ئەگەر شوێنێکی جیهان هەبێت کە دۆزینەوەی شوێنێک بۆ کڕین یان کرێ قوورس بێت، سیدنییە. ئەگەر بەم دواییەش ویستبێتت لێرە ماڵێک بدۆزیتەوە، ئەوا ئاشنایت بە کێشەکە. هەرجارێک ئەچیتە ناو ماڵێکی کراوە، هەندێک زانیاری دەزانیت لەسەر ئەوەی چی هەیە لەوێ، و چیش هەیە لە بازاڕدا، بەڵام هەرجارێک ئەچیتە دەرەوە، خۆت ئەخەیتە بەر مەترسی ئەوەی باشترین شوێنت لەکیس بچێت. کەواتە چۆن ئەزانیت کە کەی ئەتوانی هەنگاو بنێیت لە ئامادەبوونەوە بۆ بڕیاردان؟ ئەمە کێشەیەکی قورسە و ئاشناین پێی کە لەوانەیە سەرت بسوڕمێت لەوەی چارەسەرێکی سادەی هەیە. لەسەدا ٣٧. (پێکەنین) ئەگەر ئەتەوێت ئەگەرەکان زۆرترین بکەیت کە باشترین شوێنت پێئەدۆزرێتەوە، پێویستە سەیری لەسەدا ٣٧ی شوێنەکانی بازاڕ بکەیت، و ئینجا بڕیار بدە لەسەر شوێنی دواتر کە ئەیبینیت، کە باشتر ئەبێت لە هەر شتێک کە پێشتر بینیبێتت. یان ئەگەر مانگێکە ئەگەڕێیت، لەسەدا ٣٧ی کاتەکە وەرگرە -- واتە ١١ ڕۆژ، بۆ دانانی ستانداردێک -- و ئینجا ئامادە ئەبیت. ئەمە ئەزانین چونکە هەوڵدان بۆ دۆزینەوەی شوێنی ژیان نموونەیەکە بۆ کێشەی باشترین هەلومەرج بۆ وەستان. پۆلێک کێشە کە بە چڕی توێژینەوەیان بۆ کراوە لەلایەن بیرکاری زانەکان و زاناکانی کۆمپیتەر. من زانام لە بوواری توانای لێکدانەوە. کاتی خۆم بەسەر ئەبەم لە هەوڵدان بۆ تێگەشتنی ئەوەی مێشکی مرۆڤ چۆن کار ئەکات، لە سەرکەوتنە سەرسوڕهێنەرەکانمانەوە بۆ شکستە قوورسەکانمان. بۆ ئەوە، بیر لە پێکهاتەی ژماردن ئەکەمەوە بۆ کێشەکانی کە لە ژیانی ڕۆژانەیا سەرهەڵئەیەن، و چارەسەر نموونەییەکان بەراورد ئەکەین بەو کێشانە بە شێوازی هەڵسوکەوتکردنمان. وەک کاریگەری لاوەکی، ئەتوانم ببینم کە چۆن بەکارهێنانی کەمێک لە زانستی کۆمپیتەر ئەکرێت بڕیاردان بۆ مرۆڤ ئاسانتر بکات. پاڵنەرێکی کەسیم هەیە بۆ ئەمە. کە گەورەبووم لە پێرس وەک کوڕێک کە زۆر بە وریاییەوە ئەجوڵامەوە... (پێکەنین) هەمووکات هەوڵم ئەیا بەو شێوەیە بجوڵێمەوە کە ژیرانە بوو بەلامەوە، بۆ هەموو بڕیارێک لێکدانەوەم ئەکرد، هەوڵم ئەیا بزانم باشترین هەلبژاردن چی ئەبێت. بەڵام ئەمە نزیکبوونەوەیەکە کە زۆر بەسوود نییە کاتێک ئەکەویتە ناو ئەو جۆرە کێشانەی تووشیان ئەبیت کاتێک گەورە ئەبیت. لە خاڵێکدا، تەنانەت هەوڵمیا لەگەڵ خۆشەویستەکەم جیابمەوە چونکە هەوڵدان بۆ لەبەرچاوگرتنی ویستەکانی ئەویش و خۆشم و ئینجا دۆزینەوەی باشترین چارەسەر -- (پێکەنین) زۆر ماندووی ئەکردم. (پێکەنین) پێی وتم کە نزیکبوونەوەیەکی هەڵەم گرتۆتە بەر بۆ چارەسەرکردنی کێشەکە -- و دوواتر بوو بە هاوسەرم. (پێکەنین) (چەپڵەلێدان) ئەگەر هێندە بچووک بێت وەک هەڵبژاردنی چێشتخانەکەی ئەچیت بۆی یان هێندەی ئەوە گرنگ بێت بڕیار بەیت هەتا ماویت ژیانت لەگەڵ کێ ئەبەیتە سەر، ژیانی مرۆڤەکان پڕە لە کێشەکانی لێکدانەوەی ژمارەیی کە تەنیا بە هەوڵدانی خۆت چارەسەرکردنی قورس ئەبێت. بۆ ئەو کێشانە، باشترە ڕاوێژ بە پسپۆڕەکان بکرێت: زاناکانی کۆمپیتەر. (پێکەنین) کاتێک بۆ ئامۆژگاری تەمەن ئەگەڕێیت، لەوانەیە زاناکانی کۆمپیتەر یەکەمین کەس نەبن قسەیان لەگەڵ بکەیت. ژیان بەسەر بردن وەک کۆمپیتەرێک -- بەشێوەیەکی سادەکراو پێشبینی بۆکراو گشتگیر و ورد -- زۆر لە خۆش ناچێت. بەڵام بیرکردنەوە لە زانستی کۆمپیتەری بڕیارەکانی مرۆڤ دەریئەخات کە لە ڕاستیدا، پاشەوپێش لەمە تێگەشتووین. کاتێک بەکاریئەهێنیت بۆ کێشە قورسە هەمەجۆرەکانی لە ژیانی مرۆڤدا سەرهەڵئەیەن، شێوەی چارەسەرکردنی ئەو کێشانە لەلایەن ئەو کۆمپیتەرانەوە زۆر لە شێوەی هەلسوکەوتی کەسەکان ئەچن. بۆ نموونە هەوڵی بڕیاردان لەسەر ئەوەی بچیت بۆ کام رێستۆرانت. ئەمە کێشەیەکە کە بەدیاریکراوی پێکهاتەیەکی لێکدانەوەی ژمارەیی هەیە. ژمارەیەک هەڵبژاردن لەبەردەستدایە، یەکێک لەوانە هەڵئەبژێریت، و بۆ ڕۆژی دواتریش ڕووبەڕووی هەمان بڕیار ئەبیتەوە. لەو هەلومەرجەدا، ئەکەویتە ناو ئەو دەستەواژەیەی زانایانی کۆمپیتەر پێی ئەڵێن "ئاڵوگۆڕی لێکۆڵینەوە-قۆستنەوە." پێویستە بڕیارێک بەیت کە ئایا ئەتەوێت شتێکی نوێ تاقی بکەیتەوە -- لێکۆڵینەوە، و کۆکردنەوەی هەندێک زانیاری کە لەوانەبێت لە داهاتوودا بتوانیت بەکاریبێنیت -- یان تەواو ئەچیت بۆ شوێنێک کە خۆت ئەزانیت زۆر باشە -- ئەو زانیارییانە بەکار ئەهێنیت کە تا ئەو ساتە کۆتکردۆتەوە. ئاڵوگۆڕی لێکۆڵینەوە/قۆستنەوە هەموو جارێک دەرئەکەوێت کاتێک ئەتەوێت هەڵبژێریت لەنێوان تاقیکردنەوەی شتێکی نوێ و ڕۆشتن لەگەڵ شتێکا کە خۆت ئەزانیت زۆر باشە، ئەگەر گوێگرتن بێت لە گۆرانی یان هەوڵدان بۆ بڕیاردان لەسەر ئەوەی کاتی خۆت لەگەڵ کێ بەسەر ئەبەیت. هەروەها کێشەیەکیشە کە کۆمپانیاکانی تەکنەلۆجیا ڕووبەڕووی ئەبنەوە کاتێک هەوڵئەیەین شتێک بکەن وەک بڕیاردان لەسەر نیشاندانی کام ریکلام لەسەر ماڵپەڕ. ئەبێت ریکلامێکی نوێ نیشان بەن یان شتێک فێربن لەبارەیەوە، یان ئەبێت ریکلامێکت نیشان بەن کە خۆیان ئەزانن ئەگەری زۆری هەیە کلیکی لەسەر بکەیت؟ بەدرێژایی ٦٠ ساڵی ڕابردوو، زانایانی کۆمپیتەر بەرەوپێشچوونێکی زۆریان کردووە لە تێگەشتن لە ئاڵووگۆڕی لێکۆڵینەوە/قۆستنەوە، و ئەنجامەکانیان هەندێک تێگەشتنی سەرسوڕهێنەر ئەیات. کاتێک هەوڵ ئەیەیت بڕیار بەیت بۆ کام رێستۆرانت بچیت، یەکەم پرسیار کە ئەبێت لەخۆتی بکەیت ئەوەیە کە چەندێک زیاتر لەناو شارەکەیا ئەبیت. ئەگەر تەنیا بۆ ماوەیەکی کورت لەوێبیت، کەواتە ئەبێت بیقۆزیتەوە. کۆکردنەوەی زانیاری هیچ سوودی نییە. تەنیا بڕۆ بۆ شوێنێک کە ئەزانیت خۆشە. بەڵام ئەگەر ئەزانیت بۆ ماوەیەکی زیاتر