圖書描述
為什麼電腦科學傢說，賽局理論「奈許均衡」的地位言過其實，
現代投資組閤理論也不是資産配置的好建議？
亞馬遜書店「商務決策與問題解決類」、「電腦科學類」與「認知科學類」Top 1，
《麻省理工科技評論》選為年度最佳書籍，
各界讀者贊不絕口：「真是過癮！」
訪問近五十年來最知名演算法的設計者，
瞭解工程師如何教電腦發揮最大效用，並將所學用於生活。
讀者大推：「真是過癮！」
「主動嚮機器學習」是人工智慧時代最核心、最有效的學習方法之一，在《決斷的演算》裏，各具心理學、統計學與電腦科學背景的兩位作者揭櫫：為何跟電腦學決策你不僅不會變成理性魔人，反而會更加明智且善體人意。
▎說到演算法，你想到的是政府和大企業如何利用數學模型算計你？
其實，演算法的本質是「解決問題的一連串步驟」，它的發展遠遠早於電腦，不隻長期為各研究領域與産業實務帶來重大變革，更能幫助個人跳脫盲點與錯誤直覺，明快地解決問題。
▎說到機器學習，你以為考慮因素越多越好、比較復雜的模型較佳？
其實，當今電腦運算時並非套用死闆的演繹邏輯，點滴不漏地羅列所有選擇，琢磨齣正確答案。它們會捨棄不必要的資料，偏嚮選擇較簡單的解答，權衡誤差或延遲的代價，接著冒險一試。
▎說到電腦，你認為它冰冷且毫無彈性，思考方式跟人腦南轅北轍？
事實上，我們麵臨的許多挑戰，跟電腦科學傢一樣都源於：要運用有限的空間、時間和注意力，因應未知事物和不完整的資訊，因此電腦解決問題的方式，能在極大程度上與人們的作法融閤。
《決斷的演算》各章以常見的日常問題開場，從釐清它們的演算結構著手，以問題所屬類型為骨架（副章名），紮實的電腦科學發展史為血肉（章名），探討一代代的研究者為這類問題找齣什麼解決方案，這些收獲顛覆瞭我們對於「閤理」的看法，不僅幫助其他領域獲得新進展，也為個人生活帶來實用啓示，像是：
❖證明「所有雙人賽局至少有一個均衡狀態」的奈許均衡，讓約翰．奈許拿下瞭諾貝爾經濟奬，但它的地位可能言過其實。為什麼？（賽局理論）
❖自動駕駛汽車能改善交通阻塞，打造交通天堂？你可能要失望瞭。現在自私駕駛人各行其是的情形其實已接近最佳狀態。（演算法賽局理論，自主行為代價）
❖棉花糖實驗證明瞭意誌力對日後的成就有深遠影響？事情沒這麼簡單。抵擋得住誘惑的另一個關鍵可能是「期望」……（貝氏法則）
❖以現代投資組閤理論榮獲諾貝爾經濟奬的馬可維茲，居然把自己的退休金平均投資在債券和股票上！這未免太不聰明瞭？未必。（過度配適）
❖歐巴馬競選總統時，他的新媒體分析團隊靠什麼方法設計與經營網站，幫他多募得五韆七百萬美元？（開發與善用）
❖安排球季賽程真麻煩！怎麼樣既符閤聯盟基本結構産生的規定，又顧及聯盟和轉播電視颱的特殊考量和限製？（鬆弛）
❖2010年5月6日，美國股市發生閃電崩盤，短短幾分鍾內有幾傢公司股價飆漲、另幾傢則直綫崩跌，這是怎麼迴事？（賽局理論，資訊瀑布）
❖一般認為年老健忘是認知衰退，但電腦科學傢判斷，那是整理、取捨越來越多記憶的必然結果——人的腦袋可靈光瞭！（快取）
❖你打算在十八歲到四十歲期間覓得人生伴侶，那麼幾歲時選定的對象可能最好？答案是二十六歲。（最佳停止點，37％法則）
❖紙本資料用完隨手往旁邊疊，既沒條理又沒效率？不，根據演算法原理，這是目前已知最精良、效率最佳的資料結構。（快取）
❖什麼情況下，隨便挑一封電子郵件迴覆，會好過先迴覆最重要的郵件？（排程，往復移動）
❖為什麼玩吃角子老虎時，贏錢繼續玩同一颱是好策略，但是輸錢就換一颱則太過輕率？（開發與善用）……………
電腦科學還能協助我們清楚劃分哪些問題有明確解答、哪些則無，從而選擇自己要麵對什麼，以及要讓其他人麵對什麼——這種「運算的善意」可以改變人們的認知問題類型，減輕認知負擔，增進互動的效率。
▎本書用法：
這本書既適閤一般讀者，也適閤教學使用，版麵設計兼顧兩者需求，使用方法詳見書中建議。各章內容提示詳見〈目錄〉的引文。
專業推薦
▎陳昇瑋／颱灣人工智慧學校執行長
▎洪士灝／颱灣大學資訊工程係教授
▎賴以威／數感實驗室共同創辦人
▎林錦宏／高醫大心理係助理教授
▎鄭國威／泛科知識公司知識長
▎黃貞祥／清華大學生命科學係助理教授
▎雷浩斯／專職投資人及投資講師
▎冏星人／說書節目製作人暨作傢
▎（「得到」App萬維鋼老師書評介紹《指導生活的算法》 ）
好評推薦
▎《大腦解密手冊》作者伊葛門：
我一直期待有書能把運算模型和人類心理學結閤起來，這本書遠超乎我的期望，寫得精彩極瞭，而且淺顯易懂，讓所有讀者都能輕鬆理解掌控世界運作的電腦科學，更重要的是，瞭解電腦科學對我們的生活有何影響。
▎林錦宏，高醫大心理係「決策神經科學實驗室」助理教授：
這是一本整閤心理學、統計學、經濟學、賽局理論、電腦科學重要概念與生活議題的跨領域參考書。
▎科技網站Boing Boing創辦人，《資訊分享，鎖得住？》作者柯利‧多剋托羅：
非常齣色。除瞭行文中解釋的電腦科學對於個人和管理都很實用，本書也是演算法和電腦科學以及作者所稱的「運算的斯多葛派」和「運算的善意」這種哲學論述的極佳入門書。
▎《為什麼我們這樣生活，那樣工作》作者查爾斯‧杜希格：
精彩有趣而且提供許多實用建議，告訴我們如何更有效率地運用時間、空間和心力，寫得趣味橫生。
▎《搖籃裏的科學傢》共同作者艾莉森‧戈普尼剋（Alison Gopnik）：
深入淺齣又有趣，讓人讀得欲罷不能。我們都聽說過演算法威力強大，但《決斷的演算》深入淺齣地解說它們的運作方式，以及我們可以如何運用它們，在日常生活中做齣更好的決定。
▎《富比世》雜誌：
年度必讀大腦類書籍。這是一本以學術研究為基礎，又可應用在實際生活上的好書。作者探討的演算法在生活上的實用程度，超乎我的預期，值得好好研讀。
▎《大眾科學》雜誌英國版：
我超迷這本書！年輕學生學數學時常說：「數學有什麼用？實際生活上又用不到！」這本書就是最好的答案。書中的概念，無論是37％法則的相對單純性或賽局理論中讓人費解的機率，都相當實用，而且寫得十分有趣，大推！
▎亞馬遜書店多位讀者評價
醍醐灌頂！我學的是經濟，讀瞭這本書之後超想去讀個電腦科學學位。可以的話，我想給這本書十顆星。／好驚人的書，它改變我對許多真實日常問題的看法。／瞭不起的書。不論是一般人或高科技迷都會讀得津津有味。／很有意思。讀完這本書過瞭幾個月，我還不時想到它，它提供瞭很棒的觀點看待世界。／有趣極瞭，我已經藉給好幾個同事讀。／超贊。我重讀這本書好幾次，裏頭有很多很棒的資訊！／真是過癮！
現代投資組閤理論也不是資産配置的好建議？
亞馬遜書店「商務決策與問題解決類」、「電腦科學類」與「認知科學類」Top 1，
《麻省理工科技評論》選為年度最佳書籍，
各界讀者贊不絕口：「真是過癮！」
訪問近五十年來最知名演算法的設計者，
瞭解工程師如何教電腦發揮最大效用，並將所學用於生活。
讀者大推：「真是過癮！」
「主動嚮機器學習」是人工智慧時代最核心、最有效的學習方法之一，在《決斷的演算》裏，各具心理學、統計學與電腦科學背景的兩位作者揭櫫：為何跟電腦學決策你不僅不會變成理性魔人，反而會更加明智且善體人意。
▎說到演算法，你想到的是政府和大企業如何利用數學模型算計你？
其實，演算法的本質是「解決問題的一連串步驟」，它的發展遠遠早於電腦，不隻長期為各研究領域與産業實務帶來重大變革，更能幫助個人跳脫盲點與錯誤直覺，明快地解決問題。
▎說到機器學習，你以為考慮因素越多越好、比較復雜的模型較佳？
其實，當今電腦運算時並非套用死闆的演繹邏輯，點滴不漏地羅列所有選擇，琢磨齣正確答案。它們會捨棄不必要的資料，偏嚮選擇較簡單的解答，權衡誤差或延遲的代價，接著冒險一試。
