Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Testo originale
Contribuisci a una traduzione migliore
Pagina 3
2
Inizia a leggere
Sommario
Pagina Copyright
Pagina 4
L'autore e l'editore ti hanno fornito questo e-book per tuo uso personale
solo. Non puoi rendere questo e-book pubblicamente disponibile in alcun modo. Diritto d'autore
la violazione è contro la legge. Se credi alla copia di questo e-book tu
stai leggendo viola il copyright dell'autore, si prega di avvisare l'editore
su: us.macmillanusa.com/piracy .
Pagina 7
Pagina 8
introduzione
Algoritmi di cui vivere
Pagina 9
Allora cosa fai? Come prendi una decisione informata quando il file
atto di informare ne compromette il risultato? È una situazione crudele, al limite
paradosso.
Quando si trova di fronte a questo tipo di problema, la maggior parte delle persone lo dirà intuitivamente
qualcosa per l'effetto che richiede una sorta di equilibrio tra guardare e
balzando: che devi guardare abbastanza appartamenti per stabilire uno standard, allora
prendi tutto ciò che soddisfa lo standard che hai stabilito. Questa nozione di equilibrio
è, infatti, precisamente corretto. Quello che la maggior parte delle persone non dice con certezza è
qual è questo equilibrio. Fortunatamente, c'è una risposta.
Trentasette per cento.
Se vuoi le migliori probabilità di ottenere il miglior appartamento, spendi il 37% del tuo
caccia all'appartamento (undici giorni, se ti sei dato un mese per la ricerca)
opzioni esplorative senza impegno. Lascia il libretto degli assegni a casa; sei solo
calibrazione. Ma dopo quel punto, preparati a impegnarti immediatamente: depositare
e tutto - al primo posto in cui vedi che batte tutto ciò che hai già visto.
Questo non è solo un compromesso intuitivamente soddisfacente tra guardare e
saltando. È la soluzione provabilmente ottimale .
Lo sappiamo perché trovare un appartamento appartiene a una classe di
problemi matematici noti come problemi di "arresto ottimale". La regola del 37%
definisce una semplice serie di passaggi, ciò che gli informatici chiamano un "algoritmo" -
per risolvere questi problemi. E a quanto pare, la caccia all'appartamento è solo uno dei
i modi in cui l'arresto ottimale alza la testa nella vita quotidiana. Impegnarsi in o
rinunciare a una successione di opzioni è una struttura che riappare nella vita e
di nuovo, in incarnazioni leggermente diverse. Quante volte fare il giro del blocco
prima di entrare in un parcheggio? Fino a che punto spingere la fortuna con un rischio
impresa commerciale prima di incassare? Quanto tempo aspettare per un'offerta migliore
quella casa o quella macchina?
La stessa sfida appare anche in un contesto ancora più complicato: gli appuntamenti.
L'arresto ottimale è la scienza della monogamia seriale.
Semplici algoritmi offrono soluzioni non solo alla ricerca di un appartamento ma a tutti
tali situazioni nella vita in cui ci confrontiamo con la questione dell'arresto ottimale.
Le persone affrontano questi problemi ogni giorno, anche se sicuramente i poeti hanno parlato
più inchiostro sulle tribolazioni del corteggiamento che del parcheggio - e lo fanno con,
in alcuni casi, notevole angoscia. Ma l'angoscia non è necessaria.
Pagina 10
C'è un particolare insieme di problemi che tutte le persone devono affrontare, problemi che sono a
risultato diretto del fatto che le nostre vite si svolgono in uno spazio e un tempo finiti.
Cosa dovremmo fare e lasciare incompiuto in un giorno o in un decennio? Che grado di
disordine dovremmo abbracciare - e quanto ordine è eccessivo? Che equilibrio
tra nuove esperienze e quelle favorite rende la vita più appagante?
Questi potrebbero sembrare problemi unici per l'uomo; loro non sono. Per più
per mezzo secolo gli scienziati informatici sono stati alle prese con, e in molti
risoluzione di casi, gli equivalenti di questi dilemmi quotidiani. Come dovrebbe un file
il processore alloca la sua “attenzione” per eseguire tutto ciò che l'utente gli chiede, con l'estensione
overhead minimo e nel minor tempo possibile? Quando dovrebbe cambiare
tra le diverse attività e quante attività dovrebbe assumere in primo luogo?
Qual è il modo migliore per utilizzare le sue risorse di memoria limitate? Dovrebbe raccogliere
più dati o intraprendere un'azione in base ai dati già presenti? Cogliere l'attimo
potrebbe essere una sfida per gli esseri umani, ma i computer intorno a noi stanno afferrando
millisecondi con facilità. E c'è molto che possiamo imparare da come lo fanno.
Parlare di algoritmi per vite umane potrebbe sembrare strano
giustapposizione. Per molte persone, la parola "algoritmo" evoca l'arcano e
macchinazioni imperscrutabili di big data, big government e big business:
sempre più parte dell'infrastruttura del mondo moderno, ma difficilmente una fonte
di saggezza pratica o guida per gli affari umani. Ma un algoritmo è solo un file
sequenza finita di passaggi utilizzati per risolvere un problema e gli algoritmi sono molti
più ampio e di gran lunga più vecchio del computer. Molto prima che esistessero gli algoritmi
mai usati dalle macchine, erano usati dalle persone.
La parola "algoritmo" deriva dal nome del matematico persiano al-
Khwārizmī, autore di un libro di tecniche per fare matematica del IX secolo
a mano. (Il suo libro si chiamava al-Jabr wa'l-Muqābala - e "al-jabr" del
Pagina 11
il titolo a sua volta fornisce la fonte della nostra parola "algebra.") La prima conosciuta
algoritmi matematici, tuttavia, sono anteriori anche al lavoro di al-Khwārizmī: un quattro
Una tavoletta di argilla sumera di mille anni trovata vicino a Baghdad descrive uno schema
per divisione lunga.
Ma gli algoritmi non si limitano alla sola matematica. Quando cucini il pane
da una ricetta, stai seguendo un algoritmo. Quando lavori a maglia un maglione da a
pattern, stai seguendo un algoritmo. Quando metti un bordo affilato su un pezzo di
selce eseguendo una precisa sequenza di colpi con l'estremità di un corno, una chiave
passo nella creazione di strumenti in pietra fine: stai seguendo un algoritmo. Algoritmi
hanno fatto parte della tecnologia umana sin dall'età della pietra.
Pagina 12
le persone non sono solo estremamente riduttive, ma anche fuorvianti. Anche se computer
la scienza aveva cose da dire su come pensare e come agire, vorremmo
ascoltare? Guardiamo le intelligenze artificiali e i robot della fantascienza, e sembra
la loro non è una vita che nessuno di noi vorrebbe vivere.
In parte è perché quando pensiamo ai computer, pensiamo con freddezza
sistemi meccanici, deterministici: macchine che applicano una logica deduttiva rigida,
prendere decisioni enumerando esaurientemente le opzioni e macinando il file
risposta esatta esatta, non importa quanto tempo e difficile devono pensare. In effetti, il
La persona che per prima ha immaginato i computer aveva in mente qualcosa di essenzialmente simile.
Alan Turing ha definito la nozione stessa di calcolo tramite un'analogia con un essere umano
matematico che lavora attentamente attraverso le fasi di un lungo calcolo,
dando una risposta inconfondibilmente giusta.
Quindi potrebbe sorprendere che questo non sia ciò che sono i computer moderni
effettivamente facendo quando devono affrontare un problema difficile. Aritmetica semplice, di
ovviamente, non è particolarmente impegnativo per un computer moderno. Piuttosto, sono compiti
come conversare con persone, riparare un file danneggiato o vincere una partita a Go—
problemi in cui le regole non sono chiare, alcune delle informazioni richieste lo sono
mancante o trovare esattamente la risposta giusta richiederebbe la considerazione di un file
numero astronomico di possibilità, che ora pongono le maggiori sfide in
Informatica. E gli algoritmi che i ricercatori hanno sviluppato per risolvere
le classi di problemi più difficili hanno allontanato i computer da un estremo
affidarsi a calcoli esaustivi. Invece, affrontare le attività del mondo reale richiede
sentirsi a proprio agio con il caso, scambiare il tempo con precisione e usare
approssimazioni.
Man mano che i computer si adattano meglio ai problemi del mondo reale, non lo forniscono
solo algoritmi che le persone possono prendere in prestito per la propria vita, ma uno standard migliore
con cui confrontare la stessa cognizione umana. Negli ultimi dieci o dieci anni,
l'economia comportamentale ha raccontato una storia molto particolare sugli esseri umani: quella
siamo irrazionali e inclini all'errore, in gran parte a causa del buggy, idiosincratico
hardware del cervello. Questa storia autoironica è diventata sempre più
familiare, ma alcune domande rimangono fastidiose. Perché i bambini di quattro anni, per
Ad esempio, ancora meglio di supercomputer da un milione di dollari in una serie di cognitive
compiti, inclusi visione, linguaggio e ragionamento causale?
Le soluzioni ai problemi quotidiani che provengono dall'informatica raccontano a
Pagina 13
storia diversa sulla mente umana. La vita è piena di problemi che sono, abbastanza
semplicemente, difficile . E gli errori commessi dalle persone spesso dicono di più su
difficoltà intrinseche del problema rispetto alla fallibilità del cervello umano.
Pensare in modo algoritmico al mondo, apprendere i fondamentali
strutture dei problemi che affrontiamo e sulle proprietà delle loro soluzioni,
può aiutarci a vedere quanto siamo bravi effettivamente e a capire meglio gli errori che
facciamo.
In effetti, gli esseri umani finiscono per confrontarsi costantemente con alcuni dei più difficili
casi dei problemi studiati dagli informatici. Spesso le persone hanno bisogno di fare
decisioni mentre si tratta di incertezza, vincoli di tempo, informazioni parziali,
e un mondo in rapida evoluzione. In alcuni di quei casi, anche all'avanguardia
l'informatica non ha ancora messo a punto algoritmi efficienti e sempre corretti.
Per alcune situazioni sembra che tali algoritmi potrebbero non esistere affatto.
Anche dove non sono stati trovati algoritmi perfetti, tuttavia, la battaglia
tra generazioni di informatici e il mondo reale più intrattabile
problemi ha prodotto una serie di intuizioni. Questi precetti conquistati a fatica sono in disaccordo
con le nostre intuizioni sulla razionalità, e non suonano per niente come il
prescrizioni ristrette di un matematico che cerca di costringere il mondo a essere pulito,
linee formali. Dicono: non considerare sempre tutte le tue opzioni. Non farlo
andare necessariamente per il risultato che sembra migliore ogni volta. Fai un pasticcio
occasione. Luce da viaggio. Lascia che le cose aspettino. Fidati del tuo istinto e non pensare anche tu
lungo. Rilassare. Lancia una moneta. Perdona, ma non dimenticare. Sii te stesso.
Vivere secondo la saggezza dell'informatica non suona poi così male, dopotutto.
E a differenza della maggior parte dei consigli, è supportato da prove.
Proprio come la progettazione di algoritmi per computer era originariamente un argomento in cui cadde
le crepe tra le discipline: uno strano ibrido di matematica e ingegneria
- così anche la progettazione di algoritmi per gli esseri umani è un argomento che non ha una naturalezza
casa disciplinare. Oggi, la progettazione di algoritmi si basa non solo sull'informatica,
matematica e ingegneria, ma su campi affini come statistiche e operazioni
ricerca. E mentre consideriamo come potrebbero relazionarsi gli algoritmi progettati per le macchine
per le menti umane, dobbiamo anche guardare alla scienza cognitiva, alla psicologia,
economia e oltre.
Pagina 14
Pagina 15
1 Arresto ottimale
Quando smettere di guardare
Anche se tutti i cristiani iniziano un invito a nozze dichiarando solennemente
il loro matrimonio è dovuto a una speciale disposizione divina, io, come filosofo,
vorrei parlare più dettagliatamente di questo ...
—JOHANNES KEPLER
Se preferisci il signor Martin a ogni altra persona; se lo pensi di più
uomo simpatico con cui sei mai stato in compagnia, perché dovresti
esitare?
—JANE AUSTEN, EMMA
È un fenomeno così comune che i consulenti di orientamento universitario hanno persino un file
termine gergale per esso: "goccia di tacchino". Gli innamorati del liceo tornano a casa
Ringraziamento del loro primo anno di college e, quattro giorni dopo, ritorno a
campus singolo.
Un Brian angosciato andò dal suo consulente universitario, il suo
anno da matricola. La sua ragazza del liceo era stata diverse volte in un college diverso
stati di distanza, e hanno lottato con la distanza. Hanno anche lottato con a
domanda più strana e più filosofica: quanto era buono un rapporto
avere? Non avevano un vero punto di riferimento di altre relazioni con cui giudicarlo.
Il consulente di Brian ha riconosciuto il loro come un classico dilemma da matricola, e lo era
sorprendentemente disinvolto nel suo consiglio: "Raccogli dati".
La natura della monogamia seriale, scritta in grande, è che i suoi praticanti lo sono
Pagina 16
Pagina 17
Pagina 18
gli shah divennero re, i suoi visir si trasformarono in regine e i suoi elefanti divennero
vescovi. Allo stesso modo, i problemi di arresto ottimale hanno avuto una serie di
incarnazioni, ciascuna riflettendo le preoccupazioni predominanti del suo tempo. Nel
Tali problemi del diciannovesimo secolo furono caratterizzati da lotterie barocche e da
donne che scelgono corteggiatori maschi; all'inizio del XX secolo in vacanza
automobilisti in cerca di hotel e da corteggiatori uomini che scelgono donne; e nel
spacciatore di carta, dominato dagli uomini della metà del ventesimo secolo, scelto dai capi maschi
assistenti femminili. La prima esplicita menzione per nome di “segretario
problema "sembra essere in un giornale del 1964, e da qualche parte lungo la strada il nome
incollato.
Pagina 19
si affretta a fare un'offerta alla prossima che è la migliore ... ancora, solo perché era migliore
rispetto al primo. Allora come procediamo?
Intuitivamente, ci sono alcune potenziali strategie. Ad esempio, fare un'offerta
la terza volta che un candidato vince su tutti quelli visti finora, o forse la quarta
tempo. O forse prendere il prossimo migliore, ancora candidato, a venire dopo molto tempo
"Siccità": una lunga serie di poveri.
Ma come accade, nessuna di queste strategie relativamente sensate viene fuori
superiore. Invece, la soluzione ottimale assume la forma di ciò che chiameremo Look-
Regola del salto : hai impostato una quantità di tempo predeterminata per "guardare", questo
è esplorare le tue opzioni, raccogliere dati, cosa che categoricamente non fai
scegli chiunque, non importa quanto sia impressionante. Dopo quel punto, inserisci il "salto"
fase, pronto a impegnarsi immediatamente con chiunque offenda il miglior candidato
hai visto in fase di look.
Possiamo vedere come emerge la regola Look-Then-Leap considerando come il
Il problema della segretaria si manifesta nei pool di candidati più piccoli. Con uno solo
candidato il problema è facile da risolvere: assumila! Con due candidati, hai
una possibilità di successo del 50/50, qualunque cosa tu faccia. Puoi assumere il primo richiedente
(che risulterà essere la migliore metà delle volte), o respingerà il primo e per impostazione predefinita
assumere il secondo (che è anche il migliore per la metà del tempo).
Aggiungi un terzo candidato e all'improvviso le cose si fanno interessanti. Le probabilità se
che assumiamo a caso sono un terzo, o il 33%. Con due candidati potremmo fare no
meglio del caso; con tre, possiamo? Si scopre che possiamo, e tutto arriva
fino a quello che facciamo con il secondo intervistato. Quando vediamo il primo
richiedente, non abbiamo informazioni: sembrerà sempre la migliore.
Quando vediamo il terzo richiedente, non abbiamo alcuna agenzia: dobbiamo fare un'offerta
al candidato finale, poiché abbiamo licenziato gli altri. Ma quando vediamo il file
secondo candidato, abbiamo un po 'di entrambi: sappiamo se sta meglio o
peggio del primo, e abbiamo la libertà di assumerla o licenziarla. Che cosa
succede quando la assumiamo solo se è migliore del primo candidato e la licenziamo
lei se non lo è? Questa risulta essere la migliore strategia possibile quando si affrontano tre
candidati; utilizzando questo approccio è possibile, sorprendentemente, fare altrettanto bene in
problema di tre candidati come con due, scegliendo il miglior candidato esattamente la metà
tempo. *
Enumerare questi scenari per quattro candidati ci dice che dovremmo ancora
Pagina 20
iniziare a saltare non appena il secondo richiedente; con cinque candidati in piscina, noi
non dovrebbe saltare prima del terzo.
Man mano che il pool di candidati cresce, il punto esatto in cui tracciare il confine tra guardare
e saltando si assesta al 37% del pool, ottenendo la regola del 37%: guarda il primo
Il 37% dei candidati, * scegliendone nessuno, sii pronto a saltare per qualcuno migliore
di tutti quelli che hai visto finora.
Un tasso di fallimento del 63%, quando si segue la migliore strategia possibile , fa riflettere
fatto. Anche quando agiamo in modo ottimale nel problema del segretario, falliremo ancora di più
delle volte, cioè, non ci ritroveremo con il miglior candidato singolo nel pool.
Questa è una brutta notizia per quelli di noi che vorrebbero inquadrare il romanticismo come una ricerca di "il
uno." Ma ecco il rivestimento d'argento. L'intuizione suggerirebbe che le nostre possibilità di
scegliere il miglior candidato singolo dovrebbe diminuire costantemente con il pool di candidati
cresce. Se assumessimo a caso, per esempio, in un pool di cento
candidati avremmo una probabilità dell'1% di successo e in un pool di un milione
candidati avremmo una probabilità dello 0,0001%. Tuttavia, sorprendentemente, la matematica del
il problema della segretaria non cambia. Se ti fermi in modo ottimale, hai la possibilità di
trovare il miglior candidato singolo in un pool di cento è del 37%. E in una pozza di
un milione, che tu ci creda o no, la tua possibilità è ancora del 37%. Quindi più grande è il file
ottiene il pool di candidati, più diventa preziosa la conoscenza dell'algoritmo ottimale.
È vero che è improbabile che trovi l'ago la maggior parte delle volte, ma
l'arresto ottimale è la tua migliore difesa contro il pagliaio, non importa quanto sia grande.
Lover's Leap
La passione tra i sessi è apparsa in ogni epoca così vicina
lo stesso che si può sempre considerare, in linguaggio algebrico, come a
data quantità.
—THOMAS MALTHUS
Ho sposato il primo uomo che abbia mai baciato. Quando lo dico ai miei figli loro
quasi vomitare.
—BARBARA BUSH
Prima di diventare professore di ricerca operativa alla Carnegie Mellon,
Michael Trick era uno studente laureato, in cerca di amore. “Mi ha colpito che il
problema è stato studiato: è il problema segretario! Avevo una posizione da ricoprire
[e] una serie di candidati e il mio obiettivo era quello di scegliere il miglior candidato per il
Pagina 22
Pagina 23
i modi in cui il problema della segretaria semplifica eccessivamente la ricerca dell'amore. Nel
classico problema segretario, i candidati accettano sempre la posizione, impedendo il
rifiuto sperimentato da Trick. E non possono essere "richiamati" una volta superati,
contrariamente alla strategia seguita da Keplero.
Nei decenni trascorsi dalla prima introduzione del problema segretario, una vasta gamma
di varianti dello scenario sono state studiate, con strategie ottimali
l'arresto ha funzionato in una serie di condizioni diverse. La possibilità di
il rifiuto, per esempio, ha una semplice soluzione matematica: proporre
presto e spesso. Se hai, diciamo, una probabilità del 50/50 di essere rifiutato, allora lo stesso
tipo di analisi matematica che ha prodotto la regola del 37% dice che dovresti iniziare
fare offerte dopo solo un quarto della tua ricerca. Se rifiutato, continua a fare
offre a ogni persona migliore che vedi fino a quando qualcuno non accetta. Con un tale file
strategia, la tua possibilità di successo generale, cioè proporre ed essere accettato
dal miglior candidato nel pool, sarà anche il 25%. Probabilità non così terribili,
forse, per uno scenario che coniuga l'ostacolo del rigetto con il generale
difficoltà di stabilire i propri standard in primo luogo.
Keplero, da parte sua, denunciava "l'irrequietezza e il dubbio" che lo spingevano
lui per continuare a cercare. «Non c'era altro modo per il mio cuore inquieto
contento della sua sorte ", si lamentava in una lettera a un confidente," che rendendosi conto
l'impossibilità di soddisfare tanti altri desideri? " Ancora qui,
La teoria dell'arresto ottimale fornisce una certa consolazione. Piuttosto che
essere segni di degenerazione morale o psicologica, irrequietezza e dubbiosità
in realtà risultano essere parte della migliore strategia per scenari in cui secondo
possibilità sono possibili. Se riesci a richiamare i candidati precedenti, l'algoritmo ottimale
dà una svolta alla familiare regola Guarda-poi-Salta: un non impegno più lungo
periodo e un piano di riserva.
Ad esempio, supponi che una proposta immediata sia una cosa sicura ma tardiva
le proposte vengono rifiutate la metà delle volte. Poi la matematica dice che dovresti continuare a cercare
senza impegno finché non hai visto il 61% dei candidati, e poi salta solo se
qualcuno nel restante 39% del pool si dimostra ancora il migliore. Se tu sei
ancora single dopo aver considerato tutte le possibilità - come lo era Keplero - poi torna indietro
al migliore che è scappato. La simmetria tra strategia e risultato
in questo caso vale ancora una volta, con le tue possibilità di finire con il migliore
candidato in questo scenario di seconde possibilità consentite è anche il 61%.
Pagina 24
Pagina 25
che la velocità di battitura è l'unica cosa che conta per i nostri candidati. Allora noi
avere ciò che i matematici chiamano "informazione completa" e tutto cambia. "No
è necessario accumulare esperienza per stabilire uno standard ”, come si legge nel documento fondamentale del 1966
dice il problema, “ea volte si può fare una scelta redditizia
subito." In altre parole, se un candidato al 95 ° percentile è il
il primo che valutiamo, lo sappiamo immediatamente e possiamo assumerla con sicurezza sul
spot - questo è, ovviamente, supponendo che non pensiamo che ci sia un 96 ° percentile
richiedente in piscina.
E c'è il problema. Se il nostro obiettivo è, ancora una volta, ottenere la singola persona migliore per il
lavoro, dobbiamo ancora valutare la probabilità che ci sia un candidato più forte
Là. Tuttavia, il fatto di avere informazioni complete ci dà tutto ciò che abbiamo
è necessario calcolare direttamente tali quote. La possibilità che il nostro prossimo candidato sia nel
Ad esempio, il 96 ° percentile o superiore sarà sempre 1 su 20. Così la decisione
se fermarsi dipende interamente dal numero di candidati che ci rimangono
vedere. L'informazione completa significa che non abbiamo bisogno di guardare prima di saltare. Noi possiamo
usa invece la regola della soglia , in cui accettiamo immediatamente un richiedente se
lei è al di sopra di un certo percentile. Non abbiamo bisogno di guardare un gruppo iniziale di
candidati a fissare questa soglia, ma dobbiamo comunque esserne pienamente consapevoli
quanto aspetto resta disponibile.
La matematica mostra che quando ci sono molti candidati rimasti in piscina, tu
dovrebbe rinunciare anche a un ottimo candidato nella speranza di trovare qualcuno ancora
meglio di così, ma man mano che le opzioni diminuiscono, dovresti essere pronto ad assumere
chiunque sia semplicemente migliore della media. È un familiare, se non proprio stimolante,
messaggio: a fronte di guadagni esigui, abbassate i vostri standard. Inoltre rende chiaro
viceversa: con più pesci nel mare, allevali. In entrambi i casi, soprattutto, il
la matematica ti dice esattamente di quanto.
Il modo più semplice per comprendere i numeri di questo scenario è iniziare da
finire e pensare a ritroso. Se sei all'ultimo candidato, ovviamente, lo sei
necessariamente costretto a sceglierla. Ma quando si guarda al penultimo candidato,
la domanda diventa: è al di sopra del 50 ° percentile? Se sì, allora assumila; Se
no, vale la pena tirare i dadi sull'ultima candidata, dato che le sue probabilità di
essendo al di sopra del 50 ° percentile sono 50/50 per definizione. Allo stesso modo, dovresti
scegliere il terzultimo candidato se è al di sopra del 69 ° percentile, il quarto al
ultima candidata se è sopra il 78 ° e così via, essendo più esigente più
Pagina 26
i candidati vengono lasciati. Non importa cosa, non assumere mai qualcuno che è al di sotto della media
a meno che tu non abbia completamente esaurito le opzioni. (E poiché sei ancora interessato solo a
trovare la persona migliore nel pool di candidati, non assumere mai qualcuno che non lo sia
il meglio che hai visto finora.)
La possibilità di finire con il singolo miglior candidato in questo pieno-
la versione informativa del problema della segretaria arriva al 58%, ancora lontana dall'essere a
garanzia, ma notevolmente migliore del tasso di successo del 37% offerto dal 37%
Regola nel gioco della non informazione. Se hai tutti i fatti, puoi avere più successo
spesso, anche se il pool di candidati cresce arbitrariamente.
Soglie di arresto ottimali nel problema della segreteria a piena informazione.
Pagina 27
- deve essere la cosa che stai misurando. Qualsiasi metro che fornisce pieno
informazioni su dove si trova un richiedente rispetto alla popolazione in generale
modificare la soluzione dalla regola Look-Then-Leap alla regola di soglia e
aumenterà notevolmente le tue possibilità di trovare il miglior candidato singolo nel
gruppo.
Ci sono molte altre varianti del problema della segretaria che ne modificano l'altro
ipotesi, forse portandolo maggiormente in linea con le sfide del mondo reale di
trovare l'amore (o una segretaria). Ma le lezioni da trarre dall'arresto ottimale
non si limitano agli appuntamenti o alle assunzioni. In effetti, cercando di fare la scelta migliore quando
le opzioni si presentano solo una per una è anche la struttura di base della vendita a
casa, parcheggiare una macchina e smettere quando sei davanti. E sono tutti, per alcuni
laurea o altro, problemi risolti.
Quando vendere
Se alteriamo altri due aspetti del classico problema della segretaria, troviamo noi stessi
catapultato dal regno della datazione al regno degli immobili. Prima abbiamo parlato
sul processo di affitto di un appartamento come problema di arresto ottimale, ma
Anche possedere una casa non manca di fermarsi in modo ottimale.
Immagina di vendere una casa, per esempio. Dopo aver consultato diversi immobili
agenti, metti il tuo posto sul mercato; una nuova mano di vernice, alcuni paesaggi,
e poi è solo questione di aspettare che arrivino le offerte. Come ogni offerta
arriva, in genere devi decidere se accettarlo o rifiutarlo. Ma
rifiutare un'offerta ha un costo: un'altra settimana (o mese) di mutuo
pagamenti in attesa della prossima offerta, che non è garantita essere alcuna
meglio.
Vendere una casa è simile al gioco di informazioni complete. Conosciamo il
valore oggettivo in dollari delle offerte, indicandoci non solo quali sono migliori di
quale, ma anche di quanto. Inoltre, abbiamo informazioni sul
stato più ampio del mercato, che ci consente di prevedere almeno approssimativamente l'intervallo
di offerte da aspettarsi. (Questo ci fornisce le stesse informazioni "percentili" su ciascuno
offerta che abbiamo avuto con l'esame di digitazione sopra). La differenza qui, tuttavia, è
che il nostro obiettivo non è in realtà quello di garantire la migliore offerta singola, ma di ottenere il massimo
Pagina 28
Pagina 29
La cosa fondamentale da notare in questo problema è che la nostra soglia dipende solo da
il costo della ricerca. Poiché le possibilità che la prossima offerta sia buona, e il
costo di scoprirlo - non cambiare mai, il nostro prezzo di arresto non ha motivo di ottenere mai
più in basso man mano che la ricerca va avanti, indipendentemente dalla nostra fortuna. Lo abbiamo impostato una volta, prima di noi
anche iniziare, e poi semplicemente teniamo duro.
Laura Albert McLay dell'Università del Wisconsin-Madison, an
esperto di ottimizzazione, ricorda di essersi rivolto alla sua conoscenza dell'arresto ottimale
problemi quando è arrivato il momento di vendere la propria casa. “La prima offerta che abbiamo ricevuto è stata
fantastico ", spiega," ma ha avuto un costo enorme perché volevano che ci trasferissimo
un mese prima che fossimo pronti. C'era un'altra offerta competitiva ... [ma]
abbiamo resistito finché non abbiamo ottenuto quello giusto. " Per molti venditori, girando
una buona offerta o due può essere una proposta snervante, soprattutto se il
quelli che seguono immediatamente non sono migliori. Ma McLay ha tenuto la sua posizione e
è rimasto calmo. “Sarebbe stato davvero, davvero difficile”, ammette, “se non l'avessi fatto
so che la matematica era dalla mia parte. "
Questo principio si applica a qualsiasi situazione in cui ricevi una serie di offerte e
Pagina 30
pagare un costo per cercare o aspettare il prossimo. Di conseguenza, è rilevante per i casi
che vanno ben oltre la vendita di una casa. Ad esempio, gli economisti hanno usato questo
algoritmo per modellare il modo in cui le persone cercano lavoro, dove spiega facilmente il
altrimenti fatto apparentemente paradossale di lavoratori disoccupati e non qualificati
posti vacanti esistenti contemporaneamente.
In effetti, queste variazioni sul problema di arresto ottimale ne hanno un altro, pari
proprietà più sorprendente. Come abbiamo visto, la capacità di “ricordare” un'opportunità passata
era vitale nella ricerca dell'amore di Keplero. Ma vendita interna e ricerca di lavoro, anche se
è possibile riconsiderare un'offerta precedente e anche se tale offerta è garantita
essere ancora sul tavolo, tuttavia non dovresti mai farlo. Se non fosse al di sopra del tuo
soglia allora, non sarà al di sopra della tua soglia ora. Quello che hai pagato per mantenere
la ricerca è un costo irrecuperabile. Non scendere a compromessi, non indovinare. E non guardare
indietro.
Quando parcheggiare
Trovo che i tre principali problemi amministrativi in un campus siano per il sesso
gli studenti, atletica per gli alumni e parcheggio per la facoltà.
—CLARK KERR, PRESIDENTE DELLA UC BERKELEY, 1958-1967
Pagina 31
Pagina 32
destinazione. Allora la soluzione è la regola Look-Then-Leap. In modo ottimale
fermare il conducente dovrebbe ignorare tutti i posti liberi che si verificano più di un certo
distanza dalla destinazione e quindi prendere il primo spazio che appare in seguito.
E la distanza alla quale passare dal guardare al saltare dipende da
percentuale di posti che è probabile che vengano riempiti: il tasso di occupazione. Il tavolo
la pagina successiva fornisce le distanze per alcune proporzioni rappresentative.
Se questa strada infinita ha un tasso di occupazione delle grandi città del 99%, con solo l'1% di
posti liberi, quindi dovresti prendere il primo posto che vedi a partire da quasi 70
spot, a più di 400 metri, dalla tua destinazione. Ma se Shoup ha il suo
modo e il tasso di occupazione scende a solo l'85%, non è necessario iniziare seriamente
cercando finché non sei a mezzo isolato di distanza.
La maggior parte di noi non guida su strade perfettamente dritte e infinitamente lunghe. Così come con
altri problemi di arresto ottimali, i ricercatori hanno considerato una varietà di
Pagina 33
Quando smettere
Nel 1997, la rivista Forbes ha identificato Boris Berezovsky come l'uomo più ricco di
Russia, con una fortuna di circa 3 miliardi di dollari. Solo dieci anni prima lo era stato
vivere con lo stipendio di un matematico dell'Accademia delle scienze dell'URSS. Lui
fece i suoi miliardi attingendo ai rapporti industriali che aveva formato attraverso i suoi
ricerca per fondare una società che ha facilitato l'interazione tra stranieri
case automobilistiche e la casa automobilistica sovietica AvtoVAZ. La compagnia di Berezovky
poi è diventato un grande rivenditore per le auto prodotte da AvtoVAZ, utilizzando a
Schema di pagamento rateale per sfruttare l'iperinflazione del rublo.
Utilizzando i fondi di questa partnership ha acquistato la proprietà parziale di AvtoVAZ
stessa, poi la rete televisiva ORT e infine la compagnia petrolifera Sibneft.
Diventando uno di una nuova classe di oligarchi, ha partecipato alla politica, sostenendo
La rielezione di Boris Eltsin nel 1996 e la scelta di Vladimir Putin come suo
successore nel 1999.
Ma è allora che la fortuna di Berezovsky è cambiata. Poco dopo l'elezione di Putin,
Pagina 34
Berezovsky si oppose pubblicamente alle proposte di riforme costituzionali che lo avrebbero fatto
espandere il potere del presidente. La sua continua critica pubblica a Putin ha portato a
il deterioramento della loro relazione. Nell'ottobre 2000, quando fu chiesto a Putin
sulle critiche di Berezovsky, ha risposto: “Lo Stato ha un randello nelle sue mani
che usi per colpire solo una volta, ma in testa. Non abbiamo ancora usato questo randello ...
Il giorno in cui ci arrabbieremo davvero, non esiteremo. " Berezovsky ha lasciato la Russia
definitivamente il mese successivo, andando in esilio in Inghilterra, dove continuò
criticare il regime di Putin.
Come ha deciso Berezovsky che era ora di lasciare la Russia? C'è un modo
forse, pensare matematicamente al consiglio di "smettere finché sei avanti"?
Berezovsky, in particolare, avrebbe potuto considerare questa stessa domanda da allora
l'argomento su cui aveva lavorato tutti quegli anni prima come matematico non era nessuno
diverso dall'arresto ottimale; è autore del primo (e, finora, l'unico) libro
interamente dedicato al problema della segreteria.
Il problema di smettere mentre sei avanti è stato analizzato in diversi
forme diverse, ma forse le più adatte al caso di Berezovsky: con
scuse agli oligarchi russi: è noto come il "problema dei ladri". In questo
problema, un ladro ha la possibilità di effettuare una sequenza di rapine. Ogni
la rapina fornisce una ricompensa e c'è la possibilità di farla franca
tempo. Ma se il ladro viene catturato, viene arrestato e perde tutto il suo accumulato
guadagni. Quale algoritmo dovrebbe seguire per massimizzare la sua presa prevista?
Il fatto che questo problema abbia una soluzione è una cattiva notizia per il film sulla rapina
sceneggiature: quando la squadra sta cercando di attirare il vecchio ladro dal ritiro per
un ultimo lavoro, il ladro astuto deve solo scrutare i numeri. Inoltre, i risultati
sono piuttosto intuitivi: il numero di rapine da eseguire è approssimativamente
pari alla possibilità di scappare, divisa per la possibilità di essere scoperti. Se
sei un abile ladro e hai il 90% di possibilità di portare a termine ogni rapina (e
una probabilità del 10% di perdere tutto), quindi ritirarsi dopo 90/10 = 9 rapine. Un pugno di prosciutto
dilettante con 50/50 possibilità di successo? La prima volta che non hai niente da perdere
ma non sfidare la fortuna più di una volta.
Nonostante la sua esperienza nell'arresto ottimale, la storia di Berezovsky finisce tristemente. Lui
è morto nel marzo 2013, trovato da una guardia del corpo nel bagno chiuso a chiave di casa sua
nel Berkshire con una legatura al collo. La conclusione ufficiale di a
l'esame post mortem è stato che si era suicidato, impiccandosi
Pagina 35
dopo aver perso gran parte della sua ricchezza a causa di una serie di casi legali di alto profilo
coinvolgendo i suoi nemici in Russia. Forse avrebbe dovuto smettere prima ...
ammassando solo poche decine di milioni di dollari, diciamo, e non entrare in politica.
Ma, ahimè, quello non era il suo stile. Uno dei suoi amici matematici, Leonid
Boguslavsky, ha raccontato una storia su Berezovsky da quando erano entrambi giovani
ricercatori: durante un viaggio di sci nautico in un lago vicino a Mosca, la barca che avevano
pianificato di utilizzare si è rotto. Ecco come lo racconta David Hoffman nel suo libro The
Oligarchi :
Mentre i loro amici andavano in spiaggia e accendevano un falò, Boguslavsky e Berezovsky si dirigevano verso il
attraccare per cercare di riparare il motore ... Tre ore dopo avevano smontato e rimontato il motore.
Era ancora morto. Avevano perso la maggior parte della festa, ma Berezovsky insistette che dovevano continuare a provare.
"Abbiamo provato questo e quello", ha ricordato Boguslavsky. Berezovsky non si sarebbe arreso.
Fermati sempre
Pagina 36
Mi aspetto di attraversare questo mondo ma una volta. Qualsiasi bene quindi che posso
fare, o qualsiasi gentilezza che posso mostrare a qualsiasi altra creatura, lasciamelo fare ora.
Non permettetemi di differirlo o trascurarlo, perché non passerò più da questa parte.
—STEPHEN GRELLET
Passa il pomeriggio. Non puoi portarlo con te.
—ANNIE DILLARD
Abbiamo esaminato casi specifici di persone che affrontano problemi di arresto nei loro file
vive, ed è chiaro che la maggior parte di noi incontra questo tipo di problemi, in uno
forma o altro, ogni giorno. Che si tratti di segretarie, fidanzati o appartamenti,
la vita è piena di arresto ottimale. Quindi la domanda irresistibile è se ...
evoluzione o educazione o intuizione: in realtà seguiamo le migliori strategie.
A prima vista, la risposta è no. Circa una dozzina di studi hanno prodotto il
stesso risultato: le persone tendono a smettere presto, lasciando invisibili i candidati migliori. Prendere un
più sensato per questi risultati, abbiamo parlato con Amnon Rapoport di UC Riverside,
chi ha condotto esperimenti di arresto ottimali in laboratorio per ulteriori informazioni
di quarant'anni.
È stato condotto lo studio che più da vicino segue il classico problema della segretaria
negli anni '90 da Rapoport e dal suo collaboratore Darryl Seale. In questo studio le persone
ha ripetuto numerose ripetizioni del problema della segretaria, con 40 o 80
candidati ogni volta. La velocità complessiva con cui le persone hanno trovato il meglio possibile
il candidato era abbastanza buono: circa il 31%, non lontano dall'ottimo 37%. Maggior parte
le persone hanno agito in un modo coerente con la regola Guarda-poi-Salta, ma
saltarono prima di quanto avrebbero dovuto più di quattro quinti del tempo.
Rapoport ci ha detto che lo tiene a mente quando risolve l'arresto ottimale
problemi nella sua vita. Nella ricerca di un appartamento, ad esempio, combatte
la sua stessa voglia di impegnarsi rapidamente. “Nonostante il fatto che per natura sono molto
impaziente e voglio prendere il primo appartamento, cerco di controllarmi! "
Ma quell'impazienza suggerisce un'altra considerazione che non viene presa in considerazione
conto nel classico problema del segretario: il ruolo del tempo. Dopo tutto, il tutto
volta che cerchi una segretaria, non hai una segretaria. Cosa c'è di più,
Pagina 37
Pagina 38
way road, è allo spazio, siamo alla quarta dimensione: passiamo veramente da questa parte ma
una volta.
Intuitivamente, pensiamo che prendere decisioni razionali significhi esaustivamente
enumerando le nostre opzioni, valutandole attentamente e quindi selezionando il file
migliore. Ma in pratica, quando l'orologio - o il ticchettio - ticchetta, pochi aspetti
il processo decisionale (o il pensiero più in generale) sono importanti quanto questo:
quando fermarsi.
Pagina 39
2 Esplora / Sfrutta
L'ultimo contro il più grande
Pagina 40
Gli aforismi consumati dall'età riconoscono questa tensione ma non la risolvono. "Crea nuovo
amici, ma tenete i vecchi Quelli sono d'argento, questi sono d'oro "e" Non c'è vita
così ricco e raro Ma un altro amico potrebbe entrare lì ”sono abbastanza veri;
certamente la loro scansione è ineccepibile. Ma non ci dicono niente di utile
circa il rapporto tra, diciamo, "argento" e "oro" che rende bene la migliore lega di una vita
vissuto.
Gli informatici hanno lavorato per trovare questo equilibrio per più di
cinquant'anni. Hanno persino un nome per questo: il compromesso esplorare / sfruttare.
Esplora / Sfrutta
In inglese, le parole "explore" e "exploit" vengono caricate completamente
connotazioni opposte. Ma per uno scienziato informatico, queste parole hanno molto di più
significati specifici e neutri. In poche parole, l'esplorazione è raccogliere informazioni,
e lo sfruttamento sta usando le informazioni che hai per ottenere un buon risultato noto.
È abbastanza intuitivo che non esplorare mai non sia il modo di vivere. Ma vale anche la pena
menzionando che non sfruttare mai può essere altrettanto negativo. Nell'informatica
definizione, lo sfruttamento arriva a caratterizzare molti di ciò che consideriamo
per essere i momenti migliori della vita. Una riunione di famiglia insieme durante le vacanze è
sfruttamento. Così è un topo di biblioteca che si sistema su una sedia da lettura con una tazza calda di
caffè e un amato preferito, o una band che suona i loro più grandi successi davanti a una folla di
fan adoranti o una coppia che ha resistito alla prova del tempo ballando al ritmo della "loro canzone".
Inoltre, l'esplorazione può essere una maledizione.
Parte di ciò che è bello della musica, ad esempio, è che ce ne sono costantemente nuove
cose da ascoltare. Oppure, se sei un giornalista musicale, parte di ciò che è terribile
la musica è che ci sono sempre cose nuove da ascoltare. Essere un giornalista musicale
significa ruotare il quadrante di esplorazione fino a 11, dove non è altro che nuovo
cose tutto il tempo. Gli amanti della musica potrebbero immaginare di lavorare nel giornalismo musicale
essere il paradiso, ma quando devi costantemente esplorare il nuovo non puoi mai
goditi i frutti della tua conoscenza, un tipo particolare di inferno. Poca gente
conosco questa esperienza tanto profondamente quanto Scott Plagenhoef, l'ex redattore capo di
Forcone . “Cerchi di trovare spazi quando lavori per ascoltare qualcosa
che vuoi solo ascoltare ", dice della vita di un critico. I suoi disperati impulsi a
Pagina 41
smettila di guadare melodie inascoltate di dubbia qualità e ascolta semplicemente quello che lui
amato erano così forti che Plagenhoef avrebbe messo solo nuova musica sul suo iPod, a
rendersi fisicamente incapace di abbandonare i propri doveri in quei momenti
quando voleva davvero, davvero, davvero ascoltare gli Smiths. I giornalisti lo sono
martiri, esplorando in modo che altri possano sfruttare.
Nell'informatica, la tensione tra esplorazione e sfruttamento prende
la sua forma più concreta in uno scenario chiamato "problema dei banditi multi-armati".
Il nome strano deriva dal termine colloquiale per una slot machine da casinò, il
"Bandito con un braccio solo." Immagina di entrare in un casinò pieno di slot differenti
macchine, ognuna con le proprie probabilità di vincita. Il problema, ovviamente, sei tu
non vengono comunicate quelle probabilità in anticipo: finché non inizi a giocare, non ne avrai
idea di quali macchine sono le più redditizie ("sciolte", come gli appassionati di slot machine
chiamatelo) e quali sono solo dei soldi.
Naturalmente, sei interessato a massimizzare le tue vincite totali. Ed è chiaro
che questo comporterà una combinazione di tirare le braccia in modo diverso
macchine per testarle (esplorando) e privilegiando le più promettenti
macchine che hai trovato (sfruttando).
Per avere un'idea delle sottigliezze del problema, immagina di essere affrontato solo con
due macchine. Uno che hai giocato un totale di 15 volte; 9 volte è stato pagato e 6
volte no. L'altro hai giocato solo due volte, e una volta ha pagato e
una volta no. Qual è più promettente?
Dividendo semplicemente le vincite per il numero totale di tiri otterrai il
il "valore atteso" della macchina, e con questo metodo arriva chiaramente la prima macchina
avanti. Il suo record di 9–6 rappresenta un valore atteso del 60%, mentre il
il record di 1–1 della seconda macchina produce un valore atteso di solo il 50%. Ma c'è
più di quello. Dopotutto, solo due tiri non sono davvero molti. Quindi c'è un file
senso in cui non sappiamo ancora quanto potrebbe essere buona la seconda macchina
essere effettivamente.
La scelta di un ristorante o di un album è, in effetti, una questione di decidere quale
braccio per tirare nel casinò della vita. Ma capire il compromesso tra esplorazione e sfruttamento non lo è
solo un modo per migliorare le decisioni su dove mangiare o cosa ascoltare. Anche
fornisce informazioni fondamentali su come i nostri obiettivi dovrebbero cambiare con l'avanzare dell'età e
perché la linea d'azione più razionale non è sempre cercare di scegliere il meglio.
E risulta essere al centro, tra le altre cose, del web design e della clinica
Pagina 42
processi: due argomenti che normalmente non vengono menzionati nella stessa frase.
Le persone tendono a trattare le decisioni in modo isolato, a concentrarsi sul trovare ogni volta il
risultato con il valore atteso più alto. Ma le decisioni non sono quasi mai
isolato e il valore atteso non è la fine della storia. Se stai pensando non solo
sulla decisione successiva , ma su tutte le decisioni che prenderete
le stesse opzioni in futuro, il compromesso esplorare / sfruttare è cruciale per il
processi. In questo modo, scrive il matematico Peter Whittle, il problema dei banditi
"Incarna in forma essenziale un conflitto evidente in tutte le azioni umane."
Quindi quale di quelle due braccia dovresti tirare? È una domanda trabocchetto. It
dipende completamente da qualcosa che non abbiamo ancora discusso: quanto tempo pianifichi
essere al casinò.
Cogli l'intervallo
"Carpe diem", esorta Robin Williams in una delle scene più memorabili del film
1989 film Dead Poets Society . “Cogli l'attimo, ragazzi. Crea le tue vite
straordinario."
È un consiglio incredibilmente importante. È anche un po 'contraddittorio.
Cogliere un giorno e cogliere una vita sono due imprese completamente diverse. Noi
hanno l'espressione "Mangia, bevi e sii felice, perché domani moriremo", ma
forse dovremmo anche avere il suo inverso: “Inizia ad imparare una nuova lingua o una lingua
strumento, e fare chiacchiere con uno sconosciuto, perché la vita è lunga, e chi
sa quale gioia potrebbe sbocciare nel corso di molti anni. " Quando si bilancia il preferito
esperienze e nuove, niente conta quanto l'intervallo durante il quale
abbiamo in programma di goderne.
“Ho più probabilità di provare un nuovo ristorante quando mi trasferisco in una città rispetto a quando lo sono
lasciandolo ", spiega il data scientist e blogger Chris Stucchio, un veterano di
alle prese con il compromesso tra esplorazione e sfruttamento sia nel suo lavoro che nella sua vita. "IO
per lo più vado nei ristoranti che conosco e amo adesso, perché so che lo sarò
lasciando New York abbastanza presto. Mentre un paio di anni fa mi sono trasferito a Pune,
India, e mangiavo dannatamente ovunque che non sembrava che sarebbe andato
uccidimi. E mentre lasciavo la città sono tornato a tutti i miei vecchi preferiti, piuttosto
piuttosto che provare cose nuove ... Anche se trovo un posto leggermente migliore, ci vado
Pagina 43
Il pubblico riceverà una sesta porzione di X-Men più Fast and Furious 6 , Die Hard 5 , Scary Movie
5 e attività paranormale 5 . Ci saranno anche Iron Man 3 , The Hangover 3 e seconde uscite per
I Muppets , I Puffi , GI Joe e Bad Santa .
Dal punto di vista di uno studio, un sequel è un film con una base di fan garantita: a
cash cow, una cosa sicura, un exploit. E un sovraccarico di cose sicure segnala un breve
approccio termista, come con Stucchio in uscita dalla città. I sequel sono di più
Probabilmente di nuovi film per essere successi quest'anno, ma dove sarà l'amato
da dove vengono i franchise del futuro? Un simile diluvio non è solo deplorevole
(certamente i critici la pensano così); è anche un po 'toccante. Entrando in un quasi
fase puramente incentrata sull'exploit, l'industria cinematografica sembra segnalare una convinzione
che è vicino alla fine del suo intervallo.
Uno sguardo all'economia di Hollywood conferma questa intuizione. I profitti di
i più grandi studi cinematografici sono diminuiti del 40% tra il 2007 e il 2011 e le vendite dei biglietti
Pagina 44
sono diminuiti in sette degli ultimi dieci anni. Come dice l' Economist , “Squeezed
tra costi in aumento e ricavi in calo, i grandi studi hanno risposto
cercando di fare più film che pensano saranno dei successi: di solito sequel, prequel o
qualsiasi cosa includa caratteri con riconoscimento del nome. " In altre parole, lo sono
tirando le braccia delle migliori macchine che hanno prima che il casinò le trasformi
su.
Win-Stay
Trovare algoritmi ottimali che ci dicano esattamente come gestire il multi-armato
Il problema dei banditi si è dimostrato incredibilmente impegnativo. Infatti, come Peter Whittle
racconta, durante la seconda guerra mondiale gli sforzi per risolvere la questione “così indebolirono il
energie e menti degli analisti alleati ... che è stato suggerito che il
problema essere lasciato cadere sulla Germania, come l'ultimo strumento intellettuale
sabotaggio."
I primi passi verso una soluzione furono compiuti negli anni del dopoguerra, quando
Il matematico della Columbia Herbert Robbins ha dimostrato che esiste una strategia semplice
che, sebbene non perfetto, viene fornito con alcune buone garanzie.
Robbins ha considerato specificamente il caso in cui ci sono esattamente due slot
macchine e ha proposto una soluzione chiamata algoritmo Win-Stay, Lose-Shift :
scegli un braccio a caso e continua a tirarlo finché continua a dare i suoi frutti. Se
il braccio non paga dopo un particolare tiro, quindi passa all'altro.
Sebbene questa semplice strategia sia lungi dall'essere una soluzione completa, Robbins lo ha dimostrato
1952 che funziona in modo affidabile meglio del caso.
Dopo Robbins, una serie di documenti ha esaminato il "rimanere su un vincitore"
principio ulteriormente. Intuitivamente, se fossi già disposto a tirare un braccio, e questo
ha appena dato i suoi frutti, questo dovrebbe solo aumentare la stima del suo valore, e tu
dovrebbe essere solo più disposto a tirarlo di nuovo. E infatti, win-stay si rivela
un elemento della strategia ottimale per bilanciare esplorazione e sfruttamento
in un'ampia gamma di condizioni.
Ma perdere turno è un'altra storia. Cambiare le armi ogni volta che uno fallisce è carino
mossa avventata. Immagina di andare in un ristorante cento volte, ogni volta con un
pasto meraviglioso. Basterebbe una delusione per indurti a rinunciare
Pagina 45
su di essa? Le buone opzioni non dovrebbero essere penalizzate troppo per essere imperfette.
Più significativamente, Win-Stay, Lose-Shift non ha alcuna nozione di
intervallo su cui si sta ottimizzando. Se il tuo ristorante preferito è rimasto deluso
l'ultima volta che hai mangiato lì, quell'algoritmo dice sempre che dovresti andare a
un altro posto, anche se è la tua ultima notte in città.
Tuttavia, il lavoro iniziale di Robbins sul problema dei banditi multi-armati ha dato il via a
letteratura sostanziale e i ricercatori hanno compiuto progressi significativi nel corso del prossimo
pochi anni. Richard Bellman, un matematico della RAND Corporation, ha scoperto
una soluzione esatta al problema per i casi in cui sappiamo in anticipo esattamente
quante opzioni e opportunità avremo in totale. Come con il full-
problema della segretaria dell'informazione, il trucco di Bellman era essenzialmente quello di funzionare
all'indietro, iniziando immaginando il tiro finale e considerando quale slot
macchina da scegliere visti tutti i possibili esiti delle decisioni precedenti.
Dopo averlo capito, allora dovresti passare alla penultima opportunità
il precedente, e quello prima ancora, fino all'inizio.
Le risposte che emergono dal metodo di Bellman sono ferree, ma molte
opzioni e una lunga visita al casinò può richiedere un importo vertiginoso o impossibile
di lavoro. Inoltre, anche se siamo in grado di calcolare tutti i possibili futuri, noi di
Ovviamente non sempre si sa esattamente quante opportunità (o anche quante
opzioni) avremo. Per questi motivi, il problema dei banditi multi-armati
rimase effettivamente irrisolto. Nelle parole di Whittle, "è diventato rapidamente un classico,
e sinonimo di intransigenza. "
L'indice di Gittins
Come spesso accade in matematica, però, il particolare è la porta d'accesso a
universale. Negli anni '70, la Unilever Corporation ha chiesto a un giovane matematico
ha chiamato John Gittins per aiutarli a ottimizzare alcuni dei loro test sui farmaci.
Inaspettatamente, quello che hanno ottenuto è stata la risposta a un enigma matematico che aveva
rimasto irrisolto per una generazione.
Gittins, che ora è professore di statistica a Oxford, ha riflettuto sulla questione
poste da Unilever. Dati diversi composti chimici diversi, qual è il file
modo più rapido per determinare quale composto è probabile che sia efficace contro a
Pagina 46
patologia? Gittins ha cercato di esprimere il problema nella forma più generale possibile:
più opzioni da perseguire, una diversa probabilità di ricompensa per ciascuna opzione e
una certa quantità di sforzo (o denaro, o tempo) da assegnare tra di loro. It
era, ovviamente, un'altra incarnazione del problema dei banditi multi-armati.
Sia le compagnie farmaceutiche a scopo di lucro che la professione medica che servono lo sono
costantemente confrontato con le esigenze concorrenti del compromesso esplorare / sfruttare.
Le aziende vogliono investire soldi in R & S nella scoperta di nuovi farmaci, ma
vogliono anche assicurarsi che le loro attuali linee di prodotti redditizie siano fiorenti.
I medici vogliono prescrivere i migliori trattamenti esistenti in modo che i pazienti ottengano il
cure di cui hanno bisogno, ma vogliono anche incoraggiare studi sperimentali che potrebbero presentarsi
anche migliori.
In entrambi i casi, in particolare, non è del tutto chiaro quale dovrebbe essere l'intervallo rilevante
essere. In un certo senso, sia le aziende farmaceutiche che i medici sono interessati all'indefinito
futuro. Le aziende vogliono essere in giro teoricamente per sempre e in campo medico
lato una svolta potrebbe continuare per aiutare le persone che non sono ancora nate.
Tuttavia, il presente ha una priorità più alta: oggi viene portato un paziente guarito
essere più prezioso di uno curato tra una settimana o un anno da oggi, e certamente il
lo stesso vale per i profitti. Gli economisti fanno riferimento a questa idea, di valorizzare il presente
più importante del futuro, come "sconto".
A differenza dei ricercatori precedenti, Gittins si è avvicinato al bandito multi-armato
problema in quei termini. Ha concepito l'obiettivo come massimizzare i payoff non per a
intervallo di tempo fisso, ma per un futuro infinito eppure scontato.
Tale sconto non ci è estraneo dalla nostra vita. Dopotutto, se tu
visitare una città per una vacanza di dieci giorni, quindi dovresti fare il tuo ristorante
decisioni con un intervallo fisso in mente; ma se vivi in città, questo no
ha molto senso. Invece, potresti immaginare che il valore dei payoff diminuisca
più sono nel futuro: ci tieni di più al pasto che stai per mangiare
mangia stasera rispetto al pasto che mangerai domani, e altro ancora
il pasto di domani di uno all'anno da adesso, con le specifiche di quanto
più a seconda della tua particolare "funzione di sconto". Gittins, da parte sua,
ipotizzato che il valore assegnato ai payoff diminuisca geometricamente:
cioè, ogni visita al ristorante che fai vale una frazione costante dell'ultima.
Se, diciamo, credi che ci sia una probabilità dell'1% di essere investito da un autobus in un dato momento
giorno, allora dovresti valutare la cena di domani al 99% del valore di quella di stasera, se
Pagina 47
Pagina 48
90% di un guadagno ora. Questi valori possono essere utilizzati per risolvere una varietà di situazioni quotidiane
problemi di banditi multi-armati. Ad esempio, in base a questi presupposti dovresti:
infatti, scegli la slot machine che ha un track record di 1–1 (e un file
valore del 50%) rispetto a quello con un track record di 9–6 (e un valore atteso di
60%). La ricerca delle coordinate rilevanti nella tabella mostra che il minore
la macchina conosciuta ha un indice di 0.6346, mentre la macchina più giocata segna
solo uno 0.6300. Problema risolto: questa volta tenta la fortuna ed esplora.
Guardando i valori dell'indice di Gittins nella tabella, ce ne sono alcuni altri
osservazioni interessanti. In primo luogo, puoi vedere il principio del soggiorno vincente al lavoro: come te
andare da sinistra a destra in qualsiasi riga, i punteggi dell'indice aumentano sempre. Quindi se un braccio lo è
mai quello corretto da tirare, e quel tiro è un vincitore, quindi (seguendo la tabella a
a destra) può solo avere più senso tirare di nuovo lo stesso braccio. Secondo, tu
può vedere dove perdere il turno ti metterebbe nei guai. Avere nove vittorie iniziali
seguito da una perdita ottieni un indice di 0,8695, che è ancora superiore alla maggior parte di
gli altri valori nella tabella, quindi probabilmente dovresti rimanere con quel braccio per at
almeno un altro tiro.
I valori dell'indice di Gittins in funzione delle vincite e delle perdite, assumendo che un payoff la volta successiva valga il 90% di a
ripagare adesso.
Pagina 49
l'esperienza con qualsiasi cosa è più attraente di una macchina che conosci
paga sette volte su dieci! Mentre scendi lungo la diagonale, nota che a
record di 1–1 restituisce un indice di 0,6346, un record di 2–2 restituisce 0,6010, e così
sopra. Se tale rendimento del 50% persiste, l'indice alla fine lo farà
convergono su 0,5000, in quanto l'esperienza conferma che la macchina è davvero nulla
speciale e toglie il “bonus” che stimola ulteriori esplorazioni. Ma il
la convergenza avviene abbastanza lentamente; il bonus di esplorazione è una forza potente.
Infatti, nota che anche un fallimento al primo tiro, producendo un record di 0-1,
crea un indice di Gittins che è ancora superiore al 50%.
Possiamo anche vedere come cambia il compromesso esplora / sfrutta quando cambiamo il file
modo in cui stiamo scontando il futuro. La tabella seguente presenta esattamente lo stesso
informazioni come quella precedente, ma presume che valga la pena di ottenere un guadagno la volta successiva
99% di uno adesso, invece del 90%. Con il futuro pesato quasi quanto
il presente, il valore di fare una scoperta casuale, relativo al prendere una sicurezza
cosa, sale ancora di più. Qui, una macchina totalmente non testata con un record 0–0 è
vale una probabilità garantita dell'86,99% di un pagamento!
I valori dell'indice di Gittins in funzione delle vincite e delle perdite, assumendo che un payoff la prossima volta valga il 99% di a
ripagare adesso.
Pagina 50
risultati di ciò che apprendiamo esplorando. Il vecchio adagio ci dice che "l'erba è
sempre più verde dall'altra parte del recinto ”, ma la matematica ci dice il motivo: il
sconosciuto ha una possibilità di essere migliore, anche se in realtà ci aspettiamo che sia no
diverso, o se è altrettanto probabile che sia peggio. Il rookie non testato vale di più
(all'inizio della stagione, comunque) rispetto al veterano di abilità apparentemente uguali,
proprio perché sappiamo meno di lui. L'esplorazione in sé ha valore, da allora
provare cose nuove aumenta le nostre possibilità di trovare il meglio. Quindi, prendendo il futuro
tenere conto che, piuttosto che concentrarsi solo sul presente, ci spinge verso la novità.
L'indice di Gittins fornisce quindi una soluzione sorprendentemente semplice al
problema dei banditi multi-armati. Ma non chiude necessariamente il libro su
o aiutaci a navigare tra tutti i compromessi di esplorazione / sfruttamento della vita quotidiana. Per
uno, l'indice di Gittins è ottimale solo sotto alcune forti ipotesi. Si basa
sull'attualizzazione geometrica della ricompensa futura, valutando ogni attrazione come costante
frazione del precedente, che è qualcosa in cui una varietà di esperimenti
l'economia e la psicologia comportamentale suggeriscono che le persone non lo fanno. E se c'è un file
costo per il passaggio tra le opzioni, la strategia Gittins non è più ottimale.
(L'erba dall'altra parte del recinto può sembrare un po 'più verde, ma non è così
garantisce necessariamente di scalare la recinzione, figuriamoci di sottoscrivere una seconda ipoteca.)
Forse ancora più importante, è difficile calcolare l'indice di Gittins al volo.
Se porti in giro una tabella di valori indice puoi ottimizzare la tua cena
scelte, ma il tempo e lo sforzo necessari potrebbero non valerne la pena. ("Aspetta, posso
risolvere questo argomento. Quel ristorante era buono 29 volte su 35, ma quest'altro
uno è stato buono 13 volte su 16, quindi gli indici di Gittins sono ... Ehi, dove
sono andati tutti? ")
Nel tempo trascorso dallo sviluppo dell'indice Gittins, tali preoccupazioni hanno
ha inviato informatici e statistici alla ricerca di soluzioni più semplici e flessibili
strategie per affrontare i banditi multi-armati. Queste strategie sono più facili per
gli esseri umani (e le macchine) da applicare in una serie di situazioni rispetto allo scricchiolio del file
indice di Gittins ottimale, pur fornendo prestazioni relativamente buone. Essi
impegnarsi anche con una delle nostre più grandi paure umane riguardo alle decisioni in merito
quali possibilità cogliere.
Rammarico e ottimismo
Pagina 51
—FRANK SINATRA
Per me sono ottimista. Non sembra essere molto utile essere qualcosa
altro.
-WINSTON CHURCHILL
Se l'indice di Gittins è troppo complicato o se non sei in una situazione buona
caratterizzato dallo sconto geometrico, allora hai un'altra opzione: concentrarti su
rimpianto . Quando scegliamo cosa mangiare, con chi trascorrere del tempo o in quale città vivere
in, il rimpianto incombe: presentato con una serie di buone opzioni, è facile torturarlo
noi stessi con le conseguenze di fare la scelta sbagliata. Questi sono rimpianti
spesso delle cose che non siamo riusciti a fare, delle opzioni che non abbiamo mai provato. Nel
parole memorabili del teorico del management Chester Barnard: “Provare e fallire è tutto
almeno per imparare; non riuscire a tentare significa subire la perdita inestimabile di ciò che potrebbe avere
stato. "
Il rimpianto può anche essere molto motivante. Prima che decidesse di iniziare
Amazon.com, Jeff Bezos aveva una posizione sicura e ben pagata nell'investimento
azienda DE Shaw & Co. a New York. Avvio di una libreria online a Seattle
sarebbe stato un grande balzo in avanti, qualcosa che il suo capo (che è DE Shaw) gli aveva consigliato
lui a pensare attentamente. Dice Bezos:
Il quadro che ho trovato, che ha reso la decisione incredibilmente facile, era quello che ho chiamato, che solo a
nerd chiamerebbe "un quadro di minimizzazione del rimpianto". Quindi volevo proiettarmi in avanti per invecchiare
80 e dire: "Ok, ora sto guardando indietro alla mia vita. Voglio ridurre al minimo il numero di rimpianti
Io ho." Sapevo che quando avevo 80 anni non mi sarei pentito di averlo provato. Non stavo per farlo
rimpiango di aver provato a partecipare a questa cosa chiamata Internet che pensavo sarebbe stata davvero grande
affare. Sapevo che se avessi fallito non me ne sarei pentito, ma sapevo che l'unica cosa di cui avrei potuto pentirmi non è mai stato
aver provato. Sapevo che questo mi avrebbe perseguitato ogni giorno, e così, quando ci ho pensato in quel modo, è stato
è stata una decisione incredibilmente facile.
L'informatica non può offrirti una vita senza rimpianti. Ma può, potenzialmente,
offrirti proprio quello che Bezos stava cercando: una vita con il minimo rimpianto.
Pagina 52
Il rimpianto è il risultato del confronto tra ciò che abbiamo effettivamente fatto e ciò che avremmo avuto
stato il migliore con il senno di poi. In un bandito multi-armato, la "perdita inestimabile" di Barnard può
infatti va misurato con precisione, e al rimpianto viene assegnato un numero: è la differenza
tra il payoff totale ottenuto seguendo una particolare strategia e il totale
payoff che teoricamente si sarebbe potuto ottenere semplicemente tirando il braccio migliore
ogni singola volta (se avessimo saputo dall'inizio quale fosse). Noi possiamo
calcola questo numero per strategie diverse e cerca quelle che riducono al minimo
esso.
Nel 1985, Herbert Robbins ha sparato un secondo colpo al bandito multi-armato
problema, una trentina di anni dopo il suo lavoro iniziale su Win-Stay, Lose-Shift. Lui
e il collega matematico della Columbia Tze Leung Lai furono in grado di provarne diversi
punti chiave sul rimpianto. Primo, supponendo che tu non sia onnisciente, l'importo totale
di rimpianto probabilmente non smetterà mai di aumentare, anche se scegli il meglio possibile
strategia, perché anche la migliore strategia non è sempre perfetta. Secondo, rimpianto
aumenterà a un ritmo più lento se scegli la strategia migliore rispetto a se scegli altre;
inoltre, con una buona strategia il tasso di crescita del rimpianto diminuirà
tempo, man mano che impari di più sul problema e sei in grado di fare scelte migliori.
Terzo, e più specificamente, il minimo rimpianto possibile, sempre assumendo
onniscienza: è il rimpianto che aumenta a un ritmo logaritmico con ogni richiamo del
maniglia.
L'aumento logaritmico del rimpianto significa che faremo il maggior numero di errori
i nostri primi dieci tiri come nei novanta successivi, e tanti nel nostro primo anno quanti ne
il resto del decennio combinato. (Gli errori del primo decennio, a loro volta, sono come
molti quanti ne faremo per il resto del secolo.) Questa è una certa misura
consolazione. In generale non possiamo realisticamente aspettarci di non averne mai uno
più rimpianti. Ma se stiamo seguendo un algoritmo che minimizza i rimpianti, ogni anno
possiamo aspettarci di avere meno nuovi rimpianti rispetto all'anno precedente.
A partire da Lai e Robbins, i ricercatori degli ultimi decenni si sono messi in moto
alla ricerca di algoritmi che offrano la garanzia del minimo rimpianto. Di quelli
hanno scoperto, i più popolari sono conosciuti come Upper Confidence Bound
algoritmi.
Le visualizzazioni visive delle statistiche spesso includono le cosiddette barre di errore che si estendono
sopra e sotto qualsiasi punto dati, indicando l'incertezza nella misurazione; il
le barre di errore mostrano l'intervallo di valori plausibili della quantità misurata
Pagina 53
potrebbe effettivamente avere. Questo intervallo è noto come "intervallo di confidenza" e come noi
ottenere più dati su qualcosa che l'intervallo di confidenza si ridurrà, riflettendo un
valutazione sempre più accurata. (Ad esempio, una slot machine che ha pagato
una volta su due pull avrà un intervallo di confidenza più ampio, anche se lo stesso
valore atteso, come una macchina che ha pagato cinque volte su dieci tiri.) In a
problema di banditi multi-armati, dice un algoritmo Upper Confidence Bound, abbastanza
semplicemente, per scegliere l'opzione per cui la parte superiore dell'intervallo di confidenza è più alta.
Come l'indice di Gittins, quindi, gli algoritmi Upper Confidence Bound assegnano
un solo numero per ogni braccio del bandito multibraccio. E quel numero è impostato su
il valore più alto che il braccio potrebbe ragionevolmente avere, in base alle informazioni
disponibile finora. Quindi un algoritmo Upper Confidence Bound non si cura di quale
il braccio si è comportato meglio finora; invece, sceglie il braccio che potrebbe ragionevolmente
dare il meglio in futuro. Se non sei mai stato in un ristorante prima, per
esempio, quindi per quanto ne sai potrebbe essere fantastico. Anche se ci sei andato
una o due volte e hai provato un paio dei loro piatti, potresti non averne abbastanza
informazioni per escludere la possibilità che possa ancora rivelarsi migliore della tua
preferito normale. Come l'indice di Gittins, il limite di fiducia superiore è sempre
maggiore del valore atteso, ma sempre meno man mano che acquisiamo più esperienza
con un'opzione particolare. (Un ristorante con una sola recensione mediocre conserva ancora
un potenziale di grandezza che è assente in un ristorante con centinaia di tali
recensioni.) Le raccomandazioni fornite dagli algoritmi Upper Confidence Bound
saranno simili a quelli forniti dall'indice Gittins, ma lo sono in modo significativo
più facili da calcolare e non richiedono l'assunzione di geometrie
attualizzazione.
Gli algoritmi Upper Confidence Bound implementano un principio che è stato
soprannominato "ottimismo di fronte all'incertezza". L'ottimismo, mostrano, può essere
perfettamente razionale. Concentrandosi sul meglio che un'opzione potrebbe essere, data la
prove ottenute finora, questi algoritmi danno un impulso alle possibilità che conosciamo
meno circa. Di conseguenza, iniettano naturalmente una dose di esplorazione nel file
processo decisionale, saltando a nuove opzioni con entusiasmo perché qualsiasi
uno di loro potrebbe essere la prossima grande novità. Lo stesso principio è stato utilizzato, per
ad esempio, da Leslie Kaelbling del MIT, che costruisce "robot ottimisti" che esplorano
lo spazio intorno a loro aumentando il valore del terreno inesplorato. E chiaramente
ha implicazioni anche per le vite umane.
Pagina 54
Pagina 55
Pagina 56
Entro un decennio circa dopo il suo primo utilizzo provvisorio, il test A / B non era più a
arma segreta. È diventato una parte così profondamente radicata nel modo in cui il business e
la politica è condotta online in modo da essere effettivamente data per scontata. La prossima volta
apri il browser, puoi essere sicuro che i colori, le immagini, il testo, forse
anche i prezzi che vedi, e certamente gli annunci, provengono da un
esplora / sfrutta l'algoritmo, sintonizzandosi sui tuoi clic. In questo particolare multi-
problema bandito armato, non sei il giocatore d'azzardo; sei il jackpot.
Il processo di test A / B stesso è diventato sempre più raffinato nel tempo.
La configurazione A / B più canonica, che suddivide il traffico in modo uniforme tra due opzioni,
eseguire il test per un determinato periodo di tempo e successivamente inviare tutto il traffico a
vincitore: potrebbe non essere necessariamente il miglior algoritmo per risolvere il problema,
poiché significa che metà degli utenti è bloccata nell'ottenere l'opzione inferiore fintanto che il file
il test continua. E le ricompense per trovare un approccio migliore sono potenzialmente molto
alto. Oltre il 90% dei circa $ 50 miliardi di entrate annuali di Google
attualmente proviene dalla pubblicità a pagamento e comprende il commercio online
centinaia di miliardi di dollari all'anno. Ciò significa che esplora / sfrutta gli algoritmi
effettivamente alimenta, sia economicamente che tecnologicamente, una frazione significativa
di Internet stesso. I migliori algoritmi da utilizzare rimangono fortemente contestati, con
statistici rivali, ingegneri e blogger che combattono all'infinito sull'ottimale
modo per bilanciare esplorazione e sfruttamento in ogni possibile scenario aziendale.
Discutere le precise distinzioni tra le varie interpretazioni dell'esplorazione / exploit
il problema può sembrare irrimediabilmente arcano. In effetti, queste distinzioni risultano
importa immensamente, e non si tratta solo di elezioni presidenziali e Internet
economia che sono in gioco.
Sono anche vite umane.
Pagina 57
fino a quando non ha divulgato l'articolo alla stampa: è apparso sul Washington Star a luglio
25, 1972, e il giorno dopo era l'articolo in prima pagina sul New York Times - quello
il governo degli Stati Uniti ha infine interrotto lo studio.
Ciò che è seguito alla protesta pubblica e alla successiva udienza del Congresso,
è stata un'iniziativa per formalizzare i principi e gli standard dell'etica medica. UN
commissione tenutasi presso il Pastoral Belmont Conference Center nel Maryland
risultò in un documento del 1979 noto come Rapporto Belmont. Il rapporto Belmont
stabilisce una base per la pratica etica degli esperimenti medici, in modo che il
Esperimento di Tuskegee: una violazione egregia e inequivocabilmente inappropriata del
il dovere della professione sanitaria nei confronti dei suoi pazienti potrebbe non ripetersi mai. Ma anche
rileva la difficoltà, in molti altri casi, di determinare esattamente dove si trova la linea
dovrebbe essere disegnato.
“La massima ippocratica 'non nuocere' è stata a lungo un principio fondamentale
di etica medica ", sottolinea il rapporto. “[Il fisiologo] Claude Bernard
lo estese al regno della ricerca, dicendo che non si dovrebbe ferire una persona
indipendentemente dai vantaggi che potrebbero derivarne agli altri. Tuttavia, anche evitando
il danno richiede l'apprendimento di ciò che è dannoso; e, nel processo di ottenimento di questo
informazioni, le persone possono essere esposte al rischio di danni. "
Il Rapporto Belmont riconosce quindi, ma non risolve, la tensione che questo
esiste tra agire in base alle proprie migliori conoscenze e raccogliere di più. Anche
rende chiaro che la raccolta di conoscenze può essere così preziosa che alcuni aspetti di
la normale etica medica può essere sospesa. Test clinici di nuovi farmaci e
trattamenti, osserva il rapporto, spesso richiedono il rischio di danni ad alcuni pazienti, anche se
vengono prese misure per ridurre al minimo tale rischio.
Il principio di beneficenza non è sempre così univoco. Rimane un difficile problema etico, per
esempio, sulla ricerca [sulle malattie infantili] che presenta un rischio più che minimo senza
prospettiva immediata di beneficio diretto per i bambini coinvolti. Alcuni hanno sostenuto che tale ricerca è
inammissibile, mentre altri hanno sottolineato che questo limite escluderebbe molte ricerche promettenti
grande vantaggio per i bambini in futuro. Anche in questo caso, come in tutti i casi difficili, sono state coperte le diverse richieste
dal principio di beneficenza può entrare in conflitto e costringere a scelte difficili.
Pagina 58
minimizza davvero il rischio per i pazienti. In uno studio clinico convenzionale, i pazienti lo sono
diviso in gruppi e ogni gruppo è assegnato a ricevere un trattamento diverso per
la durata dello studio. (Solo in casi eccezionali un processo viene interrotto
presto.) Questa procedura si concentra sulla risoluzione decisiva della questione
il trattamento è migliore, piuttosto che fornire il miglior trattamento a ciascun paziente in
il processo stesso. In questo modo funziona esattamente come il test A / B di un sito web, con a
certa frazione di persone che ricevono un'esperienza durante l'esperimento che lo farà
alla fine essere dimostrato inferiore. Ma i medici, come le aziende tecnologiche, stanno guadagnando
alcune informazioni su quale opzione è migliore durante il processo -
informazioni che potrebbero essere utilizzate per migliorare i risultati non solo per i futuri pazienti
oltre il processo, ma per i pazienti attualmente coinvolti.
Milioni di dollari sono in gioco negli esperimenti per trovare l'ottimale
configurazione di un sito web, ma in studi clinici, sperimentando per trovare ottimale
i trattamenti hanno conseguenze dirette sulla vita o sulla morte. E una comunità in crescita di
medici e statistici pensano che stiamo sbagliando: che dovremmo essere
trattare la selezione dei trattamenti come un problema di banditi multi-armati e provare
per ottenere i trattamenti migliori alle persone anche mentre è in corso un esperimento.
Nel 1969 Marvin Zelen, un biostatistico che ora è ad Harvard, propose
condurre prove "adattive". Una delle idee che ha suggerito era casuale
Algoritmo "gioca il vincitore", una versione di Win-Stay, Lose-Shift, in cui il
la possibilità di utilizzare un determinato trattamento aumenta di ogni vittoria e diminuisce di
ogni perdita. Nella procedura di Zelen, inizi con un cappello che contiene una palla per
ciascuna delle due opzioni di trattamento studiate. Il trattamento per il primo
il paziente viene selezionato estraendo una palla a caso dal cappello (la palla viene rimessa
in seguito). Se il trattamento scelto ha successo, metti un'altra palla per quello
trattamento nel cappello: ora hai tre palle, due delle quali sono per il
trattamento di successo. Se fallisce, metti un'altra palla per l' altro trattamento
nel cappello, rendendo più probabile che sceglierai l'alternativa.
L'algoritmo di Zelen è stato utilizzato per la prima volta in uno studio clinico sedici anni dopo, per a
studio dell'ossigenazione extracorporea della membrana, o "ECMO", un audace
approccio al trattamento dell'insufficienza respiratoria nei neonati. Sviluppato negli anni '70 da
Robert Bartlett dell'Università del Michigan, ECMO prende il sangue che sta dirigendo
per i polmoni e lo indirizza invece fuori dal corpo, dove viene ossigenato da a
macchina e tornato al cuore. È una misura drastica, con rischi propri
Pagina 59
Pagina 60
il trattamento è morto e tutti i nove dei nove bambini che hanno ricevuto l'ECMO sono sopravvissuti. Il quattro
sono bastati i morti per innescare un passaggio alla seconda fase, dove tutti e venti
i pazienti sono stati trattati con ECMO e diciannove sono sopravvissuti. Ware e colleghi
erano convinti, concludendo che “è difficile difendere un'ulteriore randomizzazione
eticamente."
Ma alcuni l'avevano già concluso prima dello studio Ware, e si erano espressi
a proposito. I critici includevano Don Berry, uno dei massimi esperti mondiali in materia
banditi multi-armati. In un commento che è stato pubblicato insieme allo studio Ware
in Statistical Science , Berry ha scritto che "randomizzare i pazienti a non-ECMO
la terapia come nello studio Ware non era etica ... A mio avviso, lo studio Ware
non avrebbe dovuto essere condotto. "
Eppure anche lo studio Ware non è stato conclusivo per tutti in campo medico
Comunità. Negli anni '90 è stato condotto un altro studio sull'ECMO, con l'iscrizione
quasi duecento neonati nel Regno Unito. Invece di usare adattivo
algoritmi, questo studio ha seguito i metodi tradizionali, dividendo i bambini
casualmente in due gruppi uguali. I ricercatori hanno giustificato l'esperimento
dicendo che l'utilità di ECMO “è controversa a causa della variazione
interpretazione delle prove disponibili. " Come si è scoperto, la differenza tra
i trattamenti non erano così pronunciati nel Regno Unito come lo erano stati nel
due studi americani, ma i risultati sono stati comunque dichiarati “in accordo con
i primi risultati preliminari che una politica di supporto ECMO riduce il rischio
di morte." Il costo di quella conoscenza? Altri ventiquattro bambini morirono nel
Gruppo "convenzionale" rispetto al gruppo che riceve il trattamento ECMO.
La diffusa difficoltà nell'accettare i risultati di studi clinici adattativi
potrebbe sembrare incomprensibile. Ma considera quella parte di ciò di cui l'avvento
la statistica fatta per la medicina, all'inizio del ventesimo secolo, doveva trasformarsi
da un campo in cui i medici dovevano persuadersi a vicenda in modi ad hoc
ogni nuovo trattamento in uno in cui avevano linee guida chiare su che tipo di
le prove erano e non erano persuasive. Modifiche alle statistiche standard accettate
la pratica ha il potenziale per sconvolgere questo equilibrio, almeno temporaneamente.
Dopo la polemica sull'ECMO, Don Berry è passato dalle statistiche
dipartimento dell'Università del Minnesota al MD Anderson Cancer Center di
Houston, dove ha utilizzato metodi sviluppati studiando banditi multi-armati
progettare studi clinici per una varietà di trattamenti contro il cancro. Mentre lui rimane uno
Pagina 61
dei critici più accesi di studi clinici randomizzati, non è affatto l'unico
uno. Negli ultimi anni, le idee per cui ha lottato stanno finalmente cominciando
entrare nel mainstream. Nel febbraio 2010, la FDA ha rilasciato una "guida"
documento, "Prove cliniche di progettazione adattiva per farmaci e prodotti biologici", che
suggerisce, nonostante una lunga storia di attenzioni a un'opzione di cui si fidano, che loro
potrebbe finalmente essere disposto a esplorare alternative.
Il mondo inquieto
Una volta acquisita familiarità con loro, è facile vedere solo banditi con più armi
ovunque ci voltiamo. È raro che prendiamo una decisione isolata, dove il file
il risultato non ci fornisce alcuna informazione che utilizzeremo per crearne altri
decisioni future. Quindi è naturale chiedersi, come abbiamo fatto con l'arresto ottimale,
quanto bene le persone generalmente tendono a risolvere questi problemi - una domanda che ha
stato ampiamente esplorato in laboratorio da psicologi e comportamentali
economisti.
In generale, sembra che le persone tendano a esplorare troppo, per favorire il nuovo
sproporzionatamente rispetto ai migliori. In una semplice dimostrazione di questo fenomeno,
pubblicato nel 1966, Amos Tversky e Ward Edwards condussero esperimenti
dove alle persone veniva mostrata una scatola con due luci su di essa e veniva detto che ogni luce
attiverebbe una percentuale fissa (ma sconosciuta) del tempo. Allora lo erano
ha dato 1.000 opportunità di osservare quale luce si accendeva o di piazzare una scommessa
sul risultato senza arrivare ad osservarlo. (A differenza di un bandito più tradizionale
configurazione del problema, qui non si poteva fare un "pull" che fosse sia scommessa che
osservazione in una volta; i partecipanti non avrebbero saputo se le loro scommesse erano state ripagate
fino alla fine.) Questa è pura esplorazione contro sfruttamento, contrapponendola al guadagno
informazioni contro il loro utilizzo. Per la maggior parte, le persone hanno adottato un file
strategia sensata di osservare per un po ', quindi scommettere su ciò che sembrava
il miglior risultato, ma hanno costantemente dedicato molto più tempo all'osservazione di
dovrebbero avere. Quanto tempo ancora? In un esperimento si è accesa una luce
Il 60% delle volte e il restante 40% delle volte, una differenza né particolarmente
palese né particolarmente sottile. In quel caso, le persone hanno scelto di osservare 505 volte,
in media, piazzando le altre scommesse 495 volte. Ma la matematica dice che avrebbero dovuto
Pagina 62
Pagina 63
Esplorare …
Mentre gli studi di laboratorio possono essere illuminanti, l'intervallo di molti dei più
i problemi importanti che le persone devono affrontare sono troppo lunghi per essere studiati in laboratorio. Apprendimento
la struttura del mondo che ci circonda e la formazione di relazioni sociali durature sono
entrambi i compiti per tutta la vita. Quindi è istruttivo vedere come il modello generale dei primi
l'esplorazione e lo sfruttamento tardivo appaiono nel corso di una vita.
Una delle cose curiose degli esseri umani, che qualsiasi sviluppo
lo psicologo aspira a capire e spiegare, è che ci vogliono anni per diventare
competente e autonomo. Caribù e gazzelle devono essere preparati a scappare
predatori il giorno in cui nascono, ma gli esseri umani impiegano più di un anno per crearli
primi passi. Alison Gopnik, professore di psicologia dello sviluppo presso l'UC
Berkeley e autore di The Scientist in the Crib , ha una spiegazione del perché
gli esseri umani hanno un periodo di dipendenza così lungo: “ti dà a
modo evolutivo di risolvere il compromesso tra esplorazione e sfruttamento. " Come abbiamo
visto, buoni algoritmi per suonare banditi multi-armati tendono a esplorare di più
all'inizio, sfruttando la conoscenza risultante in seguito. Ma come sottolinea Gopnik, "il
lo svantaggio di ciò è che non si ottengono buoni guadagni quando si è in
fase di esplorazione. " Da qui l'infanzia: “L'infanzia ti regala un periodo in cui
puoi semplicemente esplorare le possibilità e non devi preoccuparti dei guadagni
perché i guadagni sono curati dalle mamme, dai papà e dai
le nonne e le babysitter. "
Pensare ai bambini come semplicemente allo stadio di esplorazione transitoria di
un algoritmo permanente potrebbe fornire un certo conforto ai genitori dei bambini in età prescolare.
(Tom ha due figlie in età prescolare altamente esplorative, e spera che lo siano
seguendo un algoritmo che ha il minimo rimpianto). Ma fornisce anche nuove
intuizioni sulla razionalità dei bambini. Gopnik sottolinea che "se guardi
la storia del modo in cui le persone hanno pensato ai bambini, l'hanno fatta
tipicamente sostenuto che i bambini sono cognitivamente carenti in vari modi, perché
se guardi alle loro capacità di exploit, sembrano terribili. Non possono legare il loro
scarpe, non sono brave a pianificare a lungo termine, non sono brave a concentrarsi
Attenzione. Queste sono tutte cose in cui i bambini sono davvero orribili. " Ma premendo i pulsanti
a caso, essendo molto interessato ai nuovi giocattoli e saltandone rapidamente uno
cosa per un'altra sono tutte cose in cui i bambini sono davvero bravi. E quelli sono esattamente
Pagina 65
—LYDIA DAVIS
All'altro estremo dei bambini piccoli abbiamo gli anziani. E pensando
anche l'invecchiamento dal punto di vista del dilemma esplorare / sfruttare ne fornisce alcuni
intuizioni sorprendenti su come dovremmo aspettarci che le nostre vite cambino col passare del tempo
sopra.
Laura Carstensen, professoressa di psicologia a Stanford, ha trascorso la sua carriera
sfidando i nostri preconcetti sull'invecchiamento. In particolare, l'ha fatto
ha studiato esattamente come e perché le relazioni sociali delle persone cambiano man mano che esse
età. Il modello di base è chiaro: la dimensione dei social network delle persone (ovvero, il file
numero di relazioni sociali in cui si impegnano) diminuisce quasi invariabilmente
tempo. Ma la ricerca di Carstensen ha trasformato il modo in cui dovremmo pensarci
Pagina 66
fenomeno.
