決斷的演算（5/5）

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

超讚的好書，讓鄙人一窺computer science與資工的奧妙

想起2014年去米國亞特蘭大，跑去逛喬治亞理工，人家computer science的系館大樓比environmental engineering的那棟大很多XD

Principles of Computing (computer science and computational thinking 跟其他學門的差異)
https://www.americanscientist.org/article/the-great-principles-of-computing



第十章　網路—我們如何互通聲息

人類互通聲息的基礎是協定，也就是程序和預期的共通慣例，例如握手、打招呼和禮貌，以及各種社會規範。機器間的聯繫也不例外。這類協定是微妙但長久存在的焦慮來源。我前幾天傳了個訊息，從何時開始我會懷疑對方根本沒收到呢？你的回答怪怪的，我們之間是不是有什麼誤會？網際網路問世後，電腦不僅是溝通管道，也是負責交談的聯絡端點，因此它們必須解決本身的溝通問題。機器與機器間的這類問題以及解決方案，很快便成了我們借鏡的對象。


史上第一通長途電報：1844/05/24，內容：上帝創造何等奇蹟
史上第一通電話：1876/03/10發明人亞歷山大打給助手，內容：華生先生，過來一下，我有事找你
網際網路1969/10/29 UCLA發送史上第一則電腦訊息：LO(login)
行動電話，1973/04/03，由摩托羅拉的Martin Cooper走在鈕約第六街上，打給競爭對手AT&T的Joe Engal(嗆聲)
文字簡訊1992/12/03，祝賀聖誕快樂

 

為了非連續交談而創造的- 封包交換

網際網路一開始有很多通訊協定
最主要的通訊協定- 傳輸控制協定TCP
TCP最早使用電話線路，但其實應該視為郵件(而非電話)

電話使用「迴路交換」- 在傳送者和接收者之間開起一個通道，提供雙方固定頻寬，有助於對話；但這種「迴路交換」不適用於機器

電腦資料交換不像人類對話：一下子要傳輸一堆資訊，接著有沉默很長一段時間
搶走「迴路交換」的技術是「封包交換（packet switching）」
把資訊切成極小的封包，再把封包合併成原有的資訊流，有點類似把一本書切成明信片寄送(只不過寄送速度趨近於光速)


研究封包傳送的理由
1.更有效率地利用頻寬
2.what if 線路遭到戰爭破壞，如何持續運作？(迴路交換，一但斷線訊息就中斷；封包交換則可以走其他不同的線路)
3.如何讓資訊封包在不同的媒體上運作(透過無線電或衛星依然可以運作)

溝通的大哉問

應答- 怎麼曉得訊息有沒有送達？

任何傳輸都不可能100%可靠

電報的年代，要把內文回傳當成確認回條(what a waste of time and communication capacity?!)

拜占庭將軍問題
https://zh.wikipedia.org/wiki/%E6%8B%9C%E5%8D%A0%E5%BA%AD%E5%B0%86%E5%86%9B%E9%97%AE%E9%A2%98

封包傳遞的應答確認(ACK)
https://blog.xuite.net/j62u6/kazma/211831724
說明有多少封包&傳送的第幾號

對於人類通話而言，背景的靜電雜訊可讓人確認電話沒有斷訊，乃至於沉默也是一種對話



然而面對一個不可靠的人或電腦訊息該如何處理？
人類口語可以接受某種程度的錯誤與雜訊

 指數退讓- 寬恕的演算法

第一次遭到侮辱會寬恕，第二次會忍耐，第三次則不再寬恕

使用無線電訊號代替電話網路
問題在於同時發話時會打架
只有兩方時可以率訂雙方輪流退讓，其中一者重新發話

但如果有3方、4方…很多方時，該如何是好？

指數退讓：
第一次發話失敗，發送者在1-2輪後重傳
兩次發話失敗，發送者在2-4輪後重傳
3次發話失敗，發送者等待1-8輪後重傳

應用在人類社會上
朋友一次爽約，邀請率降為1/2
兩次爽約，邀請率降為1/4
三次爽約，邀請率降為1/8
一犯再犯的罪犯，會被法官三振出局
違反緩刑規定的罪犯，只要一犯法，立刻執行事先訂定的處罰，每違反一次就再加重一些處罰

控制流量和避免阻塞

頻寬突然從32000kb/sec降為44kb/sec

處理阻塞的方式

迴路交換：直接告訴你電話中，忙線中

封包傳遞：被佔滿，傳遞速度減慢(沒有機制告訴發送者還有多少發送者與壅塞時間或壅塞量)



控制法- 加法遞增乘速遞減(AIMD)

第一次傳第一個封包，如果成功，接著傳兩個，兩個成功，接著四個…
如果傳8個沒成功時，下一次只回傳4+1個封包



此一觀念的應用

螞蟻找食物的數目跟以上AIMD類似
第一次有一隻找回食物，兩隻會再回去，接著四隻、8、16….

