EDUCATIONS TECH

YoyBooks | Algorithms to Live By

ไม่ว่าคุณจะเป็นนักวิทยาการคอมพิวเตอร์หรืออยากจะสำรวจโลกมหัศจรรย์ของอัลกอริทึม หนังสือเล่มนี้เหมาะกับคุณเลยค่ะ เพราะว่า ไบรอัน คริสเตียน กับทอม กริฟฟิธ ได้อธิบายสิ่งที่ซับซ้อนให้เป็นคำพูดง่าย ๆ ว่าคนทั่วไปใช้อัลกอริธึมอย่างไม่รู้ตัวในชีวิตประจำวันได้อย่างไร เราจะเรียนรู้เพื่อตัดสินใจได้ดีขึ้นในด้านต่างๆ ของชีวิตได้อย่างไร ตั้งแต่การหาแฟนไปถึงหาที่จอดรถ ซึ่งเข้ากับพาธที่ BB กำลังจะเริ่มทำในบล็อกนี้เลย พาธนี้ BB ตั้งชื่อว่า yoybooks ซึ่งจะเลือกบทความและหนังสือที่น่าสนใจเอามาย่อยสรุปลงบล็อก และบทความนี้ก็เป็นบทความแรกที่ BB เอามาแปล หวังว่าทุกคนที่เข้ามาอ่านคงจะชอบกัน

Algorithms to Live By   จะพาพวกเราเดินทางไปกับ 11 แนวคิดของโลกวิทยาการคอมพิวเตอร์ที่เราใช้กันอยู่ในชีวิตประจำวันซึ่งบางอย่างเราอาจจะรู้แล้วหรือยังไม่รู้ก็เป็นได้

1. Optimal Stopping

ลองนึกภาพสถานการณ์ต่อไปนี้:

คุณต้องการจ้างเลขาฯ จากกลุ่มผู้สมัครจำนวนหนึ่ง
คุณต้องสัมภาษณ์ผู้สมัคร ทีละคน
และตัดสินใจว่าจะ จ้าง หรือ ไม่จ้าง หลังจากการสัมภาษณ์ แต่ละครั้ง
หากว่าคุณปฏิเสธคนหนึ่ง คุณจะไม่สามารถกลับมาหาพวกเขาได้
แล้วถ้าหากคุณจ้างใครสักคน กระบวนการสัมภาษณ์ทั้งหมดจะหยุด
และคุณก็จะได้เลขาคนใหม่

คำถามคือ คุณจะเพิ่มโอกาสในการหาเลขาที่ดีที่สุดจากในกลุ่มได้อย่างไร?
นี่คือปัญหา Secretary Problem ที่มีชื่อเสียงและเป็นพื้นฐานในการการอภิปรายในบทนี้ค่ะ

คุณอาจยังไม่ต้องการจ้างคนแรกที่คุณสัมภาษณ์ เนื่องจากจุดนี้คุณยังไม่รู้ว่า อะไรคือตัวตั้งต้น (baseline) และคุณก็ไม่ต้องการจ้างคนสุดท้ายเช่นกัน: เพราะคุณอาจจะพลาดโอกาสพบผู้สมัครที่ดีที่สุดของคุณคนต่อไปก็ได้

ดังนั้นกลยุทธ์ที่ดีที่สุดในการสัมภาษณ์และการปฏิเสธผู้สมัครสองสามคนแรกไม่ว่าพวกเขาจะดีแค่ไหน: เพียงแค่ต้องมีค่าพื้นฐาน (baseline) ก่อนแล้วจึงว่าจ้างผู้สมัครที่ดีที่สุดจากที่คุณเคยเห็นมา

จุดที่ดีที่สุดนี้จะเป็น 1 / e หรือประมาณ 37%

ให้ปฏิเสธผู้สมัคร 37%  จากนั้นค่อยจ้างคนต่อไปที่ดีกว่าทุกคนที่คุณเคยเห็น

ตัวแปรต่างๆของ ปัญหาการจ้างเลขานุการ และ กฎ 37% นี้ได้ถูกนำไปใช้ในชีวิตจริงอีกอย่างหลากหลายเช่นกัน ตั้งแต่การออกเดท การจอดรถ ไปจนถึงการซื้อ / ขายบ้าน

