被放弃的概率权,机器下围棋不理会沉没成本

最近我看到一篇很有趣的文章,提出了一个叫“概率权”的概念,很有意思。
假设你现在面对两个按钮:如果你按下第一个按钮,直接给你一百万美元;如果按下第二个按钮,你有一半的机会拿到一亿美元,当然还有一半机会就什么都没有。这两个按钮只能选一个,你选哪个?

正确答案是选有50%的机会拿到一亿美元。
如果按下去有50%的机会拿到一亿美元,那么按照概率,这个按钮的选择权价值就是5000万美元。
我把这价值5000万的机会卖给一个有能力去赌的人,比如说用2000万美元跟他成交。
那对于买的人来说,用2000万美元买一个价值5000万美元的概率权,在账面上是非常划算的。
而你现在有2000万美元了,是不是比选第一个100万美元强得多?

这个方案还有没有更近一步优化的空间呢?
把这个选择权切碎了发行彩票,这样就更是稳赚不赔,当然这个普通人就干不了了,而合买就是反向操作降低每个人的风险。

你可能会觉得有点奇怪。开始的时候,我面对的选择,明明一个是确定的,一个是不确定的。可是这不确定的最后怎么就变得确定了呢?而且收益要高得多呢?
这个例子里面,藏了这个世界的一个绝大的秘密,就是穷人思维和富人思维的区别。
我们人生在世,时时刻刻都面对各种各样的选择。每一个选择背后,都有成和败的概率。

穷人思维,就倾向于拿到确定的东西,他不要概率权。而富人思维正好相反,每次选择的时候都愿意根据成功的概率来下注,不管每一次的成败、输赢,他一直都坚持这么下注。
珍视概率权,不是让你去赌,而是跳出自己的直觉本能,用概率的思维去思考自己的每一个选择。
如果概率权算得过账来,那就勇敢去下注,比如说用100万美元的价格去试试50%的机会拿到一亿美元的概率权。
从直觉上来看,虽然有风险,但是在概率思维看来,这已经是划算得不能再划算的买卖了。

===========================
机器下围棋,它每下一手的时候,都计算自己在当前局面下的赢棋概率。对它而言,每一个决策点都是独立的,这一步和此前的那些棋没有什么关系,它就从当下这一步出发,计算获胜的概率。
机器从来不纠结,不理会沉没成本,绝不感情用事,也不会对未来心存侥幸。它只是聚焦于一件事情:赢棋。它只用一种标准衡量自己:概率。

在经济学上,有一个很重要的结论:沉没成本不是成本。什么意思?
简单说就是,你以前为一件事花进去的时间、精力、金钱,都是沉没掉的,不应该影响你当下这一步的决策。
高频彩最怕的就是受沉没成本的影响而失去理智!
人工智能是更符合经济学主张的,沉没成本不是成本,不要让以前的事情影响当下的决策。

