Антон Гладкобородов сделал corca.app — "ноушн для математических записей". Считать пока не умеет, только записывать, но делает это удобно. Если скопировать оттуда формулу или выражение - можно вставить в любой другой редактор как латекс.

Читаю "Шум" Даниэля Канемана и соавторов. По сравнению с "Думай медленно, решай быстро" кажется более практичной: из нее можно вывести рабочие методы, помогающие принимать правильные решения. А эта тема, про решения, меня сейчас сильно занимает.

Основной тезис книги:

шум и смещение приводят к ошибкам в суждениях

Шум - это непредсказуемый разброс в суждениях людей, приводящий к непоследовательности и ошибкам в принятии решений. Например, когда два разных судьи по схожим делам выносят сильно различающиеся вердикты: один дает условный срок, второй - три года тюрьмы и штраф. Другой пример - когда страховые оценщики определяют страховую премию для схожих кейсов с разницей в 50%.

Смещение - так в книге перевели bias, "предвзятость" или "искажение", про них вся предыдущая книга Канемана и Тверски "Думай медленно, решай быстро". Отличие от шума - систематичность: смещение обычно работает в определенном направлении. Судьи в среднем выносят более суровые приговоры во второй половине дня, потому что устали или проголодались; страховые оценщики в среднем завышают страховые премии презентабельно выглядящим клиентам - и так далее.

Суждение - это короткий вывод, которые эксперт делает по результату изучения материалов кейса. В случае судьи это приговор, в случае страхового оценщика - размер премии. Суждения бывают прогнозные (сколько продадим за год) и оценочные (насколько хорошо работал ассистент директора).

Канеман пишет про "системный шум" - как раз на примерах страховых компаний и судейских вердиктов. В этих доменах можно собрать статистику, провести сравнение и увидеть, насколько сильны отклонения между оценками разных экспертов. Кейсы в этих доменах можно назвать типовыми: они повторяются и должны укладываться в узкий коридор погрешности, чего по факту не происходит.
Выше упомянуто расхождение в 50% - это очень большая разница для страховых премий двух похожих клиентов. Бизнес усиливает риски, работая с таким разбросом, и может понести потери.
Складывается такая же ситуация, как с очередями в продуктовой разработке: если не знать, что некоторое явление существует - обнаружить его будет сложно или невозможно.

Чтобы победить демона - узнай его имя 👿.

Дальше еще интереснее - глава про "уникальные решения", где суждение нужно вынести один раз и нет статистики или возможности сравнить с другими кейсами. Женитьба, выбор машины или дома, поглощение компании-конкурента - средний человек принимает от силы несколько подобных решений за жизнь. В этой ситуации во-первых нет референсных кейсов, во-вторых не всегда есть возможность постфактум определить, а верное ли было решение.

В случае уникальных решений, говорит Канеман, нужно исследовать и оценивать не только кейс и его контекст, но еще и процесс формирования суждения. Признаки хорошего процесса: он логически непротиворечив, учитывает законы статистики и подходит для широкого набора ситуаций.

Книга очень нравится, прям кайфую.

Контур.толк: "Но у нас есть AI дома"

https://artemushanov.ru/?go=all/sporyu-s-postom-pochemu-proektny-podhod-bolshe-ne-rabotaet/
Спорю с постом «Почему проектный подход больше не работает?»

Прунинг - процесс отмирания нейронов у людей в подростковом возрасте. С этим связывают утрату детских воспоминаний (у новорожденных примерно вдвое больше нейронов, чем у взрослых).

В индивидуальных решениях помехи вносит ситуационный шум: настроение, погода, предшествующие события, вынесенные ранее суждения. На физиологическом уровне неустранимый источник такого шума - вариативность поведения нейронов, даже если по ним проходят сигналы одного и того же рассуждения.

В групповых решениях ситуационный шум возникает из-за социального доказательства (залайканному комментарию чаще ставят лайки), порядка высказывающихся в групповых обсуждениях (первыми выступали сторонники новой инициативы - у остальных участников группы возникнет доверие к инициативе), позиции "своей" группы (демократы скорее проголосуют за инициативу, которую поддерживают другие демократы, чем за объективно более полезную).

Мудрость толпы - усреднение независимо вынесенных суждений на ансамбле. Опрашиваем тысячу человек на предмет "какова высота Останкинской башни?", выводим среднее арифметическое - оно будет довольно близко к истине.

Мудрость "внутренней толпы" в 2-3 раза менее точна, чем настоящая мудрость толпы, но точнее единственного вынесенного суждения. Чтобы максимизировать ее точность, нужно придерживаться такого алгоритма:
1. Вынести суждение
2. Подождать 2-3 дня (сбросить контекст)
3. Вынести суждение еще раз, исходя из предположения, что первое суждение было неверным.
4. Взять среднее арифметическое первого и второго суждений.

Хороший пост