《算法之美》-- 读书笔记（4）-- 2019

一、书本基本信息

书名：《算法之美（将计算机科学的智慧转化为明智的生活决策）》

作者：布莱恩·克里斯汀; 汤姆· 格里菲思

出版社：中信出版社

二、读后感

1.本书将基本的计算机科学中使用的算法，应用到了生活中。针对不同的生活问题，介绍了各种各样的计算机算法。但很遗憾，全书没有公式推导和清晰的边界条件。对于想深入并清晰了解问题和算法的读者，可能需要进一步查找相关书籍。对于不是计算机专业的读者，看着书中提到的算法名字，可能不知道其中的基本含义。个人感觉，这本书适合计算机、数学等相关专业的同学进行阅读。本书确实从另一个角度看待计算机算法，值得阅读。

2.从这本书中，可以看出无论是计算机还是人在做决定的时候，都是在权衡，计算机权衡时间、空间和错误概率（随机性那一章），人类在做决定的时候，也要权衡收集信息的成本和做出决定后获得的收益（最优停止理论、探索与利用那两章。）

3.当然，知晓这些算法，按照这些算法去做出决定，也不一定能够得到好的结果。因为生活太复杂，各种算法都有自己的边界条件。而生活可能还会随着时间变化。因此，正如书中结尾所说，“即使你没有得到你想要的结果，但知道你正在使用最优算也是一种解脱。37%规则在63%的可能里会失败。用最近最少使用算法的标准来维护你的缓存并不保证你总能找到你想要的东西。事实上，也不会有特别的洞察力。用置信上限的方法来探索或利用权衡并不意味着你不会遗憾后悔，只是那些遗憾会随着你的生活慢慢积累起来。即使是最好的策略有时也会产生不好的结果，这就是计算机科学家要小心区分“过程”和“结果”的原因。“如果你遵循了最好的流程，那么你就已经尽了最大的努力，如果结果不顺心，你也不应该责备自己。”

4.对于我们而言，我们在决定的时候，算法能够辅助我们，但是更重要的时忠于自我。正如书中序言所说，“计算机科学告诉我们：不要总是考虑所有的可选方案；不必每次都追求最佳结果；偶尔犯点儿错误；放下包袱，轻装前进；有的事情可以暂时放一放；相信自己的本能，不要过多思考；放松自己；采用抛硬币的方式；要体谅，但是不能忘记；忠于自我。”

三、摘抄笔记（少于全书内容5%）

00序言

1、他们必须迅速做出决定：要么舍弃其他所有可能的选择，就选定当前正在看的这套房子，要么掉头就走，再也不要回头。

2、目标是把“看过的房子被人挑走”与“还有好房子没来得及看”这两种遗憾的发生概率降至最低。

3、探索-利用平衡理论教会我们如何在尝试新事物与因循守旧之间找到平衡点；排序理论可以帮我们判断出是否需要以及如何整理办公室；缓存理论可以帮助我们合理地填充橱柜；日程安排理论则可以提供合理安排时间的高招。

4、即使生活中的某些情况非常复杂，我们无法进行严格的数值分析，找不到任何现成的答案，我们也可以考虑这些问题的简单化表现形式，从而得出某些直觉和概念，帮助我们理解其中的关键环节并取得进展。

5、从更广泛的意义上看，借助计算机科学，我们可以了解人类思想的本质和理性的意义，学会回答如何度过一生这个最古老的问题。

6、在不确定性及时间有限、信息不全、情况瞬息万变等不利因素的干扰下做出决定。针对一些问题，即使最前沿的计算机科学也没能开发出永远不会犯错误的有效算法，有的情形似乎是任何算法都无法解决的。

7、计算机科学告诉我们：不要总是考虑所有的可选方案；不必每次都追求最佳结果；偶尔犯点儿错误；放下包袱，轻装前进；有的事情可以暂时放一放；相信自己的本能，不要过多思考；放松自己；采用抛硬币的方式；要体谅，但是不能忘记；忠于自我。

 