และการรู้ว่าเมื่อใดที่ควรหยุดมอง ก่อนที่คุณจะตื่นเต้นเกินไป – ปล.: กลยุทธ์นี้ล้มเหลว 63%

2. Explore/Exploit

ถ้าวันเสาร์เป็นวัน cheat day ของคุณ คุณจะเปิดแอพ วงใน เพื่อสำรวจคาเฟ่ และร้านอาหารใหม่ๆ หรือว่าคุณจะกลับไปที่ร้านอาหารตามสั่งที่คุณอยากทานมาตลอดทั้งสัปดาห์ดี? คุณจะฟังเพลย์ลิส Spotify รายวัน (your Daily Mix) บนแอพ Spotify หรือว่าจะกลับไปฟังเพลย์ลิสอัลบั้มโปรดของคุณดี?

อันที่จริงแล้ว คุณแค่สำรวจหรือคุณจะใช้ประโยชน์จากมันกันแน่?

ตั้งแต่การทดสอบ A / B บนเว็บไซต์ ไปจนถึงการทดสอบ A / B ในยาของมนุษย์ผ่านทางการทดลองทางคลินิก วิศวกรซอฟต์แวร์และบริษัทยาต่างกำลังพยายามหาจุดที่พอดีอยู่

นอกเหนือจากนี้ก็มีการพูดถึงกลยุทธ์ต่างๆ เช่น“ Win-Stay, Lose-Shift” เพื่อการเอาชนะตู้สล็อตแมชชีนในคาสิโน (รู้จักกันอย่างเป็นทางการว่าปัญหาโจรติดอาวุธหลายแขน –  Multi-armed bandit)

บทนี้จะช่วยให้คุณประมวลความคิดดีขึ้นในครั้งต่อไปที่คุณต้องเลือกระหว่างสิ่งที่ใช้ล่าสุดกับสิ่งที่ดีที่สุด และยังแสดงให้เราเห็นว่าระหว่างการสำรวจความเป็นไปได้ใหม่ๆ การใช้ประโยชน์จากสิ่งที่มีอยู่ ไม่ว่าจะเป็นการลองร้านอาหารใหม่ การอ่านหนังสือเล่มใหม่ หรือการยึดติดกับสิ่งที่เราชื่นชอบ หนังสือเล่มนี้ได้อธิบายกลยุทธ์ต่างๆ ที่สามารถช่วยให้เราเพิ่มความสุขได้มากขึ้นกว่าเดิม

3. Sorting

บทนี้ได้อธิบายวิธีการจัดเรียงและจัดระเบียบข้อมูลของเรา ไม่ว่าจะเป็นกล่องจดหมายอีเมล ตู้เสื้อผ้า หรือชั้นวางหนังสือ และยังเผยให้เห็นอัลกอริธึมต่างๆ ที่สามารถช่วยให้เราจัดเรียงสิ่งต่าง ๆ ได้เร็วขึ้น ง่ายขึ้น และมีประสิทธิภาพมากขึ้น

อัลกอริธึมการเรียงลำดับ มักเป็นวิชาพื้นฐานอันดับแรกๆที่หลักสูตรวิทยาการคอมพิวเตอร์ครอบคลุม หัวข้อที่กล่าวถึงในบทนี้เริ่มตั้งแต่สัญลักษณ์ Big O ที่ทำหน้าที่เป็นปทัฏฐานในการวัดประสิทธิภาพของอัลกอริทึม ไปจนถึงกลุ่มของอัลกอริทึมที่มีการเรียงลำดับตัวมันเอง:the bubbleinsertionmerge and quick sorts