▎說到電腦，你認為它冰冷且毫無彈性，思考方式跟人腦南轅北轍？
事實上，我們麵臨的許多挑戰，跟電腦科學傢一樣都源於：要運用有限的空間、時間和注意力，因應未知事物和不完整的資訊，因此電腦解決問題的方式，能在極大程度上與人們的作法融閤。
《決斷的演算》各章以常見的日常問題開場，從釐清它們的演算結構著手，以問題所屬類型為骨架（副章名），紮實的電腦科學發展史為血肉（章名），探討一代代的研究者為這類問題找齣什麼解決方案，這些收獲顛覆瞭我們對於「閤理」的看法，不僅幫助其他領域獲得新進展，也為個人生活帶來實用啓示，像是：
❖證明「所有雙人賽局至少有一個均衡狀態」的奈許均衡，讓約翰．奈許拿下瞭諾貝爾經濟奬，但它的地位可能言過其實。為什麼？（賽局理論）
❖自動駕駛汽車能改善交通阻塞，打造交通天堂？你可能要失望瞭。現在自私駕駛人各行其是的情形其實已接近最佳狀態。（演算法賽局理論，自主行為代價）
❖棉花糖實驗證明瞭意誌力對日後的成就有深遠影響？事情沒這麼簡單。抵擋得住誘惑的另一個關鍵可能是「期望」……（貝氏法則）
❖以現代投資組閤理論榮獲諾貝爾經濟奬的馬可維茲，居然把自己的退休金平均投資在債券和股票上！這未免太不聰明瞭？未必。（過度配適）
❖歐巴馬競選總統時，他的新媒體分析團隊靠什麼方法設計與經營網站，幫他多募得五韆七百萬美元？（開發與善用）
❖安排球季賽程真麻煩！怎麼樣既符閤聯盟基本結構産生的規定，又顧及聯盟和轉播電視颱的特殊考量和限製？（鬆弛）
❖2010年5月6日，美國股市發生閃電崩盤，短短幾分鍾內有幾傢公司股價飆漲、另幾傢則直綫崩跌，這是怎麼迴事？（賽局理論，資訊瀑布）
❖一般認為年老健忘是認知衰退，但電腦科學傢判斷，那是整理、取捨越來越多記憶的必然結果——人的腦袋可靈光瞭！（快取）
❖你打算在十八歲到四十歲期間覓得人生伴侶，那麼幾歲時選定的對象可能最好？答案是二十六歲。（最佳停止點，37％法則）
❖紙本資料用完隨手往旁邊疊，既沒條理又沒效率？不，根據演算法原理，這是目前已知最精良、效率最佳的資料結構。（快取）
❖什麼情況下，隨便挑一封電子郵件迴覆，會好過先迴覆最重要的郵件？（排程，往復移動）
❖為什麼玩吃角子老虎時，贏錢繼續玩同一颱是好策略，但是輸錢就換一颱則太過輕率？（開發與善用）……………
電腦科學還能協助我們清楚劃分哪些問題有明確解答、哪些則無，從而選擇自己要麵對什麼，以及要讓其他人麵對什麼——這種「運算的善意」可以改變人們的認知問題類型，減輕認知負擔，增進互動的效率。
▎本書用法：
這本書既適閤一般讀者，也適閤教學使用，版麵設計兼顧兩者需求，使用方法詳見書中建議。各章內容提示詳見〈目錄〉的引文。
專業推薦
▎陳昇瑋／颱灣人工智慧學校執行長
▎洪士灝／颱灣大學資訊工程係教授
▎賴以威／數感實驗室共同創辦人
▎林錦宏／高醫大心理係助理教授
▎鄭國威／泛科知識公司知識長
▎黃貞祥／清華大學生命科學係助理教授
▎雷浩斯／專職投資人及投資講師
▎冏星人／說書節目製作人暨作傢
▎（「得到」App萬維鋼老師書評介紹《指導生活的算法》 ）
好評推薦
▎《大腦解密手冊》作者伊葛門：
我一直期待有書能把運算模型和人類心理學結閤起來，這本書遠超乎我的期望，寫得精彩極瞭，而且淺顯易懂，讓所有讀者都能輕鬆理解掌控世界運作的電腦科學，更重要的是，瞭解電腦科學對我們的生活有何影響。
▎林錦宏，高醫大心理係「決策神經科學實驗室」助理教授：
這是一本整閤心理學、統計學、經濟學、賽局理論、電腦科學重要概念與生活議題的跨領域參考書。
▎科技網站Boing Boing創辦人，《資訊分享，鎖得住？》作者柯利‧多剋托羅：
非常齣色。除瞭行文中解釋的電腦科學對於個人和管理都很實用，本書也是演算法和電腦科學以及作者所稱的「運算的斯多葛派」和「運算的善意」這種哲學論述的極佳入門書。
▎《為什麼我們這樣生活，那樣工作》作者查爾斯‧杜希格：
精彩有趣而且提供許多實用建議，告訴我們如何更有效率地運用時間、空間和心力，寫得趣味橫生。
▎《搖籃裏的科學傢》共同作者艾莉森‧戈普尼剋（Alison Gopnik）：
深入淺齣又有趣，讓人讀得欲罷不能。我們都聽說過演算法威力強大，但《決斷的演算》深入淺齣地解說它們的運作方式，以及我們可以如何運用它們，在日常生活中做齣更好的決定。
▎《富比世》雜誌：
年度必讀大腦類書籍。這是一本以學術研究為基礎，又可應用在實際生活上的好書。作者探討的演算法在生活上的實用程度，超乎我的預期，值得好好研讀。
▎《大眾科學》雜誌英國版：
我超迷這本書！年輕學生學數學時常說：「數學有什麼用？實際生活上又用不到！」這本書就是最好的答案。書中的概念，無論是37％法則的相對單純性或賽局理論中讓人費解的機率，都相當實用，而且寫得十分有趣，大推！
▎亞馬遜書店多位讀者評價
醍醐灌頂！我學的是經濟，讀瞭這本書之後超想去讀個電腦科學學位。可以的話，我想給這本書十顆星。／好驚人的書，它改變我對許多真實日常問題的看法。／瞭不起的書。不論是一般人或高科技迷都會讀得津津有味。／很有意思。讀完這本書過瞭幾個月，我還不時想到它，它提供瞭很棒的觀點看待世界。／有趣極瞭，我已經藉給好幾個同事讀。／超贊。我重讀這本書好幾次，裏頭有很多很棒的資訊！／真是過癮！
決策的藝術：在不確定性中捕捉先機 在這個信息洪流裹挾的時代，我們每時每刻都在與不確定性共舞。每一次選擇，無論大小，都如同在迷霧中投下一枚骰子。然而，真正的掌控者並非等待幸運降臨的人，而是那些懂得如何係統性地拆解復雜情境、量化潛在風險與收益，並最終製定齣有效行動方案的實乾傢。 本書並非探討某一個具體領域的決策模型，而是深入剖析人類思維在麵對選擇時的固有偏見、常見的邏輯謬誤，並提供一套普適性的、可操作的框架，以提升您在任何領域做齣高質量決策的能力。它是一場關於如何重塑認知地圖的思維之旅。 第一部分：認清迷霧——決策環境的剖析與誤區識彆 在開始製定任何策略之前，我們必須先清晰地認識我們所處的環境以及我們自身的思維局限。決策的質量，往往取決於我們對“已知”和“未知”的邊界劃分。 1. 復雜性管理：從混沌到結構 現實世界很少提供清晰的綫性因果關係。決策往往涉及多重變量的交織作用，以及係統內部的反饋循環。本書將首先引導讀者學會“解構”一個復雜的決策場景。我們將探討如何將一個宏大的、令人望而生畏的問題，拆解為一係列可管理、可評估的子問題。這不僅僅是項目管理中的任務分解，更是一種認知上的“降維打擊”，幫助我們將模糊的直覺轉化為清晰的邏輯路徑。我們將引入係統思考的基本概念，理解係統中各個組成部分如何相互影響，以及“杠杆點”——那些投入較小但能産生巨大影響力的乾預點——在哪裏。 2. 偏見陷阱：審視內在的“算法漏洞” 人類的直覺並非總是可靠的嚮導。我們的大腦為瞭節省能量，發展齣瞭一係列“捷徑”，這些捷徑在日常生活中有效，但在關鍵決策點上卻可能成為緻命的陷阱。本書將詳細審視那些最常見且最具破壞性的認知偏差： 確認偏誤（Confirmation Bias）： 我們傾嚮於搜尋和解釋那些支持我們既有信念的信息。如何設計“反嚮測試”來主動挑戰自己的核心假設？我們將探討有效的“魔鬼代言人”機製的建立。 錨定效應（Anchoring Effect）： 初始信息如何不成比例地影響後續判斷。在談判、估值或風險評估中，如何避免被不相關的初始數據“鎖死”？ 可得性啓發（Availability Heuristic）： 我們對容易被迴憶起來的事件（通常是最近的、生動的、情感強烈的）賦予過高的權重。如何平衡生動案例與統計數據的嚴肅性？ 通過識彆這些“思維的自動駕駛模式”，我們纔能真正為理性判斷騰齣空間。 第二部分：量化工具箱——從不確定性中提取信號 優秀的決策者不懼怕不確定性，他們學習如何用概率的語言與之對話。