主页 > E妙生活 >宅到没生活的工程师可能是最懂怎幺解决生活问题的人! >

宅到没生活的工程师可能是最懂怎幺解决生活问题的人!

宅到没生活的工程师可能是最懂怎幺解决生活问题的人!

来自马来西亚,现居风城。兴趣广泛的生物学家,研究工作之余,嗜好读读书、看看戏、写写作、骑骑车、踏踏青、逗逗猫。

现在有多少人不使用电脑?有的话,请举手。

其实这不太可能,因为如果你读得到这篇文章,你一定是在使用电脑,除非有个阿宅把它印出来给你读(果然很宅)。过去视窗作业系统常莫名其妙出现蓝屏死当的年代,我们跳脚嘲讽电脑不是科学产物,而是玄学产物,而对阿宅工程师而言,电脑除了是吃饭的工具,还是要帮正妹修理来换好人卡的必需品。

广义来说,并不是只有桌机和笔电才是电脑,我们现在使用的手机,运算能力已经比登月使用的巨型电脑还强大了,除非你用的是智障手机。电脑在生活的方方面面扮演重要角色,包括工作、社交、通讯、购物、娱乐、交通等等,我们随时在和许多演算法打交道,因为脸书的动态消息、购物网站的推荐商品、APP建议的交通路线等等都是演算法算出来的结果,试图为我们提供各种问题的最佳解方。

在靠北工程师的脸书粉丝页,有大量不通人情世故的阿宅工程师笑话,真的很抒压,也让我们见识到,台湾的阿宅工程师们爆肝血汗的生活⋯⋯哦不⋯⋯他们没有生活。成天和电脑打交道,想必应该会宅到没啥生活能力吧?不过,着名的电脑科学家布莱恩.克里斯汀(Brian Christian)和美国加州大学柏克莱分校的认知心理学家汤姆.葛瑞菲斯(Tom Griffiths)却告诉我们,答案可能和我们想的相反。

他们合着的《决断的演算:预测、分析与好决定的11堂逻辑课》(Algorithms to Live By: The Computer Science of Human Decisions)指出,跟电脑演算法学决策,不仅可能一点也不宅,而且还会让人更善解人意,真是厉害了,我的演算法!

演算法,简单来说,就是用以解决特定问题的有限个步骤和叙述。其英文名称「algorithm」来自于九世纪波斯数学家花拉子米(al-Khwarizmi,خوارزمی,约780-约850),因为他在数学上提出了演算法这个概念。「algorism」,即「al-Khwarizmi」的音转,意思是「花拉子米」的演算法则,在十八世纪演变为「algorithm」。

两位作者在《决断的演算》中指出,生活中我们遇到的许多机车问题,其实和阿宅工程师面对的挑战大同小异,都是想要在各种资源稀缺的情况下达成「多、快、好、省」;竞争之下,会有一些阿宅比另一些阿宅找到更佳的演算法来攻克难题。他们主张,这些只有更好、没有最好的演算法,可以指导我们如何在生活中宅以致用。

他们给了我们宅度爆表的十一堂理性逻辑课,例如在第一堂课中,我们都遇过聘人、租屋、找车位、卖房子、寻觅伴侣、投资获利、干坏事等等,要如何制定停止点,何时见好就收的问题。在想要做出最佳决策时最令人感到困扰的是,我们似乎永远无法得知,还有多少更好的选项尚未出现。 所以他们为我们提供了37%法则、思而后行法则、临界值法则来调整时间点、标準值得参数,以期宅出最佳停止点。

如果旅游到一个好地方,或者吃过一家不可多得的好餐厅,是要继续尝鲜探索呢?还是始终如一呢?这真是个令人纠结的问题啊。《决断的演算》指出,电脑也会遇到「开发/善用权衡」(explore/exploit tradeoff)的宅问题:是要「开发蒐集资料寻求最佳选择」还是「善用现有资讯取得已知良好结果」的问题,就是传说中吃角子老虎机的多臂土匪问题。简单来说,他们的建议是:如果你时间还有大把,为何不多尝鲜?如果时日不多(例如要搬迁了),那为何不好好把握已知的美好事物?如果要你想宅个彻底,不妨用吉廷斯指数(Gittins)来协助决策吧!