La spiegazione tradizionale per gli anziani che hanno reti sociali più piccole è
che è solo un esempio della diminuzione della qualità della vita che deriva dall'invecchiamento
—Il risultato di una minore capacità di contribuire alle relazioni sociali, maggiore
fragilità e disimpegno generale dalla società. Ma Carstensen ha sostenuto
che, infatti, gli anziani hanno meno relazioni sociali per scelta. Come dice lei,
queste diminuzioni sono “il risultato di processi di selezione permanente attraverso i quali le persone
coltivare strategicamente e in modo adattivo i propri social network per massimizzare il social
e guadagni emotivi e ridurre al minimo i rischi sociali ed emotivi ".
Ciò che Carstensen e i suoi colleghi hanno scoperto è che il restringimento del sociale
reti con l'invecchiamento è dovuto principalmente a relazioni periferiche "potatura" e
concentrare l'attenzione invece su un nucleo di amici intimi e familiari. Questo
processo sembra essere una scelta deliberata: quando le persone si avvicinano alla fine del loro
vite, vogliono concentrarsi maggiormente sulle connessioni più significative.
In un esperimento che verificava questa ipotesi, Carstensen e il suo collaboratore
Barbara Fredrickson ha chiesto alle persone di scegliere chi preferirebbero spendere trenta
minuti con: un parente stretto, l'autore di un libro che avevano recentemente
leggere, o qualcuno che avevano incontrato di recente che sembrava condividere i loro interessi.
Le persone anziane preferivano il membro della famiglia; i giovani erano altrettanto entusiasti
incontrare l'autore o fare un nuovo amico. Ma in una svolta critica, se i giovani
è stato chiesto loro di immaginare che stessero per trasferirsi attraverso il paese, loro
preferivo anche il familiare. In un altro studio, Carstensen e lei
i colleghi hanno trovato lo stesso risultato anche nell'altra direzione: se le persone anziane
è stato chiesto di immaginare che una svolta medica avrebbe permesso loro di vivere
vent'anni in più, le loro preferenze divennero indistinguibili da quelle di
giovani. Il punto è che queste differenze nella preferenza sociale non lo sono
sull'età in quanto tale - riguardano dove le persone si percepiscono di essere sul
intervallo rilevante per la loro decisione.
Essere sensibili a quanto tempo ti rimane è esattamente ciò che il computer
suggerisce la scienza del dilemma esplora / sfrutta. Pensiamo ai giovani come
stereotipicamente volubile; il vecchio, stereotipato nei loro modi. In effetti, lo sono entrambi
comportarsi in modo completamente appropriato rispetto ai loro intervalli. Il deliberato
l'affinamento di un social network fino alle relazioni più significative è il
risposta razionale per avere meno tempo per goderseli.
Pagina 67
Pagina 68
3 Ordinamento
Fare ordine
Prima che Danny Hillis fondasse la società Thinking Machines, prima di lui
ha inventato il famoso supercomputer parallelo Connection Machine, era un
Studente del MIT, che vive nel dormitorio studentesco e inorridito dal suo
calzini del compagno di stanza.
Ciò che terrorizzava Hillis, a differenza di molti studenti universitari, non era suo
igiene del compagno di stanza. Non era che il compagno di stanza non avesse lavato i calzini; lui ha fatto.
Il problema era quello che veniva dopo.
Il coinquilino ha tirato fuori un calzino dal cesto della biancheria pulita. Poi ha tirato
un altro calzino a caso. Se non corrispondeva al primo, lo rigettava dentro.
Quindi ha continuato questo processo, tirando fuori i calzini uno per uno e gettandoli
indietro finché non ha trovato una corrispondenza per il primo.
Con solo 10 diverse paia di calzini, seguirai questo metodo
in media 19 pull solo per completare la prima coppia e altri 17 pull per completare
il secondo. In totale, il coinquilino può aspettarsi di andare a pescare nella cesta 110
volte solo per accoppiare 20 calzini.
Era abbastanza per fare in modo che qualsiasi scienziato informatico in erba richiedesse una stanza
Pagina 69
trasferimento.
Ora, come dovrebbero essere ordinati i calzini è un buon modo per ottenere scienziati informatici
parlando a una lunghezza sorprendente. Una domanda sui calzini inserita nella programmazione
sito web Stack Overflow nel 2013 ha richiesto circa dodicimila parole di
discussione.
"I calzini mi confondono!" ha confessato il leggendario crittografo e Turing
Il pluripremiato scienziato informatico Ron Rivest a noi due quando abbiamo portato
argomento.
All'epoca indossava sandali.
Pagina 70
essenziale per lavorare con quasi ogni tipo di informazione. Che si tratti di trovare
il più grande o il più piccolo, il più comune o il più raro, conteggio, indicizzazione,
contrassegnare i duplicati o semplicemente cercare la cosa che desideri, tutti
generalmente iniziano sotto il cofano con una sorta.
Ma l'ordinamento è anche più pervasivo di così. Dopotutto, uno dei principali
le ragioni per cui le cose si sistemano devono essere mostrate in una forma utile agli occhi umani, che
significa che l'ordinamento è anche la chiave per l'esperienza umana delle informazioni. smistato
le liste sono così onnipresenti che, come il pesce che chiede: "Che cos'è l'acqua?", dobbiamo
lavorare consapevolmente per percepirli affatto. E poi li percepiamo
ovunque.
La nostra casella di posta elettronica in genere mostra i primi cinquanta messaggi di potenzialmente
migliaia, ordinati per ora di ricezione. Quando cerchiamo ristoranti su Yelp
ci viene mostrata la prima dozzina di centinaia, ordinati per vicinanza o per valutazione.
Un blog mostra un elenco ridotto di articoli, ordinati per data. Il feed di notizie di Facebook,
Lo stream di Twitter e la homepage di Reddit si presentano tutti come elenchi, ordinati per
qualche misura proprietaria. Ci riferiamo a cose come Google e Bing come "ricerca
motori ", ma questo è un termine improprio: sono davvero motori ordinati . Che cosa
rende Google così dominante come mezzo per accedere alle informazioni del mondo
meno che trovi il nostro testo all'interno di centinaia di milioni di pagine web: sono gli anni '90
concorrenti potrebbero generalmente farlo parte abbastanza, ma bene che ordina quelli
pagine web così bene e ci mostra solo le dieci più rilevanti.
La parte superiore troncata di un immenso elenco ordinato è per molti versi universale
interfaccia utente.
L'informatica ci offre un modo per capire cosa sta succedendo dietro
scene in tutti questi casi, che a loro volta possono offrirci alcuni spunti per quelli
volte in cui siamo bloccati a fare ordini, con i nostri conti, i nostri documenti, i nostri
libri, i nostri calzini, probabilmente più volte ogni giorno di quanto pensiamo. Quantificando
il vizio (e la virtù) del pasticcio, ci mostra anche i casi in cui ci troviamo effettivamente
non dovrebbe assolutamente fare ordine.
Inoltre, quando iniziamo a cercare, vediamo che l'ordinamento non è solo qualcosa
facciamo con le informazioni. È qualcosa che facciamo con le persone. Forse il posto
dove l'informatica per stabilire il grado è più inaspettatamente utile è
sul campo sportivo e sul ring di boxe, ecco perché sapere un po 'di più
l'ordinamento potrebbe aiutare a spiegare come gli esseri umani sono in grado di vivere insieme mentre
Pagina 72
solo occasionalmente viene alle mani. Vale a dire, l'ordinamento offre alcune sorprendenti
indizi sulla natura della società, quell'altro, più ampio e più importante tipo di
ordine che facciamo.
Pagina 73
Pagina 74
Pagina 75
ha una particolarità, che è inesatto in base alla progettazione. Cioè, piuttosto che
esprimere le prestazioni di un algoritmo in minuti e secondi, notazione Big-O
fornisce un modo per parlare del tipo di relazione che esiste tra le dimensioni
del problema e il tempo di esecuzione del programma. Perché la notazione Big-O
getta deliberatamente dettagli fini, ciò che emerge è uno schema per dividere i problemi
in diverse ampie classi.
Immagina di organizzare una cena con n ospiti. Il tempo necessario per
pulire la casa all'arrivo non dipende affatto dal numero degli ospiti.
Questa è la classe di problemi più rosea che ci sia: chiamata "Big-O of one", scritta O (1),
è anche noto come "tempo costante". In particolare, alla notazione Big-O non interessa un briciolo
quanto tempo impiega effettivamente la pulizia, solo che è sempre la stessa, totalmente
invariante della lista degli invitati. Hai lo stesso lavoro da fare se hai un ospite
come se avessi dieci, cento o qualsiasi altro n .
Ora, il tempo necessario per far passare l'arrosto intorno al tavolo sarà "Big-O of
n ", scritto O ( n ), noto anche come" tempo lineare ", con il doppio degli ospiti, aspetterai
il doppio del tempo per il piatto. E ancora, la notazione Big-O non poteva
preoccuparsi meno del numero di portate che vengono servite o se vanno in giro
per seconde porzioni. In ogni caso, il tempo dipende ancora linearmente dalla lista degli invitati
dimensione: se disegnassi un grafico del numero di ospiti rispetto al tempo impiegato, sarebbe
una linea retta. Inoltre, l'esistenza di qualsiasi fattore tempo lineare, in Big-
O notazione, annulla tutti i fattori a tempo costante. Vale a dire, passando l'arrosto
una volta intorno al tavolo, o ristrutturare la tua sala da pranzo per tre mesi e poi
passando l'arrosto una volta intorno al tavolo, sono entrambi, per un informatico,
effettivamente equivalente. Se sembra assurdo, ricorda che i computer si occupano di
valori di n che potrebbero facilmente essere di migliaia, milioni o miliardi. In altro
parole, gli informatici stanno pensando a feste molto, molto grandi. Con un ospite
elenco a milioni, passare l'arrosto una volta in giro sarebbe davvero la casa
rimodellare sembrano sminuiti al punto da diventare insignificanti.
E se, all'arrivo degli ospiti, ognuno si abbracciasse in segno di saluto? Il tuo
il primo ospite ti abbraccia; il tuo secondo ospite ha due abbracci da dare; il tuo terzo ospite,
tre. Quanti abbracci ci saranno in totale? Questo risulta essere "Big-O of n -
al quadrato ", scritto O ( n 2 ) e noto anche come" tempo quadratico ". Anche in questo caso, solo noi
cura i contorni di base del rapporto tra n e tempo. Non c'è
O (2 n 2 ) per due abbracci ciascuno, o O ( n 2 + n ) per abbracci più il passaggio del cibo,
Pagina 76
2
Tempo costante, scritto O (1); tempo lineare, scritto O (n); e tempo quadratico, scritto O (n ).
Pagina 77
all'inizio dello scaffale ogni volta che si raggiunge la fine. Quando fai un completo
passare senza trovare più coppie fuori servizio sull'intero scaffale, poi tu
sapere che il lavoro è finito.
Questo è Bubble Sort e ci atterra in tempo quadratico. Sono usciti n libri
di ordine, e ogni scansione attraverso lo scaffale può spostare ciascuna al massimo una
posizione. (Individuiamo un piccolo problema, facciamo una piccola correzione.) Quindi nel peggiore dei casi, dove
lo scaffale è perfettamente arretrato, bisognerà spostare almeno un libro n
posizioni. Quindi un massimo di n passa attraverso n libri, che ci dà O ( n 2 ) in
il caso peggiore. * Non è terribile, per prima cosa, sono mondi migliori del nostro O ( n !)
shuffle-till-it's-ordinato idea da prima (nel caso avessi bisogno dell'informatica per
confermare che). Tuttavia, quel termine al quadrato può diventare scoraggiante rapidamente. Per
ad esempio, significa che lo smistamento di cinque scaffali di libri non richiederà cinque volte di più
tanto quanto lo smistamento di un unico scaffale, ma venticinque volte più a lungo.
Potresti prendere una strada diversa: tirare tutti i libri dallo scaffale e
rimetterli a posto uno per uno. Metteresti il primo libro a metà
il ripiano, quindi prendi il secondo e confrontalo con il primo, inserendolo o al
a destra oa sinistra. Prendendo il terzo libro, dovresti scorrere i libri sul
ripiano da sinistra a destra finché non trovi il punto giusto per riporlo. Ripetendo questo
processo, gradualmente tutti i libri sarebbero finiti sullo scaffale e tu saresti stato
fatto.
Gli informatici lo chiamano, in modo abbastanza appropriato, Insertion Sort . Il bene
la notizia è che è probabilmente ancora più intuitivo di Bubble Sort e non ha
piuttosto la cattiva reputazione. La cattiva notizia è che in realtà non è molto più veloce.
Devi ancora fare un inserimento per ogni libro. E ogni inserzione ancora
implica spostare in media oltre la metà dei libri sullo scaffale per trovare il file
posto giusto. Anche se in pratica l'ordinamento di inserzione funziona un po 'più velocemente di
Bubble Sort, ancora una volta atterriamo esattamente, se vuoi, in tempo quadratico. Ordinamento
qualcosa di più di una singola libreria è ancora una prospettiva ingombrante.
anche possibile.
La domanda sembra riguardare la produttività. Ma parla con un computer
scienziato e risulta essere più vicino alla metafisica, simile al pensare al
velocità della luce, viaggio nel tempo, superconduttori o entropia termodinamica. Che cosa
sono le regole ei limiti fondamentali dell'universo? Cosa è possibile? Cosa è
permesso? In questo modo gli scienziati informatici scorgono ogni progetto di Dio
un po 'quanto i fisici delle particelle e i cosmologi. Qual è il minimo
sforzo richiesto per effettuare l'ordine?
Potremmo trovare un ordinamento a tempo costante, O (1), che (come pulire la casa
prima dell'arrivo dello stuolo di ospiti) può ordinare un elenco di qualsiasi dimensione nella stessa quantità di
tempo? Bene, anche solo la conferma che uno scaffale di n libri è ordinato non può essere fatto
in tempo costante, poiché richiede il controllo di tutti gli n . Quindi in realtà l'ordinamento del file
libri in tempo costante sembra fuori questione.
Che ne dici di un ordinamento tempo lineare, O ( n ), efficiente come passare una parabola attorno a un file
tabella, dove il raddoppio del numero di elementi da ordinare raddoppia semplicemente il lavoro?
Pensando agli esempi sopra, è difficile immaginare come potrebbe funzionare
o. L' n 2 in ogni caso deriva dal fatto che devi spostare n libri,
e anche il lavoro richiesto in ogni mossa scala con n . Come avremmo ottenuto
da n mosse di dimensione n fino a solo n da solo? In Bubble Sort, il nostro O ( n 2 )
il tempo di esecuzione veniva dalla gestione di ciascuno degli n libri e dal loro spostamento
come n posti ciascuno. In Ordinamento di inserzione, il tempo di esecuzione quadratico deriva dalla gestione
ciascuno degli n libri e confrontandoli con altri n prima di inserirli
loro. Un ordinamento in tempo lineare significa gestire ogni libro per un tempo costante a prescindere
di quanti altri ha bisogno di trovare il suo posto tra. Non sembra probabile.
Quindi sappiamo che possiamo fare almeno quanto il tempo quadratico, ma probabilmente
non così come il tempo lineare. Forse il nostro limite sta da qualche parte tra il tempo lineare
e tempo quadratico. Esistono algoritmi tra lineare e quadratico,
tra n e n × n ?
Ci sono ... e si nascondevano in bella vista.
Come accennato in precedenza, l'elaborazione delle informazioni è iniziata nei censimenti statunitensi di
il diciannovesimo secolo, con lo sviluppo, da Herman Hollerith e successivamente da
IBM, di dispositivi fisici di smistamento di schede perforate. Nel 1936, IBM iniziò a produrre un file
linea di macchine denominate “raccoglitrici” che potevano unire due ordinate separatamente
pile di carte in una. Finché le due pile stesse sono state ordinate, il file
Pagina 79
Pagina 80
pile rimaste e unirle un'ultima volta sullo scaffale. Cerca solo di evitare di ottenere
macchie di pizza sui libri.
Un Mergesort in azione. Dato uno scaffale di otto libri non ordinati, inizia mettendo i libri adiacenti in ordinati
coppie. Quindi fascicola le coppie in set ordinati di quattro e infine fascicola quei set per ottenere un ordinamento completo
mensola.
Il Preston Sort Center è uno dei più grandi ed efficienti smistamenti di libri
strutture nel mondo. È gestito dal King County Library System, che ha
Pagina 82
ha iniziato una sana rivalità con la New York Public Library, altrettanto attrezzata,
con il titolo che va avanti e indietro per quattro anni strettamente contestati. "Re
La biblioteca della contea ci sta battendo quest'anno? " ha detto il vicedirettore della NYPL
BookOps, Salvatore Magaddino, prima della resa dei conti del 2014. "Fuhgeddaboutit."
C'è qualcosa di particolarmente impressionante nel Preston Sort Center di
anche il punto di vista di un teorico. I libri che passano attraverso il suo sistema vengono ordinati
in O ( n ): tempo lineare.
In un senso importante, il tempo linearitmico O ( n log n ) offerto da Mergesort
è davvero il meglio che possiamo sperare di ottenere. È stato dimostrato che se lo vogliamo completamente
ordina n elementi tramite una serie di confronti diretti, non c'è modo di farlo
confrontali meno di O ( n log n ) volte. È una legge fondamentale del
universo, e non ci sono due modi per aggirarlo.
Ma questo, in senso stretto, non chiude il libro sull'ordinamento. Perché
a volte non è necessario un set completamente ordinato, ea volte può esserlo l'ordinamento
fatto senza alcun confronto da articolo a articolo. Questi due principi, presi
insieme, consentono ordinamenti pratici approssimativi in un tempo più veloce del linearitmico. Questo è
splendidamente dimostrato da un algoritmo noto come Bucket Sort , di cui il
Preston Sort Center è un'illustrazione perfetta.
In Bucket Sort, gli elementi vengono raggruppati in una serie di categorie ordinate,
senza riguardo per uno smistamento più fine e intracategoria; che può venire più tardi. (Nel computer
scienza il termine "secchio" si riferisce semplicemente a un blocco di dati non ordinati, ma alcuni di
gli usi più potenti del mondo reale di Bucket Sort, come al KCLS, prendono il nome
letteralmente.) Ecco il kicker: se vuoi raggruppare n elementi in m bucket,
il raggruppamento può essere fatto in tempo O ( nm ), ovvero il tempo è semplicemente proporzionale
al numero di articoli moltiplicato per il numero di bucket. E finché il numero
di bucket è relativamente piccolo rispetto al numero di elementi, notazione Big-O
lo arrotonderà a O ( n ), o tempo lineare.
La chiave per rompere effettivamente la barriera linearitmica è conoscere il
distribuzione da cui vengono estratti gli elementi che stai ordinando. Scelto male
i secchi ti lasceranno un po 'meglio di quando hai iniziato; se tutti i libri finiscono
nello stesso cestino, ad esempio, non hai fatto alcun progresso. Ben scelto
secchi, tuttavia, divideranno i tuoi articoli in gruppi di dimensioni più o meno uguali, che
- data la natura fondamentale dell'ordinamento "la scala fa male" - è un enorme passo avanti verso a
ordinamento completo. Al Preston Sort Center, il cui compito è ordinare i libri in base al loro
Pagina 83
ramo di destinazione, piuttosto che in ordine alfabetico, la scelta dei bucket è guidata da
statistiche sulla circolazione. Alcuni rami hanno un volume di circolazione maggiore di
altri, quindi possono avere due contenitori assegnati loro, o anche tre.
Una simile conoscenza del materiale è utile anche ai selezionatori umani. Vedere
selezionando gli esperti in azione, abbiamo fatto una gita all'UC Berkeley's Doe and Moffitt
Biblioteche, dove ci sono non meno di cinquantadue miglia di scaffali da tenere
ordine, ed è tutto fatto a mano. I libri restituiti alla biblioteca vengono prima inseriti
un'area dietro le quinte, assegnata agli scaffali designati dalla Library of Congress
chiamare i numeri. Ad esempio, un set di scaffali contiene un miscuglio di tutti i file
libri restituiti di recente con numeri di chiamata PS3000 – PS9999. Poi studente
gli assistenti caricano quei libri sui carrelli, mettendo fino a 150 libri nell'ordine corretto
possono essere restituiti agli scaffali della biblioteca. Gli studenti ricevono una formazione di base
nell'ordinamento, ma sviluppano le proprie strategie nel tempo. Dopo un po 'di esperienza,
possono ordinare un carrello pieno di 150 libri in meno di 40 minuti. E una grande parte di
quell'esperienza implica sapere cosa aspettarsi.
Jordan Ho, studente di Berkeley, laureato in chimica e selezionatore di stelle, ha parlato
noi attraverso il suo processo mentre esaminava un'impressionante pila di libri sul
Ripiani PS3000 – PS9999:
So per esperienza che ci sono molti 3500, quindi voglio cercare tutti i libri che sono sotto
3500 e risolverli in modo approssimativo. E una volta che lo faccio, li ordino in modo più fine. Dopo aver ordinato quelli
sotto i 3500, so che il 3500 stesso è una grande sezione, 3500-3599, quindi voglio renderlo una sezione stessa.
Se ce ne sono molti, potrei volerlo perfezionare ancora di più: 3510, 3520, 3530.
Jordan mira a mettere un gruppo di circa 25 libri sul carrello prima di metterli dentro
ordine finale, che fa utilizzando un ordinamento di inserzione. E il suo sviluppato con cura
è esattamente il modo giusto per arrivarci: un Bucket Sort, con il suo
previsione informata di quanti libri avrà con i vari numeri di telefono
dicendogli quali dovrebbero essere i suoi secchi.
Pagina 84
Pagina 85
Pagina 86
Tipi e sport
Il compromesso tra ricerca e ordinamento suggerisce che spesso è più efficiente lasciare un pasticcio.
Il risparmio di tempo non è l'unico motivo per cui sistemiamo le cose: a volte produciamo un file
l'ordine finale è fine a se stesso. E da nessuna parte è più chiaro che sullo sport
campo.
Nel 1883, Charles Lutwidge Dodgson sviluppò sentimenti incredibilmente forti
sullo stato del tennis sull'erba britannico. Come spiega:
In un torneo di tennis su prato, dove ho avuto la possibilità, qualche tempo fa, di essere uno spettatore, il presente
il metodo di assegnazione dei premi è stato portato alla mia attenzione dai lamenti di uno dei giocatori, che
era stato battuto (e aveva quindi perso tutte le possibilità di un premio) all'inizio del concorso, e chi aveva il
mortificazione di vedere il 2 ° premio portato via da un giocatore a cui sapeva essere molto inferiore
lui stesso.
Gli spettatori normali potrebbero attribuire tali "lamenti" a poco più del
pungiglione della sconfitta, ma Dodgson non era un normale orecchio comprensivo. Era un Oxford
professore di matematica, e le lamentele dello sportivo lo mandarono in profondità
indagine sulla natura dei tornei sportivi.
Dodgson era più di un semplice matematico di Oxford, in effetti lo è a malapena
ricordato come se fosse stato uno. Oggi è meglio conosciuto con il suo pseudonimo, Lewis
Carroll, sotto il quale ha scritto Le avventure di Alice nel paese delle meraviglie e molti altri
amate opere della letteratura ottocentesca. Fondendo la sua matematica e
talento letterario, Dodgson ha prodotto una delle sue opere meno conosciute: “Lawn
Tornei di tennis: il vero metodo per assegnare i premi con una prova di
Fallacia del metodo attuale ".
La denuncia di Dodgson era diretta alla struttura del Single Elimination
torneo, in cui i giocatori vengono accoppiati tra loro ed eliminati
non appena perde una singola partita. Come Dodgson ha sostenuto con forza,
il vero secondo miglior giocatore potrebbe essere uno dei giocatori eliminati dal migliore—
non solo l'ultimo eliminato. Ironia della sorte, alle Olimpiadi teniamo il bronzo
partite di medaglia, con le quali ci sembra di riconoscere che il Single Elimination
formato non ci fornisce informazioni sufficienti per determinare il terzo posto. * Ma in effetti
Pagina 87
questo formato non ci dice abbastanza per determinare il secondo posto o, in effetti,
qualsiasi cosa tranne il vincitore. Come ha detto Dodgson, "Il metodo attuale di
l'assegnazione dei premi è, tranne nel caso del primo premio, del tutto priva di senso. "
Detto chiaramente, la medaglia d'argento è una bugia.
"Come un fatto matematico", ha continuato, "la possibilità che il 2 ° miglior giocatore
otterrà il premio che si merita è di soli 16/31; mentre la possibilità che i migliori 4
riceveranno i loro premi adeguati è così piccolo, che le probabilità sono 12 a 1 contro i suoi
sta accadendo! "
Nonostante i poteri della sua penna, sembra che Dodgson abbia avuto scarso impatto
il mondo del tennis sull'erba. La sua soluzione, una scomoda interpretazione della tripla eliminazione
dove la sconfitta di qualcuno che ti aveva sconfitto poteva anche eliminare te,
mai preso piede. Ma se la soluzione di Dodgson era macchinosa, la sua critica al
il problema era comunque azzeccato. (Ahimè, le medaglie d'argento vengono ancora distribuite
nei tornei a eliminazione diretta fino ad oggi.)
Ma c'è anche una visione più profonda nella logica di Dodgson. Noi umani ordiniamo di più
dei nostri dati, più dei nostri beni. Noi risolviamo noi stessi .
La Coppa del Mondo, le Olimpiadi, NCAA, NFL, NHL, NBA e MLB: tutto
di questi implementano implicitamente procedure di smistamento. Le loro stagioni, scale e
i playoff sono algoritmi per produrre l'ordine di classifica.
Uno degli algoritmi più familiari nello sport è il formato Round-Robin ,
dove ciascuna delle n squadre alla fine gioca ognuna delle altre n - 1 squadre.
Sebbene sia probabilmente il più completo, è anche uno dei più laboriosi.
Avere ogni squadra alle prese con ogni altra squadra è come avere uno scambio di ospiti
abbracci alla nostra cena: la temuta O ( n 2 ), tempo quadratico.
Tornei ladder — popolari in sport come badminton, squash e
racquetball: metti i giocatori in una classifica lineare, con ogni giocatore autorizzato a emettere un
sfida diretta al giocatore immediatamente sopra di loro, scambiando i posti se loro
prevalere. Le scale sono i tipi di bolle del mondo atletico e lo sono anche
quadratico, che richiede O ( n 2 ) partite per raggiungere una classifica stabile.
Forse il formato di torneo più diffuso, tuttavia, è una parentesi
torneo, come nel famoso basket NCAA "March Madness", tra
molti altri. Il torneo March Madness procede dal "Round di
64 "e il" Round di 32 "fino a" Sweet 16 "," Elite Eight "," Final Four "e
le finali. Ogni round divide il campo a metà: suona familiare
Pagina 88
Ad esempio, nella Major League Baseball, hai spesso gare per vedere chi vincerà la divisione.
Ora, se ignorassimo l'impostazione della divisione, alcune di queste gare potrebbero essere risolte abbastanza presto nel
stagione. Ma invece quello che facciamo è assicurarci che nelle ultime cinque settimane tutti giochino con tutti
altro all'interno della loro divisione. Lo scopo è che non importa chi sia in una corsa divisionale: lo sono
dovrà giocare il prossimo avversario più vicino almeno sei partite nelle ultime cinque settimane del
stagione. Ciò consente un maggiore interesse per il programma o l'interesse per la stagione perché in questo caso,
l'incertezza è ritardata nella sua risoluzione.
Inoltre, gli sport non sono, ovviamente, sempre progettati rigorosamente per ridurre al minimo
il numero di giochi. Senza ricordarlo, alcuni aspetti dello sport
altrimenti la programmazione sembrerebbe misteriosa a un informatico. As Trick
dice della stagione regolare di baseball di 2.430 partite, "Sappiamo che n log n è il
giusto numero di confronti per eseguire un ordinamento completo. Questo può farti ottenere tutti . Perché
fanno n 2 solo per ottenere, in un certo senso, il massimo , se è tutto ciò che gli interessa
di?" In altre parole, perché fare un round-robin O ( n 2 ) completo e poi alcuni, se noi
sappiamo che possiamo fare un ordinamento completo in tempo linearitmico e possiamo incoronare un imbattuto
Campione a eliminazione diretta in meno di n partite? Bene, riducendo al minimo il file
numero di partite in realtà non è nell'interesse della lega. In informatica
i confronti inutili sono sempre cattivi, una perdita di tempo e fatica. Ma in
sport che sono lontani dal caso. Per molti aspetti, dopotutto, i giochi stessi
sono il punto.
Pagina 90
perderà il 30% delle proprie partite e una squadra vincerà il 30% delle proprie partite
praticamente non importa chi siano ". Ciò ha implicazioni inquietanti per
Formato a eliminazione singola. Se le partite di basket NCAA, ad esempio, vengono vinte dal
squadra più forte il 70% delle volte e vincere il torneo implica la vittoria
in 6 partite consecutive, la squadra migliore ha solo 0,70 alla 6a potenza, meno
più del 12%: possibilità di vincere il torneo! In altre parole, il torneo
incoronerebbe la migliore squadra del campionato solo una volta ogni dieci anni.
Può darsi che in alcuni sport si abbia persino il 70% di fiducia in un gioco
il risultato potrebbe essere un bilancio eccessivo del punteggio finale. Fisico UCSD
Tom Murphy ha applicato tecniche di modellazione numerica al calcio e ha concluso
che i punteggi bassi del calcio rendono i risultati del gioco molto più vicini al casuale rispetto alla maggior parte
i fan preferirebbero immaginare. “Un punteggio di 3: 2 dà alla squadra vincente solo un 5 su 8
possibilità di essere effettivamente una squadra migliore ... Personalmente, non trovo che sia molto
degno di nota. Anche uno scoppio di 6: 1 lascia una probabilità del 7% che fosse una statistica
colpo di fortuna."
Gli informatici chiamano questo fenomeno rumore . Tutti gli algoritmi di ordinamento
che abbiamo considerato finora presuppongono confronti perfetti, impeccabili e infallibili,
quelli che non rovinano mai e giudicano erroneamente la minore tra due quantità
il maggiore. Dopo aver consentito un "comparatore rumoroso", un po 'di computer
gli algoritmi più sacri della scienza escono dalla finestra e alcuni dei più
diffamato hanno il loro giorno di redenzione.
Dave Ackley, professore di informatica presso l'Università di New
Il Messico, lavora all'incrocio tra informatica e "vita artificiale" —he
ritiene che i computer possano sopportare di imparare alcune cose dalla biologia. Per i principianti,
organismi vivono in un mondo in cui pochi processi si avvicinano al livello di
affidabilità da cui dipendono i computer, per cui sono costruiti da zero
ciò che i ricercatori chiamano robustezza . È ora, sostiene Ackley, di iniziare
riconoscere le virtù della robustezza anche negli algoritmi.
Così, mentre l'autorevole programmazione tome Sorting and Searching
dichiara coraggiosamente che "il bubble sort non ha apparenti caratteristiche di riscatto", il
le ricerche di Ackley e dei suoi collaboratori suggeriscono che potrebbe esserci un posto per
algoritmi come Bubble Sort, dopo tutto. La sua stessa inefficienza: spostare solo gli oggetti
una posizione alla volta, lo rende abbastanza robusto contro il rumore, molto più robusto di
algoritmi più veloci come Mergesort, in cui ogni confronto potenzialmente sposta un file
Pagina 91
oggetto molto lontano. La stessa efficienza di Mergesort lo rende fragile. Un primo errore in a
Mergesort è come una perdita di fortuna nel primo round di una singola eliminazione
torneo, che non solo può infrangere le speranze di campionato di una squadra favorita ma
Inoltre li relegano definitivamente nella metà inferiore della classifica. * In una scala
il torneo, d'altra parte, come in un Bubble Sort, una perdita di fortuna determinerebbe solo un
giocatore torna un solo posto in classifica.
Ma in realtà non è Bubble Sort a emergere come il miglior algoritmo in
volto di un comparatore rumoroso. Il vincitore di quel particolare onore è un algoritmo
chiamato Ordinamento conteggio confronto . In questo algoritmo, ogni elemento viene confrontato con
tutti gli altri, generando un conteggio di quanti elementi è più grande di. Questo
number può quindi essere utilizzato direttamente come rango dell'articolo. Poiché confronta tutte le coppie,
L'ordinamento del conteggio del confronto è un algoritmo in tempo quadratico, come Bubble Sort. Così
non è una scelta popolare nelle applicazioni informatiche tradizionali, ma lo è
eccezionalmente tollerante ai guasti.
Il funzionamento di questo algoritmo dovrebbe suonare familiare. Ordinamento conteggio confronto
funziona esattamente come un torneo Round Robin. In altre parole, fortemente
assomiglia alla stagione regolare di una squadra sportiva, giocando con tutte le altre squadre nel
divisione e costruire un record di vittorie-sconfitte in base al quale sono classificati.
Quell'ordinamento conteggio del confronto è il singolo algoritmo di ordinamento più robusto
noto, quadratico o meglio, dovrebbe offrire qualcosa di molto specifico agli appassionati di sport: se
la tua squadra non fa i playoff, non lamentarti. La postseason di Mergesort è
rischioso, ma la stagione regolare del conteggio del confronto non lo è; anelli di campionato
non sono robusti, ma le classifiche divisionali sono letteralmente robuste come si arriva. Mettere
diversamente, se la tua squadra viene eliminata all'inizio della stagione successiva, è sfortuna.
Ma se la tua squadra non riesce ad arrivare alla postseason, è dura la verità. Potresti ottenere
simpatia da bar sportivo da parte dei tuoi compagni fan delusi, ma non ne avrai
da uno scienziato informatico.
Sangue:
Gerarchieordini di becco e dominio
In tutti gli esempi che abbiamo considerato finora, il processo di ordinamento in ogni caso ha
stato imposto dall'alto verso il basso: un bibliotecario che accantona libri, racconta la NCAA
Pagina 92
squadre con chi giocare e quando. Ma cosa succederebbe se si verificassero confronti testa a testa
solo volontariamente? Che aspetto ha lo smistamento quando emerge organicamente, da
dal basso verso l'alto?
Potrebbe sembrare qualcosa di simile al poker online.
A differenza della maggior parte degli sport, che sono governati da un organo dirigente di qualche tipo, il poker
rimane un po 'anarchico nonostante l'esplosione di popolarità negli ultimi dieci anni.
Sebbene alcuni tornei di alto profilo ordinino esplicitamente i loro concorrenti (e
remunerarli di conseguenza), una parte sostanziale del poker è ancora giocata
quelli che sono noti come "cash game", dove due o più giocatori spontaneamente
accetta di giocare con soldi veri sulla linea con ogni mano.
Praticamente nessuno conosce questo mondo più profondamente di Isaac Haxton, uno dei
migliori giocatori di poker cash game al mondo. Nella maggior parte degli sport è sufficiente essere altrettanto bravi
il più possibile, e meno si è consapevoli delle proprie capacità, meglio è. Ma,
Haxton spiega: “Per certi versi l'abilità più importante come poker professionista
giocatore deve essere in grado di valutare quanto sei bravo. Se sei qualcosa a corto di
il miglior giocatore di poker del mondo, puoi essere certo di andarci
rotto se sei infinitamente disposto a interpretare le persone migliori di te. "
Haxton è uno specialista heads-up, no-limit: "heads-up" significa uno contro uno
poker, e "no-limit" significa proprio questo: la posta in gioco più alta, limitata solo da
quello che possono finanziare e stomaco. Nei cash game a più mani, lì
sarà spesso un giocatore debole, ad esempio un ricco dilettante, che alimenta un tavolo
pieno di professionisti, a cui poi non importa molto chi di loro sia il migliore di
chi. Nel mondo dell'heads-up, è diverso. “Deve esserci un disaccordo
tra te e loro su chi è meglio, o qualcuno deve esserlo volentieri
perdere. "
Quindi cosa succede quando c'è un consenso abbastanza stabilito e nessuno
disposto a interpretare qualcuno meglio di loro? Ottieni qualcosa che sembra molto
come i giocatori che cercano semplicemente di sedersi. La maggior parte dei siti di poker online ha solo un numero finito
numero di tavoli disponibili. “Quindi, se vuoi giocare a heads-up no-limit, con
bui da cinquanta e cento dollari, ci sono solo dieci tavoli disponibili per
quello ", dice Haxton," e quindi solo i dieci migliori giocatori che sono d'accordo
ora ... siediti e aspetta che si presenti qualcuno che vuole giocare. " E se a
arriva un giocatore superiore e si siede a uno di questi tavoli? Se la persona seduta
non è disposto ad alzare la posta, si affrettano.
Pagina 93
Pagina 94
Pagina 95
corridori. Un pugile olimpico deve rischiare una commozione cerebrale O (log n ) volte, di solito da 4
a 6, per arrivare al podio; permettendo a un maggior numero di atleti di entrare nel
i giochi metterebbero in pericolo la salute di tutti. Ma un corridore scheletro o un saltatore con gli sci o
Lo specialista halfpipe deve fare solo un numero costante di scommesse con
gravità, indipendentemente dalle dimensioni del campo. Uno schermidore si mette contro il suo avversario
pietà O (log n ) volte, ma un maratoneta deve sopportare solo una gara. Essere capace di
assegnare una semplice misura numerica dei risultati delle prestazioni in un tempo costante
algoritmo per lo stato.
Questo passaggio da numeri "ordinali" (che esprimono solo rango ) a "cardinali"
quelli (che assegnano direttamente una misura al calibro di qualcosa) ordinano naturalmente a
impostato senza richiedere confronti a coppie. Di conseguenza, rende possibile
gerarchie di dominanza che non richiedono confronti diretti testa a testa. Il
La lista Fortune 500, nella misura in cui crea una sorta di gerarchia aziendale, è una
di questi. Per trovare l'azienda di maggior valore negli Stati Uniti, gli analisti non lo fanno
è necessario eseguire la due diligence confrontando Microsoft con General Motors, quindi
General Motors alla Chevron, Chevron a Walmart e così via. Questi apparentemente
concorsi mele-arance (quante installazioni di software aziendale sono uguali
quanti futures sul petrolio?) diventano mele a mele in dollari.
Avere un benchmark, qualsiasi benchmark, risolve il problema computazionale di
aumentare una sorta.
Nella Silicon Valley, ad esempio, c'è un adagio sulle riunioni: "Vai a
i soldi, i soldi non vengono da te. " I fornitori vanno a fondatori, fondatori
vanno dai venture capitalist, i venture capitalist vanno dai loro soci accomandanti. Suo
possibile per gli individui risentirsi della base di questa gerarchia, ma non proprio
contestare il suo verdetto. Di conseguenza, le interazioni individuali a coppie avvengono con un file
minimo di jockey per lo status. In generale, qualsiasi coppia di persone può dire,
senza bisogno di negoziare, chi dovrebbe mostrare a quale livello di rispetto
chi. Tutti sanno dove incontrarsi.
Allo stesso modo, mentre il diritto di precedenza marittimo è disciplinato in teoria da un estremamente
elaborato insieme di convenzioni, in pratica determina un principio semplice
quali navi cedono il passo a quali: la "Legge della stazza lorda". Molto semplicemente, il
la nave più piccola si allontana da quella più grande. Alcuni animali sono anche fortunati
abbastanza per avere gerarchie di dominanza così nette. Come osserva Neumann,
“Guarda il pesce, per esempio: quello più grande è quello dominante. È molto semplice."
Pagina 96
E poiché è così semplice, è pacifico . A differenza dei polli e dei primati, il pesce
fare l'ordine senza spargere sangue.
Quando pensiamo ai fattori che compongono le società umane su larga scala
possibile, è facile concentrarsi sulle tecnologie: agricoltura, metalli, macchinari. Ma
la pratica culturale di misurare lo stato con metriche quantificabili potrebbe essere giusta
importante. Il denaro, ovviamente, non deve essere il criterio; una regola come "rispetto
i vostri anziani ”, per esempio, risolve similmente le questioni sullo status delle persone
riferimento a una quantità comune. E lo stesso principio è all'opera tra
nazioni come al loro interno. Si nota spesso che un parametro di riferimento come il PIL nazionale—
che sta alla base delle liste di invito ai vertici diplomatici come il G20 — è a
misurazione grossolana e imperfetta. Ma l'esistenza di qualsiasi punto di riferimento
trasforma la questione dello status nazionale da una che richiede almeno a
numero linearitmico di risse e risoluzioni in qualcosa con un unico
punto di riferimento che classifica tutti. Dato che lo status da nazione a nazione è spesso oggetto di controversie
prendere forma militare, questo non solo fa risparmiare tempo ma anche vite.
Un numero lineare di combattimenti potrebbe funzionare bene per gruppi su piccola scala; essi
fare in natura. Ma in un mondo in cui lo status viene stabilito attraverso il pairwise
confronti - sia che si tratti di scambi di retorica o di sparatorie - l'importo
di confronto rapidamente sfugge al controllo man mano che la società cresce. Operando a
scala industriale, con molte migliaia o milioni di individui che condividono lo stesso
spazio, richiede un salto oltre. Un salto da ordinale a cardinale.
Per quanto ci lamentiamo della corsa al successo quotidiana, il fatto che sia una gara piuttosto che un
la lotta è una parte fondamentale di ciò che ci distingue dalle scimmie, dai polli e, per
quello che importa, i topi.
Pagina 97
—WILLIAM JAMES
Hai un problema. Il tuo armadio è traboccante, rovesciando scarpe, camicie e
biancheria intima sul pavimento. Pensi: "È ora di organizzarsi". Adesso hai
due problemi.
In particolare, devi prima decidere cosa tenere e, secondo, come farlo
sistemalo. Fortunatamente, c'è una piccola industria di persone che ci pensa
problemi gemelli per vivere e sono più che felici di offrire i loro consigli.
Su cosa tenere, Martha Stewart dice di porsi alcune domande: “Come
da tempo ce l'ho? Funziona ancora? È un duplicato di qualcosa che ho già
proprio? Quando è stata l'ultima volta che l'ho indossato o usato? " Su come organizzare ciò che tu
keep, lei consiglia di "raggruppare cose simili insieme" e ai suoi colleghi esperti
essere d'accordo. Francine Jay, in The Joy of Less , afferma: "Appendi tutte le tue gonne insieme,
pantaloni insieme, vestiti insieme e cappotti insieme ". Andrew Mellen, che fattura
lui stesso come "L'uomo più organizzato d'America", dice, "Gli oggetti saranno
ordinati per tipo: tutti i pantaloni insieme, camicie insieme, cappotti e così via . All'interno di ogni tipo,
sono ulteriormente ordinati per colore e stile: maniche lunghe o maniche corte, per
scollatura, ecc. " A parte il problema di smistamento che ciò potrebbe comportare, sembra buono
consigli; sembra certamente unanime.
Tranne che c'è un'altra industria più grande di professionisti che pensa anche
Pagina 98
—LYDIA DAVIS
A partire da circa il 2008, chiunque sia nel mercato per un nuovo computer ha
ha riscontrato un particolare enigma durante la scelta dell'opzione di archiviazione. Essi
Pagina 99
Pagina 100
della macchina. Se quello di cui avevi bisogno era ancora nella memoria di lavoro, tu
non dovrei caricarlo affatto dal tamburo. Come ha detto Wilkes, il più piccolo
la memoria “accumula automaticamente su se stessa le parole che provengono da un più lento
memoria principale e li mantiene disponibili per un uso successivo senza che lo sia
necessario affinché si incorra nuovamente nella penalità dell'accesso alla memoria principale. "
La chiave, ovviamente, sarebbe gestire così quel piccolo, veloce, prezioso ricordo
aveva quello che stavi cercando il più spesso possibile. Per continuare la libreria
analogia, se riesci a fare un solo viaggio tra le pile per prendere tutti i libri tu
bisogno, e poi passare il resto della settimana a lavorare a casa, è quasi altrettanto buono
come se tutti i libri della biblioteca fossero già disponibili sulla tua scrivania. Più
torna alla biblioteca che fai, più le cose vanno lente e meno è la tua scrivania
facendo davvero per te.
La proposta di Wilkes è stata implementata successivamente nel supercomputer IBM 360/85
negli anni '60, dove ha acquisito il nome di "cache". Da allora, le cache hanno
è apparso ovunque nell'informatica. L'idea di tenere in giro pezzi di
le informazioni a cui fai riferimento frequentemente sono così potenti che vengono utilizzate in ogni
aspetto del calcolo. I processori hanno cache. I dischi rigidi dispongono di cache.
I sistemi operativi dispongono di cache. I browser Web dispongono di cache. E i server quello
fornire contenuti a quei browser hanno anche cache, rendendo possibile
ti mostra immediatamente lo stesso video di un gatto che cavalca un aspirapolvere che milioni
di ... Ma stiamo andando un po 'avanti a noi stessi.
La storia del computer negli ultimi cinquant'anni e più è stata dipinta come
uno di crescita esponenziale anno dopo anno, facendo riferimento, in parte, al famoso
previsione accurata della "Legge di Moore", fatta da Gordon Moore di Intel nel 1975, che
il numero di transistor nelle CPU raddoppierebbe ogni due anni. Cosa non ha
migliorato a quel ritmo è la prestazione della memoria, il che significa che rispetto a
tempo di elaborazione, anche il costo di accesso alla memoria sta aumentando in modo esponenziale.
Ad esempio, più velocemente puoi scrivere i tuoi documenti, maggiore è la perdita di
produttività da ogni viaggio in biblioteca. Allo stesso modo, una fabbrica che raddoppia la sua
velocità di produzione ogni anno, ma ha lo stesso numero di parti spedite
dall'estero allo stesso ritmo lento, significherà poco più di una fabbrica
è due volte più inattivo. Per un po 'sembrava che la legge di Moore stesse cedendo poco
tranne i processori che giravano i pollici sempre più velocemente e sempre più del
tempo. Negli anni '90 questo iniziò a essere conosciuto come il "muro della memoria".
Pagina 101
La migliore difesa dell'informatica dal colpire quel muro è stata mai vista
gerarchia più elaborata: cache per cache per cache, fino in fondo.
I moderni laptop, tablet e smartphone di consumo hanno nell'ordine di sei
gerarchia della memoria a strati e gestire la memoria in modo intelligente non è mai stato così
importante per l'informatica come lo è oggi.
Quindi iniziamo con la prima domanda che mi viene in mente sulle cache (o
armadi, del resto). Cosa facciamo quando si riempiono?
Sfratto e chiaroveggenza
Dipende da questo, arriva un momento in cui per ogni aggiunta di conoscenza
dimentichi qualcosa che sapevi prima. È della massima importanza,
quindi, per non avere fatti inutili che scacciano quelli utili.
-SHERLOCK HOLMES
Quando una cache si riempie, ovviamente avrai bisogno di fare spazio se lo fai
vuole memorizzare qualcos'altro, e nell'informatica questo fare spazio lo è
chiamata "sostituzione della cache" o "rimozione della cache". Come scrisse Wilkes, “Dal momento che il
[cache] può essere solo una frazione della dimensione della memoria principale, le parole non possono esserlo
conservato in esso a tempo indeterminato e deve essere collegato al sistema un algoritmo
da cui vengono progressivamente sovrascritti. " Questi algoritmi sono noti come
"Politiche di sostituzione" o "politiche di sfratto" o semplicemente come algoritmi di memorizzazione nella cache.
IBM, come abbiamo visto, ha svolto un ruolo iniziale nell'implementazione del caching
sistemi negli anni '60. Non sorprende che sia stata anche la casa di seminal early
ricerca sugli algoritmi di caching - nessuno, forse, importante come quello di László
"Les" Bélády. Bélády è nato nel 1928 in Ungheria, dove ha studiato come a
ingegnere meccanico prima di fuggire in Germania durante il 1956 ungherese
Rivoluzione con nient'altro che una borsa contenente “un cambio di biancheria intima e
il mio documento di laurea. " Dalla Germania andò in Francia e nel 1961
emigrò negli Stati Uniti, portando sua moglie, “un figlio neonato e 1.000 dollari
la mia tasca, e basta. " Sembra che avesse acquisito un senso finemente sintonizzato di cosa
da tenere e cosa lasciarsi alle spalle quando si è ritrovato in IBM, a lavorare
Pagina 102
Pagina 104
Capovolgere la libreria
Nel profondo dei sotterranei Gardner Stacks dell'Università della California,
Berkeley, dietro una porta chiusa a chiave e un prominente avviso "Staff Only", totalmente off-
limiti agli avventori, è uno dei gioielli del sistema bibliotecario UC. Cormac
McCarthy, Thomas Pynchon, Elizabeth Bishop e JD Salinger; Anaïs Nin,
Susan Sontag, Junot Díaz e Michael Chabon; Annie Proulx, Mark Strand e
Philip K. Dick; William Carlos Williams, Chuck Palahniuk e Toni Morrison;
Denis Johnson, Juliana Spahr, Jorie Graham e David Sedaris; Sylvia Plath,
David Mamet, David Foster Wallace e Neil Gaiman ... Non è della biblioteca
collezione di libri rari; è la sua cache.
Come abbiamo già discusso, le biblioteche sono un naturale esempio di memoria
gerarchia se utilizzato insieme alla nostra scrivania. In effetti, le biblioteche in
stessi, con le loro varie sezioni e strutture di stoccaggio, sono un ottimo esempio
di una gerarchia di memoria con più livelli. Di conseguenza, affrontano tutti
tipi di problemi di memorizzazione nella cache. Devono decidere quali libri mettere nel limitato
spazio espositivo nella parte anteriore della biblioteca, quali tenere nelle loro pile e quali
da consegnare allo stoccaggio fuori sede. La politica per cui i libri devono essere smistati fuori sede varia
da libreria a libreria, ma quasi tutti usano una versione di LRU. “Per il principale
Stacks, ad esempio ", afferma Beth Dupuis, che supervisiona il processo nell'UC
Biblioteche di Berkeley, “se un oggetto non è stato utilizzato per dodici anni, è il
tagliato fuori."
All'altra estremità dello spettro dai libri intatti in una dozzina di anni
è l'area di “smistamento approssimativo” della biblioteca, che abbiamo visitato nel capitolo precedente.
Qui è dove vanno i libri subito dopo essere stati restituiti, prima di essere completamente ordinati
e accantonato ancora una volta nelle cataste. L'ironia è che gli assistenti laboriosi
metterli di nuovo sui loro scaffali potrebbe, in un certo senso, essere che li rende meno
ordinato.
Ecco perché: se la località temporale è valida, gli scaffali di smistamento approssimativo contengono
i libri più importanti dell'intero edificio. Questi sono i libri che erano
utilizzati più di recente, quindi sono quelli che più probabilmente saranno gli avventori
cercando. Sembra un crimine che probabilmente è il più succoso e il più navigabile
scaffale delle miglia di pile delle biblioteche è sia nascosto che costantemente eroso
dal serio personale della biblioteca che fa il proprio lavoro.
Pagina 105
Pagina 106
"Non è mai stato sparso, ancora", ha detto Mein Herr: "gli agricoltori
obiettò: dissero che avrebbe coperto l'intero paese e escluso il
luce del sole! Quindi ora usiamo il paese stesso, come una mappa, e te lo assicuro
fa quasi altrettanto bene. "
-LEWIS CARROLL
Spesso pensiamo a Internet come a un luogo piatto, indipendente e poco connesso
Rete. In effetti, non è nessuna di queste cose. Un quarto di tutto il traffico Internet a
il presente è gestito da un'unica società, che riesce a restare quasi
completamente fuori dai titoli dei giornali. Si chiama questa azienda con sede nel Massachusetts
Akamai, e sono nel business del caching.
Pensiamo anche a Internet come astratto, demateriale, post-geografico. Siamo
ha detto che i nostri dati sono "nella nuvola", il che dovrebbe suggerire un luogo diffuso e distante.
Ancora una volta, nessuno di questi è vero. La realtà è che Internet è tutta una questione di bundle
di cavi fisici e scaffalature metalliche. Ed è molto più strettamente legato a
geografia di quanto potresti aspettarti.
Gli ingegneri pensano alla geografia su piccola scala quando progettano il computer
hardware: la memoria più veloce viene solitamente posizionata più vicino al processore, riducendo al minimo
la lunghezza dei fili che le informazioni devono percorrere. Il processore di oggi
i cicli sono misurati in gigahertz, vale a dire che stanno eseguendo operazioni
in frazioni di nanosecondi. Per riferimento, questo è il tempo necessario alla luce per viaggiare a
pochi pollici , quindi la disposizione fisica degli interni di un computer è molto simile a
preoccupazione. E applicando lo stesso principio su una scala notevolmente più ampia, reale
la geografia risulta essere fondamentale per il funzionamento del web, dove i fili
non sono pollici ma potenzialmente migliaia di miglia.
Se puoi creare una cache del contenuto della pagina web che è fisicamente,
geograficamente più vicino alle persone che lo desiderano, puoi pubblicare quelle pagine
Più veloce. Gran parte del traffico su Internet è ora gestito dalla “distribuzione dei contenuti
reti "(CDN), che dispongono di computer in tutto il mondo che ne conservano le copie
di siti web popolari. Ciò consente agli utenti che richiedono quelle pagine di ottenere i propri dati
da un computer che si trova nelle vicinanze, senza dover fare il lungo viaggio
continenti al server originale.
La più grande di queste CDN è gestita da Akamai: i fornitori di contenuti pagano
Pagina 107
i loro siti web devono essere "Akamaized" per prestazioni migliori. Un australiano che
il video in streaming dalla BBC, ad esempio, sta probabilmente raggiungendo Akamai locale
server a Sydney; la richiesta non arriva mai a Londra. Non è necessario.
Il capo architetto di Akamai, Stephen Ludin, afferma: "È nostra convinzione e noi costruiamo il
compagnia intorno al fatto che la distanza è importante. "
Nella nostra discussione precedente, abbiamo notato che alcuni tipi di memoria del computer
hanno prestazioni più veloci ma costano di più per unità di archiviazione, il che porta a una "memoria
gerarchia ”che cerca di ottenere il meglio da entrambi. Ma non è effettivamente necessario
avere una memoria fatta di materiali diversi affinché la memorizzazione nella cache abbia un senso. La memorizzazione nella cache è
altrettanto utile quando è la vicinanza, piuttosto che la prestazione, che è scarsa
risorsa.
Questa intuizione fondamentale: che i file richiesti devono essere archiviati vicino al file
luogo in cui vengono utilizzati: si traduce anche in ambienti puramente fisici.
Ad esempio, gli enormi centri logistici di Amazon generalmente evitano qualsiasi tipo
di organizzazione comprensibile dall'uomo, del tipo che troveresti in una biblioteca o in un
grande magazzino. Invece, ai dipendenti viene detto di posizionare gli articoli in arrivo ovunque
possono trovare spazio nel magazzino: batterie guancia a guancia con la matita
temperamatite, pannolini, griglie per barbecue e DVD per imparare il dobro e tagga il file
posizione di ogni articolo in un database centrale utilizzando codici a barre. Ma questo deliberatamente
sistema di archiviazione dall'aspetto disorganizzato ha ancora un'eccezione visibile: alta
gli articoli a richiesta vengono collocati in un'area diversa, più rapidamente accessibile rispetto al
riposo. Quell'area è la cache di Amazon.
Di recente, ad Amazon è stato concesso un brevetto per un'innovazione che spinge questo
principio un passo avanti. Il brevetto parla di “pacchetto anticipatorio
shipping ", su cui la stampa si è impadronita come se Amazon potesse in qualche modo spedire
qualcosa prima di acquistarlo. Amazon, come qualsiasi azienda tecnologica,
mi piacerebbe avere quel tipo di chiaroveggenza alla Bélády, ma per il prossimo migliore
cosa, si trasforma in cache. Il loro brevetto è in realtà per la spedizione di articoli che hanno
è stato recentemente popolare in una data regione per un magazzino di staging in quella regione—
come avere la propria CDN per i beni fisici. Quindi, quando qualcuno colloca un file
ordine, l'articolo è in fondo alla strada. Anticipare gli acquisti dei privati
è impegnativo, ma nel prevedere gli acquisti di poche migliaia di persone, il
la legge dei grandi numeri entra in gioco. Qualcuno a Berkeley ordinerà, diciamo,
carta igienica riciclata in un dato giorno, e quando lo fanno è già la maggior parte del
Pagina 108
laggiù.
Quando le cose popolari in una zona provengono anche da quella zona, ancora di più
emerge un'interessante geografia della nuvola. Nel 2011, il critico cinematografico Micah Mertes
ha creato una mappa degli Stati Uniti utilizzando i "Preferiti locali" di ogni stato da
Netflix: mette in evidenza i film insolitamente popolari in ciascuno di questi stati.
In modo schiacciante, si è scoperto che le persone adorano guardare i film ambientati dove vivono.
I Washingtoniani preferiscono i single , ambientato a Seattle; Louisianans guardano The Big Easy ,
ambientato a New Orleans; Non sorprende che Angelinos apprezzi LA Story ; Gli abitanti dell'Alaska amano
Braving Alaska ; e Montanans, Montana Sky . * E perché niente giova
tanto dal caching locale quanto dagli enormi file che compongono l'intera lunghezza
Video HD, è certo che Netflix lo abbia organizzato in modo che i file , diciamo, LA Story
vivere proprio a Los Angeles, proprio come i suoi personaggi e, cosa più importante, i suoi
fan.
La memorizzazione nella cache è una cosa così ovvia perché lo facciamo sempre. Voglio dire, la quantità di informazioni che ho
ottenere ... certe cose di cui devo tenere traccia in questo momento, un mucchio di cose che ho sulla mia scrivania, e poi
altre cose vengono archiviate e poi archiviate nel sistema degli archivi universitari dove
ci vuole un giorno intero per tirarne fuori qualcosa, se lo volessi. Ma usiamo sempre quella tecnica per provarci
organizzare le nostre vite.
Il parallelo diretto tra questi problemi significa che c'è il potenziale per
applicare consapevolmente le soluzioni dell'informatica alla casa.
Primo, quando decidi cosa tenere e cosa buttare via, LRU lo è
potenzialmente un buon principio da usare, molto meglio di FIFO. Non dovresti
getta necessariamente quella maglietta del college se la indossi ancora ogni tanto.
Ma i pantaloni scozzesi che non indossi da secoli? Possono essere di qualcun altro
Pagina 109
Un dottore mi ha parlato del suo approccio alla conservazione delle cose. “I miei figli pensano che io sia stravagante, ma io metto le cose
dove penso che ne avrò bisogno di nuovo in seguito, anche se non ha molto senso. " Come esempio di lei
sistema, mi ha detto che tiene sacchetti extra per aspirapolvere dietro il divano in soggiorno.
Dietro il divano in soggiorno? Ha un senso? ... Si scopre che quando il vuoto
viene utilizzato un detergente, di solito viene utilizzato per la moquette in soggiorno.… Quando si ottiene un sacchetto per aspirapolvere
pieno e ne serve uno nuovo, di solito è in soggiorno. Ed è proprio lì che l'aspirapolvere
le borse sono.
Un'ultima intuizione, che non è ancora stata inserita nelle guide sull'organizzazione dell'armadio, è
quella della gerarchia di memoria multilivello. Avere una cache è efficiente, ma avere
più livelli di cache, dal più piccolo e più veloce al più grande e più lento, possono farlo
essere ancora migliore. Per quanto riguarda i tuoi effetti personali, il tuo armadio è un unico nascondiglio
livello, il tuo seminterrato un altro e un armadietto per riporre le cose un terzo. (Questi sono in
ordine decrescente della velocità di accesso, ovviamente, quindi dovresti usare il principio LRU
come base per decidere cosa deve essere sfrattato da ogni livello a quello successivo.) Ma tu
potrebbe anche essere in grado di accelerare le cose aggiungendo ancora un altro livello di cache: un
ancora più piccolo, più veloce, più vicino del tuo armadio.
La moglie di Tom, altrimenti estremamente tollerante, si oppone a una pila di vestiti accanto
il letto, nonostante la sua insistenza sul fatto che è in realtà uno schema di cache altamente efficiente.
Fortunatamente, le nostre conversazioni con gli informatici hanno rivelato una soluzione a
anche questo problema. Rik Belew della UC San Diego, che studia i motori di ricerca da
una prospettiva cognitiva, consigliato l'uso di un cameriere. Anche se non lo fai
vederne troppi in questi giorni, un cameriere è essenzialmente un armadio a un vestito, a
gancio composto per giacca, cravatta e pantaloni: il pezzo perfetto di hardware per
Pagina 110
le tue esigenze di memorizzazione nella cache domestica. Il che dimostra che gli informatici
non solo ti farà risparmiare tempo; potrebbero anche salvare il tuo matrimonio.
Archiviazione e palificazione
Dopo aver deciso cosa tenere e dove dovrebbe andare, la sfida finale è
saperlo organizzare. Abbiamo parlato di cosa va nell'armadio e
dove dovrebbe essere l'armadio, ma come dovrebbero essere sistemate le cose all'interno?
Una delle costanti di tutti i consigli sull'organizzazione domestica che abbiamo
visto finora è l'idea di raggruppare "simili con simili" - e forse nessuno lo è
Vola direttamente di fronte a quel consiglio come Yukio Noguchi. "Devo sottolineare"
dice Noguchi, “che un principio fondamentale nel mio metodo è non raggruppare
file in base al contenuto. " Noguchi è un economista presso l'Università di Tokyo,
e l'autore di una serie di libri che offrono "super" trucchi per risolvere il tuo
ufficio e la tua vita. I loro titoli si traducono approssimativamente in Super Persuasion Method ,
Super metodo di lavoro , super metodo di studio e, cosa più importante per noi, Super
Metodo organizzato .
All'inizio della sua carriera di economista, Noguchi si è trovato costantemente
inondato di informazioni - corrispondenza, dati, manoscritti - e la perdita di un file
porzione significativa di ogni giorno cercando solo di organizzare tutto. Quindi ha cercato un file
alternativa. Ha iniziato inserendo semplicemente ogni documento in un file etichettato con
il titolo e la data del documento e inserendo tutti i file in un unico grande riquadro. Quello
risparmiava tempo: non doveva pensare al posto giusto in cui mettere ogni documento
—Ma non ha portato a nessuna forma di organizzazione. Poi, qualche volta all'inizio
Anni '90, ha avuto una svolta: ha iniziato a inserire i file esclusivamente a sinistra-
lato della mano della scatola. E così è nato il "super" sistema di archiviazione.
La regola di inserimento a sinistra, specifica Noguchi, deve essere seguita per i vecchi file
oltre a quelli nuovi: ogni volta che estrai un file per usarne il contenuto, devi farlo
rimettilo come file più a sinistra quando lo rimetti nella casella. E quando tu
cerca un file, inizi sempre anche dal lato sinistro. Più
i file a cui si accede di recente sono quindi i più veloci da trovare.
Questa pratica è iniziata, spiega Noguchi, perché riportava ogni file a sinistra
era solo più facile che tentare di reinserirlo nello stesso punto da cui proveniva. Solo
Pagina 111
gradualmente si rese conto che questa procedura non era solo semplice ma anche
sorprendentemente efficiente.
Il sistema di archiviazione Noguchi consente di risparmiare chiaramente tempo durante la sostituzione
qualcosa dopo aver finito di usarlo. C'è ancora la domanda, tuttavia, di
se è un buon modo per trovare i file di cui hai bisogno in primo luogo. Dopotutto, sì
certamente va contro le raccomandazioni di altri guru dell'efficienza, che ce lo dicono
che dovremmo mettere insieme cose simili. Anzi, anche l'etimologia del
la parola "organizzato" evoca un corpo composto di organi, che se non lo sono
celle raggruppate "come con simili", raggruppate insieme da forma e funzione simili.
Ma l'informatica ci offre qualcosa che la maggior parte dei guru dell'efficienza non fa:
garanzie.
Sebbene Noguchi all'epoca non lo sapesse, il suo sistema di archiviazione rappresenta un file
estensione del principio LRU. LRU ci dice che quando aggiungiamo qualcosa al nostro file
cache dovremmo scartare l'elemento più vecchio, ma non ci dice dove dovremmo
metti il nuovo oggetto. La risposta a questa domanda viene da una linea di ricerca
svolte da informatici negli anni '70 e '80. La loro versione di
il problema è chiamato "elenchi auto-organizzati" e la sua configurazione imita quasi esattamente
Il dilemma dell'archiviazione di Noguchi. Immagina di avere una serie di elementi in una sequenza,
e devi periodicamente cercarli per trovare elementi specifici. La ricerca
stesso è vincolato a essere lineare: devi esaminare gli elementi uno per uno,
cominciando dall'inizio, ma una volta trovato l'oggetto che stai cercando, puoi farlo
rimetterlo in qualsiasi punto della sequenza. Dove dovresti sostituire gli articoli
rendere la ricerca il più efficiente possibile?
Il documento definitivo sulle liste auto-organizzate, pubblicato da Daniel Sleator e
Robert Tarjan nel 1985, ha esaminato (nel modo classico dell'informatica) il
nel peggiore dei casi prestazioni di vari modi per organizzare l'elenco dato tutto il possibile
sequenze di richieste. Intuitivamente, poiché la ricerca inizia in primo piano, lo desideri
organizzare la sequenza in modo che appaiano gli elementi più probabili da cercare
Là. Ma quali oggetti saranno? Siamo tornati a desiderare la chiaroveggenza
ancora. "Se conosci la sequenza in anticipo", dice Tarjan, che divide la sua
tempo tra Princeton e Silicon Valley, "è possibile personalizzare i dati
struttura per ridurre al minimo il tempo totale per l'intera sequenza. Questa è la cosa ottimale
algoritmo offline: l'algoritmo di Dio se vuoi, o l'algoritmo nel cielo. Di
Ovviamente nessuno conosce il futuro, quindi la domanda è: se non conosci il file
Pagina 112
futuro, come vicino si può venire a questo algoritmo ottimale nel cielo?” Sleator
ei risultati di Tarjan hanno mostrato che alcuni "schemi di autoregolazione molto semplici,
sorprendentemente, rientrano in un fattore costante di chiaroveggenza. Vale a dire, se tu
segui il principio LRU, dove semplicemente rimetti sempre un oggetto nel file
all'inizio dell'elenco, quindi la quantità totale di tempo che impieghi a cercare lo farà
mai più del doppio del tempo che se avessi conosciuto il futuro. Non è un file
garantire che qualsiasi altro algoritmo possa fare.
Riconoscere il Noguchi Filing System come istanza del principio LRU
in azione ci dice che non è solo efficiente. In realtà è ottimale.
I risultati di Sleator e Tarjan ci forniscono anche un'ulteriore svolta, e otteniamo
ruotando il sistema di archiviazione Noguchi su un lato. Molto semplicemente, una scatola di file
su un lato diventa un mucchio. Ed è la natura stessa delle pile che le cerchi
dall'alto verso il basso, e che ogni volta che si estrae un documento non torna indietro
dove l'hai trovato, ma in cima. *
In breve, la matematica delle liste auto-organizzate suggerisce qualcosa di radicale:
la grande pila di carte sulla tua scrivania, lungi dall'essere un mestolo che induce in colpa
caos, è in realtà una delle strutture più ben progettate ed efficienti
a disposizione. Quello che agli altri potrebbe sembrare un pasticcio non organizzato è, in effetti, a
pasticcio auto-organizzato. Gettare le cose in cima alla pila è la cosa migliore
si può fare, timido di conoscere il futuro. Nel capitolo precedente abbiamo esaminato
casi in cui lasciare qualcosa non ordinato era più efficiente che prendersi del tempo
ordinare tutto; qui, tuttavia, c'è una ragione molto diversa per cui non lo fai
bisogno di organizzarlo.
Hai già.
La curva dell'oblio
Naturalmente, nessuna discussione sulla memoria potrebbe essere completa senza menzionare il file
"Organo della memoria" più vicino a casa: il cervello umano. Negli ultimi decenni,
l'influenza dell'informatica ha portato a una sorta di rivoluzione in
come gli psicologi pensano alla memoria.
Si dice che la scienza della memoria umana sia iniziata nel 1879, con un giovane
psicologo dell'Università di Berlino di nome Hermann Ebbinghaus.
Pagina 113
a una biblioteca con un unico scaffale arbitrariamente lungo: il sistema di archiviazione Noguchi all'indirizzo
Scala della Biblioteca del Congresso. Puoi inserire tutti gli oggetti che vuoi su quello scaffale,
ma più qualcosa è vicino alla parte anteriore, più velocemente sarà da trovare.
La chiave per una buona memoria umana diventa quindi la stessa della chiave per a
buona cache del computer: prevedere quali elementi è più probabile che vengano ricercati nel file
futuro.
Escludendo la chiaroveggenza, l'approccio migliore per fare tali previsioni nel
il mondo umano richiede la comprensione del mondo stesso. Con il suo collaboratore Lael
Schooler, Anderson ha deciso di eseguire studi simili a quelli di Ebbinghaus, non sugli esseri umani
menti, ma sulla società umana. La domanda era semplice: quali schemi
caratterizzano il modo in cui il mondo stesso "dimentica", il modo in cui gli eventi e
i riferimenti sbiadiscono nel tempo? Anderson e Schooler hanno analizzato tre umani
ambienti: titoli del New York Times , registrazioni di genitori che parlano
ai loro figli e alla casella di posta in arrivo di Anderson. In tutti i domini, hanno trovato
che una parola è molto probabile che appaia di nuovo subito dopo essere stata appena usata, e
che la probabilità di vederlo di nuovo diminuisce col passare del tempo.
In altre parole, la realtà stessa ha una struttura statistica che imita il
Curva di Ebbinghaus.
Questo suggerisce qualcosa di straordinario. Se lo schema da cui le cose svaniscono
la nostra mente è il modello stesso in base al quale le cose svaniscono dall'uso intorno a noi, quindi lì
può essere davvero un'ottima spiegazione per la curva dell'oblio di Ebbinghaus -
vale a dire, che è una perfetta sintonizzazione del cervello con il mondo, messa a disposizione
precisamente le cose che più probabilmente saranno necessarie.
Memoria umana e ambienti umani. Il pannello di sinistra mostra la percentuale di sillabe senza senso
Pagina 115
Ebbinghaus ha correttamente richiamato da un elenco, in funzione del numero di ore che ha aspettato per prime
memorizzare l'elenco. Il pannello di destra mostra la possibilità che una parola appaia nei titoli del Nuovo
York Times in un dato giorno, in funzione del tempo trascorso dalla sua precedente apparizione in stampa.
La tirannia dell'esperienza
Un grande libro è una grande seccatura.
—CALLIMACO (305–410 aC), BIBLIOTECA DI ALESSANDRIA
Perché non fanno tutto l'aereo con quella roba da scatola nera?
—STEVEN WRIGHT
La necessità di una gerarchia della memoria del computer, sotto forma di una cascata di cache,
è in gran parte il risultato della nostra incapacità di permetterci di realizzare l'intero ricordo
del tipo di hardware più costoso. La cache più veloce sui computer attuali,
ad esempio, è realizzato con quello che viene chiamato SRAM, che costa circa mille
volte tanto per byte quanto la memoria flash nelle unità a stato solido. Ma il vero
Pagina 116
la motivazione per la memorizzazione nella cache va più in profondità. In effetti, anche se potessimo ottenere un file
macchina su misura che utilizzava esclusivamente la forma di memoria più veloce possibile,
avremmo ancora bisogno di cache.
Come spiega John Hennessy, le dimensioni da sole sono sufficienti per ridurre la velocità:
Quando crei qualcosa di più grande, è intrinsecamente più lento, giusto? Se ingrandisci una città, ci vuole
più tempo per andare dal punto A al punto B. Se ingrandisci una libreria, ci vorrà più tempo per trovare un libro
la Biblioteca. Se hai una pila di fogli più grande sulla scrivania, è necessario più tempo per trovare la carta
stai cercando, vero? Le cache sono in realtà una soluzione a questo problema ... Ad esempio, adesso, se
vai a comprare un processore, quello che otterrai è una cache di livello 1 e una cache di livello 2 sul chip. Il
la ragione per cui ci sono - anche solo sul chip ci sono due cache! - è per tenere il passo con il
velocità di ciclo del processore, la cache di primo livello ha dimensioni limitate.
Pagina 117
di Michael Ramscar presso l'Università di Tubinga ha suggerito che ciò che noi
chiamare "declino cognitivo" - ritardi ed errori di recupero - potrebbe non riguardare la ricerca
processo in rallentamento o deterioramento, ma (almeno in parte) inevitabile
conseguenza della quantità di informazioni che dobbiamo navigare sempre più grande
e più grande. Indipendentemente da qualsiasi altra sfida che l'invecchiamento comporta, i cervelli più anziani—
che deve gestire una maggiore riserva di ricordi - stanno letteralmente risolvendo più difficile
problemi computazionali ogni giorno che passa. I vecchi possono deridere i giovani per
la loro velocità: "È perché non sai ancora niente!"
Il gruppo di Ramscar ha dimostrato l'impatto di informazioni aggiuntive sull'essere umano
memoria concentrandosi sul caso del linguaggio. Attraverso una serie di simulazioni,
i ricercatori hanno dimostrato che semplicemente sapere di più rende le cose più difficili quando è così
arriva a riconoscere parole, nomi e persino lettere. Non importa quanto sei bravo
schema organizzativo è che dover cercare tra più cose inevitabilmente
impiegare più tempo. Non è che ci stiamo dimenticando; è quello che stiamo ricordando. Siamo
diventare archivi.
Una comprensione delle inevitabili richieste di calcolo della memoria,
Ramscar dice, dovrebbe aiutare le persone a venire a patti con gli effetti dell'invecchiamento
cognizione. “Penso che la cosa tangibile più importante che gli anziani possano fare sia provare
comprendere l'idea che le loro menti siano l'elaborazione naturale delle informazioni
dispositivi ", scrive. “Alcune cose che potrebbero sembrare frustranti man mano che invecchiamo
(come ricordare i nomi!) sono una funzione della quantità di cose che dobbiamo setacciare
attraverso ... e non sono necessariamente un segno di una mente fallimentare. " Come dice lui, "Molto
di quello che attualmente viene chiamato declino è semplicemente imparare ".
La memorizzazione nella cache ci fornisce la lingua per capire cosa sta succedendo. Noi diciamo
"Scoreggia cerebrale" quando dovremmo davvero dire "cache miss". Lo sproporzionato
i ritardi occasionali nel recupero delle informazioni sono un promemoria di quanto noi
trarre vantaggio per il resto del tempo avendo ciò di cui abbiamo bisogno in primo piano.
Quindi, mentre invecchi e inizi a sperimentare queste sporadiche latenze, fatti coraggio:
la durata di un ritardo è in parte un indicatore della portata della tua esperienza. Il
lo sforzo di recupero è una testimonianza di quanto sai. E la rarità di quelli
i ritardi sono una testimonianza di quanto bene l'hai organizzato: mantenere il più importante
cose a portata di mano.
Pagina 118
5 Pianificazione
Cominciando dall'inizio
Il modo in cui trascorriamo le nostre giornate è, ovviamente, il modo in cui trascorriamo le nostre vite.
—ANNIE DILLARD
"Perché non scriviamo un libro sulla teoria della pianificazione?" Ho chiesto ... "Sì
non dovrebbe volerci molto tempo! " Scrivere libri, come fare la guerra, spesso implica
gravi errori di calcolo. Quindici anni dopo, la pianificazione è ancora incompiuta.
—EUGENE LAWLER
È lunedì mattina e hai un programma ancora vuoto e una lunga lista di
attività da completare. Alcuni possono essere avviati solo dopo che altri sono terminati (non puoi
caricare la lavastoviglie a meno che non sia stata scaricata prima), e alcune possono essere avviate solo dopo
un certo tempo (i vicini si lamenteranno se metti la spazzatura sul marciapiede
prima di martedì sera). Alcuni hanno scadenze precise, altri possono essere fatti
ogni volta, e molti sono confusi nel mezzo. Alcuni sono urgenti, ma non importanti.
Alcuni sono importanti, ma non urgenti. "Siamo quello che facciamo ripetutamente" sembri
per ricordare le parole di Aristotele: che si tratti di pulire il pavimento, passate più tempo con
famiglia, deposita le tasse in tempo, impara il francese.
Quindi cosa fare, quando e in quale ordine? La tua vita sta aspettando.
Anche se riusciamo sempre a trovare un modo per ordinare le cose che facciamo nel nostro
giorni, di regola non ci consideriamo particolarmente bravi in questo - da qui il
Pagina 119
status di bestseller perenne delle guide per la gestione del tempo. Sfortunatamente, il file
la guida che troviamo in essi è spesso divergente e incoerente. Ottenere
Cose fatte sostiene una politica di esecuzione immediata di qualsiasi attività di due minuti
o meno non appena viene in mente. Il bestseller rivale Eat That Frog! consiglia
iniziando con il compito più difficile e procedendo verso il più facile e il più facile
cose. The Now Habit suggerisce prima di pianificare i propri impegni sociali e
tempo libero e poi colmare le lacune con il lavoro, piuttosto che il contrario
in giro, come spesso facciamo. William James, il "padre della psicologia americana",
afferma che “non c'è niente di così faticoso come l'eterno aggrapparsi a un
compito incompiuto ", ma Frank Partnoy, in Wait , sostiene deliberatamente
non fare le cose subito.
Ogni guru ha un sistema diverso ed è difficile sapere chi ascoltare.
Pagina 120
Pagina 122
Ad esempio, in un contesto del settore dei servizi, dove è la "data di scadenza" di ogni utente in arrivo
in effetti nell'istante in cui varcano la porta, significa solo servire i clienti
ordine di arrivo.) Ma alcune delle sue implicazioni sono sorprendenti. Ad esempio, come
il tempo necessario per completare ogni attività è del tutto irrilevante: non cambia il file
piano, quindi in effetti non hai nemmeno bisogno di sapere. Tutto ciò che conta è quando i compiti
sono dovuti a.
Potresti già utilizzare Prima data di scadenza per affrontare il tuo carico di lavoro, in formato
in questo caso probabilmente non avrai bisogno dell'informatica per dirti che si tratta di un file
strategia sensata. Quello che potresti non sapere, però, è che è l' ottimale
strategia. Più precisamente, è ottimale presumere che ti interessi solo uno
metrica in particolare: ridurre il tuo massimo ritardo. Se questo non è il tuo obiettivo,
tuttavia, un'altra strategia potrebbe essere più applicabile.
Ad esempio, considera il frigorifero. Se sei una delle tante persone che
avere un abbonamento all'agricoltura supportata dalla comunità (CSA), quindi ogni settimana o
due hai un sacco di prodotti freschi che arrivano a casa tua tutti in una volta. Ogni
il pezzo di prodotto è destinato a deteriorarsi in una data diversa, quindi mangiarli prima
La data di scadenza, in base al loro programma di deterioramento, sembra un inizio ragionevole
punto. Tuttavia, non è la fine della storia. La prima data di scadenza è ottimale per
riducendo il ritardo massimo, il che significa che ridurrà al minimo il marciume del
l'unica cosa più marcia che dovrai mangiare; potrebbe non essere il più appetitoso
metrica da mangiare.
Forse invece vogliamo ridurre al minimo il numero di cibi che si deteriorano. Qui a
La strategia chiamata Algoritmo di Moore ci offre il nostro miglior piano. Algoritmo di Moore
dice che iniziamo proprio come con Earliest Due Date, programmando il nostro
produrre in ordine di data di deterioramento, il più presto possibile, un articolo alla volta. Tuttavia, come
Non appena sembra che non riusciremo a mangiare il prossimo oggetto in tempo, ci fermiamo, guardiamo
torna sui pasti che abbiamo già pianificato e butta via l'oggetto più grande (quello
è quello che impiegherebbe più giorni a consumare). Ad esempio, potrebbe
significa rinunciare all'anguria che richiederebbe una mezza dozzina di porzioni da mangiare; non
anche tentarlo significherà arrivare a tutto ciò che segue molto prima. Noi
quindi ripetere questo schema, disponendo gli alimenti in base alla data di deterioramento e lanciando il
il più grande elemento già programmato ogni volta che rimaniamo indietro. Una volta che tutto quello
i resti possono essere mangiati in ordine di data di deterioramento senza che nulla rovini, abbiamo
ottenuto il nostro piano.
Pagina 123
—LAO TZU
A volte le scadenze non sono la nostra preoccupazione principale e vogliamo solo ottenere cose
fatto: più cose, il più rapidamente possibile. Si scopre che traducendo questo
il desiderio apparentemente semplice in una metrica di pianificazione esplicita è più difficile di esso
suoni.
Un approccio è assumere la prospettiva di un estraneo. Abbiamo notato che in singolo
programmazione della macchina, niente di ciò che facciamo può cambiare il tempo che ci vorrà per finire
tutte le nostre attività, ma se ciascuna attività, ad esempio, rappresenta un cliente in attesa, allora
c'è un modo per occupare il meno possibile del loro tempo collettivo. Immaginare
a partire dal lunedì mattina con un progetto di quattro giorni e un progetto di un giorno
la tua agenda. Se consegni il progetto più grande giovedì pomeriggio (4 giorni
trascorso) e poi quello piccolo del venerdì pomeriggio (trascorsi 5 giorni), i clienti
avrà aspettato un totale di 4 + 5 = 9 giorni. Se inverti l'ordine, tuttavia, tu
può finire il piccolo progetto lunedì e quello grande venerdì, con l'estensione
clienti in attesa di un totale di solo 1 + 5 = 6 giorni. Anche per te è una settimana lavorativa completa
modo, ma ora hai risparmiato ai tuoi clienti tre giorni del loro tempo totale.
I teorici della pianificazione chiamano questa metrica la "somma dei tempi di completamento".
Ridurre al minimo la somma dei tempi di completamento porta a un ottimo molto semplice
Pagina 124
algoritmo chiamato Shortest Processing Time : fai sempre tu il compito più veloce
può.
Anche se non hai clienti impazienti appesi a ogni lavoro, Shortest
Tempo di elaborazione ottiene le cose fatte . (Forse non sorprende che sia compatibile
con la raccomandazione in Getting Things Done di eseguire immediatamente qualsiasi
attività che richiede meno di due minuti.) Anche in questo caso, non è possibile modificare il totale
quantità di tempo che ti richiederà il tuo lavoro, ma il tempo di elaborazione più breve potrebbe diminuire
la tua mente riducendo il numero di attività in sospeso il più rapidamente possibile.
La metrica della somma dei tempi di completamento può essere espressa in un altro modo: è come
concentrandosi soprattutto sulla riduzione della lunghezza della tua lista di cose da fare. Se ogni pezzo di
gli affari incompiuti sono come una spina nel fianco, quindi correre attraverso il più facile
gli articoli possono portare un certo sollievo.
Naturalmente, non tutti gli affari incompiuti sono uguali. Mettere fuori un vero
il fuoco in cucina dovrebbe probabilmente essere fatto prima di "spegnere un fuoco" con a
e-mail veloce a un cliente, anche se il primo richiede un po 'più di tempo. Nella pianificazione, questo
la differenza di importanza viene catturata in una variabile nota come peso . Quando tu sei
esaminando la tua lista di cose da fare, questo peso potrebbe sembrare letterale: il peso che ricevi
dalle tue spalle finendo ogni attività. Il tempo di completamento di un'attività mostra come
a lungo si porta quel peso, riducendo così al minimo la somma dei tempi di completamento ponderati
(ovvero, la durata di ogni attività moltiplicata per il suo peso) significa ridurre al minimo il tuo
oppressione totale mentre lavori con tutta la tua agenda.
La strategia ottimale per questo obiettivo è una semplice modifica di Shortest
Tempo di elaborazione: dividi il peso di ciascuna attività per il tempo necessario
finire, e poi lavorare in ordine dalla più alta importanza risultante per unità
tempo (chiamatelo “densità” se volete, per continuare la metafora del peso) al più basso.
E anche se potrebbe essere difficile assegnare un grado di importanza a ciascuno dei tuoi
attività quotidiane, questa strategia offre comunque una buona regola pratica: dare la priorità solo a un file
attività che richiede il doppio del tempo se è due volte più importante.
In contesti aziendali, il "peso" potrebbe essere facilmente tradotto nella quantità di
denaro che ogni attività porterà. L'idea di dividere la ricompensa per la durata
si traduce, quindi, nell'assegnazione a ciascuna attività di una tariffa oraria. (Se sei un consulente
o freelance, che in effetti potrebbe già essere fatto per te: dividi semplicemente ciascuno
commissione del progetto in base alle sue dimensioni e procedi dalla tariffa oraria più alta al
È interessante notare che questa strategia ponderata compare anche negli studi sugli animali
Pagina 125
foraggiamento, con noci e bacche che prendono il posto di dollari e centesimi. Animali,
cercando di massimizzare la velocità con cui accumulano energia dal cibo, dovrebbe
perseguire gli alimenti in ordine di rapporto tra la loro energia calorica e il tempo necessario
prenderli e mangiarli - e in effetti sembra che lo facciano.
Quando applicato ai debiti piuttosto che ai redditi, lo stesso principio produce a
strategia per entrare in nero che viene chiamata la "valanga di debiti".
Questa strategia di riduzione del debito dice di ignorare il numero e l'entità dei propri debiti
interamente, e semplicemente incanalare i tuoi soldi verso il debito con il singolo più alto
tasso d'interesse. Ciò corrisponde piuttosto chiaramente a svolgere i lavori in ordine di
importanza per unità di tempo. Ed è la strategia che ridurrà l'onere totale
del tuo debito il più rapidamente possibile.
