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

Sinopse

A ciência da computação pode nos ensinar os segredos da vida? Talvez não, mas pode lançar luz sobre como certos processos cotidianos funcionam e como explorá-los. Algoritmos estão em todo lugar, desde seguir uma receita até a ordem em que você classifica seu e-mail.

Em Algorithms to Live By: The Computer Science of Human Decisions by Brian Christian and Tom Griffiths, o programador e pesquisador Brian Christian e o professor de psicologia e ciência cognitiva da UC Berkeley Tom Griffiths compartilham as muitas maneiras pelas quais os algoritmos moldam tudo, desde a maneira como lembramos as coisas até como tomamos decisões grandes e pequenas.

Top 20 insights

1. A "regra dos 37%" refere-se a uma série de passos, ou algoritmos, que alguém deve seguir para tomar a melhor decisão dentro de um determinado período de tempo. Alguém aloca 37% do seu tempo para pesquisa antes de tomar uma decisão, depois se compromete com a próxima "melhor escolha" que encontrar.
2. O trade-off "explorar/explorar" refere-se à necessidade de equilibrar o testado e comprovado com o novo e arriscado. O retorno deste algoritmo depende inteiramente de quanto tempo você tem para tomar decisões. As pessoas têm mais probabilidade de visitar seu restaurante favorito em sua última noite na cidade do que arriscar algo novo.
3. Desenvolvido em 1952 pelo matemático Herbert Robins, o algoritmo "Win-Stay, Lose-Shift" usa máquinas caça-níqueis como metáfora. Escolha uma máquina aleatoriamente e jogue nela até perder. Em seguida, mude para outra máquina; este método provou ser mais confiável do que o acaso.
4. Um estudo de psicologia descobriu que, diante de escolhas, as pessoas muitas vezes "exploram demais" em vez de explorar uma vitória. Dadas 15 oportunidades para escolher qual máquina caça-níqueis ganharia, 47% usaram estratégias Win-Stay, Lose-Shift, e 22% escolheram máquinas aleatoriamente em vez de ficar com uma máquina que pagava.
5. Hollywood é um exemplo principal da tática de exploração. O número de sequências de filmes tem aumentado constantemente na última década. Em 2013 e 2014, sete dos 10 principais filmes eram sequências ou prequelas. A tendência provavelmente mudará se novas ideias de filmes atraírem mais dólares de bilheteria.
6. O teste A/B é semelhante ao cenário de duas máquinas caça-níqueis, em que você fica com a opção que tem melhor desempenho. Mais de 90% dos $50 milhões de receita anual do Google vêm de anúncios pagos, o que significa que os algoritmos de explorar/explorar alimentam uma grande parte da internet.
7. O Índice Gittins fornece uma estrutura de probabilidades que assume que você tem um tempo indefinido para obter o melhor retorno, mas as chances diminuem quanto mais você espera. Por exemplo: escolha uma máquina caça-níqueis com um histórico de vitórias/perdas de um para um (50%) sobre a máquina que ganhou nove de 18 vezes.
8. Os algoritmos "Upper Confidence Bound" oferecem mais espaço para descoberta do que o método "Win-Stay, Lose-Shift". Este algoritmo atribui um valor baseado no que "poderia ser" com base nas informações disponíveis.Um novo restaurante tem 50/50 de chance de proporcionar uma boa experiência porque você nunca esteve lá.
9. O algoritmo "Menor Tempo de Processamento" exige que você complete as tarefas mais rápidas primeiro. Divida a importância da tarefa pelo tempo que levará. Priorize uma tarefa que demora duas vezes mais apenas se for duas vezes mais importante.