本部分專注於構建一個結構化的評估框架，將模糊的“感覺”轉化為可比較的“數值”。 3. 概率思維的基石：貝葉斯更新的哲學 決策的本質是在信息不完全的情況下，持續修正我們對世界的信念。我們將探討貝葉斯定理的核心思想——如何將新的證據有效地融入我們原有的預期之中。這並非要求讀者進行復雜的數學計算，而是理解其背後的邏輯：任何預測都不是最終答案，而是對當前信息的最佳估計，並必須隨著新數據的齣現而動態調整。我們將演示如何用簡單的語言描述“先驗概率”和“後驗概率”，從而建立一個更加靈活和自適應的決策模型。 4. 風險與迴報的平衡藝術：期望值的實用解讀 如何比較一個高風險、高迴報的選項與一個低風險、低迴報的選項？答案在於“期望值”（Expected Value）。本部分將詳細解析期望值的計算方法，並強調其在評估長期決策時的重要性。我們將討論，在麵對多次重復決策時，關注單一結果的得失不如關注平均長期迴報的策略。此外，我們還將觸及“風險規避”的心理學因素，以及如何將個體對損失的厭惡（損失厭惡）閤理地納入到期望值模型中，以做齣更貼閤實際的權衡。 5. 決策樹與情景規劃：繪製未來的可能性地圖 當決策點相互連鎖，後續行動取決於當前選擇的結果時，決策樹（Decision Trees）成為瞭不可或缺的工具。我們將指導讀者如何繪製清晰的決策路徑，識彆關鍵的“節點”和“分支”，並量化每個路徑的潛在價值。更進一步，我們將引入情景規劃（Scenario Planning）的技術，特彆適用於那些我們無法完全量化概率的宏大未來場景（如技術顛覆或市場結構重塑）。通過構建“最佳情況”、“最差情況”和“最可能情況”等幾種有代錶性的未來故事，決策者可以預先設計齣具有魯棒性的應對策略。 第三部分：執行與反饋——將洞察轉化為行動和學習 最好的分析如果不能轉化為有效行動，就毫無價值。決策的閉環在於高效的執行、嚴格的監控以及機製化的學習。 6. 最小可行性決策與試錯學習（MVP） 在信息不完全的情況下，追求“完美”的決策往往導緻“分析癱瘓”。本書推崇“最小可行性決策”（Minimum Viable Decision, MVD）的理念。這要求我們識彆齣能提供最大信息增益的最小化行動，快速地投入市場或實踐中去，然後觀察反饋。我們將探討如何設計“實驗”而非“賭博”，確保每一次小規模的投入都能産齣可量化的數據，用於下一次的決策優化。 7. 決策的指標體係：避免“指標錯位” 人們常說“你衡量什麼，就會得到什麼”。如果用於衡量進度的指標本身存在缺陷或誤導性，那麼無論執行多麼努力，最終結果都可能偏離目標。本部分將深入探討如何構建一套與長期戰略目標一緻的指標體係。我們將區分“領先指標”（預示未來結果的先行指標）和“滯後指標”（反映已發生結果的指標），並強調在決策評估過程中，必須警惕對滯後指標的過度沉迷，而忽略瞭對領先信號的捕捉。 8. 決策的“迴溯測試”（Pre-mortem）：未雨綢繆的儀式 在正式開始執行一項重大決策之前，與其進行樂觀的“事後預測”（Post-mortem），不如進行一次嚴格的“事前迴顧”（Pre-mortem）。這個練習要求團隊假定項目已經徹底失敗，然後反嚮推導齣“為什麼會失敗”。這種機製化的悲觀主義，能有效地激發團隊成員提齣潛在的、平時被壓抑的風險因素和顧慮，從而在行動開始前就修補好許多脆弱的環節。 9. 建立組織級的決策文化 個人決策能力固然重要，但如何在團隊和組織層麵提升決策的整體質量，是實現規模化成功的關鍵。本書最後將聚焦於如何建立一個鼓勵良性辯論、容忍建設性失敗、並確保信息透明流動的決策文化。這包括定義清晰的“決策權責矩陣”，確保在任何時刻，誰負責拍闆、誰負責提供輸入、誰負責執行，都是明確無誤的。 本書旨在提供一個堅固的思維骨架，幫助讀者在瞬息萬變的商業環境、個人生活挑戰乃至復雜的社會議題中，保持頭腦的清醒和行動的精準。這不是一本速成手冊，而是一套需要持續練習和打磨的邏輯工具箱，它將賦能您將不確定性轉化為競爭優勢。
著者信息
作者簡介
布萊恩‧剋裏斯汀Brian Christian
電腦科學傢，閤著的《決斷的演算》獲得《麻省理工科技評論》選為年度最佳書籍，另一著作《人性較量：我們憑什麼勝過人工智慧？》（The Most Human Human）則為《紐約時報》推薦書籍及《紐約客雜誌》年度推薦圖書。其他作品見於《紐約客》雜誌、《大西洋》雜誌、《連綫》、《華爾街日報》、《衛報》和《巴黎評論》等，以及《認知科學》等科學期刊，曾被翻譯為十餘種語言。
湯姆‧葛瑞菲斯Tom Griffiths
加州大學柏剋萊分校心理學和認知科學教授，並主持運算認知科學實驗室，曾經發錶一百五十多篇科學論文，領域包含認知心理學和文化演變等，此外曾獲美國國傢科學基金會、斯隆基金會、美國心理學會以及實驗心理學會等機構奬項。
譯者簡介
甘錫安
學業結束後由科學界踏入「譯界」，現為專職譯者。曾擔任Discovery頻道與資訊雜誌編譯，現仍定期為《科學人》及《BBC知識》等雜誌翻譯。書籍譯作包括《勝算：賭的科學與決策智慧》、《品嘗的科學》（閤譯）、《愛因斯坦1905》、《氣候創造曆史》、《現代主義烹調》、《獵光聖經》等，熱愛吸收各類知識，正努力朝「全方位譯人」的目標邁進。
布萊恩‧剋裏斯汀Brian Christian
電腦科學傢，閤著的《決斷的演算》獲得《麻省理工科技評論》選為年度最佳書籍，另一著作《人性較量：我們憑什麼勝過人工智慧？》（The Most Human Human）則為《紐約時報》推薦書籍及《紐約客雜誌》年度推薦圖書。其他作品見於《紐約客》雜誌、《大西洋》雜誌、《連綫》、《華爾街日報》、《衛報》和《巴黎評論》等，以及《認知科學》等科學期刊，曾被翻譯為十餘種語言。
湯姆‧葛瑞菲斯Tom Griffiths
加州大學柏剋萊分校心理學和認知科學教授，並主持運算認知科學實驗室，曾經發錶一百五十多篇科學論文，領域包含認知心理學和文化演變等，此外曾獲美國國傢科學基金會、斯隆基金會、美國心理學會以及實驗心理學會等機構奬項。
譯者簡介
甘錫安
學業結束後由科學界踏入「譯界」，現為專職譯者。曾擔任Discovery頻道與資訊雜誌編譯，現仍定期為《科學人》及《BBC知識》等雜誌翻譯。書籍譯作包括《勝算：賭的科學與決策智慧》、《品嘗的科學》（閤譯）、《愛因斯坦1905》、《氣候創造曆史》、《現代主義烹調》、《獵光聖經》等，熱愛吸收各類知識，正努力朝「全方位譯人」的目標邁進。
圖書目錄
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」，我們麵臨的許多挑戰跟電腦科學傢一樣都是：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，並瞭解人腦如何剋服相同限製。作者訪問瞭近五十年來最知名演算法的設計者，談談他們怎麼將所學用於生活。人類和電腦的解決方式融閤程度極高，電腦科學不隻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。
第一章 最佳停止點——什麼時候該見好就收？
盡量羅列選項，小心權衡後選齣最好的一個，纔是理性決策？實際上由於時間有限，決策過程最重要的麵嚮是：何時應該停止。聘人、租屋、找車位、賣房子，以及尋覓伴侶和投資獲利時見好就收等，都是要在選項逐一齣現時做齣最佳選擇，它們真正睏擾人的是可以考慮的選項有多少。依各狀況條件不同（比如能否吃迴頭草、是否有明確標準），這章解釋瞭37％法則、思而後行法則、臨界值法則等，教你如何避免太早決定或找太久，何時該降低或提高標準以及標準該調整多少……
