来让算法助你提高效率

　　计算机科学家们——那些研究计算机和编程的原理的人，能否帮助我们解决人类的问题，例如，要做的事太多，可用的时间却不够？
　　这是布莱恩·克里斯蒂安(Brian Christian)和汤姆·格里菲斯(Tom Griffiths)合著的新书《赖以生存的算法》(Algorithms to Live By)中提出的主张。这是对任何经济学家都有吸引力的想法。我们倾向于认为日常决策是应用数学的一个分支，而计算机科学亦是如此。
　　准确来说，利用计算机科学和使用计算机不是一回事。计算科学家倾注了数十年时间来解决各种问题，如整理信息、排定优先顺序和联网。他们为计算机开发的许多算法也适用于人类。毕竟，算法并非计算机程序，而是一种结构化的步骤方法，类似于＂菜谱＂。（＂算法＂一词因9世纪波斯数学家阿尔-花剌子模(Al-Khwārizmī)而得名，但在其研究工作的数千年前就已存在。）
　　那么，什么是完成待办事项列表的最佳配方呢？也许比你以为的更简单：以任意顺序来做列表上的事，因为最后耗费的总时长一样。这是个带有一点儿天才的建议，但似乎表明，当我们有太多事情要做而感到压力和手忙脚乱时，计算机科学永远不能给我们带来启示。
　　或者说我以前是这么认为的。接着我读到计算机科学家彼得·丹宁(Peter Denning)在1970年发表的一篇论文，文中描述了计算机在多线程工作时可能遇到的一个问题。大多数计算机实际上无法真的多线程工作；而是像人类一样，会迅速从一件事切换到另一件事。计算机会在以下任务中快速切换：在你的屏幕上更新口袋妖怪(Pokémon)游戏、从网络下载更多视频、检查你是否敲击了键盘或挪动了鼠标，以及其它许多进程。但即使是计算机，也不能同时做无限量的工作，一旦达到某一限度，灾难就会发生。
　　这一问题源于使用易存取的＂高速缓存＂(caches)来储存数据。可以这么理解＂高速缓存＂：想象有一名钢琴家在演奏她面前的两页或三页乐谱。这些乐谱都是储存在最高速的缓存中。乐谱背后还有其他乐谱，一会儿就能读取。此外还有容量更大但速度更慢些的缓存：放在琴凳里的乐谱；阁楼上还有更多乐谱，再有更多是存放在音乐商店里。在信息储存量和读取速度之间存在一种取舍。
　　如果钢琴家一次只演奏一首完整的乐曲，那么这样的设置是没有问题的。但是，如果要求她每隔1分钟左右换一首曲子，那么她就要花一些时间来取出琴凳里乐谱。如果她必须每隔几秒就换一首曲子，那她就没法演奏了；她所有的时间都会被用来调换谱架上和琴凳里的乐谱。
　　这跟计算机的高速缓存一样：存在一个等级制度——从微处理器自身的超高速内存，向下一直到硬盘（慢速）和异地备份（非常慢）。要想提高速度，计算机必须把当前任务所需的数据复制到快速缓存。如果任务切换太频繁，机器会把所有时间用来将一个任务的数据复制到缓存，然后切换任务、清除缓存并存入新的内容。在极限状态下，什么事都完成不了。丹宁将这种令人遗憾的状态形容为＂系统崩溃＂(thrashing)。
　　我们都有过除了崩溃以外一事无成的日子，不断从一项任务切换到另一项，实际上却什么都做不了。我们能否从计算机借鉴解决方案？最直截了当的方法是换个更大的缓存；可惜，这对计算机来说比人类更容易。
　　显而易见的替代方法是减少任务切换。计算机采用＂中断合并＂(interrupt coalescing)技术，即把多个小任务合并到一起处理。一份购物清单有助于避免多次往返商店的不必要旅程。你还可以把账单放在一块儿，每月一并处理。
　　但我们往往发现很难不从一个任务切换到另一个。计算机科学认为这种痛苦有一个原因：即在迅速响应和划出大块时间以提高生产率之间存在取舍。如果你想在5分钟之内回复你老板的邮件，你必须至少每5分钟查一次邮件。如果你想戒网一周来写小说，那么你的响应时间就必须放慢至一周。
　　任何解决方案都应该承认这种取舍。确定一个可接受的响应时间，然后据此打断自己的工作。如果你认为在4小时之内回复邮件完全没有问题（按多数标准都没问题），那么你只需要每4个小时查一次邮件，而不是每4分钟查一次。正如克里斯蒂安和格里菲斯建议的那样，决定自己想要如何响应。如果你想好好做点事情，就别超过那个响应标准。
　　本文作者著有《卧底经济学家反击战》(The Undercover Economist Strikes Back)一书。