นอกเหนือจากนั้นการเรียงลำดับยังช่วยสำหรับการค้นหา: ถ้าคุณมีคอลเลกชั่นของการเรียงลำดับเอาไว้ การค้นหาก็จะง่ายขึ้นมาก บทนี้จบลงด้วยการอภิปรายเกี่ยวกับการแข่งขันประเภทต่างๆ: round-robin, ladder, elimination single และอื่น ๆ ท้ายที่สุดการแข่งขันก็เป็นอีกปัญหาหนึ่งในการเรียงลำดับ เช่นกันกับการจัดลำดับชั้นของการปกครองในอาณาจักรสัตว์ (และมนุษย์) การจัดเรียงสิ่งต่าง ๆ นี้แหละที่ทำให้ชีวิตง่ายขึ้น

4. Caching

หรือลำดับชั้นของหน่วยความจำ – และสิ่งที่ควรนึกในใจเป็นอันดับแรก สิ่งที่ต้องใช้ปากกากับกระดาษจดเอาไว้ หรือแอพบันทึกข้อความต่างๆ การอภิปรายเกี่ยวกับการเก็บข้อมูลที่หน่วยความจำสำรอง(แคชชิ่ง) จำเป็นต้องพิจารณาถึงกลยุทธ์ต่าง ๆ สำหรับการตัดสินใจว่าสิ่งใดที่อยู่ในแคช

– กลยุทธ์อย่างการสุ่มจับ, เข้าก่อนออกก่อน, ที่ใช้ล่าสุด และอื่น ๆ ที่ช่วยได้
มีอย่างหนึ่งที่ชอบมากคือ Least Recently Used  วิธีนี้สามารถนำไปใช้กับห้องสมุดได้อย่างมีประสิทธิภาพ: แทนที่จะวางหนังสือที่นำมาคืนกลับไปวางบนชั้นวางของห้องสมุดในทันที ห้องสมุดสามารถนำพวกมันวางในส่วนของแคชก่อน – เพราะสุดท้ายแล้วหนังสือพวกนี้ที่ถูกยืมล่าสุดส่วนใหญ่แล้วจะมีแนวโน้มถูกยืมใหม่อีกรอบ

บทนี้ได้อธิบายวิธีจัดการความจำและความสนใจที่มีจำกัดของเรา ไม่ว่าจะเป็น RAM ของคอมพิวเตอร์ หน่วยความจำในการทำงานของสมอง หรือการแจ้งเตือนของสมาร์ทโฟน และเผยให้เห็นอัลกอริธึมต่างๆ ที่สามารถช่วยให้เราตัดสินใจว่าจะเก็บอะไรไว้ อะไรควรทิ้ง อะไรควรดึงกลับมา และในบางครั้งการลืมอาจจะเป็นผลดีก็ได้

5. Scheduling

คุณทำสิ่งต่าง ๆ ให้สำเร็จลุล่วงได้ อย่างไร?

คุณจัดตารางวันของคุณ อย่างไร?

คุณจะจัดตารางงานอย่างไรเพื่อให้ได้งานมากที่สุดในเวลาอันน้อยที่สุด? นอกจากนี้ คุณจะจัดการกับสถานการณ์ที่งานที่มีลำดับความสำคัญต่ำกำลังขัดขวางงานที่มีลำดับความสำคัญสูงกว่าได้อย่างไร ?

และถ้าเกิดคุณกำลังติดอยู่ในการเลือกทำงานที่มีลำดับความสำคัญสูงคุณจะทำอย่างไร?

บทนี้เป็นเหมือนการเยือนเพื่อนเก่าอีกกลุ่มหนึ่งจากระดับปริญญาตรีเลยค่ะ: ในตอนนั้นคุณคงไม่ได้คิดถึงงานในอนาคตหรือการฟาดฟันกับการทำงานประจำวันของคุณมากเท่าไหร่ใช่มั้ยล่ะ หนังสือเล่มนี้จะแนะนำเราถึงวิธีการกำหนดเวลางานและกิจกรรมต่างๆ ไม่ว่าจะเป็นรายการสิ่งที่ต้องทำ ปฏิทิน หรือการประชุมของเรา และเผยให้เห็นอัลกอริทึมต่างๆ ที่สามารถช่วยให้เราจัดลำดับความสำคัญ จัดสรร และดำเนินงานของเรา และเหตุใดที่บางครั้งการผัดวันประกันพรุ่งอาจเป็นสิ่งที่ดีก็ได้