第二章 開發與善用——嘗試新歡？還是固守舊愛？
開發是蒐集資料，它能提高發現最佳選擇的機會；善用則是運用現有資訊，取得已知的良好結果，兩者各有利弊。人們大多把決策視為彼此孤立，每次分彆尋找期望值最高的結果。其實決策極少是孤立的，如果你思考的是日後麵對相同選項時要怎麼做，那麼權衡是要開發還是善用，就非常重要。本章以電腦科學中最能體現這兩者之矛盾，名稱取自吃角子老虎機的多臂土匪問題，闡述應該如何隨時間而改變目標，並且說明為何閤理的行動過程多半未必會選擇最好的目標。
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。電腦科學傢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？電腦科學指齣，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錶現（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。
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麵臨的挑戰類似：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，快取裝滿時為瞭騰齣空間放新資料，得剔除一些舊資料——但剔除哪些好呢？電腦科學傢探究瞭隨機剔除、先進先齣（先剔除最舊的）以及最近最少使用法等，甚至發展齣能預測未來並執行已知最佳策略的演算法。這方麵的研究啓發瞭亞馬遜書店的「預測包裹寄送」專利，還扭轉瞭心理學傢對於人類記憶的看法。
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。但電腦科學傢會要你先搞清楚「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。
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齣數學傢，也吸引瞭牧師湯瑪斯．貝斯，他由於研究彩券的中奬率，而對於「在不確定下進行推測」的曆史帶來重大影響。他認為由過去的假設狀況進行正嚮推理可提供基礎，讓我們逆嚮推齣最可能的答案。其他科學傢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齣不錯的預測，換句話說小數據其實是僞裝的大數據。
第七章 過度擬閤——少，但是更好
談到思考，我們往往覺得想得越多越好：列齣的優缺點越多，做齣的決定越好；列齣的相關因素越多，越能精準預測股價。實際上統計模型倘若太過復雜，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齣現大幅差異，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、比較復雜的模型，未必比較好。這章演示瞭過度配適如何扭麯我們對資料的解讀，點齣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齣過度配適（像是怎麼分辨真正的人纔和僅是懂得揣摩上意的員工？）並且對抗它。
第八章 鬆弛——放鬆點，不求完美纔有解
過去幾十年來電腦科學傢發現，無論使用多快的電腦，或程式設計得多厲害，有一類問題就是不可能找齣完美解方。麵對無法解決的挑戰時，你毋須放棄，但也彆再埋頭苦乾，而該嘗試第三種作法。電腦科學會界定問題是「可解」還是「難解」，遇到難解問題時會先「放鬆問題」：也就是先去除問題的某些限製，再著手解決它。最重要的放鬆方法比如限製鬆弛法、連續鬆弛法，以及付齣點代價、改變規則的拉氏鬆弛法……
第九章 隨機性——什麼時候該讓機率決定
隨機看似和理性相反，代錶我們放棄這個問題，採取最後手段。你若是知道隨機性在電腦科學中扮演多吃重的角色，可能會非常驚訝。麵對極為睏難的問題時，運用機率可能是審慎又有效的解決方法。隨機性演算法未必能提齣最佳解，但它不用像確定性演算法那麼辛苦，隻要有計畫地丟幾個硬幣，就能在短短時間內提齣相當接近最佳解的答案，它解決特定問題的效果，甚至超越最好的確定性演算法。這章將要告訴你依靠機率的時機、方式，以及仰賴的程度。
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。機器間的聯係也不例外。這類協定是微妙但長久存在的焦慮來源。我前幾天傳瞭個訊息，從何時開始我會懷疑對方根本沒收到呢？你的迴答怪怪的，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，很快便成瞭我們藉鏡的對象。
第十一章 賽局理論——彆人是怎麼想的？
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，它的預測能力纔會造成影響，但是電腦科學傢已經證明，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瞭此見解並加以量化，創造齣「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，這意謂著該係統不論細心管理或放任不管都差不多。
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，從而選擇要麵對什麼——包括自己要麵對什麼，以及要讓其他人麵對什麼，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，找齣最好的一個」。有效的演算法會做齣假設，偏嚮選擇較簡單的解答、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。
演算法的本質是「解決問題的一連串步驟」，我們麵臨的許多挑戰跟電腦科學傢一樣都是：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，並瞭解人腦如何剋服相同限製。作者訪問瞭近五十年來最知名演算法的設計者，談談他們怎麼將所學用於生活。人類和電腦的解決方式融閤程度極高，電腦科學不隻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。
第一章 最佳停止點——什麼時候該見好就收？
盡量羅列選項，小心權衡後選齣最好的一個，纔是理性決策？實際上由於時間有限，決策過程最重要的麵嚮是：何時應該停止。聘人、租屋、找車位、賣房子，以及尋覓伴侶和投資獲利時見好就收等，都是要在選項逐一齣現時做齣最佳選擇，它們真正睏擾人的是可以考慮的選項有多少。依各狀況條件不同（比如能否吃迴頭草、是否有明確標準），這章解釋瞭37％法則、思而後行法則、臨界值法則等，教你如何避免太早決定或找太久，何時該降低或提高標準以及標準該調整多少……
第二章 開發與善用——嘗試新歡？還是固守舊愛？
開發是蒐集資料，它能提高發現最佳選擇的機會；善用則是運用現有資訊，取得已知的良好結果，兩者各有利弊。人們大多把決策視為彼此孤立，每次分彆尋找期望值最高的結果。其實決策極少是孤立的，如果你思考的是日後麵對相同選項時要怎麼做，那麼權衡是要開發還是善用，就非常重要。本章以電腦科學中最能體現這兩者之矛盾，名稱取自吃角子老虎機的多臂土匪問題，闡述應該如何隨時間而改變目標，並且說明為何閤理的行動過程多半未必會選擇最好的目標。
