انتشار این مقاله


تصمیم گیری بهتر: مثل کامپیوتر فکر کنید!

ذهن انسان‌ها از موفقیت‌های بزرگ تا شکست‌های ناامید‌کننده چگونه کار می‌کند؟ برای رسیدن به پاسخ این پرسش به ساختار محاسباتیِ مشکلات روزمره زندگی فکر کنید و راه حل ایده‌آل مشکلات را با رفتار واقعی مقایسه کنید. می‌دانیم که کمک گرفتن از علم کامپیوتر می‌تواند تصمیم‌گیری انسان‌ها را ساده‌تر کند. ما همیشه سعی می‌کنیم طوری رفتار […]

ذهن انسان‌ها از موفقیت‌های بزرگ تا شکست‌های ناامید‌کننده چگونه کار می‌کند؟ برای رسیدن به پاسخ این پرسش به ساختار محاسباتیِ مشکلات روزمره زندگی فکر کنید و راه حل ایده‌آل مشکلات را با رفتار واقعی مقایسه کنید. می‌دانیم که کمک گرفتن از علم کامپیوتر می‌تواند تصمیم‌گیری انسان‌ها را ساده‌تر کند. ما همیشه سعی می‌کنیم طوری رفتار کنیم که منطقی بنظر می‌رسد، با استدلال در پشت هر تصمیم گیری، سعی می‌کنیم بهترین کار ممکن را انجام دهیم. اما این روش، برای زمانی که با مشکلات زندگی بزرگسالی روبه‌رو می‌شوید، قابل تعمیم نیست.

 زندگی بشر پر از مسائل و مشکلات محاسباتی است که حتی با تلاش محض هم حل کردن‌ آن‌ها بسیار دشوار است، تصمیمات ساده مثل اینکه به کدام رستوران برویم یا تصمیمات مهمی مثل این‌ که با چه کسی باقی عمرمان را سپری کنیم. کمک گرفتن از یک متخصص برای حل این مشکلات ارزشمند است: یک متخصص کامپیوتر.

زمانی که دنبال پند زندگی هستید، متخصصین کامپیوتر احتمالاً اولین کسانی نیستند که با آن‌ها حرف بزنید. فکر کردن مثل یک کامپیوتر– به طور کلیشه‌ای قطعی، جامع و دقیق خیلی جالب به نظر نمی‌رسد. اما فکر کردن راجع به مهندسی کامپیوتر برای تصمیمات بشر در واقع نشان می‌دهد که اشتباه کرده‌ایم. زمانی که در انواع مشکلات سخت پیش آمده در زندگی انسان‌ها توجه می‌کنیم، روشی که کامپیوترها برای حل مشکلات این چنینی دارند بسیار شبیه به طرز رفتار انسان‌ها است.

