《系統(tǒng)之美》—如何抓住最佳決策時機?

我們所有人的生活都受到有限空間和有限時間的限制霉祸,因此常常面臨一系列難以抉擇的問題炉峰。

在一天或者一生的時光里,哪些事是我們應(yīng)該做的脉执,哪些是應(yīng)該放棄的疼阔?

我們對雜亂無序的容忍底線是什么?

新的活動與熟悉并喜愛的活動之間如何平衡半夷,才能取得令人愉快的結(jié)果婆廊?

這本書告訴我們?nèi)绾胃行У乩弥庇X、什么時候應(yīng)該把選擇權(quán)交給命運巫橄、無所適從的時候應(yīng)該如何做出選擇淘邻,以及如何有效地與他人保持聯(lián)系。

這本書把計算機科學(xué)的智慧轉(zhuǎn)化為人類生活的策略湘换,引導(dǎo)我們做出明智的選擇宾舅。

《算法之美》,這是一本用計算機科學(xué)的思考方式彩倚,來給用戶賦能的書筹我。怎么個賦能法呢?

現(xiàn)在以你正在經(jīng)歷一件人生大事:買房帆离。

你已經(jīng)看過很多房子蔬蕊,不是太貴,就是位置太偏哥谷,你都不滿意岸夯。

這天,房產(chǎn)中介又給你介紹了一處新房源们妥,并且告訴你猜扮,這套很搶手,過了這個村沒這個店监婶。于是旅赢,你又開始糾結(jié)。

買压储,意味著你要背上一大筆貸款鲜漩,壓力會不會太大源譬?

過幾個月房價會不會降集惋?不買,萬一再漲價呢踩娘?以后可能一輩子都買不起了刮刑。

請問喉祭,你該怎么辦?繼續(xù)觀望雷绢,還是馬上出手泛烙?

答案后面再說。

在我們的生活中翘紊,難免遇到這種茫然無措的關(guān)鍵時刻蔽氨。

結(jié)婚、買房帆疟、跳槽鹉究、生兒育女,在這些重大選擇中踪宠,復(fù)雜的外部因素和情緒干擾自赔,讓人難以權(quán)衡,到底怎么才能排除干擾柳琢,做出最明智的決策呢绍妨?

《算法之美》回答的就是這個問題。

這本書的核心就是柬脸,我們可以模擬計算機的思考方式他去,把這些復(fù)雜的人生問題,轉(zhuǎn)化成單純的數(shù)學(xué)運算倒堕,從而找到解決方案孤页。

計算機和人類一樣,也需要在信息不全涩馆、資源有限行施、充滿不確定的情況下,做出最佳判斷魂那。

只不過蛾号,它們依賴的不是主觀的經(jīng)驗和心法,而是客觀的數(shù)據(jù)運算涯雅。

用計算機的方式思考人生鲜结,將為我們打開一個解決問題的新維度,你會發(fā)現(xiàn)活逆,很多復(fù)雜問題精刷,解決方案都出奇的簡單。

買房蔗候、結(jié)婚怒允、跳槽,這類問題之所以難以抉擇锈遥,不外乎兩個原因:

一是未來很難預(yù)測纫事,你只知道現(xiàn)在和以前遇到過的人和事物勘畔,未來什么樣,你并不知道丽惶;

二是已經(jīng)做出的決定不能反悔炫七,一旦拒絕,就等于永遠(yuǎn)錯過钾唬。

在做出具體的選擇之前万哪,我們首先要找到?jīng)Q策的最佳時機。

請注意二者的區(qū)別抡秆,具體選擇指的是壤圃,這道選擇題應(yīng)該怎么做。

比如在買房這個場景里琅轧,它對應(yīng)的問題是伍绳,在同時面對幾套房子時,應(yīng)該買哪套乍桂?

而決策時機指的是冲杀,這道選擇題應(yīng)該在什么時間做。

例如在買房這個場景里睹酌,買房時機指的是到底應(yīng)該十年前就考慮買房权谁,還是十年后再考慮買房?