人類組織的晉升
彼得原理- 每個人都會被晉升到不適任的職位上=>最好的方法就是把大家都降一級

對策是
1.只用新鮮人
2.get promote or get out(不升職就離職)

階級提升或下降必須有彈性：動態式組織(配套彈性的薪酬與工時+專案性質工作)
避免出現僵屍(沒有得到升遷肯定的)與某些過負荷的(走火入魔的)

 

語言學中的流量控制

語言不單有咬字清晰、合乎文法與沒有中斷的句子

聽的人會答覆：「是」、「嗯嗯」這類的訊息也很重要
乃至於聽話的人(學生、聽眾、另一半)的眼神飄向別處或低頭，對於發話者都有很大的影響

好的聽眾可以幫助講者講得更好，差勁的聽眾可以讓講者講得沒力=>老師講的好不好，學生也有責任。

 

延遲或遲了就不要做

延遲
太多客戶一下子湧入可麗餅攤位，大排長龍
該攤位應在一定排隊長度後標示明日請早=>自己營業額不會減少、也可讓很多客人不用浪費時間排隊
透過延遲(=讓客戶等待)來增加處理量


遲了就不要做/算了
過去大家想找人，要透過電話
但大忙人電話不接，或者都是秘書小姐代接留言
之後乾脆透過電腦郵件的留言
E-mail發明人Ray Tomlinson
https://en.wikipedia.org/wiki/Ray_Tomlinson

email沒有回應或line已讀不回=當事人太忙拒絕

 

 

 

第十一章　賽局理論—別人是怎麼想的？

賽局理論廣泛影響經濟學和社會科學領域，然而除非賽局參與者找得到奈許均衡，它的預測能力才會造成影響，但是電腦科學家已經證明，純粹尋找奈許均衡是難解問題……

另外傳統賽局理論有個見解：對一群依自身利益採取理性行動的參與者而言，「均衡」或許不是最好的結果。演算法賽局理論依採用了此見解並加以量化，創造出「自主行為代價」這個度量，結果發現某些賽局中自主行為的代價其實沒有很高，這意謂著該系統不論細心管理或放任不管都差不多。

我相信人類高尚又可敬，而且有些人非常聰明…但我對一群人沒有那麼樂觀- Steve Jobs

 

本書1-10章討論人對自然、人對自己 的演算法與兩類問題
本章討論人對人，人對社會(一群人)等兩類問題



遞迴- 你猜我會如何猜測你猜測我的想法

成功的投資源自於預測別人的預測- 凱因斯

打牌的時候，玩的不是自己手上的那副牌，而是對手的- 007皇家夜總會

https://eshmanager.blogspot.com/2018/10/45.html#more

https://eshmanager.blogspot.com/2013/02/blog-post_23.html

職業高手故意毫無理由的打出很糟糕的牌，以混淆對手或電腦

奈許- 就是賽局達成均衡

https://eshmanager.blogspot.com/2020/04/12.html

奈許均衡
e.g., 剪刀石頭布猜拳遊戲，最後雙方都各出1/3(均衡=穩定)
實際上，你猜我，我猜你的遞迴，往往會導致不均衡

 

不採取「均衡」的代價

最著名- 囚犯的困境

均衡不見得是最好的結果

隨人顧性命的自私法在交通上，各行其是不過比毫無阻礙的進行慢33%
缺少中央協調與各種管制，最多只會使通勤時間增加33%



寒意與涵義

1.自由市場/八仙過海的結果，只比最完美的狀況差33% (為達完美狀況的管制與協調乃至於付出的成本說不定多100%)

2.總體與中央集權的管制有機會創造更好的秩序，但效率不見得更高

3.樂觀的人說：我們活在最好的時代。悲觀的人則害怕這句話是真的

 