6. Bayess Rule

สมมติว่าคุณรู้กฎของเบย์อยู่แล้ว แต่ถ้าคุณยังไม่รู้ มันคือวิธีง่ายๆในการพิจารณาถึงความเป็นไปได้ของสิ่งหนึ่ง A  แล้วเกิดเป็น B  ได้อย่างไร โดยมักแสดงเป็น P (A | B) สมมติว่าคุณมีข้อมูลที่ดีมาก่อน: มีโอกาสที่ทั้งสองสิ่งจะเกิดขึ้นและคุณรู้ว่าสิ่งที่น่าจะเกิดขึ้นจะเป็นไปในอีกทาง: B | A ฉันจะเขียนมันออกมาให้ดู ในการหาผลลัพท์ของ P (A | B) ให้คูณ P (B | A) ด้วย P (A) แล้วหารด้วย P (B) ซึ่งมันง่ายมากจริงๆนะ เพียงให้แน่ใจว่าข้อมูลตั้งต้นของคุณดี : คำแนะนำที่ดีในบทนี้คือการได้รับข่าวสารที่ไม่มากไป เพราะจะทำให้คาดการณ์เหตุการณ์แย่ลง หลักการของโคเปอร์นิคัสกล่าวว่าการคาดการณ์ที่ดีในการบอกว่าสิ่งหนึ่งจะอยู่ได้นานแค่ไหนให้ดูว่ามันอยู่มานานแค่ไหนแล้ว 

บทนี้แนะนำเราถึงวิธีปรับปรุงความเชื่อและความคิดเห็นของเรา ไม่ว่าจะเป็นมุมมองทางการเมือง การวินิจฉัยทางการแพทย์ หรือความชอบส่วนตัวของเรา เผยให้เห็นอัลกอริธึมต่างๆ ที่สามารถช่วยให้เรารวบรวมหลักฐานใหม่ ชั่งน้ำหนักความน่าจะเป็น และคาดการณ์ และเหตุใดบางครั้งสัญชาตญาณจึงอาจทำให้เข้าใจผิด

7. Overfitting

บทนี้จะเน้นในเรื่องของความซับซ้อนและทำให้แบบจำลองของคุณง่ายที่สุดเท่าที่จะทำได้ ไม่เพียงแค่มันจะทำงานได้ดีขึ้น แต่เค้าสามารถยืนยันได้ว่าความเรียบง่ายนั้นควรเป็นเป้าหมายในตัวมันเอง เพื่อนๆที่อยู่ในวงการ Machine Learning น่าจะชอบการอภิปรายไอเดียเกี่ยวกับ crossvalidation  (การเก็บข้อมูลบางส่วนกลับไปทดสอบ หลังจากนั้นคุณจะพบว่าแบบจำลองการเรียนรู้ของคุณทำได้ดี ไม่ใช่แค่กับข้อมูลตัวอย่างของคุณ), regularization :การทำให้เป็นมาตรฐาน (ทำโมเดลของคุณให้รองรับความซับซ้อน: ดังนั้นความเรียบง่ายเป็นจึงส่วนหนึ่งของเป้าหมาย) เช่น การหยุดตั้งแต่เนิ่น ๆ เป็นต้น