曾国藩的一句话,“既往不恋,当下不杂,未来不迎。”,不让过去的经验影响现在,也不让未来的妄念影响当下,只纯粹地关注当下的目标。

===========================
最近我看到一篇很有趣的文章,提出了一个叫“概率权”的概念,很有意思。
我们先来看一道选择题。
假设你现在面对两个按钮:如果你按下第一个按钮,直接给你一百万美元;如果按下第二个按钮,你有一半的机会拿到一亿美元,当然还有一半机会就什么都没有。这两个按钮只能选一个,你选哪个?
我拿这道题在办公室里同事当中测试了一下,大部分人都选择直接拿一百万美元走人。因为这本来就是飞来横财,拿了入袋为安。而另一个选项一亿美元,万一按下去,什么都拿不到呢?我的小心脏啊,根本承受不了这个损失。这么选的人,风险偏好比较小。
当然,也有人选择按第二个按钮的,这种人风险偏好比较大。他们的理由也很简单,反正是飞来横财,那不如赌一把。那我就继续追问,你这么选的话,如果正好落在那不幸的50%上,什么都拿不到,你会特别懊悔和心疼吗?他们想想说,好像也有点,连一百万美元那只煮熟的鸭子也飞了啊。
那正确答案是什么呢?
当然是选有50%的机会拿到一亿美元。但是,我给出的理由不一样。
一个熟知现代社会规则的人,会这么处理。第二个按钮,如果按下去有50%的机会拿到一亿美元,那么按照概率,这个按钮的选择权价值就是5000万美元。我承受不了这个损失,那好,我把这价值5000万的机会卖给一个有能力去赌的人,比如说用2000万美元跟他成交。那对于买的人来说,用2000万美元买一个价值5000万美元的概率权,在账面上是非常划算的。而你现在有2000万美元了,是不是比选第一个100万美元强得多?
好,你可能会说,我找不到愿意赌那么大的人。那我们优化一下上面的方案,你找一个比你有钱的人,你说:“我把这个选择权卖给你,但是首付100万美元,如果你中了一个亿,我要求再分成一半,你觉得怎么样?”
对你来说,100万美元他作为首付给你,已经落袋为安了,剩下就让他去赌个运气,反正也比第一个选择强。而对买家来说呢,他是拿100万美元的成本去赌5000万美元的一半概率,这个买卖他也非常划算,他会干的。
接着往下想,这个方案还有没有更近一步优化的空间呢?
还有,当然那就更复杂了。比如,把这个选择权切碎了发行彩票,这样就更是稳赚不赔,当然这个普通人就干不了了,得有政府授权。
听到这里,你可能会觉得有点奇怪。开始的时候,我面对的选择,明明一个是确定的,一个是不确定的。可是这不确定的最后怎么就变得确定了呢?而且收益要高得多呢?
对啊,这个例子里面,藏了这个世界的一个绝大的秘密,就是穷人思维和富人思维的区别。请注意,我这里说的是穷人思维和富人思维,而不是指穷人和富人。
我们人生在世,时时刻刻都面对各种各样的选择。每一个选择背后,都有成和败的概率。
穷人思维,就倾向于拿到确定的东西,他不要概率权。而富人思维正好相反,每次选择的时候都愿意根据成功的概率来下注,不管每一次的成败、输赢,他一直都坚持这么下注。
请注意,珍视概率权,不是让你去赌,而是跳出自己的直觉本能,用概率的思维去思考自己的每一个选择。
如果概率权算得过账来,那就勇敢去下注,比如说用100万美元的价格去试试50%的机会拿到一亿美元的概率权。从直觉上来看,虽然有风险,但是在概率思维看来,这已经是划算得不能再划算的买卖了。
穷人不珍视概率权,不是不去赌,他们反而更容易去赌一些极小概率的事情。比如花钱买彩票,两块钱两块钱地买,想博一个发财梦。
但是明白彩票原理的人都知道,这成功的可能性几乎为零。而组织销售彩票的人,他是按照概率思维来设计这个机制和游戏的,他们反而是稳赚不赔的。所以你看,就彩票这件事来说,是穷人在补贴富人。
举个例子,你看富人是怎么想的。扎克伯格,Facebook的老板,他当年刚创立Facebook公司4个月,就有人出价1000万美元要收购他的公司,两年后,雅虎公司出价10亿美元收购。其间当然还有很多次机会,谷歌、新闻集团等等都曾经有过收购意向,每次出价对于当时的扎克伯格来说,都是一次大发横财,从此余生可以花天酒地的机会,但是每一次扎克伯格都拒绝了。
你是马上就拿到10个亿,还是以百分之几的可能性,也就是概率,在数年之后拿到1000个亿?这是一个选择,你看,扎克伯格面对的这个选择,跟我们今天刚开始举的那两个按钮的例子是不是很像?
几年之后,另一家创业公司Snapchat用类似的方式拒绝了扎克伯格的30亿美元收购的邀请。
这就是硅谷的精神之一,它可不仅仅是发财梦,它是一种财富观,是一种雄心壮志,是一种对概率权的把握。
我创业几年,说实话刚开始也是不太理解那些风险投资人的逻辑。一个创业项目,看起来不是很靠谱,没有任何确定性,投资人居然就敢成百万、上千万、上亿的钱白给创业者花,而且还只占很少的股份。按照直觉思维来看,这些投资人不是疯了吗?
但其实,这是因为人家风险投资人看世界,和我们普通人的角度不一样。
他们是看概率权的。
一个创业公司,刚开始可能都没有盈利,但是投资人已经把这个行业的前途,这个创业者、创业团队的素质和未来的市场风险等等都用概率思维给算过了,给出了一个估值。这个估值虽然是纸面财富,但是它包含了一系列概率的算计,它是真实的市场定价。风险投资人他就这么一直下注,一直下注,下了很多次之后,只要有一次大赚,就全部回来了。
所以,风险投资不是外面看起来的那样,是赌博,是猜钢镚,它是有一个精密算法的财富游戏。
那怎么摆脱穷人思维,把握概率权呢?
我刚才提到的那篇文章中就说到,我们普通人最最缺乏的,其实不是钱,而是有一个老爸随时随地告诉我,你很牛。
那为什么书香门第或者财富世家会出一大串的牛人,除了基因、资源这方面的原因,可能还有以下几个原因:
第一,你从小就有足够高的参照点,不会被小利益勾走,更能承受风险(其实是低概率的),从而捕获高回报。就像最开始的例子,如果你家里已经有了1000万美元,你对那白来的100万美元就没有那么饥渴,你受到的诱惑就没有那么大;
第二,身边一群人的示范效应,你老爸、叔叔、伯伯会不断告诉你要往前看,你行的,你是很牛的,你的出息绝不仅仅是现在这些;
第三,在这样的环境里长大,你内心的理想、激情有更大的机会被点燃。
可惜,我们绝大多数人不会出生在书香门第或者是财富世家,那怎么办?
对,这就是这个世界留给每一个人的一道后门。你可以通过学习,通过认知升级,通过改变自己的大脑,通过克服自己与生俱来的本能,认识概率权,掌握概率权。
要知道,这是我们脑子里发生的事情,虽然它千难万难,但是毕竟我们不需要任何额外的资源,没有任何人能够阻止它发生。

------------------------------

本人微信公众帐号: 心禅道(xinchandao)

本人微信公众帐号:双色球预测合买(ssqyuce)

转载于:https://www.cnblogs.com/zdz8207/p/DeepLearning-AlphaGo-gailuquan.html

被放弃的概率权,机器下围棋不理会沉没成本相关推荐

  1. 被蠢人、穷人与聪明人放弃的“概率权”

    被蠢人.穷人与聪明人放弃的"概率权" 作者:老喻 "我开始思考,什么是应该放弃的次要的东西,放弃了它我才能集中精力追求最重要的.而归根结底,只有一件事对我来说是最主要的: ...