01最优停止理论 如何选择停止观望的时机？

1、在考察前37%的申请人时，不要接受任何人的申请；然后，只要任何一名申请人比前面所有人选都优秀，就要毫不犹豫地选择他。

2、全信息的意义在于我们无须观望就可以直接出手。此时，我们可以运用阈值准则。

3、一旦发现某位申请者的分数高于某个值，就立刻接受她，而不需要先考察一批候选人并确定阈值。但是，我们需要密切关注可供选择的人还有多少。

4、剩余的申请者越多，在评判时就应该越挑剔。无论如何，你都不应该选择低于平均水平的申请者，除非你已经别无选择。

5、不要妥协，不要试图亡羊补牢。坚持住，不要回头！

6、实施盗窃的次数应该大致等于顺利脱身的可能性除以被抓的可能性的值。

7、直觉告诉我们，合理的决策需要穷举所有选择，逐一权衡，然后从中找出效果最好的那个选择。但是实际上，在钟表嘀嘀嗒嗒的声音中，决策活动（或者更具一般性的思维活动）的其他方面都淡化了，进一步凸显出停止时机选择的重要性。

 

02探索与利用 要最新的还是要最好的？

1、直觉告诉我们，生活就是在新鲜事物和传统事物之间、在最新的和最棒的之间、在勇于冒险和安于现状之间取得平衡。

2、探索的意思是收集信息，而利用则指利用所拥有的信息，以产生一个好的结果。

3、管理理论学家切斯特·巴纳德的话来说就是：“尝试后即使遭遇失败，也至少是一个学习的过程；如果不去尝试，就会与机会失之交臂，造成无可估量的损失。”

4、贝佐斯说：我找到一个可以帮助我轻松做出重大决定的框架，并把它称作“遗憾最少化框架”（一个书呆子气十足的名称）。我把自己想象成80岁的模样，然后开始思考：“现在回望我的一生，我要把遗憾之事的数量降到最低。”我知道在我80岁时，我不会因这次尝试而后悔，我不会后悔参与到互联网这项我认为非常重要的事业中来。我知道，哪怕我失败了，我也不会遗憾，而我可能会因为没有尝试而感到遗憾，而且这种遗憾之情将永远萦绕在我的心头。想到这里，这个决定就变得非常容易了。

5、上限置信区间算法的成功，是对怀疑者的一个正式回应。根据这些算法给出的建议，我们应该满怀激情地结识新人，尝试新鲜事物，因为在没有相反证据的时候，我们都应该假定可以取得最好的结果。从长远看，乐观主义是防范遗憾的最有效措施。

6、一般而言，我们对理性的直觉认识常常来源于利用，而不是探索。当我们谈论决策过程时，我们通常只关注某个决定的即时回报——如果你把每一个决定都当作人生的最后一个决定，那么只有利用才是有意义的。但在一生中，你会做出很多决定。实际上，在做很多决定时，理性的做法是强调探索的重要性，重视新的东西而不是最好的东西，重视令人为之兴奋的东西，而不是一味追求安全，重视随机选择，而不是深思熟虑的决定。在人生早期，更应该如此。

7、探索与开发的权衡也告诉我们应该如何看待来自长辈的建议。如果祖父告诉你哪家餐厅好，你应该相信，因为这些都是几十年搜索活动的结果。但是，如果他每天下午5点都会去同一家餐厅，你就该毫不犹豫地探索其他选择，即使那些餐厅有可能更差。

 

03排序 建立秩序

04缓存 忘了它吧

1、他认为，大脑的记忆能力基本上是无限的，但我们在大脑中搜索的时间是有限的。安德森把大脑比喻成图书馆，不过这个图书馆只有一个无限长的书架，也就是说，是一个美国国会图书馆级别的野口文件归档系统。你可以在那个书架上放无数本书，但是，书的位置越靠近前面，就越容易被找到。

2、因此，如果随着年龄增长，你开始经历这种延迟现象，你也不必沮丧。延迟的长度可以表明你的阅历是否丰富，信息检索耗费的精力则可以检验你的知识是否渊博，从延迟发生的频率则可以看出你的组织管理是否合理，有没有将最重要的东西储存在最近的位置。

