諾貝爾經濟學獎得主理查德 · 泰勒（Richard Thaler）曾調侃過：" 人們并不愚笨，是這世界太難。"

這話并不假。我們在日常生活中經常會遇到一些感覺很復雜的問題，從選擇最優的電費計劃，到決定如何有效地花錢。

但是，我們如何能夠客觀地衡量，我們的決定到底有多 " 復雜 "？近期發表的一項研究提供了一種潛在的方法，科學家認為，我們可以借助計算機和系統科學的概念來做到這一點。

為什么要測量復雜性？

當涉及到在任何情況下測量復雜性時，都有幾個因素。例如，可能存在許多選項可供選擇，每個選項可能有幾個不同的特征需要考慮。

假設你想買點兒果醬。如果只有兩種口味，這好像并不難，但如果你看到了幾十種口味擺在貨架上，" 選擇困難癥 " 自然就來了。然而，在一些情況下，即使只有兩種選擇，決策也不簡單。

換句話說，在試圖確定某件事情的復雜性時，你不能孤立任何一個特定的因素，而必須把問題作為一個整體來考慮，這就需要更多的工作。

如何研究人類的決策？

計算機科學可以幫助我們解決問題，計算機就像一個 " 魔盒 "，信息進去，一個（或者多個）解決方案輸出。然而，根據問題的差異，所需的計算量也會出現很大的不同。

在新研究中，研究使用了一個精確的數學框架，被稱為 "計算復雜性理論"，它量化了解決任何特定問題所需的計算量。這背后的想法是，衡量一個計算機算法在解決問題時所需的計算資源（比如時間或內存）的量。需要的時間或內存越多，問題就越復雜。一旦確定了這一點，就可以根據問題的復雜性將它們分為各種不同的類別。

在研究中，團隊對（通過計算復雜性理論確定的）復雜性與人們解決某些問題所必須付出的實際努力的對應關系特別感興趣。他們想知道，計算復雜性理論是否能夠準確地預測人類在某種情況下會多么掙扎，以及他們解決問題的準確性如何。

測試假說

研究人員專注于三種類型的實驗任務，它們都屬于NP 完全問題（NP-complete）的一類更廣泛的復雜問題。

（圖／Juan Pablo Franco Ulloa, Karlo Doroc, Nitin Yadav）

每種任務類型都需要不同的能力才能有好的表現。具體來說，可滿足性任務需要抽象邏輯，旅行推銷員任務則要空間導航技能，而背包任務則需要算術。它們在現實生活中無處不在，它們反映了日常的問題，比如軟件測試（可滿足性問題）、計劃一場公路旅行（旅行銷售員問題）、購物或投資（背包問題）。

他們招募了 67 人，將他們分成三組，并讓每組解決這三種類型任務中的 64 到 72 種不同變體。科學家還使用了計算復雜性理論和計算機算法，來計算哪些任務對計算機來說具有 " 高復雜性 "，然后將這些任務與解題人的結果進行比較。

假設計算復雜性理論與現實中人們解決問題的方式一致，研究預計，參與者會在被認定為對計算機來說 " 高復雜性 " 的任務上花費更多時間，且在這些任務上的準確性也會降低。

這也正是研究結果所發現的。平均來說，人們在有著最低復雜度的任務上的表現，是最高復雜度的任務的兩倍。

這項結果告訴我們，僅靠努力并不足以確保人們在復雜問題上表現得很好。事實上，有些問題無論如何都很難解決，而這些問題正是先進的決策輔助工具和人工智能可以發揮的空間。在實踐中，能夠衡量廣泛的任務的復雜性，可以幫助人們提供必要的支持，解決這些任務的日常事務。

最重要的結果是，盡管每種任務需要不同的能力來解決，基于計算復雜性理論的預測在三種類型的任務中是一致的。

此外，如果能夠預測人類對這三類任務的難度感知，那么對于其他 3000 多個 NP 完全問題，也應該能夠做到這一點。這些問題囊括了大量類似的常見難題，比如任務調度、購物、電路設計和游戲玩法，等等。

把研究付諸實踐

雖然這項結果令人振奮，但仍有很長的路要走。

首先，目前的研究是在一個受控制的實驗室環境中進行快速而抽象的任務。這些任務可以模擬現實生活中的選擇，但還無法代表現實生活的實際選擇。

下一步研究計劃將類似的技術應用在與現實生活中的選擇更接近的任務中，例如，計算復雜性理論能否用來衡量在不同信用卡之間做出選擇的復雜性？

這一領域的進展可以幫助我們找到新的方法，幫助人們每天在生活的各個層面做出更好的選擇。