对电脑资讯而言,资料的优先排序尤其重要。谷歌搜寻引擎厉害之处不是啥都能全部找到给你,而是把排序了搜寻结果再给你,把你可能最需要的,儘量排在前端就让你看到。我们平时当然不需要排序大量资料,但是遇到排序研讨会或运动赛程,还是够折腾的。

《决断的演算》指出,电脑记忆体和我们有同样的收纳困扰,就是空间永远太小。不过即使有能力买豪宅,也还是要面对一样的问题,除非你的豪宅专用来堆放杂物,否则如果要更有效率地生活,就要分门别类整理收纳,把常用到的放在可以随手可取之处──但这是最好的方式吗?电脑使用快取记忆体,装满后就得选择性删除资料,随机剔除、先进先出(先剔除最旧的)以及先删最近或最少使用的资料等等方法,哪种能让我们更顺利收纳?

重要的事要优先处理,这道理人人都懂,但还是难以做到;我生活与工作最大的困扰之一,就是长长的优先顺序排程,永远有更重要的事插队进来,不管如何努力,似乎永远无法让清单变短,而排程较后面的事(例如整理我愈来愈混乱的办公室),就一直排在后头无法执行。

面对排程的问题,电脑科学家会先搞清楚「用什幺标準来评量成果」,是追赶期限最重要?是划掉最多项目最好?还是等待时间最短最讚?书中用火星探测器电脑的「上下文交换」为例让我们认识到工作插队的代价,还有用「往复移动」提醒是否在穷忙。要有效率地完成工作,不是爱拚才会赢,有时候是「世界越快,心,则慢」,慢慢来,比较快。

电脑时常做预测,统计专家们都推荐的「贝氏法则」原本是十八世纪英国牧师汤玛斯.贝斯(Thomas Bayes,1701–1761)用来研究彩卷中奖率的,用过去已知的机率来推导出未知机率,并且用新的证据来修正过去的预测;在预测工作中,并不是多就是好,很多人都以为,愈複杂的模型,使用越多参数,就会得到更精确的预测,然而机器学习则得出不同的结论,过度複杂的模型和参数会得出过度配适的结果,反而无法反映真实状况。

只有更好,没有最好。过度追求最美好的解方,可能就是没有解方。遇到人生难解的问题,我们或许该学学电脑科学家的作法,把问题先鬆弛一下,运用限制鬆弛法、连续鬆弛法、付出点代价及改变规则的拉氏鬆弛法等等,解除一些限制,再看看能否解决再说;如果在舒适圈待久了,要如何能跳脱巢臼?像电脑那样运用随机性,也能快速接近最佳的解答哦。

电脑沟通时,如何让机器确认接收方有无收到讯息?我们的生活中也会遇到讯息有没有被对方充分接收和理解的问题,电脑是如何做的?电脑科学家能够找到赛局理论中的奈许均衡吗?这关係到我们如何猜测别人的想法,用以应付与众人相关的社会和经济问题。不过,当大家都用同样的模型对赌对方的策略而跟进,就可能一起崩溃到万劫不复。

《决断的演算》为阿宅工程师平反,指出演算法可能为我们的生活或人生难题提供指导性原则。不过,我倒是有个从这本书衍生的想法:读完这本书,就像是上了十一堂理性逻辑的演算法课,如果有个阿宅能够把其中所有演算法应用到生活和人生的方方面面,我会极为敬佩他,也能肯定他很可能成为一位成功人士,即使他因为奉行演算法到不近人情的地步。许多改变世界的旷世天才,不也是有超乎常人的原则吗?

然而,我们别忘了,《决断的演算》也告诉我们,别过度配适,并不是多就是好,把书中所有提到的演算法落实到生活中,也不见得一定能解决大部分人生难题。或许,我们也该学学电脑科学家,先界定问题可解还是难解,然后再放鬆,给自己一些随机性,别网路塞车,用新知识调整预测,搞清楚重要评量标準,认清自己还有多少时间,制定停止点,其他的就该怎幺生活就怎幺生活吧!

