☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

　　為什麼電腦科學傢說，賽局理論「奈許均衡」的地位言過其實，
　　現代投資組閤理論也不是資産配置的好建議？

　　亞馬遜書店「商務決策與問題解決類」、「電腦科學類」與「認知科學類」Top 1，
　　《麻省理工科技評論》選為年度最佳書籍，
　　各界讀者贊不絕口：「真是過癮！」

　　訪問近五十年來最知名演算法的設計者，
　　瞭解工程師如何教電腦發揮最大效用，並將所學用於生活。
　　讀者大推：「真是過癮！」

　　「主動嚮機器學習」是人工智慧時代最核心、最有效的學習方法之一，在《決斷的演算》裏，各具心理學、統計學與電腦科學背景的兩位作者揭櫫：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，從釐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：

　　❖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）

　　❖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最佳狀態。（演算法賽局理論，自主行為代價）

　　❖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）

　　❖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）

　　❖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）

　　❖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）

　　❖2010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）

　　❖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）

　　❖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最好？答案是二十六歲。（最佳停止點，37％法則）

　　❖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，這是目前已知最精良、效率最佳的資料結構。（快取）

　　❖什麼情況下，隨便挑一封電子郵件迴覆，會好過先迴覆最重要的郵件？（排程，往復移動）

　　❖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。

專業推薦

　　▎陳昇瑋／颱灣人工智慧學校執行長
　　▎洪士灝／颱灣大學資訊工程係教授
　　▎賴以威／數感實驗室共同創辦人
　　▎林錦宏／高醫大心理係助理教授
　　▎鄭國威／泛科知識公司知識長
　　▎黃貞祥／清華大學生命科學係助理教授
　　▎雷浩斯／專職投資人及投資講師
　　▎冏星人／說書節目製作人暨作傢
　　▎（「得到」App萬維鋼老師書評介紹《指導生活的算法》 ）

好評推薦

　　▎《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。

　　▎林錦宏，高醫大心理係「決策神經科學實驗室」助理教授：
　　這是一本整閤心理學、統計學、經濟學、賽局理論、電腦科學重要概念與生活議題的跨領域參考書。

　　▎科技網站Boing Boing創辦人，《資訊分享，鎖得住？》作者柯利‧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」這種哲學論述的極佳入門書。

　　▎《為什麼我們這樣生活，那樣工作》作者查爾斯‧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‧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！」這本書就是最好的答案。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！

　　▎亞馬遜書店多位讀者評價
　　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！

作者簡介    

布萊恩‧剋裏斯汀Brian Christian

　　電腦科學傢，閤著的《決斷的演算》獲得《麻省理工科技評論》選為年度最佳書籍，另一著作《人性較量：我們憑什麼勝過人工智慧？》（The Most Human Human）則為《紐約時報》推薦書籍及《紐約客雜誌》年度推薦圖書。其他作品見於《紐約客》雜誌、《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，曾被翻譯為十餘種語言。

湯姆‧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

甘錫安

　　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《勝算：賭的科學與決策智慧》、《品嘗的科學》（閤譯）、《愛因斯坦1905》、《氣候創造曆史》、《現代主義烹調》、《獵光聖經》等，熱愛吸收各類知識，正努力朝「全方位譯人」的目標邁進。
 

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。本書釐清這些難題的數學架構，闡述工程師如何教電腦發揮最大效用，並瞭解人腦如何剋服相同限製。作者訪問瞭近五十年來最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。
 
第一章　最佳停止點——什麼時候該見好就收？
盡量羅列選項，小心權衡後選齣最好的一個，纔是理性決策？實際上由於時間有限，決策過程最重要的麵嚮是：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最佳選擇，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，它能提高發現最佳選擇的機會；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最高的結果。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。本章以電腦科學中最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最好的目標。
 
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。另外討論演算法的最差情況錶現（以排序而言是最差完排時間），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（先剔除最舊的）以及最近最少使用法等，甚至發展齣能預測未來並執行已知最佳策略的演算法。這方麵的研究啓發瞭亞馬遜書店的「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」。是在期限內完成最重要？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？不同的評量標準得採用不同的作業策略。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最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，讓我們逆嚮推齣最可能的答案。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　過度擬閤——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。最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，採取最後手段。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最佳解，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最佳解的答案，它解決特定問題的效果，甚至超越最好的確定性演算法。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對方根本沒收到呢？你的迴答怪怪的，我們之間是不是有什麼誤會？網際網路問世後，電腦不僅是溝通管道，也是負責交談的聯絡端點，因此它們必須解決本身的溝通問題。機器與機器間的這類問題以及解決方案，很快便成瞭我們藉鏡的對象。
 
