诺贝尔经济学奖得主理查德·泰勒（Richard Thaler）曾调侃过：“人们并不愚笨，是这世界太难。”
这话并不假。我们在日常生活中经常会遇到一些感觉很复杂的问题，从选择最优的电费计划，到决定如何有效地花钱。
但是，我们如何能够客观地衡量，我们的决定到底有多“复杂”？近期发表的一项研究提供了一种潜在的方法，科学家认为，我们可以借助计算机和系统科学的概念来做到这一点。
为什么要测量复杂性？
当涉及到在任何情况下测量复杂性时，都有几个因素。例如，可能存在许多选项可供选择，每个选项可能有几个不同的特征需要考虑。
假设你想买点儿果酱。如果只有两种口味，这好像并不难，但如果你看到了几十种口味摆在货架上，“选择困难症”自然就来了。然而，在一些情况下，即使只有两种选择，决策也不简单。
换句话说，在试图确定某件事情的复杂性时，你不能孤立任何一个特定的因素，而必须把问题作为一个整体来考虑，这就需要更多的工作。
如何研究人类的决策？
计算机科学可以帮助我们解决问题，计算机就像一个“魔盒”，信息进去，一个（或者多个）解决方案输出。然而，根据问题的差异，所需的计算量也会出现很大的不同。
在新研究中，研究使用了一个精确的数学框架，被称为“计算复杂性理论”，它量化了解决任何特定问题所需的计算量。这背后的想法是，衡量一个计算机算法在解决问题时所需的计算资源（比如时间或内存）的量。需要的时间或内存越多，问题就越复杂。一旦确定了这一点，就可以根据问题的复杂性将它们分为各种不同的类别。
在研究中，团队对（通过计算复杂性理论确定的）复杂性与人们解决某些问题所必须付出的实际努力的对应关系特别感兴趣。他们想知道，计算复杂性理论是否能够准确地预测人类在某种情况下会多么挣扎，以及他们解决问题的准确性如何。
测试假说
研究人员专注于三种类型的实验任务，它们都属于NP完全问题（NP-complete）的一类更广泛的复杂问题。
（图／Juan Pablo Franco Ulloa, Karlo Doroc, Nitin Yadav）
每种任务类型都需要不同的能力才能有好的表现。具体来说，可满足性任务需要抽象逻辑，旅行推销员任务则要空间导航技能，而背包任务则需要算术。它们在现实生活中无处不在，它们反映了日常的问题，比如软件测试（可满足性问题）、计划一场公路旅行（旅行销售员问题）、购物或投资（背包问题）。
他们招募了67人，将他们分成三组，并让每组解决这三种类型任务中的64到72种不同变体。科学家还使用了计算复杂性理论和计算机算法，来计算哪些任务对计算机来说具有“高复杂性”，然后将这些任务与解题人的结果进行比较。
假设计算复杂性理论与现实中人们解决问题的方式一致，研究预计，参与者会在被认定为对计算机来说“高复杂性”的任务上花费更多时间，且在这些任务上的准确性也会降低。
这也正是研究结果所发现的。平均来说，人们在有着最低复杂度的任务上的表现，是最高复杂度的任务的两倍。
这项结果告诉我们，仅靠努力并不足以确保人们在复杂问题上表现得很好。事实上，有些问题无论如何都很难解决，而这些问题正是先进的决策辅助工具和人工智能可以发挥的空间。在实践中，能够衡量广泛的任务的复杂性，可以帮助人们提供必要的支持，解决这些任务的日常事务。
最重要的结果是，尽管每种任务需要不同的能力来解决，基于计算复杂性理论的预测在三种类型的任务中是一致的。
此外，如果能够预测人类对这三类任务的难度感知，那么对于其他3000多个NP完全问题，也应该能够做到这一点。这些问题囊括了大量类似的常见难题，比如任务调度、购物、电路设计和游戏玩法，等等。
把研究付诸实践
虽然这项结果令人振奋，但仍有很长的路要走。
首先，目前的研究是在一个受控制的实验室环境中进行快速而抽象的任务。这些任务可以模拟现实生活中的选择，但还无法代表现实生活的实际选择。
下一步研究计划将类似的技术应用在与现实生活中的选择更接近的任务中，例如，计算复杂性理论能否用来衡量在不同信用卡之间做出选择的复杂性？
这一领域的进展可以帮助我们找到新的方法，帮助人们每天在生活的各个层面做出更好的选择。
#创作团队：
原文作者：Karlo Doroc（墨尔本大学金融系脑、思维与市场研究中心决策科学博士生）
排版：雯雯
#参考来源：
https://theconversation.com/how-complex-is-your-life-computer-scientists-found-a-way-to-measure-it-187997
#图片来源：
封面图&首图：Susan Q Yin, Unsplash