E妙生活 134℃ 76评论

宅到没生活的工程师可能是最懂怎幺解决生活问题的人!

来自马来西亚,现居风城。兴趣广泛的生物学家,研究工作之余,嗜好读读书、看看戏、写写作、骑骑车、踏踏青、逗逗猫。

现在有多少人不使用电脑?有的话,请举手。

其实这不太可能,因为如果你读得到这篇文章,你一定是在使用电脑,除非有个阿宅把它印出来给你读(果然很宅)。过去视窗作业系统常莫名其妙出现蓝屏死当的年代,我们跳脚嘲讽电脑不是科学产物,而是玄学产物,而对阿宅工程师而言,电脑除了是吃饭的工具,还是要帮正妹修理来换好人卡的必需品。

广义来说,并不是只有桌机和笔电才是电脑,我们现在使用的手机,运算能力已经比登月使用的巨型电脑还强大了,除非你用的是智障手机。电脑在生活的方方面面扮演重要角色,包括工作、社交、通讯、购物、娱乐、交通等等,我们随时在和许多演算法打交道,因为脸书的动态消息、购物网站的推荐商品、APP建议的交通路线等等都是演算法算出来的结果,试图为我们提供各种问题的最佳解方。

在靠北工程师的脸书粉丝页,有大量不通人情世故的阿宅工程师笑话,真的很抒压,也让我们见识到,台湾的阿宅工程师们爆肝血汗的生活⋯⋯哦不⋯⋯他们没有生活。成天和电脑打交道,想必应该会宅到没啥生活能力吧?不过,着名的电脑科学家布莱恩.克里斯汀(Brian Christian)和美国加州大学柏克莱分校的认知心理学家汤姆.葛瑞菲斯(Tom Griffiths)却告诉我们,答案可能和我们想的相反。

他们合着的《决断的演算:预测、分析与好决定的11堂逻辑课》(Algorithms to Live By: The Computer Science of Human Decisions)指出,跟电脑演算法学决策,不仅可能一点也不宅,而且还会让人更善解人意,真是厉害了,我的演算法!

演算法,简单来说,就是用以解决特定问题的有限个步骤和叙述。其英文名称「algorithm」来自于九世纪波斯数学家花拉子米(al-Khwarizmi,خوارزمی,约780-约850),因为他在数学上提出了演算法这个概念。「algorism」,即「al-Khwarizmi」的音转,意思是「花拉子米」的演算法则,在十八世纪演变为「algorithm」。

两位作者在《决断的演算》中指出,生活中我们遇到的许多机车问题,其实和阿宅工程师面对的挑战大同小异,都是想要在各种资源稀缺的情况下达成「多、快、好、省」;竞争之下,会有一些阿宅比另一些阿宅找到更佳的演算法来攻克难题。他们主张,这些只有更好、没有最好的演算法,可以指导我们如何在生活中宅以致用。

他们给了我们宅度爆表的十一堂理性逻辑课,例如在第一堂课中,我们都遇过聘人、租屋、找车位、卖房子、寻觅伴侣、投资获利、干坏事等等,要如何制定停止点,何时见好就收的问题。在想要做出最佳决策时最令人感到困扰的是,我们似乎永远无法得知,还有多少更好的选项尚未出现。 所以他们为我们提供了37%法则、思而后行法则、临界值法则来调整时间点、标準值得参数,以期宅出最佳停止点。

如果旅游到一个好地方,或者吃过一家不可多得的好餐厅,是要继续尝鲜探索呢?还是始终如一呢?这真是个令人纠结的问题啊。《决断的演算》指出,电脑也会遇到「开发/善用权衡」(explore/exploit tradeoff)的宅问题:是要「开发蒐集资料寻求最佳选择」还是「善用现有资讯取得已知良好结果」的问题,就是传说中吃角子老虎机的多臂土匪问题。简单来说,他们的建议是:如果你时间还有大把,为何不多尝鲜?如果时日不多(例如要搬迁了),那为何不好好把握已知的美好事物?如果要你想宅个彻底,不妨用吉廷斯指数(Gittins)来协助决策吧!