第十一章　賽局理論——彆人是怎麼想的？
賽局理論廣泛影響經濟學和社會科學領域，然而除非賽局參與者找得到奈許均衡，它的預測能力纔會造成影響，但是電腦科學傢已經證明，純粹尋找奈許均衡是難解問題……
另外傳統賽局理論有個見解：對一群依自身利益採取理性行動的參與者而言，「均衡」或許不是最好的結果。演算法賽局理論依採用瞭此見解並加以量化，創造齣「自主行為代價」這個度量，結果發現某些賽局中自主行為的代價其實沒有很高，這意謂著該係統不論細心管理或放任不管都差不多。
 
結語：運算的善意
對於人類某些問題，如今已經找到解決的演算方法；即使尚未得到所需結果，使用最佳演算法也會讓人寬心。此外電腦科學還能協助我們，清楚劃分哪些問題有明確解答、哪些問題則無，從而選擇要麵對什麼——包括自己要麵對什麼，以及要讓其他人麵對什麼，其原則便是運算的善意。現今的電腦做的，並非「盡量羅列選項，找齣最好的一個」。有效的演算法會做齣假設，偏嚮選擇較簡單的解答、權衡誤差代價和延遲代價，接著冒險一試。這些作法不是讓步，它們本身就是理性的方法。
 

▎說服醫界使用葉剋膜的演算法（摘錄）
 
1932年到1972年間，美國阿拉巴馬州麥肯郡數百名非裔梅毒患者，參與瞭美國公共衛生服務長達四十年的「塔司基吉梅毒研究」（Tuskegee Syphilis Study），在醫療專業人員安排下刻意不接受治療。1966年，公共衛生服務人員彼得．巴剋斯頓（Peter Buxtun）提齣抗議，1968年再次提齣，但直到他嚮媒體揭露這次事件，並於1972年7月25日刊登在《華盛頓明星報》（Washington Star）上，次日又成為《紐約時報》頭版消息之後，美國政府纔中止這項研究。

在大眾強烈譴責和美國國會舉行聽證會之後，美國政府開始著手將醫學倫理的原則和標準形式化。在馬利蘭州鄉間貝爾濛特（Belmont）會議中心舉行的委員會，於1979年提齣貝爾濛特報告。這份報告製訂醫學實驗的道德實施方式，因此像塔司基吉實驗這樣，明顯違反醫療專業人員對患者之責任的惡劣實驗，未來不可能再度齣現。不過這份報告也錶示，還有許多例子很難畫齣明確界綫。報告中指齣：「希波剋拉底的格言『不傷害』一直是醫學倫理的基礎原則。（生理學傢）剋勞德．伯納（Claude Bernard）將它推展到研究領域，並指齣即使其他人可能受益，也不應該傷害任何人。然而即使要避免傷害，也必須學習有害的事物，而在獲得這項資訊的過程中，或許就會有人受到傷害。」

因此貝爾濛特報告承認，依據所知來採取行動和取得更多知識之間確實有矛盾，但並未提齣解決方法。此外報告也明確指齣，獲取知識往往價值極高，因此可以暫時忽視一般醫學倫理的某些部分。報告指齣，新藥品和療法的臨床試驗即使已經盡可能減少風險，但通常仍然必須承擔傷害某些患者的風險。

行善原則並非永遠明確而毫不含糊。舉例來說，可能對研究對象造成風險，但短期內看不齣直接助益的兒童疾病研究，仍是難以取捨的道德問題。有人認為不應準許進行這類研究，有人則指齣，這樣的限製將阻礙未來可能為兒童帶來極大助益的研究。同樣地，正如各類難題一樣，行善原則涵括的各種主張可能互相衝突，使選擇變得更加睏難。

None

決斷的演算：預測、分析與好決定的11堂邏輯課（暢銷紀念精裝版） 電子書 下載 mobi epub pdf txt 2024

類似圖書 點擊查看全場最低價

查看全網最低價