Algorithms to Live By: The Computer Science of Human Decisions by Brian Christian and Tom Griffiths

सारांश

क्या कंप्यूटर विज्ञान हमें जीवन के रहस्यों को सिखा सकता है? शायद नहीं, लेकिन यह बता सकता है कि कुछ रोजमर्रा की प्रक्रियाएं कैसे काम करती हैं और उनका उपयोग कैसे करें। एल्गोरिदम हर जगह होते हैं, एक रेसिपी का पालन करने से लेकर आपके ईमेल को किस क्रम में सॉर्ट करने तक।

Algorithms to Live By: The Computer Science of Human Decisions by Brian Christian and Tom Griffiths में, प्रोग्रामर और अनुसंधानकर्ता ब्रायन क्रिश्चियन और मनोविज्ञान और संज्ञानात्मक विज्ञान के प्रोफेसर टॉम ग्रिफिथ्स UC बर्कले में एल्गोरिदम के बहुत सारे तरीके बताते हैं जो हमारी याददाश्त से लेकर हमारे बड़े और छोटे निर्णयों तक सब कुछ को आकार देते हैं।

शीर्ष 20 अंतर्दृष्टि

1. "37% नियम" किसी निर्धारित समय के भीतर सर्वश्रेष्ठ निर्णय लेने के लिए किसी को अनुसरण करना होगा कदमों, या एल्गोरिदम, की ओर संदर्भित करता है। किसी व्यक्ति ने अपने समय का 37% अनुसंधान करने में बिताया फिर वे अगले "सर्वश्रेष्ठ विकल्प" को चुनते हैं जो उन्हें मिलता है।
2. "खोज/शोषण" ट्रेड-ऑफ की आवश्यकता होती है ताकि प्रयास और परीक्षण के साथ नए और जोखिम भरे को संतुलित किया जा सके। इस एल्गोरिदम का लाभ पूरी तरह से आपके पास निर्णय लेने का कितना समय है, इस पर निर्भर करता है। लोग अपने शहर में अंतिम रात बिताने की अपेक्षा अपने पसंदीदा रेस्तरां में जाने की संभावना ज्यादा होती है।
3. 1952 में गणितज्ञ हर्बर्ट रॉबिंस द्वारा विकसित "जीत-रहो, हार-बदलो" एल्गोरिदम स्लॉट मशीनों को एक उपमा के रूप में उपयोग करता है। एक मशीन को बेतरतीब चुनें और उसे खेलें जब तक आप हार नहीं जाते। फिर दूसरी मशीन पर स्विच करें; इस तरीके को मौके से अधिक विश्वसनीय साबित किया गया है।
4. एक मनोविज्ञान की अध्ययन ने पाया कि दिए गए विकल्पों में, लोग अक्सर "अधिक अन्वेषण" करते हैं बजाय जीत का लाभ उठाने के। जब उन्हें 15 अवसर दिए गए कि वे कौन सी स्लॉट मशीन चुनेंगे जो जीतेगी, 47% ने Win-Stay, Lose-Shift रणनीतियों का उपयोग किया, और 22% ने ऐसी मशीन का चयन किया जो भुगतान कर रही थी की बजाय यादृच्छिक रूप से मशीनें चुनीं।
5. हॉलीवुड एक प्रमुख उदाहरण है लाभ उठाने की तकनीक का। फिल्मों के सीक्वल्स की संख्या पिछले दशक में निरंतर बढ़ी है। 2013 और 2014 दोनों में, टॉप 10 फिल्मों में से सात या तो सीक्वल्स थे या प्रीक्वल्स। यदि नई फिल्मों के विचारों ने अधिक बॉक्स ऑफिस डॉलर खींचे, तो यह रुझान बदलने की संभावना है।
6. A/B परीक्षण दो स्लॉट मशीन स्थिति के समान है जिसमें आप उस विकल्प के साथ चिपके रहते हैं जो सर्वश्रेष्ठ प्रदर्शन करता है। Google की $50 मिलियन की वार्षिक आय का 90% से अधिक पैड विज्ञापनों से है, जिसका अर्थ है कि अन्वेषण/लाभ एल्गोरिदम इंटरनेट के एक बड़े हिस्से को संचालित करते हैं।
7. Gittins Index एक आधारभूत ढांचा प्रदान करता है जो मानता है कि आपके पास सर्वश्रेष्ठ भुगतान प्राप्त करने के लिए अनिश्चित समय है, लेकिन जितना अधिक समय आप प्रतीक्षा करते हैं, उत्तरदायित्व कम होते जाते हैं। उदाहरण के लिए: एक स्लॉट मशीन का चयन करें जिसका ट्रैक रिकॉर्ड एक-तो-एक जीत/हानि (50%) है बजाय मशीन का जो 18 बार में नौ बार जीती है।
8. "Upper Confidence Bound" एल्गोरिदम "Win-Stay, Lose-Shift" विधि से अधिक खोज के लिए स्थान प्रदान करते हैं। यह एल्गोरिदम एक मूल्य निर्धारित करता है जो "हो सकता है" उपलब्ध जानकारी के आधार पर।एक नई रेस्टोरेंट में जाने पर अच्छा अनुभव होने की 50/50 संभावना होती है क्योंकि आपने कभी वहां नहीं खाया है।
9. "सबसे कम समय लेने वाले कार्य को पूरा करने की आवश्यकता होती है। कार्य के महत्व को उसके पूरा होने में लगने वाले समय से विभाजित करें। केवल उस कार्य को प्राथमिकता दें जो दो गुना समय लेता है, अगर वह दो गुना महत्वपूर्ण है।
