خوارزميات للعيش بها
بقلم- بريان كريستيان وتوم جريفيث
خوارزميات العيش (2016) عبارة عن كتيب عملي ومفيد يوضح كيف أن الخوارزميات لها علاقة كبيرة بالحياة اليومية أكثر مما تعتقد. سيساعدونك أيضًا على عيش حياة أكثر سعادة من خلال دعمك في حل المشكلات واتخاذ القرارات وإنجاز المزيد من الأشياء.
تساعد الخوارزميات في حل المشكلات لكل من البشر وأجهزة الكمبيوتر.
إذا حاولت مواكبة التقنيات الحالية ، فأنت تدرك بالتأكيد أن المبرمجين يستخدمون الخوارزميات لحل المشكلات طوال الوقت. لكن قد تتساءل ، “ما هي الخوارزمية بالضبط؟”
يعود المصطلح إلى القرن التاسع عندما صاغه عالم الرياضيات الفارسي محمد الخوارزمي. ومع ذلك ، يمكن إرجاع استخدام الخوارزميات إلى ما يقرب من أربعة آلاف عام للثقافة السومرية.
ببساطة ، الخوارزمية عبارة عن سلسلة محدودة من الخطوات التي تساعد في حل مشكلة ، وهي استراتيجية نستخدمها غالبًا.
يمكن اعتبار الوصفة أيضًا بمثابة خوارزمية: يمكنك اتباع سلسلة من التوجيهات لتحقيق النتيجة المرجوة ، وجبة لذيذة. يمكن قول الشيء نفسه بالنسبة للتصميم الذي تستخدمه لربط وشاح أو تجميع أثاث ايكيا.
وأثناء قيامك بتجميع مخطط للإيجابيات والسلبيات لتحديد ما إذا كنت ستغتنم فرصة عمل أو تتخذ خيارًا رئيسيًا أم لا ، فأنت تستخدم مرة أخرى خوارزمية بديهية.
تعد الخوارزميات البديهية التي يصنعها الإنسان ، بحكم تعريفها ، غير دقيقة. نستخدمها في فترات التقلبات لمساعدتنا على جعل الاختيار الصحيح ممكنًا ، مثل مقارنة المزايا المستقبلية مقابل تكاليف إنشاء شركة جديدة للاستثمار.
نتيجة لذلك ، يمكن أن تبدو هذه الخوارزميات البديهية عشوائية وعشوائية مقارنة بالخوارزميات الرياضية التي تستخدمها أجهزة الكمبيوتر ، على الرغم من أن لديهم نفس الحل.
خذ على سبيل المثال النشاط غير السار للبحث عن شقة. يدخل معظم الناس هذه المرحلة مع وضع مجموعة من المتطلبات في الاعتبار: مساحة معينة من الأرض ، ومسافة معينة من المدرسة أو العمل ، ومقدار معين من الإيجار. عند استيفاء هذه المتطلبات ، يمكنك المتابعة إلى المرحلة التالية وتوقيع العقد.
هذا هو نفس الأسلوب المستخدم في خوارزميات الآلة ، وفي القوائم التالية ، سننظر في كيفية الاستفادة من هذه الأساليب.
يمكن أن تخبرنا الخوارزميات في معظم الأوقات متى نتوقف عن الضغط على حظنا.
إذا كنت تبحث عن شقة في قطاع شرس ، فأنت تعلم مدى صعوبة معرفة متى تقبل العطاء وتجنب البحث.
غالبًا ما يخيم على قرارنا أول ما يتبادر إلى الذهن ، والذي نعتبره الخيار الأفضل الممكن. وببساطة ، قد يبدو أن البديل الثاني هو الخيار المفضل.
هذه هي المشكلات التي تهدف خوارزمية التوقف المثلى إلى المساعدة في حلها.
إذا كان هناك 100 خيار ، رياضيًا ، فإن التوقف الأمثل يشير إلى النظر إلى أول 37 خيارًا دون تحديد أي منها. بدلاً من ذلك ، قم بفحصها لإنشاء نمط ، مثل التخلص من شقق الطابق الأرضي ذات الحمامات الصغيرة.