05 时间调度理论 要事先行

1、在你有一个计划之前，必须首先选择一个衡量指标。而事实上，我们最终挑选的这个指标将直接影响哪种安排方法的实施效果最好。

2、给系统无数琐碎的事情做，重要的东西就会迷失在混乱中。

3、这个看似理性的选择反映了一种趋势——超前主义，这是我们新提出的一个术语，是指完成任务时为了加速子目标的完成，甚至牺牲额外的体力。”推迟主要项目的工作，去完成各种琐碎的小任务也与此类似，这可以被视为“加速子目标的完成”。

4、这是在换一种方式说，拖延症者也在努力行动，以尽快地减少他们头脑中悬而未决的任务数量。这并不是说他们在完成任务时使用了糟糕的策略，而是他们用一个伟大的策略选择了错误的指标。

5、重点不只是要把事情做好，更重要的是把权值更高的事情做好——在每一个时刻都做好最重要的工作，这听起来像是治愈拖延症的一个行之有效的方法。但事实证明，仅仅这样还不够。

6、喜剧演员米奇·赫德伯格讲述了一件事：“当时我在赌场，我正在做自己的事情，有个人走过来说：‘你要挪一下位置，你挡住消防出口了。’我说，如果这里有火灾，我还不会跑吗！”这件事中，保镖的论点是优先反转，赫德伯格的反驳是优先继承。

7、即使拥有完全的预知，寻找完美的调度计划实际上也许也是不可能的。相比之下，驻足思考，工作来时反应灵敏，也许不能给你想象中完美的调度执行，但这是你可以做的最好的一件事，也最容易计算。这会带来一些安慰。作为商业作家和编码员的杰森·弗瑞德曾说：“直到做出一个万能计划，你才会继续吗？用‘猜测’代替‘计划’，并放轻松。”当未来充满迷雾的时候，原来你不需要日程表，只需要一个待办事项清单。

8、任务切换的影响可以包括延迟和错误，影响时间会是几分钟而不是几微秒。任何一个人，如果你在一小时内被中断几次，那么你就有这一个小时什么都做不成的危险。

9、你应该尽可能长时间地停留在一个任务上，而不是将你的反应降低到最低可接受的限度以下。决定你的反应速度，然后，如果你想把事情做好，就不要超过此反应速度。

 

06 贝叶斯法则 预测未来

1、媒体不断告诉我们，我们生活在一个“大数据时代”，计算机可以筛选这数十亿的数据点并发现一些肉眼看不到的细节。但跟日常生活联系最密切的问题往往是另一种极端。我们的生活充满“小数据”，我们就像看到柏林墙的戈特一样，也就是通过一个单一的观察，做一个推论。

2、当你对先验概率有一定的预估时，贝叶斯法则也适用于各种各样的预测问题，无论它们是大数据类型还是更常见的小数据排序。计算彩票获奖概率或扔硬币的概率仅仅是开始。由贝叶斯和拉普拉斯研究出的方法可以在任何时候帮助我们，尤其是当我们遇到不确定性或数据不足的问题和工作时。这正是我们试图预测未来时所面对的情况。

3、他设想，他到达柏林墙的那一刻并不特别，因为这只是柏林墙整个历史中的一瞬。如果有任何一个时刻都有同样的可能性，那么平均来说，他的到来应该是在一个精确的中间点（因为他有50%概率是在此之前到来，或50%的概率是在此之后）。更普遍的是，除非我们确定我们在某个特定时间现象中出现的特定中间点。如果我们假设我们到达的中间点有精确的时间，那么对于它在未来还可以持续多久的最佳猜测就变得很明显：确切地说就是它已经存在的时间。戈特看到柏林墙时已经建成8年了，所以他最好的猜测是，它将再存在8年。（最终，这个数字是20年。）。哥白尼原则便出现了：如果我们要预测某个事物还将持续存在多久（在对它没有其他任何了解时），我们可以做出的最好的猜测就是，它将再持续已经存在的时间。

4、哥白尼原则在我们什么都不知道的情况下似乎是合理的、准确的，如在1969年看到的柏林墙，我们不确定什么时间范畴是合适的。同时，在我们对某一对象的确有所了解时，就会感觉这是完全错误的。

