写点什么

算法人生(9):从“贝叶斯更新”看“战胜拖延”(消极预期版)

作者:养心进行时
  • 2024-05-09
    江苏
  • 本文字数:2053 字

    阅读完需:约 7 分钟

现代人拖延产生的原因有很多,比如因为害怕失败而拖延,因为完美主义倾向而拖延,不想走出“舒适区”而拖延等等, 今天我们要针对一个常见的原因“对事物的发展抱有消极的预期”而产生的拖延来看,如何从“贝叶斯更新”的思路中找到些启发。


贝叶斯更新简介


贝叶斯更新:贝叶斯更新是一种统计方法,它基于贝叶斯定理,用于在已有先验知识的基础上,随着新证据的出现逐步更新对某个事件的概率估计,即更新我们的信念。 在机器学习和人工智能领域,当模型接收到新的数据时,会依据这些数据调整其内在的概率分布,也就是更新模型对各种假设或参数的信念。“贝叶斯更新”背后的“更新信念”思想,实质上是对不确定的理性认知和灵活应对的哲学理念, 更适合现实中的不确定的环境。


贝叶斯更新的大致步骤包括(以红白球概率为例)


假设我们在猜测一个装有红球和白球的袋子中到底有多少个红球?


  1. 开始时有个初步猜测(先验概率) :在你摸球之前,你对袋子里红球的比例有一个初始的猜测。比如,你可能听说袋子中大约一半的球是红色的,这就是你的“先验概率”,它是你根据现有的信息做出的猜测。

  2. 收集新信息(观测数据) :你从袋子里开始摸球,每次摸球的动作就像是收集新证据。比如说,你第一次摸到了一个红球,记录其颜色,并放回袋子中。

  3. 用新信息计算它对原有猜测的影响程度(似然函数) :假设我们进行了 10 次抽取,得到了 6 次红球和 4 次白球。对于不同的红球数量假设(比如红球数量占总球数的 20%、50%、80%),我们可以计算这些假设下得到 6 次红球和 4 次白球的概率,即似然函数的值。似然函数描述了观测到的数据在不同参数值下的概率。 在这个例子中,参数就是袋子中红球的数量。

  4. 贝叶斯定理结合旧猜测和新信息生成新的猜测(后验概率) :后验概率是在观察到新数据后,对袋子中红球数量的更新估计。贝叶斯定理的公式是:后验概率 = (似然函数 × 先验概率) / 证据概率。其中,证据概率是观测到的新数据的总概率,它通常是一个归一化因子,确保后验概率之和为 1。在这个例子中 我们会计算每个红球数量假设下的后验概率。后验概率越高,说明这个假设越接近真实情况。

  5. 迭代更新:有更多数据时,继续用新的猜测代替旧的猜测,循环更新。如果你继续摸球,每次都依据最新的后验概率作为下一次的先验概率,不断重复以上步骤。这样,随着越来越多的数据(摸球结果)积累,你对红球比例的估计会越来越准确。


贝叶斯更新的理念在于,我们的认识应该是动态变化的,随着新信息的到来,我们需要不断地修正和完善自己的认知。


贝叶斯更新思想对“走出拖延”的启发


  1. 证据导向: 当新的数据或证据出现时,它会利用这些信息去调整对原有信念的估计。这体现了实证精神,即通过事实和数据来检验和修正我们的认知,而不是固守某一个成见。

  2. 动态适应: 贝叶斯更新不是一个静态的过程,而是随着新证据的积累不断迭代和演化。这教导我们在面对复杂世界时,应该具备一种 活适应、不断学习和自我更新的认知态度。

  3. 概率视角下的决策: 在决策过程中,贝叶斯更新不仅让我们了解到当前最有可能的真相,而且给出了所有可能性的概率分布,从而支持在不确定性条件下进行最优决策。


总的来说,贝叶斯更新鼓励我们在面对不确定性和新信息时,保持开放心态,以数据为驱动,根据证据逐步调整和优化对环境的理解和信念,而不是死板地坚守最初的假设。


生活中, “对事物的发展消极预期,还没发生就预言结果”也是导致许多人陷入拖延的心理状态。 这种预设的消极预期,使得个体在行动之前就已经设想了可能不成功或者发展不如意的场景,这种消极的预期往往伴随着对自身能力的怀疑和对未来发展的悲观想法。这样的心态不仅消磨了他们行动的动力,也成为了他们实现目标路上的一大障碍。


结合上述的贝叶斯更新的思想,我们可以把战胜“因为消极预期而拖延”的问题看作是一个动态调整认知信念的过程,就像贝叶斯更新利用新证据更新先验概率来获取更准确的后验概率一样。下面抛砖引玉来介绍些思路,大家也可自行调整。


  • 识别并量化消极预期:就像对待未知的红球比例那样,首先要认知到自己对某个任务或挑战持有的消极预期,只是一种主观概率的估计,即“先验概率”,先验概率只是一个初始概率,并不是后验概率。

  • 接纳不确定性并采取行动: 面对不确定性的环境时,也可以像接受摸球实验那样去接触和尝试新任务。将每一次的行动视为一次收集新信息的机会, 只有足够的信息才能证实先验概率到底有多准,又或者它只是自己的消极预期。

  • 拆解任务,更新心理模型: 将大任务拆解成一系列具有明确可度量结果的小目标, 就像一个个独立的摸球事件,每一次成功完成小目标后,都将此作为新证据纳入心理模型中,更新对整个任务的预期。随着小目标逐一被实践,你对任务的难度和自身能力的评估也将更加贴近真实情况,而不是在脑海中浮现的预期,从而削弱后续拖延行为的发生。


总之,通过应用贝叶斯更新的思维方式,我们可以学会以开放和适应性的视角审视自身的期望与现实之间的差距,通过认识和克服这种对事物发展的消极预言,我们可以找回行动的动力,减少拖延,更加自信地面对生活和工作中的挑战。

发布于: 刚刚阅读数: 7
用户头像

还未添加个人签名 2020-08-24 加入

15年+互联网产品人,To B 和 To C,大厂 和 创业,国内 和 海外 爱好东方儒释道 & 西方哲思研究,专注在IT人的个人成长,公众号【养心进行时】,全网同名!

评论

发布
暂无评论
算法人生(9):从“贝叶斯更新”看“战胜拖延”(消极预期版)_机器学习_养心进行时_InfoQ写作社区