بعد ذلك ، بعد الـ 37 الأولى ، يمكنك اختيار أول واحد يلبي هذه المتطلبات. على الرغم من أن هذا النهج لا يضمن أنه يمكنك الحصول على أفضل النتائج ، إلا أن الفرص أعلى بكثير من مجرد التخمين.
وهي ليست فقط للشقق. إذا كنت تبحث عن رحلة أو مهنة أو صديق في المستقبل ، فإن الرقم السحري لا يزال 37٪.
لسوء الحظ ، لا تخبرنا الرياضيات دائمًا متى نتوقف مؤقتًا.
تخيل قلب عملة أساسية. لنفترض أنك اخترت المقامرة على النتيجة باستخدام تقنية “ثلاثية أو لا شيء” ، مما يعني أنك تضاعف رهانك بثلاثة أضعاف في كل قلب ، لكنك تخاطر بخسارة كل ما ربحته حتى الآن.
لذا ، إذا بدأت بأربعة دولارات وكانت فرصك 50/50 ، فستنتهي في نصف الوقت بصفر ونصف الوقت سينتهي بك الأمر مع اثني عشر دولارًا ، لذلك تأمل في الحصول على ستة دولارات في المحفظة في المتوسط. تظل الفرص كما هي في الجولة التالية ، مع رهان ابتدائي بقيمة 12 دولارًا. ومع ذلك ، قد تأمل في الفوز بثمانية عشر دولارًا ، وما إلى ذلك.
مع هذه الاحتمالات والنسب ، ستعني الرياضيات البسيطة أنك تستمر في المراهنة لأن مبلغ المال الذي تأمل في تحقيقه يزيد. لكن ، بالطبع ، ستخسر كل شيء في النهاية ، وستنتهي اللعبة. ومن ثم ، فإن الخوارزمية الرياضية الصارمة لا تعمل في كل المواقف.
يمكن أن تساعدك خوارزميات الرياضيات في تحديد متى يجب استكشاف شيء جديد.
دعنا نبقى مع المقامرة للحظة ونلقي نظرة على واحدة من أشهر الألعاب في أي كازينو: آلة القمار ، والتي تُعرف غالبًا باسم “ماكينة الحظ بذراع واحد”.
في حين أن بعض الأشخاص يكتفون بالبقاء في آلة ذات فتحة واحدة طوال اليوم على أمل الوصول إلى الفوز بالجائزة الكبرى ، فإن آخرين يحبون البحث عن فرصهم وجمع المعلومات الاستخبارية ومحاولة الاستفادة منها لصالحهم. هذا المأزق البسيط المتعلق بمدة البقاء مع القرار الضائع قبل التخلي عنه يمتد إلى مجموعة متنوعة من الظروف في الحياة ، مثل المواعدة أو الاستثمار. ومع ذلك ، ما هي الاستراتيجية الرابحة؟
في الرياضيات ، تُعرف أسئلة مثل هذه بمشكلات ماكينات الألعاب المتعددة ولديها العديد من الحلول.
تُعرف أبسط طريقة لزيادة فرصك في ماكينات القمار باسم “استمر في الفوز ، وخسر التحول” ، ولكنها قد لا تكون التكتيك الصحيح.
عليك البقاء مع وحدة عند الفوز والذهاب إلى وحدة أخرى عندما تخسر. ومع ذلك ، قد تكون هذه الاستراتيجية خادعة لأن فشلًا واحدًا ليس هو المؤشر المثالي لكيفية حدوث الحظ في المستقبل.
تعد خوارزمية الحد الأعلى من الثقة شكلاً متفوقًا.
هذه هي طريقة استخدامها: أولاً ، حدد موقع وحدة التحكم ذات أعلى قيمة متوقعة للألعاب. التفاصيل الوحيدة التي لديك في هذه الحالة هي عداد الفوز بالجائزة الكبرى ، لذا يمكنك اختيار الشخص الذي يحتوي على أكبر جائزة كبرى. تتبع النتيجة الفعلية – في هذه الحالة ، مقدار الأموال التي تربحها – عند اللعب ، وتذكر ما إذا كانت تتحسن باطراد أو تتدهور تدريجيًا. إذا كانت النتيجة الفعلية تخيب ظنك باستمرار ، فقد حان الوقت للتبديل إلى وحدة التحكم التالية مع ثاني أكبر جائزة كبرى. وما إلى ذلك وهلم جرا.