对电脑资讯而言,资料的优先排序尤其重要。谷歌搜寻引擎厉害之处不是啥都能全部找到给你,而是把排序了搜寻结果再给你,把你可能最需要的,儘量排在前端就让你看到。我们平时当然不需要排序大量资料,但是遇到排序研讨会或运动赛程,还是够折腾的。

《决断的演算》指出,电脑记忆体和我们有同样的收纳困扰,就是空间永远太小。不过即使有能力买豪宅,也还是要面对一样的问题,除非你的豪宅专用来堆放杂物,否则如果要更有效率地生活,就要分门别类整理收纳,把常用到的放在可以随手可取之处──但这是最好的方式吗?电脑使用快取记忆体,装满后就得选择性删除资料,随机剔除、先进先出(先剔除最旧的)以及先删最近或最少使用的资料等等方法,哪种能让我们更顺利收纳?

重要的事要优先处理,这道理人人都懂,但还是难以做到;我生活与工作最大的困扰之一,就是长长的优先顺序排程,永远有更重要的事插队进来,不管如何努力,似乎永远无法让清单变短,而排程较后面的事(例如整理我愈来愈混乱的办公室),就一直排在后头无法执行。

面对排程的问题,电脑科学家会先搞清楚「用什幺标準来评量成果」,是追赶期限最重要?是划掉最多项目最好?还是等待时间最短最讚?书中用火星探测器电脑的「上下文交换」为例让我们认识到工作插队的代价,还有用「往复移动」提醒是否在穷忙。要有效率地完成工作,不是爱拚才会赢,有时候是「世界越快,心,则慢」,慢慢来,比较快。

电脑时常做预测,统计专家们都推荐的「贝氏法则」原本是十八世纪英国牧师汤玛斯.贝斯(Thomas Bayes,1701–1761)用来研究彩卷中奖率的,用过去已知的机率来推导出未知机率,并且用新的证据来修正过去的预测;在预测工作中,并不是多就是好,很多人都以为,愈複杂的模型,使用越多参数,就会得到更精确的预测,然而机器学习则得出不同的结论,过度複杂的模型和参数会得出过度配适的结果,反而无法反映真实状况。

只有更好,没有最好。过度追求最美好的解方,可能就是没有解方。遇到人生难解的问题,我们或许该学学电脑科学家的作法,把问题先鬆弛一下,运用限制鬆弛法、连续鬆弛法、付出点代价及改变规则的拉氏鬆弛法等等,解除一些限制,再看看能否解决再说;如果在舒适圈待久了,要如何能跳脱巢臼?像电脑那样运用随机性,也能快速接近最佳的解答哦。

电脑沟通时,如何让机器确认接收方有无收到讯息?我们的生活中也会遇到讯息有没有被对方充分接收和理解的问题,电脑是如何做的?电脑科学家能够找到赛局理论中的奈许均衡吗?这关係到我们如何猜测别人的想法,用以应付与众人相关的社会和经济问题。不过,当大家都用同样的模型对赌对方的策略而跟进,就可能一起崩溃到万劫不复。

《决断的演算》为阿宅工程师平反,指出演算法可能为我们的生活或人生难题提供指导性原则。不过,我倒是有个从这本书衍生的想法:读完这本书,就像是上了十一堂理性逻辑的演算法课,如果有个阿宅能够把其中所有演算法应用到生活和人生的方方面面,我会极为敬佩他,也能肯定他很可能成为一位成功人士,即使他因为奉行演算法到不近人情的地步。许多改变世界的旷世天才,不也是有超乎常人的原则吗?

然而,我们别忘了,《决断的演算》也告诉我们,别过度配适,并不是多就是好,把书中所有提到的演算法落实到生活中,也不见得一定能解决大部分人生难题。或许,我们也该学学电脑科学家,先界定问题可解还是难解,然后再放鬆,给自己一些随机性,别网路塞车,用新知识调整预测,搞清楚重要评量标準,认清自己还有多少时间,制定停止点,其他的就该怎幺生活就怎幺生活吧!

热门产品