10. लाप्लास का नियम केवल छोटी मात्रा में डेटा के साथ कुछ होने की संभावना की गणना करता है। गिनिए कि वह परिणाम कितनी बार हुआ है, एक जोड़ें, फिर संभावनाओं की संख्या प्लस दो से विभाजित करें। उदाहरण के लिए: आपकी सॉफ्टबॉल टीम प्रति सीजन आठ खेल खेलती है। इसने पहले ही दो खेल जीत लिए हैं। 2+1/ 6+2=3/8, या अगले खेल जीतने की 37.5% संभावना।
11. कोपरनिकन सिद्धांत आपको बिना बहुत कुछ जाने के किसी चीज की अवधि का अनुमान लगाने की अनुमति देता है। समाधान यह है कि यह उतनी ही देर तक चलेगा जितनी देर तक यह चल चुका है। इस सिद्धांत के आधार पर, Google को 2044 तक चलने की संभावना है (1998 से 23 वर्ष + 2021 से 23)।
12. "पावर-लॉ वितरण" यह मानता है कि, जीवन में, अधिकांश चीजें माध्य के नीचे गिरती हैं और कुछ ऊपर उठती हैं। अमेरिकी जनसंख्या के दो-तिहाई हिस्सा माध्य आय से कम कमाता है, लेकिन शीर्ष 1% लगभग दस गुना माध्य आय कमाते हैं। "टाइटैनिक" स्तर की कमाई करने वाली फिल्में कम होती हैं, लेकिन कुछ होती हैं।
13. "नाश संतुलन" दो खिलाड़ी वाले खेलों की घटना का अन्वेषण करता है और खिलाड़ियों ने दूसरे व्यक्ति के कार्य के आधार पर बदलने की इच्छा नहीं होने वाली रणनीतियां बनाई हैं। यह स्थिरता पैदा करता है। रॉक-पेपर-सिजर्स में तीन विकल्पों के साथ, खिलाड़ियों ने 1/3-1/3-1/3 रणनीति अपनाई है, जब तक कि दूसरा व्यक्ति तकनीकों में परिवर्तन नहीं करता, और प्रक्रिया फिर से शुरू होती है।
14. मानव मस्तिष्क में स्मृतियों की लगभग असीम क्षमता होती है, लेकिन हमें उन्हें पहुंचने के लिए सीमित समय होता है। इसका परिणाम "भूलने की वक्र" में होता है। हरमन एबिंघाउस द्वारा किए गए एक अध्ययन में पाया गया कि वह बकवास शब्दों को पढ़ने के बाद 60% समय याद कर सकते थे, लेकिन यह 800 घंटों के बाद 20% तक घट गया।
15. एबिंघाउस की "भूलने की वक्र" को समाज में शब्दों के उपयोग की आवृत्ति के साथ करीब से मेल खाने के रूप में दिखाया गया। न्यूयॉर्क टाइम्स की सुर्खियों में पाए गए शब्दों की पुनरावृत्ति 100 दिनों में 15% की दर से घटी और इसका संकेत दिया कि मानव मस्तिष्क स्वाभाविक रूप से हमारी प्रक्रियाओं को हमारे चारों ओर की दुनिया के अनुसार तैयार करते हैं।
16. 6 मई 2010 की शेयर बाजार की "फ्लैश क्रैश" का कारण "सूचना कैस्केड" था। जब एक व्यक्ति कुछ अलग करता है, तो अन्य लोग उसके अनुसरण करते हैं, मानते हैं कि पहले व्यक्ति को कुछ ऐसी जानकारी है जो उन्हें नहीं पता। यह व्यवहार लोगों को घबराहट में खरीदने या भीड़ का व्यवहार दिखाने का कारण बनता है।
17. समाजशास्त्री बैरी ग्लासनर ने ध्यान दिलाया कि संयुक्त राज्य अमेरिका में हत्याएं 1990 के दशक में 20% घट गईं, और फिर भी अमेरिकी समाचार पर बंदूक के हिंसा का उल्लेख 600% बढ़ गया।सार्वजनिक जानकारी से अधिक निजी जानकारी द्वारा एक सूचना अभिप्रवाह का कारण बन सकता है।
18. जब लेखक ब्रायन क्रिश्चियन और टॉम ग्रिफिथ्स ने पुस्तक के लिए साक्षात्कार निर्धारित किए, तो उन्होंने पाया कि विशेषज्ञ एक संकीर्ण, पूर्वनिर्धारित खिड़की को एक विस्तृत खुली खिड़की की तुलना में अधिक स्वीकार करने के लिए प्रवृत्त होते हैं। यह सीमाओं को समायोजित करना दूसरे समाधान को ढूंढ़ने की तुलना में कम चुनौतीपूर्ण होता है।
19. मानो या न मानो, यादृच्छिकता भी जीवन के एल्गोरिदम का हिस्सा है। नोबेल पुरस्कार विजेता साल्वाडोर लुरिया ने अपने दोस्त को स्लॉट मशीन पर जैकपॉट जीतते हुए देखकर यह समझा कि यादृच्छिक रूपांतरण वायरस प्रतिरोध उत्पन्न कर सकते हैं।
20. सबसे अच्छी योजनाएं अक्सर सबसे सरल होती हैं। सॉफ्टवेयर कंपनी 37signals के संस्थापक जेसन फ्रीड और डेविड हाइनेमायर हैनसन, जब वे ब्रेनस्टॉर्मिंग शुरू करते हैं तो एक मोटे मार्कर का उपयोग करते हैं क्योंकि यह कमरे की सीमा और उन्हें बड़े चित्र पर ध्यान केंद्रित करने के लिए मजबूर करता है।

