Brian Christian과 Tom Griffiths의 'Algorithms to Live By: The Computer Science of Human Decisions'

시놉시스

컴퓨터 과학이 우리에게 인생의 비밀을 가르쳐 줄 수 있을까요? 아마도 그렇지 않지만, 일상 과정이 어떻게 작동하는지, 그리고 그것들을 어떻게 활용하는지에 대한 이해를 돕습니다. 알고리즘은 레시피를 따르는 것부터 이메일을 정렬하는 순서에 이르기까지 어디에서나 존재합니다.

Brian Christian과 Tom Griffiths의 'Algorithms to Live By: The Computer Science of Human Decisions'에서 프로그래머이자 연구자인 브라이언 크리스티안과 UC 버클리의 심리학 및 인지과학 교수인 톰 그리피스는 알고리즘이 우리가 기억하는 방식부터 크고 작은 결정을 내리는 방식에 이르기까지 모든 것을 어떻게 형성하는지를 공유합니다.

주요 20가지 통찰

1. "37% 규칙"은 결정을 내리는 데 주어진 시간 내에서 최선의 결정을 내리기 위해 사람이 따라야 하는 일련의 단계, 즉 알고리즘을 가리킵니다. 사람은 결정을 내리기 전에 37%의 시간을 연구에 할애하고, 그 다음으로 발견한 "최선의 선택"에 곧바로 투자합니다.
2. "탐색/이용"의 교환은 검증된 것과 새롭고 위험한 것 사이의 균형을 맞추는 필요성을 가리킵니다. 이 알고리즘의 성과는 결정을 내리는 데 얼마나 많은 시간이 주어지는지에 완전히 달려 있습니다. 사람들은 마지막 밤에 새로운 것을 시도하는 것보다 좋아하는 식당을 방문할 가능성이 더 높습니다.
3. 1952년에 수학자 허버트 로빈스에 의해 개발된 "이기면-머무르고, 지면-바꾸기" 알고리즘은 슬롯 머신을 비유로 사용합니다. 무작위로 기계를 선택하고 지금까지 이길 때까지 플레이하다가 지면 다른 기계로 바꾸는 이 방법은 우연보다 더 신뢰할 수 있는 것으로 입증되었습니다.

요약

최적의 정지

보기 대비 도약

생활은 우리에게 가능한 최선의 결정을 가능한 가장 짧은 시간 내에 내려야 하는 상황으로 가득 차 있습니다. 운전자들은 완벽한 주차 공간을 찾습니다. 관리자들은 최고의 직원 후보를 찾아야 하고, 부동산 소유자들은 부동산 시장이 다시 변하기 전에 판매 제안을 받아들일지 여부를 결정해야 합니다. 이 딜레마는 "최적의 정지라고 불립니다."

"최적 정지" 문제는 가장 짧은 시간 내에 최선의 결정을 내려야 하는 딜레마를 가리킵니다. 모든 사실을 파악하는 필요성과 너무 늦기 전에 행동해야 하는 필요성 사이에서 어떻게 균형을 맞추어야 할까요? 일반적인 예로는 완벽한 주차 공간을 찾는 것, 모든 아파트가 다 빌어버리기 전에 아파트를 빌려야 하는 시점, 최고의 후보자를 고용해야 하는 시점 등이 있습니다. 후자는 1950년대 이후 수학자들에게 철저히 조사되고 논의되어 왔습니다.

이 문제는 "비서 문제"라고 알려져 있습니다.

• 만약 고용주가 100명의 비서 지원자를 면접한다면, 그 사람은 처음 37%의 면접을 통해 인재 풀과 최고의 품질에 익숙해져야 합니다.
• 그들이 "지금까지 최고"로 보이는 다음 지원자를 고용한다면, 그 회사는 그 사람이 최고의 후보자일 확률이 37%입니다.
• 지원자가 더 적을수록 확률은 더 커집니다.

수요가 높은 샌프란시스코에서 아파트를 찾고 있는 세입자는 첫 번째로 사용 가능한 유닛을 받아들이려 할 수 있습니다. 만약 그 세입자가 30일 내에 새로운 거주지를 찾아야 한다면, "최적 정지" 알고리즘은 세입자가 어떤 약속도 없이 옵션을 탐색하는 데 37%의 시간, 즉 11일을 할애하도록 제안합니다. 12일째 되는 날, 세입자는 "지금까지 최고"로 생각하는 첫 번째 장소에 약속해야 할 준비를 해야 합니다."