برای مثال وقتی می‌خواهیم تصمیم بگیریم به چه رستورانی برویم. این مساله یک ساختار محاسباتی خاص است. مجموعه‌ای از انتخاب‌ها برای شما وجود دارد، که باید یکی از آن‌ها را انتخاب کنید، و دقیقا فردا هم باید تصمیم گیری مشابهی انجام بدهید. در این شرایط، با چیزی مواجه می‌شوید که مهندسان کامپیوتر به آن «مبادله کاوش- استخراج» می‌گویند. باید تصمیم بگیرید این که آیا می‌خواهید چیز جدیدی را امتحان کنید، کاوش کردن، جمع کردن یک سری اطلاعات که در آینده ممکن است برای شما کارآمد باشند، یا به جایی بروید که می‌دانید خیلی خوب است، یعنی از اطلاعاتی که در حال حاضر دارید استفاده کنید. روش مبادله کاوش- استخراج هر زمانی که مجبور به انتخاب بین یک چیز جدید و چیزی که می‌دانید خیلی خوب است، نمایان می‌شود. چه گوش کردن به موسیقی باشد یا تصمیم‌‌گیری سر انتخاب شریک زندگی‌تان. این مشکل را حتی شرکت‌های تکنولوژی هم دارند مثلا زمانی که می‌خواهند تبلیغی را نمایش دهند. آیا تبلیغ جدیدی نشان دهند و چیزی درباره‌اش یاد بگیرند، و یا تبلیغی را نمایش بدهند که می‌دانند شانس این که شما بر روی آن کلیک کنید بالا است؟
در ۶۰ سال گذشته، دانشمندان کامپیوتر پیشرفت زیادی در درک مبادله‌ی کاوش-استخراج داشته‌اند و نتایج آن‌ها اطلاعات هیجان‌انگیزی را در بر دارد. زمانی که می‌خواهید تصمیم بگیرید به چه رستورانی بروید، اولین سوالی که باید بپرسید این است که چه مدت در شهر اقامت خواهید داشت. اگر قرار است مدت کوتاهی اقامت داشته باشید، از اطلاعات فعلی استفاده کنید. شما فرصت برای جمع آوری اطلاعات جدید ندارید. بهتر است به جایی بروید که می‌دانید خوب است. اما اگر اقامت طولانی‌تری دارید، کاوش کنید. چیز جدیدی را امتحان کنید، چون اطلاعاتی که جمع‌آوری می‌کنید باعث تصمیم‌گیری بهتر در آینده خواهد شد و ارزش اطلاعات شما بالا می‌رود و فرصت‌های بیشتری برای استفاده از این اطلاعات به دست خواهید آورد.
این اصل به ساختار زندگی انسان‌ها بینش می‌دهد. بچه‌ها به منطقی بودن شناخته نمی‌شوند. همیشه چیزهای جدیدی را با گذاشتن اشیا در دهانشان امتحان می‌کنند. پر حقیقت این دقیقا همان کاری است که باید انجام دهند. آن‌ها در مرحله کاوش در زندگی‌شان هستند، بعضی چیزها می‌تواند برای‌شان تبدیل به چیز خوشمزه شود. و یا بلعکس باشد. پیرمردی که همیشه به یک رستوران می‌رود و چیز مشخصی را می‌خورد، خسته کننده نیست، بلکه انسانی بهینه است.
او از دانشی که در سراسر زندگی جمع کرده است، استفاده می‌کند. به طور کلی، داشتن دانش درباره‌ی مبادله‌ی کاوش- استخراج باعث می‌شود در حین تصمیم‌گیری آرامش داشته باشید. مجبور نیستید هر شب به‌‌‌‌ ‌بهترین رستوران بروید، شانس خود را امتحان کنید،‌ چیزهای جدیدی را کاوش کنید. شاید چیز جدیدی یاد بگیرید. و ارزش اطلاعاتی که به دست خواهید آورد بیشتر از یک شام خوب پیشبینی شده است.

اگر سعی کرده باشید که‌ کمد خود را مرتب کنید، مشخصا با یک تصمیم مهم رو به رو خواهید شد: تصمیم‌گیری درباره اینکه چه چیزهایی را نگه دارید و چه چیزهایی را دور بریزید. مارتا استوارت خیلی جدی به این مساله فکر کرد و نصیحت‌های خوبی در این مورد دارد. او می‌گوید، «از خودتان این چهار سوال را بپرسید: چند وقت است این لباس را دارم؟ آیا هنوز به کار می‌آید؟ آیا مشابه این لباس را دارم؟ و آخرین بار که این لباس را پوشیدم و یا از آن استفاده کردم کی بود؟» اما گروه دیگری از متخصصان، می‌گویند یکی از این سوالات بسیار مهم‌تر از بقیه است. این متخصصان سیستم ذخیره‌سازی کامپیوتر را طراحی کرده‌اند. اکثر کامپیوترها دو نوع سیستم ذخیره سازی دارند: یک سیستم ذخیره سازی سریع، مثل مجموعه‌ای از تراشه‌های حافظه، که ظرفیت محدودی دارند، چرا که این تراشه‌ها گرانقیمت هستند، و یک حافظه ذخیره سازی کند که حجم بسیار بیشتری دارد. برای این که کامپیوتری تا جای ممکن کارآمد باشد، باید مطمئن شوید اطالاعاتی که شما قصد دسترسی به آن‌ها را دارید در حافظه سریع ذخیره می‌شوند، پس سریع آن‌ها را دریافت می‌کنید. هر بار که به اطلاعاتی دست پیدا می‌کنید، در حافظه سریع بارگذاری می‌شوند و کامپیوتر تصمیم می‌گیرد کدام یک از آن‌ها باید از حافظه سریع حذف شوند، چرا که ظرفیت آن محدود است.