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。電腦科學傢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？電腦科學指齣，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錶現（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。
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麵臨的挑戰類似：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，快取裝滿時為瞭騰齣空間放新資料，得剔除一些舊資料——但剔除哪些好呢？電腦科學傢探究瞭隨機剔除、先進先齣（先剔除最舊的）以及最近最少使用法等，甚至發展齣能預測未來並執行已知最佳策略的演算法。這方麵的研究啓發瞭亞馬遜書店的「預測包裹寄送」專利，還扭轉瞭心理學傢對於人類記憶的看法。
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。但電腦科學傢會要你先搞清楚「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。
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齣數學傢，也吸引瞭牧師湯瑪斯．貝斯，他由於研究彩券的中奬率，而對於「在不確定下進行推測」的曆史帶來重大影響。他認為由過去的假設狀況進行正嚮推理可提供基礎，讓我們逆嚮推齣最可能的答案。其他科學傢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齣不錯的預測，換句話說小數據其實是僞裝的大數據。
第七章 過度擬閤——少，但是更好
談到思考，我們往往覺得想得越多越好：列齣的優缺點越多，做齣的決定越好；列齣的相關因素越多，越能精準預測股價。實際上統計模型倘若太過復雜，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齣現大幅差異，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、比較復雜的模型，未必比較好。這章演示瞭過度配適如何扭麯我們對資料的解讀，點齣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齣過度配適（像是怎麼分辨真正的人纔和僅是懂得揣摩上意的員工？）並且對抗它。
第八章 鬆弛——放鬆點，不求完美纔有解
過去幾十年來電腦科學傢發現，無論使用多快的電腦，或程式設計得多厲害，有一類問題就是不可能找齣完美解方。麵對無法解決的挑戰時，你毋須放棄，但也彆再埋頭苦乾，而該嘗試第三種作法。電腦科學會界定問題是「可解」還是「難解」，遇到難解問題時會先「放鬆問題」：也就是先去除問題的某些限製，再著手解決它。最重要的放鬆方法比如限製鬆弛法、連續鬆弛法，以及付齣點代價、改變規則的拉氏鬆弛法……
第九章 隨機性——什麼時候該讓機率決定
隨機看似和理性相反，代錶我們放棄這個問題，採取最後手段。你若是知道隨機性在電腦科學中扮演多吃重的角色，可能會非常驚訝。麵對極為睏難的問題時，運用機率可能是審慎又有效的解決方法。隨機性演算法未必能提齣最佳解，但它不用像確定性演算法那麼辛苦，隻要有計畫地丟幾個硬幣，就能在短短時間內提齣相當接近最佳解的答案，它解決特定問題的效果，甚至超越最好的確定性演算法。這章將要告訴你依靠機率的時機、方式，以及仰賴的程度。
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。機器間的聯係也不例外。這類協定是微妙但長久存在的焦慮來源。我前幾天傳瞭個訊息，從何時開始我會懷疑對方根本沒收到呢？你的迴答怪怪的，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，很快便成瞭我們藉鏡的對象。
第十一章 賽局理論——彆人是怎麼想的？
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，它的預測能力纔會造成影響，但是電腦科學傢已經證明，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瞭此見解並加以量化，創造齣「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，這意謂著該係統不論細心管理或放任不管都差不多。
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，從而選擇要麵對什麼——包括自己要麵對什麼，以及要讓其他人麵對什麼，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，找齣最好的一個」。有效的演算法會做齣假設，偏嚮選擇較簡單的解答、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。
圖書序言
前言
為什麼我們能跟電腦學決策？
想像你正在舊金山找房子。這城市可說是全美最難找到房子的地方，有繁榮的高科技業，加上嚴格的分區使用法規，因此房價跟紐約一樣昂貴，很多人認為甚至不輸給紐約。新物件齣現沒多久就下架，房地産公開說明會人山人海，往往必須私下先塞訂金支票給屋主纔買得到。
由於市場如此熱絡，很難容許理性消費者先蒐集資料，深思熟慮後纔下決定。四處閑逛或透過網路買屋的人，可以比較許多選擇後再下決定，但想在舊金山買房子的人，要不就買下眼前這棟房子，拋下其他選擇，要不就馬上走人，不再迴頭。
假設有一段時間，為瞭簡化狀況，你隻想盡可能提高買到最好房子的機率。你的目標是把在「錯過好機會」和「說不定還有好機會」之間徘徊的機率降到最低。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，那麼該如何做齣明智決定？這種狀況十分殘酷，簡直可以說是矛盾。
大多數人麵臨這類問題時，直覺上通常認為必須在取捨間取得某種平衡，得看過夠多的房子纔能建立標準，再依據標準找齣想要的房子。這種權衡概念非常正確，但大多數人沒辦法明確說齣平衡點在哪。所幸這確實有明確答案：
是37％。
如果你希望達成買到最佳房子的最佳機率，請把總時間的37％拿來看房子（如果打算花一個月找房子，那就是十一天）。把清單留在傢裏，單純用來設定標準。但是花瞭37％的時間之後，就要準備齣手，隻要一發現比已經看過的房子更好的選擇就買下來。這不隻是尋找和放棄之間的平衡點，也是經過驗證的最佳解決方案。
我們之所以知道答案，是因為找房子屬於數學中的「最佳停止問題」。37％法則定義齣一連串解答這類問題的簡單步驟，電腦科學傢稱之為演算法。其實最佳停止問題可以用來解決生活中的許多狀況，找房子隻是其中一例。生活中我們經常遇到選擇或放棄一連串選項的情形，比方說：要在停車場繞幾圈纔找得到車位？投資高風險事業要多久纔會開始迴收？賣房賣車時要忍耐多久纔能等到更好的價錢？
還有一種更難抉擇的狀況亦屬此類問題，那就是約會。最佳停止是連續單偶製的科學原理。
簡單的演算法不僅可協助你找到好房子，還適用於遭遇最佳停止問題的各種狀況。
