1700497363
但我们选择的不只是我们给自己安排的问题。我们也会选择我们给彼此安排的问题，无论是我们设计城市的方式还是我们问问题的方式。这就创造了横跨计算机科学和伦理学的惊人桥梁——以我们称之为计算性善意原则的形式。
1700497364
1700497365
※—※—※
1700497366
1700497367
在给本书安排采访时，我们中的两个人观察了一个悖论。平均而言，我们的面试者更有可能前来的预约时间是，比如“太平洋标准时间下周二下午1~2点”，而不是“在这一周任何方便的时间”。一开始，这似乎是荒谬的，就像那个著名的研究，平均而言，人们会捐更多的钱来拯救一只企鹅的生命，而不是8000只企鹅，或者人们报告称，更担心死于恐怖主义行为，而不是其他原因（也包括恐怖主义）。在采访问题中，人们似乎更喜欢受到约束的问题，即使这些约束要求严格，而不是完全开放的。对于他们来说，适应我们的偏好和约束似乎比根据他们自己的方式来计算出更好的选择要困难得多。计算机科学家们会在这里点头，并指出“验证”和“搜索”之间的复杂性差距，这就像你能听出一首听过的好歌曲和在现场写一首好歌曲之间的差距一样大。
1700497368
1700497369
尽管听起来很奇怪，但计算机科学隐含的原理之一便是，计算并不是好事：任何一种好的算法的指令都是把思考的劳动最小化。当我们与他人互动时，我们会向他们展示计算问题（不只是明确的要求和需求，而是隐含的挑战），例如在解释我们的意图、我们的信念和我们的喜好时。因此，对这些问题的计算性理解可以揭示人类相互作用的本质。我们可以通过构造问题来对其他人进行“计算性善意”，从而使深层的计算问题更容易。这很重要，因为许多问题，尤其是社会问题，就像我们所看到的那样，本质上是难以解决的。
1700497370
1700497371
考虑一下这个极为常见的情景。一群朋友站在一起，想决定要去哪里吃晚饭。他们每个人都有一些明显的偏好，尽管可能是弱的。但他们中没有人愿意明确表达这些偏好，因此他们用猜测和半暗示的方法来礼貌地应对社会危险源。
1700497372
1700497373
他们很可能会达成一项令所有人满意的决议，但是这个过程很容易出错。例如，大学毕业后的夏天，布莱恩和两个朋友去西班牙旅行。他们在飞行途中商定了旅行路线，有一点很清楚，他们没有时间去看之前研究和计划过的斗牛表演。三个人都试图安慰另外两人，就在这时，他们突然发现，事实上他们中没有一个人想要看斗牛。每一个人都只是在游戏中采用了他们所认为的其他人的热情程度，从而产生了其他人积极采取的热情程度。
1700497374
1700497375
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。
1700497376
1700497377
在这种情况下，计算善意和传统礼仪有分歧。礼貌地克制你的喜好会将推测性计算问题推给组内的其他人来解决。相反，礼貌地表达你的喜好（“我个人倾向于x。你认为是什么？”）有助于承担将团队带到问题解决办法上的认知负荷。
1700497378
1700497379
或者，你可以试着将你给别人选择的数量减少，而不是最大化，比如说，提供2~3家餐馆的选择，而不是10家。如果团队中的每个人都消除了他们最不喜欢的选项，那就会使任务变得更容易。如果你邀请某人出去吃午饭或安排会议，提出一个或两个他们可以接受或拒绝的具体建议，这会是一个好的起点。
1700497380
1700497381
这些行为都不一定是“有礼貌”的，但它们都能明显地降低交互作用的计算成本。
1700497382
1700497383
※—※—※
1700497384
1700497385
计算善意不仅是行为的原则，它也是一个设计原则。2003年，滑铁卢大学的计算机科学家杰弗里·夏利特研究了一个问题：如果在美国投入流通，多大的硬币面额能最大限度地减少硬币流通所需要的硬币数量。令人高兴的是，答案竟然是18分的面额，但夏利特在某种程度上没有通过计算性的考虑来制定政策建议。
1700497386
1700497387
目前，想要进行变化是非常简单的：对于任何给定的数量，只要尽可能多地使用25美分的硬币，然后尽可能多地使用10美分的硬币，以此类推，面额不断下降。例如，54美分是2个25美分，加4个1美分。有了18美分，这个简单的算法就不再是最佳的了：54美分最好是由3个18美分组成（没有25美分的硬币）。事实上，夏利特观察到，笨拙的面额会把改变的过程变成某种“至少和……旅行推销员问题同样困难的东西”。这个问题跟收银员关系密切。夏利特发现，如果将计算的易用性考虑在内，那么美国货币最好的供应量是只使用2美分或3美分的硬币。这不像18美分硬币这一结果那样令人兴奋，但长期看来几乎一样好，而且在计算上更具有善意。
1700497388
1700497389
更深层次的一点是，设计上的微妙变化可以从根本上改变对人类用户造成的认知问题。例如，建筑师和城市规划者对他们如何构建我们的环境有一些选择，这意味着他们可以选择如何构建我们必须解决的计算问题。