탐색 대 활용

스탠포드 대학의 심리학 교수인 로라 카르스텐센은 사람들이 나이가 들면서 전략적으로 자신의 사회적인 원을 줄인다는 가설을 세웠습니다. 한 연구에서 사람들에게 가장 가까운 가족 구성원과 최근에 읽은 책의 저자, 또는 자신의 관심사를 공유하는 것 같은 사람 중 누구와 30분을 보낼지 물었습니다. 나이가 많은 응답자들은 가족 구성원을 선택했고, 젊은 사람들은 새로운 친구를 만드는 것을 선택했습니다.

그러나 시간이 추가되거나 빼앗길 때, 흥미로운 일이 발생했습니다. 만약 노인들이 20년 더 살 수 있다면, 그들의 선택은 젊은 응답자들의 선택과 일치했습니다. 만약 젊은 응답자들이 곧 전국을 이동하게 될 것이라고 상상한다면, 그들은 가족 구성원을 선택했습니다.

인생은 불확실성으로 가득 차 있어, 때때로 결정 과정이 더욱 힘들게 만듭니다. 생사의 압박을 조금이라도 줄이기 위해, 우리는 대신 조금 덜 치명적인 것, 즉 카지노 슬롯 머신으로 방향을 돌려봅시다.

"한 팔의 강도"라고 불리는 슬롯 머신은 수세기 동안 도박꾼들을 혼란스럽게 하고 통계학자들을 매료시킨 다양한 배당률을 가지고 있습니다. 1952년, 수학자 허버트 로빈스는 다음 큰 이길 기회를 기다릴 것인지, 아니면 이길 때 그만둘 것인지에 대한 고대의 딜레마에 대한 해결책을 제안했습니다. 그는 이를 이기면-머무르고, 지면-바꾸는 알고리즘으로 명명했습니다.

로빈스는 사람이 무작위로 "팔"을 선택하고 (탐색), 그것이 이익을 가져다주는 한 계속 당기는 것을 제안했습니다 (이용). 기계가 지불을 멈추면, 그 사람은 다른 기계로 이동해야 하며, 이런 식으로 계속됩니다.

최소한의 후회

때때로 당신은 위험과 잠재적인 후회를 비교하여 특정 문제에 대한 해결책을 찾아야 합니다. 아마존 CEO인 제프 베조스는 아마존을 시작하기 전에 월스트리트에서 안정적이고 잘 받는 일자리를 가지고 있었습니다. 첫 온라인 서점의 위험성은, 그가 시도하지 않을 경우 후회할 수 있다는 가능성에 의해 상쇄되었다는 것을 그는 발견했습니다. 이것을 "후회 최소화 프레임워크"라고 합니다.

"나는 80살이 될 때, 이것을 시도해 본 것을 후회하지 않을 것이라는 것을 알았습니다,"라고 베조스는 말했습니다. "나는 이 인터넷이라는 것에 참여하려고 시도하는 것을 후회하지 않을 것이라는 것을 알았습니다. 나는 이것이 정말 큰 일이 될 것이라고 생각했습니다. 나는 실패하더라도 그것을 후회하지 않을 것이라는 것을 알았습니다. 하지만 나는 시도하지 않은 것을 후회할 수도 있다는 것을 알았습니다."

"상위 신뢰 경계" 알고리즘은 "이기면 머무르고, 지면 바꾸기" 방법보다 더 많은 발견의 여지를 제공합니다. 이 알고리즘은 사용 가능한 정보에 기반하여 "될 수 있는" 것에 대한 가치를 할당합니다. 새로운 식당은 당신이 거기에 가본 적이 없기 때문에 좋은 경험을 제공할 가능성이 50/50입니다.

알고리즘은 후회 없는 삶을 보장할 수는 없지만, 우리가 위험을 감수할 의향이 얼마나 남은 시간에 의해 줄어드는지를 보여줍니다.우리가 어릴 때는 열정적으로 세상을 탐험하며 새로운 것들을 발견합니다. 우리가 성장함에 따라 우리가 배운 것을 기반으로 한 "검증된" 결정에 의존하게 되는 경향이 있습니다. 즉, 그것들을 활용합니다.

목적을 가지고 계획하다

종종, 마감일이 있는 작업은 가장 가까운 마감일부터 가장 먼 마감일까지 처리할 수 있습니다. 동시에 여러 작업이 있을 경우, 각 작업이 얼마나 걸릴지에 따라 정렬하는 것이 가장 좋습니다.