Se, d'altra parte, sei più interessato a ridurre il numero di file
debiti rispetto all'importo del debito - se, per esempio, il fastidio di numerose cambiali e
la raccolta di telefonate è un affare più grande della differenza nei tassi di interesse, allora
sei tornato al sapore non ponderato, "basta fare le cose" di Shortest
Tempo di elaborazione, pagando prima i debiti più piccoli semplicemente per farli uscire dal
modo. Nei circoli di riduzione del debito, questo approccio è noto come la "palla di neve del debito".
Se le persone, in pratica, dovrebbero dare la priorità all'abbassamento dell'importo in dollari di
i loro debiti o la quantità di essi rimane una controversia attiva, sia nel
stampa popolare così come nella ricerca economica.
Pagina 126
Pagina 127
possibile?
Vivi in base alla metrica, muori in base alla metrica. Se tutti i compiti hanno davvero lo stesso peso,
allora è esattamente quello che dovremmo fare. Ma se non vogliamo diventarlo
schiavi delle minuzie, allora dobbiamo prendere misure a tal fine. Questo inizia
assicurandoci che il problema della singola macchina che stiamo risolvendo sia quello che stiamo risolvendo
voglio risolvere. (Nel caso dei badge delle app, se non riusciamo a farli riflettere il nostro
priorità reali, e non può superare l'impulso a ridurne in modo ottimale qualsiasi
cifra numerica gettata in faccia, allora forse la cosa migliore da fare è semplicemente
disattivare i badge.)
Rimanere concentrati non solo sul portare a termine le cose, ma anche su cose pesanti
fatto — fare il lavoro più importante possibile in ogni momento — suona come un
cura sicura per procrastinare. Ma a quanto pare, anche questo non è abbastanza. E
un gruppo di esperti di programmazione di computer si imbatterebbe maggiormente in questa lezione
modo drammatico immaginabile: sulla superficie di Marte, con il mondo intero
Guardando.
Pagina 129
non essere mai alla mercé delle cose che contano meno ”, avrebbe affermato Goethe
proclamato; ma mentre questo ha il suono della saggezza, a volte è giusto
non vero. A volte ciò che conta di più non può essere fatto fino a ciò che
importa meno è finito, quindi non c'è altra scelta che trattare quella cosa poco importante
essendo tanto importante quanto qualunque cosa stia bloccando.
Quando una determinata attività non può essere avviata fino al termine di un'altra, pianificazione
i teorici lo chiamano un "vincolo di precedenza". Per esperto di ricerca operativa
Laura Albert McLay, ricordando esplicitamente questo principio ha reso il
differenza in più di un'occasione nella sua famiglia. “Può essere davvero
utile se riesci a vedere queste cose. Ovviamente, superando la giornata con tre
ragazzi, c'è molta programmazione… Non possiamo uscire dalla porta a meno che i bambini non arrivino
prima colazione, e non possono fare colazione prima se non ricordo di dargliela
un cucchiaio. A volte c'è qualcosa di molto semplice che te ne dimentichi
ritarda tutto. In termini di algoritmi di pianificazione, sapere solo cosa [quello]
è, e mantenerlo in movimento, è incredibilmente utile. È così che faccio le cose
ogni giorno."
Nel 1978, il ricercatore di pianificazione Jan Karel Lenstra è stato in grado di utilizzare lo stesso
principio mentre aiutava il suo amico Gene a trasferirsi in una nuova casa a Berkeley.
“Gene stava posticipando qualcosa che doveva essere finito prima che potessimo iniziare
qualcos'altro che era urgente. " Come ricorda Lenstra, avevano bisogno di restituire un file
furgone, ma aveva bisogno del furgone per restituire un pezzo di equipaggiamento, ma aveva bisogno del
attrezzatura per riparare qualcosa nell'appartamento. La sistemazione dell'appartamento non sembrava
urgente (da qui il suo rinvio), ma il ritorno del furgone lo fece. Dice Lenstra: "Io
gli ha spiegato che il primo compito dovrebbe essere considerato ancora più urgente ".
Mentre Lenstra è una figura centrale nella teoria della pianificazione, e quindi è andata bene
posizionato per dare questo consiglio all'amico, è arrivato con un gusto particolarmente delizioso
ironia. Questo era un caso da manuale di inversione di priorità causata dalla precedenza
vincoli. E probabilmente il più grande esperto in materia del ventesimo secolo
vincoli di precedenza non era altro che il suo amico, Eugene "Gene" Lawler.
L'urto di velocità
Considerando che ha trascorso gran parte della sua vita a pensare a come farlo in modo più efficiente
Pagina 130
completare una sequenza di compiti, Lawler ha preso un percorso intrigante e tortuoso fino al suo
propria carriera. Ha studiato matematica alla Florida State University prima di iniziare
si è laureato ad Harvard nel 1954, anche se ha lasciato prima di finire un dottorato.
Dopo un periodo in giurisprudenza, l'esercito e (abbastanza tematicamente) lavorando in un
officina meccanica, è tornato ad Harvard nel 1958, terminando il dottorato di ricerca e prendendo un
posizione presso l'Università del Michigan. Visitando Berkeley in anno sabbatico nel 1969,
è stato arrestato durante una famigerata protesta contro la guerra del Vietnam. È diventato un membro del
Facoltà a Berkeley l'anno successivo, e ha acquisito una reputazione lì per esserci
“La coscienza sociale” del dipartimento di informatica. Dopo la sua morte in
1994, l'Association for Computing Machinery ha istituito un premio in
Il nome di Lawler, in onore delle persone che dimostrano il potenziale umanitario di
Informatica.
La prima indagine di Lawler sui vincoli di precedenza ha suggerito che essi
potrebbe essere gestito abbastanza facilmente. Ad esempio, prendi l'algoritmo Earliest Due Date
che riduce al minimo il ritardo massimo di una serie di attività. Se i tuoi compiti hanno
vincoli di precedenza, che rendono le cose più complicate: non puoi semplicemente andare avanti
in ordine di data di scadenza se alcune attività non possono essere avviate fino al termine di altre. Ma in
1968, Lawler ha dimostrato che questo non è un problema fintanto che costruisci il programma
torna in primo piano: guarda solo le attività da cui non dipendono altre attività e metti l'estensione
uno con l' ultima data di scadenza alla fine del programma. Quindi ripeti semplicemente questo
processo, ancora una volta considerando ad ogni passaggio solo quei compiti che nessun altro (finora
non programmate) dipendono dalle attività come prerequisito.
Ma mentre Lawler esaminava più a fondo i vincoli di precedenza, scoprì
qualcosa di curioso. L'algoritmo del tempo di elaborazione più breve, come abbiamo visto, è il
politica ottimale se si desidera eliminare il maggior numero di elementi il più rapidamente possibile da
la tua lista di cose da fare. Ma se alcune delle tue attività hanno vincoli di precedenza, non è così
un semplice o ovvio aggiustamento al Tempo di elaborazione più breve per adattarlo.
Anche se sembrava un problema di programmazione elementare, né Lawler né
qualsiasi altro ricercatore sembrava essere in grado di trovare un modo efficiente per risolverlo.
In effetti, era molto peggio di questo. Lo stesso Lawler lo avrebbe presto scoperto
questo problema appartiene a una classe che la maggior parte degli informatici ritiene non abbia
soluzione efficiente: è ciò che il campo chiama "intrattabile". * Teoria della pianificazione
il primo dosso si è rivelato essere un muro di mattoni.
Come abbiamo visto con lo scenario “tripla o niente” per il quale l'arresto è ottimale
Pagina 131
la teoria non ha parole sagge, non tutti i problemi che possono essere formalmente articolati lo hanno
una domanda. Nella pianificazione, è chiaro per definizione che ogni insieme di attività e
vincoli ha una pianificazione che è la migliore, quindi i problemi di pianificazione non lo sono
senza risposta, di per sé, ma potrebbe semplicemente essere il caso che non ci siano
algoritmo semplice che può trovare la pianificazione ottimale in modo ragionevole
quantità di tempo.
Ciò ha portato ricercatori come Lawler e Lenstra a una domanda irresistibile. Appena
quale proporzione di problemi di programmazione era comunque intrattabile? Venti anni
dopo che la teoria della programmazione è stata avviata dalla rilegatura di libri di Selmer Johnson
carta, la ricerca di soluzioni individuali stava per diventare qualcosa di molto
di gran lunga più grandioso e ambizioso: una ricerca per mappare l'intero paesaggio
teoria della pianificazione.
Ciò che i ricercatori hanno scoperto è che anche la più sottile modifica a una programmazione
problema spesso ribalta la linea sottile e irregolare tra trattabile e
intrattabile. Ad esempio, l'algoritmo di Moore riduce al minimo il numero di attività in ritardo
(o frutti marci) quando hanno tutti lo stesso valore, ma se alcuni sono di più
importante di altri, il problema diventa intrattabile e nessun algoritmo può farlo
fornire prontamente la pianificazione ottimale. Allo stesso modo, dover aspettare fino a un certo
il tempo per iniziare alcune delle tue attività rende quasi tutti i problemi di pianificazione per
che altrimenti avremmo soluzioni efficienti in problemi intrattabili. Non essendo
in grado di mettere fuori la spazzatura fino alla sera prima della raccolta potrebbe essere ragionevole
statuto municipale, ma manderà il tuo calendario a capofitto nell'intrattabilità.
Il disegno dei confini della teoria dello scheduling continua ancora oggi. UN
un recente sondaggio ha mostrato che lo stato di circa il 7% di tutti i problemi è ancora
unknown, scheduling's terra incognita. Del 93% dei problemi che facciamo
capire, tuttavia, la notizia non è eccezionale: solo il 9% può essere risolto in modo efficiente,
e l'altro 84% si è dimostrato intrattabile.* In altre parole, la maggior parte
i problemi di pianificazione non ammettono alcuna soluzione pronta. Se stai cercando di gestire perfettamente il tuo file
il calendario sembra opprimente, forse perché in realtà lo è. Ciò nonostante,
gli algoritmi di cui abbiamo discusso sono spesso il punto di partenza per affrontarli
problemi difficili, se non perfettamente, almeno quanto ci si può aspettare.
Pagina 132
Il momento migliore per piantare un albero è vent'anni fa. Il secondo miglior tempo è
adesso.
-PROVERBIO
Finora abbiamo considerato solo i fattori che rendono più difficile la pianificazione. Ma c'è
una svolta che può renderlo più semplice: essere in grado di interrompere un'attività a metà
e passare a un altro. Questa proprietà, "prelazione", si rivela cambiare il gioco
drammaticamente.
Riduzione al minimo dei ritardi massimi (per servire i clienti in un bar) o il
somma dei tempi di completamento (per abbreviare rapidamente la tua lista di cose da fare) entrambi attraversano il
linea in intrattabilità se alcune attività non possono essere avviate fino a un determinato momento. Ma
tornano ad avere soluzioni efficienti una volta consentita la prelazione. In entrambe
casi, le strategie classiche: prima data di scadenza e tempo di elaborazione più breve,
rispettivamente, rimangono i migliori, con una modifica abbastanza semplice. quando
arriva l'ora di inizio di un'attività, confronta quell'attività con quella attualmente in corso. Se
stai lavorando entro la prima data di scadenza e la nuova attività scade prima di
quello attuale, cambia marcia; altrimenti mantieni la rotta. Allo stesso modo, se lo sei
lavorando in base al tempo di elaborazione più breve e la nuova attività può essere completata più velocemente
rispetto a quello attuale, fermati prima per occupartene; altrimenti, continua con cosa
stavi facendo.
Ora, in una buona settimana un'officina può sapere tutto ciò che ci si aspetta
nei prossimi giorni, ma la maggior parte di noi di solito vola alla cieca, almeno in parte.
Potremmo anche non essere sicuri, ad esempio, quando saremo in grado di avviare un particolare
progetto (quando il tal dei tali mi darà una risposta concreta sul tal-e-tale?).
E in qualsiasi momento il nostro telefono può squillare o può comparire un'e-mail con la notizia di un file
compito completamente nuovo da aggiungere alla nostra agenda.
Si scopre, tuttavia, che anche se non sai quando inizieranno le attività,
La prima data di scadenza e il tempo di elaborazione più breve sono ancora strategie ottimali, in grado
per garantirti (in media) le migliori prestazioni possibili a fronte di
incertezza. Se i compiti vengono buttati sulla scrivania in momenti imprevedibili,
la strategia ottimale per ridurre al minimo il massimo ritardo è ancora quella preventiva
versione di Prima data di scadenza: passare al lavoro appena emesso se è dovuto
prima di quello che stai facendo attualmente, e altrimenti ignorandolo. Allo stesso modo,
Pagina 133
Pagina 134
—ELLEN ULLMAN
La teoria della pianificazione quindi racconta una storia ragionevolmente incoraggiante, dopo tutto. Ci sono
algoritmi semplici e ottimali per risolvere molti problemi di pianificazione e altro
i problemi sono allettanti vicini alle situazioni che incontriamo quotidianamente nella vita umana.
Ma quando si tratta di eseguire effettivamente la pianificazione di una singola macchina nel reale
mondo, le cose si complicano.
Prima di tutto, sia le persone che i sistemi operativi dei computer affrontano un curioso
sfida: la macchina che sta facendo la programmazione e la macchina che è
in programma sono la stessa cosa. Il che fa raddrizzare la tua lista di cose da fare
un elemento nella tua lista di cose da fare — che ha bisogno, di per sé, di essere prioritario e programmato.
In secondo luogo, la prelazione non è gratuita. Ogni volta che cambi attività, paghi un prezzo,
noto in informatica come cambio di contesto . Quando un processore per computer
sposta la sua attenzione da un determinato programma, ce n'è sempre una certa quantità
delle spese generali necessarie. Deve contrassegnare efficacemente il suo posto e metterlo da parte
tutte le sue informazioni relative a quel programma. Quindi ha bisogno di capire quale
programma da eseguire successivamente. Infine deve estrarre tutte le informazioni pertinenti per questo
programma, trova il suo posto nel codice e mettiti in marcia.
Niente di tutto questo passare avanti e indietro è "vero lavoro", cioè niente di tutto ciò
effettivamente fa avanzare lo stato di uno dei vari programmi del computer
commutazione tra. È metawork . Ogni cambio di contesto è tempo perso.
Anche gli esseri umani hanno chiaramente dei costi per cambiare contesto. Li sentiamo quando noi
spostare documenti dentro e fuori dalla nostra scrivania, chiudere e aprire documenti sul nostro computer,
entrare in una stanza senza ricordare cosa ci ha mandato lì, o semplicemente dire
forte, "Ora, dov'ero?" o "Cosa stavo dicendo?" Lo hanno dimostrato gli psicologi
che per noi, gli effetti del cambio di attività possono includere ritardi ed errori: a
la scala dei minuti anziché dei microsecondi. Per mettere quella figura in prospettiva,
chiunque interrompa più di qualche ora all'ora rischia di non fare
lavorare affatto.
Personalmente, abbiamo scoperto che sia la programmazione che la scrittura richiedono
tenendo presente lo stato dell'intero sistema, e quindi portare in modo eccessivamente grande
Pagina 135
costi del cambio di contesto. Un nostro amico che scrive software dice che il file
la normale settimana lavorativa non è adatta al suo flusso di lavoro, poiché per lui è di sedici ore
i giorni sono più del doppio più produttivi dei giorni di otto ore. Brian, da parte sua,
pensa alla scrittura come a una sorta di fabbro, dove ci vuole un po 'solo per riscaldarsi
il metallo prima che sia malleabile. Trova in qualche modo inutile bloccare
niente meno di novanta minuti per la scrittura, poiché non succede molto nel file
prima mezz'ora tranne il caricamento di un blocco gigante di "Ora, dove mi trovavo?" nel suo
testa. L'esperto di programmazione Kirk Pruhs, dell'Università di Pittsburgh, ha avuto il
stessa esperienza. “Se è meno di un'ora invece mi limiterò a fare commissioni, perché
mi ci vorranno i primi trentacinque minuti per capire veramente cosa voglio fare
e poi potrei non avere il tempo di farlo. "
La celebre poesia di Rudyard Kipling del 1910 “If—” si conclude con un richiamo esuberante
per la gestione del tempo: "Se riesci a riempire il minuto spietato / Con sessanta
valore di secondi di distanza percorsa ... "
Se solo. La verità è che c'è sempre un sovraccarico: tempo perso per il metawork, per il
logistica della contabilità e gestione degli incarichi. Questo è uno dei fondamentali
compromessi della programmazione. E più ti impegni, più spese ci sono.
Al suo estremo incubo, questo si trasforma in un fenomeno chiamato thrashing .
Thrashing
Gage: Sig. Zuckerberg, ho la sua piena attenzione? ...
Zuckerberg: Hai parte della mia attenzione, hai l'importo minimo.
- LA RETE SOCIALE
I computer eseguono il multitasking attraverso un processo chiamato "threading", che puoi pensare
di essere come fare il giocoliere con una serie di palline. Proprio come un giocoliere lancia solo una palla contro a
tempo nell'aria ma ne tiene tre in alto, una CPU funziona solo su un programma alla volta
tempo, ma scambiandoli abbastanza velocemente (sulla scala di dieci
millesimi di secondo) sembra che stia riproducendo un film, navigando sul Web,
e avvisarti della posta in arrivo tutto in una volta.
Negli anni '60, gli informatici iniziarono a pensare a come automatizzare il file
processo di condivisione delle risorse del computer tra diversi compiti e utenti. Era
un momento emozionante, racconta Peter Denning, oggi uno dei massimi esperti in materia
Pagina 136
computer multitasking, che allora stava lavorando al suo dottorato al MIT. Eccitante,
e incerto: "Come partizionare una memoria principale tra un gruppo di lavori
che sono lì quando alcuni di loro vogliono crescere e alcuni potrebbero volersi rimpicciolire
e interagiranno tra loro, cercando di rubare [la memoria] e tutto il resto
questo genere di cose? ... Come gestisci l'intera serie di interazioni?
Nessuno ne sapeva niente. "
Non sorprende, dato che i ricercatori non sapevano ancora di cosa si trattava
stavano facendo, lo sforzo ha incontrato difficoltà. E ce n'era uno in particolare
che ha attirato la loro attenzione. Come spiega Denning, a determinate condizioni a
problema drammatico “si presenta quando si aggiungono più lavori alla multiprogrammazione
mescolare. Ad un certo punto si supera una soglia critica, imprevedibile esattamente dove si trova
è, ma lo saprai quando arriverai lì, e all'improvviso il sistema sembra
morire."
Ripensa alla nostra immagine di giocoliere. Con una palla in aria, c'è
abbastanza tempo libero mentre quella palla è in alto perché il giocoliere ne possa lanciare altre
anche verso l'alto. Ma cosa succede se il giocoliere prende una palla in più di quanto può
maniglia? Non fa cadere quella palla; lascia tutto . L'intero sistema, abbastanza
letteralmente, va giù. Come dice Denning, “La presenza di uno in più
programma ha causato un crollo completo del servizio ... La netta differenza
tra i due casi in un primo momento sfida l'intuizione, il che potrebbe indurci ad aspettarci a
graduale degrado del servizio con l'introduzione di nuovi programmi in aree affollate
memoria principale." Invece, catastrofe. E mentre possiamo capire un essere umano
giocoliere essendo sopraffatto, cosa potrebbe causare una cosa del genere a un
macchina ?
Qui la teoria dello scheduling interseca la teoria del caching. L'intera idea delle cache è
per mantenere il "working set" degli elementi necessari a disposizione per un rapido accesso. Senso unico
questo viene fatto mantenendo veloci le informazioni che il computer sta attualmente utilizzando
memoria piuttosto che sul disco rigido lento. Ma se un'attività richiede di tenere traccia di
così tante cose che non entreranno tutte nella memoria, allora potresti benissimo finire
passare più tempo a scambiare informazioni dentro e fuori dalla memoria che a fare il
lavoro effettivo. Inoltre, quando si cambia attività, l'attività appena attiva potrebbe
creare spazio per il working set espellendo porzioni di altri working set da
memoria. L'attività successiva, dopo la riattivazione, riacquisirebbe quindi parti del suo
set di lavoro dal disco rigido e riportarli in memoria, di nuovo
Pagina 137
spostare gli altri. Questo problema - attività che si rubano spazio a vicenda - può sorgere
peggio ancora nei sistemi con gerarchie di cache tra il processore e il
memoria. Come Peter Zijlstra, uno dei principali sviluppatori del sistema operativo Linux
scheduler di sistema, afferma: "Le cache sono calde per il carico di lavoro corrente e
quando cambi contesto, praticamente invalidi tutte le cache. E questo fa male. "
All'estremo, un programma può essere eseguito quel tanto che basta per scambiare gli elementi necessari
in memoria, prima di lasciare il posto a un altro programma che gira quel tanto che basta per
sovrascriverli a turno.
Questo è il thrashing: un sistema che funziona a tutto tondo e non realizza nulla.
Denning prima ha diagnosticato questo fenomeno in un contesto di gestione della memoria, ma
gli informatici ora usano il termine "thrashing" per riferirsi praticamente a qualsiasi cosa
situazione in cui il sistema si ferma perché è completamente preoccupato
metawork. Le prestazioni di un computer potente non si interrompono gradualmente. It
cade da una scogliera. Il "lavoro reale" è effettivamente sceso a zero, il che significa anche
sarà quasi impossibile uscirne.
Il thrashing è uno stato umano molto riconoscibile. Se hai mai avuto un momento
dove volevi smettere di fare tutto solo per avere la possibilità di scrivere
tutto quello che avresti dovuto fare, ma non hai potuto risparmiare tempo, l'hai fatto
picchiato. E la causa è più o meno la stessa per le persone che per i computer: ogni compito
è un richiamo alle nostre limitate risorse cognitive. Quando si limita a ricordare
tutto ciò che dobbiamo fare occupa la nostra piena attenzione o dare la priorità a ciascuno
il compito consuma tutto il tempo che avevamo per svolgerli, o il nostro treno di pensieri lo è
continuamente interrotto prima che quei pensieri possano tradursi in azione - sembra
panico, come la paralisi a causa dell'iperattività. Si sta sbattendo e i computer lo sanno
bene.
Se hai mai lottato con un sistema in uno stato di thrashing, e se l'hai fatto
mai stato in uno stato del genere, allora potresti essere curioso dell'informatica
di uscire. Nel suo articolo fondamentale degli anni '60 sull'argomento, Denning ha osservato che un
un grammo di prevenzione vale una libbra di cura. La cosa più semplice da fare è semplicemente
ottenere più memoria: abbastanza RAM, ad esempio, per adattarsi ai working set di tutti i file
eseguire immediatamente i programmi in memoria e ridurre il tempo impiegato da un contesto
interruttore. Ma i consigli preventivi per il thrashing non ti aiutano quando trovi
te stesso nel mezzo di esso. Inoltre, quando si tratta dell'attenzione umana, lo siamo
bloccato con quello che abbiamo.
Pagina 138
Un altro modo per evitare il thrashing prima che inizi è imparare l'arte di dire no.
Denning ha sostenuto, ad esempio, che un sistema dovrebbe semplicemente rifiutarsi di aggiungere un file
programma al suo carico di lavoro se non aveva abbastanza memoria libera per mantenerlo in funzione
impostato. Questo previene il martellamento nelle macchine ed è un consiglio sensato per chiunque lo abbia
un piatto pieno. Ma anche questo potrebbe sembrare un lusso irraggiungibile per quelli di noi
che si trovano già sovraccarichi o comunque incapaci di frenare il
richieste che ci vengono poste.
In questi casi chiaramente non c'è modo di lavorare di più, ma puoi lavorare ...
più stupido . Insieme a considerazioni sulla memoria, una delle maggiori fonti di
il metawork nel cambiare contesto è l'atto stesso di scegliere cosa fare dopo. Questo,
inoltre, a volte può inondare l'effettivo svolgimento del lavoro. Di fronte, diciamo, a un
posta in arrivo traboccante di n messaggi, sappiamo dalla teoria dell'ordinamento che ripetutamente
scansionarlo per trovare la risposta più importante dopo richiederà O ( n 2 ) operazioni
- n scansioni di n messaggi ciascuno. Ciò significa che svegliarsi con una casella di posta che è
tre volte più pieno del solito potrebbe richiedere nove volte più tempo per l'elaborazione. Cosa c'è
di più, scansionare quelle email significa scambiare ogni messaggio nel tuo
mente, uno dopo l'altro, prima di rispondere a qualcuno di loro: una ricetta infallibile per
memoria che batte.
In uno stato violento, sostanzialmente non stai facendo progressi, quindi anche facendo
compiti nell'ordine sbagliato è meglio che non fare assolutamente nulla. Invece di rispondere
le email più importanti prima, il che richiede una valutazione dell'insieme
un'immagine che potrebbe richiedere più tempo del lavoro stesso, forse dovresti evitare
quelle sabbie mobili a tempo quadratico semplicemente rispondendo alle e-mail in ordine casuale , o
in qualunque ordine appaiano sullo schermo. Pensando allo stesso modo
lines, il core team di Linux, diversi anni fa, ha sostituito il proprio scheduler con uno
era meno “intelligente” nel calcolare le priorità del processo ma più che inventato
perché impiegando meno tempo a calcolarli.
Se vuoi comunque mantenere le tue priorità, c'è un diverso e
un affare ancora più interessante che puoi fare per recuperare la tua produttività.
Interrompere la coalescenza
Parte di ciò che rende la programmazione in tempo reale così complessa e interessante è che lo è
Pagina 139
fondamentalmente una negoziazione tra due principi che non sono del tutto compatibili.
Questi due principi sono chiamati reattività e rendimento : quanto velocemente
può rispondere alle cose e quanto puoi fare complessivamente. Chiunque sia
mai lavorato in un ambiente di ufficio può facilmente apprezzare la tensione tra
queste due metriche. È parte del motivo per cui ci sono persone il cui lavoro è quello di
rispondi al telefono: rispondono in modo che altri possano avere un throughput.
Ancora una volta, la vita è più difficile quando, come un computer, devi creare il file
capacità di risposta / velocità di trasferimento da soli. E la migliore strategia per ottenere
le cose fatte potrebbero essere, paradossalmente, rallentare.
Gli scheduler del sistema operativo in genere definiscono un "periodo" in cui ogni
il programma è garantito per funzionare almeno un po ', con il sistema che dà una "fetta"
di quel periodo a ciascun programma. Più programmi sono in esecuzione, più piccolo è
quelle sezioni diventano e più cambi di contesto avvengono in ogni periodo,
mantenere la reattività a scapito della produttività. Lasciato deselezionato, tuttavia,
questa politica di garantire ad ogni processo almeno una certa attenzione ogni periodo
potrebbe portare alla catastrofe. Con un numero sufficiente di programmi in esecuzione, lo slice di un'attività lo farebbe
rimpicciolire al punto che il sistema stava spendendo l' intera fetta sul contesto
commutazione, prima di passare immediatamente al contesto all'attività successiva.
Il colpevole è la dura garanzia di reattività. Così funzionamento moderno
i sistemi infatti stabiliscono una lunghezza minima per le loro sezioni e si rifiuteranno di suddividere
il periodo ancora più finemente. (In Linux, ad esempio, questa porzione minima utile
risulta essere circa tre quarti di millisecondo, ma negli esseri umani potrebbe
realisticamente essere di almeno diversi minuti.) Se vengono aggiunti più processi oltre a quello
punto, il periodo si allungherà semplicemente. Ciò significa che i processi dovranno
aspettare più a lungo per ottenere il loro turno, ma i turni che ottengono saranno almeno abbastanza lunghi
fare qualcosa.
È utile stabilire una quantità minima di tempo da dedicare a qualsiasi attività
impedire che un impegno per la reattività cancelli completamente il throughput: se
lo slice minimo è più lungo del tempo necessario per il cambio di contesto, quindi il
il sistema non può mai entrare in uno stato in cui il cambio di contesto è l' unica cosa che è
facendo. È anche un principio che è facile tradurre in una raccomandazione per
vite umane. Metodi come "timeboxing" o "pomodoros", dove letteralmente
impostare un timer da cucina e impegnarsi a svolgere una singola attività finché non si esaurisce, sono uno
incarnazione di questa idea.
Pagina 140
Ma a quale dimensione della fetta dovresti mirare? Di fronte alla questione di quanto tempo
attendere tra gli intervalli di esecuzione di un'attività ricorrente, come controllare il tuo
email, la risposta dal punto di vista del throughput è semplice: fintanto che
possibile. Ma non è la fine della storia; anche un rendimento maggiore, dopotutto
significa minore reattività.
Per il tuo computer, la fastidiosa interruzione che deve controllare regolarmente
non è l'email, sei tu. Potresti non muovere il mouse per minuti o ore, ma
quando lo fai, ti aspetti di vedere il puntatore sullo schermo muoversi immediatamente,
il che significa che la macchina impiega molto impegno semplicemente controllandoti. Il
più frequentemente controlla il mouse e la tastiera, più velocemente può reagire
quando c'è un input, ma più cambi di contesto deve fare. Quindi la regola che
i sistemi operativi dei computer seguono quando decidono quanto tempo possono permettersi
dedicarsi a qualche compito è semplice: il più a lungo possibile senza sembrare
nervoso o lento per l'utente.
Quando noi umani usciamo di casa per fare una commissione veloce, potremmo dire
qualcosa del tipo "Non ti accorgerai nemmeno che me ne sono andato". Quando le nostre macchine contestualizzano
passare a un calcolo, devono letteralmente tornare a noi prima che ce ne accorgiamo
se ne sono andati. Per trovare questo punto di equilibrio, i programmatori di sistemi operativi hanno
si è rivolto alla psicologia, estraendo articoli in psicofisica per il numero esatto di
millisecondi di ritardo necessari a un cervello umano per registrare il ritardo o lo sfarfallio. C'è
non ha senso prestare attenzione all'utente più spesso di così.
Grazie a questi sforzi, quando i sistemi operativi funzionano correttamente non lo fai
notate anche quanto sia duro il vostro computer. Continui a essere in grado di farlo
muovi il mouse sullo schermo in modo fluido anche quando il processore sta trasportando
inclinazione completa. La fluidità ti sta costando un po 'di produttività, ma questo è un compromesso di progettazione
che è stato esplicitamente fatto dagli ingegneri di sistema: il tuo sistema spende come
tutto il tempo che gli è possibile per evitare di interagire con te, poi passa a
ridisegnare il mouse appena in tempo.
E ancora, questo è un principio che può essere trasferito alle vite umane. Il
la morale è che dovresti cercare di rimanere su un singolo compito il più a lungo possibile senza
diminuire la tua reattività al di sotto del limite minimo accettabile. Decidere
quanto devi essere reattivo e poi, se vuoi fare le cose, essere no
più reattivo di così.
Se ti ritrovi a cambiare molto contesto perché stai affrontando un file
Pagina 141
Pagina 142
Pagina 143
6 regola di Bayes
Predire il futuro
—BERTRAND RUSSELL
Domani sorgerà il sole. Puoi scommettere il tuo dollaro più basso che ci sarà
sole.
- ANNIE
Pagina 144
vuole il tuo consiglio: è troppo presto per invitarli a una famiglia in arrivo
nozze? La relazione è iniziata bene, ma fino a che punto è sicuro
fare piani?
Una famosa presentazione fatta da Peter Norvig, direttore della ricerca di Google,
portava il titolo "L'irragionevole efficacia dei dati" e ne era entusiasta
"Come miliardi di punti dati banali possono portare alla comprensione." I media
ci dicono costantemente che stiamo vivendo in "un'era di big data", quando i computer possono farlo
setacciare questi miliardi di punti dati e trovare modelli invisibili a chi è nudo
occhio. Ma spesso i problemi più rilevanti per la vita umana quotidiana sono l'opposto
estremo. I nostri giorni sono pieni di "piccoli dati". In effetti, come Gott in piedi al
Muro di Berlino, spesso dobbiamo fare una deduzione dalla più piccola quantità di
dati che potremmo eventualmente avere: un'unica osservazione.
Quindi come lo facciamo? E come dovremmo ?
La storia inizia nell'Inghilterra del diciottesimo secolo, in un dominio di indagine
irresistibile per le grandi menti matematiche dell'epoca, anche quelle del clero:
gioco d'azzardo.
—DAVID HUME
Più di 250 anni fa, la questione di fare previsioni da piccoli dati
pesò molto sulla mente del reverendo Thomas Bayes, un presbiteriano
ministro nell'affascinante città termale di Tunbridge Wells, in Inghilterra.
Se compriamo dieci biglietti per una nuova lotteria sconosciuta, immaginò Bayes, e
cinque di loro vincono premi, quindi sembra relativamente facile stimare la lotteria
possibilità di vittoria: 5/10 o 50%. Ma cosa succederebbe se invece acquistassimo un biglietto unico e lo facessimo
vince un premio? Immaginiamo davvero che la probabilità di vincere sia 1/1, o
100%? Sembra troppo ottimistico. È? E se sì, di quanto? Cosa dovrebbe
Pagina 145
effettivamente indoviniamo?
Per qualcuno che ha avuto un tale impatto sulla storia del ragionamento sotto
incertezza, la stessa storia di Bayes rimane ironicamente incerta. È nato a
1701, o forse 1702, nella contea inglese dell'Hertfordshire, o forse lo era
Londra. E nel 1746, '47, '48 o '49 ne avrebbe scritto uno dei più
articoli influenti in tutta la matematica, abbandonarli inediti e passare a
altre cose.
Tra questi due eventi abbiamo un po 'più di certezza. Il figlio di a
ministro, Bayes andò all'Università di Edimburgo per studiare teologia, e lo fu
ordinato come suo padre. Aveva interessi matematici oltre che teologici,
e nel 1736 scrisse un'appassionata difesa del capriccioso Newton
"Calcolo" in risposta a un attacco del vescovo George Berkeley. Questo lavoro
ha portato alla sua elezione nel 1742 come membro della Royal Society, alla quale lui
è stato raccomandato come "un gentiluomo ... esperto in geometria e in tutte le parti di
Apprendimento matematico e filosofico ".
Dopo la morte di Bayes nel 1761, al suo amico Richard Price fu chiesto di rivedere il suo
documenti matematici per vedere se contenevano materiale pubblicabile. Prezzo
si è imbattuto in un saggio in particolare che lo ha entusiasmato, uno che ha detto “ha grande
merito e merita di essere preservato ". Il saggio riguardava esattamente il tipo di
problema della lotteria in discussione:
Immaginiamo quindi una persona presente all'estrazione di una lotteria, che non sa nulla del suo schema o
della proporzione di spazi vuoti rispetto ai premi in esso contenuti. Si supponga inoltre che sia obbligato a dedurlo
dal numero di spazi vuoti che sente estrarre rispetto al numero di premi ; e lo è
chiesto quali conclusioni in queste circostanze potesse ragionevolmente trarre.
L'intuizione critica di Bayes è stata che provando a usare i biglietti vincenti e quelli perdenti noi
vedere per capire il pool complessivo di biglietti da cui provengono è essenzialmente
ragionando a ritroso. E per farlo, ha sostenuto, dobbiamo prima ragionare in avanti
da ipotetici. In altre parole, dobbiamo prima determinare quanto sia probabile
che avremmo estratto i biglietti che abbiamo fatto se i vari scenari fossero veri. Questo
la probabilità, nota agli statistici moderni come "probabilità", ci dà il
informazioni di cui abbiamo bisogno per risolvere il problema.
Ad esempio, immagina di aver acquistato tre biglietti e tutti e tre sono stati vincitori.
Pagina 146
Ora, se la lotteria fosse del tipo particolarmente generoso dove sono tutti i biglietti
vincitori, quindi la nostra esperienza tre per tre sarebbe ovviamente avvenuta per tutti i
tempo; ha una probabilità del 100% in quello scenario. Se, invece, solo la metà della lotteria
i biglietti erano vincitori, la nostra esperienza tre per tre sarebbe avvenuta 1 ⁄ 2 × 1 ⁄ 2 × 1 ⁄ 2
del tempo, o in altre parole 1 ⁄ 8 del tempo. E se la lotteria ne premiasse solo uno
biglietto su mille, il nostro risultato sarebbe stato incredibilmente improbabile:
1 ⁄ 1.000 × 1 ⁄ 1.000 × 1 ⁄ 1.000 , o uno su un miliardo.
Bayes sosteneva che dovremmo quindi giudicare più probabile che tutto
i biglietti della lotteria sono vincitori di quella metà di loro, e a loro volta di più
probabile che la metà di loro lo sia rispetto a quella che solo uno su mille lo è. Forse noi
lo avevamo già intuito, ma la logica di Bayes ci offre la capacità di quantificare
quell'intuizione. A parità di condizioni, dovremmo immaginare che sia esattamente otto
volte più probabile che tutti i biglietti siano vincenti di quanto lo siano la metà di loro, perché
i biglietti che abbiamo estratto sono esattamente otto volte più probabili (100% contro uno su otto)
quello scenario. Allo stesso modo, è esattamente 125 milioni di volte più probabile che metà della lotteria
i biglietti sono vincitori di quello c'è solo un biglietto vincente ogni mille, che
lo sappiamo confrontando uno su otto con uno su un miliardo.
Questo è il punto cruciale dell'argomentazione di Bayes. Ragionando in avanti da ipotetico
il passato ci pone le basi per poi tornare a quello più probabile.
Era un approccio ingegnoso e innovativo, ma non è riuscito a fornire
una risposta completa al problema della lotteria. Nel presentare i risultati di Bayes alla Royal
La società, Price è stata in grado di stabilire che se acquisti un unico biglietto della lotteria ed è un
vincitore, c'è una probabilità del 75% che almeno la metà dei biglietti sia vincente. Ma
pensare alle probabilità delle probabilità può far girare la testa.
Inoltre, se qualcuno ci insistesse: “Bene, va bene, ma cosa ne pensi?
le probabilità della lotteria sono effettivamente ? " non sapremmo ancora cosa dire.
La risposta a questa domanda: come distillare tutto il possibile
ipotesi in una singola aspettativa specifica - ne sarebbero scoperte solo alcune
anni dopo, dal matematico francese Pierre-Simon Laplace.
Legge di Laplace
Laplace nacque in Normandia nel 1749 e suo padre lo mandò da un cattolico
Pagina 147
scuola con l'intento che si unisse al clero. Laplace ha continuato a studiare teologia
all'Università di Caen, ma a differenza di Bayes, che bilanciava spiritualità e
devozioni scientifiche per tutta la sua vita - alla fine abbandonò completamente la stoffa
per la matematica.
Nel 1774, completamente ignaro del precedente lavoro di Bayes, Laplace
ha pubblicato un documento ambizioso chiamato “Trattato sulla probabilità delle cause di
Eventi. " In esso, Laplace ha finalmente risolto il problema di come fare inferenze
indietro dagli effetti osservati alle loro probabili cause.
Bayes, come abbiamo visto, aveva trovato un modo per confrontare la probabilità relativa di uno
ipotesi a un'altra. Ma nel caso di una lotteria, c'è letteralmente un infinito
numero di ipotesi: una per ogni proporzione immaginabile di biglietti vincenti.
Usando il calcolo, la matematica un tempo controversa di cui Bayes era stato un
importante difensore, Laplace è stato in grado di dimostrare che questo vasto spettro di
le possibilità potrebbero essere distillate fino a una singola stima e sorprendentemente
uno conciso a quello. Se davvero non sappiamo nulla della nostra lotteria prima del tempo, lui
mostrato, quindi dopo aver estratto un biglietto vincente al nostro primo tentativo dovremmo aspettarci
che la proporzione di biglietti vincenti nell'intero pool è esattamente 2/3. Se compriamo
tre biglietti e tutti sono vincitori, la percentuale prevista di vincita
i biglietti sono esattamente 4/5. Infatti, per l'eventuale estrazione di w biglietti vincenti in n
tentativi, l'aspettativa è semplicemente il numero di vittorie più uno, diviso per
numero di tentativi più due: ( w +1) ⁄ ( n +2) .
Questo schema incredibilmente semplice per la stima delle probabilità è noto come
Legge di Laplace , ed è facile da applicare in qualsiasi situazione in cui è necessario valutare
le possibilità di un evento basato sulla sua storia. Se fai dieci tentativi a
qualcosa e cinque di loro riescono, la legge di Laplace stima il tuo totale
probabilità di essere 6/12 o 50%, coerenti con le nostre intuizioni. Se provi solo una volta
e funziona, la stima di Laplace di 2/3 è più ragionevole di
supponendo che vincerai ogni volta e più perseguibile rispetto alla guida di Price
(il che ci direbbe che esiste una metaprobabilità del 75% di un 50% o superiore
possibilità di successo).
Laplace ha continuato ad applicare il suo approccio statistico a un'ampia gamma di problemi
del suo tempo, compresa la valutazione se i bambini hanno davvero la stessa probabilità di nascere
maschio o femmina. (Ha stabilito, con una certezza virtuale, che i bambini maschi si trovano
fatto leggermente più probabile di quelle femminili.) Ha anche scritto il Filosofico
Pagina 148
—DAVID HUME
Laplace considerò anche un'altra modifica all'argomento di Bayes che lo avrebbe fatto
rivelarsi cruciale: come gestire ipotesi che sono semplicemente più probabili di
altri. Ad esempio, anche se è possibile che una lotteria registri dei premi
Il 99% delle persone che acquistano i biglietti, è più probabile, presumiamo, che lo facciano
regalerebbe premi solo all'1%. Questa ipotesi dovrebbe riflettersi nel nostro
stime.
Per rendere le cose concrete, supponiamo che un amico ti mostri due monete diverse.
Una è una moneta normale, "discreta" con una probabilità del 50-50 di testa e croce; l'altro è un file
moneta a due teste. Li lascia cadere in un sacchetto e poi ne tira fuori uno a caso. Lui
lo gira una volta: testa. Quale moneta pensi che abbia lanciato il tuo amico?
Lo schema di Bayes di lavorare all'indietro rende breve il lavoro di questa domanda. UN
Pagina 149
capovolgere teste si verifica il 50% delle volte con una moneta equa e il 100% del
volta con una moneta a due teste. Quindi possiamo affermare con sicurezza che è 100% ⁄ 50% , o
esattamente il doppio delle probabilità che l'amico avesse tirato fuori la moneta a due teste.
Ora considera la seguente svolta. Questa volta, l'amico ti mostra nove giusti
monete e una moneta a due teste, le mette tutte e dieci in un sacchetto, ne pesca una a caso e
capovolge: testa. Ora cosa supponi? È una moneta giusta o a due teste
uno?
Il lavoro di Laplace ha anticipato questa ruga, e anche qui la risposta è
straordinariamente semplice. Come prima, una moneta equa ha esattamente la metà delle probabilità di uscire
teste come una moneta a due teste. Ma ora, una moneta equa è anche nove volte più probabile
sono stati disegnati in primo luogo. Si scopre che possiamo solo prendere questi due
considerazioni diverse e moltiplicale insieme: è esattamente quattro e mezzo
volte più probabile che il tuo amico abbia in mano una moneta giusta rispetto a quella a due teste.
La formula matematica che descrive questo rapporto, legando insieme il nostro
idee precedentemente tenute e le prove davanti ai nostri occhi, sono diventate note -
ironia della sorte, poiché il vero lavoro pesante è stato fatto da Laplace, come la regola di Bayes . E
fornisce una soluzione straordinariamente semplice al problema di come combinare
credenze preesistenti con evidenza osservata: moltiplicare le loro probabilità insieme.
In particolare, avere alcune convinzioni preesistenti è fondamentale affinché questa formula funzioni.
Se il tuo amico si fosse semplicemente avvicinato a te e avesse detto: “Ho lanciato una moneta da questa borsa
ed è venuto fuori teste. Quanto è probabile che questa sia una moneta equa? ”, Tu
sarebbe totalmente incapace di rispondere a questa domanda se non ne avessi almeno un po '
senso di quali monete c'erano nella borsa per cominciare. (Non puoi moltiplicare i due
probabilità insieme quando non ne hai una). Questo senso di ciò che era
"Nella borsa" prima del lancio della moneta: le probabilità che ciascuna ipotesi fosse stata
true prima di visualizzare i dati: è noto come probabilità a priori o "precedente" per
corto. E la regola di Bayes ha sempre bisogno di un tuo preventivo, anche se è solo un
indovina. Quante monete a due teste esistono? Quanto sono facili da ottenere? Quanto
di un imbroglione è tuo amico, comunque?
Il fatto che la regola di Bayes dipenda dall'uso dei priori è certo
punti nella storia sono stati considerati controversi, di parte, persino non scientifici. Ma in
In realtà, è abbastanza raro entrare in una situazione così totalmente sconosciuta alla nostra mente
effettivamente una tabula rasa, un punto su cui torneremo momentaneamente.
Quando hai una stima delle probabilità a priori, nel frattempo, quella di Bayes
Pagina 150
La regola si applica a un'ampia gamma di problemi di previsione, siano essi dei big data
varietà o il più comune ordinamento di piccoli dati. Calcolare la probabilità di
vincere una lotteria o lanciare teste è solo l'inizio. I metodi sviluppati
di Bayes e Laplace possono offrire aiuto ogni volta che hai incertezza e un po 'di
dati con cui lavorare. Ed è esattamente la situazione che affrontiamo quando ci proviamo
predire il futuro.
Il principio copernicano
È difficile fare previsioni, soprattutto sul futuro.
—Proverbio danese
Quando J. Richard Gott è arrivato al muro di Berlino, si è chiesto una cosa molto semplice
domanda: dove sono? Vale a dire, dove nella durata totale della vita di questo artefatto
mi è capitato di arrivare? In un certo senso, stava chiedendo la versione temporale del
Questione spaziale che aveva ossessionato l'astronomo quattro Niccolò Copernico
cento anni prima: dove siamo? Dov'è la Terra nell'universo?
Copernico farebbe il cambio di paradigma radicale di immaginare che la Terra
non era l'occhio di bue del centro dell'universo, che in effetti non era da nessuna parte
speciale in particolare. Gott ha deciso di fare lo stesso passo per quanto riguarda il tempo.
Ha fatto l'ipotesi che il momento in cui ha incontrato il Berlino
Il muro non era speciale, che era altrettanto probabile che si trovasse in qualsiasi momento del muro
vita totale. E se un momento era altrettanto probabile, in media il suo arrivo
sarebbe dovuto arrivare precisamente a metà percorso (poiché era probabile che il 50% scendesse
prima della metà e 50% di probabilità di cadere dopo). Più in generale, a meno che non lo sappiamo
meglio possiamo aspettarci di esserci mostrati esattamente a metà della durata di qualsiasi
dato fenomeno. * E se assumiamo di arrivare esattamente a metà strada
nella durata di qualcosa, la migliore ipotesi che possiamo fare per quanto tempo durerà
nel futuro diventa ovvio: esattamente finché è già durato . Gott ha visto
il Muro di Berlino otto anni dopo la sua costruzione, quindi la sua ipotesi migliore era che lo sarebbe stato
resistere per altri otto anni. (Finì per essere venti.)
Questo semplice ragionamento, che Gott chiamò Copernicano
Pagina 151
Principio , si traduce in un semplice algoritmo che può essere utilizzato per fare previsioni
su tutti i tipi di argomenti. Senza aspettative preconcette, potremmo usarlo
per ottenere previsioni per la fine non solo del muro di Berlino, ma di qualsiasi numero
altri fenomeni di breve e lunga durata. Il principio copernicano lo prevede
gli Stati Uniti d'America dureranno come nazione fino a circa l'anno
2255, che Google durerà fino al 2032 circa, e che il tuo rapporto
amico iniziato un mese fa probabilmente durerà circa un altro mese (forse raccontare
lui non ha ancora risposto a quell'invito a nozze). Allo stesso modo, ci dice di essere
scettico quando, ad esempio, una recente copertina del New Yorker raffigura un uomo con in mano un
smartphone da sei pollici con una griglia familiare di icone quadrate delle app e la didascalia
legge "2525". Dubbioso. Lo smartphone come lo conosciamo ha appena un decennio,
e il principio copernicano ci dice che non sarà probabilmente intorno al 2025, lascia
solo cinque secoli dopo. Nel 2525 sarebbe un po 'sorprendente se ci fosse anche un file
New York City.
Più in pratica, se stiamo considerando un impiego in un cantiere edile
la cui segnaletica indica che sono trascorsi "7 giorni dall'ultimo incidente industriale",
potremmo voler stare alla larga, a meno che non si tratti di un lavoro particolarmente breve che intendiamo fare.
E se un sistema di trasporto comunale non può permettersi l'incredibilmente utile ma
cartelli costosi in tempo reale che dicono ai motociclisti quando arriverà il prossimo autobus, il
Il principio copernicano suggerisce che potrebbe esserci un file drammaticamente più semplice e
alternativa più economica. Mostra semplicemente quanto tempo è passato dall'autobus precedente
arrivato a quella fermata offre un suggerimento sostanziale su quando lo farà il prossimo.
Ma è giusto il principio copernicano? Dopo che Gott ha pubblicato la sua congettura in
Nature , il giornale ha ricevuto una raffica di corrispondenza critica. Ed è facile
vediamo perché quando proviamo ad applicare la regola ad alcuni esempi più familiari. Se tu
incontrare un uomo di 90 anni, il principio copernicano prevede che vivrà fino a 180 anni.
Ogni bambino di 6 anni, nel frattempo, dovrebbe affrontare una morte prematura al
tenera età di 12 anni.
Per capire perché il principio copernicano funziona e perché a volte
no, dobbiamo tornare a Bayes. Perché nonostante la sua apparente semplicità, il
Il principio copernicano è davvero un esempio della regola di Bayes.
Pagina 152
numero di serie. E un problema simile era sorto anche prima, durante la guerra mondiale
II, quando gli Alleati cercarono di stimare il numero di carri armati prodotti da
Germania. Stime puramente matematiche basate sul seriale dei carri armati catturati
numeri predissero che i tedeschi stavano producendo 246 carri armati ogni mese,
mentre stime ottenute da ricognizioni aeree estese (e altamente rischiose)
ha suggerito che la cifra fosse più simile a 1.400. Dopo la guerra, record tedeschi
ha rivelato la cifra reale: 245.
Riconoscendo che il principio copernicano è solo la regola di Bayes con un
previo non informativo risponde a molte domande sulla sua validità. Il Copernicano
Il principio sembra ragionevole esattamente in quelle situazioni in cui non sappiamo nulla
tutto — come guardare il muro di Berlino nel 1969, quando non siamo nemmeno sicuri di cosa
la tempistica è appropriata. E sembra completamente sbagliato in quei casi in cui noi
non sapere qualcosa sulla questione oggetto. Prevedere che un uomo di 90 anni
vivrà fino a 180 anni sembra irragionevole proprio perché entriamo nel
problema che sa già molto sulla durata della vita umana e quindi possiamo fare di meglio.
Più ricche sono le informazioni preliminari che portiamo alla regola di Bayes, più utile è il
previsioni che possiamo trarne.
Pagina 154
Pagina 155
Le buone previsioni iniziano quindi con avere un buon istinto su quando siamo
si tratta di una distribuzione normale e quando si tratta di una distribuzione di legge di potenza. Come
si scopre che la regola di Bayes ci offre una previsione semplice ma drammaticamente diversa
regola pratica per ciascuno.
—BEN LERNER
Esaminando il principio copernicano, abbiamo visto che quando la regola di Bayes è data un
prima non informativo, prevede sempre che la durata totale di un oggetto sarà
esattamente il doppio della sua età attuale. In effetti, il priore disinformativo, con i suoi selvaggiamente
diverse scale possibili - il muro che potrebbe durare mesi o millenni - lo è
una distribuzione della legge di potere. E per qualsiasi distribuzione della legge di potere, regola di Bayes
indica che la strategia di previsione appropriata è una regola moltiplicativa :
moltiplicare la quantità osservata finora per qualche fattore costante. Per un
prima non informativo, quel fattore costante sembra essere 2, da cui il copernicano
predizione; in altri casi di legge di potenza, il moltiplicatore dipenderà dall'esatto
distribuzione con cui stai lavorando. Per gli incassi dei film, ad esempio, esso
sembra essere circa 1.4. Quindi, se senti che un film ha guadagnato 6 milioni di dollari finora, tu
immagino che guadagnerà circa 8,4 milioni di dollari in totale; se ha guadagnato $ 90 milioni, indovina
raggiungerà $ 126 milioni.
Questa regola moltiplicativa è una conseguenza diretta del fatto che la legge del potere
le distribuzioni non specificano una scala naturale per il fenomeno che stanno
descrivere. L'unica cosa che ci dà un senso di scala per la nostra previsione,
quindi, è l'unico punto di dati che abbiamo, come il fatto che il muro di Berlino
è in piedi da otto anni. Maggiore è il valore di quel singolo punto dati, maggiore è
la scala di cui abbiamo probabilmente a che fare e viceversa. È possibile che un film
che ha incassato 6 milioni di dollari è in realtà un blockbuster nella sua prima ora di uscita, ma
è molto più probabile che sia solo un tipo di film da un milione di cifre.
Quando applichiamo la regola di Bayes con una distribuzione normale come precedente, sul file
Pagina 156
Pagina 157
La distribuzione
traffico Erlang eè pedonale
automobilistico stata utilizzata anche da di
e da ingegneri urbanisti
rete chee progettano
architetti per modellare
infrastrutture
per Internet. Ci sono anche molti domini nel mondo naturale, dove
gli eventi sono completamente indipendenti l'uno dall'altro e gli intervalli tra
cadono così su una curva di Erlang. Il decadimento radioattivo è un esempio, quale
significa che la distribuzione Erlang modella perfettamente quando aspettarsi i prossimi tick
di un contatore Geiger. Risulta anche che fa un buon lavoro nel descrivere certi
sforzi umani, come la quantità di tempo che i politici rimangono nella Camera di
Rappresentanti.
La distribuzione di Erlang ci fornisce un terzo tipo di regola di previsione, l' additivo
Regola : prevedere sempre che le cose andranno avanti solo per un importo costante più a lungo. Il
ritornello familiare di "Solo altri cinque minuti! ... [ cinque minuti dopo ] Altri cinque
minuti!" che così spesso caratterizza le affermazioni umane riguardanti, diciamo, la propria
disponibilità a lasciare la casa o l'ufficio, o il tempo fino al completamento di alcuni
compito, può sembrare indicativo di qualche incapacità cronica di fare stime realistiche.
Beh, nei casi in cui ci si trova contro una distribuzione Erlang, comunque, quello
il ritornello sembra essere corretto.
Se un appassionato di carte da casinò dice al suo coniuge impaziente, ad esempio,
che smetterà per il giorno dopo aver vinto un altro blackjack (le cui probabilità sono
circa 20 a 1), potrebbe prevedere allegramente: “Avrò finito tra una ventina di più
mani!" Se, una ventina di mani sfortunate dopo, lei ritorna, chiedendo quanto tempo ha
andando a farla aspettare ora , la sua risposta rimarrà invariata: “Avrò finito
altre venti mani! " Sembra che il nostro instancabile squalo di carte abbia
ha subito una perdita di memoria a breve termine, ma in realtà la sua previsione è del tutto
corretta. In effetti, le distribuzioni che producono la stessa previsione, indipendentemente dalla loro
storia o stato attuale, sono noti agli statistici come "senza memoria".
Pagina 158
Diverse distribuzioni precedenti e relative regole di previsione.
Pagina 159
Il modo in cui queste previsioni vengono fuori, le tre distribuzioni ci offrono differenti
anche una guida su quanto dovremmo essere sorpresi da certi eventi.
In una distribuzione basata sulla legge di potere, più a lungo è andata avanti qualcosa, più a lungo noi
aspettarsi che continui ad andare avanti. Quindi un evento di legge di potenza è più sorprendente del
lo stavamo aspettando da molto tempo e sorprendentemente al massimo prima di esso
accade. Una nazione, una società o un'istituzione diventa solo più venerabile con
ogni anno che passa, quindi è sempre sorprendente quando crolla.
In una distribuzione normale, gli eventi sono sorprendenti quando sono in anticipo, poiché noi
si aspettavano che raggiungessero la media, ma non quando sono in ritardo. In effetti, da quello
punto sembrano in ritardo, quindi più aspettiamo, più ci aspettiamo
loro.
E in una distribuzione Erlang, gli eventi per definizione non sono mai più o meno
sorprendenti, non importa quando si verificano. Ogni stato di cose è sempre uguale
probabilmente finirà indipendentemente da quanto tempo è durato. Non c'è da stupirsi che i politici lo siano sempre
pensando alle loro prossime elezioni.
Il gioco d'azzardo è caratterizzato da un tipo simile di aspettativa di stato stazionario. Se
la tua attesa, diciamo, per una vittoria alla roulette era caratterizzata da un normale
distribuzione, allora si applicherebbe la regola della media: dopo un periodo di sfortuna, direbbe
tu che il tuo numero dovrebbe arrivare da un momento all'altro, probabilmente seguito da altro
perdere giri. (In tal caso, avrebbe senso passare alla vittoria successiva e poi
Se, invece, l'attesa di una vittoria obbediva a una distribuzione della legge di potere, allora il
La regola moltiplicativa ti direbbe che i giri vincenti seguono rapidamente uno dopo l'altro
un altro, ma più a lungo era durata la siccità, più a lungo sarebbe stata probabilmente
Continua. (In questo scenario, faresti bene a continuare a giocare per un po 'dopo qualsiasi
vincere, ma rinunciare dopo una serie di sconfitte.) Contro una distribuzione senza memoria,
tuttavia, sei bloccato. La regola additiva ti dice che la possibilità di una vittoria ora è
lo stesso di un'ora fa, e lo stesso di un'ora da adesso.
Non cambia mai niente. Non sei ricompensato per aver resistito e finito con un
nota alta; né c'è un punto di svolta quando dovresti semplicemente ridurre le tue perdite.
In "The Gambler", Kenny Rogers ha notoriamente consigliato che devi "Sapere
quando andarsene / Sapere quando correre ", ma per una distribuzione senza memoria,
non v'è alcun momento giusto per smettere. Questo potrebbe in parte spiegare questi giochi '
dipendenza.
Sapere a quale distribuzione ti trovi di fronte può fare la differenza.
Pagina 160
Pagina 161
normale, ed Erlang ... nel mondo reale. In altre parole, mentre potresti non farlo
conoscere o ricordare consapevolmente quale situazione richiede il moltiplicativo,
Media, o regola additiva, le previsioni che fai ogni giorno tendono a essere implicite
riflettono i diversi casi in cui queste distribuzioni compaiono nella vita di tutti i giorni, e
i diversi modi in cui si comportano.
Alla luce di ciò che sappiamo della regola di Bayes, questo umano straordinariamente buono
le prestazioni suggeriscono qualcosa di critico che aiuta a capire come le persone
fare previsioni. I piccoli dati sono grandi dati sotto mentite spoglie. Il motivo che possiamo spesso
fare buone previsioni da un piccolo numero di osservazioni, o solo da una singola
uno è che i nostri precedenti sono così ricchi. Che lo sappiamo o no, sembra che lo sappiamo
portiamo in giro nelle nostre teste priori sorprendentemente accurati sugli incassi di film e
tempi di esecuzione, lunghezza delle poesie e termini del mandato politico, per non parlare dell'essere umano
durata della vita. Non abbiamo bisogno di raccoglierli esplicitamente; li assorbiamo dal
mondo.
Il fatto che, nel complesso, le intuizioni delle persone sembrano corrispondere strettamente al
le previsioni della regola di Bayes consentono anche di decodificare tutti i tipi
delle distribuzioni precedenti, anche quelle per le quali è più difficile ottenere informazioni reali autorevoli
dati mondiali. Ad esempio, essere tenuto in sospeso dal servizio clienti è deplorevole
aspetto comune dell'esperienza umana, ma non ci sono set di dati disponibili pubblicamente
tempi di attesa come ci sono per gli incassi al botteghino di Hollywood. Ma se
le previsioni delle persone sono informate dalle loro esperienze, possiamo usare la regola di Bayes
condurre ricognizioni indirette sul mondo minando le persone
aspettative. Quando Tom e Josh hanno chiesto alle persone di prevedere i tempi di attesa da un file
singolo punto dati, i risultati suggerivano che i loro soggetti stavano usando il
Regola moltiplicativa: l'attesa totale che le persone si aspettano è una e una terza volta più lunga
come hanno aspettato finora. Ciò è coerente con la distribuzione della legge di potere
come un precedente, dove è possibile un'ampia gamma di scale. Spero solo che tu non finisca
sul Titanic dei tempi di attesa. Negli ultimi dieci anni, approcci come questi lo hanno fatto
ha consentito agli scienziati cognitivi di identificare le distribuzioni precedenti delle persone in un ampio
fascia di domini, dalla visione alla lingua.
C'è un avvertimento cruciale qui, tuttavia. Nei casi in cui non abbiamo buoni
a priori, le nostre previsioni non sono buone. Nello studio di Tom e Josh, per esempio, lì
era un argomento da cui le previsioni delle persone si discostavano sistematicamente
Regola di Bayes: predire la durata del regno dei faraoni egizi. (Come
Pagina 162
succede, i regni dei faraoni seguono una distribuzione di Erlang). La gente semplicemente no
avere abbastanza visibilità quotidiana per avere una sensazione intuitiva per la gamma di quelli
valori, quindi le loro previsioni, ovviamente, vacillarono. Buone previsioni richiedono buone
priori.
Ciò ha una serie di importanti implicazioni. I nostri giudizi tradiscono il nostro
aspettative, e le nostre aspettative tradiscono la nostra esperienza. Cosa progettiamo
il futuro rivela molto, sul mondo in cui viviamo e sul nostro passato.
Pagina 163
questione di aspettative piuttosto che di forza di volontà. Se prevedi che gli adulti tendono a
tornare dopo brevi ritardi, qualcosa come una normale distribuzione, dovresti
essere in grado di resistere. La regola media suggerisce che dopo un'attesa dolorosa, il file
la cosa da fare è resistere: lo sperimentatore dovrebbe tornare da un momento all'altro
adesso. Ma se non hai idea della tempistica della scomparsa, coerente
con una distribuzione della legge di potere, allora è una battaglia in salita. La regola moltiplicativa
quindi suggerisce che un'attesa prolungata è solo una piccola frazione di ciò che verrà.
Decenni dopo gli esperimenti originali di marshmallow, Walter Mischel e il suo
i colleghi sono tornati indietro e hanno osservato come stavano andando i partecipanti nella vita.
Sorprendentemente, hanno scoperto che i bambini che avevano aspettato due dolcetti sono cresciuti
giovani adulti che hanno avuto più successo degli altri, anche misurati da
metriche quantitative come i loro punteggi SAT. Se il test marshmallow riguarda
forza di volontà, questa è una potente testimonianza dell'impatto che l'apprendimento dell'autocontrollo
può avere sulla propria vita. Ma se il test riguarda meno la volontà che le aspettative,
poi questo racconta una storia diversa, forse più toccante.
Un team di ricercatori dell'Università di Rochester ha recentemente esplorato come
esperienze precedenti potrebbero influenzare il comportamento nel test marshmallow. Prima
sono stati anche menzionati i marshmallow, i bambini nell'esperimento hanno intrapreso un
progetto artistico. Lo sperimentatore ha dato loro delle scorte mediocri e ha promesso
per tornare presto con opzioni migliori. Ma, a loro insaputa, i bambini lo erano
diviso in due gruppi. In un gruppo, lo sperimentatore era affidabile e venne
torna con le migliori forniture artistiche come promesso. Nell'altro, era inaffidabile,
tornando con nient'altro che scuse.
Completato il progetto artistico, i bambini sono passati al marshmallow standard
test. E qui, i bambini che avevano appreso che lo sperimentatore era inaffidabile
erano più propensi a mangiare il marshmallow prima che tornasse, perdendo il
opportunità di guadagnare una seconda sorpresa.
Fallire il test del marshmallow e avere meno successo in età avanzata può
non si tratta di mancanza di forza di volontà. Potrebbe essere il risultato della convinzione che gli adulti lo siano
non affidabile: che non ci si può fidare per mantenere la parola data, che scompaiono
per intervalli di lunghezza arbitraria. Imparare l'autocontrollo è importante, ma lo è
altrettanto importante crescere in un ambiente in cui gli adulti sono costantemente
presente e degno di fiducia.
Pagina 164
Priori nell'era della riproduzione meccanica
Come se qualcuno dovesse acquistare diverse copie del giornale del mattino per assicurare
stesso che quello che diceva era vero.
—LUDWIG WITTGENSTEIN
Sta attento a ciò che legge, perché è quello che scriverà. Sta attento
di ciò che impara, perché è quello che saprà.
—ANNIE DILLARD
Il modo migliore per fare buone previsioni, come ci mostra la regola di Bayes, è essere
accuratamente informato sulle cose che stai prevedendo. Ecco perché possiamo fare un file
buon lavoro di proiezione della durata della vita umana, ma prestazioni scadenti quando richiesto
stimare i regni dei faraoni.
Essere un buon bayesiano significa rappresentare il mondo in modo corretto
proporzioni: avere buone priorità, opportunamente calibrate. In generale, per
gli esseri umani e altri animali questo avviene naturalmente; di regola, quando qualcosa
ci sorprende, dovrebbe sorprenderci, e quando non lo fa, non dovrebbe. Anche
quando accumuliamo pregiudizi che non sono oggettivamente corretti, di solito continuano a fare a
un lavoro ragionevole di riflettere la parte specifica del mondo in cui viviamo. Per
Ad esempio, qualcuno che vive in un clima desertico potrebbe sovrastimare la quantità di
sabbia nel mondo, e qualcuno che vive ai poli potrebbe sopravvalutare il
quantità di neve. Entrambi sono ben sintonizzati sulla propria nicchia ecologica.
Tuttavia, tutto inizia a guastarsi quando una specie acquisisce il linguaggio.
Ciò di cui parliamo non è ciò che sperimentiamo: parliamo principalmente di interessante
cose, e quelle tendono ad essere cose non comuni. Più o meno da
definizione, gli eventi sono sempre vissuti alle loro frequenze proprie, ma questo
non è affatto vero per il linguaggio. Chiunque abbia subito un morso di serpente o un
il fulmine tenderà a raccontare quelle storie singolari per il resto della loro vita.
E quelle storie saranno così salienti che verranno raccolte e raccontate da
altri.
C'è una curiosa tensione, quindi, tra la comunicazione con gli altri e
Pagina 165
Pagina 166
7 Overfitting
Quando pensare di meno
a modo mio è, dividi mezzo foglio di carta per una riga in due colonne, scrivendo sopra quella Pro, e
sugli altri Con. Poi durante tre o quattro giorni di Considerazione ho messo sotto il diverso
Teste brevi Suggerimenti dei diversi motivi che in tempi diversi mi vengono in mente a favore o contro
Misurare. Quando li ho così riuniti tutti insieme in una vista, mi sforzo di stimarli
rispettivi pesi; e dove ne trovo due, uno per lato, che sembrano uguali, li elimino entrambi: Se
Trovo un professionista di Reason pari a circa due Reasons con, elimino i tre. Se ne giudico due
Ragioni equivalgono a circa tre Ragioni pro, elimino i cinque; e così procedendo trovo in
lunghezza dove si trova la Ballance; e se dopo uno o due giorni di ulteriore Considerazione non c'è niente di nuovo
di importanza si verifica su entrambi i lati, arrivo a una determinazione di conseguenza.
Pagina 167
Franklin ha persino pensato a questo come qualcosa come un calcolo, dicendo: "Io
hanno trovato un grande vantaggio da questo tipo di equazione, in quella che può essere chiamata
Algebra morale o prudenziale. "
Diario di Darwin, luglio 1838. Ristampato con il permesso della Cambridge University Library.
Pagina 168
Pagina 169
Per illustrare questa tensione, diamo un'occhiata a un set di dati che avrebbe potuto essere
rilevante per Darwin: la soddisfazione di vita delle persone nei primi dieci anni di
matrimonio, da un recente studio condotto in Germania. Ogni punto su quel grafico è
tratto dallo studio stesso; il nostro compito è capire la formula per una riga che
si adatterebbe a questi punti e si estenderebbe nel futuro, permettendoci di fare previsioni
passato il segno di dieci anni.
Una possibile formula utilizzerebbe un solo fattore per prevedere la vita
soddisfazione: il tempo trascorso dal matrimonio. Ciò creerebbe una linea retta sul file
grafico. Un'altra possibilità è utilizzare due fattori, tempo e tempo al quadrato ; il
la linea risultante avrebbe una forma a U parabolica, consentendo di catturare un potenziale
relazione più complessa tra tempo e felicità. E se espandiamo il file
formula per includere ancora più fattori (tempo cubo e così via), la linea acquisirà
sempre più punti di flessione, diventando sempre più “curvi” e flessibili. Dal
Quando arriviamo a una formula a nove fattori, possiamo catturare relazioni molto complesse
infatti.
Matematicamente parlando, il nostro modello a due fattori incorpora tutti i
Pagina 170
informazioni che entrano nel modello a un fattore e hanno un altro termine che potrebbe
utilizzare pure. Allo stesso modo, il modello a nove fattori sfrutta tutte le informazioni in
l'eliminazione del modello a due fattori, più potenzialmente molto di più. Con questa logica, esso
sembra che il modello a nove fattori dovrebbe sempre darci le migliori previsioni.
A quanto pare, le cose non sono così semplici.
con quello che dicono psicologi ed economisti sul matrimonio e sulla felicità.
(Per inciso, credono che rifletta semplicemente un ritorno alla normalità - a
livello di base di soddisfazione delle persone per le loro vite, piuttosto che per qualsiasi altro
dispiacere per il matrimonio stesso.)
La lezione è questa: è proprio vero che includere più fattori in un modello lo farà
sempre, per definizione, adattarlo meglio ai dati che abbiamo già. Ma a
un migliore adattamento ai dati disponibili non significa necessariamente una migliore previsione.
Aggiunta di piccole quantità di "rumore" casuale ai dati (simulando gli effetti della ripetizione del rilevamento con a
Pagina 172
gruppo di partecipanti diverso) produce ondulazioni selvagge nel modello a nove fattori, mentre il modello a uno e due
i modelli fattoriali a confronto sono molto più stabili e coerenti nelle loro previsioni.
Pagina 173
anche quando quei modelli sono semplici fantasmi e miraggi nel rumore.
Nel corso della storia, i testi religiosi hanno messo in guardia i loro seguaci contro
idolatria: adorazione di statue, dipinti, reliquie e altri manufatti tangibili
al posto delle divinità intangibili rappresentate da quei manufatti. Il primo
Il comandamento, ad esempio, avverte di non inchinarsi a "qualsiasi immagine scolpita,
o qualsiasi somiglianza di qualsiasi cosa che sia nei cieli ". E nel Libro dei Re, a
serpente di bronzo realizzato per ordine di Dio diventa un oggetto di adorazione e incenso-
ardente, invece di Dio stesso. (Dio non è divertito). Fondamentalmente,
l'overfitting è una sorta di idolatria dei dati, una conseguenza del concentrarsi su cosa
siamo stati in grado di misurare piuttosto che ciò che conta.
Questo divario tra i dati che abbiamo e le previsioni che vogliamo è virtualmente
ovunque. Quando prendiamo una decisione importante, possiamo solo indovinare cosa farà piacere
più tardi, pensando ai fattori importanti per noi in questo momento. (Come quello di Harvard
Daniel Gilbert afferma che il nostro sé futuro spesso “paga buoni soldi per rimuovere il
tatuaggi che abbiamo pagato per ottenere buoni soldi. ") Quando si fa una previsione finanziaria, noi
può solo guardare cosa era correlato al prezzo di un'azione in passato, non cosa
potrebbe in futuro. Anche nei nostri piccoli atti quotidiani vale questo schema: scrivere un file
e-mail, utilizziamo la nostra lettura del testo per prevedere quella del destinatario.
Non meno che nei sondaggi pubblici, i dati nella nostra vita sono quindi anche sempre
rumoroso, nella migliore delle ipotesi una metrica proxy per le cose a cui teniamo veramente.
Di conseguenza, considerare sempre più fattori e spendere di più
lo sforzo di modellarli può portarci all'errore di ottimizzare per la cosa sbagliata
—Offrire preghiere al serpente di bronzo dei dati piuttosto che alla forza più grande che c'è dietro
esso.
Overfitting ovunque
Una volta che conosci l'overfitting, lo vedi ovunque.
L'eccessivo adattamento, ad esempio, spiega l'ironia dei nostri palati. Come può essere quello
i cibi che ci piacciono di più sono generalmente considerati dannosi per la nostra salute,
quando l'intera funzione delle papille gustative, evolutivamente parlando, è di impedirci
dal mangiare cose che fanno male?
La risposta è che il gusto è la metrica proxy del nostro corpo per la salute. Grassi, zuccheri e
Pagina 174
il sale sono nutrienti importanti, e per un paio di centinaia di migliaia di anni, l'essere
attratto dagli alimenti che li contenevano era una misura ragionevole per una dieta sostenuta.
Ma essere in grado di modificare gli alimenti a nostra disposizione ha rotto quella relazione. Noi
ora può aggiungere grassi e zuccheri agli alimenti oltre le quantità che sono buone per noi, e
poi mangia esclusivamente quegli alimenti piuttosto che il mix di piante, cereali e carni
che storicamente costituiva la dieta umana. In altre parole, possiamo esagerare con il gusto.
E più abilmente possiamo manipolare il cibo (e più i nostri stili di vita
divergono da quelli dei nostri antenati), più imperfetto diventa un gusto metrico.
La nostra azione umana si trasforma così in una maledizione, rendendoci pericolosamente in grado di avere
esattamente quello che vogliamo anche quando non vogliamo esattamente la cosa giusta.
Attenzione: quando vai in palestra per eliminare il peso extra da tutto ciò
zucchero, puoi anche rischiare di overfitting fitness. Alcuni segni visibili di forma fisica: bassi
grasso corporeo e massa muscolare elevata, per esempio, sono facili da misurare, e lo sono
relativi , diciamo, alla riduzione al minimo del rischio di malattie cardiache e altri disturbi. Ma loro,
sono anche una misura sostitutiva imperfetta. Adattare eccessivamente i segnali: adottare un
una dieta estrema per ridurre il grasso corporeo e l'assunzione di steroidi per costruire muscoli, forse, può
ti fanno il ritratto della buona salute, ma solo il ritratto.
L'overfitting si manifesta anche nello sport. Ad esempio, Tom è stato uno schermidore
e via, da quando era un adolescente. L'obiettivo originale della scherma era insegnare
persone come difendersi in un duello, da cui il nome: "difesa". E
le armi usate nella scherma moderna sono simili a quelle che venivano usate per allenarsi
per tali incontri. (Questo è particolarmente vero per la spada, che era ancora usata in
duelli formali meno di cinquant'anni fa.) Ma l'introduzione del punteggio elettronico
l'equipaggiamento, un pulsante sulla punta della lama che registra un colpo, ha cambiato il
natura dello sport e tecniche che ti servirebbero male in un duello serio
sono diventate abilità critiche nella competizione. Gli schermitori moderni usano lame flessibili
che consente loro di "colpire" il pulsante contro il loro avversario, sfiorando appena abbastanza forte
per registrarsi e segnare. Di conseguenza, possono sembrare più sottili
fruste di metallo l'una contro l'altra rispetto al taglio o alla spinta. È uno sport emozionante quanto
mai, ma quando gli atleti adattano la loro tattica alle stranezze del segnapunti, diventa
meno utile per instillare le abilità nell'arte della spada nel mondo reale.
Forse da nessuna parte, tuttavia, l'overfitting è potente e problematico come in
il mondo degli affari. "Le strutture di incentivazione funzionano", come ha affermato Steve Jobs. "Quindi tu
bisogna stare molto attenti a ciò che incentivi le persone a fare, perché vari
Pagina 175
le strutture di incentivi creano tutti i tipi di conseguenze che non puoi prevedere ".
Sam Altman, presidente dell'incubatore di startup Y Combinator, fa eco a Jobs's
parole di cautela: “È proprio vero che l'azienda costruirà qualunque sia il CEO
decide di misurare. "
In effetti, è incredibilmente difficile trovare incentivi o misurazioni
che non hanno alcun effetto perverso. Negli anni '50, la gestione della Cornell
Il professor VF Ridgway ha catalogato una serie di tali "conseguenze disfunzionali
delle misurazioni delle prestazioni. " In una ditta di collocamento, i dipendenti erano
valutati in base al numero di interviste condotte, cosa che li ha motivati
eseguire le riunioni il più rapidamente possibile, senza spendere molto tempo
aiutando effettivamente i propri clienti a trovare lavoro. In un'agenzia di polizia federale,
si è scoperto che gli investigatori a cui erano state assegnate quote mensili di rendimento sceglievano casi facili
la fine del mese piuttosto che i più urgenti. E in una fabbrica, concentrandosi
sulle metriche di produzione ha portato i supervisori a trascurare la manutenzione e le riparazioni, l'impostazione
catastrofe futura. Tali problemi non possono essere semplicemente liquidati come un fallimento
raggiungere gli obiettivi di gestione. Piuttosto, sono l'opposto: lo spietato e intelligente
ottimizzazione della cosa sbagliata.
Il passaggio del ventunesimo secolo all'analisi in tempo reale ha solo fatto il
pericolo di metriche più intense. Avinash Kaushik, evangelista del marketing digitale presso
Google avverte che sta cercando di convincere gli utenti del sito web a vedere quanti più annunci possibile
passa naturalmente al tentativo di riempire i siti di annunci: "Quando vieni pagato su un
[costo per mille impressioni] base l'incentivo è capire come mostrare
il maggior numero possibile di annunci su ogni pagina [e] assicurano che il visitatore veda di più
possibili pagine del sito… Quell'incentivo rimuove l'attenzione dall'importante
entità, il tuo cliente e lo inserisce nell'entità secondaria, il tuo inserzionista. "
Il sito web potrebbe guadagnare un po 'più di denaro a breve termine, ma pieno di pubblicità
articoli, presentazioni multi-pagina a caricamento lento e clickbait sensazionalisti
i titoli allontaneranno i lettori a lungo termine. La conclusione di Kaushik:
"Gli amici non consentono agli amici di misurare le visualizzazioni di pagina. Mai."
In alcuni casi, la differenza tra un modello e il mondo reale è letteralmente a
questione di vita e di morte. Nell'esercito e nelle forze dell'ordine, ad esempio,
L'addestramento meccanico ripetitivo è considerato un mezzo chiave per instillare abilità di linea di fuoco.
L'obiettivo è praticare determinati movimenti e tattiche al punto che diventino
totalmente automatico. Ma quando l'overfitting si insinua, può rivelarsi disastroso. Là
Pagina 176
sono storie di agenti di polizia che si ritrovano, ad esempio, a prendersi una pausa
durante uno scontro a fuoco per mettere in tasca i bossoli esausti: buona etichetta per un
poligono di tiro. In qualità di ex Ranger dell'esercito e professore di psicologia di West Point
Dave Grossman scrive: "Dopo che il fumo si era placato in molti veri scontri a fuoco,
gli ufficiali rimasero scioccati nello scoprire nelle loro tasche degli ottoni vuoti senza memoria
di come è arrivato lì. In diverse occasioni sono stati trovati poliziotti morti con l'ottone
le loro mani, morenti nel bel mezzo di una procedura amministrativa che era stata
forato in loro. " Allo stesso modo, l'FBI è stato costretto a cambiare la sua formazione dopo
agenti sono stati trovati sparando di riflesso due colpi e poi rinfoderando la loro arma
—Una cadenza standard durante l'allenamento — indipendentemente dal fatto che i loro colpi abbiano colpito il
bersaglio e se c'era ancora una minaccia. Errori come questi sono noti per legge
forze dell'ordine e militari come "cicatrici da addestramento", e riflettono il fatto che lo sia
possibile sovradimensionare la propria preparazione. In un caso particolarmente drammatico, un
l'ufficiale ha istintivamente afferrato la pistola dalle mani di un aggressore e poi
istintivamente glielo restituì, proprio come aveva fatto più e più volte con
i suoi allenatori in pratica.
Pagina 177
Paradossalmente, ciò potrebbe comportare l'utilizzo di meno dati. Nell'esempio del matrimonio, noi
potrebbe "trattenere", diciamo, due punti a caso e adattare i nostri modelli solo a
altri otto. Quindi prenderemmo quei due punti di prova e li useremo per valutare quanto bene
le nostre varie funzioni si generalizzano oltre gli otto punti di “allenamento” che sono stati
dato. I due punti trattenuti funzionano come canarini nella miniera di carbone: se a
modello complesso inchioda gli otto punti di allenamento ma manca selvaggiamente i due test
punti, è una buona scommessa che l'overfitting sia al lavoro.
Oltre a trattenere alcuni dei punti dati disponibili, è anche utile
valutare la possibilità di testare il modello con dati derivati da qualche altra forma di valutazione
interamente. Come abbiamo visto, l'uso di metriche proxy: gusto come proxy per
anche l'alimentazione, il numero di casi risolti come proxy per la diligenza degli investigatori
portare a overfitting. In questi casi, sarà necessario eseguire la convalida incrociata del file primario
misura delle prestazioni che stiamo utilizzando rispetto ad altre misure possibili.
Nelle scuole, ad esempio, i test standardizzati offrono una serie di vantaggi,
compresa una distinta economia di scala: possono essere classificati rapidamente e in modo economico
le migliaia. Accanto a tali test, tuttavia, le scuole potrebbero valutare in modo casuale
una piccola parte degli studenti - uno per classe, diciamo, o uno su cento -
utilizzando un metodo di valutazione diverso, forse qualcosa come un saggio o un orale
esame. (Poiché solo pochi studenti verrebbero testati in questo modo, avendo questo
la scala del metodo secondario non è una grande preoccupazione.) I test standardizzati lo farebbero
fornire un feedback immediato: potresti chiedere agli studenti di fare un breve
esame computerizzato ogni settimana e traccia i progressi della classe quasi in tempo reale
tempo, ad esempio, mentre i punti dati secondari servirebbero a incrociare
convalidare: per assicurarsi che gli studenti stessero effettivamente acquisendo la conoscenza
che il test standardizzato ha lo scopo di misurare, e non semplicemente di migliorare
prova. Se i punteggi standardizzati di una scuola aumentano mentre è "non standardizzato"
le prestazioni si sono mosse nella direzione opposta, gli amministratori avrebbero capito
segnale di avvertimento che "insegnare alla prova" era iniziato e le abilità degli alunni lo erano
cominciando a sovradimensionare la meccanica del test stesso.
Cross-Validation offre anche un suggerimento per le forze dell'ordine e militari
personale che cerca di instillare buoni riflessi senza martellare le abitudini del
processo di formazione stesso. Proprio come saggi ed esami orali possono convalidare in modo incrociato
test standardizzati, quindi potrebbero verificarsi valutazioni occasionali di "cross-training" non familiari
essere utilizzato per misurare se il tempo di reazione e la precisione di tiro stanno generalizzando
Pagina 178
a compiti non familiari. Se non lo sono, allora è un segnale forte per cambiare il file
regime di allenamento. Sebbene nulla possa veramente preparare uno per il combattimento reale,
esercizi come questo possono almeno avvisare in anticipo dove sono probabili "cicatrici da allenamento"
aver formato.
-ANONIMO
Abbiamo visto alcuni dei modi in cui l'overfitting può rialzare la testa, e lo abbiamo fatto
ha esaminato alcuni dei metodi per rilevarlo e misurarlo. Ma cosa possiamo
effettivamente fare per alleviarlo?
Da un punto di vista statistico, l'overfitting è un sintomo di un'eccessiva sensibilità
i dati effettivi che abbiamo visto. La soluzione, quindi, è semplice: dobbiamo
bilancia il nostro desiderio di trovare un buon adattamento con la complessità dei modelli che utilizziamo
fare così.
Un modo per scegliere tra diversi modelli concorrenti è il rasoio di Occam
principio, il che suggerisce che, a parità di condizioni, il più semplice possibile
l'ipotesi è probabilmente quella corretta. Naturalmente, le cose raramente sono completamente
uguale, quindi non è immediatamente ovvio come applicare qualcosa come quello di Occam
rasoio in un contesto matematico. Alle prese con questa sfida negli anni '60,
Il matematico russo Andrey Tikhonov ha proposto una risposta: introdurre un
termine aggiuntivo ai tuoi calcoli che penalizza le soluzioni più complesse. Se noi
introdurre una penalità di complessità, quindi i modelli più complessi non devono farlo
semplicemente un lavoro migliore, ma un lavoro significativamente migliore di spiegare i dati per giustificare
la loro maggiore complessità. Gli informatici fanno riferimento a questo principio: usare
vincoli che penalizzano i modelli per la loro complessità, come la regolarizzazione .
Quindi come sono queste penalità di complessità? Un algoritmo, scoperto
nel 1996 dal biostatistico Robert Tibshirani, viene chiamato Lasso e usa come suo
penalizza il peso totale dei diversi fattori nel modello. * Mettendo questo
pressione al ribasso sui pesi dei fattori, il Lazo spinge il maggior numero di
Pagina 179
Pagina 180
L'economista Harry Markowitz ha vinto il Premio Nobel per l'economia nel 1990 per
sviluppare una moderna teoria del portafoglio: la sua rivoluzionaria "media varianza
ottimizzazione del portafoglio "ha mostrato come un investitore potrebbe fare un ottimo
allocazione tra vari fondi e attività per massimizzare i rendimenti a un dato livello
di rischio. Quindi, quando è arrivato il momento di investire i propri risparmi per la pensione, sembra
Markowitz avrebbe dovuto essere l'unica persona perfettamente attrezzata per il lavoro. Che cosa
ha deciso di fare?
Avrei dovuto calcolare le covarianze storiche delle classi di attività e tracciare una frontiera efficiente.
Invece, ho visualizzato il mio dolore se il mercato azionario fosse salito e io non ci ero dentro, o se fosse andato così
giù ed ero completamente dentro. La mia intenzione era di ridurre al minimo il mio futuro rimpianto. Quindi ho diviso il mio
contributi cinquanta-cinquanta tra obbligazioni e azioni.