  2. ​真正的高手,都懂“概率权”

    点击"技术领导力"关注∆  每天早上8:15推送 来源:孤独大脑  作者:老喻 什么是概率权? 概率权是我创造的一个词. 概率权,是基于概率计算的未来选择权. 塔勒布和交易员劳伦共 ...

  3. 下围棋so easy ,AlphaZero开始玩量子计算!

    来源:新智元 本文约3073字,建议阅读9分钟. 本文介绍丹麦和德国的研究人员使用Deepmind的AlphaZero 开发了一种混合算法,将AlphaZero强大的搜索能力与量子计算有机结合起来,参 ...

  4. AlphaGo怎么下围棋的

    [原创]AlphaGo怎么下围棋的 最近DeepMind团队(google旗下)的AlphaGo(一个围棋的AI)以4:1战胜顶尖人类职业棋手李世石.她到底是怎么下棋的? AlphaGo在面对当前棋局 ...

  5. 人工智能除了下围棋还能干啥?

    人工智能除了下围棋还能干啥?这篇科普文将震撼你的世界观 译者注:人工智能很可能导致人类的永生或者灭绝,而这一切很可能在我们的有生之年发生. 上面这句话不是危言耸听,请耐心的看完本文再发表意见.这篇翻译 ...

  6. 21-5-22校赛J 下围棋

    21-5-22校赛J 下围棋 给出一个节点个数为n的树,其根节点为1,两个人轮流操作,每一次操作可以选择一个非根节点,删除这个节点及其子树,当一个人无法进行操作的时候,他就输掉了.问后手是必胜还是必败 ...

  7. xcopy远程linux复制,window下批处理操作:从Linux机器下拷贝文件

    文件名称:test.batset THIS_BAT_PATH=%~dp0 cd %THIS_BAT_PATH% rd /s /q %SDV_LLT_PATH% & md %SDV_LLT_PA ...

  8. 调戏chatGPT(二)下围棋

    这次我准备和chatGPT下盘围棋,我先得确认它知道围棋是啥,如果会的话我就不用介绍规则了 t 你会下围棋嘛 作为一名AI助手,我可以模拟下围棋的过程,但是我没有实际的感官,无法看到棋盘和棋子,也无法 ...

  9. Git在同一机器下配置多个github账号

    摘要 https://wylu.github.io/posts/e186bfe8/ 大多数人有时会需要在同一台机器上管理多个 github 账号,本文以管理两个 github 账号为例,记录了配置 g ...

最新文章

  1. 鹅厂666,用梅花桩遛狗
  2. 【Python】精选30张炫酷的动态交互式图表,Pandas一键生成,通俗易懂
  3. 【机器视觉】Qt联合Halcon编程之显示图片
  4. 【2018.3.10】模拟赛之三-ssl2576 平台
  5. iterator and iterable
  6. ASP.NET MVC 4 中Jquery上传插件Uploadify简单使用-版本:3.2.1
  7. 关于大型网站技术演进的思考(十四)--网站静态化处理—前后端分离—上(6)...
  8. ssm-学子商城-项目第八天
  9. LCD1602温度显示程序设计流程
  10. Windows环境下修改IP的bat文件
  11. 周末DIY,三花聚顶,练就静音功夫!
  12. 未名down了,人生无趣
  13. 用大白菜装centos7_大白菜安装centos7 踩坑记
  14. ORACLE DBA培训命令汇总
  15. 蔡松龙---小白羊餐饮
  16. Android应用中保存网络图片功能实现详解
  17. c语言中最大公约数的编程,C语言中最大公约数求法
  18. Linux 往事:一个不会像 GNU 那样大而专业的 OS 是如何成为主流的?
  19. topsis(优劣解距离法)在matlab上的实现
  20. 80x86 微处理器

热门文章

  1. 【C/C++学院】(27)项目实战HttpServer--原理分析
  2. [转]pthread用于进程间通信
  3. 关于用户表设计及多用户登入限制
  4. javascript 计算器、动态时钟、表格复选框全选(扩展)、轮播图、36选7、随机数...
  5. Android画图最基本的三个对象(Color,Paint,Canvas)
  6. FineReport中Domino数据库连接方法
  7. IOS-开发中手势的处理
  8. 字符设备驱动笔记——中断方式按键驱动之linux异常处理结构(四)
  9. 让ASPX和ASMX脱离IIS运行的例子(ASP.NET宿主程序)
  10. 算法----------字符串的排列(Java版本)