5、我们给贝叶斯法则带来的先验信息越丰富，我们便能从中得到越有用的预测。

6、例如，如果一个赌场纸牌爱好者告诉他不耐烦的配偶，他会在赢得一次21点后就停手（赢的概率约为20：1），他会很高兴地预测：“我再买20次就会赢了！”20次后她又回来，问他要让她再等多久，那么，他的答案将是不变的：“我再买大约20次就会赢！”这听起来像是我们这位不懈的赌鬼已经进入短期记忆丧失模式了，但事实上，他的预测是完全正确的。事实上，无论他们过去或目前的状态是怎样的，分布结果会产生相同的预测，这一结果被统计学家称为“无记忆性”。

7、这三个非常不同的最佳预测模式——相乘法则、平均法则和相加法则都是通过将贝叶斯法则应用到幂律、正态和厄兰分布上得出结果的。因为这些预测的出现，这三种分布也给我们提供了不同的指导，让我们知道对某些事件应该有多惊讶。

8、在幂律分布中，某个事物已经存在的时间越长，我们可以预测它继续存在的时间也就越长。因此，幂律事件让我们等待的时间越长，就会让我们更加惊奇，尤其在它发生前的一刻。一个国家、一个公司或一个机构，年复一年地变得更加强大，所以当它崩溃时总是令人震惊。在正态分布中，如果事件提前发生就会令人惊讶，因为我们期望它们达到平均水平，但当它们推迟发生时不会如此。的确，到了这一点，它们似乎推迟发生了，所以我们等待的时间越长，我们就会越期待。在厄兰分布中，通过定义的事件无论何时发生都不会给我们带来更多或更少的意外。任何事情的状态都有可能结束，不管它已经持续了多久。毫无疑问，政治家总是会对他们下一次的选举进行准备。

9、赌博的特点类似于稳态预期。例如，如果你所等待的轮盘赌注的胜利是呈正态分布的，那么平均法则将适用于此：在一个坏运气后，它会告诉你，你的号码应该会随时中奖，在输了更多次之后会更快出现。（在这种情况下，它的影响会持续到下一次胜利，然后停止。）相反，如果你等待的胜利呈现幂律分布，那么相乘法则会告诉你胜出盘会一次接着一次出现。（在这种情况下，如果你这局胜出了就应该继续下注，如果长时间没有胜出就该停手。）然而，当面对无记忆分布时，你就进退两难了。相加法则告诉你，现在赢的机会和一小时前一样，一小时后也如此。一切都没有什么变化。你没有因为长时间的等待而得到大奖，也没有一个转折点会告诉你何时应该停止你的损失。

10、在电影《赌棍》中，肯尼·罗杰斯提出了一个著名的建议，他说，你必须“知道什么时候走开，或知道什么时候继续”，但对于无记忆分布而言，没有一个绝对正确的退出时间。这可能就是为什么这些游戏会让人上瘾的部分原因。

11、在这种情况下，这些孩子在努力抗争，抵制诱惑，但最终还是败下阵来，失去了额外的棉花糖，这被解释为体现出一种非理性。如果你要屈服，为什么不立即屈服并免受折磨？但这完全取决于孩子认为自己处于什么样的状况。

12、抵制诱惑的能力至少部分取决于预期而不是意志力。

13、即使我们所积累的偏见不是客观正确的，这些偏见通常还是会合理地反映我们所生活的世界的特定部分。例如，生活在沙漠气候中的人可能高估了世界上的沙量，而生活在极地的人可能高估了雪的总量。但他们都能很好地适应自己的生态环境。

14、根据其定义，事件总是或多或少地在其适当的频率发生，但语言并不完全是这样。任何经历过蛇咬伤或雷击的人，都会在他们余下的生命中复述那些奇异的故事。这些故事是如此不寻常，因此会被人不断谈起。之后，在与他人沟通和保持准确的先验世界之间有一种奇怪的压力。当人们谈论感兴趣的事或说一些他们认为听众也会感兴趣的故事时，就偏离了我们的经验统计。这使得经验统计很难保持适当的先验分布。而随着印刷术、新闻和社交媒体的发展，这种挑战会不断增加，并使我们人类这个物种能够机械地传播语言。