Perché nel mondo avrebbe dovuto farlo? La storia del vincitore del Premio Nobel e
la sua strategia di investimento potrebbe essere presentata come un esempio di irrazionalità umana:
di fronte alla complessità della vita reale, ha abbandonato il modello razionale e
seguito una semplice euristica. Ma è proprio a causa della complessità del reale
vita che una semplice euristica potrebbe in effetti essere la soluzione razionale.
Quando si tratta di gestione del portafoglio, si scopre che a meno che tu non sia altamente
sicuro delle informazioni che hai sui mercati, potresti esserlo davvero
meglio ignorare del tutto quelle informazioni. Applicazione dell'ottimale di Markowitz
Lo schema di allocazione del portafoglio richiede buone stime dei dati statistici
immobili di diversi investimenti. Un errore in quelle stime può portare a molto
diverse allocazioni degli asset, aumentando potenzialmente il rischio. Al contrario, dividendo il tuo file
il denaro in modo uniforme tra azioni e obbligazioni non è affatto influenzato dai dati che hai
osservato. Questa strategia non cerca nemmeno di adattarsi alla performance storica
di quelle di investimento tipi così non c'è modo che possa sopra andare bene.
Naturalmente, il solo utilizzo di una divisione cinquanta-cinquanta non è necessariamente dolce per la complessità
spot, ma c'è qualcosa da dire per questo. Se ti capita di conoscere il previsto
media e varianza attesa di un insieme di investimenti, quindi utilizzare la varianza media
ottimizzazione del portafoglio: l'algoritmo ottimale è ottimale per una ragione. Ma quando
le probabilità di stimarle tutte correttamente sono basse, e il peso che il modello ha
mette su quelle quantità inaffidabili è alto, quindi dovrebbe suonare un allarme
nel processo decisionale: è tempo di regolarizzare.
Pagina 181
Il mercato del latte di soia negli Stati Uniti è più che quadruplicato dalla metà
Dal 1990 al 2013. Ma entro la fine del 2013, secondo i titoli dei giornali, era già così
sembrava un ricordo del passato, un lontano secondo posto al latte di mandorle. Come cibo
e il ricercatore di bevande Larry Finkel hanno dichiarato a Bloomberg Businessweek : “Le noci sono
alla moda adesso. La soia sembra più un alimento salutare vecchio stile ". La seta
azienda, famosa per la diffusione del latte di soia (come suggerisce il nome), riportata in
alla fine del 2013 che i suoi prodotti a base di latte di mandorle erano cresciuti di oltre il 50% nel
solo trimestre precedente. Nel frattempo, in altre notizie sulle bevande, il cocco leader
Il marchio di acqua Vita Coco ha riferito nel 2014 che le sue vendite erano raddoppiate dal 2011—
ed era aumentato di trecento volte dal 2004. Come il Nuovo
Il York Times ha affermato: "L'acqua di cocco sembra essere passata da invisibile a
inevitabile senza una pausa nel regno del vagamente familiare. " Nel frattempo,
il mercato dei cavoli è cresciuto del 40% solo nel 2013. Il più grande acquirente di cavolo nero
l'anno prima era stato Pizza Hut, che lo metteva nelle loro insalate - come decorazione.
Pagina 182
Alcuni dei domini più fondamentali della vita umana, come la questione del
quello che dovremmo mettere nel nostro corpo, sembra curiosamente essere il più dominato
da mode di breve durata. Parte di ciò che consente a queste mode di prendere d'assalto il mondo è
quanto velocemente la nostra cultura può cambiare. Le informazioni ora fluiscono attraverso la società
più velocemente che mai, mentre le catene di approvvigionamento globali consentono ai consumatori di farlo rapidamente
cambiare le loro abitudini di acquisto in massa (e il marketing li incoraggia a farlo).
Se qualche studio particolare suggerisce un beneficio per la salute, ad esempio, l'anice stellato,
può essere in tutta la blogosfera entro la settimana, in televisione la settimana dopo
quello, e apparentemente in ogni supermercato in sei mesi, con anice stellato dedicato
libri di cucina presto usciti dalle presse. Questa velocità mozzafiato è sia a
benedizione e una maledizione.
Al contrario, se guardiamo al modo in cui gli organismi, inclusi gli esseri umani, si evolvono, noi
nota qualcosa di intrigante: il cambiamento avviene lentamente. Ciò significa che il file
le proprietà degli organismi moderni sono plasmate non solo dal loro presente
ambienti, ma anche dalla loro storia. Ad esempio, il stranamente incrociato
disposizione del nostro sistema nervoso (il lato sinistro del nostro corpo controllato dal
lato destro del nostro cervello e viceversa) riflette la storia evolutiva di
vertebrati. Si ipotizza che questo fenomeno, chiamato "decussazione", sia avvenuto
in un punto dell'evoluzione in cui i corpi dei primi vertebrati ruotavano di 180 gradi con
rispetto alle loro teste; mentre le corde nervose degli invertebrati come le aragoste
ei lombrichi corrono sul lato "ventre" dell'animale, i vertebrati hanno il loro
cavi nervosi invece lungo la colonna vertebrale.
L'orecchio umano offre un altro esempio. Visto da un funzionale
prospettiva, è un sistema per tradurre le onde sonore in segnali elettrici da
via di amplificazione attraverso tre ossa: martello, incudine e staffa. Questo
il sistema di amplificazione è impressionante, ma le specifiche di come funziona hanno molto
a che fare con vincoli storici. I rettili, a quanto pare, hanno solo un osso
il loro orecchio, ma ossa aggiuntive nella mascella che mancano ai mammiferi. Quelle mascelle
apparentemente sono stati riproposti nell'orecchio dei mammiferi. Quindi la forma esatta e
la configurazione della nostra anatomia dell'orecchio riflette la nostra storia evolutiva almeno come
tanto quanto risolve il problema uditivo.
Il concetto di overfitting ci dà un modo di vedere la virtù in tale
bagaglio evolutivo. Anche se fibre nervose incrociate e riproposte
le ossa mascellari possono sembrare sistemazioni non ottimali, non necessariamente lo vogliamo
Pagina 183
evoluzione per ottimizzare completamente un organismo ad ogni cambiamento nella sua nicchia ambientale
- o, almeno, dovremmo riconoscere che così facendo sarebbe estremamente
sensibile a ulteriori cambiamenti ambientali. Dover fare uso dell'esistente
i materiali, d'altro canto, impongono una sorta di utile contenimento. Lo rende più difficile
per indurre drastici cambiamenti nella struttura degli organismi, più difficile da adattare. Come un
specie, essendo vincolati dal passato ci rende meno perfettamente adattati alla
presente lo sappiamo ma ci aiuta a mantenerci robusti per il futuro che non sappiamo.
Un'intuizione simile potrebbe aiutarci a resistere alle rapide mode dell'essere umano
società. Quando si parla di cultura, la tradizione gioca il ruolo dell'evoluzione
vincoli. Un po 'di conservatorismo, un certo pregiudizio a favore della storia, possono tamponarci
contro il ciclo boom-and-bust delle mode passeggere. Ciò non significa che dovremmo ignorare
anche gli ultimi dati, ovviamente. Salta verso il carrozzone, con tutti i mezzi, ma
non necessariamente su di esso.
Nell'apprendimento automatico, i vantaggi di muoversi lentamente emergono maggiormente
concretamente in una tecnica di regolarizzazione nota come Early Stopping . Quando noi
abbiamo esaminato i dati dell'indagine sul matrimonio in Germania all'inizio del capitolo, noi
è andato direttamente a esaminare i modelli a uno, due e nove fattori più adatti. Nel
molte situazioni, tuttavia, regolando i parametri per trovare il miglior adattamento possibile
i dati forniti sono un processo in sé e per sé. Cosa succede se interrompiamo quel processo
presto e semplicemente non consentono un modello del tempo di diventare troppo complesso? Ancora,
emerge quello che a prima vista potrebbe sembrare un po 'scontroso o scortese,
invece, come una strategia importante a sé stante.
Molti algoritmi di previsione, ad esempio, iniziano cercando il singolo
fattore più importante piuttosto che passare a un modello multifattoriale. Solo dopo
trovando quel primo fattore cercano il successivo fattore più importante da aggiungere
il modello, poi il successivo e così via. I loro modelli possono quindi essere evitati
diventare eccessivamente complesso semplicemente interrompendo il processo poco prima
l'overfitting ha avuto la possibilità di insinuarsi. Un approccio correlato al calcolo
le previsioni considerano un punto dati alla volta, con il modello ottimizzato
tenere conto di ogni nuovo punto prima che vengano aggiunti altri punti; anche lì il
la complessità del modello aumenta gradualmente, quindi è possibile interrompere il processo a breve
aiuta a evitare che si adatti eccessivamente.
Questo tipo di configurazione, dove più tempo significa più complessità, caratterizza
molti sforzi umani. Darti più tempo per decidere qualcosa
Pagina 184
dati, quindi interrompi presto con tutti i mezzi. Se non hai una lettura chiara di come il tuo
il lavoro verrà valutato, e da chi, allora non vale la pena dedicare tempo extra
è perfetto rispetto alla tua (o a quella di chiunque altro) idiosincratica indovinare cosa
la perfezione potrebbe essere. Maggiore è l'incertezza, maggiore è il divario tra
ciò che puoi misurare e ciò che conta, più dovresti stare attento
overfitting - cioè, più dovresti preferire la semplicità, e prima tu
dovrebbe fermarsi.
Quando sei veramente all'oscuro, i piani migliori saranno i più semplici. quando
le nostre aspettative sono incerte e i dati sono rumorosi, la cosa migliore è dipingere
un pennello ampio, per pensare a grandi linee. A volte letteralmente. Come imprenditori
Jason Fried e David Heinemeier Hansson spiegano, più avanti hanno bisogno
per fare brainstorming, più spessa è la penna che usano, una forma intelligente di semplificazione di
dimensione del tratto:
Quando iniziamo a progettare qualcosa, abbozziamo le idee con un pennarello grande e spesso, invece di
una penna a sfera. Perché? I punti della penna sono troppo sottili. Sono ad alta risoluzione. Ti incoraggiano a farlo
preoccuparti di cose di cui non dovresti ancora preoccuparti, come perfezionare l'ombreggiatura o se utilizzare un file
linea tratteggiata o tratteggiata. Finisci per concentrarti su cose che dovrebbero essere ancora sfocate.
Uno Sharpie rende impossibile eseguire il drill-down così in profondità. Puoi disegnare solo forme, linee e
scatole. Quello è buono. Il quadro generale è tutto ciò di cui dovresti preoccuparti all'inizio.
Pagina 186
i punti che ha menzionato - erano proprio quelli che alla fine lo hanno convinto a favore
del matrimonio. Il budget del suo libro era una distrazione.
Prima di diventare troppo critici nei confronti di Darwin, tuttavia, dipingendolo come un incallito
pensatore, vale la pena dare una seconda occhiata a questa pagina dal suo diario. Vedendolo
in facsimile mostra qualcosa di affascinante. Darwin non era Franklin, aggiungendo
considerazioni assortite per giorni. Nonostante la serietà con cui lui
si avvicinò a questa scelta che cambia la vita, Darwin decise esattamente quando
i suoi appunti arrivavano in fondo al foglio del diario. Si stava regolarizzando alla pagina.
Questo ricorda sia l'arresto anticipato che il lasso: tutto ciò che non lo fa
rendere la pagina non prende la decisione.
Decisa a sposarsi, Darwin passò immediatamente a pensare troppo al
tempismo. "Quando? Presto o tardi ", ha scritto sopra un altro elenco di pro e contro,
considerando tutto, dalla felicità alle spese al "disagio" al suo
desiderio di lunga data di viaggiare in mongolfiera e / o in Galles. Ma alla fine
della pagina ha deciso di "Non importa, affidati al caso" e il risultato, dentro
diversi mesi, è stata una proposta a Emma Wedgwood, l'inizio di un
collaborazione appagante e una vita familiare felice.
Pagina 187
8 Rilassamento
Lascialo scorrere
Nel 2010 Meghan Bellows stava lavorando al suo dottorato in ingegneria chimica presso
Princeton di giorno e pianificando il suo matrimonio di notte. La sua ricerca ruotava
per trovare i posti giusti in cui inserire gli amminoacidi in una catena proteica per produrre a
molecola con caratteristiche particolari. ("Se massimizzi l'energia di legame di
due proteine quindi puoi progettare con successo un inibitore peptidico di alcune
funzione biologica in modo da poter effettivamente inibire il progresso di una malattia. ") Sul
fronte nuziale, era bloccata sul problema della seduta.
C'era un gruppo di nove amici del college e Bellows si tormentava su chi
altro da buttare nel mezzo di una simile mini-riunione per fare un tavolo da dieci. Anche
peggio, aveva contato undici parenti stretti. Chi otterrebbe l'avvio dal file
la tavola dei genitori onorati, e come poteva spiegargliela? E che mi dici di
persone come i suoi vicini d'infanzia e la babysitter, o il lavoro dei suoi genitori
colleghi, che non conoscevano davvero nessuno al matrimonio?
Il problema sembrava difficile quanto il problema proteico che era lei
lavorando in laboratorio. Poi l'ha colpita. E ' stato il problema su cui stava lavorando a
il laboratorio. Una sera, mentre fissava i suoi posti a sedere, “me ne sono accorto
era letteralmente una correlazione uno a uno tra gli amminoacidi e le proteine in
la mia tesi di dottorato e le persone sedute ai tavoli al mio matrimonio. " Bellows gridò
il suo fidanzato per un pezzo di carta e iniziò a scarabocchiare equazioni. Aminoacidi
sono diventati ospiti, le energie di legame sono diventate relazioni, e le molecole
chiamato Il vicino più prossimo interazioni divenne, beh, il vicino più prossimo
interazioni. Potrebbe usare gli algoritmi della sua ricerca per risolvere la sua
nozze.
Pagina 188
Pagina 189
Nessuno capisce infatti come un informatico che di fronte a
sfida apparentemente ingestibile, non dovresti né faticare per sempre né arrenderti,
ma, come vedremo, prova interamente una terza cosa.
La difficoltà di ottimizzazione
Prima di guidare il paese attraverso la guerra civile americana, prima di redigere il
Proclama di emancipazione o consegna del discorso di Gettysburg, Abraham
Lincoln ha lavorato come "avvocato della prateria" a Springfield, Illinois, viaggiando per l'Ottavo
Circuito giudiziario due volte l'anno per sedici anni. Essere un avvocato di circoscrizione significava
letteralmente facendo un giro, spostandosi attraverso le città di quattordici contee diverse
per provare casi, percorrendo centinaia di miglia per molte settimane. Pianificazione di questi circuiti
ha sollevato una sfida naturale: come visitare tutte le città necessarie coprendo come
poche miglia possibile e senza andare due volte in nessuna città.
Questo è un esempio di ciò che è noto a matematici e computer
scienziati come problema di "ottimizzazione vincolata": come trovare il migliore
disposizione di un insieme di variabili, date regole particolari e un punteggio
misurare. In effetti, è il problema di ottimizzazione più famoso di tutti. Se lo avesse fatto
stato studiato nel diciannovesimo secolo potrebbe essere diventato noto per sempre come
"Il problema dell'avvocato della prateria", e se fosse emerso per la prima volta nel ventunesimo
secolo potrebbe essere stato soprannominato "il problema del drone di consegna". Ma come il
problema segretario, è emerso a metà del XX secolo, un periodo
inconfondibilmente evocato dal suo nome canonico: "il problema del venditore ambulante".
Il problema della pianificazione del percorso non ha attirato l'attenzione della matematica
comunità fino agli anni '30, ma poi lo fece con una vendetta. Matematico
Karl Menger parlò del "problema del corriere postale" nel 1930, osservando che no
Si conosceva una soluzione più semplice che provare a turno ogni possibilità.
Hassler Whitney pose il problema in un discorso del 1934 a Princeton, dove si tenne
saldamente nel cervello del collega matematico Merrill Flood (che, potresti ricordare
dal capitolo 1, è attribuito anche il merito di aver fatto circolare la prima soluzione al segretario
problema). Quando Flood si trasferì in California negli anni '40, lo diffuse a sua volta
i suoi colleghi del RAND Institute e prima il nome iconico del problema
apparve in stampa in un articolo del 1949 dal matematico Julia Robinson. Come la
Pagina 190
Pagina 191
oltre la portata della soluzione da parte dei computer, non importa quanto potente. *
Ciò equivale a ciò che è probabilmente l'intuizione centrale dell'informatica. Suo
possibile quantificare la difficoltà di un problema. E alcuni problemi sono solo ...
duro .
Dove finisce il problema del venditore ambulante? Curiosamente, noi
non sono ancora del tutto sicuro. Nel 1972, Richard Karp di Berkeley dimostrò che il
Il problema del venditore ambulante è legato a una classe controversa borderline di
problemi che non si sono ancora dimostrati definitivamente efficaci
risolvibile o no. Ma finora non sono state trovate soluzioni efficienti per nessuno di
quei problemi, rendendoli effettivamente intrattabili, e la maggior parte dei computer
gli scienziati ritengono che non ce ne siano da trovare. Quindi il "risultato dell'impossibilità"
per il problema del venditore ambulante immaginato da Flood negli anni Cinquanta
essere il suo destino finale. Inoltre, molti altri problemi di ottimizzazione con
implicazioni per tutto, dalla strategia politica alla salute pubblica alla sicurezza antincendio
—Sono altrettanto intrattabili.
Ma per gli scienziati informatici che lottano con tali problemi, questo verdetto
non è la fine della storia. Invece, è più come una chiamata alle armi. Avere
determinato che un problema è intrattabile, non puoi semplicemente alzare le mani. Come
L'esperto di programmazione Jan Karel Lenstra ci ha detto: “Quando il problema è difficile, è
non significa che puoi dimenticartene, significa che è solo in un diverso
stato. È un nemico serio, ma devi ancora combatterlo. " Ed è qui che il file
field ha scoperto qualcosa di inestimabile, qualcosa da cui tutti possiamo imparare: come
problemi di migliore approccio le cui risposte ottimali sono fuori portata. Come rilassarsi.
Semplicemente rilassati
Il perfetto è il nemico del bene.
—VOLTAIRE
Quando qualcuno ti dice di rilassarti, probabilmente è perché sei teso -
fare una quantità maggiore di cose di quanto dovresti. Quando gli informatici sono attivi
contro una sfida formidabile, anche le loro menti si rilassano, mentre passano
Pagina 192
Pagina 193
Figura 8.1 Il percorso del venditore ambulante più breve (in alto) e l'albero di copertura minimo (in basso) per Lincoln's
Circuito giudiziario del 1855.
Ancora meglio, nel problema del venditore ambulante risulta che il minimo
spanning tree è in realtà uno dei migliori punti di partenza da cui iniziare a
cerca la vera soluzione. Approcci come questi hanno consentito anche uno dei
i maggiori problemi immaginabili con i venditori ambulanti: trovare il percorso più breve
visita ogni singola città sulla Terra, da risolvere con meno dello 0,05% del
soluzione ottima (sconosciuta).
Sebbene la maggior parte di noi non abbia incontrato la versione algoritmica formale di
Vincolo Rilassamento, il suo messaggio di base è familiare a quasi chiunque lo sia
Pagina 194
sognato in grande sulle domande della vita. Cosa faresti se non avessi paura?
legge un mantra che potresti aver visto nell'ufficio di un consulente di orientamento o ascoltato
un seminario motivazionale. Cosa faresti se non potessi fallire? Allo stesso modo,
quando si considerano questioni di professione o carriera, poniamo domande come Cosa
faresti se vincessi alla lotteria? oppure, prendendo una strada diversa, cosa vorresti
fare se tutti i lavori pagassero lo stesso? L'idea alla base di tali esercizi di pensiero è esattamente
quello del Constraint Relaxation: rendere trattabile l'intrattabile, fare progressi
in un mondo idealizzato che può essere riportato a quello reale. Se non puoi risolvere
il problema di fronte a te, risolverne una versione più semplice e poi vedere se è così
soluzione ti offre un punto di partenza, o un faro, nel problema in piena regola.
Forse lo fa.
Quello che il relax non può fare è offrirti una scorciatoia garantita per il perfetto
risposta. Ma l'informatica può anche quantificare il compromesso di questo rilassamento
offre tra tempo e qualità della soluzione. In molti casi, il rapporto è drammatico, a
un gioco da ragazzi, per esempio, una risposta almeno la metà della soluzione perfetta
in un quadrilionesimo del tempo. Il messaggio è semplice ma profondo: se lo siamo
disposto ad accettare soluzioni abbastanza vicine, quindi anche alcune delle più pelose
i problemi intorno possono essere risolti con le giuste tecniche.
Rimozione temporanea dei vincoli, come nello spanning tree minimo e nel file
"E se vincessi alla lotteria?" esempi, è la forma più semplice di
rilassamento algoritmico. Ma ci sono anche altri due tipi di rilassamento più sottili
che si presentano ripetutamente nella ricerca sull'ottimizzazione. Si sono dimostrati strumentali
nel risolvere alcuni dei problemi intrattabili più importanti del settore, con direct
implicazioni del mondo reale per qualsiasi cosa, dalla pianificazione urbana al controllo delle malattie
la coltivazione di rivalità atletiche.
Pagina 195
Possono provare a rilassare il loro problema discreto in uno continuo e vedere cosa
accade.
Nel caso del problema dell'invito, rilassarlo da discreto a continuo
ottimizzazione significa che una soluzione può dirci di inviare a qualcuno un quarto di
invito e qualcun altro due terzi di uno. Che cosa vuol dire, anche? It
ovviamente non può essere la risposta alla domanda originale, ma, come il minimo
spanning tree, ci dà un punto di partenza. Con la soluzione rilassata in mano,
possiamo decidere come tradurre quelle frazioni di nuovo in realtà. Potremmo, per
Ad esempio, scegli di arrotondarli semplicemente se necessario, inviando inviti a
tutti coloro che hanno ricevuto "mezzo invito" o più nello scenario rilassato. Potremmo
interpretare queste frazioni anche come probabilità, ad esempio lanciare una moneta per
ogni luogo in cui la soluzione rilassata ci dice di mettere mezzo camion dei pompieri, e
effettivamente mettendo un camion lì solo se cade testa. In entrambi i casi, con questi
le frazioni tornate a numeri interi, avremo una soluzione che abbia senso
nel contesto del nostro problema originale e discreto.
Il passo finale, come per qualsiasi relax, è chiedere quanto è buona questa soluzione
rispetto alla migliore soluzione effettiva che avremmo potuto trovare
controllando esaurientemente ogni singola possibile risposta al problema originale. It
si scopre che per il problema degli inviti, Rilassamento Continuo con arrotondamento
ci darà una soluzione facilmente calcolabile che non è poi così male: è matematicamente
garantito per portare tutti quelli che vuoi alla festa mentre invii al massimo due volte
tanti inviti quante sono le migliori soluzioni ottenibili con la forza bruta. Allo stesso modo, in
il problema del camion dei pompieri, il rilassamento continuo con probabilità può ottenere rapidamente
noi entro un comodo limite della risposta ottimale.
Il Relax Continuo non è una bacchetta magica: ancora non ce ne dà una
modo efficiente per arrivare alle risposte veramente ottimali, solo alle loro approssimazioni.
Ma consegnare il doppio di invii o vaccinazioni ottimali è ancora lontano
meglio delle alternative non ottimizzate.
Pagina 197
Un giorno, da bambino, Brian si lamentava con sua madre di tutte le cose che aveva
aveva a che fare:. i compiti, le sue faccende ... “Tecnicamente, non si hanno a che fare
qualsiasi cosa », rispose sua madre. “Non devi fare quello che i vostri insegnanti vi dicono.
Non devi fare quello che ti dico. Non hanno nemmeno necessario a rispettare la legge.
Ci sono conseguenze per tutto e puoi decidere se vuoi
per affrontare quelle conseguenze. "
La mente infantile di Brian era sconvolta. Era un messaggio potente, un risveglio di a
senso di agentività, responsabilità, giudizio morale. C'era anche qualcos'altro: a
potente tecnica computazionale chiamata rilassamento lagrangiano . L'idea
dietro la lagrangiana il rilassamento è semplice. Un problema di ottimizzazione ha due parti:
le regole e il punteggio. In Lagrangian Relaxation, prendiamo alcuni dei
vincoli del problema e inserirli invece nel sistema di punteggio. Cioè, noi
prendere l'impossibile e ridimensionarlo a costoso. (In un matrimonio a sedere
ottimizzazione, ad esempio, potremmo allentare il vincolo che le tabelle contengono dieci ciascuna
persone max, consentendo tavoli troppo pieni ma con una sorta di spazio per i gomiti
penalità). Quando i vincoli di un problema di ottimizzazione dicono "Fallo o altrimenti!"
Il rilassamento lagrangiano risponde: "Oppure cosa?" Una volta che possiamo colorare all'esterno del file
linee - anche solo un po ', e anche a un costo elevato - i problemi diventano trattabili
che prima non erano trattabili.
I Rilassamenti Lagrangiani sono una parte enorme della letteratura teorica sul
problema del venditore ambulante e altri problemi difficili in informatica.
Sono anche uno strumento fondamentale per una serie di applicazioni pratiche. Per esempio,
ricorda Michael Trick di Carnegie Mellon, che, come abbiamo accennato nel capitolo 3, è presente
incaricato della programmazione per la Major League Baseball e una serie di NCAA
conferenze. Quello che non avevamo menzionato è come lo fa. La composizione di
il programma di ogni anno è un gigantesco problema di ottimizzazione discreto, troppo complesso
per qualsiasi computer da risolvere con la forza bruta. Quindi ogni anno Trick e i suoi colleghi
allo Sports Scheduling Group si rivolge a Lagrangian Relaxation per ottenere il lavoro
fatto. Ogni volta che accendi la televisione o ti siedi in uno stadio, sappilo
l'incontro di quelle squadre su quel campo quella sera in particolare ... beh, non lo è
necessariamente il matchup ottimale. Ma è vicino. E per questo non abbiamo solo
Pagina 198
Pagina 199
In genere, quando le persone vengono da noi per la prima volta con un programma sportivo, affermano ... "Non facciamo mai x
e non facciamo mai y .” Poi guardiamo i loro programmi e diciamo: “Beh, due volte hai fatto x e tre
volte hai fatto y l'anno scorso.” Poi “Oh, sì, beh, okay. A parte questo, non lo facciamo mai ". E
poi torniamo all'anno prima ... In genere ci rendiamo conto che ci sono alcune cose che pensano di loro
mai farlo le persone lo fanno. Le persone nel baseball credono che gli Yankees e i Mets non ci siano mai
casa allo stesso tempo. E non è vero. Non è mai stato vero. Sono a casa forse tre partite,
forse sei partite in un anno nello stesso giorno. Ma nella stagione più ampia, ottantuno partite in casa per
ciascuna delle squadre, è relativamente raro, la gente se ne dimentica.
Imparare a rilassarsi
Dei vari modi in cui le domande computazionali si presentano a noi,
i problemi di ottimizzazione - una parte obiettivi, una parte regole - sono probabilmente i più importanti
Comune. E problemi di ottimizzazione discreti , in cui le nostre opzioni sono nette
o / o le scelte, senza via di mezzo, sono le più tipiche di queste. Qui,
l'informatica trasmette un verdetto scoraggiante. Molti discreti
i problemi di ottimizzazione sono veramente difficili. Le menti più brillanti del campo sono emerse
vuoto in ogni tentativo di trovare un percorso facile per risposte perfette, e infatti lo sono
sempre più dedito a dimostrare che tali percorsi non esistono che a
cercandoli.
Se non altro, questo dovrebbe offrirci un po 'di consolazione. Se siamo di fronte a un file
problema che sembra nodoso, spinoso, invalicabile ... beh, potremmo avere ragione. E
avere un computer non aiuta necessariamente.
Almeno, a meno che non possiamo imparare a rilassarci.
Ci sono molti modi per alleviare un problema e ne abbiamo visti tre di più
importante. Il primo, Constraint Relaxation, rimuove semplicemente alcuni vincoli
del tutto e fa progressi su una forma più libera del problema prima di venire
Pagina 200
Pagina 201
incontriamo un intoppo, problemi difficili richiedono che invece di far girare le nostre gomme noi
immagina versioni più semplici e affrontale per prime. Se applicato correttamente, non lo è
solo un pio desiderio, non fantasia o oziosi sogni ad occhi aperti. È uno dei nostri modi migliori
di fare progressi.
Pagina 202
9 Casualità
Quando lasciarlo al caso
Devo ammettere che dopo molti anni di lavoro in questo settore, l'efficacia di
la casualità per così tanti problemi algoritmici è assolutamente misteriosa
me. È efficiente, funziona; ma perché e come è assolutamente misterioso.
—MICHAEL RABIN
La casualità sembra l'opposto della ragione: una forma di rinuncia a un
problema, l'ultima risorsa. Lontano da esso. Il ruolo sorprendente e sempre più importante
della casualità nell'informatica ci mostra che fare uso del caso può essere un
parte deliberata ed efficace nell'affrontare i problemi più difficili. Infatti,
ci sono momenti in cui nient'altro andrà bene.
In contrasto con gli algoritmi "deterministici" standard che tipicamente immaginiamo
computer che utilizzano, in cui un passaggio segue un altro esattamente allo stesso modo
ogni volta, un algoritmo randomizzato utilizza numeri generati casualmente per risolvere a
problema. Recenti lavori nel campo dell'informatica hanno dimostrato che ci sono casi in cui
algoritmi randomizzati possono produrre buone risposte approssimative a difficili
domande più velocemente di tutti gli algoritmi deterministici conosciuti. E mentre non lo fanno
garantire sempre le soluzioni ottimali, possono ottenere algoritmi randomizzati
sorprendentemente vicino a loro in una frazione del tempo, semplicemente girando strategicamente un
poche monete mentre i loro cugini deterministici lo sudano.
C'è un messaggio profondo nel fatto che su alcuni problemi, randomizzato
gli approcci possono sovraperformare anche i migliori metodi deterministici. A volte il migliore
la soluzione a un problema è affidarsi al caso piuttosto che cercare di ragionare completamente su un
Pagina 203
risposta.
Ma semplicemente sapere che la casualità può essere utile non è abbastanza buono. tu
bisogno di sapere quando fare affidamento sul caso, in che modo e in che misura. Il
la storia recente dell'informatica fornisce alcune risposte, sebbene la storia
inizia un paio di secoli prima.
Campionamento
Nel 1777, George-Louis Leclerc, conte de Buffon, pubblicò i risultati di un
interessante analisi probabilistica. Se lasciamo cadere un ago su un foglio di carta a righe,
ha chiesto, quanto è probabile che attraversi una delle linee? Il lavoro di Buffon ha dimostrato che se
l'ago è più corto dello spazio tra i blines, la risposta è 2 ⁄ π volte il
la lunghezza dell'ago divisa per la lunghezza dello spazio vuoto. Per Buffon, derivando questo
la formula era sufficiente. Ma nel 1812 Pierre-Simon Laplace, uno degli eroi di
il capitolo 6, ha sottolineato che questo risultato ha un'altra implicazione: si potrebbe stimare
il valore di π semplicemente facendo cadere gli aghi sulla carta.
La proposta di Laplace indicava una profonda verità generale: quando vogliamo
sapere qualcosa su una quantità complessa, possiamo stimarne il valore
campionamento da esso. Questo è esattamente il tipo di calcolo che il suo lavoro su Bayes
La regola ci aiuta a eseguire. Infatti, seguendo il suggerimento di Laplace, diverse persone
hanno eseguito esattamente l'esperimento da lui suggerito, confermando che lo è
possibile, sebbene non particolarmente efficiente, stimare il valore di π in questo
modo pratico. *
Gettare migliaia di aghi su carta a righe rende interessante
passatempo (per alcuni), ma ci è voluto lo sviluppo del computer per realizzarlo
campionamento in un metodo pratico. Prima, quando matematici e fisici
hanno provato a usare la casualità per risolvere i problemi, i loro calcoli dovevano essere
faticosamente elaborato a mano, quindi era difficile generare abbastanza campioni per
produrre risultati accurati. Computer, in particolare il computer sviluppato a Los
Alamos durante la seconda guerra mondiale ha fatto la differenza.
Stanislaw "Stan" Ulam è stato uno dei matematici che hanno contribuito allo sviluppo
la bomba atomica. Cresciuto in Polonia, si è trasferito negli Stati Uniti a
1939, e si è unito al Progetto Manhattan nel 1943. Dopo un breve ritorno al mondo accademico
Pagina 204
era di nuovo a Los Alamos nel 1946, lavorando alla progettazione di termonucleari
Armi. Ma era anche malato: aveva contratto l'encefalite e l'aveva
chirurgia cerebrale d'urgenza. E mentre si riprendeva dalla sua malattia si preoccupava
se avrebbe riacquistato le sue capacità matematiche.
Durante la convalescenza, Ulam ha giocato molte carte, in particolare il solitario (aka
Klondike). Come ogni giocatore di solitario sa, alcuni mescoli del mazzo producono
giochi che non possono essere vinti. Così, mentre suonava Ulam, si chiese un naturale
domanda: qual è la probabilità che un mazzo mescolato produca una vincita
gioco?
In un gioco come il solitario, ragionare nello spazio delle possibilità
diventa quasi istantaneamente travolgente. Capovolgi la prima carta e ci sono cinquanta-
due possibili giochi di cui tenere traccia; capovolgi il secondo e ce ne sono cinquantuno
possibilità per ogni prima carta. Ciò significa che siamo già in migliaia di
possibili giochi prima ancora di iniziare a giocare. F. Scott Fitzgerald ha scritto una volta
che “la prova di un'intelligenza di prim'ordine è la capacità di tenere due idee opposte
in mente allo stesso tempo e mantenere ancora la capacità di funzionare. " Potrebbe essere
vero, ma nessuna intelligenza di prim'ordine, umana o no, può eventualmente contenere il
ottanta unvigintillion possibili ordini di mazzo mescolato in mente e ho qualche speranza di ottenere
funzionamento.
Dopo aver provato alcuni elaborati calcoli combinatori di questo tipo e aver dato
su, Ulam ha adottato un approccio diverso, bello nella sua semplicità: basta suonare il
gioco .
Ho notato che potrebbe essere molto più pratico [provare] ... posare le carte o sperimentare
il processo e notando semplicemente quale proporzione esce con successo, piuttosto che provare a calcolare
tutte le possibilità combinatorie che sono un numero esponenzialmente crescente così grande che, tranne
in casi molto elementari, non c'è modo di stimarlo. Questo è intellettualmente sorprendente, e se no
esattamente umiliante, dà una sensazione di modestia sui limiti del razionale o del tradizionale
pensiero. In un problema sufficientemente complicato, il campionamento effettivo è migliore di un esame di tutti
le catene di possibilità.
Quando dice "meglio", nota che non significa necessariamente che il campionamento lo farà
offrirti risposte più precise che analisi esaustive: ci saranno sempre
qualche errore associato a un processo di campionamento, anche se puoi ridurlo
assicurandoti che i tuoi campioni siano davvero casuali e prendendone sempre di più.
Pagina 205
Ciò che intende è che il campionamento è migliore perché ti dà una risposta a tutti, in
casi in cui nient'altro lo farà.
Anche l'intuizione di Ulam - che il campionamento può avere successo laddove l'analisi fallisce - lo era
cruciale per risolvere alcuni dei difficili problemi di fisica nucleare emersi a
Los Alamos. Una reazione nucleare è un processo di ramificazione, dove le possibilità
si moltiplicano selvaggiamente come nelle carte: una particella si divide in due, ciascuna di
che può continuare a colpire gli altri, facendoli dividere a turno, e così via.
Calcolare esattamente le possibilità di un risultato particolare di quel processo, con
molte, molte particelle che interagiscono, è difficile al punto da renderlo impossibile. Ma
simulandolo, con ogni interazione che è come girare una nuova carta, fornisce
un'alternativa.
Ulam ha sviluppato ulteriormente l'idea con John von Neumann e ha lavorato con
Nicholas Metropolis, un altro dei fisici del Progetto Manhattan, in poi
implementando il metodo sul computer di Los Alamos. Metropolis ha chiamato questo
approccio, sostituendo i calcoli di probabilità esaustivi con il campione
simulazioni: il metodo Monte Carlo , dopo il casinò di Monte Carlo in
Monaco, un luogo ugualmente dipendente dai capricci del caso. Il Los Alamos
il team è stato in grado di usarlo per risolvere i problemi chiave della fisica nucleare. Oggi il
Il metodo Monte Carlo è uno dei capisaldi dell'informatica scientifica.
Molti di questi problemi, come il calcolo delle interazioni del subatomico
particelle o le possibilità di vincere al solitario, sono intrinsecamente esse stesse
probabilistico, risolvendoli così attraverso un approccio casuale come Monte Carlo
ha un bel po 'di senso. Ma forse la realizzazione più sorprendente del
potere di casualità è che può essere utilizzato in situazioni in cui apparentemente il caso
non ha alcun ruolo. Anche se vuoi la risposta a una domanda che è rigorosamente sì
o no, vero o falso - nessuna probabilità al riguardo - il lancio di qualche dado può ancora essere
parte della soluzione.
Algoritmi randomizzati
La prima persona a dimostrare le applicazioni sorprendentemente ampie di
la casualità nell'informatica era Michael Rabin. Nato nel 1931 a Breslavia,
Germania (che divenne Wrocław, Polonia, alla fine della seconda guerra mondiale), Rabin
Pagina 206
era il discendente di una lunga stirpe di rabbini. La sua famiglia ha lasciato la Germania per
Palestina nel 1935, e lì fu deviato dal percorso rabbinico di suo padre
si era stabilito per lui dalla bellezza della matematica, scoprendo quella di Alan Turing
lavora all'inizio della sua carriera universitaria presso l'Università Ebraica e
immigrare negli Stati Uniti per iniziare un dottorato di ricerca a Princeton. Rabin avrebbe continuato
vincere il Premio Turing, l'equivalente informatico di un Nobel, per
estendendo l'informatica teorica per accogliere "non deterministico"
casi, in cui una macchina non è costretta a perseguire una singola opzione ma ne ha più
percorsi che potrebbe seguire. In un anno sabbatico nel 1975, Rabin arrivò al MIT, alla ricerca di un file
nuova direzione di ricerca da perseguire.
L'ha trovato in uno dei problemi più antichi di tutti: come identificare prime
numeri.
Gli algoritmi per trovare i numeri primi risalgono almeno all'antichità
Grecia, dove i matematici usavano un approccio diretto noto come
Setaccio di Erastothenes. Il setaccio di Erastothenes funziona come segue: per trovare tutto
i numeri primi minori di n iniziano scrivendo tutti i numeri da 1 a n in
sequenza. Quindi cancella tutti i numeri che sono multipli di 2, oltre a se stesso
(4, 6, 8, 10, 12 e così via). Prendi il numero successivo più piccolo che non è stato
barrato (in questo caso, 3) e barrato tutti i multipli di quel numero (6, 9, 12,
15). Continua così, e i numeri che rimangono alla fine sono i primi.
Per millenni, si è creduto che lo studio dei numeri primi fosse, come GH Hardy
mettiamola, "uno dei rami più ovviamente inutili" della matematica. Ma ciò
barcollò verso la praticità nel ventesimo secolo, diventando fondamentale in
crittografia e sicurezza online. Come accade, è molto più facile moltiplicarsi
numeri primi insieme piuttosto che rimuoverli. Con numeri primi abbastanza grandi, diciamo a
migliaia di cifre: la moltiplicazione può essere eseguita in una frazione di secondo
il factoring potrebbe richiedere letteralmente milioni di anni; questo fa ciò che è noto
come una "funzione unidirezionale". Nella crittografia moderna, ad esempio, i numeri primi segreti
noto solo al mittente e al destinatario si moltiplicano insieme per creare enormi
numeri compositi che possono essere trasmessi pubblicamente senza timori, sin dal factoring
il prodotto richiederebbe troppo tempo a qualsiasi intercettatore perché valga la pena tentare.
Quindi praticamente tutte le comunicazioni in linea sicure, siano esse commerciali, bancarie o
e-mail: inizia con una caccia ai numeri primi.
Questa applicazione crittografica ha improvvisamente creato algoritmi per trovare e
Pagina 207
Pagina 208
“Michael, questo è Vaughan. Sto ottenendo il risultato di questi esperimenti. Prendi carta e matita
400
e scrivilo. " E così aveva quel 2 −593 è primo. Indichiamo il prodotto di tutti i numeri primi p
inferiore a 300 per k . I numeri k × 338 + 821 ek × 338 + 823 sono numeri primi gemelli. * Questi
costituivano i più grandi numeri primi gemelli conosciuti all'epoca. I miei capelli si rizzarono. È stato incredibile. Era
semplicemente incredibile.
Il test di primalità di Miller-Rabin, come è ora noto, fornisce un modo per farlo
identificare rapidamente anche numeri primi giganteschi con un grado arbitrario di
certezza.
Qui potremmo porre una domanda filosofica su quale sia il significato di "è"
è. Siamo così abituati a che la matematica sia un regno di certezza a cui è stridente
pensare che un numero potrebbe essere "probabilmente primo" o "quasi sicuramente primo".
Quanto è certo abbastanza certo? In pratica, i moderni sistemi crittografici, il
quelli che crittografano le connessioni Internet e le transazioni digitali, sono sintonizzati per un file
tasso di falsi positivi inferiore a uno su un milione di miliardi di miliardi. In altre parole,
è un decimale che inizia con ventiquattro zeri, meno di un falso primo
per il numero di granelli di sabbia sulla Terra. Questo standard arriva dopo appena quaranta
applicazioni del test di Miller-Rabin. È vero che non sei mai del tutto certo ...
ma puoi avvicinarti terribilmente , tremendamente.
Anche se potresti non aver mai sentito parlare del test Miller-Rabin, il tuo laptop,
tablet e telefono lo sanno bene. Diversi decenni dopo la sua scoperta, è ancora il
metodo standard utilizzato per trovare e controllare i numeri primi in molti domini. Sta funzionando
dietro le quinte ogni volta che utilizzi la tua carta di credito online e quasi in qualsiasi momento
comunicazioni sicure vengono inviate via etere o via cavo.
Per decenni dopo il lavoro di Miller e Rabin, non si sapeva se lì
sarebbe mai un algoritmo efficiente che consente di testare la primalità in
moda deterministica, con assoluta certezza. Nel 2002, uno di questi metodi ha ottenuto
scoperto da Manindra Agrawal, Neeraj Kayal e Nitin Saxena all'Indian
Institute of Technology, ma gli algoritmi randomizzati come Miller-Rabin sono molti
più veloci e quindi sono ancora quelli utilizzati nella pratica oggi.
E per alcuni altri problemi, la casualità fornisce ancora l' unico noto
percorso verso soluzioni efficienti. Un curioso esempio dalla matematica è noto come
"Test di identità polinomiale." Se hai due espressioni polinomiali, come
2 x 3 + 13 x 2 + 22 x + 8 e (2 x + 1) × ( x + 2) × ( x + 4), calcolando se quelli
Pagina 209
Pagina 211
Si potrebbe pensare che, una volta che sappiamo che qualcosa è calcolabile , se ci vogliono 10 o 20 secondi
i secondi per calcolare sono ovviamente la preoccupazione degli ingegneri piuttosto che dei filosofi. Ma quello
1010
La conclusione non sarebbe così ovvia, se la domanda fosse una di 10 secondi contro 10 secondi!
E in effetti, nella teoria della complessità, i divari quantitativi a cui teniamo sono di solito così vasti che uno ha
considerarli anche lacune qualitative. Pensa, ad esempio, alla differenza tra la lettura di un file
Libro di 400 pagine e lettura di ogni possibile libro del genere, o tra la scrittura di mille cifre
numero e contando fino a quel numero.
Pagina 212
distribuisce trasferimenti di denaro incondizionati a persone che vivono in condizioni di estrema povertà in
Kenya e Uganda. Ha attirato l'attenzione per aver ripensato la carità convenzionale
pratiche su più livelli: non solo nella sua insolita missione, ma nel livello
di trasparenza e responsabilità che apporta al proprio processo. E l'ultima
elemento dello status quo che è difficile sono le storie di successo.
"Se controlli regolarmente il nostro sito Web, blog o pagina Facebook", scrive il programma
assistente Rebecca Lange, "potresti aver notato qualcosa che non vedi spesso:
storie e foto dei nostri destinatari ". Il problema non è che le storie luminose
offerto da altri enti di beneficenza non è vero. Piuttosto, il fatto stesso che lo fossero
scelto deliberatamente per mostrare i successi non è chiaro quanto
le informazioni possono essere raccolte da loro. Quindi GiveDirectly ha deciso di dare una svolta
anche questa pratica convenzionale.
Ogni mercoledì, il team di GiveDirectly seleziona a caso un destinatario di contanti,
invia un ufficiale sul campo per intervistarli e pubblica le note dell'ufficiale sul campo
testualmente, non importa cosa. Ad esempio, ecco la loro prima intervista del genere, con a
donna di nome Mary, che ha usato i soldi per un tetto di lamiera: *
È riuscita a costruire una casa migliore e quella era una casa in scatola. È stata anche in grado di acquistare un set di divani
per la sua casa. La sua vita è cambiata perché aveva un tetto che perdeva assorbendo
tutto in casa ogni volta che pioveva. Ma grazie al trasferimento è riuscita a fare di meglio
casa in scatola.
"Ci auguriamo che questo ti dia fiducia in tutti i tipi di informazioni che condividiamo
con te ", scrive Lange," e forse ti ispira anche a tenere gli altri
organizzazioni a un livello superiore. "
Il compromesso in tre parti
Immediatamente mi sono reso conto di quale qualità sia andata a formare un uomo di successo,
soprattutto nella letteratura, e che Shakespeare possedeva così enormemente -
Intendo capacità negativa, cioè quando un uomo è in grado di essere dentro
incertezze, misteri, dubbi, senza alcun irritante allungamento del fatto
e ragione.
—JOHN KEATS
Pagina 213
—JOHN KEATS
Non esiste la certezza assoluta, ma c'è la certezza
sufficiente per gli scopi della vita umana.
Pagina 214
in una serie di equazioni che controllano essenzialmente la presenza di "testimoni" della sua novità.
(Piuttosto che proclamare " n non è primo", queste equazioni dicono "non ho visto n
prima. ") Se sei disposto a tollerare un tasso di errore di appena l'1% o il 2%, memorizzare il tuo
i risultati in una struttura dati probabilistica come un filtro Bloom ti salveranno
quantità significative di tempo e spazio. E l'utilità di tali filtri lo è
non limitato ai motori di ricerca: i filtri Bloom sono stati forniti con un numero di
browser Web recenti per controllare gli URL rispetto a un elenco di siti Web dannosi noti,
e sono anche una parte importante delle criptovalute come Bitcoin.
Dice Mitzenmacher: "L'idea dello spazio di compromesso dell'errore, penso che sia il problema
è che le persone non lo associano al computer. Pensano che lo siano i computer
dovrebbe darti la risposta. Quindi, quando ascolti nella tua classe di algoritmi,
«Dovrebbe darti una risposta; potrebbe non essere la risposta giusta »- mi piace
pensare che quando [gli studenti] lo sentono, li focalizza. Penso che le persone non lo facciano
realizzano nella loro vita quanto lo fanno e lo accettano. "
—RICHARD KENNEY
La casualità ha anche dimostrato di essere un'arma potente per risolvere discreti
problemi di ottimizzazione, come l'assemblaggio del calendario per il basket NCAA o
trovare il percorso più breve per un venditore ambulante. Nel capitolo precedente abbiamo
visto come il rilassamento può svolgere un ruolo importante nel ridurre tali problemi a misura,
ma l'uso tattico della casualità è emerso come forse anche di più
tecnica importante.
Immagina di mettere insieme una vacanza in dieci città, la tua
versione del problema del venditore ambulante: inizierai e finirai a San
Francisco e visitare Seattle, Los Angeles, New York, Buenos Aires, Londra,
Amsterdam, Copenaghen, Istanbul, Delhi e Kyoto. Potresti non esserlo anche tu
preoccupato per la lunghezza totale del percorso, ma probabilmente lo vuoi
minimizzare il costo monetario del viaggio. La prima cosa da notare qui è che anche
Pagina 215
sebbene dieci città non sembrino quasi tante, il numero di itinerari possibili è dieci
fattoriale: più di tre milioni e mezzo. In altre parole, non c'è niente di pratico
modo per controllare semplicemente ogni permutazione e scegliere il prezzo più basso. tu
devono lavorare in modo più intelligente di così.
Per il tuo primo tentativo di itinerario, potresti prendere il più economico
volo in partenza da San Francisco (diciamo che è Seattle), prendendo poi il volo più economico
da lì a una qualsiasi delle altre città rimanenti (chiamatela Los Angeles), poi il
più economico da lì (ad esempio, New York) e così via, fino a quando non sei nella tua decima città
e da lì voli di nuovo a San Francisco. Questo è un esempio di un cosiddetto
algoritmo avido, che puoi anche pensare come un "algoritmo miope": uno quello
miope prende la cosa migliore disponibile in ogni fase del processo. Nella programmazione
teoria, come abbiamo visto nel capitolo 5, un algoritmo avido, per esempio, sempre funzionante
il lavoro più breve disponibile, senza guardare o pianificare oltre, a volte può
essere tutto ciò che un problema richiede. In questo caso, per il problema del venditore ambulante,
la soluzione data dall'algoritmo avido probabilmente non è terribile, ma è probabile
essere lontano dal meglio che puoi fare.
Dopo aver assemblato un itinerario di base, potresti provare alcune alternative
apportando lievi perturbazioni alla sequenza della città e vedendo se questo fa un
miglioramento. Ad esempio, se andiamo prima a Seattle, poi a Los Angeles,
possiamo provare a fare quelle città in ordine inverso: prima LA, poi Seattle. Per ogni
dato l'itinerario, possiamo fare undici di queste infradito da due città; diciamo che ci proviamo
tutti e poi vai con quello che ci fa risparmiare. Da qui
abbiamo un nuovo itinerario con cui lavorare, e possiamo iniziare permutando che uno,
ancora alla ricerca del miglior miglioramento locale. Questo è un algoritmo noto come Hill
Arrampicata: dalla ricerca attraverso uno spazio di soluzioni, alcune migliori e altre ancora
peggio, è comunemente pensato in termini di paesaggio con colline e valli,
dove il tuo obiettivo è raggiungere la vetta più alta.
Alla fine ti ritroverai con una soluzione migliore di tutte le sue
permutazioni; non importa quale adiacente si ferma, niente lo batte. È qui
che l'arrampicata si ferma. Significa che hai sicuramente trovato il singolo
miglior itinerario possibile, però? Purtroppo no. Potresti aver trovato solo un cosiddetto
"Massimo locale", non il massimo globale di tutte le possibilità. La collina-
il paesaggio di arrampicata è nebbioso. Puoi sapere che stai su a
cima di una montagna perché il terreno cade in tutte le direzioni, ma potrebbe esserci
Pagina 216
una montagna più alta appena oltre la valle successiva, nascosta dietro le nuvole.
Un "panorama degli errori", che descrive come la qualità della soluzione può variare a seconda delle diverse possibilità.
Considera l'aragosta bloccata nella trappola per aragoste: povera bestia, non si rende conto
che uscire dalla gabbia significa tornare indietro al centro della gabbia, che deve andare
più in profondità nella gabbia per farlo fuori. Una trappola per aragoste non è altro che un locale
massimo fatto di filo - un massimo locale che uccide.
Nel caso della pianificazione delle vacanze, i massimi locali sono fortunatamente meno fatali, ma
hanno lo stesso carattere. Anche una volta che abbiamo trovato una soluzione che non può essere
migliorato da eventuali piccole modifiche, è possibile che ci manchi ancora il globale
massimo. Il vero miglior itinerario può richiedere una radicale revisione del viaggio:
facendo interi continenti in un ordine diverso, per esempio, o procedendo verso ovest
invece che verso est. Potremmo aver bisogno di peggiorare temporaneamente la nostra soluzione, se lo vogliamo
per continuare a cercare miglioramenti. E la casualità fornisce una strategia:
in realtà, diverse strategie, per fare proprio questo.
Pagina 217
sembra che tu sia bloccato, mescola un po 'le cose. Apporta alcune piccole modifiche casuali
(anche se sono in peggio), poi torna a Hill Climbing; vedi se finisci
a un picco più alto.
Un altro approccio consiste nel rimescolare completamente la nostra soluzione quando raggiungiamo un
locale massimo e ricominciare l'arrampicata in collina da questo nuovo inizio casuale
punto. Questo algoritmo è noto, in modo abbastanza appropriato, come "Random-Restart Hill
Climbing "o, in modo più colorato," Shotgun Hill Climbing ". È una strategia quella
si rivela molto efficace quando ci sono molti massimi locali in un problema. Per
ad esempio, gli informatici utilizzano questo approccio quando cercano di decifrare i codici,
poiché ci sono molti modi per iniziare a decrittografare un messaggio che sembra promettente
prima ma finiscono per essere vicoli ciechi. Nella decrittazione, avere un testo che sembra
un po 'vicino a un inglese sensato non significa necessariamente che tu sia nemmeno attivo
la strada giusta. Quindi a volte è meglio non attaccarsi troppo a un'iniziale
direzione che si mostra promettente, e semplicemente ricomincia da capo.
Ma c'è anche un terzo approccio: invece di passare alla casualità totale
quando sei bloccato, usa un po 'di casualità ogni volta che fai un file
decisione. Questa tecnica, sviluppata dalla stessa squadra di Los Alamos che ha inventato
con il Metodo Monte Carlo, è chiamato Metropolis Algorithm . Il
Metropolis Algorithm è come Hill Climbing, provando diversi su piccola scala
ritocchi su una soluzione, ma con una differenza importante: in un dato punto, esso
accetterà potenzialmente sia modifiche sbagliate che buone.
Possiamo immaginare di applicare questo al nostro problema di pianificazione delle vacanze. Ancora una volta, noi
prova a modificare la nostra soluzione proposta oscillando tra le posizioni dei diversi
città. Se un tweak generato in modo casuale al nostro percorso di viaggio si traduce in un file
miglioramento, quindi lo accettiamo sempre e continuiamo a modificare da lì. Ma se
l'alterazione peggiorerebbe le cose, c'è ancora una possibilità che ce ne andiamo
con esso comunque (anche se peggiore è l'alterazione, minore è la possibilità).
In questo modo, non resteremo bloccati in nessun massimo locale per molto tempo: alla fine
proveremo un'altra soluzione vicina, anche se più costosa, e
potenzialmente essere sulla buona strada per elaborare un nuovo e migliore piano.
Che si tratti di jitter, riavvii casuali o possibilità di peggioramento occasionale,
la casualità è incredibilmente utile per evitare i massimi locali. Il caso non è solo un
modo praticabile di affrontare i problemi di ottimizzazione difficili; in molti casi lo è
essenziale. Tuttavia, alcune domande persistono. Quanta casualità dovresti
Pagina 218
Ricottura simulata
Tra la fine degli anni '70 e l'inizio degli anni '80, Scott Kirkpatrick si considerava un
fisico, non uno scienziato informatico. In particolare, Kirkpatrick era interessato
fisica statistica, che usa la casualità come un modo per spiegare certi aspetti naturali
fenomeni, ad esempio la fisica della ricottura, il modo in cui i materiali
cambiano stato man mano che vengono riscaldati e raffreddati. Forse il più interessante
caratteristica della ricottura è la velocità con cui un materiale viene raffreddato
tende ad avere un impatto enorme sulla sua struttura finale. Come spiega Kirkpatrick:
La crescita di un singolo cristallo da una fusione [viene] eseguita mediante un'attenta ricottura, prima fondendo la sostanza, quindi
abbassando lentamente la temperatura, e trascorrendo molto tempo a temperature prossime a
punto di congelamento. Se ciò non viene fatto e la sostanza può uscire dall'equilibrio, il risultato
il cristallo avrà molti difetti, oppure la sostanza può formare un vetro, senza ordine cristallino.
Kirkpatrick lavorava allora in IBM, dove uno dei più grandi, complicati e
I problemi più sacri erano come disporre i circuiti sui chip che IBM
stava fabbricando. Il problema era sgraziato e intrattabile: c'era un
vasta gamma di possibili soluzioni da considerare e alcuni complicati vincoli. It
In generale era meglio che i componenti fossero vicini tra loro, ad esempio, ma
non troppo vicino, altrimenti non ci sarebbe spazio per i fili. E ogni volta che ti sei trasferito
qualsiasi cosa, dovresti ricalcolare come tutti i fili funzionerebbero nel nuovo
layout ipotetico.
A quel tempo, questo processo era guidato da una figura criptica di tipo guru
all'interno di IBM. Come ricorda Kirkpatrick, “Il ragazzo che era il migliore in IBM
spremere più circuiti su un chip ... aveva il modo più misterioso di
spiegando cosa stava facendo. Non gli piaceva dirtelo davvero. "
Dan Gelatt, amico di Kirkpatrick e collega IBM, è rimasto affascinato dal
Pagina 219
problema, e rapidamente agganciato Kirkpatrick, che ha avuto un lampo di intuizione. "La via
studiare [i sistemi fisici] significava riscaldarli, poi raffreddarli e lasciarli
il sistema si organizza. Da quello sfondo, sembrava perfettamente
cosa naturale trattare tutti i tipi di problemi di ottimizzazione come se i gradi di
la libertà che stavi cercando di organizzare erano piccoli atomi, o giri, o cosa
hai."
In fisica, ciò che chiamiamo "temperatura" è in realtà velocità, movimento casuale a
la scala molecolare. Questo era direttamente analogo, ragionò Kirkpatrick, al
jitter casuale che può essere aggiunto a un algoritmo di salita per realizzarlo
a volte si torna indietro da soluzioni migliori a soluzioni peggiori. In effetti, il Metropolis
L'algoritmo stesso era stato inizialmente progettato per modellare il comportamento casuale in
sistemi fisici (in quel caso, esplosioni nucleari). Quindi cosa succederebbe
Kirkpatrick si è chiesto se hai trattato un problema di ottimizzazione come una ricottura
problema - se lo "riscaldi" e poi lo "raffreddassi" lentamente?
Prendendo il problema delle vacanze in dieci città dall'alto, potremmo iniziare da "alto
temperatura ”scegliendo del tutto a caso il nostro itinerario di partenza, cogliendone uno
dall'intero spazio di possibili soluzioni indipendentemente dal prezzo. Allora possiamo
iniziare a "raffreddare" lentamente la nostra ricerca lanciando un dado ogni volta che ci troviamo
considerando una modifica alla sequenza della città. Prendendo sempre una variazione superiore
ha senso, ma prenderemmo solo quelli inferiori quando il dado mostra, diciamo, un 2
o più. Dopo un po ', lo raffredderemmo ulteriormente apportando solo una variazione di prezzo più alta
se il dado mostra un 3 o più, allora 4, poi 5. Alla fine saremmo per lo più in collina
arrampicandosi, facendo il movimento inferiore solo occasionalmente quando il dado mostra un 6.
Alla fine avremmo iniziato a salire solo in salita e ci fermeremo quando avremmo raggiunto il prossimo locale
max.
Questo approccio, chiamato Simulated Annealing , sembrava un modo intrigante
per mappare la fisica sulla risoluzione dei problemi. Ma funzionerebbe? La reazione iniziale
tra i ricercatori di ottimizzazione più tradizionali era che l'intero approccio
sembrava solo un po 'troppo ... metaforico. “Non sono riuscito a convincere i matematici
questa roba disordinata con le temperature, tutta questa roba basata sull'analogia, era reale ", dice
Kirkpatrick, "perché i matematici sono addestrati a diffidare davvero dell'intuizione".
Ma ogni sfiducia riguardo all'approccio basato sull'analogia sarebbe presto svanita: at
Gli algoritmi di annealing simulato di IBM, Kirkpatrick e Gelatt hanno iniziato a produrre
layout di chip migliori rispetto al guru. Piuttosto che mantenere la mamma sul loro segreto
Pagina 220
armi e diventare figure di guru criptiche essi stessi, hanno pubblicato la loro
metodo in un articolo su Science , aprendolo ad altri. Nei prossimi decenni,
quel giornale sarebbe stato citato ben trentaduemila volte. Ad oggi,
La ricottura simulata rimane uno degli approcci più promettenti a
problemi di ottimizzazione noti sul campo.
Non sono un giocatore d'azzardo, lo stavo prendendo in giro per le sue inevitabili perdite, quando improvvisamente ha colpito il
jackpot, circa tre dollari in centesimi, mi diede un'occhiataccia e se ne andò. In quel momento ho iniziato
riflettere sulla numerologia attuale delle slot machine; così facendo mi è venuto in mente quello spazio
macchine e mutazioni batteriche hanno qualcosa da insegnarsi a vicenda.
Negli anni '40 non si sapeva esattamente perché o come resistessero i batteri
i virus (e, del resto, agli antibiotici) sono nati. Erano reazioni
all'interno dei batteri al virus, o c'erano semplicemente mutazioni in corso che
occasionalmente ha prodotto resistenza per caso? Non sembrava esserci modo di concepire un file
esperimento che offrirebbe una risposta decisiva in un modo o nell'altro, ovvero
finché Luria non vide quella slot machine e qualcosa scattò. Luria si rese conto che se lui
ha allevato diverse generazioni di diversi lignaggi di batteri, quindi ha esposto l'ultimo
generazione a un virus, accadrebbe una delle due cose radicalmente diverse. Se
la resistenza era una risposta al virus, si aspettava più o meno la stessa quantità di
batteri resistenti a comparire in ognuna delle sue colture batteriche, indipendentemente da
il loro lignaggio. D'altra parte, se la resistenza è emersa da mutazioni casuali,
si aspetterebbe di vedere qualcosa di molto più irregolare, proprio come quello di una slot machine
Pagina 221
pagamenti. Cioè, i batteri della maggior parte dei lignaggi non mostrerebbero alcuna resistenza;
alcuni lignaggi avrebbero avuto un'unica cultura di "nipote" che era mutata in
diventare resistente; e in rare occasioni, se fosse avvenuta la mutazione appropriata
diverse generazioni dopo l '"albero genealogico", ci sarebbe stato un jackpot: tutti i
I "nipoti" nel lignaggio sarebbero stati resistenti. Luria ha lasciato il ballo non appena
poteva e mettere in moto l'esperimento.
Dopo diversi giorni di attesa tesa e irrequieta, Luria tornò al laboratorio per controllare
sulle sue colonie. Montepremi.
La scoperta di Luria riguardava il potere del caso: su quanto casuale,
mutazioni casuali possono produrre resistenza virale. Ma era anche, almeno in parte,
A causa della forza del caso. Era nel posto giusto al momento giusto, dove
vedere la slot machine ha innescato una nuova idea. I racconti di scoperte spesso presentano un file
momento simile: la mela (forse apocrifa) di Newton, la vasca da bagno di Archimede
"Eureka!", La capsula di Petri trascurata in cui è cresciuta la muffa di Penicillium . In effetti, è un file
fenomeno abbastanza comune che una parola è stata inventata per catturarlo: nel 1754,
Horace Walpole ha coniato il termine "serendipity", basato sulle avventure delle fiabe
dei Tre Principi di Serendip (Serendip è il nome arcaico di Sri
Lanka), che “facevano sempre scoperte, per caso e per sagacia, di
cose per le quali non erano alla ricerca. "
Questo doppio ruolo della casualità: una parte fondamentale della biologia, una parte fondamentale di
scoperta - ha ripetutamente attirato l'attenzione degli psicologi che vogliono spiegare
creatività umana. Un primo esempio di questa idea è stato offerto da William James.
Nel 1880, essendo stato recentemente nominato professore assistente di psicologia presso
Harvard, ea dieci anni dalla pubblicazione dei suoi definitivi Principles of
Psicologia , James ha scritto un articolo sull'Atlantic Monthly intitolato "Great Men,
Grandi pensieri e l'ambiente. " L'articolo si apre con la sua tesi:
Un notevole parallelismo, che a mia conoscenza non è mai stato notato, si ottiene tra i fatti di
l'evoluzione sociale e la crescita mentale della razza, da un lato, e dell'evoluzione zoologica, come
esposto dal signor Darwin, dall'altro.
Nel momento in cui James scriveva, l'idea di "evoluzione zoologica" era ancora fresca
- On the Origin of Species essendo stato pubblicato nel 1859 e Mr. Darwin
lui stesso ancora vivo. James ha discusso di come applicare le idee evolutive
Pagina 222
Nuove concezioni, emozioni e tendenze attive che evolvono sono originariamente prodotte nella forma
di immagini casuali, fantasie, nascite accidentali di variazione spontanea nell'attività funzionale di
il cervello umano eccessivamente instabile, che l'ambiente esterno semplicemente conferma o confuta,
adotta o rifiuta, conserva o distrugge - seleziona , in breve, proprio come seleziona morfologico e sociale
variazioni dovute a incidenti molecolari di tipo analogo.
James vedeva quindi la casualità come il cuore della creatività. E lui credeva che lo fosse
ingrandito nelle persone più creative. In loro presenza, ha scritto, “sembriamo
improvvisamente introdotto in un ribollente calderone di idee, dove tutto è
frizzante e ballonzolante in uno stato di attività sconcertante, dove le collaborazioni
può essere unito o allentato in un istante, la routine del tapis roulant è sconosciuta e il file
inaspettato sembra l'unica legge. " (Notare qui la stessa intuizione di "ricottura",
radicato nelle metafore della temperatura, dove la permutazione selvaggia è uguale al calore.)
L'istanza moderna della teoria di James appare nel lavoro di Donald
Campbell, uno psicologo vissuto cento anni dopo. Nel 1960, Campbell
ha pubblicato un documento intitolato “Blind Variation and Selective Retention in Creative
Pensiero come in altri processi di conoscenza. " Come James, ha aperto con il suo
tesi centrale: “Un processo di variazione cieca e di ritenzione selettiva è fondamentale
a tutte le conquiste induttive, a tutti i veri aumenti di conoscenza, a tutti
aumenta l'adattamento del sistema all'ambiente. " E come James è stato ispirato
evoluzione, pensando all'innovazione creativa come risultato dell'essere di nuove idee
generato casualmente e astute menti umane che conservano il meglio di quelle idee.
Campbell sostenne generosamente la sua argomentazione con citazioni di altri scienziati e
matematici sui processi alla base delle proprie scoperte. Il
fisici e filosofi del diciannovesimo secolo Ernst Mach e Henri Poincaré
entrambi sembravano offrire un resoconto simile a quello di Campbell, con Mach che andava così lontano
quanto a dichiarare che "così devono essere spiegate le dichiarazioni di Newton, Mozart,
Richard Wagner e altri, quando dicono quel pensiero, melodie e
le armonie si erano riversate su di loro e che avevano semplicemente mantenuto il diritto
quelli. "
Quando si tratta di stimolare la creatività, una tecnica comune è l'introduzione di un file
Pagina 223
elemento casuale, come una parola con cui le persone devono formare associazioni. Per
Ad esempio, il musicista Brian Eno e l'artista Peter Schmidt hanno creato un mazzo di carte
note come strategie oblique per risolvere problemi creativi. Scegli una carta, qualsiasi
carta e otterrai una nuova prospettiva casuale sul tuo progetto. (E se quello
sembra troppo lavoro, ora puoi scaricare un'app che prenderà una carta
per te.) Il racconto di Eno del motivo per cui hanno sviluppato le carte ha chiari parallelismi con
l'idea di sfuggire ai massimi locali:
Quando sei nel bel mezzo di qualcosa, dimentichi le cose più ovvie. Vieni fuori
lo studio e pensi "perché non ci siamo ricordati di fare questo o quello?" Queste [carte] sono davvero giuste
modi per buttarti fuori dalla cornice, per rompere un po 'il contesto, in modo da non farti parte di una band
uno studio incentrato su una canzone, ma siete persone vive e nel mondo e consapevoli di molte cose
anche altre cose.
Essere agitato in modo casuale, buttato fuori dall'inquadratura e concentrato su una scala più ampia,
fornisce un modo per lasciare ciò che potrebbe essere buono a livello locale e tornare all'inseguimento
di ciò che potrebbe essere ottimale a livello globale.
E non è necessario essere Brian Eno per aggiungere un po 'di stimolazione casuale al tuo
vita. Wikipedia, ad esempio, offre un collegamento "Articolo casuale", e Tom lo è stato
usandolo come home page predefinita del browser per diversi anni, vedendo un file
ha selezionato la voce di Wikipedia ogni volta che apre una nuova finestra. Mentre questo non ha
eppure ha portato a scoperte sorprendenti, ora sa molto su alcuni oscuri
argomenti (come il tipo di coltello utilizzato dalle forze armate cilene) e si sente
che alcuni di questi hanno arricchito la sua vita. (Ad esempio, ha imparato che esiste
una parola in portoghese per un "desiderio vago e costante di qualcosa che fa
non e probabilmente non può esistere ”, un problema che ancora non possiamo risolvere con una ricerca
motore.) Un effetto collaterale interessante è che ora ha anche un senso migliore non solo
di quali argomenti vengono trattati su Wikipedia, ma anche di quale casualità
sembra davvero. Ad esempio, pagine a cui sembra di avere una connessione
lui - articoli su persone o luoghi che conosce - si presentano con quello che sembra
frequenza sorprendente. (In un test, ha ottenuto "Members of the Western Australian
Consiglio legislativo, 1962-1965 ”dopo solo due ricariche, ed è cresciuto in
Western Australia.) Sapendo che questi sono effettivamente generati casualmente fa
è possibile calibrarsi meglio per valutare altre “coincidenze” in
Pagina 224
Pagina 225
10 Rete
Come ci colleghiamo
Pagina 226
vero telefono cellulare: un telefono cellulare palmare, portatile, vero. " ("Io non
ricorda esattamente quello che ha detto ", ricorda Cooper," ma è stato davvero tranquillo per a
mentre. La mia ipotesi era che stesse digrignando i denti. ")
E il messaggio di testo iniziò, il 3 dicembre 1992, con allegria: Neil
Papworth presso Sema Group Telecoms augura presto a Richard Jarvis di Vodafone
"Buon Natale."
Gli inizi di Internet furono, in qualche modo opportunamente, molto più umili e
più infausto di tutto questo. Era il 29 ottobre 1969 e Charley Kline a
L'UCLA ha inviato a Bill Duvall presso lo Stanford Research Institute il primo messaggio
mai trasmesso da un computer a un altro tramite ARPANET. Il messaggio
era "login", o lo sarebbe stato se la macchina ricevente non si fosse arrestata in modo anomalo dopo
"Ecco."
Con amore, Kline riuscì a sembrare portentoso e malgrado l'Antico Testamento
lui stesso.
Il fondamento della connessione umana è il protocollo, una convenzione condivisa di
procedure e aspettative, da strette di mano e saluti all'etichetta, educazione,
e l'intera gamma di norme sociali. La connessione della macchina non è diversa. Protocollo
è come arriviamo sulla stessa pagina; infatti, la parola è radicata nel greco
protokollon , "prima colla", che si riferiva alla pagina esterna allegata a un libro o
manoscritto.
Negli affari interpersonali, questi protocolli si dimostrano una fonte sottile ma perenne di
ansia. Ho inviato un messaggio a tal dei tali molti giorni fa; a che punto devo
iniziare a sospettare di non averlo mai ricevuto? Adesso sono le 12:05 e la nostra chiamata è stata impostata
per mezzogiorno; ci aspettiamo entrambi che sia quello che chiama? La tua risposta
sembra strano; ti ho capito male o mi hai capito male? Vieni di nuovo?
La maggior parte della nostra tecnologia di comunicazione, dal telegrafo al testo, lo è
ci ha semplicemente fornito nuovi canali per sperimentare questi familiari
persona sfide. Ma con Internet, i computer non sono diventati solo il canale
ma anche gli endpoint: quelli che parlano. In quanto tali, dovevano esserlo
responsabile della risoluzione dei propri problemi di comunicazione. Queste macchine per
i problemi della macchina - e le loro soluzioni - imitano e illuminano allo stesso tempo i nostri.
Commutazione di pacchetto
Pagina 227
Ciò che ora pensiamo come "Internet" è in realtà una raccolta di molti
protocolli, ma il principale tra loro (tanto che spesso viene indicato di più
o meno sinonimo di Internet) è ciò che è noto come Trasmissione
Protocollo di controllo o TCP. Nasce da un discorso del 1973 e da un articolo del 1974 di
Vinton "Vint" Cerf e Robert "Bob" Kahn, che hanno presentato una proposta per il
linguaggio di, come immaginavano di chiamarlo, un "internetwork".
TCP inizialmente utilizzava linee telefoniche, ma è più appropriato considerato come il
evoluzione della posta piuttosto che del telefono. Le telefonate utilizzano ciò che viene chiamato
“Commutazione circuito”: il sistema apre un canale tra il mittente e il
ricevitore, che fornisce una larghezza di banda costante tra le parti in entrambe
indicazioni finché dura la chiamata. La commutazione del circuito ha molto senso per
l'interazione umana, ma già negli anni '60 era chiaro che questo paradigma
non avrebbe funzionato per le comunicazioni della macchina.
Come ricorda Leonard Kleinrock dell'UCLA,
Sapevo che i computer, quando parlano, non parlano come sono adesso, continuamente. Vanno
esplosione! e stanno zitti per un po '. Poco dopo, improvvisamente si avvicinano e sparano di nuovo. E
non puoi permetterti di dedicare una connessione di comunicazione a qualcosa che non è quasi mai
parlando, ma quando vuole parlare vuole un accesso immediato. Quindi non abbiamo dovuto usare il telefono
rete, che è stata progettata per la conversazione continua - la rete di commutazione di circuito - ma qualcosa
altro.
Sono andato ad AT&T, la rete più grande dell'epoca, e ho spiegato loro che dovreste darci
buone comunicazioni di dati. E la loro risposta è stata, di cosa stai parlando? Gli Stati Uniti sono un
miniera di rame, è piena di cavi telefonici, usala. Ho detto no, no, non capisci. Ci vogliono 35
secondi per impostare una chiamata, mi addebiti un minimo di 3 minuti e voglio inviare 100 millisecondi
di dati! E la loro risposta fu: "Ragazzino, vattene". Così il ragazzino se ne andò e, con gli altri,
ha sviluppato questa tecnologia che ha mangiato il loro pranzo.
La tecnologia che ha mangiato il pranzo della commutazione di circuito sarebbe diventata nota come
Pagina 228
Pagina 229
mittente e destinatario in realtà non si preoccupano di come vengono consegnati i pacchetti. La capacità
per operare in modo agnostico su un numero qualsiasi di media diversi sarebbe un pacchetto
la grande virtù della commutazione. Dopo le prime reti alla fine degli anni '60 e all'inizio degli anni '70,
come ARPANET, ha dimostrato la fattibilità del concetto, reti di tutti i tipi
iniziò a spuntare in tutto il paese, effettuando la commutazione di pacchetto non solo su rame
cavi telefonici, ma via satellite e via radio. Nel 2001, un gruppo di computer
scienziati della città norvegese di Bergen hanno anche implementato brevemente un pacchetto
commutazione di rete su "Avian Carrier", ovvero pacchetti annotati
carta e legato ai piedi dei piccioni.
Naturalmente, la commutazione di pacchetto non sarebbe priva di problemi. Per
principianti, una delle prime domande per qualsiasi protocollo, umano o macchina, è abbastanza
semplicemente: come fai a sapere che i tuoi messaggi stanno arrivando?
Riconoscimento
Nessuna trasmissione può essere affidabile al 100%.
Pagina 230
mai arrivare.
Il primo generale, diciamo, suggerisce un momento per l'attacco, ma non oserà farlo
a meno che non sappia per certo che anche il suo compagno si sta muovendo. Il secondo generale
riceve gli ordini e manda indietro una conferma, ma non oserà attaccare a meno che
sa che il primo generale ha ricevuto quella conferma (poiché altrimenti il
il primo generale non andrà). Il primo generale riceve la conferma - ma
non attaccherà finché non sarà certo che il secondo generale sa di averlo fatto. A seguire
questa catena logica richiede una serie infinita di messaggi, e ovviamente quello
non va bene. La comunicazione è una di quelle cose deliziose che funzionano solo in
pratica; in teoria è impossibile.
Nella maggior parte degli scenari, le conseguenze degli errori di comunicazione sono raramente così
terribile, e il bisogno di certezza raramente così assoluto. In TCP, un errore in generale
porta alla ritrasmissione piuttosto che alla morte, quindi è considerato sufficiente per una sessione
per cominciare con quella che viene chiamata "tripla stretta di mano". Il visitatore dice ciao, il
il server riconosce il ciao e lo saluta, il visitatore riconosce
che, e se il server riceve questo terzo messaggio, allora non c'è ulteriore conferma
necessario e vanno alle gare. Anche dopo aver effettuato questa connessione iniziale,
tuttavia, c'è ancora il rischio che alcuni pacchetti successivi possano essere danneggiati o persi
transito o arrivo fuori servizio. Nella posta, la consegna del pacco può essere
confermato tramite ricevute di ritorno; online, la consegna del pacchetto è confermata da cosa sono
chiamati pacchetti di riconoscimento o ACK. Questi sono fondamentali per il funzionamento
della rete.
Il modo in cui funzionano gli ACK è semplice e intelligente. Dietro le quinte di
tripla stretta di mano, ciascuna macchina fornisce all'altra una sorta di numero di serie
- ed è chiaro che ogni pacchetto inviato successivamente incrementerà quelli seriali
numeri di uno ogni volta, come gli assegni in un libretto degli assegni. Ad esempio, se il tuo
computer avvia il contatto con un server web, potrebbe inviare a quel server, ad esempio, il file
numero 100. L'ACK inviato dal server specificherà a sua volta il numero di serie in
che inizieranno i pacchetti del server (chiamatelo 5.000) e diranno anche
"Pronto per 101." L'ACK della tua macchina porterà il numero 101 e lo farà
trasmettere a sua volta "Pronto per 5,001". (Notare che questi due schemi di numerazione sono
totalmente indipendente e il numero che inizia ogni sequenza è tipicamente
scelto a caso.)
Questo meccanismo offre un modo pronto per individuare quando i pacchetti sono andati
Pagina 231
fuori strada. Se il server si aspetta 101 ma invece ottiene 102, invierà un ACK a
pacchetto 102 che dice ancora "Pronto per 101". Se poi riceve il pacchetto 103, dirà,
di nuovo, "Pronto per 101". Tre di questi ACK ridondanti di seguito segnalerebbero a
la tua macchina che 101 non è solo ritardata ma irrimediabilmente scomparsa, quindi verrà nuovamente inviata
quel pacchetto. A quel punto, il server (che ha conservato i pacchetti 102 e 103) lo farà
inviare un ACK dicendo "Pronto per 104" per segnalare che la sequenza è stata
restaurato.
Tutti questi riconoscimenti possono effettivamente arrivare a una quantità considerevole di
traffico. Pensiamo, diciamo, a un trasferimento di file di grandi dimensioni come un'operazione unidirezionale, ma in realtà
il destinatario sta inviando centinaia di "messaggi di controllo" al mittente. UN
rapporto della seconda metà del 2014 ha mostrato che quasi il 10% dell'upstream
Il traffico Internet nelle ore di punta era dovuto a Netflix, a cui tendiamo a pensare
come l'invio di dati quasi esclusivamente a valle , agli utenti. Ma tutto quel video
genera un numero enorme di ACK.
Nella sfera umana, l'ansia che il messaggio venga effettivamente ricevuto
allo stesso modo pervade la conversazione. Un oratore potrebbe inconsciamente aggiungere "Tu
conoscere?" fino alla fine di ogni frase, e un ascoltatore, da parte sua, non può fare a meno
fare un flusso costante di cenni, yeahs, aye-ayes, roger-thats, ten-fours, uh-huhs.
Lo facciamo anche faccia a faccia, ma durante una telefonata a volte è l'unico modo per farlo
sapere che la chiamata è ancora in corso. Non c'è da stupirsi che il maggior successo
La campagna di marketing del ventunesimo secolo per un operatore wireless prevedeva a
il tormentone del controllo qualità dell'ingegnere di rete, ripetuto più e più volte: “Can
mi senti adesso? "
Quando qualcosa va storto in questo avanti e indietro, spesso ci rimane un
punto interrogativo. Come dice il software blogger Tyler Treat,
Le questioni affrontate dai generali bizantini, come ci ricorda, “non sono design
complessità, sono risultati impossibili ".
Precedenti ricerche sul networking, osserva Vint Cerf, erano state fondate “su
presupposto che si possa costruire una rete sottostante affidabile ". D'altro canto,
Pagina 232
Pagina 233
Oggi ci aspettiamo che i nostri dispositivi comunichino in modalità wireless anche quando i cavi lo farebbero
essere facile: la nostra tastiera e il nostro mouse, ad esempio, parlano in modalità wireless con un
computer seduto a pochi centimetri di distanza. Ma la rete wireless è iniziata
necessità, in un luogo dove nessun filo potrebbe fare il lavoro: le Hawaii. Alla fine degli anni '60
e all'inizio degli anni '70, Norman Abramson dell'Università delle Hawaii a Honolulu lo era
cercando di collegare insieme i sette campus dell'università e molte ricerche
istituti, distribuiti su quattro isole e centinaia di miglia. Ha avuto l'idea
di implementare la commutazione di pacchetto via radio anziché tramite il sistema telefonico,
collegando le isole con una catena sciolta di trasmettitori e ricevitori. Questo
il sistema sarebbe diventato noto come ALOHAnet.
Il più grande ostacolo che ALOHAnet ha dovuto superare è stata l'interferenza.
A volte due stazioni trasmettono nello stesso momento, inavvertitamente
disturbando i segnali l'uno dell'altro. (Questa è, ovviamente, una caratteristica familiare in human
conversazione.) Se entrambe le stazioni semplicemente ritrasmettessero subito per provare a farlo
trasmettere il loro messaggio, avrebbero corso il rischio di rimanere bloccati in perpetuo
interferenza per sempre. Chiaramente il protocollo ALOHAnet avrebbe dovuto dirlo
segnali in competizione su come darsi spazio a vicenda, come cedere e farsi strada
l'un l'altro.
La prima cosa che i mittenti devono fare qui è quella che viene chiamata "rottura
simmetria." Come sa ogni pedone sul marciapiede, schivando proprio come se fosse in arrivo
walker schiva a sinistra, e poi facendo schivare entrambi contemporaneamente il
altrimenti, non risolve nulla. È la stessa storia quando due altoparlanti entrambi
metti in pausa, fai gesti di deferenza verso l'altro e poi ricomincia a parlare a
lo stesso tempo; o quando due auto a un incrocio, ciascuna essendosi fermata per cedere
all'altro, prova ad accelerare in sincronia. Questa è un'area in cui l'uso di
Pagina 234
sito web che sembra essere inattivo, utilizza il backoff esponenziale, riprovando uno
secondo dopo, ancora pochi secondi dopo, e così via. Questo è un bene per
tutti: impedisce a un server host che è inattivo di essere bloccato
richieste non appena torna online e impedisce alla tua macchina di
sprecare troppi sforzi cercando di ottenere sangue da una pietra. Ma è interessante notare che
inoltre non obbliga (o permette) alla vostra macchina di arrendersi mai completamente.
Il backoff esponenziale è anche una parte fondamentale della sicurezza di rete, quando
i successivi errori di password nell'accesso a un account sono puniti da un
periodo di blocco in aumento esponenziale. Ciò impedisce a un hacker di utilizzare un file
"Attacco dizionario" contro un account, passando attraverso la potenziale password dopo
password fino a quando non saranno fortunati. Allo stesso tempo ne risolve anche un altro
problema: il vero proprietario dell'account, per quanto smemorato, non lo è mai
definitivamente bloccato dopo qualche interruzione arbitraria.
Nella società umana, tendiamo ad adottare una politica per dare alle persone un po 'di finito
numero di possibilità di fila, poi rinunciare del tutto. Tre strike, sei fuori.
Questo modello prevale di default in quasi tutte le situazioni che richiedono il perdono,
clemenza o perseveranza. In poche parole, forse lo stiamo facendo male.
Un nostro amico ha recentemente riflettuto su un compagno d'infanzia che aveva un
sconcertante abitudine di sfaldarsi sui piani sociali. Cosa fare? Decidere una volta e
per tutto quello che aveva finalmente avuto abbastanza e rinunciare completamente alla relazione
sembrava arbitrario e severo, ma continuava a persistere nella riprogrammazione perpetua
sembrava ingenuo, suscettibile di portare a una quantità infinita di delusioni e sprechi
tempo. Soluzione: backoff esponenziale sul tasso di invito. Prova a riprogrammare in un file
settimana, poi due, poi quattro, poi otto. Il tasso di "ritrasmissione" va verso
zero, ma non devi mai arrenderti completamente.
Un altro nostro amico si è agitato sull'opportunità di offrire riparo e denaro
assistenza a un familiare con una storia di tossicodipendenza. Non poteva
sopportare di rinunciare alla speranza che avrebbe cambiato le cose, e non poteva sopportare il
pensò di voltargli le spalle per sempre. Ma anche lei non poteva farcela
fare tutto ciò che era necessario per averlo a casa sua: comprargli vestiti e
cucinando per lui, riaprendo conti bancari per lui e spingendolo a lavorare ciascuno
mattina, quando in un momento misterioso e brusco prendeva tutto il
soldi e sparire, solo per chiamare di nuovo diverse settimane dopo e chiedere di essere
perdonato e ripreso. Sembrava un paradosso, un crudele e impossibile
Pagina 236
scelta.
Il backoff esponenziale non è una panacea magica in casi come questo, ma offre
una possibile via da seguire. Richiede un periodo in aumento esponenziale di
la sobrietà, ad esempio, offrirebbe un disincentivo a violare di nuovo le regole della casa.
