一些有意思的策略与思考

很久以前就知道这本书了，不过看着"算法"两字实在没兴趣。直到某天翻Google Talks, 发现作者的讲座很受欢迎，看了看才发现确实很有意思

放在国内的语境下，这本书叫"心智模型"，或model thinker可能好一点

介绍里写 "A fascinating exploration of how insights from computer algorithms can be applied to our everyday lives, helping to solve common decision-making problems and illuminate the workings of the human mind", 重点并不在于algo, 而是生活常见场景中的decision-making、一些有意思的策略（而algo通常认为是机械、重复性或非常技术性的东西）

适合人群

- 大一、大二理工科背景的学生。思辨性强，有意思且很实际（我希望我本科时就读过）

- PM, Data Scientist，因为工作场景类似，需要想各种策略、权衡各类指标，从不同的角度解决问题，读来能有所启发

阅读建议

- 先看Google Talks，https://www.youtube.com/watch?v=OwKj-wgXteo . 因为内容比较抽象，直接读不一定能读进去，听作者讲更快（如果能出系列讲座就好了，会比读书快不少）

- 直接选择感兴趣的一章读，因为各章各自独立（像Overfitting我研究生做了大半年做吐了的自然就不读了...）；一边读一边思考，看有什么启发（比了解具体细节更重要）

我感兴趣的部分记录如下

一、Explore/Exploit (第2章)

(1) 问题

吃饭是去熟悉、喜欢的店，还是探索新店？

即新的 (有风险) vs. 老的 (已知最好的), 探索全局最优解 vs. 采用局部最优解

(2) 解决方案

- Gittins index: 假设未来收益成比例下降。好于 lose-shift. 适合比较相近的选择

- Upper Confidence Bound: 即minimize regret，考虑最好的结果，不让自己后悔. 适合比较非常不同的选择

现实中，并不能在确定最优解后就不断的exploit, 因为环境会变化的，始终需要explore

书中提到了adaptive design, ECMO，但对于contexual bandit没给确定的结论

二、Optimal stopping (第1章)

(1) 问题

怎么招聘人、找对象？（给offer早了可能错过了之后更好的，但也有可能前面的人确实更好）

类似ee问题，但有了时间、资源的限制，因为ee后可以换，这个选定后更换成本很高

(2) 解决方案

- 在看过37%的人之后，选择最好的候选人 (但也并不能保证能选到最佳)

- 根据具体条件进行调整，比如

-- 如果有"拒绝", 需考虑拒绝概率。假设50%拒绝，则需在25%时决策，最优率降为25%

-- 如果能找回之前的人，能提高最优率，且能推迟决策时间。假设召回的成功率50%，则在61%时决策，最优率61%

-- 如果有客观条件（比如考试分数），58%最优率

学到最多是让我接受现实，就是即便采用最优的方法，也只有一定可能得到最优结果

三、贝叶斯（第6章）

(1) 问题

怎么估算柏林墙存在的时间？一个人的寿命？一部电影票房？我还要多久才能赢一把游戏？

即根据当前的值推算未来值

(2) 解决方案

贝叶斯

关键在于采用什么样的prior (即先验概率模型) 估算，可简单分成3类

- power-law: 适合无自然尺度、网络效应的现象，也是uninformative的（即结果差别可能很大），比如电影票房. 预测的方式是乘一个比例。比如现在电影票房是1m，那么可能最终票房是1.5倍（结果也就是大者愈大）

- normal: 适合有预期平均、范围的，比如年龄、电影的播放时长。预测基于平均值，大致在这个范围内，如果超过，则会稍微多一点。比如预测6岁小孩的寿命是77，90岁人的寿命是94

- erlang: 介于power-law, normal之间，即未来与过去无关。比如下一次赢牌的概率，只取决于这次牌局的概率，和过去的胜率无关. 预测的方式也是每次预测增加一个固定值（即和历史值无关）

对个人而言，不同的背景、经验会导致用不同的prior决策。比如著名的棉花糖测试，可能只是穷人家的孩子的prior都是大人说话不算数，还不如吃了糖；而家里富有的孩子，家长行事有规矩，因此孩子也乐意遵守规则

四、Scheduling (第5章)

(1) 问题

怎么安排工作任务、优先级，让其有效进展？（时间管理）

本质是一个调度、运筹学问题

(2) 解决方案

取决于要优化什么目标/指标

- 逾期时间: 即要到期的任务先完成.

- 逾期数量: 任务完不成时，放弃消耗最多资源、时间的任务

- 总完成时间: 先做能做完的事情（shortest processing time），也能减小认知负单. 需对事情加权，区分重要性。

影响因素

- 优先级继承：即一些看起来不起眼的小事，可能影响最重要的事，要及早解决

- 场景切换（context switch）: 切换任务会有巨大的成本. 解决方案之一是 interrupt colaesing. 即安排时间一次解决许多不重要的小事. 比如一天回复一次邮件; 早会统一更新进度; 安排office hour等

五、排序与缓存（第3-4章）

重点在于识别什么场景适合排序 vs. 搜索

一般的排序采用least recently used即可，即按“最近查看、修改”排序

最后，我最喜欢本书的地方

- 第1、2章是对“How to take risk”很好的思考。不过还是差了些内容

- 设计系统、机制时，考虑减小人的认知负担。比如会议时间安排（search vs. verify），排队、候车方式（告知需等待多久、上次公交车离开的时间，而不是让人时刻查看有空位、车的来临）

以及跟着作者一起思考的过程

比较遗憾的是，这本书居然没讲entropy...