8. Relaxation

ความสมบูรณ์แบบคือศัตรูของสรรพสิ่ง ดังนั้นมันเป็นธรรมดาที่จะปล่อยวางบ้างในบางครั้ง ปัญหาใหญ่จำนวนมากในวิทยาการคอมพิวเตอร์นั้นรู้จักกันว่า NPHard Problems เป็นสิ่งที่ไม่สามารถแก้ได้ สำหรับชุดข้อมูลของจริงนั้นเราไม่มีทางแก้ปัญหาด้วยวิธีที่สมบูรณ์แบบได้ในระยะเวลาหนึ่งๆ ตัวอย่างที่มีชื่อเสียงที่สุดของปัญหานี้คือปัญหาการเดินทางของพนักงานขาย: หาเส้นทางที่พนักงานขายควรเดินทางไปเยี่ยมแต่ละจุดทั้งหมดด้วยระยะทางที่น้อยที่สุด: ความเป็นไปได้คือมีหลายวิธีที่ในการพิจารณาแต่ละจุด การผ่อนคลายข้อ จำกัด และการแก้ปัญหาที่คล้ายกัน แต่ปัญหาที่ง่ายกว่านั้นน่าจะเป็นคำตอบ การปรับปัญหาให้เหมาะสมมีสองส่วนคือ กฎ และ การบันทึกคะแนน มันอาจจะคุ้มค่าที่จะฝ่าฝืนกฎบางครั้งและได้คะแนนถ้ามันทำให้คุณก้าวต่อไปได้ (หรือที่เรียกว่า Lagrangian Relaxation)

9. Randomness

การสุ่มเป็นอีกวิธีหนึ่งที่ใช้ได้ดีเมื่อไม่มีสิ่งอื่นจะใช้ เริ่มต้นด้วยวิธีมอนติคาร์โล บทนี้พูดถึงอัลกอริธึมแบบสุ่ม – และคุณต้องตกหลุมรักส่วนนี้ของวิทยาศาสตร์คอมพิวเตอร์แน่นอน เพราะตรงนี้มันเป็นที่ๆทุกสิ่งหยุดอยู่บนความไม่แน่นอน ไม่เพียงเท่านั้น การสุ่มสามารถช่วยคุณในการ optimization ชอบมากตรงที่บทนี้จบลงด้วยการอภิปรายเกี่ยวกับความคิดสร้างสรรค์ และวิวัฒนาการของการสุ่ม ท้ายสุดแล้วคุณสามารถสร้างงานศิลปะที่เกิดจากรูปแบบของการสุ่มได้อีกด้วย

10. Networking

หนังสือเล่มนี้แนะนำเราถึงวิธีโต้ตอบกับผู้อื่นและร่วมมือกัน ไม่ว่าจะเป็นครอบครัว เพื่อน หรือเพื่อนร่วมงานของเรา หนังสือเล่มนี้เผยให้เห็นอัลกอริทึมต่างๆ ที่สามารถช่วยให้เราเจรจา ทำงานร่วมกัน และแข่งขันได้ และเหตุใดบางครั้งการเห็นแก่ประโยชน์ผู้อื่นจึงเป็นกลยุทธ์ที่ดีที่สุด

Packet Switching, ACKnowledgements, , triple handshakes,
exponential backoff
  และอัลกอรึทึมของการให้อภัย: การสร้างเครือข่ายเป็นหัวข้อที่เต็มไปด้วยเพชรเลยทีเดียว เพราะการเชื่อมโยงกับผู้คนเป็นหนึ่งในพื้นฐานและมีผลกระทบมากที่สุดของวิทยาการคอมพิวเตอร์

– เรากำลังพูดถึงอินเทอร์เน็ต วิธีการควบคุมการไหล การหลีกเลี่ยงความแออัด (Additive Increase, Multiplicative Decrease) วิธีการสร้าง Backchannels (และบทบาทของสัญญาณรบกวนสีขาว และเกร็ดเล็กๆน้อยๆในการสนทนาในชีวิตประจำวัน) และวิธีการหลีกเลี่ยง bufferbloats  หัวข้อทั้งหมดนี้เป็นส่วนหนึ่งในคลาส คอมพิวเตอร์เน็ตเวิร์ค แต่มันดีที่ได้เห็นอะไรในมุมมองใหม่ๆค่ะ

0 0 votes
Article Rating

You Might Also Like

Subscribe
Notify of
guest
0 Comments
Inline Feedbacks
View all comments
0
Would love your thoughts, please comment.x
()
x