Avrebbe fatto provare al membro della famiglia sempre più assiduamente che lo era
seriamente sul ritorno, e proteggerebbe l'ospite dal contrario
stress continuo del ciclo. Forse la cosa più importante, l'ospite non l'avrebbe mai fatto
devo dire al suo parente che lei aveva rinunciato a lui per sempre o che lo era
oltre la redenzione. Offre un modo per avere una pazienza finita e una misericordia infinita.
Forse non dobbiamo scegliere.
In effetti, lo scorso decennio ha visto l'inizio di una tranquilla rivoluzione nel
il modo in cui il sistema giudiziario stesso gestisce la supervisione della comunità per i criminali di droga.
Questa rivoluzione è guidata da un programma pilota chiamato HOPE, che
utilizza i principi di Exponential Backoff di ALOHAnet e che, in a
sorprendente coincidenza, iniziata nel luogo di nascita della stessa ALOHAnet: Honolulu.
Poco dopo aver prestato giuramento alla Corte del Primo Circuito delle Hawaii, il giudice Steven
Alm ha notato uno schema notevole. I probatori violerebbero ripetutamente il loro
termini di libertà vigilata e giudici di circoscrizione userebbero abitualmente la loro discrezione per lasciare
con un avvertimento. Ma a un certo punto, forse dopo una dozzina o più
violazioni, il giudice avrebbe deciso di essere severo e assegnare al trasgressore una prigione
condanna misurata in anni. Almeno dice: “Ho pensato, che modo folle di provare
cambiare il comportamento di chiunque. " Così Alm ha proposto quasi esattamente il contrario. Nel
luogo di violazione udienze programmate molto tempo nel futuro, che richiedono
Il giudizio incerto chiama e occasionalmente produce enormi sanzioni, HOPE lo è
basato su punizioni immediate e predefinite che iniziano con un solo giorno di carcere
e aumentare dopo ogni incidente. Uno studio quinquennale del Dipartimento di Giustizia
ha riferito che gli aspiranti in prova HOPE avevano la metà delle probabilità di esserlo
arrestato per un nuovo crimine o revocato la libertà vigilata. Ed erano il 72%
meno probabilità di usare droghe. Diciassette stati hanno seguito l'esempio delle Hawaii e
ha lanciato le proprie versioni di HOPE.
Pagina 237
I primi sforzi per il networking di computer si sono concentrati sulla creazione di affidabili
trasmissioni su collegamenti inaffidabili. Questi sforzi si sono rivelati così efficaci che
subito una seconda preoccupazione: assicurarsi che una rete sovraccarica
potrebbe evitare un crollo catastrofico. Non appena TCP ha risolto il problema di
ottenere i dati dal punto A al punto B di quanto si è confrontato con il problema di
ingorgo.
L'allarme più significativo è avvenuto nel 1986, su una linea che collega il
Lawrence Berkeley Laboratory e il campus della UC Berkeley, che sono
separati da circa la lunghezza di un campo di calcio. (A Berkeley, lo spazio accade
da riempire con un vero campo di calcio.) Un giorno, la larghezza di banda di quella linea
è sceso bruscamente dai suoi tipici 32.000 bit al secondo a soli 40 bit per
secondo. Le vittime, Van Jacobson della LBL e Michael Karels della UCB, “lo erano
affascinato da questo improvviso calo di migliaia di volte nella larghezza di banda e ci siamo imbarcati
un'indagine sul perché le cose fossero andate così male. "
Nel frattempo, hanno sentito mormorii da altri gruppi di networking in tutto il
paese che stavano incontrando la stessa cosa. Jacobson ha iniziato a esaminare il file
codice sottostante. "C'è qualche errore nel protocollo?" lui si chiedeva. "Questo
stava lavorando su test su scala più piccola, e poi improvvisamente è andato in pezzi. "
Una delle maggiori differenze tra commutazione di circuito e pacchetto
il cambiamento emerge nel modo in cui affrontano la congestione. Nella commutazione di circuito, il
il sistema approva una richiesta di canale o la nega completamente se la richiesta
non può essere accolto. Ecco perché, se hai mai provato a utilizzare un sistema telefonico
durante alcune ore di punta, potresti aver incontrato le "informazioni speciali
tono "e un messaggio che proclama che" tutti i circuiti sono occupati ".
Il cambio di pacchetto è radicalmente diverso. Il sistema telefonico si riempie ; la posta
il sistema diventa lento . Non c'è niente nella rete per dire esplicitamente a un mittente come
ci sono molti altri mittenti o quanto è congestionata la rete
momento, e la quantità di congestione è in continua evoluzione. quindi, il
mittente e destinatario non devono solo comunicare ma metacomunicare: loro
è necessario capire quanto velocemente devono essere inviati i dati. In qualche modo, pacchetto assortito
i flussi, senza una gestione o un coordinamento espliciti, devono entrambi uscire da ciascuno
a modo tuo e sfrutta rapidamente ogni nuovo spazio disponibile.
Il risultato del lavoro investigativo di Jacobson e Karels fu una serie di flussi rivisti
algoritmi di controllo e di prevenzione della congestione: una delle modifiche più grandi
Pagina 238
a TCP in quarant'anni.
Al centro del controllo della congestione TCP c'è un algoritmo chiamato Additive
Aumento, Diminuzione moltiplicativa o AIMD. Prima che AIMD intervenga, un nuovo
connection aumenterà la sua velocità di trasmissione in modo aggressivo: se il primo pacchetto è
ricevuto con successo ne invia altri due, se entrambi riescono a farlo invia
un lotto di quattro e così via. Ma non appena l'ACK di un pacchetto non arriva
tornando al mittente, subentra l'algoritmo AIMD. Sotto AIMD, qualsiasi completamente
il lotto di pacchetti ricevuto fa sì che il numero di pacchetti in volo non raddoppi
ma semplicemente per aumentare di 1, ei pacchetti scartati causano la velocità di trasmissione
ridurre della metà (da cui il nome Aumento additivo, Diminuzione moltiplicativa).
In sostanza, AIMD assume la forma di qualcuno che dice: “Un po 'di più, un po'
di più, un po 'di più, whoa, troppo, tagliato indietro, okay un po' di più, un po '
altro ... "Quindi porta a una caratteristica forma di larghezza di banda nota come" TCP
dente di sega ": salite costanti punteggiate da ripidi dislivelli.
Perché una diminuzione così netta e asimmetrica? Come spiegano Jacobson e Karels,
la prima volta che AIMD entra in funzione è quando una connessione ha sperimentato la prima
ha lasciato cadere il pacchetto nella sua fase iniziale di espansione aggressiva. Perché quella iniziale
fase prevedeva il raddoppio della velocità di trasmissione ad ogni raffica di successo,
ridurre la velocità della metà non appena si è verificato un problema è del tutto
adeguata. E una volta che una trasmissione è in corso, se ricomincia a vacillare
è probabile che sia perché una nuova connessione è in competizione per la rete.
La valutazione più prudente di quella situazione, vale a dire, supponendo che lo fossi
l'unica persona che usa la rete e ora c'è una seconda persona che ne prende la metà
le risorse, porta anche a dimezzare. Il conservatorismo qui è essenziale:
una rete può stabilizzarsi solo se i suoi utenti si ritirano ad una velocità almeno pari alla velocità
quale è sovraccarico. Per lo stesso motivo, un aumento meramente additivo
aiuta a stabilizzare le cose per tutti, prevenendo un rapido sovraccarico e recupero
cicli.
Sebbene una distinzione così rigida tra addizione e moltiplicazione sia il
tipo di cosa improbabile da trovare in natura, il dente di sega TCP trova
risonanza in vari domini in cui l'idea è di prendere il più possibile in sicurezza
farla franca.
In una fortunata collaborazione del 2012, ad esempio, l'ecologista di Stanford
Deborah Gordon e lo scienziato informatico Balaji Prabhakar hanno scoperto che le formiche
Pagina 239
sembrano aver sviluppato algoritmi di controllo del flusso milioni di anni prima
gli umani lo hanno fatto. Come una rete di computer, una colonia di formiche deve affrontare un problema di allocazione
nel tentativo di gestire il suo "flusso", in questo caso, il flusso di formiche che si dirigono verso
foraggio per il cibo - in condizioni variabili che possono influenzare drasticamente il tasso a
che le formiche fanno viaggi di andata e ritorno di successo. E come i computer su Internet,
le formiche devono risolvere questo problema condiviso senza il vantaggio di una decisione centrale
maker, sviluppando invece quello che Gordon chiama "controllo senza gerarchia". It
si scopre che anche la soluzione delle formiche è simile: un ciclo di feedback ha successo
i raccoglitori spingono più persone a lasciare il nido, mentre i rimpatriati senza successo si traducono in a
diminuzione dell'attività di foraggiamento.
Anche altri comportamenti animali evocano il controllo del flusso TCP, con le sue caratteristiche
dente di sega. Scoiattoli e piccioni che inseguono avanzi di cibo umano si insinueranno
avanti un passo alla volta, di tanto in tanto balza indietro, quindi strisciare costantemente in avanti
ancora. E può essere che le stesse comunicazioni umane rispecchino il vero
protocolli che li trasmettono: ogni messaggio di testo o risposta e-mail incoraggia ancora
un altro, mentre ogni messaggio non restituito ne affligge il flusso.
Più in generale, AIMD suggerisce un approccio ai molti luoghi della vita in cui
lottiamo per allocare risorse limitate in condizioni incerte e fluttuanti.
Il satirico “Peter Principle”, articolato negli anni '60 dall'educazione
il professor Laurence J. Peter, afferma che “ogni dipendente tende a salire al suo livello
di incompetenza. " L'idea è che in un'organizzazione gerarchica, chiunque faccia un file
un lavoro abilmente sarà ricompensato con una promozione in un nuovo lavoro che può
comportano sfide più complesse e / o diverse. Quando finalmente il dipendente
raggiunge un ruolo in cui non si comportano bene, la loro marcia verso i ranghi lo farà
e rimarranno in quel ruolo per il resto della loro carriera. Così sta
alla ragione, va la logica inquietante del Principio di Peter, che alla fine ogni
il posto in un'organizzazione verrà riempito da qualcuno che fa quel lavoro male.
Circa cinquant'anni prima della formulazione di Peter, il filosofo spagnolo José Ortega y
Gasset nel 1910 espresse lo stesso sentimento. “Ogni dipendente pubblico dovrebbe esserlo
retrocessi al rango immediatamente inferiore ", scrisse," perché erano avanzati
finché non sono diventati incompetenti. "
Alcune organizzazioni hanno tentato di porre rimedio al principio di Peter
licenziando semplicemente i dipendenti che non avanzano. Il cosiddetto sistema Cravath,
ideato dal principale studio legale Cravath, Swaine & Moore, prevede quasi l'assunzione
Pagina 240
Pagina 241
Pagina 242
particolarmente male in quella che avrebbe dovuto essere la drammatica conclusione. La loro fine della storia era
bruschi o instabili, oppure giravano intorno e ripetevano il finale più di una volta, e spesso
ha giustificato la loro storia spiegando l'ovvia chiamata ravvicinata.
Abbiamo tutti avuto l'esperienza di parlare con qualcuno i cui occhi si sono allontanati
- al loro telefono, forse - facendoci domandare se il nostro è poco brillante
la narrazione era la colpa. In effetti, ora è chiaro che la causa e l'effetto lo sono
spesso il contrario: un povero ascoltatore distrugge il racconto.
Comprensione della funzione e del significato esatti dei backchannel umani
continua ad essere un'area di ricerca attiva. Nel 2014, ad esempio, UC Santa
Jackson Tolins e Jean Fox Tree di Cruz hanno dimostrato che quelli poco appariscenti
"Uh-huhs" e "yeahs" e "hmms" e "ohs" che punteggiano il nostro discorso
ruoli distinti e precisi nella regolazione del flusso di informazioni da chi parla a
ascoltatore: sia la velocità che il livello di dettaglio. In effetti, sono altrettanto critici quanto
Gli ACK sono in TCP. Dice Tolins, "Davvero, mentre alcune persone potrebbero essere peggio di
altri, i "cattivi narratori" possono incolpare almeno in parte il loro pubblico ". Questo
la realizzazione ha avuto l'effetto collaterale inaspettato di alleviare parte della pressione
quando tiene lezioni, comprese, ovviamente, lezioni su quel risultato.
“Ogni volta che tengo questi discorsi di backchannel, dico sempre al pubblico che il
il modo in cui stanno tornando indietro al mio discorso in questo momento sta cambiando quello che dico ", lui
scherza, "quindi sono responsabili di come sto bene".
Pagina 243
dove la maggior parte dei papà smanettoni avrebbe esaminato il problema, Gettys ha esaminato il
problema .
Come spiegherebbe Gettys a una stanza piena di ingegneri di Google, con il networking
il gergo lascia il posto a una convinzione urgente e inequivocabile:
Mi è capitato di copiare, o risincronizzare, i vecchi archivi dell'X Consortium da casa mia al MIT
questo percorso lungo dieci millisecondi ... SmokePing [stava] segnalando latenze in media ben superiori a uno
secondo, insieme a una brutta perdita di pacchetti, proprio durante la copia di un file ... Ho preso Wireshark, e c'erano
queste esplosioni di comportamento davvero strano ... Questo non sembrava affatto un TCP [a dente di sega] che mi aspettavo. It
non dovrebbe mai accadere in questo modo.
In un inglese semplice, ha visto qualcosa ... molto strano. Come dice il proverbio, "il massimo
frase eccitante da ascoltare nella scienza, quella che annuncia nuove scoperte, non lo è
"Eureka!" ma "È divertente" ".
All'inizio Gettys pensava che qualcosa non andasse con il suo modem via cavo.
Quello che la sua famiglia aveva chiamato un problema in Internet sembrava un traffico
incepparsi nella presa a muro. I pacchetti destinati a Boston non si bloccavano
a metà strada lì; stavano rimanendo bloccati in casa.
Ma più Gettys lo approfondiva, più si preoccupava. Il
il problema non riguardava solo il router e il modem di casa, ma tutti i router domestici
e modem. E il problema non era solo nei dispositivi di rete, ma in
computer stessi, in desktop, laptop, tablet e smartphone, tessuti
in Linux, Windows e OS X. E non solo nell'hardware dell'utente finale:
ha toccato la stessa infrastruttura di Internet stessa. Gettys si è seduto a
pranzi con i principali attori di Comcast, Verizon, Cisco e Google, incluso Van
Jacobson e Vint Cerf, e lentamente hanno iniziato a mettere insieme i pezzi del puzzle.
Il problema era ovunque. E il problema era bufferbloat.
Un buffer è essenzialmente una coda la cui funzione è di smussare i burst. Se tu
è entrato in un negozio di ciambelle all'incirca nello stesso momento di un altro cliente
non farebbe per il cassiere momentaneamente sopraffatto per fare uno di voi
lasciare il negozio e tornare un'altra volta. I clienti non l'avrebbero, di
Certo, ma nemmeno il management: una simile politica è praticamente garantita
sottoutilizzare il cassiere. Mettere i clienti in coda invece garantisce che il file
il throughput medio del negozio si avvicina al throughput massimo . È un
Pagina 244
buona cosa.
Tuttavia, questo utilizzo superiore delle risorse ha un costo molto reale:
ritardo. Quando Tom ha portato sua figlia a un festival del Cinco de Mayo a Berkeley, lei
le misero il cuore su una crêpe al cioccolato e banana, così si misero in fila e aspettarono.
Alla fine, dopo venti minuti, Tom è arrivato in prima fila e si è piazzato
il suo ordine. Ma dopo aver pagato, hanno dovuto aspettare altri quaranta minuti per effettivamente
prendi la crêpe. (Come Jim Gettys, Tom si è subito trovato a mettere in campo un sostanziale
volume di reclami familiari.) Prendere ordini si è rivelato richiedere meno tempo di
fare le crêpes, quindi la fila per ordinare era solo la prima parte del problema. A
almeno era visibile, però; i clienti sapevano cosa stavano aspettando. Il secondo,
la coda più lunga era invisibile. Quindi in questo caso sarebbe stato molto più felice
risultato per tutti se il supporto per crepe avesse tagliato la linea in un punto e messo
segno che non prendevano ordini per un po '. Allontanare i clienti
avrebbe fatto stare tutti meglio, se fossero finiti in una crêpe più corta
linea o è andato altrove. E non sarebbe costato un centesimo di perdita alla bancarella di crêpe
vendite, perché in entrambi i casi possono vendere solo tante crepes quante ne possono fare
un giorno, indipendentemente da quanto tempo stanno aspettando i loro clienti.
Questo è precisamente il fenomeno che Jim Gettys stava osservando a casa sua
modem via cavo. Poiché stava caricando un file, il suo computer stava inviando il file
modem quanti più pacchetti upstream può gestire. E il modem lo era
fingendo di sopportare molto di più di quanto potrebbe effettivamente, senza respingerne nessuno
costruire una coda enorme. Quindi, quando Gettys ha provato a scaricare qualcosa in
allo stesso tempo, per visitare una pagina web o controllare la posta elettronica, riceverebbero i suoi pacchetti ACK
bloccato dietro l'upload, dovendo aspettare in linea al modem per uscire di casa.
Poiché i suoi ACK impiegavano un'eternità per tornare al server web e di posta elettronica, il file
i server a loro volta limiterebbero le proprie velocità di connessione a valle a un file
scansione corrispondente.
Era come cercare di avere una conversazione in cui ogni volta che dici "uh-huh"
è ritardato di dieci o venti secondi. L'altoparlante rallenterà molto,
supponendo che non li comprendi e non c'è niente che tu possa fare al riguardo
esso.
Quando un buffer di rete si riempie, ciò che accade tipicamente è chiamato Tail
Drop : un modo poco cerimonioso per dire che ogni pacchetto arriva dopo
il punto viene semplicemente rifiutato ed effettivamente eliminato. (Allontanando nuovi clienti
Pagina 245
dalla bancarella in crêpe una volta che la linea diventa troppo lunga sarebbe una versione di Tail Drop
in un contesto umano.) Data la metafora postale per il cambio di pacchetto, potrebbe
sembra un po 'strano immaginare un corriere che semplicemente vaporizza ogni pacco che lo fa
non entra nel camion quella mattina. Eppure sono proprio questi "pacchetti"
che portano un computer a notare che uno dei suoi pacchetti non è stato riconosciuto,
chiedendo ad AIMD di iniziare a dimezzare la larghezza di banda. I pacchetti rilasciati sono i file
Il principale meccanismo di feedback di Internet. Un buffer troppo grande: un ristorante
prendere ogni ordine, non importa quanto a corto di personale sia la cucina, prendere un modem
ogni pacchetto che arriva indipendentemente da quanto tempo ci vorrà per inviarli su—
impedisce che questa moderazione avvenga come dovrebbe.
Fondamentalmente, i buffer utilizzano il ritardo, noto nelle reti come "latenza", in
per massimizzare la produttività. Cioè, fanno aspettare i pacchetti (o i clienti),
per approfittare dei periodi successivi quando le cose sono lente. Ma un buffer che è
operare permanentemente a pieno ti dà il peggio di entrambi i mondi: tutta la latenza
e nessuno dei doni. Smussare le raffiche è fantastico se lo sei, in media ,
chiarendo le cose almeno alla stessa velocità con cui arrivano, ma se la tua media
il carico di lavoro supera il ritmo di lavoro medio, nessun buffer può fare miracoli. E il
più grande è il buffer, più arretrerai prima di iniziare a segnalare
Aiuto. Uno dei principi fondamentali dei buffer, siano essi per pacchetti o
clienti, è che funzionano correttamente solo quando vengono regolarmente azzerati.
Per decenni, la memoria del computer è stata sufficientemente costosa che ci fosse
semplicemente nessun motivo per costruire modem con una gran quantità di capacità di memoria non necessaria.
Quindi, semplicemente non c'era modo per un modem di creare una coda più grande
di quanto potrebbe gestire. Ma a un certo punto, come economie di scala nel computer
l'industria ha abbassato radicalmente il costo della memoria, i produttori di modem hanno iniziato
dando alle loro macchine gigabyte di RAM perché quello era effettivamente il file
la più piccola quantità di RAM che potrebbero ottenere. Di conseguenza, il dispositivo onnipresente
buffer: in modem, router, laptop, smartphone e nella spina dorsale di
Internet stesso è diventato migliaia di volte troppo grande, prima di persone come Jim
Gettys ha lanciato l'allarme per fare qualcosa al riguardo.
Pagina 246
Prendi il tuo problema più elementare come una singola persona ... piaci a qualcuno, tu
non piacergli indietro. A un certo punto, era una specie di imbarazzo
situazione. Hai dovuto fare una conversazione, è stato strano. Ora cosa fai
fare? Qualcuno ti piace, non ti piacciono indietro? Fai solo finta di esserlo
occupato ... per sempre.
—AZIZ ANSARI
Adesso è meglio che mai.
Anche se spesso non è mai meglio di adesso.
- LO ZEN DI PITONE
La cantante Katy Perry ha il 107% in più di follower su Twitter rispetto al suo stato d'origine
La California ha persone. La persona più seguita su Twitter, all'inizio del 2016
conta circa 81,2 milioni di account tra i suoi fan. Ciò significa che anche se
Il 99% dei suoi fan non le invia mai messaggi, e anche se l'1% più devoto
chi le invia un messaggio lo fa solo una volta all'anno, quindi riceve ancora 2.225 messaggi a
giorno. Ogni singolo giorno.
Immagina se Perry si impegnasse a rispondere a ogni messaggio dei fan nell'ordine
ricevuto. Se potesse rispondere a 100 al giorno, il tempo di attesa previsto dai fan per un file
la risposta sarebbe presto misurata in decenni . È giusto immaginare che la maggior parte dei fan
preferirei una minima possibilità di ottenere una risposta immediata a una risposta garantita
tra dieci o venti anni.
Nota che Perry non ha questo problema quando lascia un locale e deve
corri un guanto di fan che si aspettano un autografo o poche parole. Perry fa cosa
lei può, va avanti e le opportunità perse svaniscono. Il corpo è il suo flusso
controllo. Non possiamo essere in più di un posto contemporaneamente. A una festa affollata noi
inevitabilmente partecipa a meno del 5% della conversazione e non riesce a leggere o
recuperare il ritardo sul resto. I fotoni che perdono la retina non vengono messi in coda per dopo
visualizzazione. Nella vita reale, la perdita di pacchetti è quasi totale.
Usiamo l'idioma di "palle cadute" quasi esclusivamente in modo dispregiativo
senso, il che implica che la persona in questione fosse pigra, compiacente o smemorata.
Ma il lancio tattico delle palle è una parte fondamentale per portare a termine le cose
sovraccarico.
Pagina 247
A quel tempo non esisteva un modo veramente buono per lasciare messaggi alle persone. Il telefono ha funzionato fino a
punto, ma qualcuno doveva essere lì per ricevere la chiamata. E se non era la persona che volevi ottenere, lo era
era un assistente amministrativo o un servizio di segreteria telefonica o qualcosa del genere. Quello era il
meccanismo che dovevi passare per lasciare un messaggio, quindi tutti si sono attaccati all'idea che tu
potrebbe lasciare messaggi sul computer.
In altre parole, abbiamo chiesto un sistema che non respingesse mai un mittente,
e nel bene o nel male ne abbiamo uno. In effetti, negli ultimi quindici anni, il trasferimento
dalla commutazione di circuito alla commutazione di pacchetto si è diffusa in tutta la società.
Chiedevamo circuiti dedicati con altri; ora inviamo loro pacchetti
e attendi con ansia gli ACK. Abbiamo usato per rifiutare ; ora rimandiamo .
La tanto lamentata "mancanza di pigrizia" di cui si legge è, perversamente, la
caratteristica principale dei buffer: portare il throughput medio al throughput massimo.
Prevenire l'ozio è quello che fanno. Controlli la posta dalla strada, da
vacanza, in bagno, nel cuore della notte. Non sei mai, mai annoiato. Questo
è la benedizione mista dei buffer, che operano come pubblicizzato.
Gli autorisponditori di e-mail di vacanza dicono esplicitamente ai mittenti di aspettarsi latenza; un'
meglio si potrebbe invece dire ai mittenti di aspettarsi Tail Drop. Piuttosto che avvertire
mittenti di tempi di coda superiori alla media, potrebbe avvertirli che era semplicemente
rifiutando tutti i messaggi in arrivo. E questo non deve essere limitato a
vacanze: si può immaginare un programma di posta elettronica impostato per rifiutare automaticamente tutte le in arrivo
messaggi una volta che la posta in arrivo ha raggiunto, diciamo, un centinaio di elementi. Questo è sconsiderato per
Pagina 248
Pagina 249
ne trasporta tre volte di più. Quindi "diresti che un Boeing 747 è tre volte
"più veloce" di un Boeing 737? Certo che no ”, esclama Cheshire. La capacità sì
a volte importa: per il trasferimento di file di grandi dimensioni, la larghezza di banda è la chiave. (Se hai un file
un'enorme quantità di carico da spostare, una nave portacontainer potrebbe trarne migliaia
scatta con un 747.) Per applicazioni interumane, tuttavia, tempi di consegna rapidi
è spesso molto più importante, e ciò di cui abbiamo veramente bisogno sono più Concorde. E
in effetti, ridurre le latenze è una delle attuali frontiere del networking
ricerca, e sarà interessante vedere cosa porterà.
Nel frattempo, ci sono altre battaglie da intraprendere. Gettys attira la sua attenzione
via per un secondo, guardando fuori dall'inquadratura. “Non funziona per te? io sono
sto parlando con qualcuno in questo momento, e me ne occuperò quando avrò finito. Siamo
concludendo qui — uh, no, i 5 GHz stanno funzionando al momento, i 2,4 GHz
il canale si è bloccato. È il famigerato bug. Riavvio il router. " Che sembra un file
momento opportuno per salutare e liberare la nostra banda a
commons, alla miriade di flussi che fanno aumentare il loro additivo.
Pagina 250
Sono ottimista nel senso che credo che gli esseri umani siano nobili e onorevoli,
e alcuni di loro sono davvero intelligenti ... Ho un po 'più pessimista
vista di persone in gruppi.
-STEVE JOBS
Un investitore vende un'azione a un altro, uno convinto che sia andato giù e il
altri convinti che stia salendo; Penso di sapere cosa pensi ma non ne ho idea
cosa pensi io penso; scoppia una bolla economica; un potenziale amante offre a
regalo che non dice né "voglio essere più che amici" né "non voglio essere
più che amici"; un tavolo di commensali litiga su chi dovrebbe trattare chi e
perché; qualcuno che cerca di essere utile offende involontariamente; qualcuno che si sforza
essere cool attira risatine; qualcuno che cerca di staccarsi dalla mandria trova,
sgomento, la mandria che seguiva il suo esempio. "Ti amo", dice un amante a un altro;
“Anch'io ti amo”, risponde l'altro; ed entrambi si chiedono cosa sia esattamente l'altro
significa con quello.
Che cosa ha da dire l'informatica su tutto questo?
Agli scolari viene insegnato a concepire le trame letterarie come appartenenti a uno di
diverse categorie: uomo contro natura, uomo contro sé, uomo contro uomo, uomo contro società.
Finora in questo libro abbiamo considerato principalmente i casi nei primi due
categorie, vale a dire che l'informatica è stata finora la nostra guida
problemi creati dalla struttura fondamentale del mondo e dal nostro limitato
capacità di elaborazione delle informazioni. Ne derivano ottimi problemi di arresto
Pagina 251
Ricorsione
Ora, un uomo intelligente metterebbe il veleno nel suo calice perché lui
saprebbe che solo un grande sciocco raggiungerebbe ciò che gli è stato dato. sono
non è un grande sciocco, quindi non posso chiaramente scegliere il vino di fronte a te. Ma
dovevi sapere che non ero un grande sciocco: ci avresti contato
—Quindi chiaramente non posso scegliere il vino davanti a me.
- LA PRINCIPESSA SPOSA
Probabilmente l'economista più influente del ventesimo secolo, John Maynard
Keynes, una volta ha detto che “investire con successo significa anticipare le anticipazioni di
altri." Per vendere una quota di azioni a, diciamo, $ 60, l'acquirente deve credergli
può venderlo in seguito per $ 70, a qualcuno che crede di poterlo vendere per $ 80 a
qualcuno che crede di poterlo vendere per $ 90 a qualcuno che crede di poterlo vendere
per $ 100 a qualcun altro. In questo modo, il valore di un'azione non è quello che le persone
penso che valga la pena, ma quello che la gente pensa la gente pensa che valga la pena. In effetti, anche quello è
non andando abbastanza lontano. Come disse Keynes, facendo una distinzione cruciale tra
bellezza e popolarità:
L'investimento professionale può essere paragonato a quei concorsi di giornali in cui i concorrenti
Pagina 252
devono scegliere i sei volti più belli da un centinaio di fotografie, il premio viene assegnato al
concorrente la cui scelta corrisponde più quasi alle preferenze medie dei concorrenti come a
totale; in modo che ogni concorrente debba scegliere, non quelle facce che lui stesso trova più belle, ma quelle
che ritiene più probabile catturare la fantasia degli altri concorrenti, che stanno tutti guardando il
problema dallo stesso punto di vista. Non si tratta di scegliere quelli che, al meglio di sé
giudizio, sono davvero le più belle, e nemmeno quelle che l'opinione media pensa sinceramente le più belle.
Abbiamo raggiunto il terzo grado in cui dedichiamo le nostre intelligenze ad anticipare quale media
opinion si aspetta che l'opinione media sia. E ci sono alcuni, credo che praticano il quarto,
quinto e gradi superiori.
2-7 — mentre diceva letteralmente al suo avversario, Sammy George, che lo teneva in mano.
"Non hai due sette", rispose George. "Non hai due sette."
George ha passato e Dwan - con, sì, due-sette - ha preso il piatto.
Nel poker, la ricorsione è un gioco pericoloso. Non vuoi farti beccare
passo dietro al tuo avversario, ovviamente, ma c'è anche un imperativo da non prendere
troppo avanti a loro. “C'è una regola che in realtà vuoi solo giocare
un livello sopra il tuo avversario ", spiega la professionista del poker Vanessa Rousso.
“Se giochi troppo al di sopra del tuo avversario, penserai che lo hanno fatto
informazioni che in realtà non hanno - [e] non saranno in grado di raccogliere le
informazioni che vuoi che raccolgano dalle tue azioni. " A volte poker
Nel frattempo i professionisti attireranno deliberatamente il loro avversario in una contorta ricorsione
giocando a poker completamente da manuale e non psicologico. Questo è
noto come attirarli in "una guerra livellante contro se stessi".
(Attirare un avversario in un'inutile ricorsione può essere una strategia efficace in
anche altri giochi. Uno degli episodi più colorati, bizzarri e affascinanti in
la storia degli scacchi uomo contro macchina è arrivata in uno scontro lampo nel 2008 tra
Il grande maestro americano Hikaru Nakamura e il principale programma di scacchi per computer
Rybka. In una partita in cui ogni squadra ha avuto solo tre minuti per giocare tutti
delle loro mosse o perdere automaticamente, il vantaggio sembrava sicuramente essere sul
lato del computer, in grado di valutare milioni di posizioni ogni secondo,
e di fare la sua mossa senza contrarre un muscolo. Ma Nakamura immediatamente
ha bloccato il tabellone e ha proceduto a fare mosse ripetitive e senza senso come
veloce come poteva fare clic. Nel frattempo, il computer ha sprecato momenti preziosi
alla ricerca inutile di varianti vincenti che non esistevano e al tentativo ostinato
per anticipare tutte le possibili mosse future di Nakamura, che lui stesso era
semplicemente facendo l'equivalente degli scacchi di girarsi i pollici. Quando il computer
aveva quasi esaurito il suo tempo e cominciò a dimenarsi per non perdere il tempo,
Nakamura ha finalmente aperto la posizione e si è schiantato.)
Dati i pericoli della ricorsione, come riescono i professionisti del poker a uscirne? Essi
usa la teoria dei giochi. “A volte puoi trovare dei motivi per sfruttare lo sfruttamento
[livellamento] giocate, ma per la maggior parte del tempo fai solo giocate inferiori
ragioni che in realtà sono solo rumore ", spiega Dan Smith. “Cerco davvero di avere
un livello base di comprensione della teoria nella maggior parte delle situazioni ... Inizio sempre
sapere o cercare di sapere cosa sia Nash ".
Pagina 254
Raggiungere l'equilibrio
Conosci le regole, e anch'io ...
Conosciamo il gioco e lo giocheremo.
—RICK ASTLEY
La teoria dei giochi copre uno spettro incredibilmente ampio di scenari di cooperazione
e la concorrenza, ma il field è iniziato con quelli che assomigliano al poker heads-up: due-
persone garequesti
analizzando in cui giochi
il guadagno di di
si cerca unidentificare
giocatore è un
la perdita di un
cosiddetto altro giocatore.
equilibrio : cioè unMatematici
insieme di
strategie che entrambi i giocatori possono seguire in modo tale che nessuno dei due giocatori vorrebbe
cambiare il proprio gioco, dato il gioco del proprio avversario. Si chiama un
equilibrio perché è stabile, nessuna ulteriore riflessione da parte di nessuno dei giocatori
li porterà a scelte diverse. Sono contento della mia strategia, data la tua
e ti accontenti della tua strategia, data la mia.
In sasso-carta-forbici, ad esempio, l'equilibrio ce lo dice, forse
poco emozionante, per scegliere uno dei gesti delle mani omonimi completamente a
casuale, ciascuno circa un terzo delle volte. Ciò che rende stabile questo equilibrio è
che, una volta che entrambi i giocatori adottano questa strategia 1 ⁄ 3 - 1 ⁄ 3 - 1 ⁄ 3 , non c'è niente di meglio per
sia da fare che restare con esso. (Se provassimo a suonare, diciamo, più rock, il nostro avversario
noterebbe rapidamente e inizierebbe a suonare più carta, il che ci farebbe giocare
altre forbici, e così via finché non ci siamo sistemati entrambi nell'equilibrio 1 ⁄ 3 - 1 ⁄ 3 - 1 ⁄ 3
ancora.)
In uno dei risultati seminali nella teoria dei giochi, il matematico John Nash
ha dimostrato nel 1951 che ogni partita a due giocatori ha almeno un equilibrio. Questo
una grande scoperta avrebbe fatto guadagnare a Nash il Premio Nobel per l'economia nel 1994 (e
portare al libro e al film A Beautiful Mind , sulla vita di Nash). Come un
l'equilibrio è ora spesso definito come l '"equilibrio di Nash", il "Nash" quello
Dan Smith cerca sempre di tenerne traccia.
A prima vista, il fatto che un equilibrio di Nash esiste sempre in due giocatori
Pagina 255
i giochi sembrerebbero portarci un po 'di sollievo dalle ricorsioni della sala degli specchi
che caratterizzano il poker e molti altri concorsi familiari. Quando ci sentiamo
noi stessi cadendo nella tana del coniglio ricorsiva, abbiamo sempre un'opzione per farlo
uscire dalla testa del nostro avversario e cercare l'equilibrio, andando direttamente a
la migliore strategia, assumendo un gioco razionale. In sasso-carta-forbici, scrutando
il viso del tuo avversario per i segni di ciò che potrebbe lanciare dopo potrebbe non essere
utile, se sai che il semplice lancio a caso è un imbattibile
strategia a lungo termine.
Più in generale, l'equilibrio di Nash offre una previsione della stabilità a lungo
risultato a termine di qualsiasi insieme di regole o incentivi. In quanto tale, fornisce un inestimabile
strumento per prevedere e dare forma alla politica economica, nonché alla politica sociale in
generale. Come dice l'economista premio Nobel Roger Myerson, il Nash
l'equilibrio “ha avuto un impatto fondamentale e pervasivo nell'economia e nel
scienze sociali che è paragonabile a quella della scoperta del doppio del DNA
elica nelle scienze biologiche. "
L'informatica, tuttavia, ha complicato questa storia. In parole povere, il
oggetto di studio in matematica è la verità ; l'oggetto di studio in informatica è
complessità . Come abbiamo visto, non è sufficiente che un problema abbia una soluzione se
quel problema è intrattabile.
In un contesto di teoria dei giochi, sapere che esiste un equilibrio in realtà non lo è
dicci di cosa si tratta o come arrivarci. Come scienziato informatico della UC Berkeley
Christos Papadimitriou scrive, la teoria dei giochi “predice l'equilibrio degli agenti
comportamento tipicamente senza riguardo ai modi in cui tale stato sarà
raggiunto - una considerazione che sarebbe la prima cosa di un informatico
preoccupazione." Tim Roughgarden di Stanford fa eco al sentimento dell'essere
insoddisfatto della prova di Nash che gli equilibri esistono sempre. "Va bene", dice, "ma
siamo scienziati informatici, giusto? Dacci qualcosa che possiamo usare. Non limitarti a dirlo
me che c'è; dimmi come trovarlo. " E così, il campo di gioco originale
la teoria ha generato la teoria dei giochi algoritmica, cioè lo studio dell'ideale teorico
strategie per i giochi è diventato lo studio di come le macchine (e persone) vengono in su
con strategie per i giochi.
A quanto pare, fare troppe domande sugli equilibri di Nash ti fa entrare
problemi di calcolo in fretta. Entro la fine del ventesimo secolo,
determinare se un gioco ha più di un equilibrio o un equilibrio
Pagina 256
Pagina 257
Pagina 258
un gioco come il dilemma del prigioniero, questo prezzo è effettivamente infinito: crescente
la quantità di denaro in gioco e l'allungamento delle pene detentive possono colmare il divario
tra i possibili risultati arbitrariamente ampi, anche se la strategia dominante rimane
lo stesso. Non c'è limite a quanto possano essere dolorose le cose per i giocatori se lo fanno
non coordinare. Ma in altri giochi, come farebbero i teorici dei giochi algoritmici
scoprire, il prezzo dell'anarchia non è poi così male.
Ad esempio, considera il traffico. Che si tratti di singoli pendolari che cercano di farlo
si fanno strada attraverso il quotidiano bumper-to-bumper, o router che mescolano TCP
pacchetti su Internet, tutti nel sistema vogliono semplicemente ciò che è più semplice
per loro personalmente. I conducenti vogliono solo prendere il percorso più veloce, qualunque esso sia,
e i router vogliono solo mescolare i loro pacchetti con il minimo sforzo, ma in
in entrambi i casi ciò può provocare un sovraffollamento lungo percorsi critici, creando
congestione che danneggia tutti. Quanto male, però? Sorprendentemente, Tim
Roughgarden e Éva Tardos di Cornell hanno dimostrato nel 2002 che la "rotta egoista"
approccio ha un prezzo di anarchia che è un semplice 4/3. Cioè, un libero per tutti è solo
33% peggio della perfetta coordinazione top-down.
Il lavoro di Roughgarden e Tardos ha profonde implicazioni sia per l'urbano
pianificazione del traffico fisico e per l'infrastruttura di rete. Il percorso egoistico è basso
Il prezzo dell'anarchia può spiegare, ad esempio, perché Internet funziona così bene
fa a meno di alcuna autorità centrale che gestisca l'instradamento dei singoli pacchetti.
Anche se tale coordinamento fosse possibile, non aggiungerebbe molto.
Quando si tratta di traffico del genere umano, il prezzo basso dell'anarchia si riduce
entrambi i modi. La buona notizia è che la mancanza di coordinamento centralizzato sta facendo
il tuo pendolarismo al massimo peggiora solo del 33%. D'altra parte, se lo speri
le auto autonome a guida autonoma in rete ci porteranno un futuro di utopia del traffico,
può essere scoraggiante apprendere che i guidatori egoisti e scoordinati di oggi lo sono
già abbastanza vicino all'ottimale. È vero che le auto a guida autonoma dovrebbero ridurre il
numero di incidenti stradali e possono essere in grado di guidare più da vicino, entrambi
di cui velocizzerebbe il traffico. Ma da un punto di vista della congestione, il fatto che
l'anarchia è solo 4/3 più congestionata come la perfetta coordinazione lo significa perfettamente
gli spostamenti coordinati saranno solo 3/4 congestionati come lo sono ora. È un po
come la famosa frase di James Branch Cabell: “L'ottimista proclama che noi
vivere nel migliore di tutti i mondi possibili; e il pessimista teme che sia vero. "
La congestione sarà sempre un problema risolvibile maggiormente dai pianificatori e dall'insieme
Pagina 259
domanda che dalle decisioni dei singoli conducenti, umani o informatici, egoisti
o cooperativa.
Quantificare il prezzo dell'anarchia ha conferito al campo un approccio concreto e rigoroso
modo per valutare i pro ei contro dei sistemi decentralizzati, che ha un ampio
implicazioni in un numero qualsiasi di domini in cui le persone si trovano
coinvolti nel gioco (che lo sappiano o no). Un prezzo basso di anarchia
significa che il sistema è, nel bene e nel male, buono da solo quanto lo sarebbe
se fosse gestito con cura. Un alto prezzo di anarchia, d'altra parte, significa
che le cose hanno il potenziale per andare bene se vengono coordinate attentamente -
ma che senza una qualche forma di intervento, stiamo corteggiando il disastro. Il
il dilemma del prigioniero è chiaramente di quest'ultimo tipo. Sfortunatamente, lo sono anche molti
i giochi più critici che il mondo deve giocare.
Pagina 261
può scegliere di rimanere aperto sette giorni su sette o di essere aperto solo sei giorni a
settimana, prendendo la domenica per rilassarsi con gli amici e la famiglia. Se entrambi
prendersi un giorno libero, manterranno la loro quota di mercato esistente e sperimenteranno meno
fatica. Tuttavia, se un negoziante decide di aprire il suo negozio sette giorni su sette,
attirerà più clienti, portandoli via dal suo concorrente e
minacciando il suo sostentamento. L'equilibrio di Nash, ancora una volta, è che tutti lavorino
tutto il tempo.
Questo problema esatto è diventato un punto di infiammabilità negli Stati Uniti durante il 2014
durante le festività natalizie, come rivenditore dopo rivenditore, non disposto a cedere quote di mercato a
concorrenti che stavano anticipando i soliti acquisti post-Ringraziamento
fretta, ceduto verso il pessimo equilibrio. "I negozi aprono prima del
mai prima ", ha riportato l' International Business Times . Macy ha deciso di aprire
due ore prima rispetto all'anno precedente, così come Target. Kmart, da parte sua, ha aperto
alle 6:00 del mattino del Ringraziamento ed era continuamente aperto per quarantadue
ore.
Quindi cosa possiamo fare, come giocatori, quando ci troviamo in una situazione del genere:
o il dilemma del prigioniero bipartitico, o la tragedia multipartitica del
commons? In un certo senso, niente. La stessa stabilità che hanno questi cattivi equilibri,
la cosa che li rende equilibrati, diventa dannabile. In generale non possiamo
spostare le strategie dominanti dall'interno. Ma questo non significa così male
gli equilibri non possono essere risolti. Significa solo che la soluzione dovrà arrivare
da qualche altra parte.
—ICE-T
Non schierarti mai più con nessuno contro la famiglia, mai più.
- IL PADRINO
Pagina 262
Il teorico dei giochi londinesi Ken Binmore vede almeno alcune di queste controversie come
fuorviante. Come sostiene, è “semplicemente sbagliato che il Dilemma del Prigioniero
cattura ciò che conta nella cooperazione umana. Al contrario, rappresenta a
situazione in cui i dadi sono tesi contro l'emergere della cooperazione come
potrebbero essere. " *
Ebbene, se le regole del gioco impongono una cattiva strategia, forse non dovremmo provarci
cambiare strategie. Forse dovremmo provare a cambiare il gioco.
Questo ci porta a una branca della teoria dei giochi nota come "progettazione del meccanismo".
Mentre la teoria dei giochi chiede quale comportamento emergerà data una serie di regole,
il design del meccanismo (a volte chiamato "teoria del gioco inverso") funziona nell'altro
direzione, chiedendosi: quali regole ci daranno il comportamento che vogliamo vedere? E se
Le rivelazioni della teoria dei giochi, come il fatto che potrebbe essere una strategia di equilibrio
razionale per ogni giocatore ma dannoso per tutti: si sono dimostrati controintuitivi, il
le rivelazioni sulla progettazione dei meccanismi lo sono ancora di più.
Riportiamo te e il tuo cospiratore rapinatore di banche nella cella di prigione per
un altro passo al dilemma del prigioniero, con un'aggiunta cruciale: il Padrino.
Ora tu e il tuo compagno ladro siete membri di un sindacato del crimine, e il Don
ha reso, diciamo, fin troppo chiaro che qualsiasi informatore andrà a letto con il
Pesci. Questa alterazione dei guadagni del gioco ha l'effetto di limitare le azioni
puoi prendere, ma ironicamente rende molto più probabile che le cose finiscano bene,
sia per te che per il tuo partner. Poiché la defezione è ora meno attraente (per dirla
leggermente), entrambi i prigionieri sono indotti a cooperare ed entrambi cammineranno con sicurezza
mezzo milione di dollari più ricco. Meno, ovviamente, una decima nominale al don.
La cosa controintuitiva e potente qui è che possiamo peggiorare ogni risultato
—La morte da un lato, le tasse dall'altro — eppure rende la vita di tutti migliore
spostando l'equilibrio.
Per i negozianti delle piccole città, sarebbe una tregua verbale per togliere la domenica
instabile: non appena uno dei negozianti avesse avuto bisogno di denaro extra sarebbe stato responsabile
violarlo, spingendo l'altro a iniziare a lavorare anche la domenica per non perdere
quota di mercato. Questo li farebbe tornare indietro nel cattivo equilibrio in cui si trovano
prendi il peggio di entrambi i mondi: sono esausti e non diventano competitivi
vantaggio per questo. Ma potrebbero essere in grado di agire come il proprio don firmando un
contratto legalmente vincolante in base all'effetto che, ad esempio, i proventi guadagnati da entrambi
fare acquisti la domenica vai nell'altro negozio. Aggravando l'insoddisfacente
Pagina 263
Pagina 264
equilibrio. In questo senso, la borsa è più uno sport che una guerra.
Aumentare questa logica si traduce in un potente argomento a favore del ruolo del governo.
In effetti, molti governi hanno leggi sui libri che impongono il minimo
ferie e orari di apertura limitati. E mentre gli Stati Uniti sono gli unici
nazioni sviluppate senza requisiti federali per le ferie pagate,
Massachusetts, Maine e Rhode Island hanno divieti a livello statale
Commercio del Ringraziamento.
Leggi come queste spesso derivano dall'era coloniale e inizialmente erano religiose
in natura. In effetti, la religione stessa fornisce un modo molto diretto per modificare il
struttura di giochi di questo tipo. In particolare, una legge religiosa come “Ricorda
il giorno del sabato ”risolve ordinatamente il problema affrontato dai negozianti, se
imposto da un Dio onnipotente o dai membri più vicini di a
Comunità religiosa. E aggiungendo forza divina alle ingiunzioni contro altri tipi
un comportamento antisociale, come l'omicidio, l'adulterio e il furto, è anche un modo per farlo
risolvere alcuni dei problemi teorici del gioco del vivere in un gruppo sociale. Dio
sembra essere anche meglio del governo in questo senso, poiché onniscienza e
l'onnipotenza fornisce una garanzia particolarmente forte che intraprenderà cattive azioni
avere conseguenze disastrose. Si scopre che non c'è nessun Padrino come Dio
Padre.
La religione sembra il genere di cose di cui parla raramente un informatico;
infatti, è letteralmente l'argomento di un libro intitolato Things a Computer Scientist
Raramente se ne parla . Ma riducendo il numero di opzioni a disposizione delle persone,
i vincoli comportamentali del tipo imposto dalla religione non solo assicurano
tipi di decisioni meno impegnativi dal punto di vista computazionale, possono anche produrre risultati migliori
risultati.
Pagina 265
-BLAISE PASCAL
Le sequoie della California sono tra i più antichi e maestosi viventi
cose sul pianeta. Da un punto di vista teorico del gioco, però, lo sono
una specie di tragedia. L'unico motivo per cui sono così alti è che stanno cercando di esserlo
più alti l' uno dell'altro, fino al punto in cui sono i danni della sovraestensione
alla fine anche peggio dei danni di essere messi all'ombra. Come Richard Dawkins
lo mette,
Il baldacchino può essere pensato come un prato aereo, proprio come una prateria ondulata, ma cresciuto
trampoli. Il baldacchino sta raccogliendo energia solare più o meno alla stessa velocità di una prateria. Ma a
una parte sostanziale dell'energia viene "sprecata" essendo immessa direttamente nei trampoli, che non fanno nulla
più utile che sollevare il "prato" in aria, dove raccoglie esattamente lo stesso raccolto di
fotoni come farebbero - a un costo di gran lunga inferiore - se fosse appoggiato a terra.
Se la foresta potesse solo in qualche modo accettare una sorta di tregua, l'ecosistema
potrebbe godersi la generosità fotosintetica senza la corsa agli armamenti per la produzione del legno
sprecando tutto. Ma come abbiamo visto, i buoni risultati in questi scenari tendono solo a
sorgono nel contesto di un'autorità al di fuori del gioco - qualcuno che cambia il
guadagni dall'alto verso il basso. Sembrerebbe che in natura, quindi, ci sia
semplicemente nessun modo per stabilire un buon equilibrio tra gli individui.
D'altra parte, se la cooperazione porta davvero a risultati migliori in
certi giochi, allora ci aspetteremmo che le specie dalla mentalità cooperativa prevarranno
evolutivamente. Ma allora da dove verrebbe la collaborazione se fosse solo
razionale a livello di gruppo, non a livello individuale? Forse dovrebbe
provengono da qualcosa che gli individui non possono controllare completamente. Qualcosa, per
esempio, come le emozioni .
Considera due scenari apparentemente non correlati: (1) Un uomo compra un aspirapolvere
più pulito, si rompe in poche settimane e trascorre dieci minuti online lasciando un file
recensione vendicativa. (2) Una donna che fa la spesa in un minimarket si accorge
qualcuno ruba il portafoglio di un uomo anziano e scatta per la porta; lei affronta il ladro
e combatte il portafoglio gratuitamente.
Anche se quest'ultimo protagonista sembra chiaramente eroico, e il primo semplicemente
Pagina 266
arrabbiato, ciò che queste vignette hanno in comune, anche se in modi molto diversi, è
altruismo involontario. Il consumatore infelice non sta cercando di ottenere il vuoto
sostituzione delle pulizie o rimborso; sta cercando un tipo altamente indiretto di
retribuzione, dalla quale - in senso razionale, teorico dei giochi - ha da guadagnare
poco altro che la dispettosa soddisfazione di scrivere la recensione stessa. Nel
minimarket, l'eroica donna distribuisce giustizia vigilante all'enorme
costo personale; rischia lesioni o addirittura la morte per restituire, diciamo, $ 40 a un uomo che è a
per lei un totale estraneo. Anche se avesse voluto aiutare, avrebbe potuto semplicemente prendere
due ventenni di tasca sua e glieli regalò senza rischiare un viaggio
al pronto soccorso! In questo senso, entrambi i protagonisti agiscono in modo irrazionale. Dall'altra
mano, le loro azioni sono buone per la loro società: tutti noi vogliamo vivere in un mondo in
quale borseggio non paga e in quali attività commerciali che vendono di scarsa qualità
i prodotti hanno una cattiva reputazione.
Forse ognuno di noi, individualmente, sarebbe meglio essere il tipo di persona
che può sempre prendere una decisione distaccata e calcolata nel proprio interesse,
non è disposto a perdere tempo fumando su un costo irrecuperabile, figuriamoci perdere un dente oltre $ 40.
Ma tutti noi stiamo meglio vivendo in una società in cui si trovano posizioni così ribelli
Comune.
Quindi cosa ha agito in queste persone, in assenza di un'autorità esterna,
per farli contrarre l'equilibrio egoistico? Rabbia, per prima cosa. Se
spinto da un'attività scadente o da un ladruncolo, l'indignazione può prevalere sulla razionalità.
E in questi casi, può essere che la mano dell'evoluzione abbia fatto quello che voleva
altrimenti sarebbe stata necessaria un'autorità esterna al gioco.
La natura è piena di esempi di individui che vengono essenzialmente dirottati per servire
gli obiettivi di un'altra specie. Il trematode epatico della lancetta ( Dicrocoelium dendriticum ),
per esempio, è un parassita che fa arrampicare deliberatamente le formiche sulle cime dell'erba
lame in modo che vengano mangiate dalle pecore, l'ospite preferito della lancetta.
Allo stesso modo, il parassita Toxoplasma gondii fa sì che i topi perdano permanentemente la loro
paura dei gatti, con risultati simili.
Emozione, per il consumatore amaro, ritorsivo e per il minimarket
eroe allo stesso modo, è la nostra stessa specie che assume i controlli per un minuto. “La moralità è
istinto di branco nell'individuo ”, ha scritto Nietzsche. Parafrasando leggermente, potremmo
il rischio che l'emozione sia il design del meccanismo nella specie. Proprio perché
i sentimenti sono involontari, consentono contratti che non necessitano di applicazione esterna.
Pagina 267
Sì, le persone cercano caratteristiche oggettive a cui tengono. Tutti vogliono qualcuno che lo sia
gentile e intelligente, interessante e sano e forse fisicamente attraente, buona capacità di guadagno,
l'intera lista di funzioni, ma questo è il primo passo. ... Dopo aver trascorso abbastanza tempo insieme,
Pagina 268
non sono quelle cose che ti fanno venire voglia di stare insieme. È solo il fatto che è così particolare
persona: questo è ciò che è prezioso per te, quindi non hai davvero bisogno del contratto tanto quanto hai bisogno di un
sensazione che ti fa venir voglia di separarti, anche se oggettivamente potrebbe esserci un'opzione migliore
a tua disposizione.
Detto in modo diverso: l'amore è come il crimine organizzato. Cambia la struttura del file
gioco del matrimonio in modo che l'equilibrio diventi il risultato che funziona meglio per
tutti.
Il drammaturgo George Bernard Shaw una volta scrisse sul matrimonio che “Se il prigioniero
è felice, perché rinchiuderlo? Se non lo è, perché fingere che lo sia? " Teoria del gioco
offre una sottile risposta a questo particolare indovinello. La felicità è la serratura.
Un argomento basato sulla teoria dei giochi per l'amore evidenzierebbe un ulteriore punto:
il matrimonio è il dilemma del prigioniero in cui puoi scegliere la persona con cui ti trovi
chi sei in combutta. Potrebbe sembrare un piccolo cambiamento, ma potenzialmente
ha un grande effetto sulla struttura del gioco a cui stai giocando. Se lo sapessi, per
chissà perché, il tuo partner nel crimine sarebbe infelice se tu non fossi in giro ...
il tipo di miseria che nemmeno un milione di dollari potrebbe curare, allora ti preoccuperesti molto
meno di loro che disertano e ti lasciano a marcire in prigione.
Quindi l'argomento razionale per l'amore è duplice: le emozioni dell'attaccamento no
risparmia solo il pensiero ricorsivo delle intenzioni del tuo partner, ma per
la modifica dei guadagni consente effettivamente un risultato migliore. Cosa c'è di più,
essere in grado di innamorarsi involontariamente ti rende, a sua volta, più attraente
partner da avere. La tua capacità di spezzare il cuore, di dormire con l'emotività
pesci, è proprio la qualità che ti rende un complice così fidato.
—MARK TWAIN
Parte del motivo per cui è una buona idea prestare attenzione al comportamento degli altri
Pagina 269
è che così facendo, puoi aggiungere le loro informazioni sul mondo alle tue.
Un ristorante popolare è probabilmente buono; una sala da concerto semivuota è probabilmente un
cattivo segno; e se qualcuno con cui stai parlando sposta bruscamente il loro sguardo verso
qualcosa che non puoi vedere, probabilmente non è una cattiva idea anche girare la testa.
D'altra parte, imparare dagli altri non sembra sempre particolarmente
razionale. Le mode e le mode sono il risultato di seguire il comportamento degli altri senza
essere ancorati a qualsiasi verità oggettiva sottostante sul mondo. Cosa è peggio,
il presupposto che le azioni di altre persone siano una guida utile può portare all'ordinamento
di seguire il gregge che precipita il disastro economico. Se tutti gli altri lo sono
investire nel settore immobiliare, sembra una buona idea comprare una casa; dopo tutto, il
il prezzo aumenterà solo. Non è vero?
Un aspetto interessante della crisi dei mutui del 2007-2009 è che tutti
coinvolti sembravano sentirsi ingiustamente puniti per aver semplicemente fatto cosa
avrebbero dovuto. Una generazione di americani che sono cresciuti credendo in questo
le case erano investimenti sicuri e chi vedeva tutti intorno a loro acquistare
case nonostante (oa causa del) rapido aumento dei prezzi, sono state gravemente bruciate quando
quei prezzi hanno finalmente iniziato a cadere. I banchieri, nel frattempo, pensavano di sì
ingiustamente accusato di aver fatto ciò che avevano sempre fatto: offrire opportunità,
che i loro clienti potrebbero accettare o rifiutare. Sulla scia di un mercato brusco
crollo, la tentazione è sempre quella di dare la colpa. Qui la teoria dei giochi offre a
prospettiva che fa riflettere: catastrofi come questa possono accadere anche quando non c'è nessuno
colpa.
Apprezzare correttamente i meccanismi delle bolle finanziarie inizia con
comprensione delle aste. Mentre le aste possono sembrare angoli di nicchia del
economia, evocando dipinti ad olio da un milione di dollari da Sotheby's e
Christie's, o Beanie Babies e altri oggetti da collezione su eBay: sono davvero potenti
una parte sostanziale dell'economia. Google, ad esempio, fa più di
Il 90% delle sue entrate dalla vendita di annunci e quegli annunci sono tutti venduti tramite aste.
Nel frattempo, i governi usano le aste per vendere i diritti alle bande di
spettro delle telecomunicazioni (come le frequenze di trasmissione dei telefoni cellulari),
aumentando decine di miliardi di dollari di entrate. In effetti, molti mercati globali, in
tutto, dalle case ai libri ai tulipani, opera tramite aste di vari stili.
Uno dei formati di asta più semplici prevede che ogni partecipante annoti la propria offerta
in segreto, e colui la cui offerta è più alta vince l'oggetto a qualunque prezzo
Pagina 270
annotato. Questo è noto come "asta al primo prezzo con offerta sigillata" e da un
punto di vista algoritmico della teoria dei giochi c'è un grosso problema con esso - in realtà,
parecchi. Per prima cosa, c'è un senso in cui il vincitore paga sempre più del dovuto: se
tu valuti un articolo a $ 25 e io lo valuto a $ 10, ed entrambi dichiariamo il nostro vero
valutazioni ($ 25 e $ 10), quindi finisci per acquistarlo per $ 25 quando puoi
l'ho avuto solo per un capello più di $ 10. Questo problema, a sua volta, ne porta un altro,
vale a dire che per fare offerte adeguate, ovvero per non pagare più del dovuto, è necessario
per prevedere la vera valutazione degli altri giocatori in asta e "ombreggiare" la tua
fare un'offerta di conseguenza. È già abbastanza grave, ma gli altri giocatori non faranno offerte
anche le loro vere valutazioni, perché ombreggiano le loro offerte in base alle loro
tua previsione! Siamo tornati nella terra della ricorsione.
Un altro formato di asta classico, "asta olandese" o "asta discendente"
abbassa gradualmente il prezzo di un articolo finché qualcuno non è disposto ad acquistarlo. Il nome
fa riferimento all'asta dei fiori di Aalsmeer, la più grande asta di fiori al mondo,
che si svolge quotidianamente nei Paesi Bassi, ma le aste olandesi sono di più
prevalente di quanto potrebbe sembrare inizialmente. Un negozio che segna gli articoli invenduti,
e i proprietari che elencano gli appartamenti al prezzo più alto che pensano il mercato farà
orso, entrambi condividono la sua qualità di base: è probabile che il venditore inizi con ottimismo e
spingere il prezzo verso il basso fino a trovare un acquirente. L'asta discendente somiglia
l'asta al primo prezzo in quanto è più probabile che tu vinca pagando vicino al massimo
il tuo intervallo (ovvero, sarai pronto a fare un'offerta quando il prezzo scende a $ 25), e quindi
vorrà sfumare la tua offerta di una quantità complessivamente strategica. Compri
a $ 25, o restare la mano e provare ad aspettare un prezzo più basso? Ogni dollaro che risparmi
rischia di perdere del tutto.
L'inverso di un'asta olandese o discendente è ciò che è noto come "inglese
asta "o" asta ascendente ": il formato di asta più familiare. In un file
Asta inglese, gli offerenti si alternano aumentando il prezzo fino a quando tutti tranne uno scendono
su. Questo sembra offrire qualcosa di più vicino a ciò che vogliamo: qui, se apprezzi un file
oggetto a $ 25 e io lo valuto a $ 10, lo vincerai per poco più di $ 10 senza nessuno dei due
dover arrivare fino a $ 25 o scomparire nella tana del coniglio strategica.
Sia l'asta olandese che l'asta inglese introducono un livello extra di
complessità rispetto a un'asta con offerta sigillata, tuttavia. Non coinvolgono
solo le informazioni private di cui dispone ogni offerente ma anche il flusso pubblico di
comportamento di offerta. (In un'asta olandese, è l'assenza di un'offerta che rivela
Pagina 271
informazioni, chiarendo che nessuno degli altri offerenti valuta l'articolo a
l'attuale livello dei prezzi.) E nelle giuste circostanze, questa mescolanza di privato
e i dati pubblici possono rivelarsi tossici.
Immagina che gli offerenti siano dubbiosi sulle proprie stime del valore di
un lotto all'asta, diciamo, il diritto di trivellare per il petrolio in qualche parte dell'oceano. Come
Ken Binmore, teorico dei giochi dell'University College di Londra, osserva: “la quantità di petrolio
in un tratto è uguale per tutti, ma le stime degli acquirenti su quanto petrolio sia
probabile che si trovi in un tratto dipenderà dalle loro differenti indagini geologiche. Come
i sondaggi non sono solo costosi, ma notoriamente inaffidabili ". In una situazione del genere, esso
sembra naturale guardare da vicino le offerte dei tuoi avversari, per aumentare le tue
scarse informazioni private con le informazioni pubbliche.
Ma questa informazione pubblica potrebbe non essere così istruttiva come sembra.
In realtà non conosci le convinzioni degli altri offerenti , ma solo le loro azioni .
Ed è del tutto possibile che il loro comportamento sia basato sul tuo, proprio come il tuo
il comportamento è influenzato dal loro. È facile immaginare un gruppo di persone tutte
andando su una scogliera insieme perché "tutti gli altri" si comportavano come se avessero fatto tutto
va bene, quando in realtà ogni persona aveva scrupoli, ma li sopprimeva perché
dell'apparente fiducia di tutti gli altri nel gruppo.
Proprio come con la tragedia dei beni comuni, questo fallimento non è necessariamente il
colpa dei giocatori. Un documento enormemente influente degli economisti Sushil
Bikhchandani, David Hirshleifer e Ivo Welch hanno dimostrato che sotto il
giuste circostanze, un gruppo di agenti che si comportano tutti perfettamente razionalmente
e perfettamente appropriato può tuttavia cadere preda di ciò che è effettivamente
disinformazione infinita. Questo è diventato noto come "informazione
cascata."
Per continuare lo scenario dei diritti di perforazione petrolifera, immagina che ci siano dieci società
che potrebbe fare offerte sui diritti per un determinato tratto. Uno di loro ha un geologico
sondaggio che suggerisce che il tratto è ricco di petrolio; il sondaggio di un altro è inconcludente; il
la ricognizione degli altri otto suggerisce che sia sterile. Ma essendo concorrenti, di
Naturalmente, le aziende non condividono tra loro i risultati del sondaggio e
invece possono solo guardare le azioni degli altri. Quando inizia l'asta, la prima
L'azienda, con il promettente rapporto, fa un'offerta iniziale alta. Il secondo
società, incoraggiati da questa offerta ad assumere una propria visione ottimistica
sondaggio ambiguo, offerte ancora più alte. La terza azienda ha un sondaggio debole ma
Pagina 272
ora non ci si fida alla luce di quello che considerano due sondaggi indipendenti che
suggeriscono che sia una miniera d'oro, quindi fanno una nuova offerta alta. La quarta compagnia,
che ha anche un'indagine poco brillante, ora è ancora più fortemente incline a
ignorarlo, poiché sembra che tre dei loro concorrenti pensano che sia un vincitore. Così
anche loro offrono. Il "consenso" svincola dalla realtà. Si è formata una cascata.
Nessun singolo offerente ha agito in modo irrazionale, ma il risultato netto è una catastrofe. Come
Hirshleifer afferma: “Qualcosa di molto importante accade quando qualcuno decide
seguire ciecamente i suoi predecessori indipendentemente dal proprio segnale informativo,
e cioè che la sua azione diventa disinformativa per tutti i decisori successivi.
Ora il pool pubblico di informazioni non cresce più. Quel beneficio per il benessere di
avere informazioni pubbliche ... è cessato. "
Per vedere cosa succede nel mondo reale quando una cascata di informazioni prende
e gli offerenti non hanno quasi nient'altro che il comportamento reciproco da stimare
il valore di un oggetto, non guardare oltre la biologia dello sviluppo di Peter A. Lawrence
text The Making of a Fly , che nell'aprile 2011 è stato venduto per $ 23.698.655,93
(più $ 3,99 di spedizione) sul marketplace di terze parti di Amazon. Come e perché aveva
questo libro - certamente rispettato - ha raggiunto un prezzo di vendita di oltre $ 23
milione? Si scopre che due dei venditori stavano fissando i prezzi
algoritmicamente come frazioni costanti l'una dell'altra: si era sempre impostate su
0,99830 volte il prezzo del concorrente, mentre il concorrente era automaticamente
fissando il proprio prezzo a 1.27059 volte quello dell'altro. Nessuno dei due venditori a quanto pare
ha pensato di impostare un limite ai numeri risultanti e, infine, al processo
una spirale totalmente fuori controllo.
È possibile che un meccanismo simile fosse in gioco durante l'enigmatico e
controverso "flash crash" del mercato azionario del 6 maggio 2010, quando, nel giro di
minuti, il prezzo di diverse società apparentemente casuali nell'S & P 500 è aumentato
a più di $ 100.000 per azione, mentre altri sono scesi precipitosamente, a volte
a 0,01 dollari per azione. Quasi mille miliardi di dollari di valore sono andati istantaneamente in fumo.
Come ha riferito in diretta Jim Cramer della CNBC, sbalordito, “Quello… non può essere lì.
Non è un prezzo reale. Oh beh, vai a comprare Procter! Basta andare a comprare Procter e
Gamble, hanno riportato un trimestre decente, vai a comprarlo ... Voglio dire, questo è ridi ...
questa è una buona opportunità. " L'incredulità di Cramer è la sua informazione privata
resistere alle informazioni pubbliche. Apparentemente è l'unica persona in
mondo disposto a pagare, in questo caso, $ 49 per un'azione che a quanto pare il mercato è
Pagina 273
Pagina 274
inferenze dal tuo comportamento. Potrebbe venire il momento in cui salverai il file
intera mandria dal disastro.
Pagina 275
alto era il tuo. Questo rende l'asta Vickrey ciò che i progettisti di meccanismi
chiamare "a prova di strategia" o semplicemente "veritiero". Nell'asta di Vickrey, l'onestà è
letteralmente la migliore politica.
Ancora meglio, l'onestà rimane la migliore politica indipendentemente dal fatto che l'altra
gli stessi offerenti sono onesti. Nel dilemma del prigioniero, abbiamo visto come la defezione
si è rivelata la strategia "dominante", la mossa migliore, non importa se la tua
il partner ha disertato o ha collaborato. In un'asta di Vickrey, invece, l'onestà
è la strategia dominante. Questo è il Santo Graal del progettista del meccanismo. Tu fai
non c'è bisogno di strategizzare o ricorrere.
Ora, sembra che l'asta di Vickrey costerebbe del denaro al venditore
rispetto all'asta al primo prezzo, ma questo non è necessariamente vero. In un primo prezzo
asta, ogni offerente riduce la propria offerta per evitare di pagare più del dovuto; nel
asta Vickrey al secondo prezzo, non ce n'è bisogno - in un certo senso, l'asta stessa lo è
ombreggiando in modo ottimale la loro offerta per loro . In effetti, un principio della teoria dei giochi chiamato
L '“equivalenza dei ricavi” stabilisce che nel tempo, il prezzo medio di vendita previsto
in un'asta al primo prezzo convergeranno esattamente come in una Vickrey
asta. Quindi l'equilibrio di Vickrey coinvolge lo stesso offerente che vince il
articolo per lo stesso prezzo, senza alcuna strategia da parte di nessuno degli offerenti
qualunque cosa. Come Tim Roughgarden dice ai suoi studenti di Stanford, il Vickrey
l'asta è "fantastica".
Per Noam Nisan, teorico dei giochi algoritmici della Hebrew University, questo
la suggestione ha un'aria quasi utopica. “Ti piacerebbe prenderne un po '
tipo di regole della società in cui non vale la pena mentire, e poi la gente no
mentire così tanto, giusto? Questa è l'idea di base. Dal mio punto di vista, l'incredibile
la cosa di Vickrey è che non ti aspetteresti che in generale sia possibile farlo
giusto? Soprattutto in cose come un'asta, dove ovviamente voglio pagare
di meno, come puoi mai ... E poi ancora Vickrey mostra, ecco come fare
quello. Penso che sia davvero fantastico. "
In effetti, la lezione qui va ben oltre le aste. In una scoperta storica chiamata
il "principio di rivelazione", il premio Nobel Roger Myerson ha dimostrato che qualsiasi gioco
che richiede mascherare strategicamente la verità può essere trasformato in un gioco che
non richiede altro che semplice onestà. Paul Milgrom, collega di Myerson al
tempo, riflette: "È uno di quei risultati che se lo guardi da diverse parti,
da un lato, è assolutamente scioccante e sorprendente, e dall'altro lato,
Pagina 276
Quando pensiamo a noi stessi, quando proviamo a conoscere noi stessi ... usiamo la conoscenza di noi
che altre persone hanno già. Ci giudichiamo con i mezzi che le altre persone hanno e hanno
dato a noi per giudicare noi stessi. In qualunque cosa dica di me, il giudizio di qualcun altro è sempre
entra. In qualunque cosa io senta dentro di me, entra in gioco il giudizio di qualcun altro ... Ma non è affatto così
significa che non si possono avere rapporti con altre persone. Mette semplicemente in evidenza l'importanza capitale di
Pagina 277
Forse, dato quello che abbiamo visto in questo capitolo, potremmo tentare di rivedere
La dichiarazione di Sartre. Interagire con gli altri non deve essere un incubo—
anche se nel gioco sbagliato può sicuramente esserlo. Come ha osservato Keynes, la popolarità lo è
complicato, intrattabile, una sala ricorsiva di specchi; ma la bellezza, negli occhi del
beholder, non lo è. Adottare una strategia che non richiede anticipazione, previsione,
leggere o cambiare rotta a causa delle tattiche degli altri è un modo per tagliare
il nodo gordiano della ricorsione. E a volte quella strategia non è solo facile, lo è
ottimale.
Se cambiare strategia non aiuta, puoi provare a cambiare il gioco. E se
non è possibile, puoi almeno esercitare un certo controllo su quali giochi
scegli di giocare. La strada per l'inferno è lastricata di ricorsioni intrattabili, male
equilibri e cascate di informazioni. Cerca giochi in cui l'onestà è il
strategia dominante. Allora sii te stesso.
Pagina 278
Conclusione
Gentilezza computazionale
Credo fermamente che le cose importanti sugli esseri umani siano sociali
carattere e quel sollievo dalle macchine da molti dei nostri attuali esigenti
le funzioni intellettuali daranno finalmente tempo e incentivi alla razza umana
imparare a vivere bene insieme.
—MERRILL FLOOD
Qualsiasi sistema dinamico soggetto ai vincoli di spazio e tempo si scontra con a
insieme di problemi fondamentali e inevitabili. Questi problemi sono
di natura computazionale, che rende i computer non solo i nostri strumenti ma anche i nostri
compagni. Da ciò derivano tre semplici pezzi di saggezza.
In primo luogo, ci sono casi in cui lo hanno fatto scienziati informatici e matematici
identificato buoni approcci algoritmici a cui è possibile trasferire semplicemente
problemi umani. La regola del 37%, il criterio utilizzato meno di recente per la gestione
cache traboccanti e Upper Confidence Bound come guida all'esplorazione
sono tutti esempi di questo.
Secondo, sapere che stai usando un algoritmo ottimale dovrebbe essere un sollievo
anche se non ottieni i risultati che stavi cercando. La regola del 37% fallisce 63%
del tempo. Mantenere la cache con LRU non garantisce che lo farai
trova sempre quello che cerchi; in effetti, nessuno dei due avrebbe chiaroveggenza. Utilizzando
l'approccio Upper Confidence Bound al compromesso tra esplorazione e sfruttamento no
significa che si avrà alcun rimpianto, solo che quei rimpianti accumulano mai
Pagina 279
più lentamente mentre attraversi la vita. Anche la migliore strategia a volte produce risultati negativi
risultati, motivo per cui gli informatici si preoccupano di distinguere tra
"Processo" e "risultato". Se hai seguito il miglior processo possibile, allora l'hai fatto
fatto tutto quello che puoi e non dovresti incolpare te stesso se le cose non sono andate a modo tuo.
I risultati fanno notizia - anzi, rendono il mondo in cui viviamo -
quindi è facile fissarsi su di loro. Ma i processi sono ciò che abbiamo il controllo
al di sopra di. Come ha affermato Bertrand Russell, “sembra che dobbiamo tenerne conto
probabilità nel giudicare la correttezza oggettiva ... L'atto oggettivamente giusto è il
uno che probabilmente sarà più fortunato. Definirò questo come l' atto più saggio . "
Possiamo sperare di essere fortunati, ma dovremmo sforzarci di essere saggi. Chiamalo una specie di
Stoicismo computazionale.
Infine, possiamo tracciare una linea netta tra i problemi che ammettono
soluzioni dirette e problemi che non lo fanno. Se ti ritrovi bloccato in un file
scenario intrattabile, ricorda che euristiche, approssimazioni e uso strategico
di casualità può aiutarti a trovare soluzioni praticabili. Un tema che è emerso
ancora e ancora nelle nostre interviste con gli informatici era: a volte
"Abbastanza buono" è davvero abbastanza buono. Inoltre, essere consapevoli della complessità
può aiutarci a scegliere i nostri problemi: se abbiamo il controllo su quali situazioni dobbiamo
confrontiamoci, dovremmo scegliere quelli trattabili.
Ma non selezioniamo solo i problemi che ci poniamo. Selezioniamo anche
i problemi che ci poniamo a vicenda, che sia il modo in cui progettiamo una città o il
modo in cui poniamo una domanda. Questo crea un ponte sorprendente dall'informatica al
etica, sotto forma di un principio che chiamiamo gentilezza computazionale .
C'è un certo paradosso che noi due abbiamo osservato quando si trattava di programmare il
interviste contenute in questo libro. I nostri intervistati erano in media di più
probabilmente sarà disponibile quando abbiamo richiesto un incontro, ad esempio "il prossimo martedì tra
1:00 e 2:00 pm PST "rispetto a" in un momento conveniente la prossima settimana ". All'inizio
questo sembra assurdo, come i celebri studi dove le persone in media donano
più soldi per salvare la vita di un pinguino di ottomila pinguini, o
riferire di essere più preoccupato di morire in un atto di terrorismo che di morire
da qualsiasi causa, terrorismo compreso. Nel caso delle interviste, sembra che
le persone preferivano ricevere un problema vincolato, anche se i vincoli lo erano
Pagina 280
colto dal nulla, di uno spalancato. Apparentemente era meno difficile per
per soddisfare le nostre preferenze e vincoli piuttosto che per calcolarne uno migliore
opzione basata sulla propria. Gli informatici annuirebbero consapevolmente qui,
citando il divario di complessità tra "verifica" e "ricerca", di cui si tratta
ampio quanto il divario tra conoscere una buona canzone quando la ascolti e scrivere
uno sul posto.
Uno dei principi impliciti dell'informatica, per quanto strano possa sembrare, lo è
quel calcolo è cattivo : la direttiva sottostante di ogni buon algoritmo è quella di
minimizza il lavoro del pensiero. Quando interagiamo con altre persone, presentiamo
loro con problemi computazionali - non solo richieste e richieste esplicite, ma
sfide implicite come interpretare le nostre intenzioni, le nostre convinzioni e le nostre
preferenze. È logico, quindi, che una comprensione computazionale di
tali problemi mettono in luce la natura dell'interazione umana. Noi possiamo essere
"Computazionalmente gentile" con gli altri inquadrando i problemi in termini che rendono il
problema computazionale sottostante più facile. Questo è importante perché molti problemi
- soprattutto quelli sociali, come abbiamo visto - sono intrinsecamente e inestricabilmente difficili.
Considera questo scenario fin troppo comune. Un gruppo di amici è in piedi
in giro, cercando di capire dove andare a cena. Ognuno di loro ha chiaramente
alcune preferenze, anche se potenzialmente deboli. Ma nessuno di loro vuole affermare
quelle preferenze in modo esplicito, quindi navigano educatamente tra i rischi sociali
supposizioni e mezzi accenni invece.
Potrebbero arrivare a una risoluzione soddisfacente per tutti. Ma questo
procedura può facilmente andare storta. L'estate dopo il college, ad esempio, Brian e
due amici hanno fatto un viaggio in Spagna. Hanno negoziato l'itinerario di viaggio al volo, e
a un certo punto è diventato chiaro che non avrebbero avuto il tempo di andare alla corrida
avevano studiato e pianificato. Solo allora, come tentò di fare ciascuno dei tre
consola gli altri, hanno scoperto all'improvviso che in realtà nessuno di loro l'aveva fatto
voleva vedere la corrida in primo luogo. Ognuno aveva appena adottato coraggiosamente cosa
avevano percepito essere il livello di entusiasmo degli altri, producendo così il
livello
Allodistesso
entusiasmo
modo,che
un gli altri hanno
linguaggio adottato coraggiosamente
apparentemente innocuo comea "Oh,
loro volta.
sono flessibile" o "Cosa fare
vuoi fare stasera? " ha un oscuro ventre computazionale che dovrebbe fare
ci pensi due volte. Ha la patina di gentilezza al riguardo, ma ne fa due profondamente
cose allarmanti. In primo luogo, passa il dollaro cognitivo: “Ecco un problema, tu
Pagina 281
occupatene." In secondo luogo, non dichiarando le tue preferenze, invita gli altri a farlo
simularli o immaginarli. E come abbiamo visto, la simulazione delle menti di
altri è una delle più grandi sfide computazionali che una mente (o una macchina) possa affrontare
mai affrontare.
In tali situazioni, gentilezza computazionale ed etichetta convenzionale
divergere. Trattenere educatamente le tue preferenze pone il problema computazionale
di inferirli sul resto del gruppo. Al contrario, affermando educatamente il tuo
le preferenze ("Personalmente, sono incline a x . Cosa ne pensi?") aiuta
assumersi il carico cognitivo di spostare il gruppo verso la risoluzione.
In alternativa, puoi provare a ridurre, anziché massimizzare, il numero di file
opzioni che offri ad altre persone, ad esempio, offrendo una scelta tra due o tre
ristoranti piuttosto che dieci. Se ogni persona nel gruppo elimina il minimo
opzione preferita, che rende il compito più facile per tutti. E se stai invitando
qualcuno fuori a pranzo, o che stia programmando una riunione, offrendo uno o due concreti
proposte che possono accettare o rifiutare è un buon punto di partenza.
Nessuna di queste azioni è necessariamente "educata", ma tutte possono farlo in modo significativo
abbassare il costo computazionale dell'interazione.
Pagina 282
Pagina 283
Se possiamo essere più gentili con gli altri, possiamo anche essere più gentili con noi stessi. Non solo
dal punto di vista computazionale, tutti gli algoritmi e le idee che abbiamo discusso lo faranno
Pagina 284
Appunti
Tieni presente che alcuni dei link a cui si fa riferimento non funzionano più.
I numeri di pagina per le note che apparivano nella versione stampata di questo titolo sono
non nel tuo e-book. Utilizzare la funzione di ricerca sul dispositivo di lettura elettronica per
cercare i passaggi rilevanti documentati o discussi.
INTRODUZIONE
al-Jabr wa'l-Muqābala : Al-Jabr wa'l-Muqābala ha portato con sé una tecnologia davvero dirompente: l'indiana
sistema decimale - e il fatto che ci riferiamo a questo sistema in qualche modo erroneamente come numeri arabi lo è
testimonianza dell'influenza del libro. L'introduzione dei numeri arabi e gli algoritmi che supportano,
ha dato il via a una resa dei conti medievale tra i sostenitori di questa nuova matematica (gli "algoristi") e altri
contabili tradizionali che prediligevano i numeri romani supportati da un pallottoliere (gli "abacisti"). È diventato carino
intenso: la città di Firenze varò nel 1399 una legge che vietava l'uso dei numeri arabi da parte delle banche.
Ironia della sorte, i numeri romani erano essi stessi un'innovazione controversa quando venivano offerti come file
alternativa alla semplice scrittura di numeri con parole, essendo dichiarato "non idoneo a mostrare una somma, dal momento che i nomi
sono stati inventati a tale scopo. " Vedi Murray, Capitoli nella storia della contabilità .
Tavoletta di argilla sumera di quattromila anni: un'analisi dettagliata appare in Knuth, "Ancient Babylonian
Algoritmi. " Ulteriori informazioni sulla storia degli algoritmi, con particolare attenzione alla matematica
algoritmi, appare in Chabert, Barbin e Weeks, A History of Algorithms .
colpisce con la fine di un corno: questa tecnica è nota come "percussione a martello morbido".
"La scienza è un modo di pensare": Sagan, Broca's Brain .
il modo in cui pensiamo alla razionalità umana: i limiti di una concezione classica della razionalità -
che presuppone una capacità computazionale infinita e un tempo infinito per risolvere un problema, erano famosi
indicato dallo psicologo, economista e pioniere dell'intelligenza artificiale Herbert Simon negli anni '50
(Simon, Models of Man ), che alla fine ha portato a un premio Nobel. Simon ha sostenuto che "razionalità limitata"
potrebbe fornire un resoconto migliore del comportamento umano. L'intuizione di Simon è stata ripresa in matematica e
Informatica. Il collega di Alan Turing IJ Good (famoso per il concetto di "singolarità" e per
Pagina 286
consigliare Stanley Kubrick su HAL 9000 per 2001: Odissea nello spazio ) ha definito questo tipo di pensiero "Tipo II
Razionalità." Mentre la razionalità di tipo I classica e antiquata si preoccupa solo di ottenere la risposta giusta,
La razionalità di tipo II tiene conto del costo per ottenere quella risposta, riconoscendo che il tempo è altrettanto
importante una valuta come precisione. Vedi Good, Good Thinking .
Gli esperti di intelligenza artificiale del ventunesimo secolo hanno anche sostenuto che "ottimalità limitata" -
scegliere l'algoritmo che meglio scambia tempo ed errore è la chiave per sviluppare l'intelligenza funzionale
agenti. Questo è un punto sottolineato, ad esempio, dallo scienziato informatico della UC Berkeley Stuart Russell, che letteralmente
ha scritto il libro sull'intelligenza artificiale (il libro di testo più venduto Artificial Intelligence: A Modern
Approach ) e di Eric Horvitz, amministratore delegato di Microsoft Research. Vedi, ad esempio, Russell e
Wefald, Do the Right Thing , e Horvitz e Zilberstein, "Computational Tradeoffs Under Bounded
Risorse ". Tom ei suoi colleghi hanno utilizzato questo approccio per sviluppare modelli di cognizione umana; vedere
Griffiths, Lieder e Goodman, "Rational Use of Cognitive Resources".
analogia con un matematico umano: nella sezione 9 di Turing, "On Computable Numbers", Turing giustifica
le scelte fatte nel definire quella che oggi chiamiamo macchina di Turing confrontandole con operazioni che a
persona potrebbe eseguire: un pezzo di carta bidimensionale diventa un nastro unidimensionale, quello della persona
lo stato d'animo diventa lo stato della macchina, ei simboli vengono scritti e letti come la persona o la macchina
si muove sulla carta. Il calcolo è ciò che fa un computer e al momento gli unici "computer"
erano persone.
siamo irrazionali e inclini all'errore: per esempio, vedi Gilovich, How We Know What Isn't So ; Ariely e
Jones, prevedibilmente irrazionale ; e Marcus, Kluge .
1. ARRESTO OTTIMALE
“Sebbene tutti i cristiani inizino”: dalla lettera di Keplero a “un nobile sconosciuto” il 23 ottobre 1613; vedere,
ad esempio, Baumgardt, Johannes Kepler .
un fenomeno così comune: la goccia di tacchino è menzionata, tra molti altri luoghi, in
http://www.npr.org/templates/story/story.php?storyId=120913056 e
http://jezebel.com/5862181/technology-cant-stop-the-turkey-drop.
In qualsiasi problema di arresto ottimale: per ulteriori informazioni sulla matematica dell'arresto ottimale, Ferguson,
Arresto e applicazioni ottimali , è un ottimo riferimento.
Il puzzle più famoso dell'arresto ottimale: un trattamento dettagliato della natura e delle origini della segretaria
problema appare in Ferguson, "Chi ha risolto il problema del segretario?"
la sua prima apparizione stampata: ciò di cui scrive Gardner è un gioco di società chiamato "Game of Googol",
apparentemente ideato nel 1958 da John Fox della Minneapolis-Honeywell Regulator Company e Gerald
Marnie del MIT. Ecco come fu descritto da Fox nella sua lettera originale a Gardner l'11 maggio 1959 (all
le lettere a Gardner che citiamo provengono dagli articoli di Martin Gardner alla Stanford University, serie 1, riquadro 5, cartella
19):
Il primo giocatore annota tanti numeri positivi univoci su diversi fogli di carta quanti ne ha
auguri. Quindi le mescola e le rigira una alla volta. Se il secondo giocatore glielo dice
fermati a un certo tagliando e il numero su quel tagliando è il numero più grande della collezione, quindi il
il secondo giocatore vince. In caso contrario, il primo giocatore vince.
