世界已经被算法接管。我们的衣食住行，饮食起居，无不被算法精确的算计着。你想看看天下发送了什么有趣的事，今日头条立刻根据推荐引擎给你传送一系列热门信息流，你刷的爱不释手，意犹未尽；你想看看视频娱乐，抖音利用算法将契合你口味的小视频双手奉上，你看得嘻嘻哈哈，流连忘返；你想买点东西，淘宝京东早已算到你想要什么，在首页给你推荐一系列物美价廉的商品，不知不觉中你就犯下剁手的错误；你要出行，打开滴滴，输入目的地，立刻有专车开到，鞍前马后为你服务；你想吃点啥，美团饿了么的后台服务器立马催促外卖小哥快马加鞭给你送上热腾腾的饭菜，这一系列庞杂而高效的生活服务能有序不紊的进行，全靠后台强力算法在精确的指挥着。
人渐渐的成为喂养算法的养料。在经典科幻片<黑客帝国>中，矩阵母体把人类最为生物能电池，为它供给能源。而现代人工智能，大数据算法的日趋成熟，全靠人们产生的大量数据对它进行训练，使得这些算法对人行为的预测越来越精准，如果说算法是一棵树，那么人们已经成为数据土壤，正在滋养着这棵树从小树苗变成参天大树，人越来越依赖于算法，并被算法所掌握，然后是驱使，只要看到很多人将很多时光浪费在抖音视频上，我就知道他已经成为了抖音后台推荐引擎的营养液，他成为了算法的奴隶，不断的为训练抖音后台智能算法贡献自己的注意力。
人能否反客为主，将算法为我所用呢？答案是肯定的，很多算法设计思维之巧妙，我们完全可以借鉴其思维用以指导人生，让我们的人生更高效，更精准。不管你是否擅长计算机，你很可能都听过什么人工智能，大数据，区块链这些名词，如今这些形形色色，五花八门的黑科技之所以发展如此迅速，其实要拜一种不知名的底层算法所赐，没有该算法，上面提及的各种花哨科技名词会如空中楼阁，轰然垮塌，这个起到中流砥柱作用的算法叫缓存！
缓存jpg.jpg
我们在未知未觉中使用了缓存算法。所谓缓存，就是把东西就近存储，以便需要之时快速启用。例如你到图书馆把想看的书借回家，放在桌子上，想看的时候直接到桌上拿，你不可能想看书的时候就不厌其烦的往图书馆跑一趟，把图书从图书馆借回家里，提升阅读效率就是对缓存算法的运用。
如果计算机不使用缓存算法，现在所有高大上的黑科技根本无从谈起。用过电脑的人都知道有一种东西叫内存，它的作用就是缓存，机器的内存越大，计算机运行的速度就越快。信息业有一个颠簸不破的定律叫摩尔定律，它说CPU的处理速度每18个月翻一番。现在你买一个几百块的智能手机，它芯片的处理速度是计算机诞生时的几万倍，如果你买的是更贵的旗舰机，芯片处理速度就更快了。
CPU处理速度只是整个系统的一环。CPU快了并不意味着手机或电脑的效率就高，因为有一个难以突破的瓶颈把效率的提升给拖住，那就是数据的读写速度。CPU最大的作用是对数据进行运算，它本身并不能存储数据，当它需要数据时需要从外部读取。如果数据存储在硬盘上，那么数据的读取速度远远慢于处理速度，CPU的运算速度比数据读取速度快几百倍以上，因此如果每次需要数据时CPU都得从硬盘读取，那就相当于你每次想读书时都得不辞劳苦的往图书馆跑一趟，其效率可想而知。
CPU.jpg
我们总是期望想要的东西搓手可得，CPU也是如此。要提升系统效率就必须减少数据传输所导致的无用功，解决该问题的办法提供一种叫内存的数据存储机制，CPU需要数据时先从内存获取，拿不到再从硬盘读取，从内存获取数据的速度比从硬盘获取快数百倍。但如此又导致一个问题，内存的容量有限，而CPU需要的数据无限，你如何决定哪些数据应该存放在内存中呢？决定数据如何在内存存储的策略就是缓存算法。
缓存算法需要解决的问题是如何优化存取效率。就好像你不能把整座图书馆搬回家，你必须确定那几本书是你最需要的，然后把他们借回家。根据深入研究，科学家发现效率最高的缓存算法叫LRU,也叫最近最少使用原则。如果把缓存看成书架，假设书架最多只能放10本书，而且已经放满了，现在你想放入一本新书就必须拿走一本旧书，你如何决定应该拿走哪一本旧书呢？
LRU算法告诉你，你应该拿走你最久没有读过的那本。你把十本书按照阅读时间排列，你发现其中9本在最近一个月都读过，有一本超过1个月没动了，那么你就把这本拿走以便放入新书。
整理.jpeg
看似简单的LRU算法不但能提升计算机运行效率，还能提升优化人生效率。我想你一定陷入过这样的困境，在某个关键时刻，想要的东西却突然找不着。例如要出门时，钥匙突然找不着；要给老板汇报工作时，需要的重要文件突然找不着;我们可以借助缓存思想解决这些尴尬时刻。
我们可以借助LRU缓存算法将人生布置得井井有条。东京大学的经济学教授野口因工作需要每天必须处理大量的信息流，例如数据，手稿，文件资料等。然而他宝贵的精力并没有投入到研究创作上，而是经常被海量资料的整理存储搞得焦头烂额。他为了提高工作效率，打算把这些资料按照标题和日期归档到一个大盒子里，但效率依然低下，直到有一天他突然想到一个高效整理方法，那就是不再归档，而是把刚用完的资料插入箱子的最左端。