تزيد هذه الخوارزمية من احتمالات الفوز من خلال اعتبار أنه حتى الكمبيوتر الناجح قد يخسر في بعض الأحيان.
تعد التجارب السريرية التكيفية في قطاع المستحضرات الصيدلانية مصدرًا آخر للتحفيز على التغلب على مشكلات ماكينات الألعاب المتعددة. عندما يبحث الأطباء عن علاجات جديدة لمرض ما ، فإنهم يراجعون موضوعاتهم بنشاط ويقومون بمراجعات لجدول الاختبارات على المدى الطويل ، غالبًا حتى اكتمال التجربة. إذا كان العلاج لا يبدو أنه يعمل ، فسيتوقفون عنه وينتقلون إلى الأدوية الأخرى التي أثبتت فعاليتها. لا يزالون مستعدين للاستفادة من المعرفة الجديدة حتى يتم الوصول إلى التقارير النهائية.
لا يحتاج فرز ملفاتك دائمًا إلى المساعدة ، ولكن إذا فعلت ذلك ، يمكن أن تساعدك الخوارزميات.
هل شعرت يومًا أنه لا يمكنك تحديد موقع شيء ما حتى يتم تنظيف مكتبك أو مكان عملك؟ إذا كنت شخصًا يحب مستوى معينًا من الاضطراب المنظم ، فستقدر النصيحة التالية.
لا تهتم بجعله نظيفًا ومنظمًا طوال الوقت.
بعد كل شيء ، فإن أفضل دافع لتنظيم الأشياء وفي مكانها المناسب هو تسهيل تحديد موقع كل شيء عندما تحتاج إليه. ويمكن أن يستهلك الفرز بين أكوام الورق الكثير من الوقت والطاقة التي يمكن استخدامها بشكل أفضل في أي مكان آخر ، خاصة إذا كنت تعرف بالفعل مكان كل شيء!
ومع ذلك ، لنفترض أن نظام الملفات غير المنظم الخاص بك يجعلك تبدو مكتنزًا ، وتريد طريقة مناسبة لتنظيم الأشياء. لحسن الحظ ، هناك خوارزميات مصممة خصيصًا لهذا الغرض.
لنبدأ بالطريقة الأكثر فاعلية ، وهي طريقة فرز الفقاعة. تعمل هذه الطريقة عن طريق ترتيب زوج واحد من العناصر في كل مرة ، مرارًا وتكرارًا ، حتى يتم ترتيب كل شيء.
افترض أنك تريد ترتيب قائمتك الواسعة من كتب الزومبي أبجديًا: بعد ذلك ، تذهب إلى قسم الرف غير المنظم حيث تنتمي الكتب التي تبدأ بالحرف A ، وألق نظرة على أول شيئين موجودين بالفعل ، وقم بترتيب هذين الأمرين. قد يكون “الباتروس الكسالى” الآن مصحوبًا بـ “زومبي التمساح”.
انتقل الآن إلى الكتاب التالي ، ” خنزير الأرض الكسالى ” وقارنه بالعنصر الأخير في الزوج السابق ، ” تمساح الكسالى “. الآن ، يجب تنظيم الرفوف على النحو التالي: ” طيور القطرس الكسالى ” و ” خنزير الأرض الكسالى ” و ” تمساح الكسالى “. ثم تكرر هذه العملية حتى تنتهي من جميع كتبك وتعيد تشغيل أكبر عدد ممكن من الدورات حتى يتم فرز مجموعتك بالكامل ، مما يعني أنك لم تعد بحاجة إلى تبديل أي كتب.