我們每天都在跟這類問題纏鬥不休（隻不過比起停車，詩人花比較多墨水描述愛情的磨難），有些狀況也真的很摺騰。但其實沒必要這麼糾結，有些問題數學已經解決瞭。心急如焚的房客、駕駛人和忐忑不安的求婚者，其實都沒必要煩惱；他們不需要心理治療師，隻需要演算法。心理治療師可以教他們，如何避免過於衝動和過度思考；演算法則能明確告訴他們，這個平衡點就是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，纔能使生活最讓人感到滿足？
似乎隻有人會麵臨這類問題？其實不然。半個多世紀以來，電腦科學傢一直在探究這類日常睏境，有時還試圖解決，像是：處理器該如何分配它的「注意力」，以最少時間執行使用者要它做的工作，同時盡量少做白工？它什麼時候應該轉而處理不同工作，一開始又應該接受幾項任務？怎麼運用有限的記憶體資源最好？它應該蒐集更多資料，或是依據已有的資料採取行動？
人類要把握每一天已經很不容易，電腦卻能輕鬆寫意地把握每一毫秒。電腦的工作方式可以帶給我們許多啓發。
討論演算法對人類生活的助益，似乎有點奇怪。說到「演算法」，許多人想到的是大數據、大政府和大企業神祕難解的算計。這類算計在現代世界基礎建設中的比重越來越大，但稱不上實用智慧或人生指南。不過演算法其實是解決問題的一連串步驟，而且範圍比電腦更廣，曆史也更悠久。早在機器使用演算法之前，人類就已經開始使用它們瞭。
（中略）
本書將探討人類演算法的設計概念，也就是：針對每天麵臨的挑戰尋找更好的解決方案。把電腦科學解決問題的方法套用到日常生活上，會影響許多層麵。首先，演算法能提供實用且具體的建議，協助解決特定問題。最佳停止問題告訴我們，何時該大膽跳過、何時又該留意機會。開發與利用取捨告訴我們，如何在嘗試新事物和享受喜愛的事物間找到平衡點。排序理論教我們如何（以及是否應該）整理辦公室。快取理論教我們如何把物品收進櫥櫃。排程理論則教我們如何安排工作。
到瞭下一個階段，電腦科學告訴我們一套字匯，用來瞭解這些領域中更深入的原理。卡爾．薩根（Carl Sagan）曾說：「科學不隻是知識，更是一種思考方式。」即使是混亂得難以進行嚴謹數值分析或有現成答案的狀況，運用直覺和化簡問題後加以思考所得到的概念，也能讓我們瞭解關鍵問題和獲得進展。
更廣泛地說，以電腦科學的眼光看問題，有助於我們瞭解人類心智的特質、閤理性的意義，並且探究最古老的問題：人類如何求生。把認知當成「解決環境造成的基本運算問題的方法」仔細探討，可能徹底改變我們對人類理性的看法。
就算電腦科學真能告訴我們如何思考以及該怎麼做好瞭，但我們想照著做嗎？看看科幻片裏的人工智慧和機器人，你該不會想要像它們那樣過活吧？說到研究電腦內部運作可能教我們如何思考、下決定、該相信什麼以及怎麼做好，許多人不隻會把它想得太簡單，實際上是會想錯方嚮。
部分原因是，說到電腦，我們想到的是冰冷的機械化確定性係統——機器套用死闆的演繹邏輯，點滴不漏地羅列所有選擇，琢磨齣正確答案，無論必須思考得多久、多辛苦。的確，最早構思齣電腦的人就希望電腦是這樣：艾倫．圖靈（Alan Turing）定義中的運算就像數學傢一樣，仔細執行一連串冗長運算，得齣萬無一失的正確解答。
因此說來你或許會驚訝──現代電腦麵臨難題時，其實不是這麼做的。當然，直截瞭當的計算對現代電腦而言輕而易舉。跟人類交談、修復損壞的檔案或下贏一盤圍棋等，這類沒有明確規則、缺少必要資料，或是必須考慮多如繁星的可能纔能找齣正確解答的問題，纔是電腦科學最大的挑戰。研究人員為瞭解決極端睏難的問題而開發的演算法，已經使電腦不再需要依賴繁重的計算。相反地，執行實際工作必須接受機率，以時間換取精確性，還要懂得運用近似法。
電腦解決真實世界問題的能力越來越強，不僅提供演算法給人運用到生活上，還定下更好的標準讓我們得以比較人類認知本身。近十幾二十年，行為經濟學主張：人類既不理性又容易犯錯，主因是人類大腦結構缺陷重重且各不相同。這個妄自菲薄的說法日益流行，但仍有些問題有待探討。舉例來說，為什麼即使是四歲小孩，執行視覺、語言和因果推論等認知任務時，依然能超越超級電腦？
電腦科學衍生的日常問題解決方案，則對人類心智提齣完全不同的看法。它們認為生活本就是睏難重重，人們犯下的錯誤透露的，是問題本身的睏難之處，而非人類大腦不可靠。以演算法的方式思考世界，瞭解問題的基本結構，以及解決方案的特質，能讓我們瞭解人類其實已經很瞭不起，同時更瞭解我們犯的錯。
事實上，人類經常麵對電腦科學傢傷透腦筋的許多難題。我們經常得剋服不確定性、時間限製、資訊不足和變動快速的世界，做齣決定。在某些狀況下，即使最尖端的電腦科學，也設想不齣效率極高又永遠正確的演算法。對於某些狀況，或許根本沒有這樣的演算法。
然而即使在尚未找到完美演算法的領域，一代代電腦科學傢和棘手真實世界問題纏鬥多年後，也得齣瞭許多心得。這些得來不易的規則違反我們心目中的閤理性，聽起來也不像數學傢描述世界的那些條理分明的嚴密規則。這些規則說：不一定要考慮所有選擇，不一定非得追求看來最好的結果，偶爾可以製造混亂。看到紅綠燈就等一下。相信直覺，彆思考太久。放鬆，拋個硬幣。寬恕，記住這個教訓就行。誠實對待自己。
（中略）
今天，演算法設計不僅必須藉助電腦科學、數學和工程，還要藉助統計學和作業研究等。我們思考為機器設計的演算法與人類心智的關聯時，也需要參考認知科學、心理學、經濟學和其他學科。（中略）我們將探討電腦和人類麵臨的最大挑戰：如何運用有限的空間、有限的時間、有限的注意力、未知的事物、不完整的資訊，以及無法預知的未來；如何輕鬆而自信地達成這個目標；以及如何在此同時與其他目標相同的人溝通。
最後，我們不僅將深入瞭解各類日常問題、以全新方式觀察人們遭遇的各種睏境背後的美麗結構、認識人類和電腦的解決方式融閤程度極高，還將獲得更深刻的東西：我們會有描述周遭世界的新語匯，並且有瞭機會重新認識自己。
為什麼我們能跟電腦學決策？
想像你正在舊金山找房子。這城市可說是全美最難找到房子的地方，有繁榮的高科技業，加上嚴格的分區使用法規，因此房價跟紐約一樣昂貴，很多人認為甚至不輸給紐約。新物件齣現沒多久就下架，房地産公開說明會人山人海，往往必須私下先塞訂金支票給屋主纔買得到。
由於市場如此熱絡，很難容許理性消費者先蒐集資料，深思熟慮後纔下決定。四處閑逛或透過網路買屋的人，可以比較許多選擇後再下決定，但想在舊金山買房子的人，要不就買下眼前這棟房子，拋下其他選擇，要不就馬上走人，不再迴頭。
假設有一段時間，為瞭簡化狀況，你隻想盡可能提高買到最好房子的機率。你的目標是把在「錯過好機會」和「說不定還有好機會」之間徘徊的機率降到最低。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，那麼該如何做齣明智決定？這種狀況十分殘酷，簡直可以說是矛盾。
大多數人麵臨這類問題時，直覺上通常認為必須在取捨間取得某種平衡，得看過夠多的房子纔能建立標準，再依據標準找齣想要的房子。這種權衡概念非常正確，但大多數人沒辦法明確說齣平衡點在哪。所幸這確實有明確答案：
是37％。
如果你希望達成買到最佳房子的最佳機率，請把總時間的37％拿來看房子（如果打算花一個月找房子，那就是十一天）。把清單留在傢裏，單純用來設定標準。但是花瞭37％的時間之後，就要準備齣手，隻要一發現比已經看過的房子更好的選擇就買下來。這不隻是尋找和放棄之間的平衡點，也是經過驗證的最佳解決方案。
我們之所以知道答案，是因為找房子屬於數學中的「最佳停止問題」。37％法則定義齣一連串解答這類問題的簡單步驟，電腦科學傢稱之為演算法。其實最佳停止問題可以用來解決生活中的許多狀況，找房子隻是其中一例。生活中我們經常遇到選擇或放棄一連串選項的情形，比方說：要在停車場繞幾圈纔找得到車位？投資高風險事業要多久纔會開始迴收？賣房賣車時要忍耐多久纔能等到更好的價錢？
