CDA数据分析师 出品

编译：Mika

【导读】

在需要做决定时，常常我们会感到不知所措。在本文中，认知科学家汤姆·格里菲斯向我们展示了如何运用计算机的逻辑来解决棘手的问题，分享了做出更好决策的三种实用策略。

1.找房子所面临的“最优停止问题”

提到买房或租房，这都是一个令人头疼的问题。

你需要去各种地方看房，去了解市场上的买房信息。但每当你离开一个看房的地方，怎么确定下一家就比这家好呢？

换而言之，你怎么知道何时该下手买呢？

面对这个问题，却可能有个很简单的解决方法——37%原则。

如果你想要最大化提升找到最佳居所的概率，就应该把市场上37%的房子都看一遍。然后在你看到下一个房子时，如果这个房子比之前看的都好，那就下手吧。

或者假设你要花一个月的时间来找房子，拿出37%的时间，即11天来建立标准，然后就可以准备行动了。

我们知道这是可行的，是因为尝试找到好的居所是很典型的“最优停止问题”。这是数学家和计算机科学家广泛研究的一类问题。

我就是个计算认知科学家，我致力于研究人们的大脑是如何工作的，我不仅会研究人类那些惊人的成果，还会研究那些失败情况。

为此我会考虑日常生活中出现的问题的计算结构，并把这些问题的理想解决方案与我们实际会做出的行为相比较。

与此同时，我还发现了如何利用一点计算科学知识，就能让人类更轻松地做出决策。

对此，我有个人的动机。从小我就是一个很认真的孩子，我总试着用我觉得理性的方式行事。对每一个决定进行推理，想要算出要采取的最佳行动。

认知科学家汤姆·格里菲斯小时候

但这种方法无法扩展到你在日常生活中遇到的各种问题。

有一次，我想和我女友分手，只因为我在思考如何在我们俩各自的喜好中，寻找最佳的折中方案。而最后却搞得我精疲力尽。她指出我解决这个问题的方法是错误的，后来她成为了我的妻子。

不管是去哪家餐厅这样的小决策，还是重要到需要决定与谁度过余生。人类的生活总是面临着各种很难全凭努力来解决的计算问题。

面对这些问题，咨询专家是个不错的选择，这里我说的是计算机科学家。

当你寻找生活中的建议时，计算机科学家可能不是你首选的谈话对象。

试想像计算机一样生活，追求一成不变的确定性和准确性，听起来确实挺无趣的。但研究人类决策的计算机科学揭示了这样一个事实，我们弄反了。

2.去哪儿吃饭中的“探索与利用的权衡”

当处理人们生活中遇到的各种难题时，计算机解决这些问题的方式跟人类真实行为非常相似。

以决定去哪里吃饭举例，这是特定计算结构的问题。你有一组选项，需要在这些选项中选择一个。并且明天你将会面对同样的决定。

在那种情况下，你遇到了计算机科学中所谓的“探索与利用的权衡”。

你可以选择去尝试新的食物，即探索，收集你将来能够使用的信息；或者选择去已经吃过味道不错的饭店，即利用你目前已经收集到的信息。

当你需要在尝试新的和已知的优质体验之间作出选择时，就面临了“探索与利用的权衡”。无论是听音乐，还是决定要跟谁聚会。

科技公司也会面临同样的问题。比如当他们需要决定应该在网页上展示什么广告时，他们是应该展现新广告呢？还是展现那个已知用户很可能会点击的广告呢？

在过去60年中，计算机科学家在理解探索与利用的权衡上面取得了很大的进展。而且他们的研究给出了一些让人惊讶的发现。

当你在决定去哪家餐厅时，你应该问自己的第一个问题是：你还要在城里呆多久？

如果你在那里只是短暂的停留，那么你就应该享受即“利用”，收集信息没有意义，只需要直接去那家你喜欢的餐厅。

但如果你会呆很长的时间，那就花点时间“探索”，试试新的餐厅，因为你收集的信息，可以在未来优化你的选择。有价值的信息增多了，你将来使用它的机会也越多。

这个原则也可以帮助我们深入理解人类生命的结构。婴儿总在尝试新东西，他们什么东西都想往嘴里塞。事实上这一行为非常合理，他们正处于生命中的探索阶段，总想把各种东西塞到嘴里尝尝味道，说不定就很好吃呢？

