網頁
2020年12月26日 星期六
決斷的演算(4/5)
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)
2020年12月19日 星期六
決斷的演算(3/5)
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)
2020年12月12日 星期六
決斷的演算(2/5)
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
2020年12月5日 星期六
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
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?
2020年11月28日 星期六
2020年11月21日 星期六
科學思考的九堂課(2/2)
科學沒有辦法解決的問題
2020年11月16日 星期一
管理系統運作績效認可
法規與系統往往談的是理想的應然與t陳述描繪的是What(a good system or standard looks like),而非 實然與How(to achieve or establish a good system)
從外部關係人(官員、專家學者)的角度與立場,只看有什麼&定錨的基準點是(某個看過或想像中的)理想狀況(躺著講話不腰疼)
從內部關係人的角度與立場,看的是成本效益、有多少資源做多少事& 定錨的基準點是先前的狀況(要面對各種利益的衝突與起毛雞的糾纏)
從外人的角度看,往往覺得內人都是笨蛋、應為能為而不為&造假務虛沒有integrity;
而從內人的角度看,覺得這這些外人言必稱法規或者條文規定(應OO或XX),其實就是(如同大老闆)只有空洞願景而無達成目標的具體方案或步驟(只知What 而無Know How也提不出具體作法)=把願景當成目標的"壞策略"(=沒有策略可言&意見沒有參考價值),把空話與假話當真才是真正的笨蛋(當真與認真你就輸了)
而老闆不重視、大家看不懂法規與ISO純屬掛牆上的一張證書(用於自欺欺人),或許才是真實且合理的狀態(更笨的是還去申請績效認可與爭取拿到國家獎項,然後發生事故與職災的時候會更囧與有趣.....)
凡存在的必合理,只有真正的笨蛋才會認定別人都看不懂、不知道(活在自己的世界當中)
官員與學者老想著業者和民眾不守法或無知,以制定更多的法規為績效
其實業者與民眾的眼睛是雪亮的,也在觀望官方的態度(有沒有把自己制定的規矩當一回事,)
大家相互折騰,真是有趣的生態
法律是雙面刃,保護與限束是一體的兩面,創新與突破多半從灰色地帶而來(法規與現行制度都不是牢不可破的東西,但也不能正面對撞就是了...)
http://greenhornfinancefootnote.blogspot.com/2014/09/blog-post_10.html
社交網路發言準則
1.遇到外行或心有成見定見偏見的,不要跟人家爭辯(心存善意反而是浪費自己的時間與心力,標準回應:你說的對!謝謝指教!)
2.遇到老千或把你當成是韭菜或肥羊的快閃(呵,不經一事不長一智。自己要有些底子才能分辨出哪些是江湖郎中)
3.遇到看法有見地的高手要想辦法引起對方注意、看有沒有機會交流。(自己要先做過功課再發言,不然人家高手也是很珍惜自己的時間與心力滴)
https://greenhornfinancefootnote.blogspot.com/2020/10/blog-post.html
2020年11月14日 星期六
科學思考的九堂課(1/2)
2020年11月7日 星期六
哲學的追問,科學的革命(2/2)
2020年10月31日 星期六
哲學的追問,科學的革命(1/2)
科學在哪些方面促進了我們對於世界的理解,但又在哪些方面給我們帶來新的困惑與讓我們的理解產生困難。
自私或無私、說謊或誠實、貪生怕死或成仁取義曾經不可同日而語,但是基因演化、賽局與系統調適理論,讓人失去判斷依據,只剩所謂目的性與工具性的”理性”。
2020年10月24日 星期六
靜態與動態的不公平
- 公平有兩種,一種(靜態公平性)是某個時點橫斷面的財富分配狀態(最高所得的1%人,擁有的財富比例),另一種(動態公平性)是財富分配狀態隨著時間的變化或遍歷性(e.g., 富不過三代or 富者恆富)
- 動態公平比靜態公平重要 (人生而不平,但經過輪迴之後平等)
- 一般鄉民可以接受靜態的不公平(e.g., 某人中上億頭彩),但不能接受動態的不公平(e.g., 財富地位世襲)
一個公平的社會應該要是endowment insensitive, ambition sensitive。Ambition 是指個人的努力、發奮向上的拼勁。Endowment則是指諸如金湯匙之類無關個人努力的、生下來就給定的資源或機會。一個動態公平的社會,就是要使endowment的重要性降低、ambition的重要性提高。
2020年10月17日 星期六
直視全貌(3/3)
2020年10月10日 星期六
直視全貌(2/3)
2020年10月3日 星期六
直視全貌(1/3)
2020年9月26日 星期六
Toyota的失敗學
2020年9月19日 星期六
利潤、不確定性與人生的價值
我不信你會不想要利潤。利潤是收入減去成本剩下的那一部分,是收穫比付出多出來的部分。利潤是正的,說明你的一切努力都沒有白費,說明瞭社會對你的肯定。利潤要是負的,就說明你創造的價值配不上你的一番折騰。
2020年9月12日 星期六
失控的數據(3/3)
2020年9月5日 星期六
失控的數據(2/3)
2020年9月2日 星期三
安全?危險?判斷安全或危險的標準或基準?
不應該把安全想像成是零危險(0或白)、危險想像成是一定會出事(1或黑)的二分法(幼稚與不健康的想法)相對健康與成熟的觀點:
- 把所謂的安全或危險視為:由純白到純黑之間的灰階漸層(沒有絕對的安全,有的只是相對的風險大小或者顏色深淺)
- 把所謂的風險視為會出事與不會出事的疊加狀態(superposition state,事情的發展可以有很多可能,可能會出事,也可能不會出事),只有在出事之後,我們才能看清與知悉釀成事故發失的因果路徑與種種脈絡因素(如同量子狀態在被觀察後才會”被確定”,在事情發生之前,其實不確定)
- 所謂的安全標準,只是提供一個”判斷風險大小的參考基準”,不應該作為Yes or No的”標準”(吃瘦肉精的豬肉、添加硝酸鹽的香腸或鹹魚、吸多了PM2.5與廚房油煙、曝曬陽光紫外線或宇宙輻射都可能讓人致癌掛點,然而對於一個騎摩托車、跑夜店逞兇鬥狠的黑狗兄或者大和田/半澤直樹那種職人乃至於安寧病房的病患而言,以上致死風險微不足道)