من الواضح ، إذا كان لديك منزل مليء بالكتب ، فهذا ليس الطريق الأنسب للذهاب. هناك طريقة أبسط تتمثل في القيام بفرز الإدراج: خذ جميع كتبك من الرف ثم ضعها مباشرة مرة أخرى ، واحدة تلو الأخرى ، مع التأكد من أن كل واحدة في المكان الصحيح مع الكتب التي أعدتها بالفعل.
يعتبر أسلوب دمج الفرز أسهل بكثير للمجموعات الكبيرة: قم بتقسيم الكل إلى عدة أكوام ، وفرزها من الألف إلى الياء ، ثم دمج الأكوام مرة أخرى.
هناك الكثير الذي يمكنك تعلمه من أجهزة الكمبيوتر عندما يتعلق الأمر بتنظيم البيانات.
الآن بعد أن أصبحت أرففك في مكانها ، دعنا ننتقل إلى أكوام الورق على مكتبك وجميع الملاحظات والمعلومات التي تحتفظ بها في مكان قريب. هناك على الأرجح عناصر ثمينة ، مثل الفواتير أو الرسائل المعلقة التي تحتاج إلى استجابة فورية – الأوراق التي يجب أن يكون الوصول إليها سهلاً.
تتمتع أجهزة الكمبيوتر بطريقة جيدة إلى حد ما للتعامل مع العناصر التي يجب استردادها بسهولة. يستخدمون إما محرك الأقراص الثابتة أو محرك الأقراص ذو الحالة الصلبة للاحتفاظ بملفاتهم. كل واحد منهم لديه مجموعة من المزايا الخاصة به.
على الرغم من أن محركات الأقراص الثابتة يمكنها استيعاب المزيد من البيانات ، إلا أن محركات الأقراص ذات الحالة الصلبة (SSD) يمكنها توفير البيانات لك بشكل أسرع. في الوقت الحاضر ، تدمج العديد من أجهزة الكمبيوتر كلا محركي الأقراص ، مع الاحتفاظ بالبيانات الهامة على محرك أقراص الحالة الصلبة السريع والملفات الكبيرة الموجودة على القرص الثابت.
من ناحية أخرى ، يتم الاحتفاظ بالمحتوى الأكثر أهمية والأكثر استخدامًا في ذاكرة التخزين المؤقت ، وهي الطبقة العليا من الذاكرة التي يمكن الوصول إليها بأسرع ما يمكن.
تستخدم أجهزة الكمبيوتر خوارزمية مباشرة لتحديد ما يتم إدخاله في ذاكرة التخزين المؤقت. يُعرف باسم آخر استخدام تم استخدامه مؤخرًا ، وهو يحمل أساسًا كل ما استخدمته مؤخرًا في الأعلى ، في الطبقة العليا من ذاكرة التخزين المؤقت.
هذه الخوارزمية هي طريقة بسيطة لجهازك للتنبؤ بالملف الذي ستحتاجه في المستقبل. لحسن الحظ ، لا يزال مناسبًا تمامًا للبيئة التناظرية مع الضرائب والأحرف الحيوية وأي أشياء تحتاج إلى الاحتفاظ بها في متناول يدك وعرضها.
هذا يضمن بقاء الكثير من الأشياء غير المرغوب فيها على مكتبك في مكانها ، لذا من المحتمل أن تحتوي الفوضى التي تم فرزها على جميع الأشياء الجديدة المستخدمة والرسائل الأكثر قيمة في الأعلى مباشرةً!
تعمل عقولنا بطريقة مماثلة: إذا لم نفعل أي شيء لفترة طويلة ، فإننا نواجه صعوبة في تذكره.
لذا ، سواء كان لديك اختبار أو مؤتمر رئيسي في الصباح ، اقرأ ملاحظاتك قبل الذهاب إلى الفراش. عندما تستيقظ ، ستكون التفاصيل متاحة بسهولة أكبر.
يمكن أن تساعدنا الخوارزميات في التخطيط لحياتنا ، لكن لها أيضًا قيودًا.