이러한 유형의 일정을 접근하는 방법, 특히 여러 고객이 있는 경우, 가장 짧은 처리 시간 알고리즘을 사용하여 모든 사람이 기다려야 하는 시간을 줄일 수 있습니다. 간단히 말해서, 항상 가장 빠른 작업부터 처리하고 그 다음으로 처리하십시오. 예를 들어, 월요일 아침에 4일이 걸리는 큰 프로젝트와 1일이 걸리는 작은 프로젝트가 있다고 상상해 보십시오. 큰 프로젝트를 먼저 목요일(4일)에 제공하고 작은 프로젝트를 금요일(5일)에 제공하면, 고객들은 총 9일 동안 기다려야 합니다. 작은 프로젝트를 먼저 월요일(1일)에 제공하고 큰 프로젝트를 금요일(5일)에 제공하면, 고객들은 총 6일 동안 기다려야 합니다. 이것을 "완료 시간의 합계"라고 합니다.

다른 접근 방법은 각 작업에 가중치를 부여하는 것입니다, 예를 들어 얼마나 많은 돈을 가져올 것인지. 각 작업의 가중치를 완료하는 데 걸리는 시간으로 나누고, 가장 높은 순서에서 가장 낮은 순서로 작업을 진행합니다.프리랜서나 독립 계약자에게 이것은 각 작업의 시간당 비율을 결정할 수 있게 해줍니다. 각 프로젝트 비용을 그 크기로 나누고, 가장 높은 시간당 비율에서 가장 낮은 것으로 작업하십시오.

미래 예측

천체물리학자 J. Richard Gott III는 1969년에 코페르니쿠스 원칙을 개발했는데, 이는 어떤 것이 얼마나 오래 지속될지 예측하는 방법입니다. 그가 베를린 장벽을 방문했을 때, 그는 그 장벽이 얼마나 오래 지속될지 궁금했습니다. 장벽의 수명이 얼마나 될지 모르기 때문에, Gott는 평균적으로 그의 도착이 중간쯤이 될 것이라고 가정할 수 있었습니다. 따라서 그는 그 장벽이 또 다른 8년 동안 서 있을 것이라고 추측했습니다. 이 경우, 베를린 장벽은 20년 동안 서 있었지, 8년이 아니었습니다.

코페르니쿠스 원칙은 완벽하지 않습니다 - 90세의 남성이 180세까지 살 가능성은 적지만, 이 원칙이 잘 작동하는 경우도 있습니다. Gott가 이 알고리즘에 이름을 붙이기 훨씬 전에, 통계학자들은 제2차 세계대전 동안 독일이 매월 얼마나 많은 탱크를 생산했는지 추정하려고 했습니다. 해결책은 탱크에 보이는 일련번호를 두 배로 하고, 적어도 두 배 이상이 존재할 것으로 추정하는 것이었습니다. 이 경우, 그들은 매월 246대의 탱크가 제조되었다고 추정했는데, 이는 항공 정찰에서 제안한 1,400대에 비해 훨씬 적습니다. 전쟁이 끝난 후, 독일 기록은 실제 숫자가 245대라는 것을 확인했습니다.

그것에 대해 잊어버리세요

당신의 뇌는 잊어버리도록 설계되었습니다

인간의 기억력은 때때로 변덕스러운 것처럼 보이지만, 그 광기에는 방법이 있습니다. 1879년 베를린 대학의 심리학자인 헤르만 에빙하우스는 기억력을 더 잘 이해하기 위해 자신을 연구했습니다.

에빙하우스는 매일 의미 없는 음절 목록을 외우고 자신에게 퀴즈를 내었습니다. 그는 그의 기억력이 사라지는 데 얼마나 오래 걸리는지 보여주는 그래프를 만들었습니다. 기억의 가능성은 예측 가능하게 시간이 지남에 따라 감소했으며, 무언가를 읽은 직후에는 거의 60%에서 800시간 후에는 20%로 떨어졌습니다.

심리학자이자 컴퓨터 과학자인 존 앤더슨은 1987년에 에빙하우스의 작업을 재검토하여 인간의 뇌 주변에 컴퓨터 시스템을 설계할 수 있는지 확인하려고 했습니다. 그는 우리의 뇌가 주변 세계와 더 이상 관련이 없을 때 정보를 잊어버린다는 것을 발견했습니다. 앤더슨은 뉴욕 타임즈의 헤드라인을 분석하고 단어가 처음 사용된 직후에 가장 재출현할 가능성이 있다는 것을 발견했습니다. 그것을 다시 보는 가능성은 시간이 지남에 따라 더욱 감소했습니다. 나란히 놓으면, 차트의 모습은 에빙하우스의 데이터와 거의 동일했습니다.