这个整理方法之所以高效，是因为它符合LRU算法原则。当他把刚用完的资料插入最左端时，原来资料自动往右移动，于是越久没有使用的资料就会越往右边挪。而他最近刚用完的资料，下一次会以极大的概率再次被使用，因此当查找资料时，他只要从箱子的最左端搜索，很快就能找到需要的资料。
凌乱.jpeg
如今收纳已经成为了一门生意。如果你去参加收纳培训课程，老师会教你要把相似的物品归结在一起。这种做法并不科学，因为它没有考虑到效率的影响。当你需要某件物品时，你必须耗时耗力的到收纳柜里翻转寻找，寻找过程导致的时间损耗使得市面上介绍的收纳法无法为生活带来效率。
最好的收纳法是根据LRU原则，把最近使用的物品插入最左边。有研究员使用程序模拟发现，这种做法的效率是所有收纳法中最高的。研究发现在生活中，你刚使用过的东西，下一次再使用的概率非常高，因此把刚使用完的物品放入收纳柜的最左端，下次你需要它时，只要从左边开始查找，没两秒就能找到，由此对想要的东西很容易搓手可得。这对懒人可是福音，你不用再费尽心机的整理办公桌，你把每次用完的资料往桌面一丢即可，别看这会让桌面形成一个看似凌乱的小山包，当工作需要特定资料时，你往“山顶”摸一摸就能找到，再也不用在开会前心急火燎的找资料。
令人意想不到的是，人脑的记忆居然使用了LRU缓存策略。1879年柏林大学心理学家艾宾浩斯研究大脑底层的记忆机制，他拿自己做实验。首先他随机选取一堆单词让自己死记硬背，到第二天他记录有多少单词他还记得，然后以此类推，这个实验重复进行一年，然后他通过对记忆效果的统计，拟定出著名的遗忘曲线：
曲线.jpg
艾斯浩宾的实验是人类第一次对记忆机制进行量化表达。但他的实验也给科学家提出一个问题，为何人的记忆机制表现为这样的曲线，这条曲线意味着记忆机制是否合理，这条曲线是否蕴含着大脑记忆机制的底层原理，这些问题在接下来的一百年中困扰着很多学者。
直到1987年，来自卡内基梅隆大学的心理学兼计算机科学家约翰.安德森解决这个问题。一直以来人们认为大脑会遗忘是因为脑容量有限，大脑就像一块硬盘，能容纳的信息量是有限的，因此随着存储信息的增多，它会删除掉一些旧信息，因此造成了遗忘现象。
安德森的研究表明遗忘的产生并非脑容量有限，而是大脑采取了LRU缓存机制。我们大脑的信息容量比我们想象的要大得多，我们甚至可以认为大脑相当于一块容量无限的硬盘，因此它可以存储大量信息。但问题在于信息的检索需要时间，你存储的信息越多，在信息获取时，大脑需要更多的时间在记忆中检索。
自然选择让人类的大脑采取了LRU缓存机制。也就是大脑把最近发生的事情存储在最容易获取的地方，以前发生的事情则依次往后推，这是导致遗忘的原因。很多你想不起的事情并不是大脑把相关信息删除了，而是它被存储在里大脑核心很远的地方，你回忆时，大脑需要很长的时间去检索那些存储在远处的信息片段。
记忆.jpeg
进化的作用是让个体尽可能的在当下环境存活。对于过去发生的事情而言，它对个体当下的生存已经构不成威胁，因此大脑需要把主要精力放在对当下环境的适应上。试想一个原始人进入了有很多狮子老虎的树林，那么他必须记住上次在哪里遇到老虎袭击，如果这么重要的信息不能及时获取，一旦他不小心踏入虎穴被老虎吃掉，他的基因就无法延续下去。因此大脑的记忆机制必须使人特别关注当前环境的变化。
大脑的缓存机制证明了终身学习的可行性。很多人以为人老了后，大脑机能衰退，不再适应于学习新事物。人老了大脑反应慢的原因在于大脑存储的信息太多，因此大脑提取信息时检索时间过长，而不是大脑硬件出了问题。成年后大脑信息检索速度会保持恒定，因此信息存储太多，找到需要信息的速度自然变慢。因此只要大脑不因“帕金森症”等疾病导致硬件损坏，无论年龄多大，你都有学习能力，只要你反复练习，大脑的缓存机制会把你训练的信息存储在核心区，在需要的时候能快速提取。
由此人不能再以年纪作为不学习的借口。我们看一个鲜明对比，有个收费站裁员，一个36岁的员工及其悲愤的说：“我都36了，除了收费，啥也不会。到了这个岁数，学东西学不了，也学不会，我这下半辈子怎么办呢？”，我们再看一位老人叫姜淑梅，60岁前是文盲，60后才开始识字，然后开始读莫言小说。看完后她不服说都是山东老乡，这种小说我也能写。她女儿打趣她说：“那你就写呗。”从此她75岁开始笔耕不辍，到81岁时已经出版4部小说，拿了很多奖，引起文坛震动。
一个36岁，在当打之年失去进取心，一个60岁在迟暮之年老马伏枥，你觉得哪个人的人生更精彩？姜淑梅的示例表明人的大脑从未退化，退化的是人的意志，因此真正高效的人生是永不放弃，活到老学到老的人生，这也是缓存算法给我们带来的人生智慧。
新书上架，请诸位朋友多多支持：
WechatIMG1.jpeg
请关注公众号，让我们共同学习进步
qrcode_for_gh_00f6e6bb0b6c_258.jpg
网友评论