25 questions and answers

How can the concept of over exploration be mitigated in decision making?

View answer

The concept of over exploration can be mitigated in decision making by implementing strategies such as the 37% rule, the explore/exploit trade-off, and the Win-Stay, Lose-Shift algorithm. The 37% rule suggests that one should spend 37% of their time researching before making a decision, then commit to the next best choice they find. The explore/exploit trade-off emphasizes the need to balance the tried and tested with the new and risky. The Win-Stay, Lose-Shift algorithm, developed by mathematician Herbert Robins, suggests that one should stick with a decision until it proves unsuccessful, at which point they should switch to a different approach.

What factors can influence the effectiveness of the 37% rule?

View answer

The effectiveness of the 37% rule can be influenced by several factors. Firstly, the amount of time you have to make decisions can greatly impact the effectiveness of this rule. If you have a limited amount of time, you may not be able to fully utilize the 37% of the time for research. Secondly, the nature of the decision can also affect the rule's effectiveness. If the decision involves high risks, you may need to spend more than 37% of your time on research. Lastly, personal factors such as your ability to make quick decisions and your risk tolerance can also influence the effectiveness of the 37% rule.

How does the Win-Stay, Lose-Shift algorithm compare to other decision making strategies?

View answer

The Win-Stay, Lose-Shift algorithm, developed by mathematician Herbert Robins in 1952, is a decision-making strategy that uses the metaphor of slot machines. The method involves choosing a machine at random and playing it until you lose, then switching to another machine. This strategy has been proven to be more reliable than chance. It differs from other strategies such as the 37% rule, which involves allotting 37% of your time to research before making a decision, and the explore/exploit trade-off, which requires balancing the tried and tested with the new and risky.

View all 25 questions

Ask follow up

सारांश

अद्वितीय रोकना

देखो बनाम कूदो

जीवन ऐसी स्थितियों से भरा हुआ है जो हमें सबसे कम समय में सबसे अच्छा संभव निर्णय लेने की आवश्यकता होती है। ड्राइवर्स को सही पार्किंग स्थान की तलाश होती है। प्रबंधकों को नौकरी के लिए सबसे अच्छा उम्मीदवार खोजने की जरूरत होती है, और संपत्ति मालिकों को फिर से रियल एस्टेट बाजार में परिवर्तन होने से पहले बिक्री प्रस्ताव स्वीकार करने का फैसला करना होता है। इस संदिग्धता को "अद्वितीय रोकना कहा जाता है।"

25 questions and answers

How does the concept of optimal stopping apply to academic research?

View answer

The concept of optimal stopping can apply to academic research in several ways. For instance, researchers often need to decide when to stop collecting data or when to stop a study. This decision can be based on a variety of factors, such as the quality of the data collected, the time and resources available, and the objectives of the research. Optimal stopping can help researchers make these decisions in a more systematic and efficient way.