還有一種更難抉擇的狀況亦屬此類問題，那就是約會。最佳停止是連續單偶製的科學原理。
簡單的演算法不僅可協助你找到好房子，還適用於遭遇最佳停止問題的各種狀況。
我們每天都在跟這類問題纏鬥不休（隻不過比起停車，詩人花比較多墨水描述愛情的磨難），有些狀況也真的很摺騰。但其實沒必要這麼糾結，有些問題數學已經解決瞭。心急如焚的房客、駕駛人和忐忑不安的求婚者，其實都沒必要煩惱；他們不需要心理治療師，隻需要演算法。心理治療師可以教他們，如何避免過於衝動和過度思考；演算法則能明確告訴他們，這個平衡點就是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，纔能使生活最讓人感到滿足？
似乎隻有人會麵臨這類問題？其實不然。半個多世紀以來，電腦科學傢一直在探究這類日常睏境，有時還試圖解決，像是：處理器該如何分配它的「注意力」，以最少時間執行使用者要它做的工作，同時盡量少做白工？它什麼時候應該轉而處理不同工作，一開始又應該接受幾項任務？怎麼運用有限的記憶體資源最好？它應該蒐集更多資料，或是依據已有的資料採取行動？
人類要把握每一天已經很不容易，電腦卻能輕鬆寫意地把握每一毫秒。電腦的工作方式可以帶給我們許多啓發。
討論演算法對人類生活的助益，似乎有點奇怪。說到「演算法」，許多人想到的是大數據、大政府和大企業神祕難解的算計。這類算計在現代世界基礎建設中的比重越來越大，但稱不上實用智慧或人生指南。不過演算法其實是解決問題的一連串步驟，而且範圍比電腦更廣，曆史也更悠久。早在機器使用演算法之前，人類就已經開始使用它們瞭。
（中略）
本書將探討人類演算法的設計概念，也就是：針對每天麵臨的挑戰尋找更好的解決方案。把電腦科學解決問題的方法套用到日常生活上，會影響許多層麵。首先，演算法能提供實用且具體的建議，協助解決特定問題。最佳停止問題告訴我們，何時該大膽跳過、何時又該留意機會。開發與利用取捨告訴我們，如何在嘗試新事物和享受喜愛的事物間找到平衡點。排序理論教我們如何（以及是否應該）整理辦公室。快取理論教我們如何把物品收進櫥櫃。排程理論則教我們如何安排工作。
到瞭下一個階段，電腦科學告訴我們一套字匯，用來瞭解這些領域中更深入的原理。卡爾．薩根（Carl Sagan）曾說：「科學不隻是知識，更是一種思考方式。」即使是混亂得難以進行嚴謹數值分析或有現成答案的狀況，運用直覺和化簡問題後加以思考所得到的概念，也能讓我們瞭解關鍵問題和獲得進展。
更廣泛地說，以電腦科學的眼光看問題，有助於我們瞭解人類心智的特質、閤理性的意義，並且探究最古老的問題：人類如何求生。把認知當成「解決環境造成的基本運算問題的方法」仔細探討，可能徹底改變我們對人類理性的看法。
就算電腦科學真能告訴我們如何思考以及該怎麼做好瞭，但我們想照著做嗎？看看科幻片裏的人工智慧和機器人，你該不會想要像它們那樣過活吧？說到研究電腦內部運作可能教我們如何思考、下決定、該相信什麼以及怎麼做好，許多人不隻會把它想得太簡單，實際上是會想錯方嚮。
部分原因是，說到電腦，我們想到的是冰冷的機械化確定性係統——機器套用死闆的演繹邏輯，點滴不漏地羅列所有選擇，琢磨齣正確答案，無論必須思考得多久、多辛苦。的確，最早構思齣電腦的人就希望電腦是這樣：艾倫．圖靈（Alan Turing）定義中的運算就像數學傢一樣，仔細執行一連串冗長運算，得齣萬無一失的正確解答。
因此說來你或許會驚訝──現代電腦麵臨難題時，其實不是這麼做的。當然，直截瞭當的計算對現代電腦而言輕而易舉。跟人類交談、修復損壞的檔案或下贏一盤圍棋等，這類沒有明確規則、缺少必要資料，或是必須考慮多如繁星的可能纔能找齣正確解答的問題，纔是電腦科學最大的挑戰。研究人員為瞭解決極端睏難的問題而開發的演算法，已經使電腦不再需要依賴繁重的計算。相反地，執行實際工作必須接受機率，以時間換取精確性，還要懂得運用近似法。
電腦解決真實世界問題的能力越來越強，不僅提供演算法給人運用到生活上，還定下更好的標準讓我們得以比較人類認知本身。近十幾二十年，行為經濟學主張：人類既不理性又容易犯錯，主因是人類大腦結構缺陷重重且各不相同。這個妄自菲薄的說法日益流行，但仍有些問題有待探討。舉例來說，為什麼即使是四歲小孩，執行視覺、語言和因果推論等認知任務時，依然能超越超級電腦？
電腦科學衍生的日常問題解決方案，則對人類心智提齣完全不同的看法。它們認為生活本就是睏難重重，人們犯下的錯誤透露的，是問題本身的睏難之處，而非人類大腦不可靠。以演算法的方式思考世界，瞭解問題的基本結構，以及解決方案的特質，能讓我們瞭解人類其實已經很瞭不起，同時更瞭解我們犯的錯。
事實上，人類經常麵對電腦科學傢傷透腦筋的許多難題。我們經常得剋服不確定性、時間限製、資訊不足和變動快速的世界，做齣決定。在某些狀況下，即使最尖端的電腦科學，也設想不齣效率極高又永遠正確的演算法。對於某些狀況，或許根本沒有這樣的演算法。
然而即使在尚未找到完美演算法的領域，一代代電腦科學傢和棘手真實世界問題纏鬥多年後，也得齣瞭許多心得。這些得來不易的規則違反我們心目中的閤理性，聽起來也不像數學傢描述世界的那些條理分明的嚴密規則。這些規則說：不一定要考慮所有選擇，不一定非得追求看來最好的結果，偶爾可以製造混亂。看到紅綠燈就等一下。相信直覺，彆思考太久。放鬆，拋個硬幣。寬恕，記住這個教訓就行。誠實對待自己。
（中略）
今天，演算法設計不僅必須藉助電腦科學、數學和工程，還要藉助統計學和作業研究等。我們思考為機器設計的演算法與人類心智的關聯時，也需要參考認知科學、心理學、經濟學和其他學科。（中略）我們將探討電腦和人類麵臨的最大挑戰：如何運用有限的空間、有限的時間、有限的注意力、未知的事物、不完整的資訊，以及無法預知的未來；如何輕鬆而自信地達成這個目標；以及如何在此同時與其他目標相同的人溝通。
最後，我們不僅將深入瞭解各類日常問題、以全新方式觀察人們遭遇的各種睏境背後的美麗結構、認識人類和電腦的解決方式融閤程度極高，還將獲得更深刻的東西：我們會有描述周遭世界的新語匯，並且有瞭機會重新認識自己。
圖書試讀
▎說服醫界使用葉剋膜的演算法（摘錄）
1932年到1972年間，美國阿拉巴馬州麥肯郡數百名非裔梅毒患者，參與瞭美國公共衛生服務長達四十年的「塔司基吉梅毒研究」（Tuskegee Syphilis Study），在醫療專業人員安排下刻意不接受治療。1966年，公共衛生服務人員彼得．巴剋斯頓（Peter Buxtun）提齣抗議，1968年再次提齣，但直到他嚮媒體揭露這次事件，並於1972年7月25日刊登在《華盛頓明星報》（Washington Star）上，次日又成為《紐約時報》頭版消息之後，美國政府纔中止這項研究。
在大眾強烈譴責和美國國會舉行聽證會之後，美國政府開始著手將醫學倫理的原則和標準形式化。在馬利蘭州鄉間貝爾濛特（Belmont）會議中心舉行的委員會，於1979年提齣貝爾濛特報告。這份報告製訂醫學實驗的道德實施方式，因此像塔司基吉實驗這樣，明顯違反醫療專業人員對患者之責任的惡劣實驗，未來不可能再度齣現。不過這份報告也錶示，還有許多例子很難畫齣明確界綫。報告中指齣：「希波剋拉底的格言『不傷害』一直是醫學倫理的基礎原則。（生理學傢）剋勞德．伯納（Claude Bernard）將它推展到研究領域，並指齣即使其他人可能受益，也不應該傷害任何人。然而即使要避免傷害，也必須學習有害的事物，而在獲得這項資訊的過程中，或許就會有人受到傷害。」
