Decisioni

Modello #44 - Lo stopping point di Brian Christian & Tom Griffiths

Quando cercare ancora e quando prendere la decisione? Questo tipo di dubbio ci toglie tantissime energie. Questo modello ci da un'euristica molto utile.

Manolo Macchetta

10 Jul 2024 — 4 min read

Brian Christian & Tom Griffiths

Algorithms to Live By: The Computer Science of Human Decisions di Brian Christian e Tom Griffiths è un libro che esplora come gli algoritmi informatici possano essere applicati alla vita quotidiana per prendere decisioni più intelligenti.

Se devo dirla fuori dai denti il libro non mi ha fatto impazzire quando l'ho letto, aveva tanti spunti interessanti ma gli esempi e le applicazioni erano meno che entusiasmanti.

Il libro discute di alcuni algoritmi provenienti dalla computer science e di come possano essere utilizzati per ottimizzare scelte in ambiti come il lavoro, la vita sociale, la gestione del tempo e altre aree della vita personale.

Quando continuare la ricerca e quando fermarsi. modalità di applicazione dell'algoritmo di ricerca del 37%

L'algoritmo di ricerca di cui si parla in Algorithms to Live By riguarda la strategia di esplorazione che può essere utilizzata per fare scelte ottimali in scenari con queste caratteristiche

In cui dobbiamo selezionare una delle opzioni disponibili,
Non abbiamo tutte le informazioni iniziali per fare una scelta perfetta.
Persa una scelta non possiamo più tornare indietro
Non abbiamo energie e tempo infiniti per cercare il miglior candidato

Attenzione: scelta ottimale NON equivale alla migliore.

Un esempio famoso di questo tipo di algoritmo è il problema del segretario, ma anche la ricerca del parcheggio è molto simile.

Cosa dice Problema del Segretario

Immagina di dover selezionare una persona da assumere da un gruppo di candidati che si presentano uno alla volta. A ogni candidato puoi dare un punteggio relativo, ma non puoi fare un confronto diretto tra di loro, e una volta scartato un candidato, non puoi tornare indietro.

La domanda è: quale dovrebbe essere la strategia per massimizzare le probabilità di scegliere il miglior candidato?

La soluzione ottimale si basa su un algoritmo matematico che suggerisce di scartare una percentuale iniziale dei candidati (senza fare alcuna scelta) per poi selezionare il primo candidato che supera il punteggio migliore tra quelli già visti.

La parte chiave è determinare quando smettere di scartare e iniziare a scegliere.

I problemi di stopping ottimale.

I problemi di "stopping ottimale" si presentano nella vita quotidiana quando ti vengono offerte opzioni, una alla volta. Intervistare candidati per un lavoro, cercare un parcheggio e fare ricerca di una casa sono tutti esempi di problemi di "stopping ottimale".

Quale è questo punto? La formula

La scienza informatica ha determinato una strategia ottimale per questo tipo di problemi, conosciuta come la regola del 37%: guarda il primo 37% delle opzioni, senza sceglierne nessuna (periodo di raccolta dati), poi preparati a selezionare immediatamente il prossimo candidato che sia migliore di tutti quelli che hai visto finora. Puoi applicarla all'assunzione, alla ricerca di una casa, alla ricerca di un parcheggio, ecc.

Caveat & Punti Salienti

Alcuni punti salienti su questo:

La strategia ottimale (la regola del 37%) ha anche una probabilità di successo del 37% .
lo stop point del 37% è valido tanto per il tempo, quanto per il numero di scelte, quanto per il budget investito... quindi bisogna stare attenti a quale sia la risorsa più scarsa.
Nel mondo reale, spesso abbiamo vincoli diversi e più fluidi rispetto alla versione semplice del problema. Potremmo sapere come ogni candidato si confronta con il resto del gruppo (ad esempio, attraverso metriche standardizzate come i voti universitari), a volte possiamo tornare su candidati che avevamo precedentemente scartato (con una probabilità che siano ancora disponibili), e non tutti accetteranno la nostra offerta di lavoro. Questo ovvimanete rende molto più complessa la scelta.
Le persone anche senza usare "algoritmi" in genere ottengono buoni risultati. Troviamo il miglior candidato possibile circa il 31% delle volte (che comunque è un 20% peggio dell'uso del punto di stop).

Applicazioni quotidiane

Come scrivevo sopra: questo algoritmo non riguarda solo assunzioni o selezioni di persone. Si può applicare anche a situazioni come:

Trovare un parcheggio: prima di arrivare a destinazione pensa quanto sei disposto a camminare. Se inizi a cercare un parcheggio senza la pretesa di prendere più vicino, ma semplicemente un buon posto, raccogli informazioni sul primo 37% di strada, e poi parcheggia dove vedi un buon posto.
Trovare una casa in una zona ad alta richiesta: Quando stai cercando una casa da acquistare o da affittare, potresti applicare la stessa strategia: guardi un numero sufficiente di case senza fare un'offerta, per poi scegliere la prima che ti sembra migliore di tutte quelle precedenti.

Cosa vuol dire questo

vediamola da due punti di vista: quando sei tu quello che deve scegliere e quando invece sei tu la persona che deve essere scelta.

Sei tu che devi scegliere.

Avere un algoritmo che ti da una supporto nella scelta ottimale ti toglie tantissimo stress.

Assicurati di aver ben chiaro quale sia la risorsa scarsa (il tempo? i soldi? la voglia di camminare?)

Come regola generale, preparati a fare il salto dopo aver esaminato circa un terzo del numero totale di opzioni che sei disposto a valutare (o un terzo del tempo che sei disposto a dedicare alla ricerca).

Sei tu quello che deve essere scelto

Non essere mai tra le ultime scelte, ne tanto meno tra le primissime. Se sei tra le ultime, magari benefici del Recency bias, ma rischi di non essere nemmeno visionato. Se sei tra i primi rischi di essere saltato in quanto sono ancora in fase di raccolta informazioni

Perché te ne ho parlato

Come ti ho scritto sopra il libro non è stato tra i miei preferiti e l'algoritmo in sè si può usare in ambiti molto ristretti. Non sono riuscito a testarlo così tanto da essere sicuro che sia una regola "universale" (vedi il Principio di Pareto ). Ciononostante sapere che esiste un qualcosa che mi può togliere dello stress quando devo fare ricerca e scelta mi ha aiutato tantissimo per le cose più meniali, facendomi risparmiare energie per le cose più importanti.