15、简单地说，媒体对事件的报道并不与其在世界上发生的频率相符。社会学家巴里·格拉斯纳指出，在20世纪90年代美国的谋杀率下降了20%，然而在那段时间里，美国新闻中所报道的枪支暴力事件却增加了600%。

16、如果你想成为一个具有准确直觉的贝叶斯主义者——如果你想自然地做出准确的预测，而不必考虑什么样的预测规则是适当的，你就需要保护你的先验。相反，这可能意味着要关闭消息来源渠道。

07 过度拟合 不要想太多

1、处理这个问题可以揭示出，刻意地较少思考也是一种智慧。意识到过度拟合的问题可以改变我们投资、就餐、健身，甚至祭祀的方法。

2、其中的启示是这样的：的确，若模型中包含更多的因素，从定义上来说，会更拟合我们已经现有的数据。但更好地拟合现有数据并不一定意味着会得出更好的预测结果。

3、当我们处理经常遇到的数据噪声或估算不准时，过度拟合就会随时构成危险。

4、过度拟合就是对数据的一种偶像崇拜，产生的原因是将重心放在我们能够测量的数据而不是真正重要的问题上。

5、考虑越来越多的因素和在模型分析上花费的更多努力，会导致我们进入将错误的事物最优化的误区。

6、在一家工厂，过度专注于生产指标会导致主管忽视维护和修理，这会带来灾难隐患。这样的问题不能简单地被认为是实现管理目标的失败。相反，是另一方面：对本就错误的事物进行无情和聪明的优化。

6、如果你不能简单地解释一个问题，那你就没有完全理解它。

7、在1996年，由生物统计学家罗伯特·蒂什拉尼发现的一种算法，被称为套索算法，这被用作对模型中各因素总和的惩罚。通过将这种下行压力放到因素的总权重上，套索算法将驱使它们降为零。只有对结果有很大影响的因素才能保留在方程中，因此有可能将一个过度拟合的九因素模型转化为一个简单的、更强大的、只有最关键因素的公式。

8、给自己更多时间去决定某件事并不一定意味着你就会做出更好的决定。但它的确会保证你最终会考虑更多的因素、更多的假设、更多的利弊，从而对风险过度拟合。

9、在各种机器学习任务中，正则化的有效性表明，我们可以通过有意识地思考和少做一些事情来做出更好的决定。

 

08 松弛 顺其自然

1、如果你不能解决你面前的问题，就去解决一个简单点儿的问题，然后看看这个解决方案是否能让你在一个成熟的问题中找到一个起点，或者一盏指路明灯。也许它可以。

09 随机性 何时应用随机？

1、在计算机科学中，随机性的作用是惊人的且日益重要，这一点告诉我们，利用机遇可以成为解决最困难问题的一个有效的方法。事实上，有时没有任何其他方法是有用的。

2、这里有一个深刻的信息是，在某些问题上，随机的方法甚至比最好的确定性的方法都要优秀。有时候，解决问题的最好办法是依靠运气，而不是试图完全地分析出答案。

3、正如哈佛大学的迈克尔·米特增马赫所说：“我们要做的是想出一个答案来节省你的时间和空间，并权衡第三个维度：错误概率。”

4、从这里开始，我们有了一个新的行程计划，我们可以开始改变这个计划，再次寻找最好的地方改进。这是一种被称为“爬山”的算法，因为通过搜索解决方案，

5、随机地抖动，从框架中跳出来，专注于一个更大的范围，这提供了一种可以离开可能的局部较好的方法，然后回到追求可能的全局最优的方法。

 

10 网络 我们如何联系？

1、人际关系的基础是协议，它是对程序和期望的一种共同的约定，从握手和问候到礼仪、礼貌，以及所有的社会规范。机器连接也不例外。

2、“拜占庭将军的问题”。想象一下有两个将军，站在一个山谷的两边，他们有共同的敌人，试图共同协调进攻。只有通过完美的同步，他们才能成功，因为单独攻击就意味着自取灭亡。更糟糕的是，两名将军之间如果要传送任何消息都必须通过敌人所在的阵地，这意味着任何信息都传送不出去。

