決斷的演算：預測、分析與好決定的11堂邏輯課（暢銷紀念精裝版）

為什麼電腦科學家說，賽局理論「奈許均衡」的地位言過其實，
現代投資組合理論也不是資產配置的好建議？
亞馬遜書店「商務決策與問題解決類」、「電腦科學類」與「認知科學類」Top 1，《麻省理工科技評論》選為年度最佳書籍，
各界讀者讚不絕口：「真是過癮！」
「主動向機器學習」是人工智慧時代最核心、最有效的學習方法之一，在《決斷的演算》裡，各具心理學、統計學與電腦科學背景的兩位作者揭櫫：為何跟電腦學決策你不僅不會變成理性魔人，反而會更加明智且善體人意。
說到演算法，你想到的是政府和大企業如何利用數學模型算計你？
其實，演算法的本質是「解決問題的一連串步驟」，它的發展遠遠早於電腦，不只長期為各研究領域與產業實務帶來重大變革，更能幫助個人跳脫盲點與錯誤直覺，明快地解決問題。
說到機器學習，你以為考慮因素越多越好、比較複雜的模型較佳？
其實，當今電腦運算時並非套用死板的演繹邏輯，點滴不漏地羅列所有選擇，琢磨出正確答案。它們會捨棄不必要的資料，偏向選擇較簡單的解答，權衡誤差或延遲的代價，接著冒險一試。
說到電腦，你認為它冰冷且毫無彈性，思考方式跟人腦南轅北轍？
事實上，我們面臨的許多挑戰，跟電腦科學家一樣都源於：要運用有限的空間、時間和注意力，因應未知事物和不完整的資訊，因此電腦解決問題的方式，能在極大程度上與人們的作法融合。
《決斷的演算》各章以常見的日常問題開場，從釐清它們的演算結構著手，以問題所屬類型為骨架（副章名），紮實的電腦科學發展史為血肉（章名），探討一代代的研究者為這類問題找出什麼解決方案，這些收穫顛覆了我們對於「合理」的看法，不僅幫助其他領域獲得新進展，也為個人生活帶來實用啟示，像是：
●證明「所有雙人賽局至少有一個均衡狀態」的奈許均衡，讓約翰．奈許拿下了諾貝爾經濟獎，但它的地位可能言過其實。為什麼？（賽局理論）
●自動駕駛汽車能改善交通阻塞，打造交通天堂？你可能要失望了。現在自私駕駛人各行其是的情形其實已接近最佳狀態。（演算法賽局理論，自主行為代價）
●棉花糖實驗證明了意志力對日後的成就有深遠影響？事情沒這麼簡單。抵擋得住誘惑的另一個關鍵可能是「期望」…（貝氏法則）
●以現代投資組合理論榮獲諾貝爾經濟獎的馬可維茲，居然把自己的退休金平均投資在債券和股票上！這未免太不聰明了？未必。（過度配適）
●歐巴馬競選總統時，他的新媒體分析團隊靠什麼方法設計與經營網站，幫他多募得五千七百萬美元？（開發與善用）
●安排球季賽程真麻煩！怎麼樣既符合聯盟基本結構產生的規定，又顧及聯盟和轉播電視台的特殊考量和限制？（鬆弛）
●2010年5月6日，美國股市發生閃電崩盤，短短幾分鐘內有幾家公司股價飆漲、另幾家則直線崩跌，這是怎麼回事？（賽局理論，資訊瀑布）
●一般認為年老健忘是認知衰退，但電腦科學家判斷，那是整理、取捨越來越多記憶的必然結果－－人的腦袋可靈光了！（快取）
●你打算在十八歲到四十歲期間覓得人生伴侶，那麼幾歲時選定的對象可能最好？答案是二十六歲。（最佳停止點，37％法則）
●紙本資料用完隨手往旁邊疊，既沒條理又沒效率？不，根據演算法原理，這是目前已知最精良、效率最佳的資料結構。（快取）
●什麼情況下，隨便挑一封電子郵件回覆，會好過先回覆最重要的郵件？（排程，往復移動）
●為什麼玩吃角子老虎時，贏錢繼續玩同一台是好策略，但是輸錢就換一台則太過輕率？（開發與善用）…
電腦科學還能協助我們清楚劃分哪些問題有明確解答、哪些則無，從而選擇自己要面對什麼，以及要讓其他人面對什麼－－這種「運算的善意」可以改變人們的認知問題類型，減輕認知負擔，增進互動的效率。
本書用法：
這本書既適合一般讀者，也適合教學使用，版面設計兼顧兩者需求，使用方法詳見書中建議。各章內容提示詳見〈目錄〉的引文。