做決定不要靠運氣 用「折襪子」教你如何以記憶換取時間

時尚中心/綜合報導

你是否想過「記憶」這一生物特性對人類有多麼不可或缺?試着想像如同癡呆症患者經歷的每一天,缺乏記憶能力生活會變得多麼艱難。首先,你可能得反覆做許多相同的事情,就像電影《記憶拼圖》(Memento)裡的主角那樣,每天起牀睜開眼都得重新讀取所有必須完成的任務訊息

▲如果沒有記憶我們的生活會變得怎麼樣呢?(圖/翻攝自bigthink)

一開始着墨於此的原因是想說明,解決問題的較快方法之所以會快,正巧就是運用記憶力 ,有時也將此形容爲「以記憶換取時間」。去年擊敗了圍棋世界冠軍的人工智慧程式AlphaGo,便是因爲具有向職業棋手學習及自學的能力,因而在關鍵技巧上累積了龐大記憶 。

▲AlphaGo的大數據便是一種超大記憶庫的概念。(圖/翻攝自Unwire HK)

從簡單的例子開始講解,應該會比較好入門

瑪姬沃納夫人是從前家世顯赫的一個維也納家族後代,最近卻因爲,偷偷挾帶健達出奇蛋到美國而遭起訴。目前她在伯恩這座城市裡寄宿幫工,而這也是她有生以來首次親手摺疊衣服。

瑪姬驚訝地發現,這個接待家庭裡的成員頻頻爲了找到一雙成對的襪子而揮汗如雨,過程耗時簡直超乎她的想像。幸好這一家人的腳的大小和偏好的顏色各不相同。

▲五顏六色的襪子究竟要怎麼做才能最快折完呢?(圖/翻攝自gusandollie)

接下來,讓我們幫忙瑪姬,從堆積如山的衣物中,找出一雙雙成對襪子。我們先關注在此所包含數項任務的其中一項,並想出着手該任務的兩種可能方法。

目標:將衣物堆裡的襪子配對成雙

方法一:拿起單隻襪子後,在衣物堆裡找尋成雙的另外一隻。將配對成功的襪子擺放一旁,再反覆上述動作

方法二:先將拿起的單隻襪子擺放一旁,再從衣物堆裡拿起另外一隻襪子。若手上的襪子與先前放在一旁的成雙,即完成配對;反之則將它擺入依照顏色或大小分類集結的落單襪子行列裡。

建議:不妨拿出紙筆道具或其他便利的物品,來逐步理解這些場景情境。針對各個步驟假設動腦想想達成目標究竟需要哪些要素

▲把想到的內容記下來,一起來看看哪個方法最快吧!(圖/翻攝自popsugar)

假設衣物堆裡只有四雙襪子,那麼瑪姬不管使用哪種方法其實都差不多,而且想必可以迅速完成工作。

但想像瑪姬此刻面對的是好幾百雙的襪子;如果她選用第一種方法,那麼她有很高的機率會反覆拿到同一只襪子,因爲她始終沒有把這隻襪子從衣物堆裡取出來。打從她第一次拿到那隻襪子,她就沒有從中擷取到任何訊息。

然而,若採用第二種方法,她把尚未配對成功的襪子排列在一旁,因而避免了在衣物堆裡再次拿到同一只襪子的可能性。因此第二種方法由於依靠記憶,結果較爲快速;更確切地說,是因爲應用了所謂的查找表(lookup table)或快取記憶體(cache)。

雖然未必需要,但你不妨將查找表視爲一批獨特的識別碼(「鍵」﹝keys﹞),每一識別碼都指向資料的關聯項目(「值」﹝values﹞),而你就在此當中「查找」鍵值,這種表現形式又稱作鍵值對(key-value pair)。

反觀我們的故事情境,「顏色」或許可以用來代表「鍵」。比方說,當瑪姬拿到一隻紅色的襪子時,她會在那一排尚未配對成功的襪子裡查找「紅色」。當她找到了「紅色」的區塊,她又會進一步去查找額外的識別碼,例如樣式色調等,再以此作爲完成配對任務的基礎。相反地,假如她沒有找到這一區塊,她就會用那隻孤零零的紅色襪子建立一個新的「紅色」類別

兩種方法的對照,如下圖所示 。你發現了嗎?當衣物堆裡的襪子數量增加時,方法一的速度顯然比方法二緩慢許多。

▲衣物堆裡的襪子數量增加時,方法一的速度顯然比方法二緩慢許多。(圖/商周版提供)

處理這些日常任務的方法還有很多種,當然不限於這兩種途徑,之所以特別討論的目的,是爲了突顯這兩種方法,在漸近增長率(asymptotic rates of growth)上存在顯著差異,因而省略了執行結果,可能落在兩者之間的其他方法。

舉例來說,瑪姬也可藉由鴿籠原理(pigeonhole principle),也就是從衣物堆裡一次拿取六隻襪子的方式來完成配對任務。

當我們從衣物堆裡拿到某隻襪子時,我們或許可以很快辨認出是否曾見過成雙的另外一隻。大部分人的短期記憶都能不費吹灰之力記住大約六組事物,而這剛好就能在此情境中派上用場

因此當你在衣物堆裡看到和先前放在一旁的相同襪子時,你應該能產生出「哈!這我剛纔有看到!」的立即反應。假如你有玩過記憶翻牌的遊戲,你對這種記憶能力發揮的功效限度應該不陌生

▲找襪子其實就像番紙牌遊戲一樣。(圖/翻攝自kartica.rs)

►►看更多時尚資訊分享,快來下載星光雲APP

書籍推薦】

書名:做決定不要靠運氣:從出門購物到分類郵件,用演算法找出人生最佳解

★作者:阿里.艾默沙維(Ali Almossawi)

出版社:商周出版

出版日期:2017年11月20日

★建議售價新臺幣270元