Fox ha inoltre notato che il nome del gioco deriva dal fatto che il numero "uno googol" è spesso
Pagina 287
scritto su uno dei foglietti (presumibilmente per indurre l'avversario a pensare che sia il numero più alto, con "due
googol "che appare da qualche altra parte). Ha poi affermato che la strategia ottimale per il secondo giocatore era quella di
attendere fino a quando la metà dei tagliandi è stata girata e quindi scegliere il primo numero più grande del più grande nel
primo tempo, convergendo su una probabilità di vittoria del 34,7%.
Gardner ha scritto a Leo Moser, un matematico dell'Università di Alberta, per avere maggiori informazioni
sul problema. Moser aveva scritto un articolo su rivista nel 1956 che affrontava un problema strettamente correlato
(Moser, "On a Problem of Cayley"), originariamente proposto nel 1875 dall'influente matematico britannico
Arthur Cayley (Cayley, "Mathematical Questions"; Cayley, Collected Mathematical Papers ). Ecco il file
versione proposta da Cayley:
Una lotteria è organizzata come segue: ci sono n biglietti che rappresentano rispettivamente a , b , c sterline. UN
la persona disegna una volta; guarda il suo biglietto; e se vuole, disegna di nuovo (dal restante n - 1
Biglietti); guarda il suo biglietto e, se vuole, pesca di nuovo (dai restanti n - 2 biglietti); e così
attivo, attingendo tutto non più di k volte; e riceve il valore dell'ultimo biglietto estratto.
Supponendo che regoli i suoi disegni nel modo a lui più vantaggioso secondo il
teoria delle probabilità, qual è il valore della sua aspettativa?
Moser aggiunse un'altra informazione: che i biglietti avevano le stesse probabilità di assumere un valore
tra 0 e 1.
Nel problema di Cayley e nel leggero rimodellamento di Moser (a volte indicato collettivamente come il
Cayley-Moser), la vincita è il valore del biglietto scelto e la sfida è trovare la strategia
che dà il profitto medio più alto. È qui che il problema esplorato da Cayley e Moser differisce
il problema della segreteria (e il gioco di Googol) concentrandosi sulla massimizzazione del valore medio del
numero scelto, piuttosto che la probabilità di trovare il singolo numero più grande (quando nient'altro che il migliore
andrà bene). L'articolo di Moser del 1956 è degno di nota non solo per la chiara soluzione che fornisce a questo problema, ma anche
perché è il primo posto in cui vediamo menzionare le conseguenze nel mondo reale di un arresto ottimale. Moser parla
circa due possibili scenari: 1. Il problema del turista: un turista che viaggia in macchina vuole fermarsi per la notte
in uno dei n motel indicati sulla sua guida stradale. Cerca la sistemazione più comoda ma naturalmente
non vuole ripercorrere nessuna parte del suo viaggio. Quale criterio dovrebbe usare per fermarsi?
2. Il dilemma dello scapolo: uno scapolo incontra una ragazza che è disposta a sposarlo e il cui "valore" lui
può stimare. Se lui la rifiuta, lei non avrà nessuno di lui in seguito, ma è probabile che incontri altre ragazze nel
futuro e stima di avere n possibilità in tutto. In quali circostanze dovrebbe sposarsi?
L'idea di intrattenere una serie di corteggiatori - con i sessi dei protagonisti invertiti - ha debitamente fatto un
apparizione nella colonna di Gardner del 1960 sul gioco del googol.
Moser ha fornito la soluzione corretta - la regola del 37% - a Gardner, ma la sua lettera del 26 agosto 1959,
ha suggerito che il problema potrebbe avere un'origine anteriore: “Ho anche trovato in alcune note che RE Gaskell (di
Boeing Aircraft in Seattle) distribuito nel gennaio 1959. Attribuisce il problema al Dr. G. Marsaglia ".
L'interpretazione caritatevole di Gardner era che Fox e Marnie rivendicassero la creazione dello specifico
Game of Googol, non del problema più ampio di cui quel gioco era un esempio, un punto che era attentamente
fatto nella sua colonna. Ma ha ricevuto una serie di lettere che citano casi precedenti di problemi simili, e lo è
chiaro che il problema è stato passato in giro tra i matematici.
le origini del problema sono sorprendentemente misteriose: anche Gilbert e Mosteller, “Riconoscendo il
Maximum of a Sequence ”, ammette uno dei più autorevoli articoli scientifici sul problema della segreteria
che "gli sforzi per scoprire l'origine di questo problema non hanno avuto successo". Ferguson, "Chi ha risolto il problema
Problema segretario? "Fornisce una storia divertente e matematicamente dettagliata del problema segretario,
comprese alcune delle sue varianti. Ferguson ha sostenuto che in realtà il problema descritto da Gardner non era stato
Pagina 288
risolto. Dovrebbe essere già chiaro che molte persone hanno risolto il problema del segretario di massimizzare il
probabilità di selezionare il migliore da una sequenza di candidati distinti solo dai loro ranghi relativi, ma
Ferguson ha sottolineato che questo non è effettivamente il problema posto nel gioco di Googol. Prima di tutto, il
Il giocatore di Googol conosce i valori osservati su ogni foglio di carta. Secondo, è un gioco competitivo, con uno solo
giocatore che cerca di selezionare i numeri e una sequenza che ingannerà l'altro. Ferguson ha la sua soluzione
questo problema più impegnativo, ma è abbastanza complesso che dovrai leggere il giornale da solo!
Mosteller ha ricordato di aver sentito parlare del problema: Gilbert e Mosteller, “Riconoscendo il massimo di a
Sequenza."
Roger Pinkham di Rutgers ha scritto: Lettera di Roger Pinkham a Martin Gardner, 29 gennaio 1960.
L'influenza di Flood sull'informatica: vedi Cook, In Pursuit of the Travelling Salesman ; Poundstone,
Dilemma del prigioniero ; e Flood, "Soft News".
considerando il problema dal 1949: Flood fece questa affermazione in una lettera che scrisse a Gardner il 5 maggio,
1960. Allegò una lettera del 5 maggio 1958, in cui forniva la soluzione corretta, sebbene anche lui
ha indicato che si diceva che Andrew Gleason, David Blackwell e Herbert Robbins avessero risolto il problema
problema negli ultimi anni.
In una lettera a Tom Ferguson datata 12 maggio 1988, Flood è andato più in dettaglio sull'origine del
problema. (La lettera è in archivio presso l'archivio Merrill Flood presso l'Università del Michigan.) Sua figlia,
recentemente diplomato al liceo, aveva intrapreso una relazione seria con un uomo più anziano, e Flood e
sua moglie disapprovava. Sua figlia stava prendendo il verbale in una conferenza a George Washington
University nel gennaio 1950, e Flood ha presentato quello che ha chiamato il "problema del fidanzato". Nelle sue parole, "Io
non ha tentato di risolvere il problema in quel momento, ma l'ha introdotto semplicemente perché speravo che [lei]
penserei un po 'in questi termini e suonava come se potesse essere un bel problema matematico facile. "
Flood indica che Herbert Robbins fornì una soluzione approssimativa alcuni anni dopo, prima di Flood
stesso ha capito la soluzione esatta.
sembra essere in un articolo del 1964: il documento è Chow et al., "Optimal Selection Based on Relative Rank".
il meglio che hai visto finora: in letteratura si fa riferimento a ciò che chiamiamo "i migliori ancora" candidati (pensiamo
in modo un po 'confuso) come "candidati".
si assesta al 37% del pool: la regola del 37% si ricava eseguendo la stessa analisi per n candidati che lavorano
la probabilità che l'impostazione di uno standard basato sui primi k candidati risulti nella scelta del migliore
candidato in generale. Questa probabilità può essere espressa in termini di rapporto tra k e n , che possiamo chiamare p . Come n
aumenta, la probabilità di scegliere il miglior candidato converge alla funzione matematica - p log p .
Questo è massimizzato quando p = 1 / e . Il valore di e è 2 . 71828 …, quindi 1 / e è 0 . 367879441 …, o poco meno del 37%.
E la coincidenza matematica - che la probabilità di successo è la stessa di p - si manifesta perché log e è
uguale a 1. Quindi, se p = 1 / e , - p log p è solo 1 / e . Una versione ben spiegata della derivazione completa appare in
Ferguson, "Chi ha risolto il problema del segretario?"
una delle curiose simmetrie matematiche del problema: i matematici John Gilbert e Frederick
Mosteller chiama questa simmetria "divertente" e ne discute leggermente più a lungo in Gilbert e Mosteller,
"Riconoscere il massimo di una sequenza."
uno studente laureato, in cerca di amore: il post sul blog di Michael Trick sull'incontro con sua moglie è “Finding Love
In modo ottimale " Michael Trucchi Operazioni Ricerca Blog , febbraio 27, 2011,
http://mat.tepper.cmu.edu/blog/?p=1392 .
il numero di candidati o il tempo : la regola del 37% si applica direttamente al periodo di tempo della propria ricerca
Pagina 289
solo quando i candidati sono distribuiti uniformemente nel tempo. Altrimenti, vorrai mirare di più
precisamente per il 37% della distribuzione nel tempo. Vedere Bruss, "Un approccio unificato a una classe di scelta migliore
I problemi."
la regola del 37% dava 26,1 anni di età: L'analisi dell'attesa almeno fino a 26 anni per proporre (37% dei
modo da 18 a 40) appare per la prima volta in Lindley, "Dynamic Programming and Decision Theory", che è
presumibilmente dove Trick ha incontrato questa idea.
corteggiando un totale di undici donne: la storia di Keplero è trattata in dettaglio in Koestler, The Watershed e in
Baumgardt, Johannes Kepler , così come in Connor, la strega di Kepler . La maggior parte di ciò che sappiamo su Keplero
la ricerca di una seconda moglie viene da una lettera in particolare, che Keplero ha scritto a “uno sconosciuto
nobile ”di Linz, Austria, il 23 ottobre 1613.
proporre subito e spesso: Smith, "Un problema del segretario con un'occupazione incerta", ha dimostrato che se il
la probabilità che una proposta venga rifiutata è q , quindi la strategia che massimizza la probabilità di trovare il
1 / (1− q )
il miglior candidato consiste nel considerare una percentuale di candidati pari a qe quindi fare offerte a ciascun candidato
migliori di quelli visti finora. Questa proporzione è sempre inferiore a 1 / e , quindi stai migliorando le tue possibilità
facendo più offerte. Sfortunatamente, quelle possibilità sono ancora peggiori che se non fossi stato rifiutato -
1 / (1− q )
la probabilità di finire con il miglior candidato è anche q , e quindi inferiore a quello fornito da
Regola del 37%.
fino a quando non hai visto il 61% dei candidati: se sono consentite proposte in ritardo, la strategia ottimale dipende da
la probabilità che una proposta immediata venga accettata, q , e la probabilità che una proposta sia ritardata
accettato, p . La percentuale di candidati da passare inizialmente è data dalla formula abbastanza scoraggiante
. Questa formula integrata per il rifiuto e il richiamo viene da Petruccelli, “Best-Choice
Problemi che comportano l'incertezza ", sebbene Yang abbia considerato in precedenza il richiamo ai candidati del passato,
"Riconoscere il massimo di una sequenza casuale."
Questa formula semplifica quando facciamo scelte particolari per q e p . Se p = 0, lo sono le proposte ritardate
sempre bocciato, si riprende la regola per il problema segretario con bocciatura. Quando ci avviciniamo a q = 1, con
proposte immediate sempre accettate, la proporzione alla quale iniziare a fare offerte tende verso
p −1 −1
e , che è sempre maggiore di 1 / e (che può essere riscritto come e ). Ciò significa che avere il potenziale
fare offerte a candidati che sono stati trasferiti dovrebbe comportare un passaggio più lungo
candidati: qualcosa che è abbastanza intuitivo. Nel testo principale assumiamo che le proposte immediate lo siano
sempre accettati ( q = 1), ma ritardati proposte vengono respinte metà del tempo ( p = 0 . 5). Allora dovresti passare
oltre il 61% dei candidati e fa un'offerta al migliore ancora che segue, tornando alla fine e facendo un
offrire al meglio in generale, se necessario.
Un'altra possibilità considerata da Petruccelli è che la probabilità di rigetto aumenti con il tempo, come
S
l'ardore dei candidati diminuisce. Se la probabilità che un'offerta venga accettata da un richiedente è qp , dove
s è il numero di "passaggi" nel passato necessari per raggiungere quel candidato, da cui dipende la strategia ottimale
q , p , e il numero di richiedenti, n . Se q / (1 - p ) è maggiore di n - 1, allora è meglio giocare in attesa,
osservando tutti i candidati e quindi facendo un'offerta al migliore. Altrimenti, osserva una proporzione uguale a
1 / (1− q )
q e fare un'offerta al prossimo richiedente migliore di quelle viste finora. È interessante notare che questo è esattamente il file
stessa strategia (con la stessa probabilità di successo) di quella quando p = 0, il che significa che se la probabilità di
il rifiuto aumenta con il tempo, non c'è alcun vantaggio nel poter tornare da un candidato precedente.
Pagina 290
Qual è la strategia ottimale? Possiamo capirlo lavorando all'indietro. Se k = 0, non hai un'opzione
- devi restare fedele al tuo tiro e otterrai una media di 3,5 punti (il valore medio di un tiro di dado, (1 + 2 +
3 + 4 + 5 + 6) / 6). Se k = 1, dovresti mantenere solo un tiro che supera quella media, un 4 o superiore. Se ottieni
un 1, 2 o 3, faresti meglio a tentare il tiro finale. Seguendo questa strategia, c'è una probabilità del 50% che ti fermi
con un 4, 5 o 6 (per una media di 5) e una probabilità del 50% di passare al tiro finale (per una media di 3,5).
Quindi il tuo punteggio medio a k = 1 è 4,25 e dovresti mantenere un tiro a k = 2 solo se batte quel punteggio: un 5 o
più alto. E così via.
L'induzione all'indietro risponde quindi a una domanda secolare. "Un uccello in mano vale due nella boscaglia", noi
diciamo, ma è 2 . 0 il coefficiente giusto qui? La matematica suggerisce che il giusto numero di uccelli nella boscaglia
in realtà dipende dalla qualità dell'uccello in mano. Sostituendo gli uccelli con i dadi per comodità, un tiro di
1, 2 o 3 non vale nemmeno quanto un dado "nella boscaglia". Ma un risultato di 4 vale un dado nella boscaglia,
mentre un tiro di 5 vale due, tre o anche quattro dadi nel cespuglio. E un risultato di 6 vale anche più di
l'intero contenuto di un cespuglio di dadi infinitamente grande , qualunque cosa sia.
Gilbert e Mosteller hanno utilizzato lo stesso approccio per derivare la serie di soglie da utilizzare
il problema della segreteria completa dell'informazione. Le soglie stesse non sono descritte da un semplice
formula matematica, ma nel loro articolo compaiono alcune approssimazioni. L'approssimazione più semplice dà a
2
soglia di t k = 1 / (1 + 0 . 804 / k + 0,183 / k ) per il richiedente n - k . Se la probabilità di un candidato casuale
essendo migliore del candidato n - k è minore di t k , allora dovresti prendere quel candidato. Perché il
il denominatore aumenta, a un ritmo crescente, all'aumentare di k , dovresti abbassare rapidamente il tuo
soglia col passare del tempo.
molte altre varianti del problema del segretario: Freeman, "The Secretary Problem and Its Extensions"
riassume un gran numero di queste varianti. Ecco un breve tour di alcuni dei risultati più utili.
Se il numero di candidati è ugualmente probabile che sia un numero qualsiasi da 1 an , la regola ottimale è quella di
2
visualizza il primo n (che
/ e è circa il 13,5% di n ) e prendi il candidato successivo meglio del migliore visto
2
finora, con una probabilità di successo di 2 / e (Presman e Sonin, "Il problema della scelta migliore per un caso
Numero di oggetti ").
Se il numero di candidati è potenzialmente infinito, ma la ricerca si interrompe dopo ogni richiedente con
probabilità p , la regola ottimale è visualizzare i primi 0,18 / p richiedenti, con una probabilità di successo del 23,6% (ibid.).
Immagina di voler trovare la migliore segretaria, ma il valore di farlo diminuisce più a lungo cerchi. Se
K
la ricompensa per aver trovato la migliore segretaria dopo aver visto k candidati è ,dquindi la strategia che massimizza il
il payoff atteso stabilisce una soglia basata su un numero di candidati che è garantito essere inferiore a 1 / (1 - d )
man mano che il numero totale di candidati diventa grande (Rasmussen e Pliska, "Choosing the Maximum"). Se d è
vicino a 1, un'approssimazione alla strategia ottimale consiste nel visualizzare i primi −0,4348 / log d richiedenti e
quindi prendi il prossimo candidato meglio di qualsiasi altro visto finora. Se si segue questa strategia, è possibile visualizzare solo un file
una manciata di candidati, indipendentemente dalle dimensioni del pool.
Un modo in cui la vita reale differisce dagli scenari di reclutamento idealizzati è che l'obiettivo potrebbe non essere quello
massimizzare la probabilità di ottenere la migliore segretaria. È stata esplorata una varietà di alternative. rancio
et al., "Selezione ottimale basata sul rango relativo", ha mostrato che se l'obiettivo è massimizzare il rango medio
del candidato selezionato, si applica un diverso tipo di strategia. Piuttosto che una sola soglia sul parente
grado del richiedente, c'è una sequenza di soglie. Queste soglie aumentano con l'aumentare del numero di candidati
osservato, con l'intervistatore che diventa meno rigoroso nel tempo. Ad esempio, con quattro candidati, il
il grado relativo minimo che un candidato deve avere per interrompere la ricerca è 0 per il primo candidato (non fermarsi mai
il primo), 1 per il secondo (fermarsi solo se sono migliori del primo), 2 per il terzo (fermarsi se migliore o secondo
migliore) e 4 per il quarto (fermati già!). Seguendo questa strategia si ottiene un rango medio atteso di
7 1
1 ⁄ 8 , meglio di (1 + 2 + 3 + 4) / 4 = 2 ⁄ 2 che risulterebbe scegliendo un candidato a caso. Il
la formula per le soglie ottimali si trova per induzione all'indietro ed è complicata: ci riferiamo interessati
lettori del documento originale.
Puoi pensare alla differenza tra il classico problema della segretaria e il caso di grado medio in
Pagina 291
termini di come assegnano i guadagni ai diversi gradi. Nel problema classico, ottieni una vincita di 1 per
scegliendo il meglio e 0 per tutti gli altri. Nel caso del rango medio, ottieni un payoff pari al numero di
candidati meno il grado del candidato selezionato. Ci sono modi ovvi per generalizzare questo e multi-
strategie di soglia simili a quella che massimizza il lavoro di rango medio per qualsiasi funzione di payoff che
diminuisce all'aumentare del grado del ricorrente (Mucci, “On a Class of Secretary Problems”). Un altro
una generalizzazione interessante, con importanti implicazioni per gli amanti più esigenti, è che se la ricompensa è 1 per
scegliendo il migliore ma −1 per scegliere qualcun altro (con 0 per non fare alcuna scelta), dovresti andare
attraverso una percentuale di candidati fornita da , quindi prendi la prima persona meglio di tutte viste così
lontano (o nessuno se tutti falliscono questo criterio) (Sakaguchi, “Bilateral Sequential Games”). Quindi pensaci bene
la tua funzione di guadagno prima di prepararti a impegnarti!
Ma cosa succede se non ti interessa solo trovare la persona migliore, ma quanto tempo hai
insieme? Ferguson, Hardwick e Tamaki, in “Massimizzare la durata del possesso di un relativamente migliore
Oggetto ", ha esaminato diverse varianti di questo problema. Se ti interessa solo massimizzare il tempo che spendi
con la persona migliore nel tuo set di n , dovresti guardare le prime 0,204 n + 1,33 persone e saltare per
la persona successiva meglio di tutti loro. Ma se ti interessa massimizzare la quantità di tempo che trascorri
qualcuno che è il migliore di tutte le persone viste finora, dovresti solo guardare una proporzione corrispondente a
2
1 / e ≈ 13,5%. Questi periodi più brevi sono particolarmente rilevanti in contesti, come gli appuntamenti, dove
la ricerca di un partner potrebbe occupare una parte significativa della tua vita.
Si scopre che è più difficile trovare la seconda persona migliore che trovare la migliore. La strategia ottimale
è passare oltre la prima metà dei candidati, quindi scegliere il candidato successivo che è il secondo migliore rispetto a
quelli visti finora (Rose, "A Problem of Optimal Choice and Assignment"). La probabilità di successo è giusta
1/4 (al contrario di 1 / e per i migliori). Quindi è meglio non cercare di accontentarsi.
Infine, ci sono anche varianti che riconoscono il fatto che mentre stai cercando una segretaria, la tua
i candidati sono essi stessi alla ricerca di un lavoro. La simmetria aggiunta, che è particolarmente rilevante quando il
lo scenario riguarda gli appuntamenti - rende il problema ancora più complicato. Peter Todd, uno scienziato cognitivo presso
Indiana University, ha esplorato in dettaglio questa complessità (e come semplificarla). Vedi Todd e Miller,
"From Pride and Prejudice to Persuasion Satisficing in Mate Search" e Todd, "Coevolved Cognitive
Meccanismi nella ricerca degli accoppiamenti. "
Vendere una casa è simile: il problema della vendita di una casa è analizzato in Sakaguchi, "Programmazione dinamica
di alcuni progetti di campionamento sequenziale ”; Chow e Robbins, "A Martingale System Theorem and
Applicazioni "; e Chow e Robbins, "On Optimal Stopping Rules". Ci concentriamo sul caso in cui c'è
sono potenzialmente infinite molte offerte, ma questi autori forniscono anche strategie ottimali quando il numero di
le potenziali offerte sono note e limitate (che sono meno conservative: dovresti avere una soglia inferiore se lo desideri
hanno solo finitamente molte opportunità). Nel caso infinito, dovresti impostare una soglia basata sul previsto
valore di aspettare un'altra offerta e prendere la prima offerta che supera quella soglia.
prezzo di arresto in funzione del costo dell'attesa: esprime sia il prezzo di offerta pe il costo dell'attesa
per un'altra offerta c come frazioni della nostra fascia di prezzo (con 0 come il minimo dell'intervallo e 1 come il massimo), il
possibilità che la nostra prossima offerta sia migliore di p è semplicemente 1 - p . Se (o quando) arriva un'offerta migliore, la media
(1− p )
l'importo che ci aspetteremmo di guadagnare rispetto a p è giusto ⁄ 2 . Moltiplicarli insieme ci dà il previsto
risultato di intrattenere un'altra offerta, e questo dovrebbe essere maggiore o uguale al costo c per valere
(1− p )
facendo. Questa equazione (1 - p ) ( ⁄ 2 ) ≥ c può essere semplificato in e risolverlo per p ci dà il
risposta , come tracciato Qui.
"La prima offerta che abbiamo ricevuto è stata fantastica": Laura Albert McLay, intervista personale, 16 settembre 2014.
modellare il modo in cui le persone cercano lavoro: viene affrontata la formulazione della ricerca di lavoro come un problema di arresto ottimale
con in Stigler, "The Economics of Information" e Stigler, "Information in the Labour Market". McCall,
"Economics of Information and Job Search", proposto utilizzando un modello equivalente alla soluzione del
problema delle vendite di case, e Lippman e McCall, "The Economics of Job Search", ne discute diversi
Pagina 292
estensioni a questo modello. Proprio come il problema del segretario ha ispirato una vasta gamma di varianti, lo hanno fatto gli economisti
ha perfezionato questo semplice modello in vari modi per renderlo più realistico: consentendo l'arrivo di più offerte
lo stesso giorno, modificando i costi per il venditore e incorporando le fluttuazioni dell'economia durante il
ricerca. Una buona recensione dell'arresto ottimale in un contesto di ricerca di lavoro può essere trovata in Rogerson, Shimer e
Wright, Search-Theoretic Models of the Labour Market .
non sarà al di sopra della tua soglia ora: come afferma un sondaggio sul problema della ricerca di lavoro: "Assumi in precedenza
le offerte rifiutate non possono essere richiamate, anche se in realtà non è restrittivo perché il problema è stazionario,
quindi un'offerta che non è accettabile oggi non sarà accettabile domani ”(ibid.).
"Parcheggio per la facoltà": Clark Kerr, come citato in "Education: View from the Bridge" , Time , novembre
17, 1958.
"Piano sul traffico previsto": Donald Shoup, corrispondenza personale, giugno 2013.
implementato nel centro di San Francisco: ulteriori informazioni sul sistema SFpark sviluppato da
SFMTA, e il suo prezzo dinamico ispirato a Shoup, può essere trovato su http://sfpark.org/how-it-works/pricing/.
(Lo stesso Shoup è coinvolto in un ruolo di consulenza.) Questo programma ha iniziato ad avere effetto nel 2011 ed è il primo
progetto nel suo genere nel mondo. Per una recente analisi degli effetti del programma, vedere Millard-Ball,
Weinberger e Hampshire, "Il marciapiede è pieno all'80% o vuoto al 20%?"
quando l'occupazione passa dal 90% al 95%: Donald Shoup, intervista personale, 7 giugno 2013. Per essere precisi,
l'aumento dal 90% al 95% di occupazione riflette un aumento del 5,555… per cento.
Supponiamo di trovarvi su una strada infinitamente lunga: è stato presentato il problema di base del parcheggio, come formulato qui
come problema in DeGroot, Optimal Statistical Decisions . La soluzione è prendere il primo posto vuoto inferiore a
−log 2 / log (1− p ) punti dalla destinazione, dove p è la probabilità che un dato spazio sia disponibile.
non è necessario iniziare a guardare seriamente: il capitolo 17 di The High Cost of Free Parking di Shoup
discute la strategia di parcheggio su strada ottimale quando il prezzo crea una media di uno spazio libero per blocco,
che, come nota Shoup, “dipende dal conflitto tra avidità e pigrizia” (corrispondenza personale). Il
si pone la questione se "fare una crociera" per posti economici in strada o pagare per parcheggi privati
Capitolo 13 di Shoup.
una serie di modifiche a questo scenario di base: Tamaki, "Approccio adattivo ad alcuni problemi di arresto",
ha permesso alla probabilità che uno spot fosse disponibile di variare in base alla posizione e ha considerato come questi
le probabilità potrebbero essere stimate al volo. Tamaki, "Arresto ottimale nel problema del parcheggio con U-
Turn ", ha aggiunto la possibilità di inversioni a U. Tamaki, "An Optimal Parking Problem", considerato un'estensione
al modello di DeGroot in cui le opportunità di parcheggio non sono considerate un insieme discreto di punti. Sakaguchi
e Tamaki, "Sul problema del parcheggio ottimale in cui gli spazi appaiono casualmente", hanno usato questo continuo
formulazione e ha lasciato che la destinazione fosse sconosciuta. MacQueen e Miller, “Optimal Persistence
Politiche ", considerata indipendentemente una versione continua del problema che consente di aggirare il blocco.
Pagina 293
smettere di lanciare la moneta? La risposta, come mostrato da Norman Starr nel 1972, è di fermarsi dopo r teste, dove r è il
r +1
numero più piccolo tale che p ≤ c . Quindi, se è una moneta normale con p = 1/2 e costa $ 0,10 per lanciare la moneta,
dovresti fermarti non appena ottieni quattro teste di fila. L'analisi delle sequenze di teste appare in Starr,
"Come vincere una guerra se devi", dove viene presentato come un modello per vincere una guerra di logoramento. Un altro
un'analisi completa è presentata in Ferguson, "Stopping a Sum during a Success Run".
Massimizzare la lunghezza di una serie di teste è un'analogia abbastanza buona per alcuni tipi di situazioni aziendali—
per una sequenza di accordi che costano c da impostare, hanno una probabilità p di risolversi e pagano d in caso di successo ma
r / d +1
cancellare i tuoi guadagni in caso di fallimento, dovresti smettere dopo aver guadagnato r dollari in≤modo
c / d .tale
Droga
che pambiziosa
rivenditori, prendi nota.
Nel problema del ladro discusso nel testo, supponiamo che l'importo medio guadagnato da ogni rapina sia m
e la probabilità di farla franca con la rapina è q . Ma se il ladro viene catturato, succede con
probabilità 1 - q , perde tutto. La soluzione: esci quando i guadagni accumulati sono maggiori di o
pari a mq / (1 - q ). Il problema del ladro appare in Haggstrom, "Optimal Sequential Procedures When
È necessario più di uno stop ”, come parte di un problema più complesso in cui sta cercando di farlo anche il ladro
decidere in quale città trasferirsi.
trovato da una guardia del corpo: vedere, ad esempio, "Boris Berezovsky 'Found with Ligature Around His Neck'", BBC
Notizie , 28 marzo 2013, http://www.bbc.com/news/uk-21963080 .
conclusione ufficiale di un esame post-mortem: vedere, ad esempio, Reuters, "Berezovsky Death Coerent with
Hanging: Police ", 25 marzo 2013, http://www.reuters.com/article/2013/03/25/us-britain-russia-
berezovsky-postmortem-idUSBRE92O12320130325 .
“Passa attraverso questo mondo ma una volta”: La provenienza di questa citazione non è del tutto certa, sebbene lo sia
è stato citato come un detto quacchero dalla seconda metà del diciannovesimo secolo, e sembra che lo sia stato
attribuito a Grellet almeno dal 1893. Per ulteriori informazioni, vedere W. Gurney Benham, Benham's Book of Citations,
Proverbi e parole di famiglia , 1907.
"Trascorri il pomeriggio": Dillard, Pilgrim a Tinker Creek .
segue più da vicino il classico problema della segretaria: Seale e Rapoport, “Sequential Decision Making
Pagina 294
balzò prima di quanto avrebbero dovuto: Ibid. Il luogo tipico in cui le persone passano dal guardare
il salto era di 13 richiedenti su 40 e 21 richiedenti su 80, rispettivamente del 32% e del 26%.
“Per natura sono molto impaziente”: Amnon Rapoport, intervista personale, 11 giugno 2013.
Seale e Rapoport hanno mostrato: Seale e Rapoport, "Sequential Decision Making with Relative Ranks".
"Non è irrazionale annoiarsi": Neil Bearden, corrispondenza personale, 26 giugno 2013. Vedi anche
Bearden, "A New Secretary Problem".
trasforma tutto il processo decisionale in un arresto ottimale: questo tipo di argomentazione è stata avanzata per la prima volta da Herbert
Simon, ed è stato uno dei contributi per cui ha ricevuto il premio Nobel. Simon ha iniziato il suo
notevole carriera come scienziato politico, scrivendo una dissertazione sull'argomento forse poco promettente di
comportamento amministrativo. Mentre approfondiva il problema di capire come le organizzazioni si componevano di reale
le persone prendono decisioni, ha sperimentato una crescente insoddisfazione per i modelli astratti di decisione-
fare offerto dall'economia matematica - modelli che si allineano con l'intuizione che l'azione razionale
richiede un'attenta considerazione delle nostre opzioni.
L'indagine di Simon su come le decisioni vengono effettivamente prese nelle organizzazioni glielo ha reso chiaro
queste ipotesi erano errate. Era necessaria un'alternativa. Come ha scritto in “A Behavioral Model of
Scelta razionale "," il compito è sostituire la razionalità globale dell'uomo economico con una sorta di razionale
comportamento compatibile con l'accesso alle informazioni e le capacità computazionali effettivamente
posseduto da organismi, compreso l'uomo, nei tipi di ambienti in cui esistono tali organismi ".
Il tipo di soluzione che Simon ha proposto come un resoconto più realistico della scelta umana - quello che ha soprannominato
"Soddisfacente": usa l'esperienza per stabilire una soglia per un risultato soddisfacente e "abbastanza buono", poi ci vuole
la prima opzione per superare quella soglia. Questo algoritmo ha lo stesso carattere delle soluzioni al
problemi di arresto ottimale che abbiamo considerato qui, in cui la soglia è determinata dalla spesa
un po 'di tempo per avere un'idea della gamma di opzioni (come nel problema della segretaria) o in base alla conoscenza del file
probabilità di risultati diversi. In effetti, uno degli esempi usati da Simon nella sua argomentazione è stato quello di
vendere una casa, con una soluzione simile a quella qui presentata.
il libro di testo definitivo sull'arresto ottimale: questo è Ferguson, Optimal Stop and Applications .
2. ESPLORA / ESPLORA
"Fatti nuovi amici": Joseph Parry, "Nuovi amici e vecchi amici", in The Best Loved Poems of the
American People , ed. Hazel Felleman (Garden City, NY: Doubleday, 1936), 58.
"Vita così ricca e rara": Helen Steiner Rice, "The Garden of Friendship", in The Poems and Prayers of
Helen Steiner Rice , ed. Virginia J. Ruehlmann (Grand Rapids, MI: Fleming H. Revell), 47.
"Cerchi di trovare spazi": Scott Plagenhoef, intervista personale, 5 settembre 2013.
Lo strano nome deriva da: In una lettera a Merrill Flood datata 14 aprile 1955 (disponibile in Merrill Flood
archivio presso l'Università del Michigan), Frederick Mosteller racconta la storia dell'origine del nome.
Mosteller e il suo collaboratore Robert Bush stavano lavorando su modelli matematici di apprendimento, uno dei
primi esempi di quella che divenne nota come psicologia matematica, informando la ricerca che Tom
fa oggi. Erano particolarmente interessati a una serie di esperimenti che erano stati fatti con una forma a T.
labirinto, dove gli animali vengono messi nel labirinto in fondo alla T e poi devono decidere se andare a sinistra
o destra. Il cibo - la ricompensa - può o non può apparire su entrambi i lati del labirinto. Per esplorare questo comportamento
con gli umani hanno commissionato una macchina con due leve che le persone potevano tirare, che Mosteller ha soprannominato
il bandito a due braccia. Ha quindi introdotto la forma matematica del problema ai suoi colleghi, e questo
alla fine è stato generalizzato al bandito multi-armato.
Un'introduzione completa ai banditi multi-armati appare in Berry and Fristed, Bandit Problems .
Il nostro focus in questo capitolo è sui banditi in cui ogni braccio produce un guadagno o no, con diverso
Pagina 295
probabilità ma lo stesso importo di vincita su tutte le armi. Questo è noto come un bandito di Bernoulli in letteratura,
poiché la distribuzione di probabilità che descrive un lancio di una moneta è chiamata distribuzione di Bernoulli (dopo il
matematico svizzero del diciassettesimo secolo Jacob Bernoulli). Esistono anche altri tipi di banditi multi-armati
possibile, con distribuzioni sconosciute di diverso tipo che caratterizzano i payoff di ciascun braccio.
quanto buona potrebbe essere effettivamente la seconda macchina: La strategia "miope" di tirare il braccio con più alto
il valore atteso è effettivamente ottimale in alcuni casi. Bradt, Johnson e Karlin, “On Sequential Designs for
Massimizzare la somma di N osservazioni ", ha mostrato che se le probabilità di un guadagno per un due braccia
bandit (con p 1 per un braccio, p 2 per l'altro) soddisfa p 1 + p 2 = 1, quindi questa strategia è ottimale. Essi
ipotizzato che ciò valga anche per le coppie di probabilità dove ( p 1 , p 2 ) assumono i valori ( a, b ) o ( b,
una ) (cioè, se p 1 è una , allora p 2 è b , e viceversa). Ciò è stato dimostrato essere vero da Feldman, "Contributions to the
Problema del "bandito a due braccia". " Berry and Fristed, Bandit Problems , ha ulteriori dettagli sulla miopia
strategie, tra cui il risultato mostra che la scelta del più alto valore atteso è ottimale quando p 1 e p 2
sono limitati ad assumere solo due possibili valori (ad esempio, uno o entrambi di p 1 o p 2 potrebbero essere 0.4 o 0.7, ma noi
non so quale di queste possibilità sia vera).
"Incarna in forma essenziale": Whittle, Ottimizzazione nel tempo .
"Mangia, bevi e sii felice": "Mangia, bevi e sii felice, perché domani moriremo", un idioma in comune
gergo e nella cultura pop (ad esempio, formare il coro di "Tripping Billies" della Dave Matthews Band,
tra molti altri riferimenti), sembra essere una fusione di due versetti biblici: Ecclesiaste 8:15 ("Un uomo
non ha cosa migliore sotto il sole che mangiare, bere e essere allegri ") e Isaia 22:13 (" Mangiamo
e bevi, perché domani moriremo ”).
“Perché correre il rischio?”: Chris Stucchio, intervista personale, 15 agosto 2013.
"Una sesta porzione di X-Men": Nick Allen, "Hollywood fa del 2013 l'anno del sequel"
http://www.telegraph.co.uk/culture/film/film-news/9770154/Hollywood-makes-2013-the-year-of-the-
sequel.html . Vedi anche http://www.shortoftheweek.com/2012/01/05/has-hollywood-lost-its-way/ e
http://boxofficemojo.com/news/?id=3063 .
I profitti dei più grandi studi cinematografici sono diminuiti: “Tra il 2007 e il 2011, i profitti al lordo delle imposte dei cinque studi
controllata da grandi conglomerati mediatici (Disney, Universal, Paramount, Twentieth Century Fox e
Warner Bros) è sceso di circa il 40%, afferma Benjamin Swinburne di Morgan Stanley ". In “Hollywood: Split
Screens ", Economist , 23 febbraio 2013, http://www.economist.com/news/business/21572218-tale-two-
tinseltowns-split-screen .
"Squeezed between rising cost": "Hollywood: Split Screens" , Economist , 23 febbraio 2013,
http://www.economist.com/news/business/21572218-tale-two-tinseltowns-split-screens .
"L'ultimo strumento di sabotaggio intellettuale": il commento di Whittle sulla difficoltà del bandito
problemi appaiono nella sua discussione su Gittins, "Bandit Processes and Dynamic Allocation Indices".
Robbins lo ha dimostrato nel 1952: Robbins, "Some Aspects of the Sequential Design of Experiments" introduce
l'algoritmo Win-Stay, Lose-Shift.
Dopo Robbins, una serie di articoli: Bradt, Johnson e Karlin, “On Sequential Designs for
Massimizzare la somma di N osservazioni ", ha mostrato che" rimanere su un vincitore "è sempre vero dove il
la probabilità di un payoff è sconosciuta per un braccio ma nota per l'altro. Berry, “Un Bernoulli a due braccia
Bandit ", ha dimostrato che il principio è sempre vero per un bandito a due braccia. Generalizzazioni di questo risultato (e a
caratterizzazione dei casi in cui non si applica) compaiono in Berry and Fristed, Bandit Problems .
Pagina 296
esattamente quante opzioni e opportunità: questa soluzione alla versione "orizzonte finito" del multi-
Il problema dei banditi armati è presentato nel magnum opus Dynamic Programming di Bellman , un libro che è
impressionante come punto di partenza (e talvolta punto finale) di una serie di argomenti in ottimizzazione e
apprendimento automatico. Tra gli altri usi, la programmazione dinamica può risolvere in modo efficiente i problemi che richiedono
induzione all'indietro, che abbiamo anche incontrato brevemente nel capitolo 1 nel contesto dell'informazione completa
gioco.
"Sinonimo di intransigenza": Introduzione a Gittins, "Bandit Processes and Dynamic Allocation
Indici. "
"Sarebbe una buona approssimazione": John Gittins, intervista personale, 27 agosto 2013.
Deal or No Deal : le molte incarnazioni mondiali di questo game show sono iniziate con lo show olandese
Miljoenenjacht , trasmesso per la prima volta nel 2000.
il problema dei banditi multi-armati non è diverso: anche i ricercatori precedenti avevano trovato delle soluzioni
Problema del "bandito con un braccio solo" su un intervallo fisso (Bellman, "A Problem in the Sequential Design of
Esperimenti "; Bradt, Johnson e Karlin, "sui progetti sequenziali per massimizzare la somma di N
Osservazioni ”).
massimizzare una singola quantità che tiene conto di entrambi: le idee alla base dell'indice Gittins sono state le prime
presentato a una conferenza nel 1972 ed è apparso negli atti come Gittins e Jones, “A Dynamic
Indice di allocazione per la progettazione sequenziale degli esperimenti ", ma la presentazione canonica è Gittins,
"Bandit Processes and Dynamic Allocation Indices".
forniamo i valori dell'indice Gittins: è stata presa la tabella dei punteggi dell'indice Gittins per il bandito di Bernoulli
da Gittins, Glazebrook e Weber, Multi-Armed Bandit Allocation Indices , che è un
guida all'argomento. Presume una completa ignoranza sulla probabilità di un guadagno.
ci spinge verso la novità: portarlo all'estremo si traduce in una semplice strategia chiamata il minimo
Regola errori : scegli sempre l'opzione che ha fallito il minor numero di volte. Quindi, atterrando in una nuova città,
scegli un ristorante a caso. Se è buono, resta fedele. Non appena non riesce a soddisfare, scegli a caso da
gli altri ristoranti. Continua questo processo fino a quando tutti i ristoranti non sono riusciti a soddisfare una volta, quindi torna a
il ristorante con il maggior numero di notti di cene di successo e ripetizioni. Questa strategia si basa sul win-stay
principio, ed è esattamente ciò che l'indice di Gittins produce se sei il tipo paziente che apprezza quello di domani
il guadagno è essenzialmente buono come quello di oggi. (La regola appare in Kelly, "Multi-Armed Bandits with
Fattore di sconto vicino a uno "; formalmente, è ottimale sotto attualizzazione geometrica nel limite come sconto
il tasso si avvicina a 1.) In una grande città con molti nuovi ristoranti aperti tutto il tempo, una politica di minimi fallimenti
dice molto semplicemente che se mai dovessi deludere, c'è troppo altro là fuori; non tornare indietro.
una serie di esperimenti di economia comportamentale: vedi, ad esempio, Kirby, "Bidding on the Future".
se c'è un costo per il cambio di valuta: questo caso viene analizzato in Banks e Sundaram, "Switching Costs and the
Indice Gittins. "
"Rimpianti, ne ho avuti alcuni": Frank Sinatra, "My Way", da My Way (1969), testi di Paul Anka.
"Per me stesso sono un ottimista": il primo ministro Winston Churchill, discorso, Lord Mayor's Banquet,
Londra, 9 novembre 1954. Stampato a Churchill, Winston S. Churchill: His Complete Speeches .
"Provare e fallire è almeno imparare": Barnard, The Functions of the Executive .
"Volevo proiettarmi in avanti fino a 80 anni": Jeff Bezos, intervista con l'Academy of Achievement,
4 maggio 2001, http://www.achievement.org/autodoc/page/bez0int-3 .
diversi punti chiave sul rimpianto: Lai e Robbins, "Asymptotically Efficient Adaptive Allocation Rules".
la garanzia del minimo rimpianto: Ibid. ha offerto i primi algoritmi simili, che sono stati perfezionati da Katehakis
Pagina 297
e Robbins, "Scelta sequenziale da diverse popolazioni"; Agrawal, "Sample Mean Based Index
Politiche"; e Auer, Cesa-Bianchi e Fischer, "Finite-Time Analysis of the Multiarmed Bandit Problem",
tra gli altri. Quest'ultimo presenta forse la strategia più semplice di questo tipo, che consiste nell'assegnare al braccio j un punteggio
di , dove s j è il numero di successi su n j giocate su quel braccio, e n = Σ j n j è il totale
numero di giocate di tutte le braccia. Questo è un limite superiore alla probabilità di un successo positivo (che è solo
s j / n j ). La scelta del braccio con il punteggio più alto garantisce il rammarico logaritmico (sebbene ci siano modifiche a
questo punteggio che si traduce in prestazioni migliori nella pratica).
noto come "intervallo di confidenza": gli intervalli di confidenza hanno origine con Neyman, "Schema di una teoria di
Stima statistica. "
"Ottimismo di fronte all'incertezza": Kaelbling, Littman e Moore, "Reinforcement Learning".
"Robot ottimistici": Leslie Kaelbling, intervista personale, 22 novembre 2013. Vedi Kaelbling, Learning in
Sistemi integrati .
$ 57 milioni di donazioni aggiuntive: Siroker e Koomen, A / B Testing .
Il test A / B funziona come segue: Christian, "The A / B Test". Informato anche da Steve Hanov, personale
intervista, 30 agosto 2013, e Noel Welsh, intervista personale, 27 agosto 2013.
Nel caso della pagina delle donazioni di Obama: Dan Siroker, “How We Used Data to Win the Presidential
Election "(lezione), Stanford University, 8 maggio 2009, disponibile su https://www.youtube.com/watch?
v = 71bH8z6iqSc . Vedere anche, Siroker, "Come Obama Sollevato $ 60 Milioni "
https://blog.optimizely.com/2010/11/29/how-obama-raised-60-million-by-running-a-simple-experiment/.
test
"TheAA/ /BBlive sui propri utenti: il primo test A / B di Google è stato eseguito il 27 febbraio 2000. Vedi, ad esempio, Christian,
Test."
Le aziende A / B testano la navigazione sul proprio sito: vedere, ad esempio, Siroker e Koomen, A / B Testing .
testato quarantuno tonalità di blu: Laura M. Holson, "Putting a Bolder Face on Google", New York Times ,
28 febbraio 2009.
"Come indurre le persone a fare clic sugli annunci": Ashlee Vance, "Questa bolla tecnologica è diversa", Bloomberg
Settimana lavorativa , aprile 14, 2011.
http://www.bloomberg.com/bw/magazine/content/11_17/b4225060960537.htm.
Il commercio online comprende centinaia di miliardi: le vendite online stimate da Forrester Research. Vedi, per
ad esempio, "Le vendite al dettaglio online negli Stati Uniti raggiungeranno $ 370 miliardi entro il 2017; 191 miliardi di euro in Europa " , Forbes , 14/3/2013,
http://www.forbes.com/sites/forrester/2013/03/14/us-online-retail-sales-to-reach-370b-by-2017-e191b-in-
europa / .
i migliori algoritmi da utilizzare rimangono fortemente contestati: Chris Stucchio, ad esempio, ha scritto un articolo tagliente dal titolo
"Perché gli algoritmi multiarmed Bandit sono superiori ai test A / B", che è stato poi contrastato da un
articolo altrettanto tagliente chiamato "Non usare algoritmi di banditi: probabilmente non funzioneranno per te" - anche
scritto da Chris Stucchio. Vedi https://www.chrisstucchio.com/blog/2012/bandit_algorithms_vs_ab.html
e https://www.chrisstucchio.com/blog/2015/dont_use_bandits.html . Il post del 2012 di Stucchio è stato scritto
in parte in riferimento a un articolo di Paras Chopra intitolato “Why Multiarmed Bandit Algorithm Is Not 'Better'
rispetto al test A / B "( https://vwo.com/blog/multi-armed-bandit-algorithm/ ), a sua volta scritto in parte in
riferimento a un articolo di Steve Hanov intitolato "20 righe di codice che supereranno ogni volta i test A / B"
Pagina 298
(http://stevehanov.ca/blog/index.php?id=132).
è apparso sul Washington Star : Jean Heller, "Syphilis Patients Died Untreated", Washington Star ,
25 luglio 1972.
documento noto come Rapporto Belmont: Rapporto Belmont: principi etici e linee guida per il
protezione di umano soggetti di ricerca , aprile 18, 1979. A disposizione a
http://www.hhs.gov/ohrp/humansubjects/guidance/belmont.html.
ha proposto di condurre studi "adattivi": vedere Zelen, "Play the Winner Rule and the Controlled Clinical
Prova." Sebbene questa fosse un'idea radicale, Zelen non fu il primo a proporla. Questo onore va a William R.
Thompson, un istruttore della School of Pathology a Yale, che ha formulato il problema dell'identificazione
se un trattamento è più efficace di un altro e ha proposto la propria soluzione nel 1933 (Thompson,
"Sulla probabilità che una probabilità sconosciuta superi un'altra").
La soluzione proposta da Thompson: opzioni di campionamento casuale, dove la probabilità di scegliere
un'opzione corrisponde alla probabilità che sia la migliore in base all'evidenza osservata finora - è il
base per molti lavori recenti su questo problema nell'apprendimento automatico (torniamo agli usi algoritmici di
casualità e campionamento nel capitolo 9).
Né Frederick Mosteller né Herbert Robbins sembravano essere a conoscenza del lavoro di Thompson quando loro
ha iniziato a lavorare sul problema dei banditi a due braccia. Richard Bellman ha trovato alcuni "giornali poco conosciuti"
anni dopo, notando che "Confessiamo di aver trovato questi documenti nel modo standard, vale a dire mentre
sfogliando un diario contenente un altro articolo di interesse "(Bellman," A Problem in the Sequential
Progettazione di esperimenti ").
L'ECMO ha salvato la vita a una neonata: Dipartimento di Chirurgia dell'Università del Michigan, “'Hope' for
ECMO Babies ", http://surgery.med.umich.edu/giving/stories/ecmo.shtml .
ha ora festeggiato il suo quarantesimo compleanno: University of Michigan Health System, “UM Health System
ECMO squadra tratta suo 2.000 paziente," marzo 1, 2011,
http://www.uofmhealth.org/news/ECMO%202000th%20patient.
primi studi sugli adulti: Zapol et al., "Extracorporeal Membrane Oxygenation in Severe Acute Respiratory
Fallimento."
uno studio sui neonati: Bartlett et al., "Extracorporeal Circulation in Neonatal Respiratory Failure".
"Non giustificava l'uso di routine di ECMO": citazione da Ware, "Investigating Therapies of Potentially
Grande vantaggio: ECMO ", riferendosi alle conclusioni di Ware e Epstein," Commenti su 'Extracorporeal
Circulation in Neonatal Respiratory Failure ", che a sua volta è un commento su Bartlett et al.," Extracorporeal
Circolazione nell'insufficienza respiratoria neonatale. "
"Lo studio Ware non avrebbe dovuto essere condotto": Berry, "Comment: Ethics and ECMO."
quasi duecento neonati nel Regno Unito: UK Collaborative ECMO Group, “The
Prova collaborativa ECMO nel Regno Unito. "
studi clinici per una varietà di trattamenti contro il cancro: Don Berry, intervista personale, 22 agosto 2013.
la FDA ha pubblicato un documento "guida": "Adaptive Design Clinical Trials for Drugs e
Biologici " a partire dal febbraio 2010 può essere trovato a
http://www.fda.gov/downloads/Drugs/Guidances/ucm201790.pdf.
Pagina 299
mostrava un riquadro con due luci: Lo studio appare in Tversky e Edwards, “Information Versus
Ricompensa in scelte binarie. "
3. ORDINAMENTO
"Nowe if the word": Cawdrey, A Table Alphabeticall , è il primo dizionario monolingue di inglese. Per
di più sulla storia dell'ordinamento rispetto alla ricerca, vedere Knuth, The Art of Computer Programming , §6.2.1.
Per ulteriori informazioni sull'invenzione dell'ordine alfabetico, vedere Daly, Contributions to a History of Alphabetization .
Il coinquilino ha tirato fuori un calzino: Hillis, The Pattern on the Stone .
pubblicato sul sito web di programmazione Stack Overflow: "Accoppiare i calzini da una pila in modo efficiente?" Inviato da
utente "amit" a Stack Overflow il 19 gennaio 2013, http://stackoverflow.com/questions/14415881/pair-
calzini da un mucchio in modo efficiente .
Come "amit" (vero nome Amit Gross, uno studente laureato al Technion) scrive: "Ieri stavo accoppiando
i calzini dalla lavanderia pulita e ho capito che il modo in cui lo stavo facendo non è molto efficiente. Stavo facendo un
ricerca ingenua: scegliere un calzino e "iterare" la pila per trovarne il paio. Ciò richiede l'iterazione
2
n / 2 × n / 4 = n / 8 calzini in media. Come scienziato informatico stavo pensando a cosa avrei potuto fare? "
La domanda di Amit ha generato una serie di risposte, ma quella che ha ricevuto il maggior sostegno dalla sua
Pagina 300
altri programmatori dovevano fare un Radix Sort: identificare le dimensioni lungo le quali i calzini variano (ad es.
colore, motivo) e ordinarli in pile su ciascuna di queste dimensioni. Ogni ordinamento richiede un solo passaggio
attraverso tutti i calzini, e il risultato è una serie di pile più piccole. Anche se devi passare attraverso tutti i calzini
quelle pile per trovare le corrispondenze, il tempo necessario è proporzionale al quadrato delle dimensioni del file
mucchio più grande piuttosto che il quadrato del numero totale di calzini. (Vedi la nota di chiusura sotto sull'ordinamento di un mazzo
di carte per ulteriori informazioni su Radix Sort.) Ma se il motivo per cui stiamo accoppiando i calzini è rendere più facile trovare un paio di
calzini quando ne abbiamo bisogno, possiamo ridurre la necessità di smistamento adottando una procedura migliore per la ricerca.
Diciamo che i tuoi calzini differiscono solo per una dimensione, il colore, e hai tre diversi colori di
calzini larghi e spaiati nel cassetto dei calzini. Quindi sei sicuro di trovare una coppia corrispondente se ne prendi quattro
calzini
i calzinifuori dal cassetto
che sono a caso.
stati tirati fuori(Per
sonocapire
di un perché, immaginaQuando
colore diverso. lo scenario
tornipeggiore: ciascuno
indietro per dei primi
un quarto, tre
deve corrispondere a uno di
i tre che hai già tirato fuori.) Non importa quanti colori hai, tirando fuori un calzino in più di
il numero di colori ti garantisce sempre una coppia coordinata. Quindi non preoccuparti di accoppiarli se sei disposto
per avere la tua mattinata un po 'più lenta.
Questa chiara soluzione al problema dell'abbinamento dei calzini viene fornita per gentile concessione del Principio Pigeonhole, un semplice
ma potente idea matematica attribuita al matematico tedesco del diciannovesimo secolo Peter Gustave
Lejeune Dirichlet. (Rittaud e Heeffer, "The Pigeonhole Principle", ripercorre la storia del Pigeonhole
Principio, incluso Dirichlet e quelli che sembrano essere anche riferimenti precedenti.) L'idea è semplice: se a
gruppo di piccioni atterra in una serie di buchi di nidificazione e ci sono più piccioni che buchi, quindi almeno uno
la buca deve contenere più di un piccione. In informatica, il principio Pigeonhole viene utilizzato per stabilire
fatti di base sulle proprietà teoriche degli algoritmi. Ad esempio, è impossibile creare un algoritmo
che comprimerà qualsiasi file possibile senza perdita di informazioni, perché ci sono file più lunghi che lì
sono file brevi.
L'applicazione del principio della casella suggerisce una soluzione permanente al problema dell'accoppiamento dei calzini: solo
compra un tipo di calzino. Se tutti i tuoi calzini sono uguali, non devi mai accoppiarli, perché puoi sempre
prendine un paio prendendo due calzini dal cassetto. Per molti scienziati informatici (inclusi alcuni dei file
programmatori che hanno risposto alla domanda di Amit) questo è l'approccio più elegante: ridefinire il problema
quindi può essere risolto in modo efficiente.
Un'ultima parola di avvertimento, però: quando acquisti quel tipo di calzino, fai attenzione a che tipo di calzini
voi comprate. Il motivo per cui Ron Rivest ha particolari problemi con i calzini è che indossa calzini che lo sono
diverso per i piedi sinistro e destro. Questo vanifica il principio della casella, per garantire una corrispondenza con calzini come
quindi, dovrai tirare fuori un calzino in più rispetto al numero totale di paia.
"I calzini mi confondono!": Ronald Rivest, intervista personale, 25 luglio 2013.
"Diventa cieco e pazzo": Martin, "Counting a Nation by Electricity."
Pagina 301
"Il costo unitario di smistamento, invece di diminuire, aumenta": Hosken, "Valutazione dei metodi di smistamento".
il record per l'ordinamento di un mazzo di carte: anche se non siamo riusciti a trovare un video della performance di Bradáč, ci sono
un sacco di video online di persone che cercano di batterlo. Tendono a ordinare le carte nei quattro semi e poi a ordinare
i numeri all'interno di ogni seme. "Ma c'è un modo più veloce per fare il trucco!" esorta Donald Knuth in The Art of
Programmazione da computer : per prima cosa, distribuisci le carte in 13 pile in base al loro valore nominale (con una pila
contenente tutti i 2, il successivo tutti i 3, ecc.). Quindi, dopo aver raccolto tutte le pile, distribuisci le carte
i quattro semi. Il risultato sarà una pila per ogni seme, con le carte ordinate all'interno di ciascuna. Questa è una Radix
Sort, ed è correlato all'algoritmo Bucket Sort di cui parleremo più avanti nel capitolo. Vedi Knuth, The Art of
Programmazione per computer , §5.2.5.
completamente ordinati per caso: ordinare le cose randomizzandole e sperando per il meglio è in realtà un file
algoritmo con un nome: Bogosort , parte del sottocampo solo in parte ironico di informatica
"Progettazione di algoritmi pessimali". La pessimalità sta all'ottimalità come il pessimismo sta all'ottimismo; pessimale
i progettisti di algoritmi competono per superarsi a vicenda per le peggiori prestazioni di elaborazione possibili.
Esaminando ulteriormente la questione, i progettisti di algoritmi pessimali hanno concluso che Bogosort lo è in realtà
fin troppo snello ed efficiente. Da qui il loro "miglioramento" Bogobogosort , che inizia in modo incrementale
Ordinamento dei primi due elementi, poi i primi tre e così via. Se in qualsiasi momento l'elenco viene fuori
dell'ordine, Bogobogosort ricomincia. Quindi l'algoritmo non completerà una sorta di quattro carte, ad esempio, fino a quando
lancia i primi due in aria, vede che sono atterrati correttamente, poi lancia i primi tre in aria,
vede che sono atterrati correttamente, e alla fine lancia in aria i primi quattro e li trova nel giusto
ordine anche. Tutto in fila. Altrimenti ricomincia. Uno degli ingegneri che ha scritto per primo su Bogobogosort
riferisce di eseguirlo sul suo computer durante la notte e di non essere in grado di ordinare un elenco di sette elementi, prima che lui finalmente
spento l'elettricità per pietà.
Gli ingegneri successivi hanno suggerito che Bogobogosort non è nemmeno il fondo del pozzo, e l'hanno fatto
ha proposto di ottenere ancora più meta e Bogosorting del programma piuttosto che dei dati: capovolgere i bit in modo casuale
nella memoria del computer fino a quando non assume la forma di un programma di smistamento che ordina gli elementi.
I limiti temporali di una simile mostruosità sono ancora in fase di esplorazione. La ricerca della pessimalità continua.
L'informatica ha sviluppato una scorciatoia: la notazione Big-O ha avuto origine nel libro del 1894 Die
analytische zahlentheorie di Paul Bachmann. Vedi anche Donald Knuth, The Art of Computer Programming ,
§1.2.11.1. Formalmente, diciamo che il tempo di esecuzione di un algoritmo è O ( f ( n )) se è minore o uguale a un multiplo
(con un coefficiente che è una costante positiva) di f ( n ). C'è anche la notazione affine "Big-Omega", con
Ω ( f ( n )) che indica che il tempo di esecuzione è maggiore o uguale a un multiplo di f ( n ) e la notazione "Big-Theta",
con Θ ( f ( n )) che significa che il tempo di esecuzione è sia O ( f ( n )) che Ω ( f ( n )).
"Mi aveva al Bubble Sort": Questo ingegnere è Dan Siroker, che abbiamo incontrato in precedenza nel capitolo 2. Vedi, ad esempio,
"Il test A / B: dentro la tecnologia che sta cambiando le regole del business" , Wired , maggio 2012.
l'elaborazione delle informazioni è iniziata nei censimenti degli Stati Uniti: per maggiori dettagli, vedere Knuth, The Art of Computer
Programmazione , §5.5.
per dimostrare la potenza del computer con programma memorizzato: il computer era la macchina EDVAC,
e all'epoca il programma di von Neumann era classificato come intelligence militare top-secret. Vedi Knuth, "Von
Il primo programma per computer di Neumann. "
"Mergesort è importante nella storia dello smistamento": Katajainen e Träff, "Un'analisi meticolosa
Programmi di fusione ".
problemi di smistamento industriale su larga scala: i record correnti per lo smistamento sono ospitati in
http://sortbenchmark.org/. A partire dal 2014, un gruppo di Samsung detiene il record per l'ordinamento della maggior parte dei dati in un file
minuto: 3,7 terabyte di dati. È l'equivalente di quasi 37 miliardi di carte da gioco, abbastanza
per riempire 500 Boeing 747 al massimo, mettendo il record umano di Zdeněk Bradáč per lo smistamento delle carte in
prospettiva.
Pagina 302
167 libri al minuto: afferma il responsabile delle spedizioni Tony Miranda: "Elaboreremo — penso che il nostro massimo sia — 250
totes in un'ora. La nostra media è di circa 180 cassette in un'ora. Tieni presente che ogni borsa ha circa 40 e più
oggetti al suo interno. " Da "KCLS AMH Tour", 6 novembre 2007, https://www.youtube.com/watch?
v = 4fq3CWsyde4 .
85.000 al giorno: "Reducing operating cost", American Libraries Magazine , 31 agosto 2010,
http://www.americanlibrariesmagazine.org/aldirect/aldirect-september-1-2010.
"Fuhgeddaboutit": vedi Matthew Taub, "Brooklyn & Manhattan Beat Washington State in 4th Annual
"Battle of the Book Sorters" ", Brooklyn Brief , 29 ottobre 2014, http://brooklynbrief.com/4th-annual-battle-
book-sorters-pits-brooklyn-washington-state / .
il meglio che possiamo sperare di ottenere: un insieme di n elementi può avere esattamente n ! ordinamenti distinti, quindi una specie
produce esattamente il log n ! bit di informazione, che è approssimativamente n log n bit. Ricorda che n ! è n × ( n - 1)
n
×… × 2 × 1, che è il prodotto di n numeri, di cui n è il più grande. Di conseguenza, n ! < n , quindi log n ! <
n
log n , che poi ci dà il log n ! < n log n . Questa approssimazione di n log n per log n ! si chiama "Stirling's
approssimazione ", dal nome del matematico scozzese del XVIII secolo James Stirling. Perché un singolo
il confronto a coppie fornisce al massimo un bit di informazione, n log n confronti sono necessari per risolvere completamente
la nostra incertezza su quale dei n ! i possibili ordini delle nostre n cose è quello giusto. Per ulteriori dettagli, vedere
Knuth, The Art of Computer Programming , §5.3.1.
"Lo so per esperienza": Jordan Ho, intervista personale, 15 ottobre 2013.
un articolo sul "sovraccarico di posta elettronica": Whittaker e Sidner, "sovraccarico di posta elettronica".
"Una specie di spreco di una parte della loro vita": Steve Whittaker, intervista personale, 14 novembre 2013.
"At a Lawn Tennis Tournament": Dodgson, "Lawn Tennis Tournaments".
una versione imbarazzante della tripla eliminazione: per una critica computer-scientifica del torneo di Dodgson
proposta, vedi la discussione di Donald Knuth sulla "selezione del confronto minimo" in The Art of Computer
Programmazione , §5.3.3.
non produce un ordinamento completo: un algoritmo che, anziché classificare tutti gli elementi, ne identifica uno
loro come il più grande o il secondo più grande o la mediana, ecc., è noto come algoritmo di "selezione", piuttosto che a
algoritmo di ordinamento.
programmatori per la Major League Baseball: Trick funziona come parte dello Sports Scheduling Group, che ha co-
fondato. Dal 1981 al 2004, il programma della Major League Baseball è stato costruito a mano dal
notevole squadra di marito e moglie di Henry e Holly Stephenson. ESPN ha raccontato la storia di
Stephensons in un cortometraggio diretto da Joseph Garner intitolato The Schedule Makers .
"L'incertezza è ritardata nella sua risoluzione": Michael Trick, intervista personale, 26 novembre 2013.
"Praticamente non importa chi siano": Ibid.
"Un punteggio di 3: 2 dà la squadra vincente": Tom Murphy, "sintonizzarsi sul rumore?" Pubblicato il 22 giugno 2014 in data
il blog "Do the Math": http://physics.ucsd.edu/do-the-math/2014/06/tuning-in-on-noise/
riconoscere le virtù della robustezza negli algoritmi: Ackley, "Beyond Efficiency".
"Bubble sort non ha apparenti caratteristiche di riscatto": Knuth, The Art of Computer Programming , §5.5.
Il vincitore di quel particolare onore: Dave Ackley, intervista personale, 26 novembre 2013. Vedi Jones
e Ackley, "Comparison Criticality in Sorting Algorithms" e Ackley, "Beyond Efficiency". Per più
su Comparison Counting Sort (a volte noto anche come Round-Robin Sort) vedi Knuth, The Art of
Programmazione per computer , §5.2.
"Abilità più importante come giocatore di poker professionista": Isaac Haxton, intervista personale, 20 febbraio,
Pagina 303
2014.
"Imagine two monkeys": Christof Neumann, intervista personale, 29 gennaio 2014.
"Atti aggressivi per gallina aumentati": Craig, Aggressive Behavior of Chickens .
C'è un carico computazionale significativo: Jessica Flack, intervista personale, 10 settembre 2014. Vedi
anche DeDeo, Krakauer e Flack, "Evidence of Strategic Periodicities in Collective Conflict Dynamics";
Daniels, Krakauer e Flack, "Sparse Code of Conflict in a Primate Society"; Brush, Krakauer e Flack,
"Una famiglia di algoritmi per il consenso del calcolo sullo stato dei nodi dai dati di rete". Per un più ampio
panoramica del lavoro di Flack, vedere Flack, "Life's Information Hierarchy".
Questa gara sportiva è la maratona: la maratona ha un analogo nel mondo degli algoritmi di ordinamento.
Uno dei più intriganti (Wikipedia ha usato la parola "esoterico" prima che l'articolo fosse rimosso del tutto)
gli sviluppi nella teoria dell'ordinamento oltre il confronto sono nati da uno dei luoghi più improbabili: il
famigerato forum Internet 4chan. All'inizio del 2011, un post anonimo lì proclamava: "Amico, sono un?
genio. Dai un'occhiata a questo algoritmo di ordinamento che ho appena inventato. " L '"algoritmo di ordinamento" del poster - Sleep Sort -
crea un thread di elaborazione per ogni elemento non ordinato, dicendo a ogni thread di "dormire" il numero di secondi di
il suo valore, quindi "svegliarsi" e produrre se stesso. L'output finale dovrebbe, infatti, essere ordinato. Lasciando da parte il file
dettagli di implementazione che rivelano le crepe nella logica di Sleep Sort e prendono solo il valore nominale di Sleep Sort,
sembra promettere qualcosa di piuttosto inebriante: un tipo il cui tempo di esecuzione non dipende dal numero
di elementi, ma piuttosto sulla loro dimensione . (Quindi non è ancora abbastanza buono come una costante O (1)
time sort.) "You go to the money": Questo è articolato dall'imprenditore britannico Alexander Dean a
https://news.ycombinator.com/item?id=8871524.
"Il più grande è quello dominante": la legge del tonnellaggio lordo, a quanto pare, governa davvero l'oceano.
Questo non vuol dire che i pesci siano del tutto pacifisti. Vale la pena notare che combatteranno, in modo aggressivo, quando
le loro dimensioni sono simili.
4. CACHING
"Nell'uso pratico del nostro intelletto": James, Psicologia .
Ora hai due problemi: questa costruzione fa cenno a un famoso scherzo sulla programmazione coniato per la prima volta da
L'ingegnere di Netscape Jamie Zawinski in un post su Usenet il 12 agosto 1997: "Alcune persone, se confrontate
con un problema, pensa "Lo so, userò espressioni regolari". Adesso hanno due problemi. "
"Da quanto tempo ce l'ho?": Stewart, Manuale per le pulizie di Martha Stewart .
"Appendi tutte le tue gonne insieme": Jay, The Joy of Less .
"Gli oggetti verranno ordinati per tipo": Mellen, Unstuff Your Life!
“Una coscienza molto acuta ma quasi senza memoria”: Davis, Almost No Memory .
uno dei principi fondamentali dell'informatica: la nostra storia del caching si basa su quella fornita da
Hennessy e Patterson, Computer Architecture , che ha anche un ottimo trattamento del caching moderno
metodi nella progettazione di computer.
un "organo della memoria" elettrico: Burks, Goldstine, and von Neumann, Preliminary Discussion of the
Progettazione logica di uno strumento di calcolo elettronico .
un supercomputer a Manchester, in Inghilterra, chiamato Atlas: Kilburn et al., "One-Level Storage System".
“Accumula automaticamente a se stesso parole”: Wilkes, “Slave Memories and Dynamic Storage
Allocazione. "
Pagina 304
implementato nel supercomputer IBM 360/85: Conti, Gibson e Pitkowsky, "Structural Aspects of
il System / 360 Modello 85 ".
numero di transistor nelle CPU raddoppierebbe ogni due anni: la previsione iniziale di Moore del 1965 in formato
"Riempire più componenti su circuiti integrati" era destinato a raddoppiare ogni anno; nel 1975 poi
ha rivisto questo in "Progress in Digital Integrated Electronics" per raddoppiarlo ogni due anni.
gerarchia di memoria a sei livelli: registri; Cache L1, L2 e L3; RAM; e disco. Per saperne di più sulla “memoria
wall ", vedi, ad esempio, Wulf e McKee," Hitting the Memory Wall ".
"Per non avere fatti inutili che scacciano quelli utili": Conan Doyle, "A Study in Scarlet: The
Reminiscenze di John H. Watson ".
"Le parole non possono essere conservate indefinitamente": Wilkes, "Slave Memories and Dynamic Storage
Allocazione. "
Bélády è nato nel 1928 in Ungheria: la storia personale di Bélády si basa su un'intervista di storia orale che lui
condotto con Filippo L. Frana nel 2002 (a disposizione a
https://conservancy.umn.edu/bitstream/107110/1/oh352lab.pdf). La sua analisi degli algoritmi di caching e
i risultati sono presentati in Bélády, "A Study of Replacement Algorithms for a Virtual-Storage Computer".
il pezzo di ricerca informatica più citato da quindici anni: Dallo stesso Bélády: “Il mio articolo
scritto nel 1965 è diventato il documento più referenziato nel campo del software per 15 anni
periodo." J. UN. N. Lee,
http://history.computer.org/pioneers/belady.html . “Laszlo UN. Belady, " nel Computer Pionieri ,
LRU ha costantemente eseguito il più vicino alla chiaroveggenza: un paio di anni dopo, Bélády ha anche mostrato
quel FIFO presenta alcuni curiosi svantaggi aggiuntivi, in particolare, rari casi in cui si aumenta la dimensione della cache
può effettivamente peggiorare le prestazioni, un fenomeno noto come Anomalia di Bélády. Bélády, Nelson e
Shedler, "Un'anomalia nelle caratteristiche spazio-temporali di alcuni programmi in esecuzione in un cercapersone".
"L'equivalente digitale delle carte mescolate": Aza Raskin, "Solving the Alt-Tab Problem",
http://www.azarask.in/blog/post/solving-the-alt-tab-problem/.
La letteratura sulle politiche di sfratto: se sei interessato a provare un algoritmo di caching più complesso, alcuni
le varianti popolari su LRU sono le seguenti: • LRU- K : O'Neil, O'Neil e Weikum, "The LRU- K Page
Algoritmo di sostituzione per il buffer del disco del database ", che considera il tempo trascorso dal K -esimo massimo
uso recente (che è massimo per gli elementi nella cache che non sono stati utilizzati K volte). Questo introduce a
bias di frequenza. LRU-2, che si concentra sul penultimo utilizzo, è il più comune.
• 2Q: Johnson e Shasha, “2Q: Sostituzione della gestione del buffer ad alte prestazioni a costi ridotti
Algorithm ", che organizza gli elementi in due" code "separate per catturare un po 'di frequenza
informazione. Gli elementi iniziano nella prima coda e vengono promossi alla seconda coda se vengono indicati
di nuovo mentre sono nella cache. Gli elementi vengono espulsi da questa seconda coda nella prima
coda utilizzando LRU, che viene anche utilizzato per eliminare gli elementi dalla prima coda.
• LRFU: Lee et al., "LRFU: A Spectrum of Policies That Subsumes the Least Last Used and Less
Criteri utilizzati di frequente ", che combina attualità e frequenza assegnando un punteggio numerico a
ogni elemento che viene incrementato quando l'elemento viene utilizzato ma diminuisce gradualmente nel tempo.
• L'Adaptive Replacement Cache (ARC): Megiddo e Modha, "Outperforming LRU con un
Adaptive Replacement Cache Algorithm ", che utilizza due code in modo simile a 2Q ma
adatta la lunghezza delle code in base alle prestazioni.
È stato dimostrato che tutti questi algoritmi superano LRU nei test sulle prestazioni di gestione della cache.
il preferito travolgente degli scienziati informatici: ad esempio, Pavel Panchekha ha scritto un articolo nel 2012 per
il blog di Dropbox dove espone il ragionamento di Dropbox per l'utilizzo di LRU, all'indirizzo
https://tech.dropbox.com/2012/10/caching-in-theory-and-practice/.
Pagina 305
Nel profondo del sotterraneo Gardner Stacks: per chi è curioso di sapere esattamente cosa UC Berkeley
gli studenti stavano leggendo quando abbiamo visitato: Thoreau's Walden ; testi critici su Song of Myself , Cormac
McCarthy, James Merrill, Thomas Pynchon, Elizabeth Bishop, JD Salinger, Anaïs Nin e Susan Sontag;
Drown di Junot Díaz; Telegraph Avenue e The Yiddish Policemen's Union di Michael Chabon; Cattiva sporcizia
e Bird Cloud di Annie Proulx; Mr. and Mrs. Baby di Mark Strand; L'uomo nell'alto castello di Philip
K. Dick; la raccolta di poesie e prosa di William Carlos Williams; Snuff di Chuck Palahniuk; Sula di
Toni Morrison; Tree of Smoke di Denis Johnson; The Connection of Everyone with Lungs di Juliana Spahr;
Il sogno del campo unificato di Jorie Graham; Nudo , un giorno parlo abbastanza e vesti la tua famiglia
in velluto a coste e denim di David Sedaris; Ariel di Sylvia Plath e Oleanna di David Mamet; DT
La biografia di Max di David Foster Wallace; Like Something Flying Backwards , Translations of the Gospel
Back into Tongues e Deepstep Come Shining di CD Wright; la prosa di TS Eliot; Eureka di Edgar
Allan Poe; Billy Budd, Sailor e una raccolta di brevi opere in poesia e prosa di Herman Melville; Il
Aspern Papers , The Portrait of a Lady e The Turn of the Screw di Henry James; Harold Bloom su Billy
Budd , Benito Cereno e “Bartleby the Scrivener”; le commedie di Eugene O'Neill; Stardust di Neil Gaiman;
Reservation Blues di Sherman Alexie; Nessun paese per vecchi di Cormac McCarthy; e altro ancora.
"Dodici anni, questo è il limite": Elizabeth Dupuis, intervista personale, 16 settembre 2014.
"Sulla scala di un miglio per il miglio!": Carroll, Sylvie e Bruno hanno concluso .
Un quarto di tutto il traffico Internet: Stephen Ludin, "Akamai: Why a Quarter of the Internet Is Faster and
More Secure than the Rest ", conferenza, 19 marzo 2014, International Computer Science Institute, Berkeley,
California. Come afferma Akamai sul proprio sito, "Akamai offre tra il 15-30% di tutto il traffico web"
(http://www.akamai.com/html/about/facts_figures.html ).
"La distanza è importante": Ludin, "Akamai".
evita qualsiasi tipo di organizzazione comprensibile all'uomo: il sistema di "archiviazione caotica" di Amazon lo è
descritto qui: http://www.ssi-schaefer.de/blog/en/order-picking/chaotic-storage-amazon/ .
Ad Amazon è stato concesso un brevetto: il brevetto sulla pre-spedizione di articoli comunemente richiesti è il brevetto statunitense n.
8.615.473, concesso il 24 dicembre 2013, "Metodo e sistema per la spedizione anticipata dei pacchi" di Joel R.
Spiegel, Michael T. McKenna, Girish S. Lakshman e Paul G. Nordstrom, per conto di Amazon
Technologies Inc.
su cui la stampa si è impadronita: vedi, ad esempio, Connor Simpson, "Amazon Will Sell You Things Before You
Conoscere tu Volere per AcquistareLoro," Il Filo , gennaio 20, 2014,
http://www.thewire.com/technology/2014/01/amazon-thinks-it-can-predict-your-future/357188/ ; Chris
Matyszczyk, "Amazon spedisce le cose prima ancora che tu abbia pensato di acquistarle?" , CNET , 19 gennaio
2014, http://www.cnet.com/news/amazon-to-ship-things-before-youve-even- thoughtt-of-buying-them/ .
i "Preferiti locali" di ogni stato da Netflix: Micah Mertes, "Gli Stati Uniti di Netflix Local
Preferiti ", 10 luglio 2011, http://www.slacktory.com/2011/07/united-states-netflix-local-favorites/ .
gli enormi file che compongono il video HD a figura intera: nel 2012, Netflix ha annunciato che era stanco
aziende paganti come Akamai e avevano iniziato a costruire la propria CDN globale. Vedi Eric Savitz, "Netflix Shifts
Traffic to Its Own CDN " , Forbes , 5 giugno 2012, http://www.forbes.com/sites/ericsavitz/2012/06/05/netflix-
sposta-il-traffico-al-proprio-cdn-akamai-ribalta-shrs-hit / . Maggiori informazioni su Open Connect di Netflix
CDN può essere trovato su https://www.netflix.com/openconnect .
"La memorizzazione nella cache è una cosa così ovvia": John Hennessy, intervista personale, 9 gennaio 2013.
"Una cassa sul pavimento del mio armadio del cappotto anteriore": Morgenstern, Organizing from the Inside Out .
"Sacchetti extra per aspirapolvere dietro il divano": Jones, Keeping Found Things Found .
motori di ricerca da una prospettiva cognitiva: vedere Belew, Finding Out About .
Pagina 306
Il documento definitivo sulle liste auto-organizzate: Sleator e Tarjan, “Amortized Efficiency of List Update
and Paging Rules ", che ha anche fornito i risultati più chiari sulle proprietà teoriche della LRU
principio.
"Algoritmo di Dio, se vuoi": Robert Tarjan, intervista personale, 17 dicembre 2013.
se segui il principio LRU: Questa applicazione del principio LRU alle liste auto-organizzate è nota come
l' algoritmo Move-to-Front .
non solo efficiente. In realtà è ottimale: questo non significa che devi rinunciare completamente alla categorizzazione.
Se vuoi rendere le cose un po 'più sgargianti e accelerare il processo di ricerca, Noguchi suggerisce di metterlo
schede colorate sui file che rientrano in diverse categorie. In questo modo se sai che stai cercando, dì,
account, puoi limitare la ricerca lineare solo a questi elementi. E verranno comunque ordinati in base a
la regola Sposta in primo piano all'interno di ciascuna categoria.
i sistemi di recupero delle informazioni delle biblioteche universitarie: le scoperte di Anderson sulla memoria umana lo sono
pubblicato su Anderson e Milson, "Human Memory" e nel libro The Adaptive Character of Thought .
Questo libro è stato influente per definire una strategia per analizzare la cognizione quotidiana in termini di ideale
soluzioni, utilizzate da Tom e molti altri nella loro ricerca. Anderson e Milson, "Human Memory", in
turn, attinge da uno studio statistico sul prestito bibliotecario che appare in Burrell, “A Simple Stochastic
Modello per prestiti bibliotecari ".
il tassello mancante nello studio della mente: l'esplorazione iniziale di Anderson delle connessioni tra
il recupero delle informazioni da parte dei computer e l'organizzazione della memoria umana è stato condotto in un'epoca in cui
la maggior parte delle persone non aveva mai interagito con un sistema di recupero delle informazioni e i sistemi in uso erano abbastanza
primitivo. Poiché la ricerca sui motori di ricerca ha ampliato i confini di ciò che i sistemi di recupero delle informazioni possono fare
Sì, ha creato nuove opportunità per scoprire parallelismi tra menti e macchine. Ad esempio, Tom
e i suoi colleghi hanno mostrato come le idee alla base dell'algoritmo PageRank di Google siano rilevanti per
comprensione della memoria semantica umana. Vedi Griffiths, Steyvers e Firl, "Google and the Mind".
"Ho visto quella struttura presentata davanti a me": Anderson, The Adaptive Character of Thought .
analizzato tre ambienti umani: L'analisi dell'ambiente della memoria umana è presentato in
Anderson e Schooler, "Reflections of the Environment in Memory".
la realtà stessa ha una struttura statistica: “La memoria umana rispecchia, con un notevole grado di fedeltà, la
struttura che esiste nell'ambiente. " Ibid.
"Non riescono ad apprezzare il compito prima della memoria umana": Ibid.
"Un grande libro è una grande seccatura": la citazione in greco è "μέγα βιβλίον μέγα κακόν" ( mega biblion,
mega kakon ), che è stato anche tradotto come "Big book, big evil." Il riferimento originale è inteso come un file
disprezzo della poesia epica, ma presumibilmente essendo uno studioso in un'epoca in cui i libri erano in forma di
pergamene lunghe decine di piedi significavano che i grandi libri erano un fastidio più che estetico. C'è un
motivo per cui la pratica della citazione e della citazione non è iniziata correttamente fino a quando i libri non sono entrati in codici
pagine numerate. Per un eccellente racconto di questa storia, vedi Boorstin, The Discoverers .
"Se ingrandisci una città": John Hennessy, intervista personale, 9 gennaio 2014.
Pagina 307
una conseguenza inevitabile della quantità di informazioni: Ramscar et al., “The Myth of Cognitive
Declino."
"Le menti sono dispositivi naturali di elaborazione delle informazioni:" Michael Ramscar, "Esclusiva del fornitore: Michael
Ramscar on the 'Myth' of Cognitive Decline ", intervista a Bill Myers, 19 febbraio 2014.
http://www.providermagazine.com/news/Pages/0214/Provider-Exclusive-Michael-Ramscar-On-The-Myth-
Of-Cognitive-Decline.aspx .
5. PROGRAMMAZIONE
"Come passiamo i nostri giorni": Dillard, The Writing Life .
"Scrivere libri, come fare la guerra": Lawler, "Old Stories".
“Siamo quello che facciamo ripetutamente”: ha infatti avuto origine questa frase, spesso attribuita allo stesso Aristotele
con lo studioso Will Durant, come sintesi (nelle parole di Durant) del pensiero di Aristotele. Vedi Durant, The Story
di filosofia .
qualsiasi compito di due minuti o meno: Allen, Getting Things Done .
a cominciare dal compito più difficile: Tracy, Eat That Frog! Il libro ne attribuisce la citazione titolare
- "Mangia una rana viva come prima cosa al mattino e non ti succederà niente di peggio per il resto della giornata"
Mark Twain, sebbene questa attribuzione possa essere apocrifa. Il sito web Quote Investigator cita il diciottesimo-
secolo francese scrittore Nicolas Chamfort come il Di Più probabile fonte. Vedere
http://quoteinvestigator.com/2013/04/03/eat-frog/ per ulteriori informazioni.
prima pianificare i propri impegni sociali: Fiore, The Now Habit .
"L'eterno aggrapparsi a un compito incompiuto": William James, in una lettera a Carl Stumpf, 1 gennaio,
1886.
deliberatamente non fare le cose subito: Partnoy, aspetta .
sviluppato i diagrammi di Gantt: Il ruolo di Taylor e Gantt nella storia della pianificazione è riassunto in
Herrmann, "The Perspectives of Taylor, Gantt e Johnson". Ulteriori dettagli biografici su Taylor lo sono
da Kanigel, The One Best Way .
aziende come Amazon, IKEA e SpaceX: la società di software per diagrammi di Gantt LiquidPlanner vanta Amazon,
IKEA e SpaceX tra i suoi clienti all'URL (controintuitivo) http://www.liquidplanner.com/death-to-
diagrammi di Gantt / .
primo indizio che anche questo problema potrebbe essere risolto: il risultato seminale di Johnson (su quello che ora viene chiamato
Pianificazione "flowshop", in cui i lavori fluiscono da una macchina a un'altra) appare in "Ottimale due e tre
Programmi di produzione in fase con tempi di installazione inclusi ".
iniziare con l'attività in scadenza il più presto possibile: la prima data di scadenza (EDD), nota anche come regola di Jackson, è stata derivata in
Jackson, pianificazione di una linea di produzione per ridurre al minimo il massimo ritardo . James R. Jackson è cresciuto a Los
Angeles negli anni '30, e grazie al suo lavoro con il Logistics Research Project dell'UCLA trascorse del tempo in visita
officine meccaniche gestite da varie società aerospaziali della zona. Il suo pensiero su come sono passati i lavori
una macchina all'altra alla fine lo portò a sviluppare una matematica per analizzare i "flussi di rete": il lavoro
che sarebbe stato successivamente utilizzato nella progettazione di algoritmi per instradare il flusso di traffico su Internet. Un breve
biografia appare in Production and Operations Management Society, "James R. Jackson".
