L'inévitabilité de la punition, l'efficacité des contrôles brusques

Il s'agit d'une note philosophique sur la gestion et l'éducation, ainsi que sur un aperçu très inattendu lié à la modélisation du moule numérique. Inspiré par des conversations sur les problèmes de gestion de la construction, ainsi que par un réseau de succursales très éloignées.

image

Combattez les populations de moisissures numériques sous l'influence du soleil incinérateur.

Remarquez L'article se compose de trois parties, et les deux premières semblent complètement sans rapport l'une avec l'autre, mais il y en a une troisième qui les unit.

Le deuxième avis. Il existe différentes manières de motiver et il y a des partisans de l'approche dans laquelle la punition (et généralement le renforcement négatif en général) n'est pas appliquée. Pas mal décrit dans le livre de Karen Prior "Ne grognez pas au chien!" recommande fortement à tous ceux qui n'ont pas lu. Cependant, cette note porte sur une approche différente, et plus probablement sur l'efficacité des différentes options de renforcement négatif.

Le troisième avertissement. À mon avis, je suis un évolutionniste et je suis sûr que la sélection naturelle se produit non seulement parmi les organismes vivants mais aussi parmi les spécialistes, les entrepreneurs, les entreprises et les entreprises, les peuples et parfois même les idées.

Première partie Punition inévitable et contrôles ponctuels


J'ai entendu à maintes reprises parler du principe de l'inévitabilité de la punition, et que ce n'est pas l'ampleur de la punition qui est importante, mais son inévitabilité, et alors cette mesure d'influence fonctionnera plus efficacement.
Mais la vie est une chose compliquée et il est coûteux et peu pratique de produire une surveillance continue continue. En réponse à cela, l'humanité a inventé le concept d'inspections soudaines et imprévues. Qu'il s'agisse d'inspections soudaines périodiques à l'école ou d'amendes pour non-respect des règles de circulation qui sont distribuées par une voiture ou d'une voiture cachée dans les buissons, d'audits imprévus d'entreprises, de contrôle des achats, etc.

Nous fixons brièvement l'exemple des règles de circulation: une caméra qui se lève et inflige une amende à tout le monde en cas de violation est une punition inévitable (nous n'incluons pas ceux qui succombent ici). L'équipe de police de la circulation dans les buissons, qui se tient dans un endroit aléatoire et contrôle sélectivement la vitesse - un contrôle soudain.

En théorie, les inspections soudaines devraient fonctionner comme suit: une personne comprend qu'à tout moment ses activités peuvent être contrôlées, elle agira donc conformément aux normes. Et en fait, si cela fonctionne bien, alors vraiment, des inspections imprévues révéleront l'absence de violations et tout ira bien.

Cependant, si nous regardons autour de nous, nous découvrons soudain que les inspections imprévues, pour le moins, ne sont pas aussi efficaces que nous le souhaiterions.

Deuxième partie Moule numérique


J'ai joué avec une simulation de moisissure, basée sur l'article habr.com/post/418545 Aussi, comme décrit par l'auteur, dans ma mise en œuvre chaque cellule a son propre génome et l'exécute. Peut-être que je publierai un jour mon implémentation. La différence significative est que différents gènes ont des temps d'exécution significativement différents (environ deux ordres décimaux). Eh bien, par exemple, il est facile de prendre une décision en fonction de la température. Et prendre des décisions sur la base d'une évaluation de la proximité des voisins (pour cela, vous devez comparer de nombreux signes extérieurs) est beaucoup plus difficile.

Au départ, j'ai créé la même quantité d'énergie interne pour n'importe quelle équipe.

En ajoutant un autre gène complexe et en démarrant cette entreprise, j'ai trouvé une baisse significative des performances. L'analyse a révélé une population de manivelles qui utilisaient très activement des gènes qui étaient longs à exécuter, et il faut le dire très efficacement, donc tous ceux qui maîtrisaient ces gènes avec une force terrible et écrasaient les autres, mais voulaient plus de variété et de compétition d'espèces. Et puis j'ai eu l'idée qu'il est possible de rendre la dépense d'énergie interne à l'exécution d'un gène proportionnelle au temps qu'il faut pour l'exécuter. Et je suis stupidement entré dans la mesure du temps et j'ai multiplié les nanosecondes dépensées par un facteur et soustrait de l'énergie interne de la cellule. Cela m'a semblé une bonne solution, car entièrement automatisé, tenant compte de la complexité de l'exécution des gènes et généralement bien adapté aux idées évolutives, laisse ceux qui utilisent vraiment des choses complexes survivre sur le cas, et les choses complexes coûtent cher.