10. A Lei de Laplace calcula as chances de algo ocorrer com apenas pequenas quantidades de dados. Conte quantas vezes esse resultado aconteceu, adicione um, depois divida pelo número de oportunidades mais dois. Por exemplo: Sua equipe de softball joga oito jogos por temporada. Já ganhou dois jogos. 2+1/ 6+2=3/8, ou uma chance de 37,5% de ganhar o próximo jogo.
11. O Princípio Copernicano permite prever quanto tempo algo durará sem saber muito sobre isso. A solução é que vai durar tanto quanto durou até agora. Com base neste princípio, o Google durará razoavelmente até 2044 (23 anos desde 1998 + 23 a partir de 2021).
12. A "distribuição de lei de potência" considera que, na vida, a maioria das coisas fica abaixo da média e poucas se elevam acima. Dois terços da população dos EUA ganham menos do que a renda média, mas o 1% superior ganha quase dez vezes a média. Poucos filmes fazem dinheiro no nível "Titanic" na bilheteria, mas alguns fazem.
13. O "Equilíbrio de Nash" explora o fenômeno dos jogos de dois jogadores e a maneira como os jogadores formam estratégias que nenhum quer mudar com base no que a outra pessoa faz. Isso cria estabilidade. No Jogo da Pedra-Papel-Tesoura com três opções, os jogadores adotam uma estratégia 1/3-1/3-1/3 a menos que a outra pessoa mude de tática, e o processo começa novamente.
14. Os cérebros humanos têm uma capacidade quase infinita para memórias, mas temos uma quantidade finita de tempo para acessá-las. Isso resulta na "curva do esquecimento". Um estudo de Hermann Ebbinghaus descobriu que ele podia lembrar sílabas sem sentido 60% do tempo depois de lê-las, mas isso diminuiu para 20% após 800 horas.
15. A "curva do esquecimento" de Ebbinghaus foi mostrada para corresponder de perto à frequência com que as palavras são usadas na sociedade. A recorrência de palavras encontradas nas manchetes do The New York Times diminuiu a uma taxa de 15% ao longo de 100 dias e sugeriu que os cérebros humanos sintonizam naturalmente seus processos com o mundo ao nosso redor.
16. O "crash relâmpago" do mercado de ações de 6 de maio de 2010 foi causado por uma "cascata de informações". Quando uma pessoa faz algo diferente, então outras pessoas seguem o exemplo, supondo que a primeira pessoa saiba algo que elas não sabem. Esse comportamento faz com que as pessoas comprem em pânico ou exibam comportamento de multidão.
17. O sociólogo Barry Glassner observou que os assassinatos nos Estados Unidos diminuíram 20% ao longo da década de 1990, e ainda assim a menção à violência armada nas notícias americanas aumentou 600%. Uma cascata de informações pode ser causada mais por informações públicas do que privadas.
18. Quando os autores Brian Christian e Tom Griffiths agendaram entrevistas para o livro, descobriram que os especialistas eram mais propensos a aceitar uma janela estreita e predeterminada do que uma completamente aberta. É menos desafiador acomodar restrições do que encontrar outra solução.
19. Acredite ou não, a aleatoriedade também faz parte do algoritmo da vida. O vencedor do prêmio Nobel, Salvador Luria, percebeu que mutações aleatórias poderiam produzir resistência viral ao observar seu amigo ganhar o jackpot em uma máquina caça-níqueis.
20. Os planos mais bem elaborados são frequentemente os mais simples. Jason Fried e David Heinemeier Hannson, fundadores da empresa de software 37signals, usam um marcador grosso quando começam a fazer um brainstorming porque isso limita o espaço e os obriga a manter a simplicidade e focar no panorama geral.