What are some other decision-making dilemmas that can be explained using algorithms?

View answer

Some other decision-making dilemmas that can be explained using algorithms include choosing the best time to buy or sell stocks, determining the optimal route for a delivery truck, deciding when to replace aging equipment, and selecting the best strategy in a game of chess. Algorithms can also be used to solve problems in machine learning and artificial intelligence, such as classifying images or predicting future events.

How can the concept of optimal stopping be used in financial planning?

View answer

The concept of optimal stopping can be used in financial planning in various ways. For instance, it can help in deciding when to sell an investment to maximize profit or minimize loss. It can also be used in retirement planning to determine the best time to start drawing from retirement savings. The idea is to make the best possible decision at the right time, considering the potential future outcomes and the risks involved.

View all 25 questions

Ask follow up

"अद्यतन रोकने" समस्याएं उन द्वन्द्वों को संदर्भित करती हैं जिन्हें सबसे कम समय में सर्वश्रेष्ठ निर्णय की आवश्यकता होती है। आप कैसे संतुलन बनाते हैं सभी तथ्यों को प्राप्त करने की आवश्यकता और इसके पहले कार्रवाई करने की आवश्यकता के बीच, जब यह बहुत देर हो चुकी हो? सामान्य उदाहरणों में सबसे अच्छी पार्किंग स्थल की खोज, किराए का एक अपार्टमेंट कब लेना चाहिए जब वे सभी ले लिए जाते हैं और एक नौकरी के लिए सबसे अच्छा उम्मीदवार कब नियुक्त करना है, शामिल हैं। इसका विस्तृत अध्ययन और चर्चा 1950 के दशक से गणितज्ञों द्वारा की गई है।

25 questions and answers

What are some practical tips for applying Optimal Stopping principles in everyday life?

View answer

Optimal Stopping principles can be applied in various aspects of everyday life. For instance, when looking for a parking spot, you might decide to stop at the first available spot after a certain point to avoid wasting more time. When renting an apartment, you might decide to take the first one that meets your minimum criteria after viewing a certain number. When hiring, you might decide to hire the first candidate who exceeds a certain benchmark after interviewing a certain number of applicants. The key is to define your criteria and decide on a stopping rule in advance.

How does the concept of Optimal Stopping apply to financial decisions?

View answer

The concept of Optimal Stopping can apply to financial decisions in various ways. For instance, it can be used to determine the best time to sell a stock or other investment. If you sell too early, you might miss out on potential gains. If you sell too late, you might lose money. Similarly, it can be used to decide when to stop investing in a losing venture. The goal is to make the best decision in the shortest amount of time, balancing the need for information with the need to act.

What are some potential future developments in the study of Optimal Stopping problems?

View answer

Future developments in the study of Optimal Stopping problems could include the application of machine learning and artificial intelligence to predict optimal stopping points more accurately. Additionally, there could be more research into the application of these problems in new fields such as healthcare, finance, and environmental science. The development of more sophisticated mathematical models and algorithms could also be a focus.

View all 25 questions

Ask follow up

इस समस्या को "सचिवाय समस्या" के रूप में जाना जाता है।

• यदि एक नियोक्ता 100 सचिव आवेदकों का साक्षात्कार करता है, तो उस व्यक्ति को प्रतिभा पूल और सर्वश्रेष्ठ गुणों के साथ परिचित होने के लिए पहले 37% साक्षात्कारों को आवंटित करना चाहिए।
• यदि वे अगले आवेदक को नियुक्त करते हैं जो "अब तक का सर्वश्रेष्ठ" प्रतीत होता है, तो कंपनी के पास उस व्यक्ति का सर्वश्रेष्ठ उम्मीदवार होने की 37% संभावना होती है।
• आवेदकों की संख्या कम होने पर बाजी बढ़ जाती है।

27 questions and answers

What are the potential implications of the 37% rule on the company's overall performance?

View answer

The 37% rule, when applied to hiring, suggests that a company should spend the first 37% of the interview process to understand the talent pool and then hire the next best candidate. This could potentially improve the company's overall performance by increasing the chances of hiring the best candidate. However, it's important to note that this rule is based on probability and doesn't guarantee the best outcome every time.

How can the 37% rule be used to improve the efficiency of the hiring process?

View answer

The 37% rule can be used to improve the efficiency of the hiring process by applying it to the interview process. If an employer is interviewing 100 applicants, they should spend the first 37% of interviews familiarizing themselves with the talent pool and identifying the best qualities. After this point, they should hire the next applicant who appears to be the best so far. This approach gives the company a 37% chance of hiring the best candidate. The odds of success increase with fewer applicants.

What are the potential effects of the 37% rule on the overall hiring process?