균형을 찾으세요... 또는 아니요

모든 것에는 자연스러운 균형이 있으며, 특히 두 명의 플레이어가 포함되거나 적어도 두 명의 경쟁자가 포함된 게임이나 시나리오에서 그렇습니다. 수학자들은 이 현상을 "균형"이라고 부릅니다. 왜냐하면 그것은 안정적이기 때문입니다.평형은 특히 포커에서 두드러지며, 플레이어들은 중요한 변화가 발생하지 않는 한 자신의 전략을 고수합니다.

예시: 가위바위보에서는 플레이어가 선택할 수 있는 옵션이 세 가지뿐입니다. 플레이어들은 자연스럽게 무작위 선택이나 1/3 전략을 선택합니다. 만약 한 플레이어가 바위를 더 자주 사용하기 시작하면, 다른 플레이어는 적응하여 보를 사용합니다. 그 다음 플레이어는 전략을 바꿔 가위를 사용함으로써 다시 균형을 맞추고, 이 과정이 다시 시작됩니다.

수학자 존 나시는 1951년에 모든 두 플레이어 게임에는 적어도 하나의 이러한 평형이 있다는 것을 증명했습니다. 이 발견으로 그는 1994년에 노벨 경제학상을 받았습니다. 이 원칙은 종종 "나시 평형"이라고 불리며, 어떤 규칙이나 인센티브의 안정적인 장기 결과를 예측하는 데 사용됩니다.

이 알고리즘은 경제 정책과 사회 정책을 계획하고 형성하는 데 사용되지만, 때때로 "안정적인" 것이 반드시 "좋은" 것을 의미하지는 않습니다.

만약 한 마을에 같은 고객을 끌어들이는 두 상점 주인이 있다면, 첫 번째 주인은 일주일에 여섯 일을 일하는 동안 다른 주인은 일주일에 일곱 일을 일하면 사업을 잃게 될 것입니다. 나시 평형은 두 사업체가 하루를 쉬면, 둘 다 휴식을 취하게 될 것이지만, 둘 다 사업을 잃게 될 것이라고 제안합니다. 그래서, 두 주인 모두 일주일에 일곱 일을 일합니다.

게임을 바꾸다

만약 당신의 친구가 다리에서 뛰어내렸다면, 당신도 그렇게 할 것인가요? 서로를 복사하는 인간의 본능은 생존 특성일 수 있습니다. 예를 들어, 주변 사람들이 어떤 행동을 하는 것을 보고 위험이 숨어있을 수도 있으니 돌아보는 것처럼요. 유행과 패션은 오고가는 법입니다. 안전하게 행동하는 것이 좋을까요, 아니면 좋든 나쁘든 자신만의 길을 만드는 것이 좋을까요?

"당신이 다수의 편에 서게 되면, 잠시 멈추고 생각해 보는 시간이 필요하다"라고 마크 트웨인이 말했습니다.

사람들은 대체로 다른 사람의 행동에서 추론한 가정에 기반하여 결정을 내립니다. 만약 모두가 Beanie Babies를 사고 있다면, 그것들은 귀중한 것이겠죠, 맞나요?

이 과정이 통제 불능으로 산사태처럼 퍼져나갈 때, 이를 "정보 캐스케이드"라고 합니다. 2007-2009년의 부동산 위기는 수요로 인해 주택 가격이 상승한 후에 붕괴한 사례였습니다. 사람들은 많은 사람들이 무언가를 하고 있다면 그것이 급박하다고 가정합니다. (예를 들어, 2020년의 화장지 사태.) 결과는 대단히 파괴적일 수 있습니다.

공개 정보가 개인 정보를 초과하는 경우에는 주의해야 합니다. 미디어에서의 사건 표현은 실제 세상에서의 빈도와 일치하지 않습니다. 사회학자 배리 글래스너는 미국에서 1990년대 동안 살인 사건이 20% 감소했지만, 미국 뉴스에서 총기 폭력 언급은 600% 증가했다고 지적했습니다.

때때로, 정보 캐스케이드에 직면했을 때, 당신은 게임을 바꿔야 합니다.만약 당신이 기독교 상인이거나 업무와 생활의 균형에 대해 강한 신념을 가지고 있다면, 일요일에 문을 닫는 것은 문제가 되지 않습니다. 주변에서 사람들이 급한 추세에 빠지기 시작하거나, 과도하게 물건을 사들이기 시작하거나, 센세이셔널한 신문 헤드라인에 불안해하는 것을 보면, 더 많은 데이터를 삽입함으로써 스트레스를 완화할 수 있습니다.