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

Resumo

Parada ótima

Observar versus saltar

A vida está cheia de situações que exigem que tomemos a melhor decisão possível no menor tempo. Motoristas procuram a vaga de estacionamento perfeita. Gerentes procuram o melhor candidato para um emprego, e proprietários de imóveis devem decidir se aceitam ou não uma oferta de venda antes que o mercado imobiliário mude novamente. Esse dilema é chamado de "parada ótima".

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

Os problemas de "Parada Ótima" referem-se a dilemas que exigem a melhor decisão no menor tempo possível. Como equilibrar a necessidade de obter todos os fatos com a necessidade de agir antes que seja tarde demais? Exemplos comuns incluem a busca pela vaga de estacionamento perfeita, quando alugar um apartamento antes que todos sejam ocupados e quando contratar o melhor candidato para um emprego. Este último tem sido amplamente examinado e discutido por matemáticos desde a década de 1950.

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

Este problema é conhecido como o "Problema Secretarial".

• Se um empregador entrevista 100 candidatos a secretário, essa pessoa deve alocar os primeiros 37% das entrevistas para se familiarizar com o grupo de talentos e as melhores qualidades.
• Se eles contratam o próximo candidato que parece ser o "melhor até agora", a empresa tem 37% de chance de essa pessoa ser o melhor candidato.
• As chances se tornam maiores com menos candidatos.

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

Um inquilino à procura de um apartamento em São Francisco pode estar inclinado a pegar a primeira unidade disponível devido à alta demanda. Se esse inquilino precisa encontrar um novo lugar para morar dentro de 30 dias, o algoritmo de "Parada Ótima" sugere que o inquilino dedique 37% do seu tempo, ou 11 dias, para explorar opções sem qualquer compromisso. No 12º dia, o inquilino deve estar preparado para se comprometer com o primeiro lugar que considerar ser o "melhor até agora"."

Ask follow up

Explorar versus explorar

Laura Carstensen, professora de psicologia em Stanford, hipotetizou que as pessoas reduzem estrategicamente seus círculos sociais à medida que envelhecem. Em um estudo, as pessoas foram questionadas se prefeririam passar 30 minutos com um membro da família imediata, um autor que escreveu um livro que leram recentemente ou alguém que conheceram e que parecia compartilhar seus interesses. Os respondentes mais velhos escolheram o membro da família, enquanto os mais jovens optaram por fazer novos amigos.

Ask follow up

No entanto, quando o tempo foi adicionado ou retirado, algo interessante aconteceu. Se as pessoas mais velhas tivessem a chance de viver 20 anos a mais, suas escolhas coincidiam com as dos respondentes mais jovens. Se os respondentes mais jovens imaginassem que estavam prestes a se mudar para o outro lado do país, eles escolheriam membros da família.

Ask follow up

A vida está cheia de incertezas, tornando o processo de decisão ainda mais difícil às vezes. Para tirar um pouco da pressão de vida ou morte da equação, vamos nos voltar para algo um pouco menos grave - a máquina caça-níqueis do cassino.

Apelidada de "bandido de um braço só", as máquinas caça-níqueis vêm com várias probabilidades de pagamento que confundem os jogadores e fascinam os estatísticos há séculos. Em 1952, o matemático Herbert Robbins propôs uma solução para o dilema secular de se você deve esperar pela próxima grande vitória ou parar enquanto está à frente. Ele chamou isso de algoritmo Win-Stay, Lose-Shift.

Ask follow up

Robbins propôs que uma pessoa deveria escolher "um braço" aleatoriamente (explorar), então puxá-lo enquanto ele paga (explorar). Uma vez que a máquina falha em pagar, a pessoa deve se mover para outra, e assim por diante.

Arrependimento mínimo

Às vezes, você tem que pesar o risco com o potencial arrependimento para encontrar a solução para o seu problema específico. O CEO da Amazon, Jeff Bezos, tinha um emprego estável e bem remunerado em Wall Street antes de começar a Amazon. O risco da primeira livraria online, ele descobriu, era superado pela possibilidade de que ele pudesse se arrepender de não tentar, um "framework de minimização de arrependimento".

Ask follow up

"Eu sabia que quando eu tivesse 80 anos, não iria me arrepender de ter tentado isso", disse Bezos. "Eu não iria me arrepender de tentar participar dessa coisa chamada internet que eu achava que seria um grande negócio. Eu sabia que se eu falhasse, não me arrependeria disso, mas eu sabia que a única coisa que eu poderia me arrepender é de nunca ter tentado."

Ask follow up

Os algoritmos "Upper Confidence Bound" oferecem mais espaço para descoberta do que o método "Win-Stay, Lose-Shift". Este algoritmo atribui um valor baseado no que "poderia ser" com base nas informações disponíveis. Um novo restaurante tem 50/50 de chance de proporcionar uma boa experiência porque você nunca esteve lá.