View answer

The 37% rule can potentially improve the hiring process by increasing the chances of selecting the best candidate. By spending the first 37% of the time getting familiar with the talent pool, an employer can identify the best qualities to look for in candidates. After this period, the employer is advised to hire the next candidate who appears to be the best so far, which gives a 37% chance of that person being the best candidate. The odds become even greater with fewer applicants.

View all 27 questions

Ask follow up

सैन फ्रांसिस्को में एक अपार्टमेंट की खोज में एक किरायेदार उच्च मांग के कारण पहले उपलब्ध इकाई को लेने के लिए प्रवृत्त हो सकता है। यदि उस किरायेदार को 30 दिनों के भीतर एक नयी जगह खोजने की आवश्यकता होती है, तो "अद्यतन रोकने" एल्गोरिदम सुझाव देता है कि किरायेदार अपने समय का 37%, या 11 दिन, विकल्पों का अन्वेषण करने में बिना किसी प्रतिबद्धता के बिताए। 12वें दिन, किरायेदार को पहले स्थान के प्रति प्रतिबद्ध होने के लिए तैयार होना चाहिए जिसे वे "अब तक का सर्वश्रेष्ठ" मानते हैं।"

Ask follow up

खोज बनाम शोषण

स्टैनफोर्ड की मनोविज्ञान प्रोफेसर लौरा कार्स्टेंसन ने अनुमान लगाया कि लोग अपने जीवन के बाद के वर्षों में अपने सामाजिक वृत्तों को सावधानीपूर्वक कम करते हैं। एक अध्ययन में, लोगों से पूछा गया कि क्या वे 30 मिनट अपने निकटतम परिवार के सदस्य, हाल ही में पढ़ी गई किताब के लेखक या उनके हितों को साझा करने वाले किसी व्यक्ति के साथ बिताना पसंद करेंगे। वृद्ध प्रतिक्रियाकर्ताओं ने परिवार के सदस्य का चयन किया, जबकि युवा लोग नए मित्र बनाने का चयन किया।

Ask follow up

हालांकि, जब समय जोड़ा या हटाया गया, तो कुछ रोचक हुआ। यदि वृद्ध लोगों को 20 वर्ष अधिक जीने की अनुमति दी जाती, तो उनके विकल्प युवा प्रतिक्रियाकर्ताओं के समान होते। यदि युवा प्रतिक्रियाकर्ता कल्पना करते कि वे देश के अन्य हिस्से में स्थानांतरित होने वाले हैं, तो उन्होंने परिवार के सदस्यों का चयन किया।

जीवन अनिश्चितताओं से भरा हुआ है, जिससे निर्णय लेने की प्रक्रिया कभी-कभी और भी कठिन हो जाती है। जीवन या मृत्यु के दबाव को समीकरण से बाहर निकालने के लिए, चलिए हम कुछ कम घातक की ओर मुड़ते हैं - कैसीनो स्लॉट मशीन।

"एक हाथ वाले डाकू" के नाम से मशहूर, स्लॉट मशीनें विभिन्न भुगतान की संभावनाओं के साथ आती हैं जिन्होंने शताब्दियों से जुआड़ी और सांख्यिकीविदों को आश्चर्यचकित किया है। 1952 में, गणितज्ञ हर्बर्ट रॉबिंस ने यह समस्या सुलझाने का एक समाधान प्रस्तावित किया कि क्या आपको अगली बड़ी जीत के लिए इंतजार करना चाहिए या जब आप आगे हों तो छोड़ देना चाहिए। उन्होंने इसे विन-स्टे, लूज-शिफ्ट एल्गोरिदम कहा।

Ask follow up

Robbins ने प्रस्तावित किया कि व्यक्ति को एक "बाजू" को बेतरतीब चुनना चाहिए (खोजें), फिर इसे इतना खींचें जब तक यह लाभ देता है (शोषण करें). एक बार मशीन भुगतान करने में विफल हो जाती है, व्यक्ति को दूसरी की ओर बदलना चाहिए, और इसी तरह आगे बढ़ें।

न्यूनतम पछतावा

कभी-कभी आपको अपनी विशेष समस्या का समाधान पाने के लिए जोखिम के साथ संभावित पछतावे का मूल्यांकन करना पड़ता है। Amazon के CEO Jeff Bezos ने Amazon की शुरुआत से पहले Wall Street पर एक स्थिर, अच्छी तरह से भुगतान करने वाली नौकरी रखी थी। पहले ऑनलाइन बुकस्टोर का जोखिम, उन्होंने पाया, इस संभावना से अधिक था कि वह पछता सकते हैं कि उन्होंने प्रयास नहीं किया, एक "पछतावा कमीकरण ढांचा"।