這類問題被人類稱之為終身大事憋沿,但在計算機的世界里旺芽,它有另一個名字,叫零信息博弈辐啄,也就是在信息極度稀缺的情況下采章,分析潛在可能,尋找做出最佳判斷的時機壶辜。

根據(jù)計算機的運算悯舟,只要是零信息博弈,最佳的決策時機砸民,都是同一個時間點抵怎,請記住這個數(shù)字:你決策總時限的37%。

注意岭参,是任何問題反惕,都是這個時間點。

比如開篇的買房問題演侯,假如你必須要在一個月內(nèi)做出決策姿染,那么最佳的決策時機,就是這個月總天數(shù)的37%蚌本,也就是第11天盔粹。

在前10天,你只觀察程癌,不管看到多心動的房子舷嗡,都不要買。從第11天開始嵌莉,只要看到一個比之前好的房子进萄,就應(yīng)該果斷出手。

再比如結(jié)婚锐峭,假設(shè)你給自己限定的結(jié)婚年齡是18到40歲中鼠,過了40歲就不結(jié)婚。那么你決策的最佳時間沿癞,就是18到40歲之間37%的時間點援雇,也就是26.1歲。

在此之前椎扬,無論有多合適的戀人惫搏,你都要克制。過了26.1歲蚕涤,只要看到比之前更合適的對象筐赔,就要立即求婚。

再比如跳槽揖铜,你給自己限定茴丰,一共要面試10家名氣差不多的公司。根據(jù)37%原則天吓,你在前3家公司的面試中贿肩,不管待遇多高,都要果斷拒絕龄寞。

從第4家公司開始尸曼,一旦發(fā)現(xiàn)一家比前3家都合適的公司,一定要努力爭取萄焦。

在37%這個時間點上控轿,你有最大的概率選到最好的結(jié)果。這個結(jié)論乍一聽有點匪夷所思拂封,這個數(shù)字到底是怎么算出來的呢茬射?

現(xiàn)在,我們一起做一次腦力體操冒签,完成這次演習(xí)在抛,你就知道計算機是怎么應(yīng)對這場零信息博弈的。

首先我們假設(shè)萧恕,你面前有一堆寶箱刚梭,每個寶箱里都裝著數(shù)額保密肠阱、高低不等的獎金,你可以從中挑一個帶走朴读。

好消息是屹徘,你擁有無限次機會,而且可以先開啟寶箱衅金,看到里面的錢數(shù)之后再決定要不要拿走噪伊。

但限制是,你一次只能開啟一個寶箱氮唯,一旦決定不要鉴吹,就不能反悔。未來的寶箱是未知的惩琉,過去的寶箱不能反悔豆励,這是兩條剛性制約。

那么瞒渠,應(yīng)該在打開第幾個寶箱的時候做決策肆糕,才最有可能獲得最高的獎金?

注意在孝,不是說選擇這個寶箱诚啃,就一定能拿到最高的獎金,而是有最大的概率私沮,拿到最高的獎金始赎。

假如寶箱的總數(shù)量是兩個,就很好辦了仔燕。不管你選哪個造垛,中大獎的幾率都是50%。

那假如是三個呢晰搀?當(dāng)你開啟第一個寶箱五辽,里面是1萬塊。你可以拒絕外恕,然后再開啟后兩個杆逗,但后兩個的獎金可能還不如第一個多。

一般來說鳞疲,我們可以這樣計算罪郊,開啟第一個寶箱時,不管里面有多少錢尚洽,它都是你截止到目前能得到的最高金額悔橄,是100%的目前最佳。

而隨著陸續(xù)開啟寶箱,這個目前最佳的概率會被后面的寶箱平攤癣疟。

開啟第二個時挣柬,每個是目前最佳的概率都是一半,開啟三個睛挚,每個是目前最佳的概率都是三分之一邪蛔。開啟的寶箱越多,目前最佳的概率就越低竞川。

按照這個邏輯店溢,我們應(yīng)該毫不猶豫地選擇第一個寶箱叁熔。但是委乌,這種做法是不是太草率了?

其實荣回,還有另一種更科學(xué)的算法遭贸。按照這套算法,在一共有三個寶箱的情況下心软,開啟第二個寶箱的時刻壕吹,就是我們的最佳決策時刻。

因為在開啟第一個寶箱時删铃,我們沒有任何方法能斷定耳贬,這就是最大的寶箱。同樣猎唁,在開啟第三個寶箱時咒劲,我們也沒有任何選擇,因為已經(jīng)拒絕了前兩個寶箱诫隅。

但是腐魂,在開啟第二個寶箱時,我們既掌握了一些信息逐纬,又有一定的選擇權(quán)蛔屹。我們知道它跟第一個寶箱比誰多誰少。

注意豁生,這個信息非常關(guān)鍵兔毒,因為原本三個寶箱里,每個寶箱中大獎的概率都是三分之一甸箱,但一旦我們確定第二個寶箱里的錢比第一個寶箱多眼刃;

