“平台崩坏”时代(二)来自计算机科学的商业建议

“平台崩坏”时代(二)来自计算机科学的商业建议
编译:数据观
作者:Martin Reeves, Simon Levin, Kevin Whitaker

计算机科学版《商业启示录

算法的研究也为先发制人的创新策略提供了线索。有些问题可以通过“启发法”来解决,虽然有时背离直觉,但却可以展示何时、以及如何来追求创新。
[启发法:heuristics,是一种逐次通近最优解的方法。这种方法对所求得的解进行反复判断实践修正直至满意为止。]

1、不断探索——多臂赌博机问题

一位财力雄厚的赌徒走向一排老虎机,沉思玩儿哪一部好——这就是一个“多臂赌博机问题”。由于收益的概率分配是独特且未知的,所以这个优化问题相当复杂。赌徒的自然反应可能是专注于吐钱最多的机器。然而,更高级的解决方案,比如Gittins Index,会将尝试其它机器所得到的信息也计入收益当中,它们或许会在未来创造价值。在实际中,这一策略平衡了对收益最大选项的“开发”(exploitation),以及对其它所有选项的“探索”(exploration)——重点是,不要将所有资源都用于“开发”。
[多臂赌博机问题:multi-armed bandit problem,也称为顺序资源分配问题]
就像老虎机一样,商业领域中,潜在创新的真正价值也是不确定的,所以将注意力放在那些短期收益最大的项目身上,会很有吸引力。 然而,为了最大限度地提高长期绩效,领导者始终应保留一些资源来探索替代产品,不管它们的业务正处于生命周期的哪个阶段。

2、以广泛搜索为先——旅行商问题

一位卡车司机从某城市出发,将包裹运送到100个不同城市,并回到出发地,怎么规划路线效率最高?这就是“旅行商问题”,数十年来令数学家们不胜困扰。难点在于,在你作出某个选择之前(从哪个城市出发),你是无法分析的。因为该问题的可行解是所有顶点的全排列,随着顶点数的增加,会产生组合爆炸。
[旅行商问题:Travelling Salesman problem,又叫做“旅行推销员问题”、“货郎担问题”,是最基本的路线规划问题]
一些针对这些问题的最佳执行算法,如禁忌搜索和模拟退火,首先在选项中进行广泛搜索,而不是先确定一个可能不是最佳的解决方案。这些方法在评估了广泛的选项后才缩小范围,找到一个特定的解决方案。
同样,企业领导人在探索创新时,也应该从广泛的搜索开始,在潜在的选项空间里“大步走”,只有当找到最佳方向时,才用“小步走”的方式进行细化。

3、拥抱随机性——让AI学会打Atari 2600游戏机

pingtaier

2015年2月,Google在《自然》杂志上发表论文,描述了如何让电脑自己学会打Atari 2600电子游戏。Google算法的输入只有游戏图像与得分,在没有人为干预的情况下,电脑自己学会了游戏的玩法,并在49个游戏中的29个里打破了人类玩家的记录。
这是一个训练AI在复杂环境中实现目标的案例。这类算法被称为“进化策略”,以初始决策参数开始,在决策中加入随机变量,测试所有结果选项,选择最佳选项,并重复该过程。它会得出一个基于人类直觉不可能被设计出的策略,但的确会产生更好的结果。
在各个业务层面做决策时,领导者应加入一些随机变量,测试其结果,而不是过分依赖分析和直觉来设计解决方案。

去年今日运营文章

  1. 2023:  ​怎样快速入门一个新领域?如何用最少的时间,从新手到高手?(0)
  2. 2023:  史上最全拼多多与淘宝系省钱月卡 pk(0)
  3. 2023:  雷军 | 评估创业项目的十大标准(0)
  4. 2023:  傅盛:如何用沟通解决80%的工作问题?一个CEO的几条沟通建议​(0)
  5. 2023:  30岁还没做到管理层,职场还有希望吗?(0)

本文由数据观投稿,不代表爱运营立场,如若转载,请注明出处:https://www.iyunying.org/seo/sjfx/135359.html

(0)
数据观的头像数据观投稿者
上一篇 2018年5月29日 下午2:37
下一篇 2018年5月29日

推荐资讯

发表回复

登录后才能评论
分享本页
返回顶部