決斷的演算：預測、分析與好決定的11堂邏輯課 @ 打醬油的汗牛馬

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,Brian Christian & Tom Griffiths)

軟體公司Evernote執行長Phil Libin為了讓員工多休假,提出1000美元的獎金來鼓勵主動休假的員工.這看來似乎是好的,但是考慮到個別員工私人利益的角度,從囚徒困境的角度切入,員工最好的選擇應該是都不請假.因為休假固然誘人,但比起其他因素如公司長官的評價與前途,可能主動休假就不是個人好選擇,於是在有人不請假下,彼此攀比的結果可能就是大家都不請假(這點類似辦公室員工下班總是不準點,明明沒事可下班卻還要讓老闆看到人還在,員工之間的關係也類似囚徒困境),因為個人的選擇絕對是從己利考量.在這種情況下,Libin該如何達到他的目的呢?正確的手段不是可能不是胡蘿蔔而是棒子,不是給獎金而是規定最低休假天數,強迫員工休假.相同的,法定一例一休是為了解決勞動者過勞問題,強迫休假應該能達到施政者的目的,但為何它在勞動者的評價卻不高?那是因為當前勞動者面臨的問題不是單純的過勞而已,而是勞動者過勞且收入低,且勞動者同時面對兩問題時可能更在意收入過低勝於過勞,於是當一例一休可以休假卻又降低收入時,它自然不會受到歡迎.單純的強迫方式在這裡又變成不是好的解決問題方式.

尋求以上所述解決問題的解答未必困難,而所謂的答案也未必是最對最好的,因為相關的條件略有變動,答案就會完全不一樣,何況我們可能只是把問題簡化成個人最直覺的想法來想未必是真實問題所在.因此比起尋求解答,也許把真正的問題弄清楚可能才是最難的.當然有些問題並沒有絕對的正確答案,在某些時空的限制下也不可能找到最佳解,而是當時的最適解.這本書副標The Computer Science of Human Decision它表明只是探討以電腦科學能提供的答案.而電腦提供給決策問題的解決方案就是演算法

看到演算法或以為這本書會鑽進演算法計算的技術細節裡,其實並非如此.固然它需要講述一些演算法的基本算法邏輯思維或數學導式.但本書主要的重心應該是在於對於決策問題的釐清上,主要是以生活面可能遇到的問題為例來說明.比如我們開頭所提的員工休假是一種賽局理論的問題,但同時也涉及遞迴,與最佳停止的問題.為什麼一個賽局理論囚徒困境最後還會涉及遞迴,最佳停止的問題.兩位作者Christian與Griffiths將賽局與囚徒困境解釋成我猜測你會怎麼想來決定怎麼做而我在猜測你會怎麼作的基礎上來決定我該怎麼做.換成文字有點繞口,其實就是我以為你可能的做法來決定我自己怎麼做,但同時你也會猜測我的做法來決定你自己怎麼做,於是就形成雙方之間的無限遞迴狀態,而就需要一個最佳停止原則來決定遞迴何時該結束.作者正是以舉例生活中會碰到的問題,比如拍賣來講述這種賽局理論,囚徒困境,遞迴狀態,最佳停止法,書的目的倒不在提供讀者一個怎樣的標準答案,而是讓讀者學習如何拆除問題的旁支直接面對問題核心,這算是本書的優點,比較類似於演算法下漫談,對於沒有Computer Science或計量,數學,統計背景的人也能輕鬆的學習到一些演算法的觀念,同時學習到某些已經被成熟發展能解決人類問題的演算法與它的解法理念.

有優點自然有缺點,這本書缺乏對於實體解決問題的演算,對於進階需求的人是不足的.包括排程,路徑規劃,隨機性裡的蒙地卡羅法,甚至線性規劃等都使以前在商管學院裡的作業研究或數量方法這兩種課程裡會見到的課題.但差異很大的是學校課程裡太重視計算,很多人修完課卻不知道那些計算要用到生活中的哪裡?而這本書的寫作方向恰好彌補了這個面向的一部分.其實是很值得推崇的.但問題就是沒了那些計算又顯不出它的功能性大小.當然這也是兩難,舉例來說我自己寫論文用過蒙地卡羅法來模擬企業的獲利與股價,知道其實並不像作者說的那麼簡易,因為不是你想到的東西都能這樣模擬,細節所涉及的東西不少.沒實際經驗的人體會不到那層,想求精進解的人卻也同時找不到更深的內容.

本書第六章的貝氏法則大概是少數對於這個方式解釋得明白又清楚的書籍,舉例平易簡單卻能讓人一目了然.至於最佳停止,開發與善用,過度配適,鬆弛,隨機性,貝氏法則等章節是從事投機交易,特別是開發程式交易,人工智慧交易者會碰到的問題範圍,只是本書談得太淺太浮面而顯得有點乏力無法幫助有需要的人精進實際操作的成果,但還能發揮一點提醒須注意上的效果就是了.以上(以下三本書pdf) .