共计 1056 个字符，预计需要花费 3 分钟才能阅读完成。
在《Decoder》播客中，我们与谷歌前首席决策科学家 Cassie Kozyrkov 进行了深度对话，探讨了决策科学的核心概念和实际应用。以下是本次对话的精彩内容。
决策的难度取决于其性质。Cassie 建议，除非你是决策学的学生，否则应将投入决策的努力与决策的风险相匹配。日常生活中的小决定，如选择午餐的三明治，不必过于纠结。然而，对于那些影响深远的重要决定，如技术扩展的决策，则需要深思熟虑。
了解风险是决策中的首要难题。Cassie 强调，明确优先级至关重要。如今，大型语言模型和聊天机器人使得获取答案变得非常容易。当答案变得廉价时，问题的质量就显得尤为重要。过去，做出重大决策可能需要数周甚至数月的时间，而在这段时间里，你可以不断反思和修正问题。但现在，人工智能可以迅速给出答案，这可能导致我们忽略了问题的本质。
决策是一个涉及多个脑区协同工作的过程，而不是单一脑区的活动。多巴胺能中脑负责处理基本的奖励驱动行为，如避免疼痛或追求糖分。而前额叶皮层则参与更复杂的决策过程，如选择股票。最终，驱动决策的可能是我们的欲望和目标。
在决策分析中，我们通常将决策定义为资源的不可撤销分配。无论是雇佣员工还是投资技术，每一个决定都涉及到资源的分配。公司中，领导者或公司的价值观在决策中非常重要。尽管数据和数学看似客观，但它们往往被夹在主观的价值观和目标之间。领导者需要明确什么是重要的，什么是他们想要改进的，这样才能为后续的决策提供指导。
公司通常通过使命宣言来表达这些价值观，但这些宣言往往不够具体。Cassie 指出，领导者需要学会将决策授权给合适的人或系统，并确保所有关键因素都被考虑到。她的工作之一就是帮助公司识别什么是重要的，谁有能力处理这些问题，以及如何确保没有遗漏任何关键环节。
我们正在逐渐摆脱那种盲目追求技术进步的阶段。过去，我们可能会因为某个技术看起来很酷就去开发它，而忽略了它的实际用途。现在，我们更关注如何利用技术实现具体的目标。这种对话虽然还比较新，但它是我们未来的方向。
人工智能更多地是帮助我们提供事实和选择，而不是价值观和目标。Cassie 希望，人工智能可以从互联网上获取平均值，或者根据工程师的设计逻辑输出结果。但最终，决策者需要根据自己的具体情况和专业知识来构建问题，而不是完全依赖人工智能的建议。
在对话的最后，Cassie 分享了一个有趣的例子：她通过调试系统发现系鞋带太紧的问题，并最终得到了一个适合她的解决方案。这次对话不仅让我们对决策科学有了更深入的了解，也展示了人工智能在实际生活中的应用潜力。