در طی سالیان، متخصصین کامپیوتر چند راه را برای تصمیم گیری برای این که چه چیز از حافظه سریع پاک شود را امتحان کرده‌اند. آن‌ها روش‌هایی مثل انتخاب اتفاقی یا روش هر چیزی که اول وارد شده باید اول خارج شود، که به این صورت است که چیزهایی حذف شوند که طولانی‌تر در حافظه بوده‌اند، را امتحان کرده‌اند. اما کارآمدترین تکنیک، تمرکز بر چیزهایی است که اخیرا استفاده شده‌اند. یعنی اگر باید تصمیم بگیرید که چه چیزی را از حافظه پاک کنید، باید چیزی را انتخاب کنید که از مدت‌ها پیش استفاده نشده است. و البته که این روش دلیلی قانع کننده دارد. اگر زمان زیادی است که از دسته مشخصی از اطلاعات استفاده نکرده‌اید، احتمالا زمان زیادی طول می‌کشد تا دوباره به آن‌ها احتیاج پیدا کنید. کمد شما دقیقاً مثل حافظه ذخیره‌سازی کامپیوتر است. ظرفیت محدودی دارید، و باید چیزهایی را در آن قرار بدهید که بیشتر به آن‌ها احتیاج دارید در نتیجه خیلی سریع به آن‌ها دسترسی خواهید داشت. برای شناسایی آن‌ها و مرتب کردن کمد، احتمالا به کارگیری اصل کمترین استفاده، ارزشمند باشد. اگر به چهار سوال مارتا برگردیم، متخصصین کامپیوتر خواهند گفت، آخرین سوال مهمترین سوال است.

ایده مرتب کردن اشیا بر این اساس که مهمترین چیزها دم دست شما باشند در محیط کار نیز کاربرد دارد. اقتصاددان ژاپنی یوکیو ناگوچی روشی برای دسته بندی اسناد اختراع کرده‌است که دقیقا چنین ویژگی‌ دارد. او با یک جعبه شروع می‌کند، و اسناد را از چپ به راست در جعبه می‌چیند. هر بار که یک سند جدید می‌آید، سند قبلی را کمی جلو می‌برد و آن سند را در سمت چپ جعبه قرار می‌دهد. و هر بار که به سندی نیاز پیدا می‌کند، آن را بعد از استفاده در سمت چپ قرار می‌هد. در نتیجه اسناد از چپ به راست بر اساس آخرین زمان استفاده مرتب شدند و با گشتن اسناد از چپ به راست، به راحتی چیزی را که می‌خواهد پیدا می‌کند.

اما احتمالاً همین الان شما تا حدودی از این روش استفاده می‌کنید. انبوهی از کاغذ روی میز تان قرار دارد، که به نظر کاملا شلخته و نامرتب می‌آید، این انبوه کاغذ در واقع کاملا مرتب شده است.
هر زمان که کاغذی را برمی‌دارید، آن را روی این توده برمی‌گردانید، در نتیجه این کاغذها از بالا به پایین بر اساس آخرین استفاده مرتب شدند، و شما احتمالا خیلی سریع چیزی که دنبالش هستید را با گشتن از بالا به پایین پیدا می‌کنید.

مرتب کردن کمد یا میزتان احتمالا بزرگترین مشکل شما در زندگی نیست. گاهی اوقات مسائل خیلی خیلی سخت هستند. اما حتی در این شرایط، علم کامپیوتر می‌تواند راهکارهایی را پیشنهاد دهد. بهترین الگوریتم‌ها سعی می‌کنند مسائل را در کمترین زمان حل کنند. وقتی کامپیوتر با مسائل سخت مواجه می‌شود، با کوچک کردن آن به مسائل ساده‌تر شروع می‌کند. با استفاده از تصادفی بودن، با حذف محدودیت‌ها و یا اضافه کردن تقریب‌ها. حل کردن مسائل ساده‌ی کوچک شده، بینشی برای حل مساله اصلی به شما می‌دهد، و گاهی اوقات یک راه حل خیلی عالی به دست می‌آید. دانستن تمام این‌ نکات باعث می‌شود نوعی آرامش در حین تصمیم‌گیری داشته باشید.

عموماً علم کامپیوتر به ما کمک می‌کند در مورد محدودیت‌های خود بخشنده‌تر باشیم. شما بجز فرایند، کنترلی روی خروجی ندارید. و تا زمانی که از بهترین فرآیند استفاده کنید، بهترین کار ممکن را انجام داده‌اید. گاهی اوقات بهترین فرآیند شامل استفاده از شانس است نه توجه به تمام گزینه‌ها، یا اشتیاق برای حل مسئله با بهترین راه حل ممکن. اینها امتیازاتی نیستند که وقتی نمی‌توانیم منطقی باشیم از دست می‌دهیم، بلکه به معنای منطقی بودن هستند.


 

زهرا اکبرزاده


نمایش دیدگاه ها (0)
دیدگاهتان را بنویسید