相反，老人总是去同样的餐厅，吃同样的东西。这并不是单调，而是最优选择罢了。他正在利用一生中所积累的知识。

更一般的情况下，了解“探索与利用的权衡”这一原则，可以让你在尝试做选择时感到更轻松。

你不需要每晚都去熟悉的店子吃饭。找个机会，试试新的，探索一番，你可能会有新的发现。你获取的信息会比一顿美味的晚餐更有价值。

3.整理衣柜时的“灵魂拷问”

计算机科学也可以帮助我们在家和工作场所的其他地方更轻松地做出决策。

如果你有需要整理衣橱的经历，你就已经遇到了一个非常痛苦的决定。你得决定哪些东西要留下来，哪些东西要丢掉。

家政女王玛莎·斯图尔特曾经非常认真地思考过这个问题，而且她有一些好建议。

她的建议是，

问自己4个问题：

• 我买这件衣服多久了？
• 衣服仍然完好吗？
• 我还有其他类似的衣服吗？
• 我上次穿它是什么时候？

但还有另一群专家对这个问题的思考更加深入。他们会说，其中一个问题比其他问题更重要。这些专家是谁呢？就是设计计算机内存系统的人。

大部分电脑有两种类型的内存系统。

• 快速存储系统，比如容量有限的内存芯片。因为这些芯片非常昂贵。
• 慢速存储系统，但容量更大。

为了让计算机工作效率尽可能高，你想要确保你需要获取的信息在快速存储系统中，这样就可以快速获取它们。每次你获取一段信息，该信息就会进入快速存储中。

而计算机需要决定，哪些信息需要从那个存储中移除，因为它的容量有限。

多年来，计算机科学家试了几种不同的策略来决定应该从快速存储中移除什么。他们试过比如随机选择，或是应用"先进先出"原则，意思是移除被储存时间最长的信息。

但最有效的策略是，聚焦那些最近最少被使用的条目。

也就是说，如果你打算从存储中删掉点什么，就应该移除距离最近一次访问最久的内容。

这显然是合乎逻辑的做法，假如你上次访问那段信息是在很久以前了，那么你也很可能在很久之后才会再次需要访问这段信息。

你的衣柜就像计算机的内存。衣橱的容量有限，你需要尽量把最常用的东西放进去，这样你就会尽可能快速地得到它。

认识到这点，也许值得应用"最近最少使用"原则来管理你的衣柜。

如果我们回到玛莎的四个问题，计算机科学家会说，在这些问题中，最后一个是最重要的。

这种管理东西的方法，也就是让你最容易获取到最需要的东西，也可以应用在你的工作中。

日本经济学家野口勇就发明了一个拥有该属性的文件系统。

他从一个纸箱开始，然后从左手边把文件放进盒子。每次他增加一个文件，他会把里面的东西依次移动。再把那个文件放在盒子的左手边。每次他需要看文件，就会把它取出来，用完之后放到左手边的位置。

这样一来，文件就会根据最近使用的情况从左到右排序。他发现只要沿着盒子的左边到右边搜索，就可以快速找到他要找的文件。

在你赶回家尝试搭建这个文件系统前，值得注意的是，你可能已经拥有它了，就是你桌上的那堆文件。

通常被认为是凌乱无序的，这堆文件实际上已经经过了完美的整理。

只要你把一张纸抽出来，用完再放回到那堆文件上面。这些文件就会从上到下，根据最近使用的原则排序。你就很可能在那堆文件中从上到下，快速找到你要找的东西。

整理你的衣柜或书桌，可能不是你生活中最紧迫的问题。有时候我们需要解决的问题非常非常难，但即便在这些案例中，计算机科学也可以提供一些策略和些许安慰。

最好的算法是在最短的时间内做最合理的事情。

当计算机面对难题时，会把它分解为简单问题。通过利用随机性消除约束或允许近似。解决这些简单问题，可以让你洞察更难的问题，而且有时会产生很好的解决方案。

结语

知道所有这些知识可以帮助我们在做决定时倍感轻松。

拿37%的原则来找房子就是一个例子。你根本不可能考虑到所有的选项，所以你必须碰碰运气。即便你遵循了最优策略 ，也无法保证得到最佳结果。

如果你遵循37%原则，找到最佳居所的概率是，仍是37%。你大部分时间都未能如愿，但是你已经尽力了。

最终，计算机科学可以帮我们更宽容地面对自己的局限性。你无法控制结果，只能调整方法。只要你使用了最好的方法，就已经尽了最大的努力。有时候最好的方法就是抓住机会，不去考虑你的所有选项，或者愿意接受一个很好的解决方案。这些不是我们在无法进行理性思考时做的让步，它们就是理性的意义。