Le lancement a montré un abaissement des performances encore plus important, la raison pour laquelle la mesure du temps était assez coûteuse sur la plate-forme utilisée, néanmoins, le code d'interprète du génome a été écrit assez efficacement et a commencé à l'emporter sur la mesure du temps dans le contexte de l'interprétation habituelle. Cependant, les exploiteurs malveillants d'une opération très coûteuse mais efficace ont cessé de dominer de manière rigide. J'ai vérifié que le gène fonctionne et fonctionne parfois, mais maintenant ce n'est pas si inconsidéré souvent. La variété est revenue, il a encore été possible d'observer la guerre des moisissures colorées.

Et puis j'ai pensé, et laissez-moi faire une mesure sélective, avec une probabilité de 10% je mesurerai le temps passé, et j'augmenterai de 10 fois le coefficient de conversion du temps en énergie. En moyenne, l'effet sur le système sera le même (je pensais naïf), et le temps de mesure chutera 10 fois.

Je recommence et tous ces mêmes monstres qui utilisent très activement une équipe lourde mais rentable grandissent en double couleur. Quoi? Pourquoi? Encore une fois, j'allume le compteur à chaque itération et ils ne collent pas comme ça. J'active le comptage sélectif et ils le sont à nouveau. Même les coûts et les coûts 10 fois plus élevés appliqués avec une probabilité de 10% donnent des résultats radicalement différents . Sur moule muet. Mais la chose semblait être la suivante. Les coûts habituels pour ce gène étaient importants, mais réalisables pour la cellule. Cependant, les coûts multipliés par 10 se sont avérés insupportables et ont tout simplement tué la cellule sur place. Voyons maintenant. Les exploiteurs malveillants de ce gène, par exemple, l'exécutent tous les 5 cycles de simulation (c'est très courant). Et avec 10% de chances, ils seront brûlés et tués à ce sujet. Cela se transforme essentiellement en une condition - faites ce que vous voulez, mais chaque mesure 2% de votre population tombera pour une opération très coûteuse et ils seront tués. Et dans de telles conditions, ces gènes ont de nouveau montré un avantage et écrasé par malveillance tous les autres. Tout ce qu'une telle population devrait faire est de se reproduire de plus de 2% par battement de simulation, ce qu'elle a réussi. Et ce qui est le plus terrible, une augmentation encore plus grande de l'amende pour ces gènes ne change rien du tout, car tuer ceux qui sont tombés va tuer et va tuer.

C'est-à-dire il s'est avéré qu'au lieu du prix de ce gène, il y a une punition aléatoire (meurtre) de ceux qui l'utilisent. En moyenne, intégralement, les coûts énergétiques sont exactement les mêmes. Mais le résultat est radicalement différent.

Et voici, pour moi, dans une nouvelle veine, le sens de la déclaration sur l'inévitabilité de la punition et sur la raison pour laquelle les contrôles soudains n'ont pas fonctionné s'est ouvert.