ئەمێنیتەوە، بگەڕێ. شتێکی نوێ تاقیکەرەوە، چونکە زانیارییەکەی دەستت ئەکەوێت شتێکە ئەکرێت لە داهاتووشا هەڵبژاردنەکانت باشتر بکات. بەهای زانیارییەکە زیاد ئەکات ئەگەر دەرفەتی زیاترت هەبێت بۆ ئەوەی بەکاریان بهێنیت. ئەم بنەمایە ئەتوانێت تێگەشتنمان باتێ لەسەر پێکهاتەی ژیانی مرۆڤیش. منداڵان ناوبانگێکی باشیان نییە کە ژیرانە بجووڵێنەوە. هەمووکات شتی نوێ تاقی ئەکەنەوە، و هەوڵ ئەیەن بیخەنە دەمییانەوە. بەڵام ڕاستییەکەی، ئەمە ڕێک ئەو شتەیە کە ئەبێ بیکەن. لە قۆناغی لێکۆڵینەوەی ژیانیاندان، و لەوانەیە هەندێک لەو شتانەش تامیان خۆش دەرچێت. لە کۆتاییەکەی تری شەبەنگەکەشدا، پیاوە پیرەکەی هەموو جارێک ئەچێت بۆ هەمان چێشتخانە و هەموو جارێک هەمان شت ئەخوات کەسێکی وشک نییە -- لەبارترین هەڵئەبژێرێت. (پێکەنین) ئەو زانیارییانە ئەقۆزێتەوە کە دەستی کەوتووە لەڕێگەی ئەزموونی ژیانییەوە. بەشێوەیەکی گشتی تر، زانین دەربارەی ئاڵووگۆڕی لێکۆڵینەوە/قۆستنەوە ئەکرێت کەمێک ئاسانتری بکات بۆت کە پشوو بەیت و ئاسانتری بکات بۆت کاتێک هەوڵ ئەیەیت بڕیارێک بەیت. پێویست ناکا هەموو شەوێک بچیت بۆ باشترین چێشتخانە. سەرکێشی بکە، شتێکی نوێ تاقی بکەرەوە، بگەڕێ. لەوانەیە شتێک فێربیت. و زانیارییەکەی کە دەستت ئەکەوێت لە تەنیا ژەمە خۆراکێکی باش زیاتر ئەهێنێت بۆت. زانستی کۆمپیتەریش ئەکرێت یارمەتیدەربێت ئاسانتری بکات بۆمان لە شوێنەکانی تری ماڵەوە و لە شوێنی کاریش. ئەگەر هەرجارێک پێویستی کردبێت دۆڵابەکەت ڕێک بخەیت، بڕیارێکی یەکلاکەرەوەی قورس یەتە بەردەمت: ئەبێ بڕیار بەیت کام لە شتەکان ئەهێڵیتەوە کام لە شتەکانیش فڕێ ئەیەیت. دەرکەوت مارتا ستیوارت زۆری بیر لەمە کردۆتەوە -- (پێکەنین) هەندێک ئامۆژگاری باشی هەیە. ئەڵێت، "چوار پرسیار لەخۆت بکە: چەندێکە هەمە؟ هێشتا سوودی هەیە؟ هاوشێوەی شتێکە کە هێشتا هەمە؟ ئەی دوایین جار کەی بوو کە لەبەرم کرد یان بەکارم هێنا؟" بەڵام کۆمەڵێکی تر پسپۆڕیش هەیە کە زیاتر بیریان لەم کێشەیە کردۆتەوە، و ئەلێن کە یەکێک لەم پرسیارانە لەوانی تر گرنگترە. ئەو پسپۆڕانە؟ ئەو کەسانەی نەخشەی سیستمی یادەوەری کۆمپیتەرەکان دائەنێن. زۆربەی کۆمپیتەرەکان دوو جۆر سیستمی یادەوەرییان هەیە: سیستمێکی یادەوەری خێرا، وەک چەند خەریتەیەکی یادەوەری کە توانای سنورداریان هەیە، چونکە ئەو خەریتانە گرانن، و سیستمێکی یادەوەری خاو، کە زۆر گەورەترە. بۆ ئەوەی کۆمپیتەر بە باشترین شێوە کار بکات، ئەبێت دڵنیابیت لەوەی کە ئەو پارچە زانیارییانەی کە ئەتەوێت بەردەست بێت بۆت لە سیستمی یادەوەری خێرایا بێت، بۆ ئەوەی خێرا بچیتە سەریان. هەرجارێک ئەچیتە سەر پارچە زانیارییەک، ئەچێتە سەر یادەوەری خێرا و ئەبێ کۆمپیتەرەکە بڕیار بات کام شت لابەرێت لەسەر