بصرف النظر عن تنظيم الأوراق ، هناك نهج آخر للنجاح وهو تنظيم وقتك وتحديد كيفية إنجاز الأشياء. كل يوم يجلب معه عقبات جديدة. قد يكون من الصعب إيجاد الوقت للوصول إلى جميع المواعيد النهائية الخاصة بك ولا تزال تتذكر اصطحاب الكلب إلى الطبيب البيطري.
لحسن الحظ ، تتعامل العديد من الخوارزميات مع هذه الأنواع من مشكلات الجدولة.
على سبيل المثال ، إذا كنت تتلاعب بعدة مهام ولم تكن متأكدًا من أين تبدأ ، فاستخدم خوارزمية تاريخ الاستحقاق الأقدم وابدأ دائمًا بالمهمة التي لها أقرب موعد نهائي.
إذا كان الوقت ينفد وأدركت أنك لن تكون قادرًا على إكمال جميع مهامك ، فاستخدم خوارزمية مور وافتقد الوظيفة التي تستغرق معظم الوقت ؛ بهذه الطريقة ، ستكمل المزيد من المهام بشكل عام.
ومع ذلك ، مهما فعلت ، ترقب انعكاس الأولوية. يحدث هذا لأن الواجبات الصغيرة تستهلك الكثير من الوقت والموارد ولا يتم إنجاز أي شيء ذي معنى.
لسوء الحظ ، لا توجد دواء شامل لإدارة الوقت. وفقًا للدراسات ، لا يمكن التغلب على الجزء الأكبر من مشكلات الجدولة التي نواجهها باتباع نهج سريع وسهل.
بالطبع ، سيستهلك التحضير جزءًا كبيرًا من يومك ، لذا قلل مقدار الوقت الذي تخصصه للتخطيط لوقتك.
قد يكون هذا معقدًا ، ولكن في حالة الشك ، هناك طريقة واحدة سهلة يمكنك استخدامها لتحقيق أقصى استفادة في أقل قدر من الوقت:
ركز على مهمة واحدة في كل مرة وتجاهل جميع رسائل البريد الإلكتروني أو المطالب الأخرى التي تأتي من خلالها. يعد نقل تركيزك باستمرار من الوظيفة إلى صندوق البريد والعودة مستهلكًا للوقت ومرهقًا للغاية ، لذا فإن كل منعطف يثقل كاهل ذاكرتك العاملة ويجبرك على إعادة التشغيل من نقطة الصفر. لذا ، ركز فقط على وظيفة واحدة في كل مرة وتجنب أي عقبات. لا تهتم بحجم قائمة المهام ؛ سيتم الانتهاء منه في الوقت المناسب.
مع وضع ذلك في الاعتبار ، يجب أن تكون قادرًا على فعل المزيد وزيادة كفاءتك إلى أقصى حد دون التفكير في المكان الذي تبدأ منه.
يمكنك التنبؤ بالمستقبل بالخوارزميات الصحيحة.
يود معظمنا أن يكون قادرًا على النظر إلى المستقبل ، فماذا عن أفضل شيء تالي: توقع ما سيحدث على الأرجح؟
إن توقع النتائج المحتملة ليس بهذه الصعوبة بمساعدة الخوارزميات.
يعود هذا الشكل من التنبؤ إلى القرن الثامن عشر في إنجلترا. ابتكر القس توماس بايز أسلوبًا بسيطًا لتقدير احتمالات الأحداث المستقبلية ، مثل سحب تذكرة يانصيب فائزة ، بناءً على الأحداث الماضية.
دعونا نضع منطق بايز تحت الاختبار مع تذاكر اليانصيب اليوم. افترض أنك اشتريت ثلاثة أدوات خدش وتنوي استخدامها لمعرفة النسبة المئوية للتذاكر المتداولة التي تمنح أي نوع من الجوائز. كانت رؤية بايز هي أنك ستفترض أولاً فيما يتعلق بانتشار الفائزين في جميع التذاكر المستخدمة ثم تقيس احتمالية النتائج التي تراها بالفعل في التذاكر الثلاث الخاصة بك باستخدام هذا الافتراض.