共有地的悲劇

各種惡性的均衡
https://eshmanager.blogspot.com/2011/04/dynamic-risk-management-fallacy-of.html

https://eshmanager.blogspot.com/2018/09/blog-post_15.html

解決方案不存在於系統內…要從系統外尋求解決方案

 

機制設計- 改變賽局

與其提供員工休假獎金，不如規定強制休假天數

透過法律、宗教道德教條等，約束惡性競爭（黑道教父與白道官員的力量再大，大不過天父）


Things a Computer Scientist Rarely Talks About
http://web.stanford.edu/group/cslipublications/cslipublications/pdf/1575863278.pdf

 

演化而來的機制設計

人的本性自私短視，但演化而來的道德良知，讓人有些原則

人心有些理由，理性(考量利益的那種)無法解釋這些理由

加州的紅木可謂是一種惡性競爭的結果- 如果樹木彼此之間可以妥協休兵，那麼其實不必長得那麼高(樹木只要彼此高度差不多，獲得的陽光能量相同)

人心渴望正義與公平- 道德是每個人心中的群居本能(尼采)

為求正義與公平寧願報復與衝突哪些不義與欺騙的人事


憐憫、憤怒等情緒，乃至於愛情或親情，比法律合約更有助於解決承諾的問題
情緒賽局
https://eshmanager.blogspot.com/2020/07/13.html



愛情不單是門當戶對的利益考量，而像是組織犯罪或囚徒困境，即便客觀上兩造雙方都遇到了更好的對象或有其他選擇，伴侶通常不會選擇分手

愛情(婚姻)的理性在於
1.依附感，讓你覺得物超所值(放大對方的優點、忽視對方的缺點)
2.墜入愛河的錯覺，讓雙方在彼此面前成為更好、更具吸引力的對象
3.你害怕心碎的恐懼與失去的忌妒(=被對方作掉)，讓你成為可信賴的共犯 

靠，這個分析真是太理性、清晰& Crystal Clear

 

 

悲慘的理性泡沫
(溫水煮青蛙下的資訊瀑布)

2008金融泡沫
https://eshmanager.blogspot.com/2012/04/inside-job.html

僵屍企業失敗學
https://eshmanager.blogspot.com/2019/08/12.html


泡沫=拍賣的悲劇(得標者的詛咒)
大家依據彼此的出價來決定自己的出價
要獲得獲利機會，就必須承擔買貴的風險
要等待檢便宜，就必須冒著失去機會的風險



各種公開資訊其實沒有如同表面上的那麼有參考價值，我們其實不知道其他市場參與者的想法(如何判定價值)，只知道他們做了什麼


一群完全理性的參與者，可以受到錯誤的資訊(從眾)左右，這種現象稱為
資訊瀑布
http://wawafinanceessais.blogspot.com/2017/11/blog-post_8.html

https://pansci.asia/archives/126919




資訊瀑布解釋泡沫、風潮和群眾行為
結論

1.即使市場中沒有非理性、惡意或違法行為，為何也很容易飛漲和暴跌。人類經常如此，錯通常不在參與者本身，而在賽局本身。

2.在這類陷阱狀況中，我們只知道其他人做什麼，但不清楚他們為什麼那樣做，而且我們比較在乎自身判斷是否符合共識，而非符合事實。

3.人未必會根據想法行事，瀑布形成的部分原因，是我們依據他人的行動錯誤解讀他們的想法。否決自己的懷疑時必須格外謹慎，即使真的這麼做了，應該在採取行動時設法表達出我們內心的猶豫。





避開資訊瀑布陷阱的最佳策略是

忠於自己

法國存在主義哲學家尚保羅．沙特有個名句：「他人即地獄。」他的意思不是其他人都不懷好意或令人不快，而是他人的行為往往使我們的思想和信念變得複雜。通往地獄的路是由難解的遞迴、惡性均衡以及資訊瀑布鋪成的。(人不知道自己要得是什麼，所以從眾追求別人有的東西https://eshmanager.blogspot.com/2017/11/0122.html )

如果你永遠只做你覺得對的事，無論別人認為它有多瘋狂，請儘管放心。
壞消息是你犯錯的機率會比從眾者來得高(沒有善用或利用群眾的智慧)
好消息則是堅守信念可產生好的外在觀感，讓別人從你的行為做出精確推論，有一天說不定你會因此而讓一大群人逃過大難。

