決斷的演算：預測、分析與好決定的11堂邏輯課

• 作者： ,   
• 原文作者：
• 譯者：
• 齣版社：  
• 齣版日期：2017/08/23
• 語言：繁體中文
• ISBN：9789869406963
• 叢書係列：
• 規格：平裝 / 352頁 / 17 x 22.5 cm / 普通級 / 部份全彩 / 初版
• 齣版地：颱灣

• 內容簡介

  書店 認知科學類、電腦科學類
  長踞「商務決策與問題解決類Top 3」，與《快思慢想》並列
  《大腦解密手冊》作者伊葛門稱許：「寫得遠超乎我的期望！」
  訪問近五十年來知名演算法的設計者，
  瞭解工程師如何教電腦發揮大效用，並將所學用於生活。
  讀者大推：「真是過癮！」
  
  在《人工智慧來瞭》這本書中，作者提齣「主動嚮機器學習」是這時代核心、有效的學習方法之一，在《決斷的演算》裏，各具心理學與電腦科學背景的兩位作者則揭櫫：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，從厘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：
  
  ?1?77?1?74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佳狀態。（演算法賽局理論，自主行為代價）
  ?1?77?1?74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）
  ?1?77?1?74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）
  ?1?77?1?74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）
  ?1?77?1?74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）
  ?1?77?1?74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）
  ?1?77?1?742010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）
  ?1?77?1?74一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）
  ?1?77?1?74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好？答案是二十六歲。（佳停止點，37％法則）
  ?1?77?1?74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，這是目前已知精良、效率佳的資料結構。（快取）
  ?1?77?1?74什麼情況下，隨便挑一封電子郵件迴復，會好過先迴復重要的郵件？（排程，往復移動）
  ?1?77?1?74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。
  
  名人推薦
  
  ▎《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。
  
  ▎科技網站Boing Boing創辦人，《資訊分享，鎖得住？》作者柯利?1?76?1?74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」這種哲學論述的入門書。
  
  ▎《為什麼我們這樣生活，那樣工作》作者查爾斯?1?76?1?74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?1?76?1?74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！
  
  ▎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！

  作者介紹

  作者簡介
  
  布萊恩?1?76?1?74剋裏斯汀Brian Christian
  
  電腦科學傢，著有Most Human Human，這本書為《華爾街日報》暢銷書、《紐約時報》推薦書籍，以及《紐約客雜誌》年度選書。其他作品見於《紐約客》、《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，著述曾被翻譯為十一種語言。
  
  湯姆?1?76?1?74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
  
  甘锡安
  
  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《品嘗的科學》（閤譯）、《探月》、《愛因斯坦1905》、《氣候創造曆史》、《現代主義烹調》、《獵光》等。目前住在有山有海有美食的颱灣頭基隆，熱愛吸收各類知識，正努力朝「全方位譯人」的目標邁進。
   

  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。本書厘清這些難題的數學架構，闡述工程師如何教電腦發揮大效用，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*章 佳停止點——什麼時候該見好就收？
  盡量羅列選項，小心權衡後選齣好的一個，纔是理性決策？實際上由於時間有限，決策過程重要的麵嚮是：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。另外討論演算法的差情況錶現（以排序而言是差完排時間），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（先剔除舊的）以及近少使用法等，甚至發展齣能預測未來並執行已知佳策略的演算法。這方麵的研究啓發瞭書店的「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？不同的評量標準得采用不同的作業策略。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 過度配適——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。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，采取後手段。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佳解的答案，它解決特定問題的效果，甚至好的確定性演算法。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 現貨正版 決斷的演算：預測、分析與好決定的11堂邏輯課 行路 港颱原版 繁體 下載 mobi epub pdf txt 電子書