那么它的比較對象,就只剩下第三個寶箱摇肌,它的大獎概率就變成了二分之一擂红,比另外兩個都要高。

并不是說,我們一定要選擇第二個寶箱昵骤,而是我們做出最優(yōu)選擇的窗口期树碱,在打開第二個寶箱之后。

在一共有三個寶箱的情況下变秦,開啟第二個寶箱的時刻成榜,大概是游戲總進(jìn)程的33%。

現(xiàn)在蹦玫,我們把樣本數(shù)放大赎婚,假設(shè)有10個寶箱,按照同樣的邏輯計算樱溉,最佳的決策時機是第四個挣输,也就是總進(jìn)程的40%。

當(dāng)樣本數(shù)繼續(xù)放大福贞,這個數(shù)字開始趨于穩(wěn)定撩嚼,當(dāng)有100個寶箱時,最佳決策的時機挖帘,是第37個寶箱完丽。

而神奇的地方在于,從100開始往上拇舀,這個最佳決策時機基本不會再變逻族;

哪怕總共有100萬個箱子,計算機算出的最佳決策時機骄崩,仍然是37%聘鳞,也就是第37萬個。在這個節(jié)點上刁赖,我們有最大的概率搁痛,選到最高的獎金。

現(xiàn)在宇弛,我們已經(jīng)得到了第一個關(guān)鍵數(shù)字鸡典,37%。當(dāng)然枪芒,這個數(shù)字我們可以不用記得那么精確彻况,只需要知道,最佳的決策時刻舅踪,是前半場稍微靠中間的位置就行了纽甘。

這個最佳決策時刻,在計算機領(lǐng)域里被稱為最優(yōu)停止抽碌。說白了悍赢,就是見好就收的最佳節(jié)點。

怎么抓住最佳決策時機?計算機給出的答案是左权,37%原則皮胡。

不管我們面對的情況多么復(fù)雜,只要我們堅持在總進(jìn)程的37%時做決策赏迟,既不急于出手屡贺,也不拖拖拉拉,就能抓住最佳決策時機锌杀。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末甩栈,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子糕再,更是在濱河造成了極大的恐慌量没,老刑警劉巖,帶你破解...
    沈念sama閱讀 217,277評論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件亿鲜,死亡現(xiàn)場離奇詭異允蜈,居然都是意外死亡冤吨,警方通過查閱死者的電腦和手機蒿柳,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,689評論 3 393
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來漩蟆,“玉大人垒探,你說我怎么就攤上這事〉±睿” “怎么了圾叼?”我有些...
    開封第一講書人閱讀 163,624評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長捺癞。 經(jīng)常有香客問我夷蚊,道長,這世上最難降的妖魔是什么髓介? 我笑而不...
    開封第一講書人閱讀 58,356評論 1 293
  • 正文 為了忘掉前任惕鼓,我火速辦了婚禮,結(jié)果婚禮上唐础,老公的妹妹穿的比我還像新娘箱歧。我一直安慰自己,他們只是感情好一膨,可當(dāng)我...
    茶點故事閱讀 67,402評論 6 392
  • 文/花漫 我一把揭開白布呀邢。 她就那樣靜靜地躺著,像睡著了一般豹绪。 火紅的嫁衣襯著肌膚如雪价淌。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,292評論 1 301
  • 那天,我揣著相機與錄音蝉衣,去河邊找鬼豺型。 笑死,一個胖子當(dāng)著我的面吹牛买乃,可吹牛的內(nèi)容都是我干的姻氨。 我是一名探鬼主播,決...
    沈念sama閱讀 40,135評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼剪验,長吁一口氣:“原來是場噩夢啊……” “哼肴焊!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起功戚,我...
    開封第一講書人閱讀 38,992評論 0 275
  • 序言:老撾萬榮一對情侶失蹤娶眷,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后啸臀,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體届宠,經(jīng)...
    沈念sama閱讀 45,429評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,636評論 3 334
  • 正文 我和宋清朗相戀三年乘粒,在試婚紗的時候發(fā)現(xiàn)自己被綠了豌注。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,785評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡灯萍,死狀恐怖轧铁,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情旦棉,我是刑警寧澤齿风,帶...
    沈念sama閱讀 35,492評論 5 345
  • 正文 年R本政府宣布,位于F島的核電站绑洛,受9級特大地震影響救斑,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜真屯,卻給世界環(huán)境...
    茶點故事閱讀 41,092評論 3 328
  • 文/蒙蒙 一脸候、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧讨跟,春花似錦纪他、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,723評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至凉馆,卻和暖如春薪寓,著一層夾襖步出監(jiān)牢的瞬間亡资,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,858評論 1 269
  • 我被黑心中介騙來泰國打工向叉, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留锥腻,地道東北人。 一個月前我還...
    沈念sama閱讀 47,891評論 2 370
  • 正文 我出身青樓母谎,卻偏偏與公主長得像瘦黑,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子奇唤,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,713評論 2 354

推薦閱讀更多精彩內(nèi)容