担心做不好决定？三个方法帮你做好选择！

点warfalcon→主页右上角→设为星标，干货不错过

推荐个TED 视频，认知科学家汤姆·格里菲斯向我们展示了如何把理性思考和电脑的逻辑应用在解决问题上，并分享了能帮你做出更优决策的方法。

点击观看演讲视频

演讲文字整理版

1.遵循37% 原则

如果世界上有个城市很难买房或者租房，它就是悉尼。如果你最近在找地方安家，你一定对此深有感触。每次你走进一个对公众开放的待售房，就会了解到市场上相关的信息，但每次你从房子里走出去，就冒着错过最好房子的风险。那么你怎么知道何时从单纯的寻找，转向准备出手呢？

当你选房子时，很容易错过最好的机会，那么如何在最合适的时机出手呢？

这有一个很简单的解决方案：37%

如果你想要最大化找到最佳居所的概率，就应该把市场上37%的房子看完，然后在你看到的下一个地方出价，这个地方要比你目前看过的都要更好。或者假如你要花一个月的时间寻找，拿出37%的时间—— 11天，来建立标准——然后就可以准备行动了。

我们常见的问题，其实都可以转化成计算机的问题。

2.探索与权衡

在计算机中，这是“最优停止问题的一个案例”，而常用的推理逻辑似乎并不能胜任社会生活中的复杂状况。不管是简单到决定去哪里吃饭，还是重要到和谁结婚。在某些情况下我们很难凭一己之力做出最好的选择，但是电脑处理这些问题的方式和人来（处理）差不多。

以选择餐馆为例，假如你每天都会在三家餐馆之间挑一家吃饭，这就成了一个典型的“探索与利用的权衡”，你将会探索三家餐馆并手机信息最后权衡，在三者之间做出选择。这种问题普遍存在于你是想尝试新的方式还是继续旧模式，不论你是听音乐还是出去与人聚会。

而用计算机科学的角度来处理这种“探索与权衡”的话，你想去哪家餐厅，应该先知道你要在城里呆多久。如果你只是短暂停留的话，时间不多，你应该享受（“利用”）即去你之前去过的那个餐馆，而收集另外两家餐馆的信息并没有意义；如果你要在城里呆很长时间，你应该去探索，因为收集的餐馆的信息会对你下一次用餐有帮助，在未来优化你的选择。掌握的优质信息越多，在未来越有帮助。

这也可以帮助我们理解人们生老病死的结构，比如婴儿并不是稳健，他们总是在尝试新的东西，这其实很合理。而老人总是生活很规律，不会轻易尝试新的东西，甚至总是去同一家餐厅，因为他在利用他一辈子积累的知识。

探索与权衡的例子会让我们在多个事物选择的时候优化我们的选择。

▲长按图片分享到朋友圈

3.使用“最近最少”原则

当你整理壁橱时，有时你不得不丢弃一些东西，而这很难做决定。计算机学家玛莎斯·图尔特曾经研究过这个问题，她的答案是问自己以下四个问题：

①how long do I have it? 我买这个多长时间了？

②Does it still function? 还能用吗？

③Is it a duplicate or something I already own? 我还有类似的东西吗？

④When was the last time I wore it or used it? 我最后一次用是什么时候？

内存的容量有限，而必须确保你所需要的信息存在于内存中，所以必须确保无用的信息最少而需要的信息都存在里面，所以他们绝对是这方面的专家。

而设计电脑内存的人会说聚焦最近最少被使用的条目。

很久之前使用的东西可能会在很久之后才会用到，而最经被用到的定西很可能不久之后还会用到。

所以玛莎的最后一个问题是最重要的，而这种方式会让你需要的东西唾手可得。

日本经济学家加野口勇就以此发明了一种管理文件的方法。从一个纸箱开始，现将文件放在左边，每次有新文件时也放在左边，一次移动，如果想看文件，看完后就重新放回左手边的位置，日积月累根据文件的使用情况常用的文件就会集中在左边，而不常用的就会集中在右边，这是丢弃文件时就会更容易选择了，同时常用的文件也会更快找到。

4.区分简单问题和复杂问题

当电脑遇到问题时，他们把问题分为简单问题，和复杂问题，先解决简单问题再解决复杂问题，先解决简单问题再回到复杂问题。

5.回到37%原则

如果你应用37%原则来寻找房子时，你找到最佳选项的概率是多少呢？

37%，这意味着即使你拿出了最佳策略，你有时也未必能如愿，但是你已经尽力了，计算机科学让我们更宽容的面对我们的局限性，我们无法调整结果，只是优化方法。