Ask follow up

"मुझे पता था कि जब मैं 80 हो जाऊंगा, तो मैं इसे प्रयास करने का पछतावा नहीं करूंगा," Bezos ने कहा। "मुझे पता था कि मैं इस चीज़ को इंटरनेट कहने वाले में भाग लेने का प्रयास करने का पछतावा नहीं करूंगा, जिसे मैंने सोचा था कि यह एक बहुत बड़ी बात होगी। मुझे पता था कि अगर मैं विफल होता हूं, तो मैं उसका पछतावा नहीं करूंगा, लेकिन मुझे पता था कि एक चीज़ जिसका मैं पछतावा कर सकता हूं, वह यह है कि मैंने कभी प्रयास नहीं किया।"

Ask follow up

"अपर कन्फिडेंस बाउंड" एल्गोरिदम "विन-स्टे, लूज-शिफ्ट" विधि से अधिक खोज के लिए अधिक स्थान प्रदान करते हैं। यह एल्गोरिदम एक मूल्य निर्धारित करता है जो "हो सकता है" उपलब्ध जानकारी के आधार पर। एक नया रेस्तरां एक अच्छा अनुभव प्रदान करने के लिए 50/50 का मौका होता है क्योंकि आप कभी वहां नहीं गए हैं।

एल्गोरिदम पछतावे के बिना जीवन की गारंटी नहीं दे सकते, लेकिन वे यह दिखाते हैं कि हमारी जोखिम लेने की इच्छा कितना समय हम सोचते हैं (या जानते हैं) कि हमें उन्हें लेने के लिए कितना समय है, इससे कम होती है।जब हम बच्चे होते हैं, हम अपने दुनियाओं का अन्वेषण करते हैं और बड़े उत्साह के साथ नई चीजों की खोज करते हैं। जैसे-जैसे हम बड़े होते हैं, हम उन "आजमाए हुए और सच्चे" निर्णयों पर भरोसा करने लगते हैं जो हमने सीखा है, अर्थात् उनका शोषण करते हैं।

Ask follow up

उद्देश्य के साथ योजना बनाएं

अक्सर, उन कार्यों को जिनकी अंतिम तिथि होती है, उन्हें निकटतम अंतिम तिथि से दूरतम अंतिम तिथि तक संभाला जा सकता है। यदि आपके पास एक साथ कई कार्य हैं, तो उन्हें इसके आधार पर छांटना सबसे अच्छा है कि प्रत्येक कार्य को पूरा करने में कितना समय लगेगा।

इस प्रकार की अनुसूची का सामना करने के लिए, विशेष रूप से यदि आपके पास कई ग्राहक हैं, तो आप Shortest Processing Time एल्गोरिदम का उपयोग करके सभी को इंतजार करने की मात्रा को कम कर सकते हैं। सीधे शब्दों में कहें, हमेशा सबसे तेज कार्य को पहले निभाएं और इसी तरह आगे बढ़ें। सोचिए, एक सोमवार की सुबह जिसमें आपके पास एक बड़ी परियोजना है जिसे पूरा करने में चार दिन लगते हैं और एक छोटी परियोजना जिसे पूरा करने में एक दिन लगता है। यदि आप बड़ी परियोजना को पहले गुरुवार को (4 दिन) और छोटी परियोजना को शुक्रवार को (5 दिन) सौंपते हैं, तो आपके ग्राहकों ने कुल मिलाकर नौ दिन इंतजार किया होगा। यदि आप छोटी परियोजना को पहले सोमवार को (1 दिन) और बड़ी परियोजना को शुक्रवार को (5 दिन) सौंपते हैं, तो आपके ग्राहकों ने उनके बीच कुल छह दिन का इंतजार किया होगा। इसे "समापन समयों का योग" कहा जाता है।

Ask follow up

दूसरा दृष्टिकोण यह हो सकता है कि प्रत्येक कार्य को एक वजन दिया जाए, जैसे कि यह कितना पैसा ला सकता है। प्रत्येक कार्य के वजन को उसे पूरा करने में कितना समय लगेगा, इसके द्वारा विभाजित करें, फिर सबसे अधिक से कम क्रम में काम करें।स्वतंत्र ठेकेदार या फ्रीलांसर के लिए, यह आपको प्रत्येक कार्य की प्रति घंटा दर निर्धारित करने की अनुमति देता है। प्रत्येक परियोजना शुल्क को उसके आकार से विभाजित करें और सबसे अधिक प्रति घंटा दर से सबसे कम तक काम करें।