Association de la troisième partie


Il y a des trucs illégaux dans les affaires. Par exemple, prenez des vendeurs qui pèsent sur le marché (en manipulant les poids, ils vous vendront moins qu'ils ne le diront). Ceux qui ne trichent pas ont un indicateur de profit. Ceux qui commencent à tromper commencent à dégager un bénéfice supplémentaire substantiel, et peuvent même mettre des étiquettes de prix très bas, attirant ainsi un acheteur. Si pour chaque kit carrosserie le vendeur était puni d'une petite amende qui rend ce kit carrosserie non rentable, personne ne le ferait. Mais regardons la situation si nous effectuons périodiquement à un moment aléatoire des tests d'achat et écrivons une très grosse amende qui retirera le vendeur du marché. Supposons qu'un vendeur décide de tromper un acheteur dans 30% des ventes. Et supposons également que nous atteignons chaque vendeur avec un chèque un jour au hasard une fois par mois, ce qui signifie environ 3% de chances que ce vendeur soit vérifié ce jour-là. 3% * 30% de chance qu'il décide de tromper notre acheteur de contrôle donne 1% de ce qu'il sera découvert ce jour-là. Supposons que tous les vendeurs le soient. Cela signifie que chaque jour, nous attraperons 1% des vendeurs que nous avons sur la fraude et leur écrivons une énorme amende et ils quitteront le marché. Maintenant intéressant. Une pénalité de 1% signifie que dans 99% la violation ne sera pas remarquée. Maintenant, estimons dans 365 jours ouvrables, quelle est la chance qu'ils ne vous attrapent pas le nirazu? 0,99 ^ 365 ~ 0,025 soit 2,5% des commerçants qui trompent chaque jour 30% des acheteurs au cours de l'année ne seront pas pris par ces contrôles. Et ils auront le meilleur profit. Et ils seront beaucoup plus compétitifs que ceux qui n'utilisent pas un tel hack. La même chose se produira par exemple avec les personnes qui volent au travail.

Le pire dans cette situation est précisément que des contrevenants systématiques aux règles apparaissent et qui ne se rencontrent jamais. Et pour cela, aucune activité consciente n'est nécessaire. Ils le feront simplement parce qu'il est avantageux de violer, ceux qui se sont fait prendre s'envolent et qui ne se font pas prendre, ils sont restés. Ainsi, en nommant de tels contrôles soudains, nous créons nous-mêmes ceux qui violent toujours les règles et ne rencontrent pas. Mais les gens se parlent encore, prenez un exemple. En cas de vol, un Petya conditionnel apparaîtra qui vole régulièrement, passe également régulièrement des contrôles aléatoires et n'a jamais été attrapé depuis de nombreuses années.

Le résultat de toute la note: en introduisant des contrôles ponctuels, nous créerons nous-mêmes ceux qui violent régulièrement les règles et ne se font jamais prendre. Et ils auront une mauvaise influence sur le reste, à la fin nous aurons beaucoup de contrevenants, la prise constante de contrevenants, nous les licencierons, mais cela ne réduira pas la proportion de contrevenants.

Pour moi, c'était précisément le point clé pour comprendre pourquoi un système de contrôles ponctuels et de licenciement instantané des personnes finalement capturées ne conduit pas à une bonne discipline.
Et de même pour les mesures de sécurité. Ceux qui le violent font leur travail plus rapidement et plus facilement, mais parce que Oncle Vanya ne les tue pas toujours en même temps, "Oui, je l'ai fait 100 fois, pas ssy." C'est pourquoi un employeur intéressé à se conformer à la tuberculose doit constamment surveiller sa conformité et le point clé doit être la constance, et non l'ampleur de la sanction.

Créer des conditions où la violation des règles n'est pas rentable fonctionne bien mieux que des sanctions rares mais très fortes. Et maintenant, le mécanisme pourquoi il en est ainsi est pleinement compris.

Par ailleurs, les jeux de hasard sortaient du cadre de cet article. C'est-à-dire l'excitation sur le sujet capturée, non capturée. Et il a également un rôle crucial dans la philosophie de briser les règles ou de voler.

UPD: 11.29.1019 J'ai découvert une image phénoménalement similaire de ma simulation, seulement cette photo composite de vraies bactéries de hérissons:
image
Scan des carreaux d'une structure de hérisson dans la plaque. L'image est un composite de sept champs de vision montrant un échantillon de plaque avec trois hérissons adjacents.
Jessica L. Mark Welch, Blair J. Rossetti, Christopher W. Rieken, Floyd E. Dewhirst et Gary G. Borisy
PNAS 9 février 2016 113 (6) E791-E800; publié pour la première fois le 25 janvier 2016 doi.org/10.1073/pnas.1522149113
www.pnas.org/content/113/6/E791

Source: https://habr.com/ru/post/fr425657/


All Articles