على سبيل المثال ، إذا كانت التذاكر الثلاث الخاصة بك فائزة ، فيمكنك أن تفترض بأمان أن جميع التذاكر المتداولة فائزة. بشكل عام ، إذا كانت جميع التذاكر فائزة ، فيمكن أن تكون ثلاث تذاكر فقط من أصل ثلاث فائزين بنسبة 100٪ من الوقت. ومع ذلك ، إذا كان نصف المقاعد فقط فائزًا ، لكان حظك الثلاثي أضعاف احتمال حدوثه لك بنسبة 12.5٪. نتيجة لذلك ، من المرجح أن تكون أي من التذاكر فائزة.
بالطبع ، كلما زادت البيانات التي تجمعها ، زادت دقة نظريتك التالية.
ومع ذلك ، فقد تطور الحساب وزودنا بطرق دقيقة بشكل متزايد لعمل تقديرات أقوى بمرور الوقت.
يساعد فهم نمط توزيع الظاهرة بشكل كبير في مثل هذه التنبؤات.
على سبيل المثال ، ضع في اعتبارك “منحنى الجرس” المعروف ، والذي يعتمد على التوزيع الطبيعي ويشير إلى مجموعة واسعة من الظواهر. من خلال تقدير متوسط عمر مجموعة عشوائية من الأفراد ، قد تستنتج أن قلة من الناس صغار بشكل لا يصدق أو كبار السن وأن الغالبية تجلس في وسط منحنى الجرس. إذا كنت بالخارج في موعد أعمى ، فيجب أن تكون متأكدًا جدًا من أنك لن تأكل مع شخص من غير المولود.
تخضع بعض الحالات لتوزيع مميز لقانون السلطة.
في كلتا الحالتين ، نصل إلى المتوسط المتوسط عن طريق ترك معظم الملاحظات تنخفض إلى ما دونه وقليل من الملاحظات الضخمة تقع فوقه. تقاسم الدخل هو مثال بارز على ذلك. بشكل عام ، هناك العديد من المواطنين المحرومين ، وعدد قليل فقط من الناس يمتلك نصيب الأسد من رأس مال العالم.
تساعدنا الخوارزميات في تبادل الرسائل وإدارة التحميل الزائد للبيانات.
إليكم تجربة فكرية من المدرسة القديمة: يخطط جنرالان لشن هجوم متزامن على مدينة في ممر محصن. الشيء الوحيد هو أن واديًا على تل يفصل بين كل جنرال ، وقبل أن يتمكنوا من الضرب ، يجب عليهم التفاوض في الوقت المحدد. ومع ذلك ، فإن الطريقة الوحيدة لإيصال الرسالة هي إحضار شخص ما إلى الوادي ، حيث من المحتمل أن يتم القبض على رسله. فكيف يمكنهم تحديد وقت ومعرفة أن الشخص الآخر قد التزم به؟
يعتبر هذا تحديًا اعتبره علماء الكمبيوتر لتطوير خوارزميات يمكن أن تساعد في ضمان وصول الرسائل بأمان إلى هدفهم.
تُعرف الأداة الأولى التي طوروها باسم إعادة الإرسال حتى الانهيار. ستكون الخطة هي إرسال رسول بعد رسول على أمل أن يتمكن المرء من الخروج دون أن يتم القبض عليه.
هذا هو ما نفعله في الأساس بينما نواصل المراسلة أو الاتصال بصديق حتى يتفاعلوا.
على الرغم من أننا ، بالطبع ، في هذه الأيام ، نشعر بالقلق بشأن قضايا أخرى أكثر من الرسل المعترضين. افترض في كل مرة تريد فيها التحقق من بريدك الإلكتروني ؛ تلقيت رسالة خطأ تفيد بأن الخادم غارق في الضغط.
قد يكون أسلوب التراجع الأسي مفيدًا في هذه الحالة. بدلاً من الضغط بشدة على زر التحديث ، انتظر بضع دقائق حتى يتم مسح حركة المرور. إذا حدث لك الخطأ بعد ذلك ، ضاعف فترة الانتظار إلى أربع دقائق قبل المحاولة مرة أخرى ، واستمر في المضاعفة حتى تنجح.