3、讽刺性的“彼得原理”是由教育学教授劳伦斯·J.彼得在20世纪60年代提出。彼得说：“每个员工都倾向于提升自己的能力。”该想法是，在一个分等级的组织中，每个能熟练完成工作的人就有机会晋升到新的岗位，这个岗位可能要完成更复杂或更不同的挑战。”当员工最终进入一个他们表现不佳的角色时，他们的队伍就会停滞不前，他们会在职业生涯剩余的时间里继续担任这个角色。因此，这是有道理的，按照彼得原理的预测性推理，最终一个组织中的每一个职位都会被一个做得不好的人填补。

4、我们都有过与别人交谈的经历，别人的眼睛有时会飘向他们的手机，也许这会让我们开始怀疑，我们平淡无奇的故事是否该受责备。事实上，现在很清楚，这里因果关系往往是相反的：一个糟糕的听众往往会毁掉一个故事。

5、我们用的“丢球”这个词，几乎完全是贬义的，意味着这个人懒惰、自满或者健忘。但是，战术性的丢球是在超负荷的情况下完成任务的关键部分。

 

11 博弈论 别人的想法

1、博弈论和计算机科学之间的交叉作用已经产生了算法博弈论，这一理论从20世纪初开始就已经产生了影响。

2、股票的价值并不是人们所认为的价值，而是人们所认为的人们认为它的价值。

3、如果你水平比对手高太多，你就会认为他们掌握了实际上没有掌握的信息，（而且）他们无法从你的行动中收集到你想要的信息。”

4、广义而言，数学研究的对象是真理；计算机科学研究的对象是复杂性。正如我们所看到的，如果一个问题是难以解决的，那么要找到问题的解决办法就是不够的。

5、这已成为传统博弈论的主要见解之一：一组游戏玩家的均衡，所有人都玩得很理性，这对那些玩家来说可能不是最好的结果。

6、与计算机科学原理相一致的算法博弈论，已经接受了这一观点，并对其进行量化，创造了一种叫作“调和率”的度量。调和率衡量合作（集中设计或协调的解决方案）和竞争（每个参与者都各自试图最大化利于自己的结果）之间的差距。

7、那么，作为玩家，当我们发现自己处于这样的情况下——要么是两者间的囚徒的困境，要么是多者间的公地悲剧，我们能做什么呢？从某种意义上说，什么也不能做。这些糟糕的均衡所带来的稳定，也就是使它们达到平衡的东西，就变成了诅咒。总的来说，我们不能从内部改变占优策略。但这并不意味着坏的均衡是不能解决的。这仅仅意味着解决方案必须来自其他地方。

8、不要憎恨玩家，应憎恨游戏。

9、如果游戏规则促使一个坏策略产生，也许我们不应该尝试改变策略。也许我们应该试着改变游戏规则。

10、是的，人们寻找他们关心的客观特征。每个人都想要一个善良、聪明、有趣和健康的另一半，也许还要外表上有吸引力，有很好的赚钱能力，很多很多的特点，但那是第一关……在你花了足够的时间和他在一起之后，并不是那些标准才让你们想在一起的。事实是，就是那个人，这对你来说是有价值的，所以你并不需要这份合同，因为你需要的是一种让你不想分开的感觉，即使在客观的情况下，可能还会有一个更好的选项供你选择。

11、博弈论提供了一个发人深省的视角：即使没有人犯错，这样的灾难也会发生。

12、正如赫舒拉发所说：“一旦一个人决定盲目追随他的前人，不依赖自己的信息信号，他的行为会对所有后来的决策者毫无意义。”

13、首先，要警惕那些公众信息似乎超过私人信息的情况，在这些情况下，你更了解人们在做什么，而不是他们为什么这么做，你更关心的是你的判断是否符合共识，而不是符合事实。