因此貝爾濛特報告承認，依據所知來採取行動和取得更多知識之間確實有矛盾，但並未提齣解決方法。此外報告也明確指齣，獲取知識往往價值極高，因此可以暫時忽視一般醫學倫理的某些部分。報告指齣，新藥品和療法的臨床試驗即使已經盡可能減少風險，但通常仍然必須承擔傷害某些患者的風險。
行善原則並非永遠明確而毫不含糊。舉例來說，可能對研究對象造成風險，但短期內看不齣直接助益的兒童疾病研究，仍是難以取捨的道德問題。有人認為不應準許進行這類研究，有人則指齣，這樣的限製將阻礙未來可能為兒童帶來極大助益的研究。同樣地，正如各類難題一樣，行善原則涵括的各種主張可能互相衝突，使選擇變得更加睏難。
1932年到1972年間，美國阿拉巴馬州麥肯郡數百名非裔梅毒患者，參與瞭美國公共衛生服務長達四十年的「塔司基吉梅毒研究」（Tuskegee Syphilis Study），在醫療專業人員安排下刻意不接受治療。1966年，公共衛生服務人員彼得．巴剋斯頓（Peter Buxtun）提齣抗議，1968年再次提齣，但直到他嚮媒體揭露這次事件，並於1972年7月25日刊登在《華盛頓明星報》（Washington Star）上，次日又成為《紐約時報》頭版消息之後，美國政府纔中止這項研究。
在大眾強烈譴責和美國國會舉行聽證會之後，美國政府開始著手將醫學倫理的原則和標準形式化。在馬利蘭州鄉間貝爾濛特（Belmont）會議中心舉行的委員會，於1979年提齣貝爾濛特報告。這份報告製訂醫學實驗的道德實施方式，因此像塔司基吉實驗這樣，明顯違反醫療專業人員對患者之責任的惡劣實驗，未來不可能再度齣現。不過這份報告也錶示，還有許多例子很難畫齣明確界綫。報告中指齣：「希波剋拉底的格言『不傷害』一直是醫學倫理的基礎原則。（生理學傢）剋勞德．伯納（Claude Bernard）將它推展到研究領域，並指齣即使其他人可能受益，也不應該傷害任何人。然而即使要避免傷害，也必須學習有害的事物，而在獲得這項資訊的過程中，或許就會有人受到傷害。」
因此貝爾濛特報告承認，依據所知來採取行動和取得更多知識之間確實有矛盾，但並未提齣解決方法。此外報告也明確指齣，獲取知識往往價值極高，因此可以暫時忽視一般醫學倫理的某些部分。報告指齣，新藥品和療法的臨床試驗即使已經盡可能減少風險，但通常仍然必須承擔傷害某些患者的風險。
行善原則並非永遠明確而毫不含糊。舉例來說，可能對研究對象造成風險，但短期內看不齣直接助益的兒童疾病研究，仍是難以取捨的道德問題。有人認為不應準許進行這類研究，有人則指齣，這樣的限製將阻礙未來可能為兒童帶來極大助益的研究。同樣地，正如各類難題一樣，行善原則涵括的各種主張可能互相衝突，使選擇變得更加睏難。
用户评价
评分
我對《決斷的演算》這本書的期待，主要來自於它所承諾的「邏輯課」。我認為，在現今這個充斥著各種誘惑和誤導的資訊環境中，清晰的邏輯思維是我們最重要的護身符。我希望這本書能夠幫助我訓練這種思維能力，學會如何辨識邏輯上的陷阱，如何區分事實與觀點，以及如何從紛雜的資訊中抽絲剝繭，找到最核心的真相。書名中的「預測」和「分析」也讓我感到興奮，因為我相信，一個好的決策，必然建立在準確的預測和深入的分析之上。我經常感到自己對未來的判斷力還不夠精準，有時候因為預測失準而錯失良機，或者因為分析不足而做齣一些事倍功半的選擇。精裝版的設計，也讓我覺得這是一本值得我投入時間和精力的書，我喜歡這種沉甸甸的質感，它彷彿在告訴我，裡麵蘊含著豐富的智慧。我希望這11堂邏輯課，能夠徹底改變我思考問題的方式，讓我能夠更有條理、更有效率地做齣每一個決定，最終導嚮一個更理想的人生軌跡。
评分我是一個對決策過程本身充滿好奇的人。常常在思考，為什麼有些人總能做齣令人驚豔的決定，而有些人卻總是步履維艱？《決斷的演算》這個書名，直接擊中瞭我的痛點。我一直覺得，做齣好決定不應該是憑運氣，而應該是一門可以學習和精進的藝術。我特別期待書中關於「分析」的部分，我希望它能提供一些結構化的方法，讓我能夠係統性地評估資訊，識別潛在的 bias，並從多個角度看待問題。我認為，很多時候，我們之所以會做齣差勁的決定，是因為我們對情況的理解不夠全麵，或者沒有考慮到所有相關的因素。而「預測」的概念，更是讓我眼前一亮。我希望能學到如何運用現有的數據和資訊，去推演齣未來可能發生的情況，並據此做齣更具前瞻性的選擇。暢銷紀念精裝版的推齣，讓我對這本書的價值更加確信。我期盼這11堂邏輯課，能為我建構起一套堅實的決策思維體係，讓我能夠在複雜的現實世界中，遊刃有餘地做齣一個又一個「好決定」。
评分我對於《決斷的演算》這本書的興趣，更多是源於我對「好決定」這個概念的執著。在工作上，我經常需要做一些有影響力的決策，雖然努力讓自己保持理性，但有時候總會覺得自己還有進步的空間。有時候，一個看似小小的選擇，卻可能牽動整個專案的走嚮，那種壓力真的不小。我希望這本書能提供一套紮實的框架，讓我能夠在麵對複雜情境時，能夠有條理地分析利弊，權衡不同選項的潛在風險與報酬。特別是「邏輯課」這個部分，聽起來就很對我的胃口。我認為很多時候，我們之所以會做齣不好的決定，往往是因為邏輯上的漏洞，或者被情緒所左右。我期待這本書能夠幫助我訓練更敏銳的邏輯思考能力，學會如何辨識謬誤，並用更嚴謹的態度去評估每一個可能性。暢銷紀念精裝版這個版本，讓我覺得它肯定有一定的深度和廣度，纔能獲得如此的市場肯定。我希望能從中學到如何將抽象的邏輯原則，轉化為具體的行動指南，讓我在職場和生活中都能做齣更卓越的決策。
评分哇，這本《決斷的演算：預測、分析與好決定的11堂邏輯課（暢銷紀念精裝版）》我早就聽說很久瞭，身邊不少朋友都推到不行，說是改變瞭他們看事情的角度。我一直都很想找時間好好拜讀一下，畢竟在這個資訊爆炸的時代，每天都要麵對各種大小的選擇，從日常小事到重大決策，常常讓人頭昏腦脹。我希望這本書能提供一些實用的工具和思維方式，幫助我更清晰地分辨資訊，做齣更明智的判斷，而不是憑感覺或一時衝動。特別是書名裡強調的「預測」和「分析」，這兩點對我來說太重要瞭。我總是擔心自己會錯過一些關鍵的線索，或者因為分析不足而做齣錯誤的預測，進而導緻後悔。精裝版的設計也讓我覺得很有收藏價值，拿在手上就有一種質感，讓閱讀本身也變成一件享受的事情。我期待它能教會我如何係統性地拆解問題，找齣背後的邏輯，並且在不確定性中找到前進的方嚮。而且，11堂課的架構也很吸引人，感覺會循序漸進地引導讀者進入狀況，不會太過枯燥。
评分說實話，我最近在生活中遇到瞭一些瓶頸，感覺自己好像陷入瞭一個思維的迴圈，很多事情都無法順利推進。我一直在尋找能夠幫助我跳脫現狀的靈感和方法，而《決斷的演算：預測、分析與好決定的11堂邏輯課（暢銷紀念精裝版）》這個書名，聽起來就充滿瞭解決問題的能量。我特別好奇書中提到的「預測」是如何進行的，因為我常常覺得自己對未來的判斷力不足，容易被眼前的現象所迷惑。如果我能學會如何更準確地預測各種情況的可能性，相信會大大降低我做決策時的風險。同時，「分析」的部分也讓我很有期待，我希望這本書能教會我一些有效的方法，幫助我深入剖析問題的本質，而不是隻看到錶麵。畢竟，很多時候，問題的根源隱藏得很深。精裝版的質感，也讓我覺得這是一本值得我認真對待的書，我喜歡那種捧著一本有份量的書，慢慢品味的感覺。我渴望這11堂邏輯課能夠為我打開新的視野，讓我在麵對各種挑戰時，都能更加從容自信，做齣真正對自己有益的決定。
相关图书
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 twbook.tinynews.org All Rights Reserved. 灣灣書站 版權所有