من الناحية المثالية ، سيستخدم أي شخص يحاول الوصول إلى الخادم هذه الأداة لضمان دقة سريعة.
ومع ذلك ، فإن أفضل طريقة هي تجنب ظاهرة التحميل الزائد في المقام الأول ، وهي تقنية تُعرف باسم الزيادة الإضافية ، النقص المضاعف (AIMD).
ستساعدك هذه الخوارزمية في تحديد العدد الأمثل للبيانات التي يمكن أن تدعمها الشبكة. يبدأ بإرسال حزمة واحدة من المعلومات ، ثم يضاعف المجموع في كل مرة قبل أن يصل إلى نقطة التحميل الزائد.
ثم تحاول تحديد الحد الأقصى من خلال تسليم أحدث شحنة قبل الخسارة وزيادة الشحنات المتتالية بمقدار ضئيل قبل الوصول إلى الحد الأقصى.
الخوارزميات متاحة للمساعدة في تحديد ما سيفعله الناس وتوجيههم في اتخاذ القرارات.
هل سبق لك أن استخدمت مصطلح معضلة السجين؟ افترض أنك وشريكك قد سرقوا أحد البنوك بشكل فعال. بعد ذلك ، تحضرك الشرطة للاستجواب وتضعك في أماكن مختلفة. أنت تعلم أنه ليس لديهم دليل كافٍ للقبض على أيٍّ منكم بتهمة السرقة ، ولكن إذا أبقت فمك مغلقًا ، فإن ما سيفعلونه هو الحكم عليك بالسجن لمدة عام لجريمة مخففة. بعد ذلك ، ستتمكن من المغادرة والاستمتاع بنهبك.
ولكن إليك هذا الالتواء: الشرطة تجعلك أنت وشريكك صفقة: إذا قمت بشهادتك ضد شريكك وظل صامتًا ، فسيتم إطلاق سراحك وسيسجن لمدة عشر سنوات. إذا قام كل منكما بتشغيل الآخر ، فستحصل كلاكما على فترة خمس سنوات. ماذا ستفعل؟
هذه مشكلة إستراتيجية كلاسيكية من نظرية الألعاب ، والتي تبحث في كيفية استجابة الأشخاص العقلاء في مثل هذا السيناريو.
في حالة النزلاء ، من شبه المؤكد أنهم سينقلبون على بعضهم البعض ، وفي هذه الحالة سيحصل كل منهم على فترة خمس سنوات.
هناك حد أقصى بسيط للمكافأة في هذا السيناريو: إدانة الطرف الآخر ، وعدم المخاطرة بالسجن ، والحصول على فرصة للاحتفاظ بكل الأموال. حتى لو تحدث شريكك ، فإن السجن لمدة خمس سنوات أفضل من السجن لمدة عشر سنوات إذا كنت أخرس.
لكن في النهاية ، عندما يتعين على كل فرد الشهادة ضد الآخر ، يفوز رجال الشرطة.
مجموعة فرعية أخرى من نظرية اللعبة هي تصميم الآلية ، وهو أكثر وضوحًا. إنه يجبر الناس على التصرف بطريقة مرغوبة بدلاً من تحديد الخيارات على أمل الحصول على استجابة محددة.
يواجه العديد من أصحاب العمل ، على سبيل المثال ، مشكلة عدم قدرة العمال على قضاء أيام عطلتهم. يدرك أرباب العمل أن العمال الذين يتمتعون براحة جيدة يتفوقون على أولئك الذين يعملون فوق طاقتهم. ذهبت إيفرنوت أيضًا إلى حد منح موظفيها تعويضات بقيمة 1000 دولار مقابل قضاء إجازة ، ولكن حتى هذا لم ينجح.
عندما تقدم بنية آلية لهذا التحدي ، لا داعي للتفكير في إقناع العاملين لديك. ما عليك القيام به هو معرفة كيفية حملهم على أخذ قسط من الراحة.
والحل مباشر: اجعل الإجازات واجبة!
الخوارزميات ، كما ترى ، لديها مجموعة واسعة من التطبيقات. أخيرًا ، في القائمة النهائية ، دعنا نتحدث عن أوجه القصور فيها.
