碰巧的是，我的
上一篇文章并没有在水下进行，而是以安静的方式在哈勃表面游动。 人们似乎仍然有兴趣，因此我们仍然可以对我们的思想和行动的不合理性进行更多的思考。 恰恰是我们每天在其中游泳，依靠其法律，根据其可用性进行决策的水，与此同时，不要盲目地注水。
这次，在这个主题上，我需要2位研究人员的帮助。
Daniel Kahneman是诺贝尔经济学奖获得者的心理学家和经济学家。 他的科学研究对人类的理性主义产生了怀疑，人类的理性主义曾经统治过经济领域。
丹·阿里利 （
Dan Arieli）是杜克大学（Duke University）的心理学教授，他对人进行了许多实验，并出版了有关非理性化的著名书籍。 他们两个，几乎所有他们有意识的生活，都被用来研究人类的行为，通过我们的大脑运作的原理和驱动我们的原理更好地学习。 现在，我们可以阅读他们的书，并吸收所有这些丰富的经验。 但是，我将在文章末尾提供链接。
丹尼尔以2个系统的形式描述了大脑。 系统1的速度快，本能，情感，而系统2的速度更慢，更理性。
系统1：如果我们用计算机做一个类比，那么这可能是缓存+持久性。 每个请求首先通过此内存，在这里随时有许多准备触发的检查。 在此形成情感，在该情感的背景下进行请求的进一步处理。 如果您尝试将其显示为代码，则可能看起来像这样：
assert danger: throw FearEvent() if (enemyAround) throw FightOrRunDecisionEvent() throw MobilizeHardware() ... assert satisfaction: throw RelaxationEvent() throw DelightEvent() ...
我告诉你，这是一个非常有趣的代码，有趣的是，它非常独特，因为 每个人的写法都不一样。 处理可能会在这里停止。 例如，如果我想挠耳，骑脚踏车或对代表某种普遍接受的刻板印象的人进行评估，我将在机器上进行此刻，但思考一下我刚刚做了什么。 大脑是人体中最消耗能量的器官，无法避免优化，因此其主要口号和算法是“遵循阻力最小的路径”。 这样可以大大节省资源，并且在大多数情况下可以简化生活。 在广阔的地方，但并非总是如此。 然后我们的第二个朋友Dan成功了，他喜欢分析看起来不错的人的这种自动反应，这些人看起来很出色，可以节省能源，但如果从理性的角度看待他们，就会导致相当愚蠢的情况。
系统2：这是合理的部分。 RAM +持久性之类的东西。 如果请求达到此级别，则意味着该决定没有被缓存，并且需要考虑并真正做出决定。 在这里，我们的长期记忆起着至关重要的作用。 在物理级别（相互连接的神经元）和逻辑级别（具有连接的一组关联图像）上，人的记忆都可以表示为图形。 它反映了我们的基本生活经验。 当我们运行决策程序时，从本质上讲，这是沿着图的边缘进行的过渡，以寻找最佳的解决方案或问题的答案。 您可以以启动多个线程的形式来示意性地表示此过程，就像在map-reduce算法中那样，在map阶段收集来自不同区域的最合适的结果，然后使用reduce，在考虑到许多因素的情况下从我们可以得到的位置中选择最佳的结果，很难抓住。
总而言之，执行流始终经过System-1，并且如果找到合适的处理程序或引发了异常，则它立即结束，否则，我们进入System-2的较慢级别，在此情况下，将对该情况进行更彻底的分析。 实际上，这意味着我们并不总是像我们对自己的想法那样理性。 绝大多数反应是自动发生的，没有达到理性的部分。 而且这个过程容易出错。
我真的很喜欢代码审查。 这是开发的一部分，它使您能够识别隐藏的问题，让其他人对问题的解决方案进行评估，从而建立在团队内部转移知识和经验的过程。 在某个时候，我意识到这种做法是两把剑。 一方面，所有这些优点，另一方面，如果您单方面使用此工具，则会给团队工作和团队内部的关系带来打击。 假设我们的无名英雄Vasya完成了一项任务并实现了某些功能。 从他的角度来看，他试图利用自己的全部潜力和知识来确保最佳实施。 事实证明是否如此，这取决于该特定程序员的特定能力，但是在他看来，这种实现几乎在system-1级别上是理想的。 是时候进行代码审查了，同事Petya出现并打破了这张理想的图画，即使对整个项目而言，这都提供了更好的解决方案。 结果在不幸的瓦西娅引发了抗议风暴。 毕竟，一切都那么好，万里无云，但是这里有些坏人……他为什么这样做？ 一切都消失了！ System-1处于恐慌状态，大脑可能会因愤怒，愤怒而做出反应，也可能是绝望，焦虑或一文不值的存在。 它很可能不会突破，也没人会看到这一点，但是这些情绪将直接针对进行审查的人。 尽管最初的注释完全与我们的程序员编写的代码有关，而不与他本人有关。 将来，这些反应会在日常的交流中积聚和滑动，但这已经在团队合作层面上充满了问题。
人们通过积累经验的认知扭曲的棱镜彼此看待世界。 从大脑已经以方程式的缺失成员形式进行计算和替代的
假设来区分现实中实际发生的事情是非常困难的。
如果Petya考虑到Vasya不仅仅是研究事实的理性机器，他可能会试图软化自己的评论，并以问题的形式提出来，促使他思考这些缺点并寻求更好的解决方案。 为了平衡力量平衡，我将在我的评论中包括几个积极观点，并解释他为什么喜欢它们。 即 我尽量不要惹Vasya的System-1引发异常，而要尽可能冷静地进入System-2。 如果同时Petya试图证明自己的敏捷性和整体优势，那么他不太可能实现这一目标。
对于Vasya而言，能够将自己与工作成果区分开是一件很好的事情。 要意识到对他的代码的问题并不是对他本人的磨合，人们经常会犯错误，并且总有成长和学习的空间，这是正常的。 最终，Petya的工作完全一样，并尽力做到最好。 当然，Petya和Vasya都有一个共同的目标-制造高质量的产品并按时交付。 不幸的是，在系统2的合理水平上理解所有这些内容并不能保证系统1不会毫无用处。 但是在这里，奇怪的是，大脑的耦合作用在我们手中，因此即使是这样的理解也可以帮助应对这种情况。
David和Dan更详细地公开了该主题（不是关于审阅代码，而是一般而言），因此，如果有兴趣，我强烈推荐以下书籍：
思考，快和慢可以预见的非理性好吧，
我上一篇有关哈布雷的文章 。
谢谢您的关注。