钟晓燕 | 生活中的决策最优化
图/千巨万
有些读者建议推荐英文书，我觉得这建议不错，有能力读英文书的，即使速度比读中文慢一点，也还是要读英文，你等翻译，一是没有时效，二是再完美的翻译都有误差。
有这想法之后，我大妹妹聊天时说最近读了一本不错的英文书，马上被我抓了差，让她写书评，她是大忙人，但是看在哥哥的面子上，不得不答应了。
作为我们家最聪明的人，这是她的履历：中科院生物化学与分子生物学博士，美国宾夕法尼亚大学博士后，葛兰素史克新药研发科研人员和项目负责人，现海门药云算数信息科技有限公司CEO。
我的意思是，这本她推荐的书，从科学性到实用性，入了她法眼，值得一看，反正，我会看一看。
以下内容由钟晓燕独家授权“会读书的人”发布
约10年前，我加入了一家跨国药企，从一个基础科研人员转换角色去做新药研发。像其他可以培养出一波又一波从业人员的行业一样，做科研是有套路的，不需要过人的天分。
基础科研和新药研发都是由数据驱动的决策，差别是商业模式。前者更多用纳税人的钱，没有清晰的经济回报要求；后者是股东的钱，投资回报率是硬指标。
用最少的花费，获得支撑高质量决策所需的数据是新药研发的套路。
可惜，很多时候拿不到这样的数据，有技术和非技术的原因。
我在这家公司做的一个课题止步于临床前。在它被终止的前一年多时间里，我致力于拿到某个实验结果，用数据来打消下一步决策的疑虑。可惜功败垂成，由于某些变动，没能顺利地推进计划中的实验。
一年以后，该课题被质疑的问题恰恰只能通过当初被叫停的实验来回答，没有数据支撑，投入近10年的课题也就停了。
经典牛顿力学从此刻火箭升空可以预测彼刻它在太空中的位置。新药研发没有这样的神预测，它面对的是生物学问题。生物体对外部刺激有反馈机制，函数还不为我们所知，拿出一个最优的决策很烧脑。
我们会遇到的许多问题和新药研发决策类似：变量很多、权重不同、信息破碎。而你的资源，时间和钱，都有限。怎么办？留给AI么？
AI虽然围棋下得很好，短期内还不能替人类解决开放性的问题，这个包袱一时甩不掉。好消息是，我们可以从AI的家族——计算机科学那里借道以优化决策过程。
Algorithms to Live By: The Computer Science of Human Decisions 就是这样的一本书。和其他决策书籍不同，它主要从码农视角提供解决方案，辅以少量的心理学和经济学常识。
图片来自：images.huffingtonpost.com
△
Algorithms to Live By:
The Computer Science of Human Decisions
亚马逊中国可购买英文版 Kindle 电子书（ ¥ 40.50 ）
这种主菜加配菜的风味与两位作者专业背景一脉相承：
△ Brian Christian
Brian Christian是一位畅销书作者，在布朗大学拿到计算机科学和哲学学位。
△ Tom Griffiths
Tom Griffiths 是加州大学伯克利分校的教授，从事认知心理学研究，斯坦福大学的心理学博士和统计学硕士。
书中的决策理论已在计算科学运用和验证。只要移花接木，借用到家庭日常，小到打理家务、会见亲友；大到置办家业、婚嫁迎娶，都有适用之处。
这不是一本理论书籍，虽然冠名算法，但没有数学公式。它更像一个工具箱，排列了一堆螺丝刀、扳手和榔头，供不同场景使用。
书中罗列如下 10 余种算法（中文是我的翻译），涵盖了在有限时空资源、信息不完整的各种情景下，怎样作出合适的决策和判断的算法：
① Optimal stopping（适可而止原则/37%采样原则）
② Explore/Exploit（探索和开发）
③ Sorting（分拣）
④ Caching（高速缓存）
⑤ Scheduling（优先顺序）
⑥ Bayes’s Rule（贝叶斯法则）
⑦ Overfitting（过度匹配）
⑧ Relaxation（松弛法）
⑨ Randomness（随机原则）
⑩ Networking（链接）
⑪ Game Theory（博弈）
37%的采样原则，解决的是下决定之前该花多少时间收集信息，既可避免优柔寡断，又减少因过早承诺错过最大那颗麦穗的遗憾。
Overfitting，它用理性的思维讲述在复杂的系统下，天道并不一定酬勤。越努力，收集越多数据，结果不一定更好。失败了，除了问问自己是否够努力，还得问问，是否努力过头了。
Relaxation和Randomness简直是完美主义者必读，它也许可解开您事事必须完美的心结。很多问题没有最优解，超级计算机也帮不了忙，该放松时就放松，掷掷色子也不是那么不可理喻。人类的出现这么大的一件事，也是基因随机突变累积的结果。
在这10余个工具中，Bayes’srule（贝叶斯法则）最实用，说成概率论可能更广为人知。我们每天都在用概率作选择：空难中少有人生还，然而选择乘飞机出行的人并不少。是因为大量先验证据表明发生死亡空难的概率是数百万分之一，而我们一生中死于突发事件的概率是1/2900。飞行几乎不增加死亡风险。
不过，除了飞行或者太阳升起这些高频率事件，更多时候，我们面对的是只有很少先验知识的情景，怎么预测未来并作相应决策呢？贝叶斯法则此时就大有用武之地了。它的使用很简单：根据有限的知识估计某事的概率，随着新的知识和信息出现，修正原先的概率预测，做出相应调整。
回到开头的药物研发决策，公司作了正确的决定么？新药研发成功率小于10%，没有新数据支持成功的概率会提升，按贝叶斯法则，终止课题是明智的选择，尽管沉默成本是千万美元的投入，以及数十位科研人员近10年的时间。
好朋友书单：
👆你长按二维码关注了我们
👇点击阅读原文购买我们推荐的书