14、第二，记住行动不是信仰，当我们误解别人的想法时，就会产生瀑布反应。我们应该特别谨慎考虑是否要推翻我们自己的怀疑，

15、最后，我们应该从囚徒的困境中得到教训，有时一个游戏有无比糟糕的规则。一旦我们陷入其中，我们可能什么也做不了，但是信息瀑布理论可能会帮助我们在一开始就避免这样的游戏。

16、如果你是那种总是做你认为是正确的事情的人，不管别人怎么想，那就鼓起勇气吧。但坏消息是，你将会比人群跟随者们更经常犯错。而好消息是，坚持你的信念会产生积极的外部效应，让人们从你的行为中做出准确的判断。也许会有那么一次，你把整群人从灾难中拯救出来。

17、更好的是，不管其他竞拍者是否诚实，诚实仍然是最好的政策。在“囚徒的困境”中，我们发现背叛是“占优”策略——无论你的同伴是叛变还是合作，这都是最好的选择。另一方面，在维克瑞拍卖上，诚实也是主要的策略。这是机械设计师的必杀技。你不需要制定策略或递归。

18、在一项名为“显示原则”的里程碑式的发现中，诺贝尔奖得主罗杰·迈尔森证明，任何需要有策略地掩盖真相的游戏，都可以转化为一种只需要简单诚实的游戏。

19、当我们思考自己，当我们试图了解自己的时候……我们使用别人已经具备的知识。我们用别人所采取的方式来评价自己，并给予我们判断自己的能力。无论我自己感觉如何，别人的判断总是会进入我的感觉。我觉得别人的判断进入了我的内心……但这并不意味着一个人无法与其他人建立关系。它只是为我们每个人带来了所有其他人的资本重要性。

20、如果改变策略没有帮助，你可以尝试改变游戏。如果无法改变，你至少可以控制你选择玩的游戏。通往地狱的道路是由棘手的递归、糟糕的平衡和信息瀑布铺成的。寻找那些诚实充当占优策略的游戏。然后，就是做你自己。

12 结语 计算善意

1、其次，即使你没有得到你想要的结果，但知道你正在使用最优算也是一种解脱。37%规则在63%的可能里会失败。用最近最少使用算法的标准来维护你的缓存并不保证你总能找到你想要的东西。事实上，也不会有特别的洞察力。用置信上限的方法来探索或利用权衡并不意味着你不会遗憾后悔，只是那些遗憾会随着你的生活慢慢积累起来。即使是最好的策略有时也会产生不好的结果，这就是计算机科学家要小心区分“过程”和“结果”的原因。“如果你遵循了最好的流程，那么你就已经尽了最大的努力，如果结果不顺心，你也不应该责备自己。”

2、我们容易对结果念念不忘。但是过程是我们所能控制的。

3、最后，我们可以在容许和不容许直接解决方案的问题之间划出一条清晰的界限。如果你被困在一个棘手的问题中，请记住，运用启发法、近似值和随机的策略可以帮助你找到可行的解决方案。在我们对计算机科学家的采访中，曾反复出现的一个主题是：有时“足够好”真的已经足够好了。更重要的是，意识到复杂性可以帮助我们选择问题：如果我们能够控制我们面对的情况，我们应该选择那些可以处理的问题。

4、同样，看似无害的语言比如“哦，我无所谓”或者“你今晚想做什么”实则含有黑暗的计算弱点，你应该三思。它表面上是善意的，却有两件令人震惊的事情。首先，它传递了认知责任：“这里有个问题，你要处理它。”其次，不要说出你的喜好，它会邀请其他人来模拟或想象它们。正如我们所看到的，对他人头脑的模拟是思维（或机器）所能面对的最大的计算挑战之一。

5、设计的主要目标之一应该是保护人们避免不必要的紧张、摩擦和精神劳动。

6、如果我们能善待他人，我们也可以善待自己。不只是计算善意，也包含更多的宽容，所有我们讨论过的算法和想法都将有助于解决这个问题。

7、在困难的情况下，最好的算法都是关于在最少的时间内做最合理的事情，这绝不是要仔细考虑每一个因素，并把每一次计算都算到最后。生活实在是太复杂了。

8、将错误的成本与延迟成本进行权衡并开始冒险。

9、这些不是我们在不理性时做出的让步，它们是保持理性的手段。