以為自己有50%的機率會再O個月內往生(病人其實是被醫師嚇死)；而聰明又懂統計的患者，會知道自己可能是長尾的冪次或厄蘭分配：自己活得越久，預期餘命會更長(打臉醫師的錯誤預測)
小數據、我們的心靈與如何認識自己
小數據是偽裝的大數據
小數據源自於日常生活中的個人觀察=普通常識
提供預測的定錨，提供不錯的猜測品質
猜測會不準確，通常是因為問題超出生活範圍/沒有小數據，可供參考
e.g., 猜測法老王的平均在位時間(其實是偏離常態的厄蘭分配)
預測(=期待)會反過來決定與制約人的行為
https://en.wikipedia.org/wiki/Stanford_marshmallow_experiment
給3-4歲小朋友一份棉花糖，告訴他/她們可以選擇現在吃，也可以等待大人回來以後多吃ㄧ份(沒有告訴孩子的是- 大人多久會回來)
結果孩子的表現有三種
1.忍耐15分鐘，多得一份糖
2.忍耐了一會，禁不住誘惑半途而廢
3.直接把糖吃了
之後的追蹤顯示：等到大人回來才吃糖的那一組，SAT與事業成就更高。
原先結果涵義解釋：有意志力能夠忍耐的，將來才會成功。
更新的涵義解釋：第二組猶豫掙扎的小朋友才是理性的，等越久代表大人回來的時間越久(冪次分配衍生的乘法法則)，所以適時停損放棄期待才是對的
對照組實驗：
先不提獎賞，把小朋友分兩組玩積木遊戲，告訴小朋友等會大人會回來帶來更好的材料，一組大人依約帶來更好的材料，另一組大人毀約假裝忘記了
然後重複同樣的棉花糖實驗，結果顯示
大人依約回來的那組，小朋友比較會忍耐等待到第二份糖
大人毀約的那組，小朋友比較會直接吃糖
沒有通過棉花糖測驗的孩子日後成就較低，原因不是因為意志力薄弱，而是認為他人不可信任&朝四暮三比朝三暮四好(時間的不確定因素)
呵呵，這真是個以訛傳訛+錯誤詮釋的實驗(靠，以後我看到類似科學教養雞湯文，要抱持更加懷疑與批判的心態)
Revisiting the Marshmallow Test: A
Conceptual Replication Investigating Links Between Early Delay of Gratification
and Later Outcomes
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6050075/
Abstract:
We replicated and extended Shoda, Mischel,
and Peake’s (1990) famous marshmallow study, which showed strong bivariate
correlations between a child’s ability to delay gratification just before
entering school and both adolescent achievement and socioemotional behaviors.
Concentrating on children whose mothers had not completed college, we found
that an additional minute waited at age 4 predicted a gain of approximately one
tenth of a standard deviation in achievement at age 15. But this bivariate correlation
was only half the size of those reported in the original studies and was
reduced by two thirds in the presence of controls for family background, early
cognitive ability, and the home environment. Most of the variation in
adolescent achievement came from being able to wait at least 20 s. Associations
between delay time and measures of behavioral outcomes at age 15 were much
smaller and rarely statistically significant.
關鍵不是孩子看到糖忍著不吃/延後享樂的意志力(表面現象，對於日後的影響effective
size沒有原始報告中那麼大)，控制孩子的認知能力(先天)與家庭背景(後天教養)差異後，此一關聯的effective size會更小。只要不是馬上吃糖的那種(撐過20秒)之後青少年的成就都不會有顯著的差異(？)
語言與生活經驗對於預測的扭曲
要保護預測反而要少看新聞
誇大的語言與新聞報導，讓人高估死於戰爭、極端天災與墜機的死亡或然率
低估死於車禍或自然病死的或然率
在沙漠地區的人高估地球上沙子的數量
住在極地的人高估地球上冰雪的數量
沒有留言:
張貼留言