Ask follow up

भविष्य का अनुमान लगाएं

खगोलशास्त्री जे। रिचर्ड गॉट III ने 1969 में कोपरनिकन सिद्धांत का विकास किया - किसी चीज की अवधि का अनुमान लगाने का एक तरीका। जब उन्होंने बर्लिन की दीवार का दौरा किया, तो उन्हें यह सोचने पर मजबूर किया कि दीवार कितने समय तक टिकेगी। चूंकि उन्हें दीवार की जीवनकाल की जानकारी नहीं थी, गॉट मान सकते थे कि, औसतन, उनकी आगमन का समय आधा होगा। इसलिए, उन्होंने अनुमान लगाया कि दीवार अगले आठ वर्षों के लिए खड़ी रहेगी। इस मामले में, बर्लिन की दीवार 20 वर्षों के लिए खड़ी रही, न कि आठ।

Ask follow up

कोपरनिकन सिद्धांत सही नहीं है - एक 90 वर्षीय व्यक्ति को 180 वर्ष की उम्र तक जीने की संभावना कम होती है - लेकिन कुछ मामलों में यह अच्छी तरह से काम करता है। गॉट ने इस एल्गोरिदम को नाम देने से बहुत पहले, सांख्यिकीविदों ने द्वितीय विश्व युद्ध के दौरान प्रति माह जर्मनों द्वारा कितने टैंक निर्मित किए जाते हैं, इसका अनुमान लगाने की कोशिश की। समाधान था कि टैंकों पर देखे गए सीरियल नंबर को दोगुना करें और अनुमान लगाएं कि कम से कम दो गुना अधिक मौजूद होंगे। इस मामले में, उन्होंने अनुमान लगाया कि प्रति माह 246 टैंक निर्मित किए जाते हैं, जबकि हवाई रेकी द्वारा सुझाव दिया गया था कि 1,400 टैंक होंगे। युद्ध के बाद, जर्मन रिकॉर्ड्स ने वास्तविक संख्या 245 होने की पुष्टि की।

Ask follow up

इसे भूल जाएं

आपका मस्तिष्क भूलने के लिए डिज़ाइन किया गया था

मानव स्मृति कभी-कभी चंचल लगती है, लेकिन इस उन्माद में एक विधि है। हरमन एबिंघौस, 1879 में बर्लिन विश्वविद्यालय के मनोविज्ञानी, ने स्मृति को बेहतर समझने के लिए खुद का अध्ययन किया।

हर दिन, एबिंघौस एक बकवास शब्दावली की सूची को याद करते और खुद को प्रश्न पूछते थे। उसने एक ग्राफ बनाया जो दिखाता था कि उसकी स्मृति कितनी देर तक फीकी पड़ती है। स्मरण की संभावना समय के साथ अनुमानित रूप से घटती गई, कुछ पढ़ने के तुरंत बाद लगभग 60% से लेकर 800 घंटे के बाद केवल 20% तक।

जॉन एंडरसन, एक मनोविज्ञानी और कंप्यूटर वैज्ञानिक, 1987 में एबिंघौस के काम को पुनः देखने के लिए देखा कि क्या वह मानव मस्तिष्क के आसपास कंप्यूटर सिस्टम डिज़ाइन कर सकता है। उसने पाया कि हमारे मस्तिष्क जानकारी को भूल जाते हैं जब यह हमारे चारों ओर की दुनिया के लिए अधिक महत्वपूर्ण नहीं होता। एंडरसन ने न्यूयॉर्क टाइम्स की सुर्खियों का विश्लेषण किया और पाया कि एक शब्द सबसे अधिक संभावना से पहली बार उपयोग करने के तुरंत बाद फिर से दिखाई देगा। इसे फिर से देखने की संभावना समय के साथ और अधिक घटती गई। बाजू में बाजू, चार्ट की उपस्थिति लगभग एबिंघौस के डेटा के समान दिखाई दी।

Ask follow up

संतुलन की तलाश... या नहीं

हर चीज में एक प्राकृतिक संतुलन होता है, खासकर दो खिलाड़ी वाले खेलों या कम से कम दो प्रतिस्पर्धियों वाले परिदृश्यों में। गणितज्ञ इस घटना को "समतोलन" कहते हैं क्योंकि यह स्थिर होता है।संतुलन विशेष रूप से पोकर में स्पष्ट होता है, जहां खिलाड़ी अपनी रणनीतियों का पालन करते हैं जब तक कि कोई महत्वपूर्ण परिवर्तन नहीं होता।

Ask follow up

उदाहरण: रॉक-पेपर-सिजर्स में, खिलाड़ियों के चुनने के लिए केवल तीन विकल्प होते हैं। खिलाड़ी स्वाभाविक रूप से एक यादृच्छिक विकल्प या 1/3 रणनीति चुनते हैं। यदि खिलाड़ियों में से एक अधिक बार रॉक का उपयोग करने लगता है, तो अन्य खिलाड़ी अनुकूलित होता है और पेपर का उपयोग करता है। फिर अन्य खिलाड़ी चीजों को फिर से संतुलित करता है रणनीति बदलकर, अर्थात सिजर्स, आदि, और प्रक्रिया फिर से शुरू होती है।