Ask follow up

Os algoritmos não podem garantir uma vida sem arrependimentos, mas eles mostram como nossa disposição para correr riscos é reduzida pelo quanto de tempo pensamos (ou sabemos) que temos para correr.Quando somos crianças, exploramos nossos mundos e descobrimos coisas novas com grande entusiasmo. À medida que envelhecemos, tendemos a confiar nas decisões "testadas e comprovadas" com base no que aprendemos, ou seja, exploramos.

Ask follow up

Planeje com propósito

Frequentemente, aquelas tarefas com uma data de vencimento podem ser abordadas do prazo mais próximo ao mais distante. Se você tem várias tarefas com o mesmo prazo, é melhor classificá-las por quanto tempo cada uma levará.

Para abordar este tipo de agenda, especialmente se você tem vários clientes, você pode reduzir o tempo que todos devem esperar usando o algoritmo do Tempo de Processamento Mais Curto. Simplesmente, sempre aborde a tarefa mais rápida primeiro e assim por diante. Imagine uma segunda-feira de manhã em que você tem um grande projeto que leva quatro dias para ser concluído e um projeto menor que leva um dia. Se você entregar o grande projeto primeiro na quinta-feira (4 dias) e o pequeno projeto na sexta-feira (5 dias), seus clientes terão esperado um total de nove dias. Se você entregar o pequeno projeto primeiro na segunda-feira (1 dia) e o grande na sexta-feira (5 dias), seus clientes terão esperado um total de seis dias entre eles. Isso é conhecido como a "soma dos tempos de conclusão."

Ask follow up

Outra abordagem é atribuir um peso a cada tarefa, como quanto dinheiro ela trará. Divida o peso de cada tarefa pelo tempo que levará para ser concluída, depois trabalhe na ordem do maior para o menor. Para um freelancer ou contratado independente, isso permite que você determine a taxa horária de cada tarefa. Divida cada taxa de projeto pelo seu tamanho e trabalhe da taxa horária mais alta para a mais baixa.

Ask follow up

Preveja o futuro

O astrofísico J. Richard Gott III desenvolveu o Princípio Copernicano em 1969 - um método para prever quanto tempo algo durará. Quando ele visitou o Muro de Berlim, ele se perguntou quanto tempo o muro duraria. Como ele não sabia qual seria a vida útil do muro, Gott poderia supor que, em média, sua chegada seria por volta da metade. Portanto, ele adivinhou que o muro ficaria de pé por mais oito anos. Neste caso, o Muro de Berlim durou 20 anos, não oito.

Ask follow up

O Princípio Copernicano não é perfeito - um homem de 90 anos provavelmente não viverá até os 180 - mas há casos em que funciona bem. Muito antes de Gott dar esse nome ao algoritmo, os estatísticos tentaram estimar quantos tanques os alemães produziam a cada mês durante a Segunda Guerra Mundial. A solução era dobrar o número de série visto nos tanques e estimar que pelo menos o dobro existia. Neste caso, eles estimaram que 246 tanques foram fabricados por mês, em comparação com os 1.400 sugeridos pelo reconhecimento aéreo. Após a guerra, os registros alemães confirmaram que o número real era 245.

Ask follow up

Esqueça isso

Seu cérebro foi projetado para esquecer

A memória humana parece ser uma coisa volúvel às vezes, mas há um método na loucura. Hermann Ebbinghaus, um psicólogo da Universidade de Berlim em 1879, estudou a si mesmo para entender melhor a memória.

Todos os dias, Ebbinghaus memorizava uma lista de sílabas sem sentido e se testava. Ele então criou um gráfico para mostrar quanto tempo levava para sua memória desvanecer. A probabilidade de lembrança diminuía previsivelmente com o tempo, de quase 60% logo após ler algo para apenas 20% após 800 horas.