Algoritmo di Moore: presentato in Moore, "An N Job, One Machine Sequencing Algorithm for Minimizing
il numero di lavori in ritardo. " Nel documento, Moore ha riconosciuto una semplificazione e ottimizzazione che aveva
gli è stato suggerito da Thom J. Hodgson. Oggi i termini "Algoritmo di Moore", "Hodgson's
Pagina 308
conosciuta come la "palla di neve del debito": nella sfera popolare, l'autore e oratore Dave Ramsey è forse il
famoso divulgatore e sostenitore della strategia della "valanga di debiti", e ha raccolto molti sostenitori
e detrattori allo stesso modo. Dal punto di vista accademico, un documento del 2012 dei ricercatori della business school della Northwestern,
Gal e McShane, "Le piccole vittorie possono aiutare a vincere la guerra?" e un documento del 2014 degli economisti del Texas
A&M Brown e Lahey, Small Victories , ad esempio, hanno esaminato l'impatto delle "piccole vittorie" in
aiutare le persone a uscire dal debito dei consumatori.
un vampiro ossessivo-compulsivo: questo episodio è la quinta stagione, l'episodio 12, "Bad Blood", che originariamente
in onda il 22 febbraio 1998.
"Una tendenza a pre-crastinare": Rosenbaum, Gong e Potts, "Pre-Crastination".
Reeves darebbe la colpa al bug sulle "pressioni sulla scadenza": questo proviene da un'e-mail datata 15 dicembre,
1997, da Glenn Reeves ai suoi colleghi, oggetto "Cosa è successo veramente su Marte?", Disponibile online
su http://research.microsoft.com/en-us/um/people/mbj/Mars_Pathfinder/Authoritative_Account.html .
"Se sei infiammabile e hai le gambe": il racconto di Hedberg può essere trovato nel suo album comico del 1999 Strategic
Luoghi della griglia .
"Cose che contano di più": La prima apparizione di questa citazione in inglese sembra essere in Covey, How
to Succeed with People , dove è attribuito a Goethe senza citazione.
"È così che faccio le cose ogni giorno": Laura Albert McLay, intervista personale, 16 settembre 2014.
"Gene stava rimandando qualcosa": Jan Karel Lenstra, intervista personale, 2 settembre 2014; e
corrispondenza personale.
Lawler ha preso un percorso intrigante e tortuoso: la biografia di Lawler è tratta da Lawler, "Old Stories",
e Lenstra, "The Mystical Power of Twoness".
"La coscienza sociale" del dipartimento di informatica : Richard Karp, "A Personal View of
Computer Science at Berkeley, "EECS Department, University of California, Berkeley,
http://www.eecs.berkeley.edu/BEARS/CS_Anniversary/karp-talk.html.
un premio in nome di Lawler: vedere http://awards.acm.org/lawler/ .
ricostruire il programma dall'inizio alla fine: l'analisi di Lawler dei vincoli di precedenza per il massimo ritardo
problema è in Lawler, "Sequenziamento ottimale di una singola macchina soggetta a vincoli di precedenza".
è ciò che il campo definisce "intrattabile": questa analisi è in Lawler, "Sequencing Jobs to Minimize Total
Tempo di completamento ponderato soggetto a vincoli di precedenza. " Più precisamente, il problema è " NP- hard",
il che significa che non ha una soluzione efficiente nota e potrebbe non averne mai una.
una ricerca per mappare l'intero panorama della teoria della pianificazione: la ricerca è emersa un pomeriggio del 1975, come
Lawler, Lenstra e i loro colleghi Richard Karp e Ben Lageweg hanno parlato di teoria della pianificazione
nel Mathematisch Centrum di Amsterdam. Forse erano gli "odori pungenti di malto e luppolo" nell'aria
dal birrificio Amstel della porta accanto, ma qualcosa ha spinto il gruppo a decidere che un libro contenente un elenco
di tutti i problemi di pianificazione e se fossero stati risolti sarebbe stato un bel regalo per il loro amico e
il collega Alexander Rinnooy Kan, che stava per difendere la sua tesi. (Questa storia appare in Lawler, "Old
Stories "e Lenstra," The Mystical Power of Twoness "). Rinnooy Kan avrebbe continuato a rendere importante
contributi non solo al mondo accademico ma anche all'economia olandese, membro del consiglio di amministrazione di ING
ed essere stata nominata dal quotidiano De Volkskrant come la persona più influente dei Paesi Bassi - tre
Pagina 309
anni di fila. Vedi "Rinnooy Kan weer invloedrijkste Nederlander", De Volkskrant , 4 dicembre 2009,
http://nos.nl/artikel/112743-rinnooy-kan-weer-invloedrijkste-nederlander.html.
Lageweg ha scritto un programma per computer che ha generato l'elenco, enumerando circa 4.536 diversi
permutazioni del problema di schedulazione: ogni possibile combinazione di metriche (massimo ritardo, numero
di lavori in ritardo, somma dei tempi di completamento, ecc.) e vincoli (pesi, precedenza, orari di inizio e così via) che
potrebbero pensare. Nel corso di una serie di giorni avvincenti, il gruppo “ha avuto il piacere di buttarne fuori uno
oscuri tipi di problemi dopo l'altro in rapida successione. "
Il loro schema organizzativo per descrivere lo zoo dei problemi di programmazione era un linguaggio “cucito con
stenografia ", che hanno chiamato" Schedulese "(Graham et al.," Optimization and Approximation in
Sequenziamento deterministico "). L'idea di base è che i problemi di pianificazione sono descritti da tre variabili: il
natura delle macchine coinvolte, natura dei lavori e obiettivo della programmazione. Queste tre variabili sono
specificato in quell'ordine, con codici standard che descrivono fattori come vincoli di precedenza, prelazione,
i tempi di rilascio e l'obiettivo. Ad esempio, 1 | r j | ∑ C j (pronunciato "one-arejay-sum-ceejay") rappresenta un singolo
macchina, tempi di rilascio e l'obiettivo di ridurre al minimo la somma dei tempi di completamento. Come Eugene Lawler
racconta:
Un risultato immediato è stata la totale facilità con cui potevamo comunicare i tipi di problema.
I visitatori dei nostri uffici sono rimasti a volte sconcertati nel sentire scambi come: "Dal momento che
ceejay è NP-difficile, questo implica che anche one- preemption -arejay-sum-ceejay è NP-hard? " "No,
è facile, ricordi? " "Be ', un deejay-sum-ceejay è facile e questo implica uno- prelazione -
deejay-sum-ceejay è facile, quindi cosa sappiamo di one-preemption-arejay-deejay-sum-ceejay? "
"Niente."
(Nella notazione formale: "Dato che 1 | r j | ∑ C j è NP-duro, questo implica che 1 | pmtn, r j | ∑ C j è anche NP-difficile?"
è facile, ricordi? " “Bene, 1 | d j | ∑ C j è facile e questo implica 1 | pmtn, d j | ∑ C j è facile, quindi cosa facciamo
sapere circa 1 | pmtn, r j , d j | ∑ C j ? " "Niente" [Lawler et al., "Un regalo per Alexander!"; vedi anche Lawler, “Old
Storie "].) Il problema diventa intrattabile: infatti, è equivalente al" problema dello zaino ", il computer
il problema più famoso della scienza su come riempire lo spazio. La connessione tra questo
problema di pianificazione e il problema dello zaino appare in Lawler, Scheduling a Single Machine to Minimize
il numero di lavori in ritardo .
un certo tempo per iniziare alcune delle tue attività: quelli che chiamiamo "orari di inizio" sono indicati nel file
letteratura (pensiamo in modo un po 'ambiguo) come "tempi di rilascio". Lenstra, Rinnooy Kan e Brucker,
"Complessità dei problemi di pianificazione della macchina", ha dimostrato che sia minimizzando la somma dei tempi di completamento che
minimizzare il ritardo massimo con tempi di rilascio arbitrari è NP- difficile. Il caso di ridurre al minimo il numero
degli ultimi lavori con tempi di rilascio arbitrari è discusso in Lawler, "Scheduling a Single Machine to Minimize
il numero di lavori in ritardo. "
Un recente sondaggio: Lawler et al., "Sequencing and Scheduling". La versione più recente di questo elenco è
disponibile a http://www.informatik.uni-osnabrueck.de/knust/class/ .
con una modifica abbastanza semplice: l'effetto della prelazione sulla riduzione al minimo del ritardo massimo
con i tempi di rilascio è analizzato in Baker et al., "Preemptive Scheduling of a Single Machine". Il problema
di minimizzare la somma dei tempi di completamento con tempi di rilascio e prelazione è analizzato in Schrage, “A
Prova dell'ottimalità della più breve disciplina del tempo di elaborazione rimanente "e Baker, Introduzione a
Sequenziamento e pianificazione .
ancora la versione preventiva di Earliest Due Date: il risultato per ridurre al minimo il ritardo massimo previsto
scegliendo il lavoro con la prima data di scadenza è discusso in Pinedo, Scheduling .
la versione preventiva di Shortest Processing Time: L'efficacia della scelta del lavoro con
tempo di elaborazione atteso più breve ponderato per ridurre al minimo la somma dei tempi di completamento ponderati in a
Pagina 310
impostazione dinamica (a condizione che la stima del tempo per completare un lavoro non aumenti nella durata
ha lavorato su quel lavoro) è stato mostrato da Sevcik, "Scheduling for Minimum Total Loss Using Service Time
Distributions ", come parte di una strategia più generale per la pianificazione dinamica.
somma del ritardo ponderato di questi lavori: Pinedo, "Stochastic Scheduling with Release Dates and Due
Date ", ha mostrato che questo algoritmo è ottimale per questi problemi sotto l'ipotesi (abbastanza forte) che
i tempi dei lavori seguono una distribuzione senza memoria, il che significa che la tua stima di quanto tempo dureranno
il take rimane costante, non importa da quanto tempo li fai. Nella programmazione stocastica, ottimale
gli algoritmi non saranno necessariamente ideali per ogni possibile carico di lavoro, ma piuttosto minimizzano i valori attesi
delle loro metriche pertinenti.
"Sostituisci" piano "con" ipotesi "": Jason Fried, "Chiamiamo semplicemente i piani come sono: ipotesi", 14 luglio 2009,
https://signalvnoise.com/posts/1805-lets-just-call-plans-what-they-are-guesses .
"Le cache sono calde per l'attuale carico di lavoro": Peter Zijlstra, intervista personale, 17 aprile 2014.
qualsiasi situazione in cui il sistema si arresta: il thrashing può avvenire anche nei sistemi di database, dove
la competizione tra diversi processi per acquisire “serrature” per accedere al database può sommergere il file
la capacità del sistema di consentire ai processi che attualmente mantengono i blocchi di eseguire qualsiasi operazione. Allo stesso modo, il thrashing può
appaiono in contesti di rete, dove una cacofonia di segnali diversi in competizione per il canale di rete
può impedire a qualsiasi cosa di passare. Daremo uno sguardo più da vicino a quest'ultimo scenario nel capitolo 10.
ha sostituito il loro scheduler: “ O ( n ) Scheduler” usato da Linux a partire dalla versione 2.4 nel 2001 ha ordinato tutto
processi per priorità, che richiedevano più tempo più processi c'erano. Questo è stato scartato a favore di
" O (1) Scheduler" a partire da Linux 2.6 nel 2003, che ha ordinato in base a tutti i processi in un file predeterminato
numero di bucket, indipendentemente dal numero di processi presenti. Tuttavia, è necessario eseguire questo ordinamento del secchio
elaborazione euristica complessa e, a partire da Linux 2.6.23 nel 2007, lo " O (1) Scheduler" era
sostituito con l'ancora più semplice "Completely Fair Scheduler".
In Linux questa sezione utile minima: questo valore è definito nel kernel Linux "Completely Fair
Scheduler ”nella variabile sysctl_sched_min_granularity.
Metodi come "timeboxing" o "pomodoros": Timeboxing è stato ampiamente descritto nella
contesto della gestione dei team di sviluppo software; il termine "timeboxing" sembra avere origine con
Zahniser, "Timeboxing for Top Team Performance". La “Tecnica del Pomodoro”, da cui deriva il nome
un timer da cucina a forma di pomodoro (la parola italiana per pomodoro è pomodoro ), è stato ideato da Francesco
Cirillo alla fine degli anni '80 ed è stato insegnato da Cirillo a partire dal 1998. Vedi, ad esempio, Cirillo, Il Pomodoro
Tecnica .
i programmatori si sono rivolti alla psicologia: ad esempio, Peter Zijlstra, intervista personale, 17 aprile 2014.
I computer stessi fanno qualcosa di simile: Linux ha aggiunto il supporto per la coalescenza dei timer nel 2007;
Microsoft lo ha incluso in Windows a partire da Windows 7 nel 2009; e Apple ha seguito l'esempio in OS X
Mavericks nel 2013.
"Solo un bug di una riga nel tuo algoritmo": Peter Norvig, intervista personale, 17 settembre 2014.
Pagina 311
“Non cambio dentro e fuori”: Shasha e Lazere, Out of Their Minds , 101.
"Il mio ruolo è quello di essere in fondo alle cose": Donald Knuth, "Knuth versus Email", http: // www-cs-
faculty.stanford.edu/~uno/email.html .
6. REGOLA DI BAYES
"Tutta la conoscenza umana è incerta": Bertrand Russell, Human Knowledge: Its Scope and Limits , 1948,
p. 527.
Lì vide il muro di Berlino: Gott, "Implications of the Copernican Principle for Our Future Prospects".
"L'irragionevole efficacia dei dati": il discorso è stato tratto da Halevy, Norvig e Pereira, "The
Efficacia irragionevole dei dati. "
"Questi argomenti devono essere solo probabili": An Inquiry Concerning Human Understanding , §IV,
"Dubbi scettici in merito alle operazioni dell'intesa".
La storia di Bayes: la nostra breve biografia si basa su Dale, A History of Inverse Probability e Bellhouse,
"Il reverendo Thomas Bayes."
nel 1746,
datato '47,
1746 '48 o '49:
e 1749. Vedi,iladleggendario giornale di Bayes,
esempio, McGrayne, senzaThat
The Theory data,Does
era stato archiviato
Not Die . tra un paio di carte
difesa del nuovo "calcolo" di Newton: un'introduzione alla dottrina dei flussi e la difesa
i Matematici contro le Obiezioni dell'Autore dell'analista, nella misura in cui sono assegnati all'affetto
i loro metodi generali di ragionamento .
"Merita di essere preservato": Introduzione a Bayes, "An Essay Towards Solving a Problem in the Dottrine
di possibilità. "
Se provi solo una volta e funziona: potresti ricordarlo nella nostra discussione sui banditi multi-armati e
il dilemma esplora / sfrutta nel capitolo 2, abbiamo anche toccato le stime del tasso di successo di un processo: a
slot machine, basata su una serie di esperienze. Il lavoro di Bayes e Laplace è alla base di molti dei
algoritmi di cui abbiamo discusso in quel capitolo, incluso l'indice Gittins. Come la legge di Laplace, i valori di
L'indice di Gittins che abbiamo presentato presupponeva che qualsiasi probabilità di successo fosse ugualmente probabile. Questo implicitamente
ritiene che la percentuale di vincita complessiva prevista per una slot machine con un record di 1–0 sia di due terzi.
"Non più coerente o concepibile del resto": An Inquiry Concerning Human Understanding , §IV,
"Dubbi scettici in merito alle operazioni dell'intesa".
il vero lavoro pesante è stato fatto da Laplace: in tutta onestà, un influente documento del 1950 (Bailey, Credibility
Procedure ) si riferiva alla "Generalizzazione di Laplace della regola di Bayes", ma non si attaccava del tutto. Scoperte
Pagina 312
prendere il nome da qualcuno che non sia il loro scopritore è un fenomeno sufficientemente comune che
lo statistico e storico Stephen Stigler ha affermato che dovrebbe essere considerata una legge empirica -
Legge di eponimia di Stigler. Ovviamente Stigler non è stata la prima persona a scoprirlo; assegna il credito
al sociologo Robert K. Merton. Vedere Stigler, "Legge di eponimia di Stigler".
moltiplicare le loro probabilità insieme: per i matematici, ecco la versione completa di Bayes
Regola. Vogliamo calcolare quanta probabilità assegnare a un'ipotesi h dati dati d . Abbiamo prima
convinzioni sulla probabilità che tale ipotesi sia vera, espresse in una distribuzione a priori p ( h ). Cosa noi
vogliamo calcolare è la distribuzione "posteriore", p ( h | d ), che indica come dovremmo aggiornare il nostro precedente
sorprendente se ci fosse anche una New York City: la copertina del New Yorker è Richard McGuire, “Time
Warp ”, 24 novembre 2014. Per un'analisi più affascinante e dettagliata della probabile durata della vita delle città
e corporazioni, vedere il lavoro di Geoffrey West e Luis Bettencourt, ad esempio Bettencourt et al., "Crescita,
Innovazione, scalabilità e ritmo di vita nelle città ".
una raffica di corrispondenza critica: ad esempio, vedere Garrett e Coles, "Bayesian Inductive Inference
and the Anthropic Principles "e Buch," Future Prospects Discussed ".
una lotteria in cui arrivi senza sapere nulla: lo statistico Harold Jeffreys avrebbe invece suggerito in seguito
( w +1) ( w +0,5)
di Laplace's ⁄ ( n +2) , usando piuttosto ⁄ ( n +1) , che risulta dall'uso piuttosto di un precedente "non informativo"
rispetto al priore "uniforme" (Jeffreys, Theory of Probability ; Jeffreys, "An Invariant Form for the Prior
Probabilità nei problemi di stima "). Un metodo per definire risultati a priori più informativi in
( w + w ′ +1)
previsioni della forma ⁄ ( n + n ′ +2) , dove w ′ en ′ sono il numero di vittorie e tentativi per simili
processi nella tua esperienza passata (per i dettagli vedi Griffiths, Kemp e Tenenbaum, "Bayesian Models of
Cognizione"). Usando questa regola, se in precedenza avevi visto 100 estrazioni della lotteria con solo 10 biglietti vincenti
( w = 10, n = 100), la tua stima dopo aver visto una singola estrazione vincente per questa nuova lotteria sarebbe molto
più ragionevole 12/103 (non lontano dal 10%). Le varianti della legge di Laplace sono ampiamente utilizzate in
linguistica computazionale, dove forniscono un modo per stimare le probabilità di parole che non hanno mai avuto
già visto (Chen e Goodman, “An Empirical Study of Smoothing Techniques for Language
Modellazione ").
o durare per cinque millenni: per una quantità come una durata, che va da 0 a ∞, il non informativo prima
su tempi t è la densità di probabilità p ( t ) ∝ 1 / t . Modifica della scala: definizione di una nuova quantità s che è a
multiplo di t - non cambia la forma di questa distribuzione: se s = ct , allora p ( s ) ∝ p ( t = s / c ) ∝ 1 / s . Questo significa
che è invariante di scala. Molte più informazioni sui precedenti non informativi appaiono in Jeffreys, Theory of
Probability e Jeffreys, "An Invariant Form for the Prior Probability in Estimation Problems".
emerge il principio copernicano: questo è stato dimostrato da Gott, "Future Prospects Discussed", nel rispondere
a Buch, "Future Prospects Discussed".
determinazione del numero di tram: Jeffreys, Theory of Probability , §4.8. Crediti di Jeffreys
il matematico Max Newman per aver portato il problema alla sua attenzione.
ha cercato di stimare il numero di carri armati: questo è diventato noto come il "problema dei carri armati tedeschi", e
è stato documentato in numerose fonti. Vedere, ad esempio, Gavyn Davies, "Come una formula statistica ha vinto il
Guerra," il Guardiano , luglio 19, 2006,
http://www.theguardian.com/world/2006/jul/20/secondworldwar.tvandradio .
Pagina 313
frutti in un frutteto: ad esempio, la ricerca annuale della 2002 New Zealand Avocado Growers Association
Il rapporto ha rilevato che “ad aprile, i profili di dimensione dei frutti erano normalmente distribuiti e sono rimasti tali per il resto
del periodo monitorato. "
La popolazione media di una città: questa cifra viene da Clauset, Shalizi e Newman, "Power-Law
Distributions in Empirical Data ”, che a sua volta cita il censimento statunitense del 2000.
può plausibilmente variare su molte scale: la forma generale di una distribuzione della legge di potenza su una quantità t è p ( t )
-γ
∝ t , dove il valore di γ descrive quanto velocemente la probabilità di t diminuisce all'aumentare di t . Come con il
prima non informativo, la forma della distribuzione non cambia se prendiamo s = ct , cambiando la scala.
un dominio pieno di leggi di potere: l'osservazione che la ricchezza è distribuita secondo una funzione di legge di potere
è accreditato a Pareto, Cours d'économie politique . Un'altra buona discussione sulle distribuzioni della legge di potenza
di popolazioni e redditi è Simon, "On a Class of Skew Distribution Functions".
Il reddito medio in America: il reddito lordo aggiustato individuale medio (AGI), derivato dall'IRS
dichiarazioni, è stato stimato in $ 55.688 per l'anno fiscale 2009, l'anno più recente per il quale era una stima
a disposizione; si veda il documento di lavoro del 2011 “Evaluating the Use of the New Current Population Survey's Annual
Social and Economic Supplement Questions in the Census Bureau Tax Model ", disponibile all'indirizzo
https://www.census.gov/content/dam/Census/library/working-
documenti / 2011 / demo / 2011_SPM_Tax_Model.pdf , che a sua volta cita i dati del 2010 dell'US Census Bureau
Indagine sulla popolazione attuale Supplemento sociale ed economico annuale.
due terzi della popolazione degli Stati Uniti guadagnano meno del reddito medio: il limite per il 40% più ricco di AGI in
Il 2012 è stato di $ 47.475 e il limite massimo per il 30% superiore è stato di $ 63.222, da cui possiamo dedurre che un AGI di
$ 55.688 arrivano a circa il 33% più alto. Vedi Adrian Dungan, "Individual Income Tax Shares, 2012",
IRS Statistics of Income Bulletin , primavera 2015, disponibile su https://www.irs.gov/pub/irs-soi/soi-a-ints-
id1506.pdf .
l'1% più ricco fa quasi dieci volte la media: il limite per l'1% più ricco era un AGI di $ 434.682 nel 2012,
e il limite per lo 0,01% superiore è stato di $ 12.104.014. Ibid.
il processo di "attaccamento preferenziale": una buona discussione da parte del pubblico generale dell'idea di legge di potere
le distribuzioni che emergono dall'attaccamento preferenziale possono essere trovate in Barabási, Linked .
“'Potrebbe andare avanti per sempre' in senso positivo?”: Lerner, The Lichtenberg Figures .
la strategia di previsione appropriata è una regola moltiplicativa: tutte le regole di previsione discusse in questa sezione
sono derivati in Griffiths e Tenenbaum, "Optimal Predictions in Everyday Cognition".
noto agli statistici come "senza memoria": tecnicamente, il tempo al blackjack successivo segue un disegno geometrico
distribuzione (simile alla distribuzione esponenziale per una quantità continua), che è costantemente
Pagina 314
decrescente, piuttosto che la distribuzione Erlang più simile ad un'ala che descriviamo nel testo principale. Tuttavia, entrambi
può produrre previsioni senza memoria nelle giuste circostanze. Se incontriamo un fenomeno particolare
in un momento casuale della sua durata, come aveva ipotizzato Gott riguardo al muro di Berlino, poi l'Erlang simile ad un'ala
ci fornisce previsioni senza memoria sulle regole additive. E se osserviamo continuamente un fenomeno che ha a
distribuzione geometrica, come quando si gioca a blackjack, si ottiene lo stesso tipo di previsioni delle regole additive.
Kenny Rogers notoriamente consigliato: "The Gambler" è meglio conosciuto come cantato da Kenny Rogers nel suo 1978
album con lo stesso nome, ma originariamente scritto ed eseguito da Don Schlitz. La registrazione di Rogers
della canzone avrebbe continuato a raggiungere il primo posto nelle classifiche nazionali di Billboard e avrebbe vinto il Grammy del 1980
per la migliore performance vocale country maschile.
"Ho tirato un lungo sospiro di sollievo": Gould, "La mediana non è il messaggio".
chiedendo alle persone di fare previsioni: Griffiths e Tenenbaum, "Optimal Predictions in Everyday
Cognizione."
distribuzioni precedenti delle persone su un'ampia fascia: gli studi hanno esaminato, ad esempio, come gestiamo
per identificare le forme in movimento dai modelli di luce che cadono sulla retina, dedurre le relazioni causali dal
interazioni tra oggetti e apprendi il significato di nuove parole dopo averle viste solo poche volte. Vedere,
rispettivamente, Weiss, Simoncelli e Adelson, “Motion Illusions as Optimal Percepts”; Griffiths et al.,
"Bayes e Blickets"; Xu e Tenenbaum, "Apprendimento delle parole come inferenza bayesiana".
famoso "marshmallow test": Mischel, Ebbesen e Raskoff Zeiss, "Cognitive and Attentional
Meccanismi in ritardo di gratificazione. "
tutto dipende dal tipo di situazione: McGuire e Kable, “I decisori calibrano il comportamento
Persistenza sulla base dell'esperienza dell'intervallo di tempo "e McGuire e Kable," Rational Temporal
Le previsioni possono essere alla base di apparenti fallimenti nel ritardare la gratificazione. "
sono cresciuti in giovani adulti che hanno avuto più successo: Mischel, Shoda e Rodriguez, "Delay of
Gratificazione nei bambini. "
come le esperienze precedenti potrebbero influenzare il comportamento: Kidd, Palmeri e Aslin, "Rational Snacking".
Carnegie Hall anche mezza piena: secondo i dati dell'Aviation Safety Network (personale
corrispondenza), il numero di vittime “a bordo di aeromobili di proprietà statunitense che sono in grado di trasportare 12+
passeggeri, compresi anche jet aziendali e aerei da trasporto militare ”durante il periodo 2000-2014 è stato
1.369 e aggiungendo di nuovo la cifra del 2014 per stimare i decessi nel 2015 si ottiene una stima totale di 1.393
alla fine del 2015. Il famoso Isaac Stern Auditorium della Carnegie Hall può ospitare 2.804; vedere
http://www.carnegiehall.org/Information/Stern-Auditorium-Perelman-Stage/ .
maggiore dell'intera popolazione del Wyoming: secondo la National Highway Traffic Safety
Amministrazione, 543.407 persone sono morte in incidenti stradali negli Stati Uniti negli anni 2000-2013. Vedere
http://www-fars.nhtsa.dot.gov. Ripetendo il dato del 2013 per stimare i decessi nel 2014 e nel 2015 si ottiene un
stima di 608.845 morti fino alla fine del 2015. La popolazione del Wyoming del 2014, come stimato dal
US Census Bureau, era 584.153. Vedi http://quickfacts.census.gov/qfd/states/56000.html.
violenza armata nelle notizie americane: Glassner, "Narrative Techniques of Fear Mongering".
7. OVERFITTING
"Marry-Marry-Marry QED": questa nota di Darwin è datata 7 aprile 1838; vedi, ad esempio, Darwin, The
Corrispondenza di Charles Darwin, volume 2: 1837–1843 .
"Algebra morale o prudenziale": lettera di Franklin a Joseph Priestley, Londra, 19 settembre 1772.
Pagina 315
“Tutto ciò che si può fare quello che posso fare meglio”: “ qualcosa che puoi fare”, composto da Irving Berlin, in Annie
Prendi la tua pistola , 1946.
quello che sai e quello che non sai: nel linguaggio dei ricercatori del machine learning: la "formazione" e
il test."
un recente studio condotto in Germania: Lucas et al., “Reexamining Adaptation and the Set Point Model of
Felicità."
il nostro compito è capire la formula: per gli appassionati di matematica, stiamo cercando di trovare il miglior polinomio
funzione per catturare questa relazione. Prendendo tempo dal matrimonio per essere xe soddisfazione per essere y , l'unico
2
il modello predittore è y = ax + b . Il modello a due predittori è y = ax + bx + c e il modello a nove predittori
9
trova i migliori coefficienti per tutti i valori da x fino a x , stimando un polinomio di grado 9.
attraverso ogni punto del grafico : in effetti, è una verità matematica che puoi sempre disegnare a
polinomio di grado n - 1 per n punti qualsiasi .
livello di soddisfazione di base delle persone: Lucas et al., "Reexamining Adaptation and the Set Point Model of
Felicità."
non sempre è meglio usare un modello più complesso : gli statistici si riferiscono ai vari fattori nel modello come
"Predittori". Si dice che esibisca un modello troppo semplice, come una linea retta che tenta di adattarsi a una curva
"Pregiudizio". Il tipo opposto di errore sistemico, in cui un modello è reso troppo complicato e quindi gira
selvaggiamente a causa di piccoli cambiamenti nei dati, è noto come "varianza".
La sorpresa è che questi due tipi di errori - bias e varianza - possono essere complementari . Ridurre i pregiudizi
(rendendo il modello più flessibile e complicato ) può aumentare la varianza. E crescente bias (semplificando
il modello e adattando i dati in modo meno stretto) a volte possono ridurre la varianza.
Come il famoso principio di indeterminazione di Heisenberg della fisica delle particelle, che dice che più tu
conoscere la quantità di moto di una particella meno si conosce la sua posizione, il cosiddetto compromesso bias-varianza
esprime un legame profondo e fondamentale su quanto può essere buono un modello, su ciò che è possibile conoscere e
prevedere. Questa nozione si trova in vari punti della letteratura sull'apprendimento automatico. Vedi, ad esempio,
Geman, Bienenstock e Doursat, "Neural Networks and the Bias / Variance Dilemma" e Grenander,
"Sull'analisi spettrale empirica dei processi stocastici ."
nel Libro dei Re: Il serpente di bronzo, noto come Nehushtan, viene distrutto in 2 Re 18: 4.
"Pagare bei soldi per rimuovere i tatuaggi": Gilbert, Inciampando sulla felicità .
duelli meno di cinquant'anni fa: se non sei troppo debole, puoi guardare il video di un duello combattuto nel 1967
su http://passerelle-production.u-bourgogne.fr/web/atip_insulte/Video/archive_duel_france.swf.
come atleti overfit le loro tattiche: per un interessante esempio di scherma molto deliberatamente overfitting, vedere
Harmenberg, Spada 2.0 .
"Le strutture degli incentivi funzionano": Brent Schlender , "The Lost Steve Jobs Tapes", Fast Company , maggio 2012,
http://www.fastcompany.com/1826869/lost-steve-jobs-tapes .
"Qualunque cosa il CEO decida di misurare" : Sam Altman, "Benvenuto e Idee, Prodotti, Team e
Execution Part I, "Stanford CS183B , autunno 2014," How to Start a Startup ",
http://startupclass.samaltman.com/courses/lec01/ .
In una società di collocamento: in questo racconto, Ridgway stesso cita Blau, The Dynamics of Bureaucracy .
"Gli amici non consentono agli amici di misurare le visualizzazioni di pagina ": Avinash Kaushik, "Tu sei ciò che misuri, quindi
Scegli i tuoi KPI (incentivi) con saggezza! " http://www.kaushik.net/avinash/measure-choose-smarter-kpis-
Pagina 316
incentivi / .
"morto poliziotti erano trovato": Uomo volgare e Christensen, Sopra CombattimentoVedere
.
http://www.killology.com/on_combat_ch2.htm .
i cervelli cercano di ridurre al minimo il numero di neuroni: utilizzando questa strategia ispirata dai neuroni (nota come "sparse
coding ”), i ricercatori hanno sviluppato neuroni artificiali che hanno proprietà simili a quelle trovate nel file
corteccia visiva. Vedere Olshausen e Field, "Emergence of Simple-Cell Receptive Field Properties".
rivoluzionaria "ottimizzazione del portafoglio con varianza media" : il lavoro per il quale Markowitz è stato premiato
il Premio Nobel appare nel suo articolo “Portfolio Selection” e nel suo libro Portfolio Selection: Efficient
Diversificazione degli investimenti .
"Ho diviso i miei contributi cinquanta e cinquanta": Harry Markowitz, come citato in Jason Zweig, "How the Big Brains
Investi in TIAA – CREF ", Money 27 (1): 114, gennaio 1998.
"Meno informazioni, calcolo e tempo": Gigerenzer e Brighton, "Homo Heuristicus".
più che quadruplicato dalla metà degli anni '90 al 2013: dalla Soyfoods Association of North America,
"Sales and Trends" , http://www.soyfoods.org/soy-products/sales-and-trends , che a sua volta cita la ricerca
"Condotto da Katahdin Ventures."
"Nuts are trendy now": Vanessa Wong, "Drinkable Almonds", Bloomberg Businessweek , 21 agosto
2013.
un incredibile trecento volte dal 2004: Lisa Roolant, "Why Coconut Water Is Now a $ 1 Billion
Industry ", TransferWise, https://transferwise.com/blog/2014-05/why-coconut-water-is-now-a-1-billion-
industria / .
"È passato da invisibile a inevitabile": David Segal, "For Coconut Waters, a Street Fight for Shelf
Space ", New York Times , 26 luglio 2014.
il mercato kale è cresciuto del 40%: “Le vendite di Kale Soar come Celebrity Chef Evidenziare benefici per la salute,” The
Telegraph , 25 marzo 2013
Pizza Hut, che lo mettono nelle loro insalate: Ayla Withee, "Kale: One Easy Way to Add More Superfoods
to Your Diet ", Boston Magazine , 31 maggio 2012.
i corpi dei primi vertebrati ruotavano di 180 gradi: Kinsbourne, "Somatic Twist". Ulteriore discussione sul corpo
e la struttura degli organi nei vertebrati primitivi può essere trovata in Lowe et al., "Dorsoventral Patterning in
Emicordati. " Una panoramica più accessibile è Kelly Zalocusky, "Ask a Neuroscientist: Why Does the
Nervoso Sistema Decussare? " Stanford Neuroblog , dicembre 12, 2013,
https://neuroscience.stanford.edu/news/ask-neuroscientist-why-does-nervous-system-decussate.
le ossa mascellari erano apparentemente riproposte: vedere, ad esempio, "Jaws to Ears in the Ancestors of Mammals",
Capire l'evoluzione, http://evolution.berkeley.edu/evolibrary/article/evograms_05 .
Pagina 317
"La premessa che non possiamo misurare ciò che conta": "The Scary World of Mr Mintzberg", intervista con
Simon Caulkin, Guardiano , gennaio 25, 2003,
http://www.theguardian.com/business/2003/jan/26/theobserver.observerbusiness11 .
"Tutta la vita come un'ape neutra": Darwin, The Correspondence of Charles Darwin, Volume 2: 1837–
1843 .
8. RILASSAMENTO
"Progettare con successo un inibitore peptidico": Meghan Peterson (nata Bellows), intervista personale,
23 settembre 2014.
107 107
circa 11 possibili planimetrie: più precisamente, ce ne sarebbero 11 possibilità se stessimo scegliendo
un'assegnazione al tavolo per ogni persona in modo indipendente. Il numero è leggermente inferiore una volta che si tiene conto di
vincolo che solo 10 persone possono sedersi a ogni tavolo. Ma è comunque enorme.
Bellows era soddisfatto dei risultati del computer: la struttura formale a cui era abituata Meghan Bellows
risolvere la sua tabella di posti a sedere per il matrimonio è descritta in Bellows and Peterson, "Finding an Optimal Seating Chart".
Lincoln ha lavorato come "avvocato della prateria": puoi leggere di più sul circuito di Lincoln in Fraker, "The Real
Lincoln Highway ".
"Il problema del messaggero postale": Menger, "Das botenproblem", contiene una conferenza tenuta da Menger su
l'argomento a Vienna il 5 febbraio 1930. Per una storia più completa del problema del venditore ambulante vedi
Schrijver, "On the History of Combinatorial Optimization", nonché il libro molto leggibile di Cook In Pursuit
del venditore ambulante .
cosa rende fattibile un problema: Cobham, "The Intrinsic Computational Difficulty of Functions",
considera esplicitamente la questione di cosa debba essere considerato un algoritmo “efficiente”. Allo stesso modo,
Edmonds, "Paths, Trees, and Flowers", spiega perché una soluzione a un problema difficile è significativa e, in
sostenendo questa particolare soluzione, stabilisce un quadro generale per ciò che rende gli algoritmi
bene.
il marcatore di fatto fuori limite del campo: ci sono, infatti, algoritmi che funzionano più lentamente del polinomio
tempo ma più veloce del tempo esponenziale; questi tempi di esecuzione "superpolinomiali" li collocano anche fuori dall'insieme di
algoritmi efficienti.
o risolvibili in modo efficiente o meno: l'insieme dei problemi risolvibili in modo efficiente in informatica è chiamato P ,
abbreviazione di "tempo polinomiale". Il controverso insieme di problemi limitati, nel frattempo, è noto come NP , per
"Polinomio non deterministico". I problemi in NP possono avere le loro soluzioni verificate in modo efficiente una volta trovate, ma
non è noto se ogni problema che può essere facilmente verificato possa essere risolto facilmente. Ad esempio, se
qualcuno ti mostra un percorso e dice che è inferiore a 1.000 miglia, il reclamo è facile da controllare, ma da trovare
un percorso inferiore a 1.000 miglia, o dimostrare che è impossibile, è un'altra impresa completamente. La questione di
se P = NP (cioè, se è possibile saltare in modo efficiente alle soluzioni dei problemi NP ) è il
il più grande mistero irrisolto dell'informatica.
Pagina 318
Il principale progresso verso una soluzione è stata la dimostrazione che ci sono alcuni problemi con a
stato speciale: se uno di questi può essere risolto in modo efficiente, qualsiasi problema in NP può essere risolto in modo efficiente e
P = NP (Cook, "The Complexity of Theorem-Proving Procedures"). Questi sono noti come " NP- hard"
i problemi. In assenza di una risposta al fatto che P = NP , i problemi in NP non possono essere risolti in modo efficiente,
motivo per cui li chiamiamo "intrattabili". (In "Una proposta terminologica", ha suggerito Donald Knuth
questo come un'etichetta appropriata per i problemi NP- hard, oltre a offrire un tacchino vivo a chiunque
potrebbe dimostrare P = NP .) I problemi di schedulazione intrattabili che Eugene Lawler ha incontrato nel capitolo 5 cadono
in questa categoria. Un problema NP- difficile che è esso stesso in NP è noto come " NP -completo". Vedi Karp,
"Riducibilità tra problemi combinatori", per il classico risultato che mostra una versione del viaggio
il problema del venditore è NP -completo e Fortnow, The Golden Ticket: P, NP e Search for the
Impossibile , per un'introduzione accessibile a P e NP .
la maggior parte degli informatici crede che non ce ne siano : in un sondaggio del 2002 su cento leader
informatici teorici, sessantuno pensavano P ≠ NP e solo nove pensavano P = NP (Gasarch, "The P
=? NP Poll "). Pur dimostrando che P = NP potrebbe essere fatto esibendo un algoritmo tempo-polinomiale per un NP -
problema completo, provare P ≠ NP richiede argomentazioni complesse sui limiti del tempo polinomiale
algoritmi e non c'era molto accordo tra le persone intervistate su esattamente che tipo di
la matematica sarà necessaria per risolvere questo problema. Ma circa la metà di loro pensava che il problema sarebbe stato
risolto prima del 2060.
Inoltre, molti altri problemi di ottimizzazione: questo include le versioni di copertura vertici e copertura set—
due problemi identificati come appartenenti a NP in Karp, "Reducibility Among Combinatorial Problems", dove
21 problemi sono stati notoriamente mostrati in questo set. Entro la fine degli anni '70, scienziati informatici
aveva identificato circa trecento problemi NP completi (Garey e Johnson, Computers e
Intrattabilità ) e da allora l'elenco è cresciuto in modo significativo. Questi includono alcuni problemi che sono molto
familiare agli umani. Nel 2003, il Sudoku ha dimostrato di essere NP -completo (Yato e Seta, “Complexity and
Completezza "), così come massimizzare il numero di file cancellate in Tetris, anche con una perfetta conoscenza di
brani futuri (Demaine, Hohenberger e Liben-Nowell, "Tetris Is Hard, Even to Approximate"). Nel 2012,
determinare se esiste un percorso per la fine del livello nei giochi platform come Super Mario
Brothers è stato ufficialmente aggiunto alla lista (Aloupis, Demaine e Guo, "I giochi Nintendo classici sono ( NP -)
Difficile").
"Devi ancora combatterlo": Jan Karel Lenstra, intervista personale, 2 settembre 2014.
"Il perfetto è nemico del bene": distico di Voltaire Dans ses écrits, un sage Italien / Dit que le
mieux est l'ennemi du bien ("Nei suoi scritti, un saggio italiano / Dice che il perfetto è nemico del bene")
appare all'inizio della sua poesia "La Bégueule". Voltaire aveva precedentemente citato l'espressione italiana “Le meglio
è l'inimico del bene ” nel suo Dictionnaire philosophique del 1764 .
le loro menti si rivolgono anche al rilassamento: Shaw, An Introduction to Relaxation Methods ; Henderson, discreto
Tecniche di rilassamento . Lettore avvertimento : la matematica è abbastanza intensa da renderli tutt'altro che rilassanti
lettura.
per il circuito giudiziario di Lincoln: le città del circuito giudiziario di Lincoln derivano dalla mappa del 1847-1853
dell'8 ° Circuito Giudiziario nel Journal of the Abraham Lincoln Association . Vedi http: //quod.lib.u
mich.edu/j/jala/images/fraker_fig01a.jpg .
essenzialmente non c'è tempo: beh, okay, un po 'di tempo, lineare nel numero di città se sei fortunato,
linearitmico se non lo sei. Pettie e Ramachandran, "An Optimal Minimum Spanning Tree Algorithm".
lo spanning tree, con il suo backtracking gratuito: approccio al problema del venditore ambulante tramite il
il minimum spanning tree è discusso in Christofides, Worst-Case Analysis of a New Heuristic .
visita ogni singola città sulla Terra: per saperne di più sullo stato dell'arte nelle città di tutto il mondo in viaggio
problema del venditore (il cosiddetto "World TSP"), è possibile trovare un rapporto aggiornato all'indirizzo
Pagina 319
http://www.math.uwaterloo.ca/tsp/world/ . Per ulteriori informazioni sul problema dei venditori ambulanti in generale, Cook, In
Pursuit of the Travelling Salesman , è un buon riferimento generale, e Lawler et al., The Travelling Salesman
Problema , soddisferà chi vuole andare più a fondo.
trovare l'insieme minimo di posizioni: questo classico problema di ottimizzazione discreta è noto come "insieme
problema di copertura ".
"Quando non puoi fare la metà di questo": Laura Albert McLay, intervista personale, 16 settembre 2014.
ti permettono di leccare il minor numero di buste: In informatica, questo è noto come il problema della "copertura dei vertici". È un
una specie di cugino del problema della copertina del set, dove invece di cercare il minor numero di caserme di cui
la copertura include tutti, l'obiettivo è quello di trovare il più piccolo numero di persone che sono collegati a
tutti gli altri.
risolvere le versioni continue di questi problemi: Esistono alcuni tipi di ottimizzazione continua
problemi che possono essere risolti in tempo polinomiale; l'esempio più evidente è la programmazione lineare
problemi, in cui sia la metrica da ottimizzare sia i vincoli sulla soluzione possono essere espressi come a
funzione lineare delle variabili coinvolte. Vedi Khachiyan, "Polynomial Algorithms in Linear Programming",
e Karmarkar, "A New Polynomial-Time Algorithm for Linear Programming". Tuttavia, continuo
l'ottimizzazione non è una panacea: esistono anche classi di problemi di ottimizzazione continua che sono intrattabili.
Ad esempio, vedere Pardalos e Schnitger, "Checking Local Optimality in Constrained Quadratic
La programmazione è NP- difficile. "
al massimo il doppio degli inviti: Khot e Regev, "Vertex Cover Might Be Hard to Approximate to
Entro 2- ε . "
portaci rapidamente entro un confine confortevole: per ulteriori informazioni su queste approssimazioni, vedi Vazirani,
Algoritmi di approssimazione .
non una bacchetta magica: è ancora una questione aperta nel campo se offre anche il rilassamento continuo
la migliore approssimazione possibile per il problema della copertura del vertice minimo (inviti a una festa), o se migliore
si possono trovare approssimazioni.
“Inconcepibile!”: The Princess Bride , sceneggiatura di William Goldman; 20th Century Fox, 1987.
tecnica computazionale chiamata Lagrangian Relaxation: Lagrangian Relaxation (inizialmente scritto
"Lagrangean") ha preso il nome da Arthur M. Geoffrion dell'UCLA in "Lagrangean Relaxation for Integer
Programmazione." Si ritiene che l'idea stessa sia emersa nel lavoro di Michael Held (di IBM) e
Richard Karp (di UC Berkeley) sul problema del venditore ambulante nel 1970 - vedi Held e Karp, "The
Problema del venditore ambulante e alberi con copertura minima ", e Held e Karp," The Travelling-
Problema del venditore e spanning tree minimo: parte II. " Tuttavia, esistono anche precursori precedenti — for
ad esempio, Lorie e Savage, "Tre problemi nel razionamento del capitale"; Everett III, “Lagrange generalizzato
Metodo moltiplicatore "; e Gilmore e Gomory, “A Linear Programming Approach to the Cutting Stock
Problema, parte II. " Per una panoramica e riflessioni vedere Fisher, “The Lagrangian Relaxation Method for
Solving Integer Programming Problems ", nonché Geoffrion," Lagrangian Relaxation for Integer
Programmazione."
"Se finisci con i giochi frazionari": Michael Trick, intervista personale, 26 novembre 2013.
"La finzione non può mai essere riconciliata": Christopher Booker, "What Happens When the Great Fantasies,
Like Wind Power or European Union, Collide with Reality ?, "the Telegraph , 9 aprile 2011.
9. CASUALITÀ
Pagina 320
"Perché e come è assolutamente misterioso": Citato in Shasha e Rabin, "Un'intervista con Michael
Rabin. "
un algoritmo randomizzato utilizza: Gli algoritmi randomizzati sono discussi in dettaglio in Motwani e Raghavan,
Algoritmi randomizzati e Mitzenmacher e Upfal, Probability and Computing . Più corto ma più vecchio
le introduzioni sono fornite da Karp, "An Introduction to Randomized Algorithms," e Motwani e
Raghavan, "Algoritmi randomizzati".
un'interessante analisi probabilistica: Buffon, "Essai d'arithmétique morale."
semplicemente facendo cadere gli aghi sulla carta: Laplace, Théorie analytique des probabilités .
Lazzarini avrebbe fatto 3.408 lanci: Lazzarini, "Un'applicazione del calcolo della probabilità".
fa sembrare sospetta la relazione di Lazzarini: per ulteriori discussioni sui risultati di Lazzarini, vedere Gridgeman,
"Probabilità geometrica e numero π " e Tasso, "Lazzarini's Lucky Approximation of π ."
Metropolis ha chiamato questo approccio: Metropolis rivendica i diritti di denominazione in una lettera che appare in Hurd,
"Nota sui primi calcoli Monte Carlo."
discendente di una lunga stirpe di rabbini: Shasha e Lazere, Out of Their Minds .
molteplici percorsi potrebbe seguire: il documento chiave di Rabin qui, scritto in collaborazione con Dana Scott, era "Finite Automata
e i loro problemi decisionali. " Abbiamo già riscontrato uno dei modi in cui questo concetto è diventato centrale
all'informatica teorica nella nostra discussione sulla classe di complessità del problema del venditore ambulante
nel capitolo 8; La nozione di Rabin di calcolo "non deterministico" è la " N " di NP .
“Uno dei rami più ovviamente inutili”: La citazione è di Hardy, “Prime Numbers”; Guarda anche
Hardy, opere raccolte . Per ulteriori informazioni sull'influenza dei numeri primi nella crittografia, vedere, ad esempio,
Schneier, Crittografia applicata .
Nella crittografia moderna, ad esempio: un algoritmo ampiamente utilizzato basato sulla moltiplicazione di
i numeri primi sono RSA, che sta per le iniziali dei suoi inventori: Ron Rivest, Adi Shamir e Leonard
Adleman. Vedere Rivest, Shamir e Adleman, "A Method for Obutting Digital Signatures and Public-Key
Cryptosystems. " Anche altri sistemi crittografici, ad esempio Diffie-Hellman, utilizzano numeri primi; vedi Diffie
e Hellman, "New Directions in Cryptography".
Il problema, tuttavia, sono falsi positivi: la possibile svolta - o la sua mancanza - in Miller
l'approccio si ridurrebbe alla facilità con cui questi falsi positivi potrebbero essere respinti. Quanti valori di x
devi controllare per essere sicuro di un dato numero n ? Miller ha dimostrato che se il "generalizzato Riemann
ipotesi ”erano vere, il numero minimo di potenziali testimoni che dovrebbero essere controllati è O ((log
2
n ) ) —Molto inferiore a quanto richiesto da algoritmi come il setaccio di Erastothenes. Ma ecco il problema: il
l'ipotesi di Riemann generalizzata era - ed è tuttora - non dimostrata.
(L'ipotesi di Riemann, offerta per la prima volta dal matematico tedesco Bernhard Riemann nel 1859,
riguarda le proprietà di una complessa funzione matematica chiamata funzione zeta di Riemann. Questa funzione
è intimamente correlato alla distribuzione dei numeri primi, e in particolare alla regolarità di questi numeri
appaiono sulla riga numerica. Se l'ipotesi è vera, allora i numeri primi si comportano abbastanza bene da garantire
l'efficienza dell'algoritmo di Miller. Ma nessuno sa se è vero. In effetti, l'ipotesi di Riemann è una delle
Pagina 321
sei principali problemi aperti di matematica per le cui soluzioni il Clay Mathematics Institute assegnerà un
"Millennium Prize" di $ 1 milione. Anche la questione se P = NP , che abbiamo visto nel capitolo 8, è a
Problema del Millennium Prize.) "Michael, questo è Vaughan": Rabin racconta questa storia in Shasha and Lazere, Out
delle loro menti .
identificare rapidamente anche numeri primi giganteschi: l'articolo di Rabin sul suo test di primalità, “Probabilistico
Algorithm for Testing Primality ”, apparve pochi anni dopo. In parallelo, Robert Solovay e Volker
Strassen aveva sviluppato un algoritmo probabilistico simile basato su un diverso insieme di equazioni che primeggia
bisogno di obbedire, sebbene il loro algoritmo fosse meno efficiente; vedi Solovay e Strassen, “A Fast Monte-Carlo
Test per la primalità. "
meno di uno su un milione di miliardi di miliardi: la documentazione per OpenSSL specifica una funzione da “eseguire
un test probabilistico di primalità di Miller-Rabin con ... un numero di iterazioni usate ... che produce un falso positivo
−80
tasso di massimo 2 per input casuale "; vedere https://www.openssl.org/docs/crypto/BN_generate_prime.html.
Allo stesso modo, lo standard FIPS (Federal Information Processing Standard) degli Stati Uniti specifica che la sua firma digitale
−80
Lo standard (DSS) accetta una probabilità di errore di 2 (per chiavi da 1.024 bit, almeno); vedi Gallagher e Kerry,
Standard di firma digitale . Quaranta test Miller-Rabin sono sufficienti per raggiungere questo limite e funzionano dal
Gli anni '90 hanno suggerito che in molti casi saranno sufficienti solo tre test Miller-Rabin. Vedi Damgård,
Landrock e Pomerance, "Average Case Error Stimates for the Strong Probable Prime Test"; Burthe Jr.,
"Ulteriori indagini con il test Strong Probable Prime"; e Menezes, Van Oorschot e Vanstone,
Manuale di Applicato Crittografia , come bene come Di Più recente discussione a
http://security.stackexchange.com/questions/4544/how-many-iterations-of-rabin-miller-should-be-used-to-
generate-cryptographic-saf .
per il numero di granelli di sabbia: Il numero di granelli di sabbia sulla Terra è stimato da vari
18 24
sorgenti tra 10 e 10 .
se ci sarebbe mai stato un algoritmo efficiente: qui per "efficiente" stiamo usando lo standard del campo
definizione, che è "tempo polinomiale", come discusso nel capitolo 8.
uno di questi metodi è stato scoperto: Agrawal, Kayal e Saxena, "PRIMES Is in P ".
generare alcune x casuali e collegarle: uno dei risultati chiave sul ruolo della casualità in
il test di identità polinomiale è quello che viene chiamato il "lemma di Schwartz-Zippel". Vedi Schwartz, "Fast
Algoritmi probabilistici per la verifica delle identità polinomiali ”; Zippel, "Probabilistic Algorithms for
Polinomi sparsi "; e DeMillo e Lipton, "A Probabilistic Remark on Algebraic Program Testing".
l'unico pratico che abbiamo: Will un algoritmo deterministico efficiente per il test di identità polinomiale
mai essere trovato? Più in generale, deve esistere un algoritmo deterministico efficiente ovunque troviamo a
buono randomizzato? O potrebbero esserci problemi che algoritmi randomizzati possono risolvere in modo efficiente, ma questo
gli algoritmi deterministici semplicemente non possono? È un problema interessante nell'informatica teorica e il
la risposta è ancora sconosciuta.
Uno degli approcci che è stato utilizzato per esplorare la relazione tra randomizzato e
gli algoritmi deterministici sono chiamati derandomizzazione — essenzialmente, prendendo algoritmi randomizzati e
rimuovendo la casualità da loro. In pratica, è difficile per un computer accedere alla vera casualità
—Quindi quando le persone implementano un algoritmo randomizzato, spesso usano una procedura deterministica per generare
numeri che obbediscono a determinate proprietà statistiche della vera casualità. La derandomizzazione lo rende esplicito,
esaminare cosa succede quando la casualità negli algoritmi randomizzati viene sostituita dall'output di alcuni
altro processo computazionale complesso.
Lo studio della derandomizzazione mostra che è possibile trasformare in algoritmi randomizzati efficienti
algoritmi deterministici efficienti, a condizione di poter trovare una funzione sufficientemente complessa da essere
l'output sembra casuale ma sufficientemente semplice da poter essere calcolato in modo efficiente. Per i dettagli (dettagliati), vedere
Impagliazzo e Wigderson, " P = BPP se E richiede circuiti esponenziali" e Impagliazzo e
Pagina 322
" Preoccupazione degli ingegneri piuttosto che dei filosofi": Aaronson, "Why Philosophers Should Care About
Complessità computazionale."
"Notato qualcosa che non vedi spesso": Rebecca Lange, "Why So Few Stories?", Blog GiveDirectly,
12 novembre 2014, https://www.givedirectly.org/blog-post.html?id=2288694352161893466 .
"Intendo capacità negativa": John Keats, lettera a George e Thomas Keats, 21 dicembre 1817.
"Garanzia sufficiente per gli scopi della vita umana": John Stuart Mill, On Liberty (1859).
"Dovrebbe esserci un gioco a bere": Michael Mitzenmacher, intervista personale. 22 novembre 2013.
ben oltre un trilione di URL distinti: "Sapevamo che il Web era grande ..." 25 luglio 2008,
http://googleblog.blogspot.com/2008/07/we-knew-web-was-big.html .
pesa circa settantasette caratteri: Kelvin Tan, "Average Length of a URL (Part 2)", agosto
16, 2010, http://www.supermind.org/blog/740/average-length-of-a-url-part-2 .
l'URL viene inserito in una serie di equazioni: Bloom, "Space / Time Tradeoffs in Hash Coding with
Errori consentiti. "
fornito con una serie di browser web recenti: Google Chrome almeno fino al 2012 utilizzava un filtro Bloom:
vedere http://blog.alexyakunin.com/2010/03/nice-bloom-filter-application.html e
https://chromiumcodereview.appspot.com/10896048/ .
parte di criptovalute come Bitcoin: Gavin Andresen, "Core Development Status Report # 1", novembre
1 gennaio 2012, https://bitcoinfoundation.org/2012/11/core-development-status-report-1/.
"Il fiume serpeggia": Richard Kenney, "Hydrology; Lacrimazione ", in The One-Strand River: Poems,
1994-2007 (New York: Knopf, 2008).
utilizzare questo approccio quando si tenta di decifrare i codici: vedere Berg-Kirkpatrick e Klein, "Decifrazione con a
Milioni di riavvii casuali ".
chiamato algoritmo di Metropolis: a volte noto anche come algoritmo di Metropolis-Hastings, this
tecnica è descritta in Metropolis et al., "Equation of State Calculations by Fast Computing Machines",
e Hastings, "Monte Carlo Methods Using Markov Chains and Their Applications". La metropoli
Algorithm è stato sviluppato da Nicholas Metropolis e dai due team di marito e moglie di Marshall e
Arianna Rosenbluth e Edward e Augusta Teller negli anni '50. Metropolis è stato il primo autore di
documento che descrive l'algoritmo, quindi oggi è noto come Metropolis Algorithm, il che è doppiamente ironico.
Per prima cosa, Metropolis apparentemente ha dato poco contributo allo sviluppo dell'algoritmo, essendo
elencato come autore per cortesia, come capo del laboratorio informatico (vedi Rosenbluth, Marshall
Rosenbluth, intervistato da Kai-Henrik Barth ). Inoltre, allo stesso Metropolis piaceva dare cose
nomi illustrativi: ha affermato di aver chiamato gli elementi chimici tecnezio e astato, nonché il
Computer MANIAC e la stessa tecnica Monte Carlo (Hurd, “Note on Early Monte Carlo
Pagina 323
Calcoli ").
"Crescere un singolo cristallo da una fusione": Kirkpatrick, Gelatt e Vecchi, "Ottimizzazione mediante simulazione
Ricottura. "
"Il ragazzo che era il migliore in IBM": Scott Kirkpatrick, intervista personale, 2 settembre 2014.
Alla fine avremmo iniziato ad andare solo in salita: se questa idea, iniziando con la volontà di spostarci tra
opzioni, quindi concentrarsi più strettamente su quelle buone - suona familiare, dovrebbe: ottimizzare un complesso
funzione richiede di affrontare il compromesso esplorare / sfruttare. E la casualità risulta essere una fonte di bellezza
buone strategie per risolvere problemi come i banditi multi-armati e il tipo di problemi di ottimizzazione
su cui Kirkpatrick era concentrato.
Se ricordi, il bandito multi-armato ci offre diverse opzioni diverse - braccia che possiamo tirare - che forniscono
payoff diversi e sconosciuti. La sfida è trovare l'equilibrio tra provare nuove opzioni (esplorare)
e perseguire la migliore opzione trovata finora (sfruttamento). Essere più ottimisti e più esplorativi nella fase iniziale
è meglio, diventare più perspicaci e sfruttare di più in seguito. Perseguendo una tale strategia di gradualmente
la diminuzione dell'ottimismo sulle alternative promette il miglior risultato che si possa sperare: accumulare
rimpianti a un ritmo decrescente, con il tuo totale rimpianto che aumenta come funzione logaritmica del tempo.
La casualità fornisce una strategia alternativa all'ottimismo. Intuitivamente, se il problema è il bilanciamento
esplorazione e sfruttamento, perché non farlo semplicemente esplicitamente? Trascorri una parte del tuo tempo esplorando
e un po 'di sfruttamento. E questa è esattamente la strategia che gli esperti di banditi multi-armati chiamano Epsilon
Avido .
Epsilon Greedy ha due parti: Epsilon e Greedy. La parte Epsilon è che una piccola parte di
l'ora (la lettera epsilon è usata dai matematici per denotare un piccolo numero), la scegli a caso
tra le tue opzioni. La parte avida è che il resto del tempo prendi l'opzione migliore che hai
trovato finora. Quindi entra nel ristorante e lancia una moneta (o tira un dado, a seconda del tuo valore di epsilon) su
decidere se provare qualcosa di nuovo. Se dice di sì, chiudi gli occhi e indica il menu. In caso contrario, divertiti
il tuo preferito attuale.
Sfortunatamente, i ricercatori di banditi multi-armati non amano particolarmente Epsilon Greedy. Sembra uno spreco
—Si garantisce che trascorrerai una parte del tuo tempo a provare cose nuove anche se il meglio diventa chiaro
molto velocemente. Se segui Epsilon Greedy, il tuo rimpianto aumenta linearmente nel numero di volte che tu
giocare. Ogni volta che cenerai, c'è la possibilità che tu scelga qualcosa di diverso dal meglio, quindi
il tuo rimpianto medio aumenta ogni volta della stessa quantità. Questa crescita lineare è molto peggiore del
rimpianto logaritmico garantito da algoritmi deterministici basati su un ottimismo opportunamente calibrato.
Ma se la semplicità di Epsilon Greedy è allettante, ci sono buone notizie. C'è una semplice variante di questo
algoritmo, quello che chiamiamo Epsilon-OverN Greedy , che garantisce il rimpianto logaritmico e
si comporta bene nella pratica (vedi Auer, Cesa-Bianchi e Fischer, "Finite-Time Analysis of the Multiarmed
Bandit Problem "). Il trucco sta nel diminuire la possibilità di provare qualcosa di nuovo nel tempo. La prima volta che tu
fai una scelta, scegli a caso con probabilità 1/1 (ovvero sempre). Se questa opzione è valida, allora
la seconda volta scegli a caso con probabilità 1/2 (ovvero lancia una moneta: testa prendi lo stesso
opzione, croce provi qualcosa di nuovo). Alla visita tre, dovresti scegliere la cosa migliore con probabilità 2/3 e
prova qualcosa di nuovo con probabilità 1/3. Sul N ° visita al ristorante, si sceglie a caso con
probabilità 1 / N , altrimenti scegliendo l'opzione migliore scoperta finora. Diminuendo gradualmente la probabilità
di provare qualcosa di nuovo, raggiungi il punto debole tra esplorazione e sfruttamento.
C'è anche un altro algoritmo più sofisticato per suonare il bandito multi-armato che allo stesso modo
fa uso della casualità. Si chiama Thompson Sampling , dal nome di William R. Thompson, lo Yale
medico che per primo pose il problema (nel 1933) di come scegliere tra due trattamenti (Thompson,
"Sulla probabilità che una probabilità sconosciuta superi un'altra"). La soluzione di Thompson era semplice:
utilizzando la regola di Bayes, calcola la probabilità che ogni trattamento sia il migliore. Quindi scegli quel trattamento con
quella probabilitàvieni
i dati accumulati . Pera cominciare nonrispetto
favorirne uno sai nulla ed è altrettanto
all'altro, probabile
ma qualche che tuancora
volta scegli scelgailuno dei due trattamenti. Come
Pagina 324
trattamento non preferito e avere la possibilità di cambiare idea. Man mano che diventi più sicuro di quello
il trattamento è migliore, finirai per usare quasi sempre quel trattamento. Thompson Sampling saldi
esplorazione e sfruttamento elegantemente e garantisce anche che il rimpianto aumenterà solo logaritmicamente
(vedi Agrawal e Goyal, "Analysis of Thompson Sampling").
Il vantaggio di Thompson Sampling rispetto ad altri algoritmi per la risoluzione di problemi di banditi multi-armati è
la sua flessibilità. Anche se le ipotesi del problema cambiano, hai informazioni che suggeriscono un'opzione
è migliore degli altri, le opzioni dipendono l'una dall'altra, le opzioni cambiano nel tempo: la strategia di Thompson di
perseguire opzioni con una probabilità che rifletta la tua sensazione che siano le migliori attualmente disponibili
lavori. Quindi, invece di dover derivare un nuovo algoritmo in ciascuno di questi casi, possiamo semplicemente applicare quello di Bayes
Regola e usa i risultati. Nella vita reale, quei calcoli bayesiani possono essere difficili (ci sono voluti lo stesso Thompson
diverse pagine di matematica complessa per risolvere il problema con solo due opzioni). Ma provando a scegliere il file
l'opzione migliore e consentendo una quantità di casualità alle tue scelte che è temperata dal tuo grado di
la certezza è un algoritmo che è improbabile che ti porti fuori strada.
citato ben trentaduemila volte: Il libro di testo predominante sull'intelligenza artificiale , Intelligenza artificiale: A.
Modern Approach , dichiara che la ricottura simulata “è ora un campo a sé stante, con centinaia di carte
pubblicato ogni anno ”(p. 155).
uno degli approcci più promettenti all'ottimizzazione: Curiosamente, sembra che un documento del 2014
dimostrare che le meduse usano la ricottura simulata nella ricerca del cibo; vedi Reynolds, “Firme di
Lévy Searching in Jellyfish attivo e passivo ottimizzato. "
"Non sono un giocatore d'azzardo": Luria, A Slot Machine, a Broken Test Tube , p. 75. Discusso anche a Garfield,
"Riconoscere il ruolo del caso".
ha coniato il termine "serendipità": In Horace Walpole, lettera a Horace Mann (datata 28 gennaio 1754).
"Un notevole parallelo": James, "Grandi uomini, grandi pensieri e ambiente".
"Un processo di variazione cieca e di ritenzione selettiva": Campbell, "Variazione cieca e selettiva
Ritenzione."
10. NETWORKING
" Connessione ha un'ampia varietà di significati": Cerf e Kahn, "A Protocol for Packet Network
Intercomunicazione. "
Pagina 325
portentoso e veterotestamentario suo malgrado: afferma Leonard Kleinrock dell'UCLA: "Non l'abbiamo pianificato, ma
non avremmo potuto trovare un messaggio migliore: breve e profetico ". Le piastrelle sul pavimento dell'UCLA
Boelter Hall, se i loro colori sono interpretati come 0 e 1 binari e analizzati come caratteri ASCII, compila il
frase "LO AND BEHOLD!" Il merito di questo tributo va all'architetto Erik Hagen. Vedi, ad esempio, Alison Hewitt,
"Discover the Coded Message Hidden in Campus Floor Tiles", UCLA Newsroom , 3 luglio 2013,
http://newsroom.ucla.edu/stories/a-coded-message-hidden-in-floor-247232 .
sarebbe diventato noto come commutazione di pacchetto : il termine "commutazione di pacchetto" deriva da Donald W. Davies di
il National Physical Laboratory, un altro contributore chiave alla ricerca sulla commutazione di pacchetto all'epoca.
"Un'illusione consensuale tra i due endpoint": Stuart Cheshire, intervista personale, 26 febbraio,
2015.
una rete a commutazione di pacchetto su "Avian Carriers": vedere Waitzman, A Standard for the Transmission of
Datagrammi IP su vettori Avian , Waitzman, IP su vettori Avian con qualità del servizio e
Carpenter and Hinden, Adaptation of RFC 1149 for IPv6 for descriptions of the avian protocol, and see
http://www.blug.linux.no/rfc1149 per i dettagli dell'effettiva implementazione eseguita a Bergen, Norvegia, il
28 aprile 2001.
"Nessuna trasmissione può essere affidabile al 100%": Cerf e Kahn, "Un protocollo per la rete a pacchetti
Intercomunicazione. "
il "problema dei generali bizantini": Lamport, Shostak e Pease, "Il problema dei generali bizantini".
segnalare che la sequenza è stata ripristinata: Il processo qui descritto è noto come “veloce
ritrasmetti. "
quasi il 10% del traffico Internet upstream: Jon Brodkin, "Netflix occupa il 9,5% del traffico upstream su
Internet nordamericano: i pacchetti ACK rendono Netflix un mostro di upload durante le ore di punta ", Ars
Technica , 20 novembre 2014. Brodkin a sua volta cita i dati del Global Internet Phenomena di Sandvine
Rapporto , https://www.sandvine.com/trends/global-internet-phenomena/ .
“Il ricevitore si è schiantato? Sono solo lenti? ": Tyler Treat," Non puoi avere una consegna esatta ",
Brave New Geek: Introspections of a software engineer , 25 marzo 2015, http://bravenewgeek.com/you-
non può essere consegnato esattamente una volta / .
"Ritrasmissioni end-to-end per recuperare": Vint Cerf, intervistato da Charles Severance, "Computing
Conversazioni: Vint Cerf sulla storia dei pacchetti ", 2012.
"Dici solo: 'Dillo di nuovo'": Ibid.
"La parola più difficile del mondo da tradurre": Oliver Conway, "Congo Word 'Most Untranslatable'"
BBC News , 22 giugno 2004.
Pagina 326
"Se all'inizio non ci riesci": Thomas H. Palmer, Teacher's Manual (1840), attestato in The Oxford
Dizionario dei proverbi , 2009.
cercando di collegare insieme i sette campus dell'università: Abramson, "The ALOHA System".
1 n
oltre il 18,6% di utilizzo medio: Ibid. In effetti, questa cifra è ⁄ 2 e , esattamente la metà del⁄ e , o "37%"
figura data nella discussione sull'arresto ottimale nel capitolo 1.
"Solo uno schema ha qualche speranza di funzionare": Jacobson, "Congestion Avoidance and Control".
un programma pilota chiamato HOPE: The HOPE program è valutato in Hawken e Kleiman, Managing Drug
Probatori coinvolti .
"Che modo folle di provare a cambiare": per ulteriori informazioni, vedere, ad esempio, "Un nuovo programma di prova in
Hawaii Beats the Statistics ", PBS NewsHour , 2 febbraio 2014.
"Questo improvviso calo del fattore di mille": Jacobson, "Congestion Avoidance and Control".
"Poi improvvisamente è crollato": Jacobson, "Van Jacobson: The Slow-Start Algorithm", intervista con
Charles Severance (2012), https://www.youtube.com/watch?v=QP4A6L7CEqA .
aumentare la velocità di trasmissione in modo aggressivo: questa procedura iniziale, un singolo pacchetto provvisorio seguito da
un'accelerazione due per uno, nota in TCP come avvio lento. Questo nome è un termine improprio parziale: Slow Start è
"Lento" all'inizio con un solo primo pacchetto provvisorio, ma non nella sua crescita esponenziale successiva.
"Tende a raggiungere il suo livello di incompetenza": Peter e Hull, The Peter Principle .
"Ogni dipendente pubblico dovrebbe essere degradato": questo aforisma ampiamente riprodotto, nell'originale spagnolo,
recita, "Todos los empleados públicos deberían descender a su grado inmediato inferiore, porque han sido
ascendidos hasta volverse incompetentes. "
ideato dal principale studio legale Cravath, Swaine & Moore: Il sistema Cravath è ufficialmente documentato a
sito web dell'azienda: http://www.cravath.com/cravathsystem/ . La componente "su o fuori" del Cravath
Il sistema non è discusso esplicitamente lì, ma è ampiamente citato altrove, ad esempio dall'American Bar
Associazione: "Negli anni '20 Cravath, Swaine & Moore divenne il primo studio legale mai registrato a reclutare apertamente
dalle scuole di diritto con l'espressa consapevolezza che molti dei giovani avvocati che ha assunto non avrebbero fatto
compagno. Quegli associati che non erano diventati partner con il resto della loro classe dovevano lasciare il
fermo. Tuttavia, quelli ritenuti migliori tra i soci, che hanno svolto il lavoro necessario e sono rimasti in pista
per il numero di anni richiesto, potrebbe aspettarsi di diventare stakeholder, guadagnare aumenti di pari passo
compenso e goditi un impiego a vita nell'azienda. " (Janet Ellen Raasch, "Making Partner — or Not:
È a, in alto o corso nel XXI secolo ?,” Law Practice 33, numero 4, giugno 2007) gli Stati Uniti Armed
Forze adottate: vedere, ad esempio, Rostker et al., Defence Officer Personnel Management Act del 1980 .
perseguito quello che chiamano "controllo dell'equipaggio": vedi, ad esempio, Michael Smith, "Army Corporals Forced Out" to
Save Pension Cash '” , Telegraph , 29 luglio 2002.
come se tutte le comunicazioni fossero testo scritto: come Bavelas, Coates e Johnson, "Listeners as Co-Narrators",
afferma: "Gli ascoltatori hanno nel migliore dei casi un debole punto d'appoggio nella maggior parte delle teorie. All'estremo, gli ascoltatori sono considerati
inesistenti o irrilevanti perché la teoria o non li menziona o li tratta come periferici. Questo
l'omissione può essere attribuita, in parte, all'uso implicito del testo scritto come prototipo per tutti gli usi linguistici. "
"Contemporaneamente impegnato sia nel parlare che nell'ascoltare": Yngve, "On Getting a Word in Edgewise."
Pagina 327
"Narratori che hanno raccontato storie ravvicinate ad ascoltatori distratti": Bavelas, Coates e Johnson, "Listeners
come co-narratori. "
regolare il flusso di informazioni da chi parla a chi ascolta: Tolins e Fox Tree, “Addressee
I backchannel guidano lo sviluppo narrativo ".
"I 'cattivi narratori' possono incolpare almeno in parte il loro pubblico": Jackson Tolins, corrispondenza personale,
15 gennaio 2015.
"Idee sbagliate sulla causa e il significato delle code": Nichols e Jacobson, "Controlling Queue
Ritardo."
la specifica HTTP ancora in uso oggi: che è HTTP 1.1, come articolato nel documento RFC 2616
da giugno 1999, disponibile su http://tools.ietf.org/html/rfc2616 .
"Mi è capitato di copiare o sincronizzare nuovamente": Jim Gettys, "Bufferbloat: Dark Buffers in the Internet", Google
Tech Talk, 26 aprile 2011.
“Non 'Eureka!' ma 'È divertente' ”: questa citazione è apparsa in innumerevoli pubblicazioni con un'estensione
attribuzione a Isaac Asimov, ma la sua effettiva autorità e provenienza rimangono elusive. Sembra averlo prima
mostrato - completo dell'attribuzione Asimov - come parte del programma UNIX "fortune", che viene visualizzato
citazioni o detti nello stile di un biscotto della fortuna. Vedi http://quoteinvestigator.com/2015/03/02/eureka-
divertente / . Asimov ha scritto un saggio su "The Eureka Phenomenon", ma questa frase non compare lì.
quando vengono regolarmente azzerati: vedere Nichols e Jacobson, "Controlling Queue Delay".
rispetto al suo stato di origine, la California, ha persone: stima 2015 dell'US Census Bureau per la California
la popolazione era di 39.144.818. Vedi http://www.census.gov/popest/data/state/totals/2015/index.html .
“Non è davvero un buon modo per lasciare messaggi alle persone”: Ray Tomlinson, intervistato da Jesse Hicks, “Ray
Tomlinson, l'inventore dell'email: "Vedo che l'email viene utilizzata, in generale, esattamente nel modo in cui immaginavo" "
Verge , 2 maggio 2012, http://www.theverge.com/2012/5/2/2991486/ray-tomlinson-email-inventor-interview-
vedo-l'email-in uso .
rifiutando semplicemente tutti i messaggi in arrivo: uno di questi approcci è stato adottato, ad esempio, dall'Università di
Lo scienziato cognitivo di Sheffield Tom Stafford. Durante il suo anno sabbatico del 2015, la sua risposta automatica via e-mail diceva:
“Adesso sono in anno sabbatico fino al 12 giugno. L'email inviata a t.stafford@shef.ac.uk è stata eliminata. "
Notifica di congestione esplicita, o ECN: il documento RFC (Request for Comments) per ECN è
Ramakrishnan, Floyd e Black, The Addition of Explicit Congestion Notification (ECN) to IP , che è un
revisione di Ramakrishnan e Floyd, A Proposal to Add Explicit Congestion Notification (ECN) to IP .
Sebbene la proposta originale risale agli anni '90, l'ECN rimane non implementata nelle reti standard
hardware oggi (Stuart Cheshire, intervista personale, 26 febbraio 2015).
"Questa è una palude a lungo termine": Jim Gettys, intervista personale, 15 luglio 2014.
"Diresti che un Boeing 747 è tre volte più 'veloce'": questo viene dal famoso 1996 del Cheshire
"Rant" "È la latenza, stupido." Vedi http://stuartcheshire.org/rants/Latency.html. Vent'anni dopo, il
il sentimento è solo più vero.
uomo contro natura: in modo appropriato, gli scolari del ventunesimo secolo imparano sempre di più sulla “persona
Pagina 328
contro natura "," persona contro sé "," persona contro persona "e" persona contro società ".
“Un uomo intelligente metterebbe il veleno nel suo calice”: The Princess Bride , sceneggiatura di William
Goldman; 20th Century Fox, 1987.
"Anticipare le anticipazioni degli altri": Attribuito a Keynes in Gregory Bergman, Isms , Adams
Media, 2006.
è stato il problema dell'arresto che ha ispirato Turing: Alan Turing considera il problema dell'arresto e propone
la macchina di Turing in "On Computable Numbers, with an Application to the Entscheidungsproblem" e
“Su numeri calcolabili, con un'applicazione al problema Entscheidungs. Una correzione. "
"I giocatori di poker lo chiamano 'livellamento'": Dan Smith, intervista personale, 11 settembre 2014.
"Non hai due-sette": questo ha avuto luogo al "Full Tilt Poker Durrrr Million Dollar Challenge"
tenutosi al Les Ambassadeurs Club di Londra, dal 17 al 19 novembre 2009, ed è stato trasmesso in televisione su Sky Sports.
"Voglio solo giocare un livello sopra il tuo avversario": Vanessa Rousso, "Leveling Wars",
https://www.youtube.com/watch?v=Yt5ALnFrwR4.
"Sapere o provare a sapere cosa è Nash": Dan Smith, intervista personale, 11 settembre 2014.
un cosiddetto equilibrio : il concetto di un equilibrio teorico dei giochi e, del resto, la teoria dei giochi
stesso — viene da John von Neumann e Oskar Morgenstern di Princeton in Theory of Games e
Comportamento economico .
In sasso-carta-forbici, ad esempio: per un aspetto colorato nel torneo sasso-carta-forbici ("RPS")
gioco, compreso un glossario delle varie "mosse" a tre mosse del gioco, come Avalanche (RRR), il
Bureaucrat (PPP) e Fistful o 'Dollars (RPP): consigliamo http://worldrps.com . Per uno sguardo
gioco RPS al computer , dai un'occhiata al concorso di programmazione Rock Paper Scissors:
http://www.rpscontest.com .
scegli uno degli omonimi gesti delle mani completamente a caso: una strategia, come questa, quella
incorpora la casualità è chiamata strategia "mista". L'alternativa è una strategia “pura”, che sempre
implica prendere la stessa identica opzione; questo chiaramente non funzionerebbe a lungo con le forbici sasso-carta. Misto
le strategie appaiono come parte dell'equilibrio in molti giochi, specialmente nei giochi a "somma zero", dove il
gli interessi dei giocatori si contrappongono direttamente l'uno all'altro.
ogni partita a due giocatori ha almeno un equilibrio: Nash, "Punti di equilibrio nei giochi con N-persone ";
Nash, "Non-Cooperative Games".
il fatto che esista sempre un equilibrio di Nash: per essere più precisi, ibid. ha dimostrato che ogni partita con estensione
un numero finito di giocatori e un numero finito di strategie hanno almeno un equilibrio di strategia mista.
“Ha avuto un impatto fondamentale e pervasivo”: Myerson, “Nash Equilibrium and the History of
Teoria economica. "
"La principale preoccupazione di uno scienziato informatico": Papadimitriou, "Prefazione".
" Dacci qualcosa che possiamo usare": Tim Roughgarden, "Teoria dei giochi algoritmici, lezione 1
(Introduzione) ", autunno 2013, https://www.youtube.com/watch?v=TM_QFmQU_VA.
tutti si sono rivelati problemi intrattabili: Gilboa e Zemel, "Nash and Correlated Equilibria".
trovare semplicemente gli equilibri di Nash è intrattabile: in particolare, è stato dimostrato che trovare gli equilibri di Nash appartiene
a una classe di problemi chiamata PPAD , che (come NP ) è ampiamente ritenuta intrattabile. Il collegamento tra
Equilibri di Nash e PPAD sono stati stabiliti a Daskalakis, Goldberg e Papadimitriou, "The Complexity
of Computing a Nash Equilibrium "e Goldberg e Papadimitriou," Reducibility Between Equilibrium
Problemi ", che è stato poi esteso ai giochi a due giocatori da Chen e Deng," Settling the Complexity of
Pagina 329
Two-Player Nash Equilibrium ", e poi ulteriormente generalizzato in Daskalakis, Goldberg e Papadimitriou,
"La complessità del calcolo di un equilibrio di Nash." PPAD sta per "Polynomial Parity Arguments on
Grafici diretti ”; Papadimitriou, che ha chiamato questa classe di problemi in “On Complexity as Bounded
Razionalità ", insiste che qualsiasi somiglianza con il suo nome sia una coincidenza. (Christos Papadimitriou, personale
intervista, 4 settembre 2014) PPAD contiene altri problemi interessanti, come il panino al prosciutto
problema: dati n insiemi di 2 n punti in n dimensioni, trova un piano che divide ogni insieme di punti esattamente in
metà. (Con n = 3, questo implica capire il percorso che un coltello dovrebbe percorrere per tagliare tre serie di punti
a metà; se quelle serie di punte corrispondono a due pezzi di pane e un pezzo di prosciutto, il risultato è perfettamente
sandwich diviso in due.) Trovare gli equilibri di Nash è in realtà PPAD -completo, il che significa che se ci fosse un
algoritmo efficiente per risolverlo, quindi anche tutti gli altri problemi della classe potrebbero essere risolti in modo efficiente
(inclusa la preparazione dei panini più puliti del mondo). Ma essere PPAD -completo non è poi così male come esserlo
NP -completo. P , la classe dei problemi risolvibili in modo efficiente, potrebbe essere uguale a PPAD senza essere uguale a
NP . Al momento della stesura di questo articolo la giuria è ancora fuori: è teoricamente possibile che qualcuno possa escogitare un efficiente
algoritmo per trovare gli equilibri di Nash, ma la maggior parte degli esperti non sta trattenendo il fiato.
"Gran parte della sua credibilità come previsione": Christos Papadimitriou, "The Complexity of Finding Nash
Equilibria ", in Nisan et al., Algorithmic Game Theory .
"Dovrebbe essere considerato rilevante anche": Aaronson, "Why Philosophers Should Care About Computational
Complessità."
"If your laptop can't find it": In Christos Papadimitriou, "The Complexity of Finding Nash Equilibria",
in Nisan et al., Algorithmic Game Theory , p. 30.
"Il dilemma del prigioniero": Il dilemma del prigioniero fu concepito per la prima volta da Merrill Flood (del segretario
problema e fama di venditore ambulante problema) e Melvin Drescher presso RAND Corporation. A gennaio
1950, organizzarono una partita tra Armen Alchian della UCLA e John D. Williams di RAND che aveva
dilemma del prigioniero - come i guadagni (Flood, "Some Experimental Games"). Albert Tucker di Princeton lo era
incuriosito da questo esperimento, e preparandosi a discuterne quel maggio in una conferenza a Stanford, tenne il
problema la sua ormai famosa formulazione carceraria e il suo nome. Una storia dettagliata delle origini della teoria dei giochi
e il suo sviluppo nel lavoro della RAND Corporation può essere trovato a Poundstone, Prisoner's
Dilemma .
un prezzo di anarchia che è un semplice 4/3: Roughgarden e Tardos, "How Bad Is Selfish Routing?"
Il dottorato di ricerca Cornell del 2002 di Roughgarden affronta anche l'argomento del percorso egoistico.
"Il pessimista teme che questo sia vero": Cabell, The Silver Stallion .
"I negozi aprono prima che mai": Nicole Massabrook, "I negozi aprono il giorno del Ringraziamento 2014:
Walmart, Target, Best Buy e Other Store Hours on Turkey Day ", International Business Times ,
26 novembre 2014.
"Non odiare il giocatore, odiare il gioco": Ice-T, "Don't Hate the Playa", The Seventh Deadly Sin , 1999.
Pagina 330
“Non schierarti mai con nessuno contro la famiglia”: Il Padrino , sceneggiatura di Mario Puzo e
Francis Ford Coppola, Paramount Pictures, 1972.
" Caricato contro l'emergere della cooperazione": questa citazione di Binmore appare in una serie di
fonti, tra cui Binmore, Natural Justice e Binmore, Game Theory . L '"imperativo categorico" di Kant
ha origine nel suo 1785 Groundwork of the Metaphysic of Morals ed è discusso nella sua Critica del 1788
Motivo pratico .
mille dollari in contanti per una vacanza: Libin discute le motivazioni per i mille dollari in,
ad esempio, un'intervista con Adam Bryant, "The Phones Are Out, but the Robot Is In", New York Times ,
7 aprile 2012.
rendere obbligatoria una certa quantità minima di ferie : le ferie obbligatorie sono già uno standard
pratica nella finanza, anche se per motivi di individuazione di frodi piuttosto che per morale. Per ulteriori informazioni sull'obbligo
vacanze e frode vedi, ad esempio, Philip Delves Broughton, "Take those Two Weeks Off — or Else", Wall Street
Journal , 28 agosto 2012.
senza requisiti federali per le ferie pagate: Rebecca Ray, Milla Sanes e John Schmitt, "No-
Vacation Nation Revisited ", Center for Economic Policy and Research , maggio 2013,
http://www.cepr.net/index.php/publications/reports/no-vacation-nation-2013.
Cose di cui parla raramente uno scienziato informatico : Donald E. Knuth.
"Il cuore ha le sue ragioni": come disse Pascal in Pascal, Pensées sur la religion et sur quelques autres
sujets , §277: "Le cœur a ses raisons, que la raison ne connaît point."
"Il baldacchino può essere pensato come un prato aereo": Dawkins, The Evidence for Evolution .
fa perdere definitivamente ai topi la paura dei gatti: Ingram et al., “Topi infettati da bassa virulenza
Ceppi di Toxoplasma Gondii . "
"La moralità è l'istinto del gregge nell'individuo": The Gay Science , §116, trans. Walter Kaufmann.
"Se le persone si aspettano che rispondiamo in modo irrazionale": Frank, Passions within Reason .
raccolta di decine di miliardi di dollari di entrate: l'asta AWS-3 che si è conclusa il 29 gennaio 2015,
ha portato a offerte vincenti per un totale di $ 44,899 miliardi. Vedi http://wireless.fcc.gov/auctions/default.htm?
job = Auction_factsheet & id = 97 .
stanno ombreggiando le loro offerte in base alla loro previsione !: La strategia di equilibrio per un'offerta sigillata
L'asta al primo prezzo con due giocatori consiste nell'offrire esattamente la metà di quanto pensi valga l'oggetto. Più generalmente,
( n −1)
in questo formato di asta con n giocatori, dovresti offrire esattamente ⁄ n volte il valore che pensi che l'articolo valga.