Ask follow up

गणितज्ञ जॉन नैश, पुस्तक और फिल्म "A Beautiful Mind," में अमर किए गए, ने 1951 में साबित किया कि हर दो खिलाड़ी वाले खेल में कम से कम एक ऐसा संतुलन होता है। इस खोज ने उन्हें 1994 में अर्थशास्त्र में नोबेल पुरस्कार दिलाया। इसे अक्सर "Nash Equilibrium," के नाम से जाना जाता है, यह सिद्धांत किसी भी नियम या प्रोत्साहन के स्थिर दीर्घकालिक परिणाम की भविष्यवाणी प्रदान करता है।

Ask follow up

यह एल्गोरिदम आर्थिक नीति और सामाजिक नीति की योजना और आकार देने के लिए उपयोग किया जाता है - लेकिन कभी-कभी, "स्थिर" अवश्य ही "अच्छा" नहीं होता।

यदि एक शहर में दो दुकानदार होते हैं जो एक ही ग्राहकों को आकर्षित करते हैं, तो पहले का व्यापार घट जाएगा अगर वे सप्ताह के छह दिन काम करते हैं जबकि अन्य सात दिन काम करते हैं। नैश संतुलन सुझाव देता है कि यदि दोनों व्यापार एक दिन छोड़ देते हैं, तो वे दोनों आराम पाएंगे, लेकिन दोनों व्यापार खो देंगे। इसलिए, दोनों मालिक सप्ताह के सात दिन काम करते हैं।

Ask follow up

खेल बदलें

अगर आपका दोस्त एक पुल से कूद पड़ा, क्या आप भी उसे अनुकरण करेंगे? एक दूसरे की नकल करने की मानव स्वभाविक प्रवृत्ति एक जीवन बचाने वाली विशेषता हो सकती है, जैसे कि जब आप देखते हैं कि अन्य लोग एक ही दिशा में देख रहे हैं, तो आप भी उसी दिशा में देखते हैं, यदि कहीं खतरा हो तो। फैशन और शौक आते और चले जाते हैं। क्या यह बेहतर है कि सुरक्षित खेलें या अपने तरीके से बेहतर या बुरे के लिए बनाएं?

Ask follow up

"जब भी आप अधिकांश की ओर खुद को पाते हैं, तो यह समय होता है कि विचार करें और विचार करें," मार्क ट्वेन ने कहा।

लोग सिद्धांतों पर निर्णय लेते हैं जो वे किसी और के कार्यों से उत्पन्न करते हैं। अगर सभी ने Beanie Babies खरीदे, तो वे मूल्यवान होने चाहिए, सही?

जब यह प्रक्रिया नियंत्रण से बाहर निकलने लगती है, तो इसे "सूचना कैस्केड" कहा जाता है। 2007-2009 की संपत्ति संकट का एक उदाहरण था जब घर की कीमतें मांग के कारण बढ़ी, सिर्फ गिरने के लिए। लोग मानते हैं कि क्योंकि कई अन्य लोग कुछ करते हैं, तो आवश्यकता होती है। (2020 में टॉयलेट पेपर के लिए, उदाहरण स्वरूप।) परिणाम विनाशकारी हो सकते हैं।

Ask follow up

सार्वजनिक सूचना के उन मामलों से सतर्क रहें जहां निजी सूचना से अधिक प्रतीत होती है। मीडिया में घटनाओं का प्रतिनिधित्व दुनिया में घटनाओं की आवृत्ति से मेल नहीं खाता। समाजशास्त्री बैरी ग्लासनर ने ध्यान दिलाया कि संयुक्त राज्य अमेरिका में हत्याएं 1990 के दशक में 20% घट गई थीं, और फिर भी अमेरिकी समाचारों पर बंदूक के हिंसा का उल्लेख 600% बढ़ गया।

Ask follow up

कभी-कभी, सूचना कैस्केड के सामने, आपको खेल बदलना होता है।यदि आप एक ईसाई दुकानदार हैं या आपकी काम-जीवन संतुलन के बारे में मजबूत आस्थाएं हैं, तो रविवार को बंद करना कोई मुद्दा नहीं है। यदि आप देखते हैं कि आपके चारों ओर के लोग एक आकस्मिक रुझान में पड़ गए हैं, आतंक में खरीदारी शुरू कर दी हैं या सनसनीखेज अखबारों की सिरलेखों से परेशान हो गए हैं, तो आप अधिक डेटा डालकर तनाव को कम कर सकते हैं।

Ask follow up