من المهم معرفة أن الخوارزميات لها حدودها.
عندما يتعلق الأمر بنمذجة النماذج المعقدة ، عادة ما تكون أفضل من النماذج الأساسية.
على سبيل المثال ، إذا كنت تقوم بإنشاء نموذج لتوضيح سبب السمنة ، فستحتاج إلى شيء معقد يأخذ في الاعتبار مجموعة متنوعة من الأسباب ، مثل نمط الحياة السيئ ، وعلم الأحياء ، وقلة التمارين. قد يكون النموذج التبسيطي الذي يركز فقط على الطعام غير كافٍ.
ومع ذلك ، تظهر الصعوبات عندما تصبح النماذج معقدة للغاية. يعد هذا تحديًا عند التعامل مع مشاكل العالم الحقيقي ، حيث لا يزال هناك ارتباك وخطأ في الأرقام. من المحتمل أن تبدأ بمجموعة بيانات نموذجية وتحاول إنشاء خوارزمية تسمح بالتنبؤات بناءً عليها. الإغراء هو الاستمرار في إضافة المتغيرات إلى الخوارزمية حتى تصف تمامًا كل شيء في النتائج ، حتى الأخطاء. يُشار إلى هذا باسم أكثر من المناسب ، وهو يتسبب في حدوث مشكلات أثناء محاولتك تطبيق نفس الخوارزمية على مجموعات بيانات متعددة. بشكل أساسي ، تم تصميم النموذج تمامًا لبيانات العينة لدرجة أنه فقد تنوعه ولن يتناسب مع أي بيانات أخرى.
عندما يتعلق الأمر بالسمنة ، على سبيل المثال ، قد تجد أن بعض أجزاء الدولة لديها معدل سمنة أعلى من غيرها بناءً على نتائج المسح. ومع ذلك ، قد يكون هذا من قبيل المصادفة ، لأنك إذا قمت بتعديل النموذج للتأكيد على أهمية موقف الشخص ، فإن القدرة التنبؤية للنموذج ستعاني عند تطبيقها على البيانات الجديدة حيث يكون الموقع غير ذي صلة.
عندما تعلم أن الخوارزميات المثلى لا تعمل ، فسوف تخفض توقعاتك وتستقر على اللائق بدرجة كافية بدلاً من المثالية.
فكر في مشكلة بائع متجول ، والتي تتساءل: كيف تجد أفضل طريق منفرد بين نقاط مختلفة دون الذهاب إلى مكان ما مرتين. عندما تطبق هذه المعضلة على دولة أو أمة بأكملها ، فإنها تصبح معقدة بشكل غير مفهوم.
في هذه الحالة ، فإن النهج الأكثر فاعلية هو خفض التوقعات. اسمح لمندوب المبيعات بزيارة كل مكان مرتين على الأقل. ستقترب من إجابة جيدة في فترة زمنية معقولة ، على الرغم من أنها ليست مثالية.
يمكن رؤية الخوارزميات ، كما رأيت من هذه الألواح ، في مجموعة متنوعة من المواقف بمجرد أن تفهم حدودها وإمكاناتها.
الملخص النهائي
الخوارزميات ليست بنيات غير مفهومة مصممة فقط لمساعدة علماء الرياضيات والآلات. في الواقع ، نستخدمها بشكل يومي ، على الرغم من أننا لا ندرك ذلك. توفر الخوارزميات حكمة معرفة حل المشكلات التي ستساعدك في اتخاذ خيارات سليمة ، والتنبؤ بالنتائج المحتملة ، وكونك شخصًا أكثر فاعلية.
قم بالأشياء السهلة أولاً.
عندما تصبح قائمة المهام طويلة جدًا وتريد شطب أكبر عدد ممكن من العناصر ، استخدم خوارزمية “أقصر وقت معالجة”: رتب الأنشطة من حيث ما سيتم إكماله بأسرع ما يمكن. يتيح لك هذا إكمال عدد كبير من المهام في فترة زمنية محدودة.