Si noti che questa strategia è l'equilibrio di Nash ma non è una strategia dominante; vale a dire, niente è meglio
se lo fanno anche tutti gli altri, ma non è necessariamente ottimale in tutte le circostanze. Caveat emptor. Anche,
Pagina 331
la più grande asta di fiori al mondo: per ulteriori informazioni sull'asta di fiori di Aalsmeer, vedere
http://www.floraholland.com/en/about-floraholland/visit-the-flower-auction/ .
un gruppo di persone che vanno tutte insieme su una scogliera: a volte queste scogliere sono fin troppo letterali. Il New York
Times , ad esempio, ha riferito della morte di diversi sciatori esperti di backcountry nello Stato di Washington.
I racconti dei sopravvissuti mostrano come un gruppo di sciatori estremamente abili sia finito per fare qualcosa di simile
quasi tutti i singoli membri avevano un brutto presentimento.
"Se dipendesse da me, non sarei mai andato a sciare fuori pista con dodici persone", ha detto un sopravvissuto.
“Sono semplicemente troppi. Ma c'erano una specie di dinamiche sociali di questo - dove non volevo essere il
uno per dire, sai, "Ehi, questo è un gruppo troppo grande e non dovremmo farlo." "
"Non è possibile che l'intero gruppo possa prendere una decisione che non è intelligente", si disse un altro. "Di
Ovviamente va bene, se andiamo tutti. Deve andare bene. "
"Tutto nella mia mente stava andando fuori, volendo dire loro di smetterla", ha detto un terzo.
"Ho pensato: Oh sì, è un brutto posto dove stare", ha raccontato un quarto membro della festa. “Questo è un male
posto dove stare con così tante persone. Ma non ho detto niente. Non volevo essere il coglione. "
Come riassume il Times : “Tutti i locali del gruppo presumevano di sapere cosa fossero gli altri
pensiero. Non l'hanno fatto. " Vedi Branch, "Snow Fall".
nota come "cascata di informazioni": Bikhchandani, Hirshleifer e Welch, "A Theory of Fads". Guarda anche
Bikhchandani, Hirshleifer e Welch, "Imparare dal comportamento degli altri".
"Il pool pubblico di informazioni non cresce più" : David Hirshleifer, intervista personale, 27 agosto,
2014.
un prezzo di vendita di oltre $ 23 milioni: il prezzo di questo particolare titolo Amazon è stato notato e
riportato dal biologo della UC Berkeley Michael Eisen; vedere "Libro di Amazon da $ 23.698.655,93 sulle mosche",
23 aprile 2011 sul blog di Eisen NON è spazzatura , http://www.michaeleisen.org/blog/?p=358 .
peggiorare l'irrazionalità del mercato: vedi, ad esempio, le reazioni dell'economista della Columbia University
Rajiv Sethi subito dopo il flash crash. Sethi, "Trading algoritmico e volatilità dei prezzi".
salvare l'intera mandria dal disastro: questo può essere pensato anche in termini di progettazione del meccanismo e
Evoluzione. In media, è meglio che un individuo in particolare sia un seguace di branco un po 'cauto
tutti traggono vantaggio dalla presenza di alcuni membri del gruppo che sono caparbi anticonformisti. In questo modo,
l'eccessiva sicurezza può essere considerata una forma di altruismo. Per ulteriori informazioni sulla "proporzione socialmente ottimale" di
tali membri del gruppo, vedere Bernardo e Welch, "On the Evolution of Overconfidence and Entrepreneurs".
un modo per ripensare la progettazione del meccanismo: la frase "progettazione del meccanismo algoritmico" è entrata per la prima volta nel file
letteratura tecnica in Nisan e Ronen, "Algorithmic Mechanism Design".
Si chiama Vickrey Auction: vedi Vickrey, "Counterpeculation, Auctions, and Competitive Sealed
Offerte. "
"A prova di strategia" o semplicemente "veritieri": i giochi "a prova di strategia" sono anche noti come "compatibili con gli incentivi".
Vedere Noam Nisan, "Introduction to Mechanism Design (for Computer Scientists)", in Nisan et al., Eds.,
Teoria dei giochi algoritmici .
Pagina 332
l'onestà è la strategia dominante: in termini di teoria dei giochi, questo rende l'asta Vickrey "dominante-
strategia incentive-compatibile ”(DSIC). E un risultato importante nella teoria dei giochi algoritmica, nota come
"Myerson's Lemma", afferma che esiste un solo meccanismo di pagamento DSIC possibile. Ciò significa che il file
L'asta di Vickrey non è solo un modo per evitare comportamenti strategici, ricorsivi o disonesti, è l' unico modo. Vedere
Myerson, "Optimal Auction Design".
un principio teorico del gioco chiamato "equivalenza dei ricavi": il teorema di equivalenza dei ricavi ha avuto origine
con Vickrey, "Controspecolazione, aste e offerte competitive sigillate" ed è stato generalizzato in
Myerson, "Optimal Auction Design" e Riley e Samuelson, "Optimal Auctions".
l'asta di Vickrey è "fantastica": Tim Roughgarden, "Algorithmic Game Theory, Lecture 3 (Myerson’s
Lemma) ", pubblicato il 2 ottobre 2013, https://www.youtube.com/watch?v=9qZwchMuslk .
"Penso che sia davvero fantastico": Noam Nisan, intervista personale, 13 aprile 2015.
"Una delle cose migliori che puoi vedere": Paul Milgrom, intervista personale, 21 aprile 2015.
"L'inferno sono gli altri": Sartre, No Exit .
CONCLUSIONE
"Per imparare a vivere bene insieme": Flood, "Che futuro c'è per le macchine intelligenti?"
"Definirlo come l' atto più saggio ": Russell, "The Elements of Ethics."
nessuno di loro aveva voluto vedere la corrida: scenari come questo a volte si chiamano “The
Abilene Paradox "; vedere Harvey, "The Abilene Paradox".
spostare il gruppo verso una risoluzione: questo punto è stato sollevato anche da Tim Ferriss, che scrive: “Stop
chiedere suggerimenti o soluzioni e iniziare a proporli. Inizia con le piccole cose. Piuttosto che
chiedendo quando qualcuno vorrebbe incontrare la prossima settimana, proporre i tuoi momenti ideali e le seconde scelte. Se
qualcuno chiede: "Dove dovremmo mangiare?", "Quale film dovremmo guardare?", "Cosa dovremmo fare stasera?" o
qualcosa di simile, non rispecchiarlo con "Bene, cosa / quando / dove vuoi ...?" Offri una soluzione.
Smetti di andare avanti e indietro e prendi una decisione. " Vedi Ferriss, La settimana lavorativa di 4 ore .
offrendo una o due proposte concrete: Idealmente, si vorrebbe conoscere i valori in cui ogni persona
il gruppo assegna a tutte le opzioni e adotta una politica ragionevole per prendere una decisione basata su quelle.
Un possibile approccio consiste nel selezionare semplicemente l'opzione che massimizza il prodotto dei valori assegnati da
tutti, il che consente anche a chiunque di porre il veto su un'opzione assegnandole un valore pari a zero. Ci sono argomenti da
economia che questa è una buona strategia, risalendo fino a John Nash. Vedi Nash, “The Bargaining
Problema."
Riduci al minimo il numero di monete: Shallit, "Ciò di cui questo Paese ha bisogno è un pezzo da 18 ¢".
denominazioni sgraziate trasformano il cambiamento: Lueker, "Two NP -Complete Problems in Nonnegative
Integer Programming ", ha dimostrato che sotto determinati presupposti, apportare modifiche con il minor numero di
monete è NP- duro. Questo risultato vale se le monete sono denominate in binario o la base familiare dieci, ma non se
sono denominati in unario (base uno), che ha una soluzione efficiente, come mostrato in Wright, "The
Problema di cambiamento. " Per ulteriori informazioni sulla complessità computazionale di apportare modifiche, vedere anche Kozen
e Zaks, "Optimal Bounds for the Change-Making Problem".
Considera un grande parcheggio: Cassady e Kobza, "A Probabilistic Approach to Evaluate Strategies for
Selezione di un parcheggio ", confronta" Scegli una riga, spazio più vicino (PRCS) "e" Ciclismo (CYC) "
Pagina 333
algoritmi di ricerca di posti auto. Il CYC più complicato include una regola di arresto ottimale, mentre
PRCS inizia dalla destinazione, punta lontano e occupa semplicemente il primo spazio. Il CYC più aggressivo
ha trovato in media spazi migliori, ma il PRCS più semplice ha effettivamente vinto in termini di tempo totale impiegato. Autisti
seguendo l'algoritmo CYC ha speso più tempo a trovare spazi migliori rispetto a quegli spazi migliori in cui li ha salvati
tempo di percorrenza. Gli autori fanno notare che ricerche di questo tipo potrebbero essere utili nella progettazione dei parcheggi.
I modelli computazionali di parcheggio sono anche esplorati, ad esempio, in Benenson, Martens e Birfir,
"PARKAGENT: un modello di parcheggio in città basato su agenti".
"Rotazione" e "blocco": per uno sguardo più approfondito su quando girare e quando bloccare, vedere, ad esempio,
Boguslavsky et al., "Strategie ottimali per lo spinning e il blocco". (Nota che questo è lo stesso Leonid
Boguslavsky che abbiamo incontrato brevemente nel capitolo 1 durante un viaggio di sci nautico.)
Pagina 334
Bibliografia
Bailey, Arthur L. Procedure di credibilità: la generalizzazione di Laplace della regola di Bayes e la combinazione di
Conoscenza collaterale con dati osservati . New York: Dipartimento assicurativo dello Stato di New York, 1950.
Baker, Kenneth R. Introduzione al sequenziamento e alla pianificazione . New York: Wiley, 1974.
Baker, Kenneth R., Eugene L. Lawler, Jan Karel Lenstra e Alexander HG Rinnooy Kan. "Preemptive
Pianificazione di una singola macchina per ridurre al minimo il costo massimo soggetto a date di rilascio e precedenza
Vincoli. " Ricerca Operativa 31, n. 2 (1983): 381–386.
Baltzly, Dirk. "Stoicismo." In The Stanford Encyclopedia of Philosophy (edizione primavera 2014). Modificato da
Edward N. Zalta. http://plato.stanford.edu/archives/spr2014/entries/stoicism/ .
Banks, Jeffrey S. e Rangarajan K Sundaram. "Switching Costs and the Gittins Index." Econometrica 62
(1994): 687-694.
Barabási, Albert-László. Collegato: come tutto è collegato a tutto il resto e cosa significa
Affari, scienza e vita quotidiana . New York: Penguin, 2002.
Baran, Paul. "Sulle comunicazioni distribuite". Volumi I – XI, documenti di ricerca della RAND Corporation,
Agosto 1964, 637–648.
Barnard, Chester I. Le funzioni dell'esecutivo . Cambridge, MA: Harvard University Press, 1938.
Bartlett, Robert H., Dietrich W. Roloff, Richard G. Cornell, Alice French Andrews, Peter W. Dillon e
Joseph B. Zwischenberger. “Circolazione extracorporea nell'insufficienza respiratoria neonatale: una prospettiva
Studio randomizzato. " Pediatria 76, n. 4 (1985): 479–487.
Baumgardt, Carola. Johannes Kepler: vita e lettere . New York: Biblioteca filosofica, 1951.
Bavelas, Janet B., Linda Coates e Trudy Johnson. "Ascoltatori come co-narratori". Journal of Personality
e psicologia sociale 79, n. 6 (2000): 941–952.
Bayes, Thomas. "Un saggio verso la risoluzione di un problema nella dottrina delle possibilità." Filosofico
Transazioni 53 (1763): 370-418.
Bearden, Neil. "Un nuovo problema di segretario con la selezione basata sul rango e i pagamenti cardinali". Journal of
Mathematical Psychology 50 (2006): 58–59.
Bélády, Laszlo A. "Uno studio sugli algoritmi di sostituzione per un computer di archiviazione virtuale". Sistemi IBM
Giornale 5 (1966): 78–101.
Bélády, Laszlo A., Robert A Nelson e Gerald S. Shedler. “Un'anomalia nelle caratteristiche spazio-temporali di
Alcuni programmi in esecuzione su un cercapersone. " Comunicazioni dell'ACM 12, n. 6 (1969): 349–
353.
Belew, Richard K. Informazioni su: una prospettiva cognitiva sulla tecnologia dei motori di ricerca e
WWW . Cambridge, Regno Unito: Cambridge University Press, 2000.
Bell, Aubrey FG In Portogallo . New York: John Lane, 1912.
Bellhouse, David R. "Il reverendo Thomas Bayes, FRS: A Biography to Celebrate the Tercentenary of
La sua nascita. " Statistical Science 19 (2004): 3-43.
Bellman, Richard. Programmazione dinamica . Princeton, NJ: Princeton University Press, 1957.
______. "Un problema nella progettazione sequenziale degli esperimenti". Sankhyā: The Indian Journal of Statistics
16 (1956): 221–229.
Bellows, Meghan L. e JD Luc Peterson. "Trovare una mappa dei posti ottimale". Annals of Improbable
Ricerca (2012).
Benenson, Itzhak, Karel Martens e Slava Birfir. "PARKAGENT: un modello di parcheggio basato su agenti in
la città." Computer, ambiente e sistemi urbani 32, n. 6 (2008): 431–439.
Berezovsky, Boris e Alexander V. Gnedin. Problemi di scelta migliore (in russo). Mosca: Akademia
Nauk, 1984.
Berg-Kirkpatrick, Taylor e Dan Klein. "Decifrazione con un milione di riavvii casuali". In Procedimento
della Conferenza sui metodi empirici nell'elaborazione del linguaggio naturale (2013): 874-878.
Bernardo, Antonio E. e Ivo Welch. "Sull'evoluzione dell'eccesso di fiducia e degli imprenditori". Journal of
Economia e strategia di gestione 10, n. 3 (2001): 301–330.
Berry, Donald A. "Un bandito a due braccia di Bernoulli". Annals of Mathematical Statistics 43 (1972): 871–897.
Pagina 336
Pagina 337
Pagina 338
Conti, Carl J., Donald H. Gibson e Stanley H. Pitkowsky. “Aspetti strutturali del modello System / 360
85, I: Organizzazione generale ". IBM Systems Journal 7 (1968): 2–14.
Cook, Stephen A. "La complessità delle procedure di dimostrazione di teoremi". In Atti della Terza Annuale
ACM Symposium on Theory of Computing , 1971, 151–158.
Cuoco, William. In Pursuit of the Travelling Salesman: Mathematics at the Limits of Computation . Princeton,
NJ: Princeton University Press, 2012.
Covey, Stephen R. Come avere successo con le persone . Salt Lake City: Shadow Mountain, 1971.
Craig, JV Comportamento aggressivo dei polli: alcuni effetti degli ambienti sociali e fisici . Presentato
alla 27a tavola rotonda annuale degli allevatori nazionali, 11 maggio, Kansas City, MO, 1978.
Dale, Andrew I. Una storia di probabilità inversa: da Thomas Bayes a Karl Pearson . New York:
Springer, 1999.
Daly, Lloyd W. Contributi a una storia dell'alfabetizzazione nell'antichità e nel Medioevo . Bruxelles:
Latomus, 1967.
Damgård, Ivan, Peter Landrock e Carl Pomerance. "Stime medie degli errori dei casi per Strong
Probable Prime Test. " Matematica del calcolo 61, n. 203 (1993): 177–194.
Daniels, Bryan C., David C. Krakauer e Jessica C. Flack. “Codice sparso di conflitto in un primate
Società." Atti della National Academy of Sciences 109, n. 35 (2012): 14259–14264.
Darwin, Charles. La corrispondenza di Charles Darwin, volume 2: 1837–1843 . A cura di Frederick
Burkhardt e Sydney Smith. Cambridge, Regno Unito: Cambridge University Press, 1987.
Daskalakis, Constantinos, Paul W. Goldberg e Christos H. Papadimitriou. “La complessità di
Calcolo di un equilibrio di Nash. " ACM Symposium on Theory of Computing, 2006, 71-78.
______. "La complessità del calcolo di un equilibrio di Nash." SIAM Journal on Computing 39, n. 1
(2009): 195–259.
Davis, Lydia. Quasi nessun ricordo: storie . New York: Farrar, Straus & Giroux, 1997.
Dawkins, Richard. The Evidence for Evolution, il più grande spettacolo sulla Terra . New York: Free Press, 2009.
DeDeo, Simon, David C. Krakauer e Jessica C. Flack. “Evidenza di periodicità strategiche in collettivo
Conflict Dynamics. " Journal of The Royal Society Interface , 2011.
DeGroot, Morris H. Decisioni statistiche ottimali . New York: McGraw-Hill, 1970.
Demaine, Erik D., Susan Hohenberger e David Liben-Nowell. "Tetris è difficile, anche da approssimare". Nel
Computing and Combinatorics , 351–363. New York: Springer, 2003.
DeMillo, Richard A. e Richard J. Lipton. "A Probabilistic Remark on Algebraic Program Testing."
Lettere di elaborazione delle informazioni 7, n. 4 (1978): 193–195.
Denning, Peter J. "Thrashing: Its Causes and Prevention". In Atti del 9-11 dicembre 1968, autunno
Conferenza congiunta sul computer, parte I , 1968, 915–922.
Diffie, Whitfield e Martin E. Hellman. "Nuove direzioni in crittografia". Teoria dell'informazione, IEEE
Operazioni in data 22, n. 6 (1976): 644–654.
Dillard, Annie. Pellegrino a Tinker Creek . New York: Harper's Magazine Press, 1974.
______. La vita di scrittura . New York: Harper & Row, 1989.
Dodgson, Charles Lutwidge. "Tornei di tennis su prato: il vero metodo per assegnare i premi con a
Prova della fallacia del metodo attuale. " St. James's Gazette , 1 agosto 1883: 5–6.
Durant, Will. La storia della filosofia: le vite e le opinioni dei grandi filosofi . New York:
Simon & Schuster, 1924.
Edmonds, Jack. "Ramificazioni ottimali". Journal of Research del National Bureau of Standards 71B, n.
4 (1967): 233-240.
______. "Sentieri, alberi e fiori". Canadian Journal of Mathematics 17, n. 3 (1965): 449–467.
Erlang, Agner Krarup. “Soluzione di alcuni problemi nella teoria delle probabilità di significatività in
Centralini telefonici automatici. " Elektrotkeknikeren 13 (1917): 5–13.
______. "La teoria delle probabilità e le conversazioni telefoniche". Nyt Tidsskrift per Matematik B 20,
Pagina 339
Pagina 340
Gasarch, William I. “Il P =? NP Poll. " SIGACT News 33, n. 2 (2002): 34–47.
Gauthier, David P. Morals by Agreement . New York: Oxford University Press, 1985.
Geman, Stuart, Elie Bienenstock e René Doursat. "Neural Networks and the Bias / Variance Dilemma."
Calcolo neurale 4, no. 1 (1992): 1–58.
Geoffrion, Arthur M. "Lagrangean Relaxation for Integer Programming". Programmazione matematica
Studio 2 (1974): 82–114.
______. "Rilassamento lagrangiano per la programmazione intera." In 50 anni di programmazione intera 1958–
2008: Dai primi anni allo stato dell'arte . A cura di Michael Juenger, Thomas M. Liebling, Denis
Naddef, George L. Nemhauser, William R. Pulleyblank, Gerhard Reinelt, Giovanni Rinaldi e
Laurence A. Wolsey. Berlino: Springer, 2010, 243–281.
Gigerenzer, Gerd e Henry Brighton. "Homo Heuristicus: Perché le menti di parte fanno inferenze migliori."
Argomenti in Scienze cognitive 1, n. 1 (2009): 107–143.
Gilbert, Daniel. Inciampando sulla felicità . New York: Knopf, 2006.
Gilbert, John P. e Frederick Mosteller. "Riconoscere il massimo di una sequenza." Journal of the
American Statistical Association 61 (1966): 35-75.
Gilboa, Itzhak e Eitan Zemel. "Nash and Correlated Equilibria: Some Complexity Considerations."
Giochi e comportamento economico 1, n. 1 (1989): 80–93.
Gillispie, Charles Coulston. Pierre-Simon Laplace, 1749–1827: A Life in Exact Science . Princeton, NJ:
Princeton University Press, 2000.
Gilmore, Paul C. e Ralph E. Gomory. "Un approccio di programmazione lineare al problema del taglio degli stock,
Seconda parte." Ricerca Operativa 11, n. 6 (1963): 863–888.
Gilovich, Thomas. Come sappiamo cosa non è così . New York: Simon & Schuster, 2008.
Ginsberg, Allen. Howl e altre poesie . San Francisco: City Lights Books, 1956.
Gittins, John C. "Bandit Processes and Dynamic Allocation Indices". Giornale della statistica reale
Società, serie B (metodologica) 41 (1979): 148–177.
Gittins, John C., Kevin Glazebrook e Richard Weber. Indici di allocazione dei banditi multi-armati , 2a ed.
Chichester, Regno Unito: Wiley, 2011.
Gittins, John C. e D. Jones. "Un indice di allocazione dinamico per la progettazione sequenziale degli esperimenti". Nel
Progressi in statistica . Amsterdam: Olanda settentrionale, 1974, 241-266.
Glassner, Barry. "Narrative Techniques of Fear Mongering." Ricerca sociale 71 (2004): 819–826.
Goldberg, Paul W. e Christos H. Papadimitriou. "Riducibilità tra problemi di equilibrio". ACM
Symposium on Theory of Computing 2006, 62–70.
Bene, Irving John. Buon pensiero: le basi della probabilità e le sue applicazioni . Minneapolis, MN:
University of Minnesota Press, 1983.
Gopnik, Alison, Andrew N. Meltzoff e Patricia K. Kuhl. Lo scienziato nel presepe . New York: domani,
1999.
Gordon, Deborah M. "Control Without Hierarchy". Nature 446, n. 7132 (2007): 143.
Gott, JR "Future Prospects Discussed". Nature 368 (1994): 108.
______. "Implicazioni del principio copernicano per le nostre prospettive future". Nature 363 (1993): 315–319.
Gould, Stephen Jay. "La mediana non è il messaggio". Scopri 6, no. 6 (1985): 40–42.
Graham, Ronald L., Eugene L. Lawler, Jan Karel Lenstra e Alexander HG Rinnooy Kan.
"Ottimizzazione e approssimazione nel sequenziamento e pianificazione deterministici: un sondaggio". Annali di
Discrete Mathematics 5 (1979): 287–326.
Grenander, Ulf. "Sull'analisi spettrale empirica dei processi stocastici." Arkiv för Matematik 1, n. 6
(1952): 503–531.
Gridgeman, T. "Probabilità geometrica e numero π ." Scripta Mathematika 25, n. 3 (1960): 183–195.
Griffiths, Thomas L., Charles Kemp e Joshua B. Tenenbaum. "Modelli bayesiani di cognizione". in The
Manuale di Cambridge di modellazione cognitiva computazionale . A cura di Ron Sun. Cambridge, Regno Unito:
Cambridge University Press, 2008.
Pagina 341
Griffiths, Thomas L., Falk Lieder e Noah D. Goodman. "Uso razionale delle risorse cognitive: livelli di
Analisi tra il calcolo e l'algoritmo. " Argomenti in Cognitive Science 7 (2015): 217–
229.
Griffiths, Thomas L., David M. Sobel, Joshua B. Tenenbaum e Alison Gopnik. "Bayes e Blickets:
Effetti della conoscenza sull'induzione causale nei bambini e negli adulti ". Cognitive Science 35 (2011): 1407–
1455.
Griffiths, Thomas L., Mark Steyvers e Alana Firl. "Google and the Mind: Predicting Fluency with
PageRank. " Psychological Science 18 (2007): 1069-1076.
Griffiths, Thomas L. e Joshua B. Tenenbaum. "Previsioni ottimali nella cognizione quotidiana".
Psychological Science 17 (2006): 767-773.
Grossman, Dave e LW Christensen. In combattimento . Belleville, IL: Pubblicazioni di ricerca PPCT, 2004.
Haggstrom, Gus W. "Procedure sequenziali ottimali quando è necessario più di uno stop". Annali di
Mathematical Statistics 38 (1967): 1618-1626.
Halevy, Alon, Peter Norvig e Fernando Pereira. "L'irragionevole efficacia dei dati". Intelligente
Sistemi, IEEE 24, n. 2 (2009): 8-12.
Hardin, Garrett. "La tragedia dei comuni." Science 162, no. 3859 (1968): 1243–1248.
Hardy, GH Collected Works . Vol. II. Oxford, Regno Unito: Oxford University Press, 1967.
______. "Numeri primi." Rapporto 10 della British Association (1915): 350–354.
Harmenberg, J. Epee 2.0: La nascita del nuovo paradigma della scherma . New York: SKA Swordplay Books,
2007.
Harsanyi, John C. “Il principio di Maximin può servire da base per la moralità? Una critica di John Rawls
Teoria." The American Political Science Review 69, n. 2 (1975): 594-606.
Harvey, Jerry B. "The Abilene Paradox: The Management of Agreement." Organizational Dynamics 3, n.
1 (1974): 63–80.
Hastings, WK "Metodi Monte Carlo che utilizzano catene di Markov e loro applicazioni". Biometrika 57
(1970): 97–109.
Hawken, Angela e Mark Kleiman. Gestire gli aspiranti coinvolti nella droga con Swift and Certain
Sanzioni: valutare la speranza delle Hawaii . Rapporto presentato all'Istituto nazionale di giustizia. 2009.
http://www.ncjrs.gov/pdffiles1/nij/grants/229023.pdf .
Held, Michael e Richard M. Karp. "Il problema del venditore ambulante e gli spanning tree minimi".
Ricerca Operativa 18, n. 6 (1970): 1138–1162.
______. "Il problema del venditore ambulante e gli spanning tree minimi: parte II." Matematico
Programmazione 1, n. 1 (1971): 6–25.
Henderson, T. tecniche di rilassamento discreto . Oxford, Regno Unito: Oxford University Press, 1989.
Hennessy, John L. e David A. Patterson. Architettura del computer: un approccio quantitativo . New York:
Elsevier, 2012.
Herrmann, Jeffrey W. “Le prospettive di Taylor, Gantt e Johnson: come migliorare la produzione
Pianificazione. " International Journal of Operations and Quality Management 16 (2010): 243–254.
Heyde, CC "Agner Krarup Erlang." In Statistici dei secoli . A cura di CC Heyde, E. Seneta, P.
Crepel, SE Fienberg e J. Gani, 328-330. New York: Springer, 2001.
Hill, Theodore. "Sapere quando fermarsi". American Scientist 97 (2009): 126–131.
Hillis, W. Daniel. Il modello sulla pietra: le idee semplici che fanno funzionare i computer . New York:
Libri di base, 1998.
Hirshleifer, Jack. "Sulle emozioni come garanti di minacce e promesse". In The Latest on the Best:
Saggi in evoluzione e ottimalità . A cura di John Dupre, 307–326. Cambridge, MA: MIT Press, 1987.
Hoffman, David. Gli oligarchi: ricchezza e potere nella Nuova Russia . New York: PublicAffairs, 2003.
Horvitz, Eric e Shlomo Zilberstein. "Computational Tradeoffs Under Bounded Resources". Artificiale
Intelligence 126 (2001): 1–4.
Hosken, James C. "Valutazione dei metodi di ordinamento". In documenti e discussioni presentate al novembre
Pagina 342
7–9, 1955, Eastern Joint AIEE-IRE Computer Conference: Computers in Business and Industrial
Sistemi , 39–55.
Hurd, Cuthbert C. "A Note on Early Monte Carlo Computations and Scientific Meetings." Annali IEEE di
the History of Computing 7, n. 2 (1985): 141–155.
Impagliazzo, Russell e Avi Wigderson. " P = BPP se E richiede circuiti esponenziali: derandomizzazione
lo XOR Lemma. " Negli atti del ventinovesimo simposio annuale ACM sulla teoria del
Computing , 1997, 220–229.
______. "Casualità vs tempo: de-randomizzazione sotto un presupposto uniforme". In Atti del
39th Annual Symposium on Foundations of Computer Science , 1998, 734–743.
Ingram, Wendy Marie, Leeanne M. Goodrich, Ellen A. Robey e Michael B. Eisen. “Topi infettati da
I ceppi a bassa virulenza di Toxoplasma Gondii perdono la loro avversione innata per l'urina di gatto, anche dopo
Ampia rimozione dei parassiti. " PLOS ONE , no. 9 (2013): e75246.
Jackson, James R. Pianificazione di una linea di produzione per ridurre al minimo il massimo ritardo . Relazione tecnica 43.
Management Science Research Project, Università della California, Los Angeles, 1955.
Jacobson, Van. "Prevenzione e controllo della congestione". In ACM SIGCOMM Computer Communication
Rivista 18, n. 4 (1988): 314–329.
______. "Un nuovo modo di guardare alla rete". Conferenza a Google, Mountain View, CA, agosto 2006.
https://www.youtube.com/watch?v=oCZMoY3q2uM.
James, William. "Grandi uomini, grandi pensieri e l'ambiente". Atlantic Monthly 46 (1880): 441–459.
______. Psicologia: corso più breve . New York: Holt, 1892.
Jay, Francine. The Joy of Less: A Minimalist Living Guide: How to Declutter, Organize, and Simplify Your
La vita . Medford, NJ: Anja Press, 2010.
Jeffreys, Harold. "Una forma invariante per la probabilità a priori nei problemi di stima". Atti del
Royal Society of London. Serie A. Scienze matematiche e fisiche 186 (1946): 453–461.
______. Teoria della probabilità , 3a ed. Oxford, Regno Unito: Oxford University Press, 1961.
Johnson, Selmer Martin. “Programmi di produzione ottimali in due e tre fasi con tempi di installazione
Incluso." Naval Research Logistics Quarterly 1, n. 1 (1954): 61–68.
Johnson, Theodore e Dennis Shasha. “2Q: una gestione del buffer ad alte prestazioni a basso sovraccarico
Algoritmo di sostituzione ". VLDB '94 Atti della 20a Conferenza Internazionale su Very Large
Basi di dati , 1994, 439–450.
Jones, Thomas B. e David H. Ackley. "Criticità di confronto negli algoritmi di ordinamento". Nel 2014 44 °
Conferenza internazionale annuale IEEE / IFIP sui sistemi e reti affidabili (DSN) , giugno 2014,
726–731.
Jones, William. Tenere trovate le cose trovate: lo studio e la pratica delle informazioni personali
Gestione . Burlington, MA: Morgan Kaufmann, 2007.
Kaelbling, Leslie Pack. Apprendimento in sistemi integrati . Cambrige, MA: MIT Press, 1993.
Kaelbling, Leslie Pack, Michael L. Littman e Andrew W. Moore. "Apprendimento per rinforzo: un sondaggio".
Journal of Artificial Intelligence Research 4 (1996): 237-285.
Kanigel, Robert. L'unico modo migliore: Frederick Winslow Taylor e l'enigma dell'efficienza . New York:
Viking Penguin, 1997.
Kant, Emmanuele. Grundlegung zur Metaphysik der Sitten . Riga: Johann Friedrich Hartknoch, 1785.
______. Kritik der praktischen Vernunft . Riga: Johann Friedrich Hartknoch, 1788.
Karmarkar, Narendra. "A New Polynomial-Time Algorithm for Linear Programming". In Atti del
il sedicesimo simposio annuale ACM sulla teoria dell'informatica, 1984, 302–311.
Karp, Richard M. "An Introduction to Randomized Algorithms." Matematica applicata discreta 34, n. 1
(1991): 165–201.
______. "Riducibilità tra problemi combinatori". In Complexity of Computer Computations , 85–
103. New York: Plenum, 1972.
Pagina 343
Katajainen, Jyrki e Jesper Larsson Träff. "Un'analisi meticolosa dei programmi di fusione". Nel
Algoritmi e complessità: terza conferenza italiana CIAC '97 . Berlino: Springer, 1997.
Katehakis, Michael N. e Herbert Robbins. "Scelta sequenziale da diverse popolazioni". Atti
della National Academy of Sciences 92 (1995): 8584–8585.
Kelly, FP "Multi-Armed Bandits with Discount Factor Near One: The Bernoulli Case". Annali di
Statistics 9 (1981): 987-1001.
Kelly, John L. "A New Interpretation of Information Rate". Teoria dell'Informazione, Operazioni IRE su 2, n.
3 (1956): 185–189.
Khachiyan, Leonid G. "Algoritmi polinomiali nella programmazione lineare". URSS computazionale
Matematica e Fisica Matematica 20, n. 1 (1980): 53-72.
Khot, Subhash e Oded Regev. "La copertura del vertice potrebbe essere difficile da approssimare entro 2- ε ." Journal of
Informatica e scienze dei sistemi 74, n. 3 (2008): 335–349.
Kidd, Celeste, Holly Palmeri e Richard N. Aslin. "Spuntino razionale: decisione dei bambini piccoli-
Fare il Marshmallow Task è moderato dalle convinzioni sull'affidabilità ambientale ".
Cognizione
Kilburn, 126, no.
Tom, David BG1Edwards,
(2013): 109–114.
MJ Lanigan e Frank H. Sumner. "Sistema di archiviazione a un livello".
Transazioni IRE su computer elettronici (1962): 223-235.
Kinsbourne, Marcel. "Somatic Twist: un modello per l'evoluzione della decussazione." Neuropsicologia 27, no.
5 (2013): 511.
Kirby, Kris N. "Bidding on the Future: Evidence Against Normative Discounting of Delayed Rewards".
Journal of Experimental Psychology: General 126, no. 1 (1997): 54–70.
Kirkpatrick, Scott, CD Gelatt e MP Vecchi. "Ottimizzazione mediante ricottura simulata". Scienza 220,
no. 4598 (1983): 671–680.
Knuth, Donald E. "Ancient Babylonian Algorithms". Comunicazioni dell'ACM 15, n. 7 (1972): 671–
677.
______. The Art of Computer Programming, Volume 1: Fundamental Algorithms , 3a ed. Boston: Addison-
Wesley, 1997.
______. The Art of Computer Programming, Volume 3: Sorting and Searching , 3a ed. Boston: Addison-
Wesley, 1997.
______. "Una proposta terminologica". ACM SIGACT News 6, n. 1 (1974): 12-18.
______. "The TeX Tuneup del 2014". Rimorchiatore 35, n. 1 (2014).
______. Cose di cui parla raramente un informatico . Stanford, CA: Centro per lo studio di
Lingua / informazione, 2001.
______. "Il primo programma per computer di Von Neumann." ACM Computing Surveys (CSUR) 2, n. 4 (dicembre
1970): 247-260.
Koestler, Arthur. The Watershed: A Biography of Johannes Kepler . Garden City, NY: Doubleday, 1960.
Kozen, Dexter e Shmuel Zaks. "Limiti ottimali per il problema del cambiamento". In Automata,
Linguaggi e programmazione , 700: 150–161. A cura di Andrzej Lingas, Rolf Karlsson e Svante
Carlsson. Berlino: Springer, 1993.
Lai, Tze Leung e Herbert Robbins. "Regole di allocazione adattiva asintoticamente efficienti". Avanza in
Matematica applicata 6 (1985): 4-22.
Lamport, Leslie, Robert Shostak e Marshall Pease. "Il problema dei generali bizantini". ACM
Transazioni su linguaggi e sistemi di programmazione (TOPLAS) 4, n. 3 (1982): 382–401.
Laplace, Pierre-Simon. Un saggio filosofico sulle probabilità . 1812. Ristampa, New York: Dover, 1951.
______. "Memoria sulla probabilità delle cause degli eventi". Statistical Science 1 (1774/1986): 364–378.
______. Théorie analytique des probabilités . Parigi: Mme Ve Courcier, 1812.
Lawler, Eugene L. "Old Stories". Nella storia della programmazione matematica. Una raccolta di personale
Pagina 344
Pagina 345
Pagina 346
Pagina 347
______. Il dilemma del prigioniero: John von Neumann, teoria dei giochi e l'enigma della bomba . New York:
Doubleday, 1992.
Prabhakar, Balaji, Katherine N. Dektar e Deborah M. Gordon. “Il regolamento del foraggiamento delle colonie di formiche
Attività senza informazioni spaziali ". PLoS Computational Biology 8, n. 8 (2012): e1002670.
Presman, Ernst L'vovich e Isaac Mikhailovich Sonin. “La scelta migliore per un numero casuale
di oggetti. " Teoriya Veroyatnostei i ee Primeneniya 17 (1972): 695–706.
Società di gestione della produzione e delle operazioni. "James R. Jackson." Produzione e operazioni
Direzione 17, n. 6 (2008): i – ii.
Rabin, Michael O. "Algoritmo probabilistico per testare la primalità". Journal of Number Theory 12, n. 1
(1980): 128-138.
Rabin, Michael O. e Dana Scott. "Automi finiti e loro problemi decisionali". IBM Journal of
Ricerca e sviluppo 3 (1959): 114–125.
Raichle, Marcus E. e Debra A. Gusnard. "Appraising the Brain's Energy Budget." Atti del
Accademia Nazionale delle Scienze 99, n. 16 (2002): 10237–10239.
Ramakrishnan, Kadangode e Sally Floyd. Una proposta per aggiungere la notifica di congestione esplicita (ECN) a
IP . Rapporto tecnico. RFC 2481, gennaio 1999.
Ramakrishnan, Kadangode, Sally Floyd e David Black. L'aggiunta della notifica di congestione esplicita
(ECN) a IP . Rapporto tecnico. RFC 3168, settembre 2001.
Ramscar, Michael, Peter Hendrix, Cyrus Shaoul, Petar Milin e Harald Baayen. “Il mito del cognitivo
Declino: dinamiche non lineari dell'apprendimento permanente ". Argomenti in Scienze cognitive 6, n. 1 (2014): 5–
42.
Rasmussen, Willis T. e Stanley R. Pliska. “Scegliere il massimo da una sequenza con uno sconto
Funzione." Matematica applicata e ottimizzazione 2 (1975): 279-289.
Rawls, John. Una teoria della giustizia . Cambridge, MA: Harvard University Press, 1971.
Revusky, Samuel
Scienza 155, n.H.3759
e Erwin W. Bedarf.
(1967): 219–220."Associazione di malattia con precedente ingestione di nuovi alimenti."
Reynolds, Andy M. "Firme di Lévy ottimizzata attiva e passiva che cerca nelle meduse". Journal of
la Royal Society Interface 11, n. 99 (2014): 20140665.
Ridgway, Valentine F. "Conseguenze disfunzionali delle misurazioni delle prestazioni". Amministrativo
Science Quarterly 1, n. 2 (1956): 240–247.
Riley, John G. e William F. Samuelson. "Aste ottimali". American Economic Review 71, n. 3
(1981): 381–392.
Rittaud, Benoît e Albrecht Heeffer. "Il principio delle caselle, due secoli prima di Dirichlet."
Mathematical Intelligencer 36, n. 2 (2014): 27-29.
Rivest, Ronald L., Adi Shamir e Leonard Adleman. “Un metodo per ottenere firme digitali e
Cryptosystems a chiave pubblica ". Comunicazioni dell'ACM 21, n. 2 (1978): 120–126.
Robbins, Herbert. "Alcuni aspetti della progettazione sequenziale degli esperimenti." Bollettino dell'americano
Mathematical Society 58 (1952): 527–535.
Robinson, Julia. Sul gioco hamiltoniano (un problema di venditore ambulante) . Rapporto tecnico RAND / RM-
303. Santa Monica, CA: RAND, 1949.
Rogerson, Richard, Robert Shimer e Randall Wright. Modelli di teoria della ricerca del mercato del lavoro: A
Sondaggio . Rapporto tecnico. Cambridge, MA: National Bureau of Economic Research, 2004.
Rose, John S. "Un problema di scelta e assegnazione ottimali". Ricerca operativa 30 (1982): 172–181.
Rosenbaum, David A., Lanyun Gong e Cory Adam Potts. “Pre-Crastination: Hastening Subgoal
Completamento a scapito di uno sforzo fisico extra. " Scienze psicologiche 25, n. 7 (2014): 1487–
1496.
Rosenbluth, Marshall. Marshall Rosenbluth, intervistato da Kai-Henrik Barth . 11 agosto 2003, College
Park, MD.
Rostker, Bernard D., Harry J. Thie, James L. Lacy, Jennifer H. Kawata e Susanna W. Purnell. Il
Pagina 348
Legge sulla gestione del personale degli ufficiali della difesa del 1980: una valutazione retrospettiva . Santa Monica, CA:
RAND, 1993.
Roughgarden, Tim e Éva Tardos. "Quanto è grave l'instradamento egoistico?" Giornale dell'ACM 49, n. 2 (2002):
236–259.
Russell, Bertrand. "Gli elementi dell'etica". In Philosophical Essays , 13–59. Londra: Longmans, Green,
1910.
Russell, Stuart e Peter Norvig. Intelligenza artificiale: un approccio moderno, 3a ed. Upper Saddle River,
NJ: Pearson, 2009.
Russell, Stuart e Eric Wefald. Fai la cosa giusta . Cambridge, MA: MIT Press, 1991.
Sagan, Carl. Broca's Brain: Reflections on the Romance of Science . New York: Random House, 1979.
Sakaguchi, Minoru. "Giochi sequenziali bilaterali relativi al problema del segretario senza informazioni".
Mathematica Japonica 29 (1984): 961–974.
______. "Programmazione dinamica di alcuni progetti di campionamento sequenziale". Journal of Mathematical Analysis
e Applicazioni 2 (1961): 446–466.
Sakaguchi, Minoru e Mitsushi Tamaki. “Sul problema del parcheggio ottimale in cui compaiono gli spazi
A caso." Bulletin of Informatics and Cybernetics 20 (1982): 1–10.
Sartre, Jean-Paul. Nessuna uscita: una commedia in un atto . New York: Samuel French, 1958.
Schelling, Thomas C. "Altruismo, meschinità e altri comportamenti potenzialmente strategici". americano
Economic Review 68, n. 2 (1978): 229-230.
______. La strategia del conflitto . Cambridge, MA: Harvard University Press, 1960.
Schneier, Bruce. Crittografia applicata . New York: Wiley, 1994.
Schrage, Linus. "Una prova dell'ottimalità della disciplina del tempo di elaborazione rimanente più breve".
Ricerca Operativa 16, n. 3 (1968): 687–690.
Schrijver, Alexander. "Sulla storia dell'ottimizzazione combinatoria (fino al 1960)." Nei manuali in
Ricerca operativa e scienza gestionale: ottimizzazione discreta . A cura di Karen Aardal, George
L. Nemhauser e Robert Weismantel. Amsterdam: Elsevier, 2005, 1–68.
Schwartz, Jacob T. "Algoritmi probabilistici veloci per la verifica delle identità polinomiali". Journal of the
ACM 27, n. 4 (1980): 701–717.
Seale, Darryl A. e Amnon Rapoport. "Processo decisionale sequenziale con ranghi relativi: An
Indagine sperimentale sul "problema del segretario". Comportamento organizzativo e decisione umana
Processi 69 (1997): 221-236.
Sen, Amartya. "Obiettivi, impegno e identità". Giornale di diritto, economia e organizzazione 1 (1985):
341–355.
Sethi, Rajiv. "Trading algoritmico e volatilità dei prezzi". Rajiv Sethi (blog), 7 maggio 2010,
http://rajivsethi.blogspot.com/2010/05/algorithmic-trading-and-price.html .
Sevcik, Kenneth C. "Scheduling for Minimum Total Loss Using Service Time Distribution". Journal of
l'ACM 21, n. 1 (1974): 66-75.
Va bene, Jeffrey. "Ciò di cui questo Paese ha bisogno è un pezzo da 18 ¢". Mathematical Intelligencer 25, n. 2 (2003):
20–23.
Shasha, Dennis e Cathy Lazere. Fuori di testa: le vite e le scoperte di 15 Great Computer
Scienziati . New York: Springer, 1998.
Shasha, Dennis e Michael Rabin. "Un'intervista con Michael Rabin." Comunicazioni dell'ACM 53,
no. 2 (2010): 37–42.
Shaw, Frederick S. Un'introduzione ai metodi di rilassamento . New York: Dover, 1953.
Shaw, George Bernard. L'uomo e Superman: una commedia e una filosofia . Cambridge, MA: Harvard
University Press, 1903.
Shoup, Donald. L'alto costo del parcheggio gratuito . Chicago: APA Planners Press, 2005.
Simon, Herbert A. "Un modello comportamentale di scelta razionale". Quarterly Journal of Economics 69, n. 1
(1955): 99–118.
Pagina 349
Pagina 350
Tracy, Brian. Mangia quella rana! 21 ottimi modi per smettere di procrastinare e fare di più in meno tempo .
Oakland, CA: Berrett-Koehler, 2007.
Turing, Alan M. "On Computable Numbers, with an Application to the Entscheidungsproblem". Leggere
12 novembre 1936. Atti della London Mathematical Society s2-42, n. 1 (1937): 230-265.
______. "On Computable Numbers, with an Application to the Entscheidungsproblem: A Correction."
Atti della London Mathematical Society s2-43, n. 1 (1938): 544–546.
Tversky, Amos e Ward Edwards. "Informazioni contro ricompensa nelle scelte binarie". Journal of
Psicologia sperimentale 71 (1966): 680-683.
Ulam, Stanislaw M. Adventures of a Mathematician . New York: Scribner, 1976.
Ullman, Ellen. "Out of Time: Reflections on the Programming Life". Educom Review 31 (1996): 53–59.
UK Collaborative ECMO Group. "The Collaborative UK ECMO Trial: Follow-up to 1 Year of Age."
Pediatria 101, n. 4 (1998): e1.
Vazirani, Vijay V. Algoritmi di approssimazione . New York: Springer, 2001.
Vickrey, William. "Controspecolazione, aste e offerte sigillate competitive." Journal of Finance
16, n. 1 (1961): 8–37.
Waitzman, David. Uno standard per la trasmissione di datagrammi IP su vettori aviari . Rapporto tecnico.
RFC 1149, aprile 1990.
______. IP su vettori aviari con qualità del servizio . Rapporto tecnico. RFC 2549, aprile 1999.
Ware, James H. "Investigating Therapies of Potentially Great Benefit: ECMO." Scienze statistiche 4
(1989): 298-306.
Ware, James H. e Michael F. Epstein. “Commenti su 'Circolazione extracorporea nel neonato
Insufficienza respiratoria: uno studio prospettico randomizzato 'di RH Bartlett et al. " Pediatria 76, n. 5
(1985): 849–851.
Warhol, Andy. La filosofia di Andy Warhol (dalla A alla B e viceversa) . New York: Harcourt Brace
Jovanovich, 1975.
Weiss, Yair, Eero P. Simoncelli e Edward H. Adelson. "Le illusioni di movimento come percezioni ottimali." Natura
Neuroscience 5 (2002): 598-604.
Whittaker, Steve e Candace Sidner. "Sovraccarico email: esplorazione della gestione delle informazioni personali di
E-mail." In Atti della Conferenza SIGCHI sui fattori umani nei sistemi informatici , 1996,
276–283.
Whittaker, Steve, Tara Matthews, Julian Cerruti, Hernan Badenes e John Tang. “Sto sprecando il mio tempo
Organizzazione della posta elettronica? A Study of Email Refinding. " In Atti della Conferenza SIGCHI sull'Uomo
Factors in Computing Systems , 2011, 3449–3458.
Whittle, Peter. Ottimizzazione nel tempo: programmazione dinamica e controllo stocastico . New York: Wiley,
1982.
______. "Banditi irrequieti: allocazione delle attività in un mondo che cambia". Journal of Applied Probability 25
(1988): 287–298.
Wigderson, Avi. "Conoscenza, Creatività, e P contro NP . "
http://www.math.ias.edu/~avi/PUBLICATIONS/MYPAPERS/AW09/AW09.pdf , 2009.
Wilkes, Maurice V. "Slave Memories and Dynamic Storage Allocation". Transazioni IEEE su elettronica
Computer 14 (1965): 270–271.
Wright, JW "The Change-Making Problem". Journal of the Association of Computing Machinery 22
(1975): 125-128.
Wulf, William Allan e Sally A. McKee. "Colpire il muro della memoria: implicazioni dell'ovvio". ACM
SIGARCH Computer Architecture News 23, no. 1 (1995): 20-24.
Xu, Fei e Joshua B. Tenenbaum. "Apprendimento delle parole come inferenza bayesiana". Riesame psicologico 114
(2007): 245–272.
Yang, Mark CK “Riconoscere il massimo di una sequenza casuale basata sul rango relativo con
Sollecitazione all'indietro. " Journal of Applied Probability 11 (1974): 504-512.
Pagina 351
Yato, Takayuki e Takahiro Seta. “Complessità e completezza nel trovare un'altra soluzione e la sua
Applicazione ai puzzle. " Transazioni IEICE sui fondamenti di elettronica, comunicazioni e
Informatica 86, n. 5 (2003): 1052-1060.
Yngve, Victor H. "Su come ottenere una parola in Edgewise." Nella Chicago Linguistics Society, 6a riunione , 1970,
567–578.
Zahniser, Rick. "Timeboxing per le migliori prestazioni del team." Sviluppo software 3, n. 3 (1995): 34–38.
Zapol, Warren M., Michael T.Snider, J. Donald Hill, Robert J. Fallat, Robert H. Bartlett, L. Henry
Edmunds, Alan H. Morris, E. Converse Peirce, Arthur N. Thomas, Herbert J. Proctor, et al.
"Ossigenazione della membrana extracorporea in grave insufficienza respiratoria acuta: un randomizzato
Prospective Study. " Giornale dell'Associazione Medica Americana 242, n. 20 (1979): 2193–2196.
Zelen, Marvin. "Gioca la regola del vincitore e la sperimentazione clinica controllata." Journal of the American
Associazione statistica 64, n. 325 (1969): 131-146.
Zippel, Richard. "Algoritmi probabilistici per polinomi sparsi". In EUROSAM '79 Atti del
Simposio internazionale sul calcolo simbolico e algebrico . Londra: Springer, 1979, 216–226.
Pagina 352
Indice
L'indice che è apparso nella versione stampata di questo titolo non corrisponde alle pagine
nel tuo e-book. Si prega di utilizzare la funzione di ricerca sul dispositivo di lettura elettronica per eseguire la ricerca
per i termini di interesse. Per tuo riferimento, i termini che compaiono nell'indice di stampa
sono elencati di seguito.
Pagina 353
spedizione anticipata del pacco
formiche
caccia in appartamento
pool di candidati
Archimede
architetti
Aristotele
ARPANET
reti neurali artificiali
"Associazione di malattia con precedente ingestione di nuovi alimenti" (Revusky e Bedarf) Astley, Rick
AT&T
Supercomputer Atlantic Monthly Atlas
bomba atomica
aste
Olandese o discendente
Inglese o ascendente
cascate di informazioni e
primo prezzo a offerta sigillata
secondo prezzo con offerta sigillata o Vickrey Austen, Jane
Regola media
Azienda AvtoVAZ
backchannels
rumore di sottofondo
mutazioni batteriche
larghezza di banda, latenza vs.
la larghezza di banda diminuisce
Baran, Paul
Barnard, Chester
Bartlett, Robert
pallacanestro
elaborazione in lotti
Bavelas, Janet
Bayes, Rev.Thomas
Regola di Bayes
definito
BBC
notizie della BBC
Beautiful Mind, A (Nasar) beauty
Bedarf, Erwin
Bélády, László "Les"
Algoritmo di Bélády
Belew, Rik
Bell, Alexander Graham
Pagina 354
Pagina 355
definito
gerarchie di e multitasking
velocità di
caching
calcolo degli algoritmi di caching (politiche di sostituzione o di sfratto)
Callimaco
Campbell, Donald
numeri cardinali
scelte di carriera
Carroll, Lewis. Vedi Dodgson, le auto di Charles Lutwidge
incidenti e
parcheggio
guida autonoma
traffico e
Carstensen, Laura
Casinò Royale
imperativo categorico
Cawdrey, Robert
cellulare
Cerf, Vinton "Vint"
certezza. Vedi anche incertezza di beneficenza
Cheshire, Stuart
scacchi
infanzia
Chomsky, Noam
Churchill, Winston
commutazione di circuito
chiaroveggenza
test clinici
ripostiglio, organizzazione
Cobham, Alan
Tesi di Cobham-Edmonds
Cockcroft, George (Luke Rhinehart)
latte di cocco
declino cognitivo
coincidenze
monete
denominazioni
lanci a due teste
raccoglitori
problema di impegno
comunicazioni. Vedi anche lingua; networking; conferma della narrazione
priori e
Ordinamento conteggio comparativo dell'agricoltura supportata dalla comunità (CSA)
siti web di acquisti comparativi
complessità
penalizzante
calcolo, definito da Turing
gentilezza computazionale
intervallo di confidenza
conferma
Pagina 356
conferma
congestione
evitamento di
prezzo dell'anarchia e
Macchina di connessione
problemi di ottimizzazione vincolata a tempo costante ( O (1))
problema vincolato, preferenze per il rilassamento dei vincoli
progetti di costruzione
cambio di contesto delle reti di distribuzione dei contenuti (CDN)
problemi di ottimizzazione continua
Rilassamento continuo
controllo senza gerarchia
Cooper, Martin
cooperazione
Principio copernicano
Copernico, Nicolaus
marketing aziendale
analisi costi benefici
Cramer, Jim
Sistema Cravath
creatività
coda di stand di crêpe
Convalida incrociata
crittografia
tempi di attesa del servizio clienti
Darwin, Charles
dati. Vedi anche big data; piccola idolatria dei dati
overfitting e
prevedere da un singolo punto
incontri. Vedi amore; matrimonio Davis, Lydia
Dawkins, Richard
scadenze
Dead Poets Society (film) Deal or No Deal (programma televisivo) valanga di debiti
palla di neve del debito
sistemi decentralizzati
il processo decisionale
gentilezza computazionale e
Arresto anticipato e
overfitting e
scorciatoie del mondo reale
quando pensare di meno
decrittazione
decussazione
defezione
Attacco denial of service della legge sulla gestione del personale degli ufficiali della difesa
Denning, Peter
buffer del dispositivo
Dice Man, L' attacco del dizionario (Rhinehart)
Dillard, Annie
funzione di sconto
Pagina 357
funzione di sconto
ottimizzazione discreta
Dislocamento di tecniche di rilassamento discrete (Henderson)
distribuzioni. Vedi anche tipi specifici di gerarchie di dominanza Dodgson, Charles Lutwidge (Lewis Carroll)
strategie dominanti
onestà come
dilemma del prigioniero e defezione come palle cadute
tossicodipendenza
sperimentazioni farmacologiche
Dupuis, Beth
Duvall, Bill
Dwan, Tom
allocazione dinamica. Vedi Gerarchie dinamiche dell'indice Gittins
"Conseguenze disfunzionali delle misurazioni delle prestazioni" (Ridgway)
Prima data di scadenza
Arresto anticipato
Mangia quella rana! (Tracy) Ebbinghaus, Hermann
Economia dell'ECMO (ossigenazione extracorporea a membrana). Vedi anche aste; strategie di investimento;
bolle di comportamento del mercato
Equilibrio di Nash e
tragedia dei beni comuni e
Economista
Edmonds, Jack
valutazione educativa
Edwards, Ward
algoritmo efficiente
problema efficiente o trattabile, definiti regni dei faraoni egizi
organo elettrico di memoria
passo dell'ascensore
e-mail
emozioni
Engel, Joel
Eno, Brian
movimento ambientale
epidemiologia
uguaglianza
equilibrio
Erlang, Agner Krarup
Distribuzione di Erlang
Barre di errore
spazio di compromesso degli errori
etica
Evernote
politiche di sfratto
Evoluzione
vincoli e
valore atteso
Explicit Congestion Notification (ECN) esplora / sfrutta il compromesso
Backoff esponenziale
n
tempo esponenziale ( O (2)) Facebook
Pagina 358
FBI
Aste di spettro FCC
FDA
risposta
scherma
archiviazione
Finkel, Larry
Firefox
problema del camion dei pompieri
First-In, First-Out (FIFO)
fitness
Fitzgerald, F. Scott
Flack, Jessica
memoria flash
gerarchie piatte
Flood, Merrill
controllo del flusso
cibo
mode
riducendo al minimo il marcio
overfitting e
Forbes
dimenticando la curva
perdono
Forster, EM
Elenco Fortune 500 Frank, Robert
Franklin, Benjamin
Fredrickson, Barbara
Fritto, Jason
giochi con informazioni complete
arresto ottimale e
investitori fondamentali
futuro, scontato
Galileo
gioco d'azzardo
teoria del gioco
giochi
Gantt, Henry
Diagrammi di Gantt
Gardner, Martin
Gaskell, RE
Pagina 359
Gaskell, RE
Gauss, Carl Friedrich
Gelatt, Dan
geografia
sconto geometrico
George, Sammy
Problema dei carri armati tedeschi
fare cose importanti
finire di fare le cose
Ottenere le cose fatte (Allen) Gettys, Jim
Gigerenzer, Gerd
Gilbert, Daniel
Ginsberg, Allen
Gittins, John
Indice di Gittins
GiveDirectly
Glassner, Barry
Gleason, Andrew
massimo globale
obiettivi, espliciti
Padrino
Padrino, Il (film) Goethe, Johann Wolfgang von
Goldstine, Herman
Soluzioni "abbastanza buone"
Google
Gopnik, Alison
Gordon, Deborah
Gott, J. Richard, III
Gould, Stephen Jay
governo
Algoritmo avido "Grandi uomini, grandi pensieri e ambiente" (James)
Grellet, Stephen
Grossman, Dave
Custode
Guinness dei primati, La violenza armata
problema di arresto
Hammerbacher, Jeff
Hansson, David Heinemeier
Hardin, Garrett
Hardy, GH
Haxton, Isaac
riforma della sanità
Hedberg, Mitch
Hennessy, John
comportamento della mandria
euristico
gerarchie. Vedi gerarchie di dominanza; gerarchie dinamiche; gerarchie piatte Costo elevato del parcheggio gratuito,
Il (Shoup) Hill Climbing
Riavvio casuale o fucile a pompa
Pagina 360
SPERANZA
Hosken, JC
tariffa oraria
vendita di case
bolla immobiliare
gli esseri umani
penalità di complessità e
creatività e
design dell'orecchio
esplorare / sfruttare e
mode vs. tradizione e
controllo di flusso e
durata della vita di
memoria e
progettazione del sistema nervoso
costi di tempo e
Hume, David
IBM
Ice-T
"Se ..." (Kipling)
IKEA
importanza, assegnando priorità ai compiti
impossibilità, trasformate in sanzioni risultato impossibilità
inazione, irrevocabilità di
strutture incentivanti
distribuzioni di reddito
incidenti sul lavoro
informazione. Vedi anche giochi con informazioni complete; giochi senza informazione cascate di informazioni
gerarchie di informazioni
elaborazione delle informazioni
Ordinamento di inserzione
Pagina 361
Ordinamento di inserzione
International Business Times Internet. Vedere anche larghezza di banda, latenza vs .; networking; siti web veloci
collegamenti
geografia di
infrastruttura di
protocolli e
sicurezza e
interrompere la coalescenza
interruzioni
problemi intrattabili
definito
equilibrio e
relax e
pianificazione e
Introduzione ai metodi di rilassamento, intuizioni intuitive (Shaw)
strategie di investimento
inviti
altruismo involontario
Jacobson, Van
Jain, Kamal
James, William
Jarvis, Richard
Jaws (film) Jay, Francine
Jeffreys, Harold
Jet Propulsion Laboratory (JPL)
nervosismo
Jobs, Steve
ricerca di lavoro
Johnson, Selmer
Jones, William
Joy of Less, Il giudizio (Jay)
Approccio "basta giocare"
solo società
Kaelbling, Leslie
Kahn, Robert "Bob"
Kant, Emmanuele
Karels, Michael
Karp, Richard
Kaushik, Avinash
Kayal, Neeraj
Keats, John
Keeping Found Things Found (Jones) Kenney, Richard
Keplero, Johannes
Kerr, Clark
Keynes, John Maynard
al-Khwārizmī
King County Library System (KCLS)
re della Collina
Kipling, Rudyard
Pagina 362
Kipling, Rudyard
Kirkpatrick, Scott
Kleinrock, Leonard
Kline, Charley
problema dello zaino
Knuth, Paperino
Koomen, Pete
Tornei ladder
Lagrange, Joseph-Louis
Rilassamento Lagrangiano
Lai, Tze Leung
colpo di fortuna del fegato di lancetta
Lange, Rebecca
linguaggio
Lao Tzu
Laplace, Pierre-Simon
Legge di Laplace
Lazo
latenza
ritardo, riducendo al minimo il massimo
lavanderia
forze dell'ordine
Lawler, Eugene "Gene"
Legge sul tonnellaggio lordo dei "Tornei di tennis sul prato" (Dodgson)
Lawrence, Peter A.
Lawrence Berkeley Laboratory (LBL)
cause legali
Lazzarini, Mario
Usato meno di recente (LRU)
Lee, Michael
regola di inserimento sul lato sinistro
Le Guin, Ursula K.
Lenstra, Jan Karel
Lerner, Ben
livellamento
libertà
Libin, Phil
biblioteche
probabilità
raggruppamento simile con simile
Lincoln, Abraham
tempo linearitmico ( O ( n log n )) tempo lineare ( O ( n )) linguistica
Linux
trappola per aragoste
massimo locale
tassi logaritmici
superando in astuzia
Regola Guarda-Allora-Salta
Los Alamos
Pagina 363
Mach, Ernst
Magaddino, Salvatore
Major League Baseball
Realizzazione di una mosca, The (Lawrence) Malthus, Thomas
Progetto Manhattan
controllo dell'equipaggio
maratona
la follia di marzo
diritto di precedenza marittimo
comportamento di mercato. Vedi anche aste; bolle, finanziarie; economia; strategie di investimento Markowitz, Harry
matrimonio. Vedi anche love Cross-Validation e
Elenco pro-con di Darwin e
modelli di soddisfazione della vita
dilemma del prigioniero e
marshmallow test
Mars Pathfinder
algoritmi di corrispondenza
McLay, Laura Albert
media-varianza ottimizzazione del portafoglio riproduzione meccanica
progettazione del meccanismo
onestà come obiettivo di
media
Mellen, Andrew
gerarchia della memoria
distribuzioni senza memoria
gestione della memoria
muro di memoria
Menger, Karl
Mergesort
Mertes, Michea
pasticcio
compromesso tra ricerca e ordinamento
auto-organizzato
ordinamento e
metabolismo
metawork
metrica
overfitting e
proxy
pianificazione e
Metropolis, Nicholas
Algoritmo di Metropolis
Pagina 364
Algoritmo di Metropolis
Meyer, Mathias
Meyer, Robert
Milgrom, Paul
militare
comunicazioni e
cicatrici di formazione e
Mill, John Stuart
Miller, Gary
Test di primalità di Miller-Rabin
fetta minima
albero di copertura minimo
Mintzberg, Henry
Mischel, Walter
Mitzenmacher, Michael
Metodo Monte Carlo
Moore, Gordon
Algoritmo di Moore
la legge di Moore
Morgenstern, Julie
Morse, Samuel FB
crisi dei mutui di
Moser, Leone
Mosteller, Frederick
film
incassi e incassi
tempi di esecuzione e
sequel e
Mozart, Wolfgang Amadeus
banditi multi-armati
Regola moltiplicativa
multitasking
tasso di omicidi
Murphy, Tom
Myerson, Roger
algoritmo miope
Nakamura, Hikaru
Nash, John
equilibrio di Nash
Campione di smistamento della Biblioteca nazionale
Natura
NBA
NCAA
sistema nervoso
Netflix
Pagina 365
Netflix
networking. Vedi anche Code di rete Internet
Neumann, Christof
reti neurali
notizie
Newton, Isaac
Biblioteca pubblica di New York (NYPL)
New York Times Nichols, Kathleen
Nietzsche, Friedrich
modelli a nove fattori
Nisan, Noam
Noguchi, Yukio
Sistema di archiviazione Noguchi
giochi senza informazione
rumore
distribuzione normale
Norvig, Peter
non arrendersi, mai
Ora Habit, Le reazioni nucleari (Fiore)
guerra nucleare
Obama, Barack
Strategie oblique
rasoio di Occam
tasso di occupazione
aste di diritti petroliferi
Oligarchi, Olimpiadi (Hoffman)
modelli a un fattore
funzione unidirezionale
Sull'origine
"Tripla o delle specie
niente" e (Darwin) arresto ottimale
ottimismo
problemi di ottimizzazione
intrattabile, definito
casualità e
relax e
ordine, costo di. Vedi anche ordinamento dei numeri ordinali
Organizzare dall'interno (Morgenstern) Ortega y Gasset, José
risultato, processo vs.
overfitting
riconoscimento del pacchetto. Vedere anche Pacchetti di riconoscimento (ACK) eliminazioni di pacchetti
instradamento dei pacchetti
commutazione di pacchetto
errori di pagina
visualizzazioni di pagina, misurazione
Palmer, TH
Papadimitriou, Christos
Papworth, Neil
parassiti
parcheggi
Pagina 366
parcheggi
parchimetri
caccia al parcheggio
Pascal, Blaise
errori di password
ordini gerarchici
Penicillium formato penna stampo
soluzione perfetta
misurazioni delle prestazioni
Perry, Katy
Peter, Laurence J.
Principio di Peter
Saggio filosofico sulle probabilità pi (π), stima del valore dei piccioni
pile, auto-organizzate
attacco ping
Pinkham, Roger
Pirsig, Robert
Forcone
Pizza Hut
Plagenhoef, Scott
algoritmi di gioco del vincitore
poesia
Poincaré, Henri
poker
dritta
Senza limiti
campagne politiche
test di identità polinomiale
2 3
tempo polinomiale ( O ( n), O ( n ), ecc.) pomodorini
popolarità
gestione del portafoglio
lettera
problema del messaggero postale
distribuzioni della legge di potenza
Prabhakar, Balaji
Pratt, Vaughan
vincoli di precedenza
predizione. Vedi anche la regola di Bayes; Principio copernicano processo decisionale come
Arresto anticipato e
idolatria dei dati e
influenza dei media su
overfitting e
distribuzioni precedenti e
prelazione
credenze preesistenti
preferenze
attaccamento preferenziale
Preston Sort Center
Prezzo, Richard
prezzo dell'anarchia
test di primalità
Pagina 367
test di primalità
testimone contro
numeri primi
Princess Bride, The (film) Principles of Psychology (James) eredità prioritaria
inversione di priorità
probabilità a priori o a priori
normale
legge del potere
ingegneria inversa
uniforme
disinformativo
Il dilemma del prigioniero
violazioni della libertà vigilata
i problemi. Vedi anche problemi intrattabili che definiscono intrattabile
raccolta
processo, risultato vs.
cicli del processore
indugio
gestione di progetto
elenco dei pro e dei contro
protocolli
proverbi
Pruhs, Kirk
schede perforate
scelte di acquisto
Putin, Vladimir
2
tempo quadratico ( O ( ))
n barriera contro la rottura
fare la fila
smettere mentre sei in vantaggio
Rabin, Michael
gara contro combattimento
problema della lotteria
Ramscar, Michael
Link "articolo casuale"
Sfratto casuale
algoritmi randomizzati
casualità
quanto usare
networking e rottura della simmetria e riavvii casuali
Rapoport, Amnon
Raskin, Aza
Rawls, John
analisi in tempo reale
scenario di richiamo
ricette
ricorsione
attirando l'avversario
strategie che tagliano
Pagina 368
Sagan, Carl
campionamento. Vedi anche casualità San Francisco
Sartre, Jean-Paul
Saxena, Nitin
dire di no
scala, ordinamento e
distribuzioni senza scala
pianificazione
Schmidt, Eric
Schmidt, Peter
Pagina 369
Schmidt, Peter
Schooler, Lael
Scienza
Scientific American Scientific Management
Scienziato nel presepe, The (Gopnik) Seale, Darryl
ricerca, divario tra verifica e motori di ricerca
compromesso tra ricerca e ordinamento
elenchi auto-organizzati
scenario di seconda possibilità
problema della segretaria
variante ladro
variante con informazioni complete
variante di richiamo
variante di rifiuto
semina
instradamento egoistico
elenchi auto-organizzati
elaborazione sequenziale delle informazioni
colpo di fortuna
Va bene, Jeffrey
Shaw, George Bernard
Shi, Yong
Shoenfield, Joseph
orari del negozio
Tempo di elaborazione più breve
non ponderato
ponderato
Shoup, Donald
Compagnia petrolifera Sibneft
Setaccio di Erastothenes
Silicon Valley
Ricottura simulata
Sinatra, Frank
Eliminazione singola
programmazione per macchina singola
Siroker, Dan
taglia
gerarchie di dominanza e
gerarchia della memoria e
ordinamento e
Skype
Sleator, Daniel
macchinette da gioco
piccoli dati
come big data sotto mentite spoglie
Smith, Adam
Smith, Dan
calcio
social media
Social Network, I social network (cinematografici)
politica sociale
Pagina 370
politica sociale
calzini, smistamento
software, termine coniato
unità a stato solido
solitario
ordinamento
Compromesso ordinamento e ricerca (Knuth)
latte di soia
compromessi spazio-temporali
SpaceX
Filatura
gli sport
commissario di lega
overfitting e
programmazione stagionale
strutture del torneo
Gruppo di programmazione sportiva
scoiattoli
SRAM
test standardizzati
Stato di scienza statistica
ordine gerarchico e
gare contro combattimenti e
Stewart, Martha
Steyvers, Mark
mercato azionario. Vedi anche strategie di investimento trading algoritmico e
flash crash del 2010
Conservazione
narrativa
Stucchio, Chris
somma dei tempi di completamento
somma dei tempi di completamento ponderati
somma dei ritardi ponderati dei lavori
sistema di archiviazione eccellente
Pagina 371
tornei di tennis
Texas Holdem
messaggi di testo
"TeX Tuneup del 2012, The" (Knuth)
Commercio del Ringraziamento
furto, risposte irrazionali e
Cose di cui parla raramente un informatico (Knuth) regola del 37%
Thoreau, Henry David
picchiare
filettatura
Tre principi di Serendip, la regola della soglia
portata
Tibshirani, Robert
Tikhonov, Andrey
tempo
intervallo di
timeboxing
costi di tempo
gestione del tempo
compromessi spazio-tempo
Tolins, Jackson
Tomlinson, Ray
distribuzioni delle dimensioni della città
Toxoplasma gondii traffico
tragedia dei beni comuni
cicatrici da allenamento
sistemi di transito
ACK TCP (Transmission Control Protocol) e
backchannels e
controllo di flusso e
prezzo dell'anarchia e
problema del venditore ambulante
Tratta, Tyler
"Trattato sulla probabilità delle cause degli eventi" (Laplace) Tree, Jean Fox
Trucco, Michael
tripla stretta di mano
gioco triplo o niente
pianificazione del viaggio. Vedi anche il problema del venditore ambulante Turing, Alan
Macchina di Turing
turno
Studio sulla sifilide di Tuskegee
Tversky, Amos
Twain, Mark
numeri primi gemelli
Twitter
modelli a due fattori
programmazione a due macchine
UC Berkeley
Ulam, Stanislaw "Stan"
Ullman, Ellen
Pagina 372
Ullman, Ellen
incertezza
Unilever
"Efficacia irragionevole dei dati," (Norvig) "up or out" sistema
Limite di fiducia superiore
pianificatori urbani
Forze armate statunitensi
Censimento degli Stati Uniti
Camera dei rappresentanti degli Stati Uniti
Servizio sanitario pubblico statunitense
Inversioni a U
vacanza
email e
itinerario di
politica in materia
vaccinazione
Vail, Alfred
cameriere
velo di ignoranza
verifica, divario tra ricerca e Vickrey, William
Asta di Vickrey
Vita Coco
segreteria telefonica
trasmissione vocale, Internet
Voltaire
Von Neumann, John
Wagenmakers, E.-J.
Wagner, Richard
attesa, rapporto costi-benefici
"Walking" (Thoreau)
Walpole, Horace
guerra
Ware, Jim
Warhol, Andy
Ricchezza della Washington Star
web design
siti web. Vedi anche pubblicità su Internet e
"Akamaized"
Backoff esponenziale e
dannoso
piano dei posti a sedere per matrimoni
Wedgwood, Emma
strategie ponderate
Welch, Ivo
Whitney, Hassler
Whittaker, Steve
Whittle, Peter
Wikipedia
Pagina 373
Wikipedia
Wilkes, Maurice
Williams, Robin
Win-Stay, Lose-Shift
rete wireless
saggezza
Pensiero speranzoso
Wittgenstein, Ludwig
ore di lavoro
seconda guerra mondiale
analisi del caso peggiore
Wright, Steven
Zelen, Marvin
Algoritmo di Zelen
Zen and the Art of Motorcycle Maintenance (Pirsig) Zen of Python, The zero-sum
opzione zero-zero
Zijlstra, Peter
Ordine Z.
Pagina 374
Ringraziamenti
Grazie, in primo luogo, ai ricercatori, professionisti ed esperti che hanno trovato il tempo per
siediti con noi e discuti del loro lavoro e delle prospettive più ampie: a Dave
Ackley, Steve Albert, John Anderson, Jeff Atwood, Neil Bearden, Rik Belew,
Donald Berry, Avrim Blum, Laura Carstensen, Nick Chater, Stuart Cheshire,
Paras Chopra, Herbert Clark, Ruth Corbin, Robert X. Cringely, Peter Denning,
Raymond Dong, Elizabeth Dupuis, Joseph Dwyer, David Estlund, Christina
Fang, Thomas Ferguson, Jessica Flack, James Fogarty, Jean E. Fox Tree, Robert
Frank, Stuart Geman, Jim Gettys, John Gittins, Alison Gopnik, Deborah Gordon,
Michael Gottlieb, Steve Hanov, Andrew Harbison, Isaac Haxton, John
Hennessy, Geoff Hinton, David Hirshliefer, Jordan Ho, Tony Hoare, Kamal Jain,
Chris Jones, William Jones, Leslie Kaelbling, David Karger, Richard Karp, Scott
Kirkpatrick, Byron Knoll, Con Kolivas, Michael Lee, Jan Karel Lenstra, Paul
Lynch, Preston McAfee, Jay McClelland, Laura Albert McLay, Paul Milgrom,
Anthony Miranda, Michael Mitzenmacher, Rosemarie Nagel, Christof
Neumann, Noam Nisan, Yukio Noguchi, Peter Norvig, Christos Papadimitriou,
Meghan Peterson, Scott Plagenhoef, Anita Pomerantz, Balaji Prabhakar, Kirk
Pruhs, Amnon Rapoport, Ronald Rivest, Ruth Rosenholtz, Tim Roughgarden,
Stuart Russell, Roma Shah, Donald Shoup, Steven Skiena, Dan Smith, Paul
Smolensky, Mark Steyvers, Chris Stucchio, Milind Tambe, Robert Tarjan, Geoff
Thorpe, Jackson Tolins, Michael Trick, Hal Varian, James Ware, Longhair
Warrior, Steve Whittaker, Avi Wigderson, Jacob Wobbrock, Jason Wolfe e
Peter Zijlstra.
Grazie alla King County Public Library, alla Seattle Public Library, al
Northern Regional Library Facility e le biblioteche della UC Berkeley per il backstage
Pagina 375
Pagina 376
Pagina 377
Pagina 378
Riguardo agli Autori
Pagina 379
Contenuti
Dedizione
introduzione
Algoritmi di cui vivere
2 Esplora / Sfrutta
L'ultimo contro il più grande
3 Ordinamento
Fare ordine
5 Pianificazione
Cominciando dall'inizio
6 regola di Bayes
Predire il futuro
7 Overfitting
Quando pensare di meno
Pagina 382
8 Rilassamento
Lascialo scorrere
9 Casualità
Quando lasciarlo al caso
10 Rete
Come ci colleghiamo
11 Teoria dei giochi
Le menti degli altri
Conclusione
Gentilezza computazionale
Appunti
Bibliografia
Indice
Ringraziamenti
Diritto d'autore
Pagina 383
Un LGORITHMS PER L IVE B Y. Copyright © 2016 da Brian Christian e Tom Griffiths. Tutti i diritti riservati. Per
informazioni, indirizzo Henry Holt and Co., 175 Fifth Avenue, New York, NY 10010.
www.henryholt.com
Foto di copertina © Miguel Navarro / Getty Images La Library of Congress ha catalogato l'edizione cartacea
come segue: Nomi: Christian, Brian, 1984– autore | Griffiths, Tom, 1978– Titolo: Algorithms to live by: The
informatica delle decisioni umane / Brian Christian e Tom Griffiths.
Descrizione: New York: Henry Holt and Company, [2016] | Include riferimenti bibliografici e indice.
Identificatori: LCCN 2015032177 | ISBN 9781627790369 (copertina rigida) | ISBN 9781627790376 (libro elettronico)
Materie: LCSH: comportamento umano — Modelli matematici. | Risoluzione dei problemi — Matematica. | Computer
simulazione | Algoritmi informatici.
Classificazione: LCC BF39 .C4885 2016 | DDC 153.4 / 3 — dc23
Record LC disponibile all'indirizzo http://lccn.loc.gov/2015032177
e-ISBN 9781627790376
Prima edizione: aprile 2016
I nostri eBook possono essere acquistati in blocco per uso promozionale, educativo o aziendale. Si prega di contattare il
Macmillan Corporate and Premium Sales Department at (800) 221-7945, extension 5442, o via e-mail at
MacmillanSpecialMarkets@macmillan.com.
Pagina 384
* Usiamo il grassetto per indicare gli algoritmi che compaiono in tutto il libro.
Pagina 385
* Con questa strategia abbiamo un rischio del 33% di licenziare il miglior candidato e un rischio del 16% di non incontrarci mai
sua. Per elaborare, ci sono esattamente sei possibili ordinamenti dei tre candidati: 1-2-3, 1-3-2, 2-1-3, 2-3-1,
3-1-2 e 3-2-1. La strategia di guardare la prima ricorrente e poi saltare per chi la supera
riuscirà in tre dei sei casi (2-1-3, 2-3-1, 3-1-2) e fallirà negli altri tre, due volte essendo
eccessivamente esigente (1-2-3, 1-3-2) e una volta non essendo abbastanza esigente (3-2-1).
Pagina 386
* Solo un pelo sotto il 37%, in realtà. Per essere precisi, la proporzione matematicamente ottimale di candidati da guardare
at è 1 / e — la stessa costante matematica e , equivalente a 2,71828…, che compare nei calcoli di
interesse composto. Ma non devi preoccuparti di sapere da e a dodici cifre decimali: qualsiasi cosa
tra il 35% e il 40% fornisce una percentuale di successo estremamente vicina al massimo. Per più di
dettagli matematici, vedere le note alla fine del libro.
Pagina 387
* Maggiori informazioni sui pericoli computazionali della teoria dei giochi nel capitolo 11.
Pagina 388
Pagina 389
* Questo è tutt'altro che l'unico record di Bradáč: può scappare da tre paia di manette mentre è sott'acqua
più o meno la stessa quantità di tempo.
Pagina 390
* In realtà, il tempo medio di esecuzione di Bubble Sort non è affatto migliore, poiché i libri, in media, saranno n / 2
posizioni lontane da dove dovrebbero finire. Un informatico arrotonda comunque n / 2 passaggi di n
2
libri fino a O ( n ).
Pagina 391
* In rare occasioni, come nel pugilato, dove non è sicuro dal punto di vista medico per un pugile combattere di nuovo dopo essere stato
recentemente eliminato, vengono invece assegnati due bronzi.
Pagina 392
* È interessante notare che il torneo March Madness della NCAA è progettato consapevolmente per mitigare questo problema
difetto nel suo algoritmo. Il problema più grande in Single Elimination, come abbiamo detto, sembrerebbe essere un
scenario in cui la prima squadra che viene eliminata dalla squadra vincente è in realtà la seconda migliore squadra
nel complesso, tuttavia atterra nella metà inferiore (non ordinata). La NCAA aggira questo problema seminando le squadre, quindi
le migliori squadre non possono incontrarsi nei primi turni. Il processo di seeding sembra essere affidabile
Almeno nel caso più estremo, visto che una sedicesima testa di serie non ha mai sconfitto una prima testa di serie nella storia del
La follia di marzo.
Pagina 393
* Per ragioni sconosciute, My Own Private Idaho è il più amato nel Maine.
Pagina 394
* Puoi anche forzare il tuo computer a mostrare i tuoi documenti elettronici in una pila. Impostazione predefinita dei computer
l'interfaccia di esplorazione dei file ti fa fare clic tra le cartelle in ordine alfabetico, ma la potenza di LRU
suggerisce di sovrascriverlo e di visualizzare i file con "Ultima apertura" anziché "Nome". Che cosa
che stai cercando sarà quasi sempre in cima o vicino.
Pagina 395
* Ironia della sorte, il leader del team software Pathfinder Glenn Reeves darebbe la colpa del bug alla "scadenza
pressioni ", e sul fatto che la risoluzione di questo particolare problema durante lo sviluppo era stata ritenuta" inferiore
priorità." Quindi la causa principale, in un certo senso, rispecchiava il problema stesso.
Pagina 396
* Le cose non sono così brutte come questo numero potrebbe farle sembrare, tuttavia, poiché include la pianificazione
problemi che coinvolgono più macchine, che è più come gestire un gruppo di dipendenti che gestire
il tuo calendario.
Pagina 398
* Dato che molti computer tendono a far apparire sfacciatamente messaggi di errore e finestre di dialogo che rubano il cursore
ogni volta che vogliono qualcosa da noi, il loro comportamento è alquanto ipocrita. L'interfaccia utente
richiede l'attenzione dell'utente in un modo che la stessa CPU raramente tollererebbe.
Pagina 399
* C'è una certa ironia qui: quando arriva il momento, ammesso che non ci sia niente di speciale nel nostro arrivo
dopo tutto ci fa immaginare noi stessi al centro.
Pagina 400
* Questo è esattamente ciò che fa la legge di Laplace nella sua forma più semplice: presuppone che avere l'1% o il 10% del
( w +1)
i biglietti per essere vincitori hanno una probabilità pari al 50% o al 100%. Il ⁄ ( n +2) la formula potrebbe sembrare ingenua nella sua
suggerimento che dopo aver acquistato un singolo biglietto Powerball perdente hai 1/3 di possibilità di vincere il tuo prossimo
uno, ma quel risultato riflette fedelmente le probabilità di una lotteria in cui arrivi senza sapere nulla.
Pagina 401
* Per gli inclini matematici, è la somma dei valori assoluti dei coefficienti delle variabili.
Pagina 402
2
* Può sembrare strano, dato che O ( n ) sembrava così odioso nel contesto dell'ordinamento, chiamarlo "efficiente" qui.
n
Ma la verità è che anche il tempo esponenziale con un numero di base senza pretese piccolo, come O (2 ), velocemente
10
diventa infernale anche se paragonato a un polinomio con base larga, come il n . L'esponente sarà sempre
superare il polinomio con una certa dimensione del problema, in questo caso se ne ordina più di diverse dozzine
10 n
articoli, n inizia a sembrare una passeggiata nel parco rispetto a 2 . Fin dai tempi del lavoro di Cobham ed Edmonds,
questo divario tra "polinomi" ( n -a-qualcosa) ed "esponenziali" (qualcosa-a- n ) ha
fungeva da indicatore de facto del campo fuori campo.
Pagina 403
* È interessante notare che alcuni di questi esperimenti sembrano aver prodotto una stima di π molto migliore di quella che sarebbe
attesi per caso, il che suggerisce che potrebbero essere stati deliberatamente interrotti in una buona fermata
punto, o falsificato del tutto. Ad esempio, nel 1901 il matematico italiano Mario Lazzarini presumibilmente
355
ha effettuato 3.408 lanci e ottenuto una stima di π ≈ ⁄ 113 = 3,1415929 (il valore effettivo da π a sette decimali
posti è 3.1415927). Ma se il numero di volte che l'ago ha attraversato la linea fosse stato sbagliato solo di un singolo
la stima sarebbe stata molto meno carina - 3,1398 o 3,1433 - il che fa sembrare il rapporto di Lazzarini
sospettoso. Laplace potrebbe aver trovato appropriato che possiamo usare la regola di Bayes per confermare che questo risultato è
improbabile che sia nato da un esperimento valido.
Pagina 404
* Non è necessario controllare oltre la radice quadrata, perché se un numero ha un fattore maggiore del suo quadrato
radice quindi, per definizione, deve anche avere un fattore corrispondente inferiore alla radice quadrata, quindi lo faresti
l'ho già preso. Se stai cercando fattori di 100, ad esempio, ogni fattore maggiore di 10
verrà abbinato a un fattore inferiore a 10: 20 viene abbinato a 5, 25 a 4 e così via.
Pagina 405
* I numeri primi gemelli sono numeri dispari consecutivi che sono entrambi primi, come 5 e 7.
Pagina 406
* Nota che abbiamo preso deliberatamente la prima storia dal sito, ovvero non l'abbiamo letta per intero
loro di sceglierne uno da condividere, il che avrebbe vanificato lo scopo.
Pagina 407
* In effetti, è l'origine di tutti i computer moderni: è stato il problema irrefrenabile che ha ispirato Turing
definire formalmente il calcolo, tramite quella che ora chiamiamo la macchina di Turing.
Pagina 408
* Binmore aggiunge un'altra intuizione: giochi come il dilemma del prigioniero apparentemente cancellano il concetto di Immanuel Kant
argomento che la razionalità consiste in quello che lui chiamava "imperativo categorico", agendo nel modo desiderato
tutti gli altri avrebbero agito. L'imperativo categorico ci darebbe un risultato migliore in quello del prigioniero
dilemma rispetto alla strategia dell'equilibrio, ma non si può aggirare il fatto che questo risultato non è stabile
uno.