1700497390
1700497391
下面来考虑一个大型停车场，里面有各种不同的车道，这种车道经常出现在体育场馆和购物中心。你可以在一个车道上开车，看一个地点，然后决定让它去（希望是）前方一个更好的地方，但是，你没能找到这样的好运气，到达目的地之后沿着隔壁车道继续走。在开了一段路之后，你必须决定另一个停车位是否足够好，或者你将在第三条车道上搜索很远。
1700497392
1700497393
这里的算法视角不仅对司机有用，对建筑师也有用。将这些毛躁、混乱的决策问题与从目的地出发的单一线性路径做对比。在这种情况下，一个人简单地采用第一个可用的空间——没有博弈理论，没有分析，没有看完就跳走的规则。一些停车场就是这样的结构，从地面螺旋上升。它们的计算负载为零：人们简单地向前推进，直到第一个车位出现，然后接受它。无论对这种建设有什么其他可能的因素，我们都可以肯定地说，它对司机来说是一种认知上的人性化。
1700497394
1700497395
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。（这不仅是一个抽象的问题，当商场的停车成为压力的来源时，购物者可能会花更少的钱，这样商场的回报就更少。）城市规划者和建筑师经常权衡不同的设计，考虑如何利用有限的空间、材料和金钱等资源。但是他们很少考虑他们的设计对使用者的计算资源增加负担的方式。认识到我们日常生活的算法基础（在这种情况下，是最优停止算法）不仅能让司机在特定的情况下做出最好的决定，而且还能鼓励规划者更仔细地考虑他们最开始迫使司机进入的问题。
1700497396
1700497397
还有一些其他例子，是在计算上更仁慈的设计。例如，考虑下餐厅座位政策问题。一些餐厅有一个“开放式座位”的政策，等待的顾客在那里徘徊，直到一张桌子被空出来，而第一个坐下来的人就会在这张桌子上用餐。其他人会记下你的名字，让你在酒吧喝一杯，当桌子准备好时再通知你。这些对稀缺共享资源管理的方法反映了计算机科学在“旋转”和“阻塞”之间的区别。当处理线程请求资源而无法获取时，计算机可以允许线程“自旋”——继续对资源进行永久检查，“它准备好了吗？”循环，或者它可以“阻塞”：停止那个线程，转换其他对象，然后在资源空闲的时候再回来。对于计算机科学家来说，这是一个实际的权衡：权衡在自旋中丢失的时间和在上下文切换中失去的时间。但在餐馆中，并非所有被交易的资源都是他们自己的。“旋转”的方式更快地填补了空桌子，但同时被损坏的中央处理器就是他们顾客的思想，被困在乏味且耗时间的警觉中。
1700497398
1700497399
作为一个类似示例，考虑一下公交站所带来的计算问题。如果有一个实时显示器提示说，下一辆车“10分钟后到达”，那么你就可以决定是否继续等待，而不是将公共汽车还没来的事实作为推论证据，一刻接一刻，然后不得不重新决定再决定。此外，你可以不再斜眼向下看路（旋转），在这10分钟你可以目视前方。（对于那些不能预测下一辆公交车到达时间的城市来说，我们看到了贝叶斯法则甚至能让人知道最后一辆公共汽车什么时候离开的，这也是有用的代替。）这种计算善意的微妙举动，如果没有办法提供更多的话，也可以像对票价的补贴一样，对乘车有很大的帮助：可以把它当作一种认知补贴。
1700497400
1700497401
※—※—※
1700497402
1700497403
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。
1700497404
1700497405
理性决策的直观标准是仔细考虑所有可用的选项，并选择最好的选项。乍一看，电脑就像是这种方法的典范，只要它能得到完美的答案，就会不断地进行复杂的计算。但正如我们所见，这是一幅过时的图片，表明计算机做了些什么：这是一个简单的问题所能提供的奢侈品。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。
1700497406
1700497407
几乎在我们所考虑的每一个领域，我们越了解现实的因素（包括当面试求职者时，是否有不完整的信息，当试图解决探索或利用困境时，如何处理一个变化的世界，或者当我们试图把事情做好时，让某些任务依赖别人），就越有可能最终找到完美的解决方案，这需要不合理的长时间。事实上，人们几乎总是面临计算机科学面对的难题。在这些困难的情况下，有效的算法可以做出假设，倾向于更简单的解决方案体，将错误的成本与延迟成本进行权衡并开始冒险。
1700497408
1700497409
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。
1700497410
1700497411
1700497412
[
上一页 ]
[ :1.700497363e+09 ]
[
下一页 ]