Ask follow up

John Anderson, um psicólogo e cientista da computação, reexaminou o trabalho de Ebbinghaus em 1987 para ver se ele poderia projetar sistemas de computador em torno do cérebro humano. Ele descobriu que nossos cérebros esquecem informações quando elas não são mais relevantes para o mundo ao nosso redor. Anderson analisou manchetes do The New York Times e descobriu que uma palavra é mais provável de reaparecer logo após ser usada pela primeira vez. A probabilidade de vê-la novamente diminuiu mais com o tempo. Lado a lado, a aparência do gráfico parecia quase idêntica aos dados de Ebbinghaus.

Ask follow up

Busque equilíbrio... ou não

Há um equilíbrio natural em tudo, especialmente em jogos de dois jogadores ou cenários que incluem pelo menos dois competidores. Os matemáticos chamam esse fenômeno de "equilíbrio" porque é estável. O equilíbrio é especialmente evidente no poker, onde os jogadores aderem às suas estratégias, a menos que ocorra uma mudança significativa.

Ask follow up

Exemplo: No Jogo da Pedra-Papel-Tesoura, existem apenas três opções para os jogadores escolherem. Os jogadores naturalmente escolhem uma opção aleatória ou estratégia de 1/3. Se um dos jogadores começa a usar pedra com mais frequência, o outro jogador se adapta e usa papel. O outro jogador então equilibra as coisas novamente mudando de estratégia, ou seja, tesoura, etc., e o processo começa novamente.

Ask follow up

O matemático John Nash, imortalizado no livro e no filme "Uma Mente Brilhante", provou em 1951 que todo jogo de dois jogadores tem pelo menos um equilíbrio. Esta descoberta lhe rendeu o Prêmio Nobel de Economia em 1994. Frequentemente referido como o "Equilíbrio de Nash", este princípio oferece uma previsão do resultado estável a longo prazo de qualquer conjunto de regras ou incentivos.

Ask follow up

Este algoritmo é usado para planejar e moldar a política econômica e social - mas às vezes, "estável" não significa necessariamente "bom".

Se uma cidade tem dois comerciantes que atraem os mesmos clientes, o primeiro perderá negócios se trabalhar seis dias por semana enquanto o outro trabalha sete. O Equilíbrio de Nash sugere que, se ambos os negócios tirarem um dia de folga, ambos descansarão, mas ambos perderão negócios. Portanto, ambos os proprietários trabalham sete dias por semana.

Ask follow up

Mude o jogo

Se o seu amigo pulasse de uma ponte, você faria o mesmo? O instinto humano de copiar um ao outro pode ser um traço de sobrevivência, como virar para olhar quando você vê os outros fazendo isso, caso haja perigo por perto. Modas e tendências vêm e vão. É melhor jogar seguro ou seguir seu próprio caminho, para melhor ou para pior?

Ask follow up

"Sempre que você se encontrar do lado da maioria, é hora de parar e refletir", disse Mark Twain.

As pessoas tendem a tomar decisões com base em suposições que derivam das ações de outra pessoa. Se todos compraram Beanie Babies, eles devem ser valiosos, certo?

Quando esse processo começa a se descontrolar, é chamado de "Cascata de Informação". A crise imobiliária de 2007-2009 foi um exemplo de preços de casas subindo devido à demanda, apenas para desabar. As pessoas assumem que, porque muitos outros fazem algo, existe urgência. (Papel higiênico em 2020, por exemplo.) Os resultados podem ser catastróficos.

Ask follow up

Esteja atento aos casos em que as informações públicas parecem exceder as informações privadas. A representação de eventos na mídia não corresponde à frequência no mundo. O sociólogo Barry Glassner observou que os assassinatos nos Estados Unidos diminuíram em 20% ao longo dos anos 90, e ainda assim a menção à violência armada nas notícias americanas aumentou em 600%.

Ask follow up

Às vezes, diante de uma Cascata de Informação, você precisa mudar o jogo. Se você é um comerciante cristão ou tem fortes convicções sobre o equilíbrio entre trabalho e vida pessoal, fechar no domingo não é um problema. Se você vê pessoas ao seu redor caindo em uma tendência urgente, começando a comprar por pânico ou se perturbando com manchetes sensacionalistas de jornais, você pode aliviar o estresse inserindo mais dados.

Ask follow up