誠實(忠於自己)才是主導賽局的最佳策略，好好做自己(相信你自己的價值主張與判斷)就好(就能做出貢獻與有所價值)。

https://eshmanager.blogspot.com/2018/10/55.html

 

 

 

 

結語：運算的善意

對於人類某些問題，如今已經找到解決的演算方法；即使尚未得到所需結果，使用最佳演算法也會讓人寬心。此外電腦科學還能協助我們，清楚劃分哪些問題有明確解答、哪些問題則無，從而選擇要面對什麼—包括自己要面對什麼，以及要讓其他人面對什麼，其原則便是運算的善意。現今的電腦做的，並非「盡量羅列選項，找出最好的一個」。有效的演算法會做出假設，偏向選擇較簡單的解答、權衡誤差代價和延遲代價，接著冒險一試。這些作法不是讓步，它們本身就是理性的方法。


任何受時間與空間限制的動態系統，都有些無法避免的基本問題，而這些問題本質上都是運算問題。

演算法雨點腦運算針對以上限制與基本問題提供了三個結論：

1.有些問題可以找到解決問題的演算法 (很多問題其實無解或太複雜無能為力可解)
e.g., 37%法則、LUR準則等


2.知道自己已經採取最佳演算法，可以讓人安心 (但過程不等於結果)
37%法則代表失敗機率有63%
LUR準則不保證你可以找到要用的東西或資料
隨機嘗鮮試誤與固守既有好東西之間取捨，不能保證你沒有遺憾

電腦科學把「過程」跟「結果」分開，如果已經採取所知最佳的「過程」，即便「結果」不如人意，也不應該自責

現實世界成敗論英雄，但我們只能控制過程，不能控制結果(取決於運氣)

所謂的理性與理智是：針對你能控制的，盡最大的努力；而你不能控制的，則祈求好運(=拜拜賄賂神明)與(優雅and坦然地)認命


3.明確的區分「有明確解答(可被計算)的問題」與「沒有明確解答(不可被計算)的問題」
「差不多」與「夠用」真的已經足夠
理解問題與計算複雜性，有助於做出選擇與取捨(放鬆限制、不要走火入魔找尋最佳解)



從電腦運算求解來看人類行為的弔詭
比起沒有明確答案或對象的問題，人們偏好有設限的問題與特定對象

跟人家約時間，約特定時刻會比一段區間來的容易
e.g., 約「週二下午1400-1500」比約「下週對方方便的時間」，前者對方更容易說有空

人們捐款救助特定人會比一群人來得如容易、金額也高很多
e..g, 捐款幫助某個人 vs 捐款幫助植物人/ 保護白海豚

人們擔心死於恐怖攻擊的程度遠高於其他病死或車禍的程度高



從運算看人類禮儀準則
1.社交禮儀與禮貌性問法反而造成當事人負擔
e.g., 我都可以，你想做什麼？
意味著：現在有個問題，你來決定(=你處理)

2.對於心智機器(=人腦)而言，臆測他人的想法是莫大的運算挑戰
客氣地表達自己的偏好與立場(我比較想OO或XX，你覺得如何？)，可以降低對方認知的負擔，幫助群體達成共識與決議。

3.要讓當事人舒服(節省腦力)，反而是給他更少的選項而非更多的選擇
要出去吃飯或出遊，直接提議一兩個方案讓對方選擇或拒絕



以上人類禮儀行為準則同樣適用於(電腦)設計

設計的主要目標：

讓使用者或客戶減少不必要的對立磨擦、等候與腦力消耗

e.g.,
公車站牌電子看板顯示下一班車的預計到站時間
停車場車道設計，讓駕駛人只要直直開，看到車位就停
電子票證讓人不必費心計算找零或者找錯

在所有的領域中，納入考量的因素越多，找到完美解答的時間就越長&可能性越低，乃至於在資訊不透明或不對稱的狀況下，不可能有最佳解。

嘗試做出假設(簡化問題)、偏向於選擇簡單與眼前可行的解答&冒險嘗試，這種作法不是讓步與妥協，本身就是理性的方法。

PS：本書的致謝，讓人看見作者的用心、寫作的質與量

這些年來，花了些心力讀不同類型的書，發現不同領域或學門(的山頭大師)竟然歸納出同樣的道理，這些道理應該可謂是真理了，值得善加珍惜與謹記(但不適合對外大聲嚷嚷或心存善意試圖分享… 很難用三言兩語與資訊刪減懶人包的方式讓無知的人理解…道可道非常道)