ئەو یادەوەرییە، چونکە توانای سنووردارە. بەدرێژایی ساڵەکان، زانایانی کۆمپیتەر چەند ستراتیجییەکی جیاوازیان تاقیکردۆتەوە بۆ بڕیاردان لەسەر ئەوەی چی لە یادەوەری خێرا لابەرن. هەندێک شتیان تاقیکردۆتەوە وەک هەڵبژاردن بە هەڕەمەکی یان بەکارهێنانی ئەوەی پێی ئەوترێت "بنەمای، یەکەم بۆ ناوەوە، یەکەم بۆ دەرەوە، واتە لابردنی ئەو شتەی زۆرترین ماوە لەناو یادەوەرییەکەیا بووە. بەڵام ستراتیجییەکەی کاریگەرترینە تیشک ئەخاتە سەر ئەو شتانەی بەو دواییە کەمترین جار بەکارهێنراوە. واتە ئەگەر بڕیاری ئەوە بەیت کە شتێک لە یادەوەری دەربکەیت، پێویستە ئەو شتە دەربکەیت کە دوایین جار لە دوورترین کاتی ڕابردوودا کراوەتەوە. و ئەمەش جۆرە لۆجیکێکی دیاریکراوی هەیە. ئەگەر ماوەیەکی زۆر تێپەڕیوە بەسەر دوایین جار کە ئەو زانیارییەت بۆ بەردەست بووە، ئەوا ماوەیەکی درێژخایەن ئەبێت پێش ئەوەی پێویست بکات بەوەی دووبارە بیکەیتەوە. دۆڵابەکەشت هەر وەک یادەوەری کۆمپیتەرەکەیە. شوێنێکی سنووردارت هەیە، و پێویستە ئەو شتانە بهێڵیتەوە کە ئەگەری هەیە زیاتر پێویست پێیان بێت بۆ ئەوەی بە زووترین کات بەردەست بن بۆت. ناسینەوەی ئەوە، لەوانەیە شایەنی بێت ئەو بنەمایە بەکاربێنیت کە بەو دواییە کەمترین بەکارهێنراوە بۆ ڕێکخستنەوەی دۆڵابەکەشت. بۆیە ئەگەر بگەڕێینەوە سەر چوار پرسیارەکەی مارتا، زاناکانی کۆمپیتەر ئەڵێن کە لەناو ئەمانەیا، دوایین دانە گرنگترینە. بیرۆکەی ڕێکسختنی شتەکان بۆ ئەوەی ئەو شتانەی زۆرترین پێویستیت پێیەتی زیاتر بەردەست بێت لە شوێنی کارەکەشت بەکاریەت. ئابوریناسی ژاپۆنی یوکیۆ نۆگوچی سیستمێکی فایل دانانی داهێناوە کە ڕێک ئەم خاسیەتەی هەیە. بە سندووقێکی کارتۆنی دەستیپێکرد، و بەڵگەنامەکانی خۆی خستە ناو سندوقەکەوە لە بەری لای چەپەوە. هەرجارێک کە بەڵگەنامەیەکی دائەنا، ئەوانەی تری ئەخستە ئەو لاوە و ئەو بەڵگەنامەیەی ئەخستە بەری لای چەپی سندووقەکە. و هەرجارێک بەڵگەنامەیەکی ئەویست، دەری ئەهێنا، سەیری ئەکرد و دووبارە ئەیخستەوە بەری لای چەپەوە. دەرئەنجام، بەڵگەنامەکان لە چەپەوە بۆ ڕاست ڕێز ئەکران بەپێی ئەوەی دواین جار بەکارهێنراون. بۆی دەرکەوت ئەتوانێت بەخێرایی ئەوە بدۆزێتەوە کە بۆی ئەگەڕێت بە دەستکردن بە گەڕان لە لای چەپی سندوقەکە و ڕۆشتن بەرەو لای ڕاست. پێش ئەوەی خۆت بکەیت بەماڵەوەیا و ئەم سیستمی جیاکردنەوەیە بەکاربێنیت -- (پێکەنین) شایەنی ئەوەیە درک بەوە بکەیت کە خۆت هەر وات کردووە. (پێکەنین) ئەو تۆپەڵە کاغەزەی سەر مێزەکەت کە وەک شێواو و ڕێکنەخراو سەیر ئەکرێت، ڕاستییەکەی ئەو کاغەزانە زۆر باش کۆکراوەن -- (پێکەنین) ئەگەر کاتێک کاغەزێک دەر ئەکەیت، بیخەیتەوە سەری سەرەوەی تۆپەڵە کاغەزەکە، ئینجا ئەو کاغەزانە لە سەرەوە بۆ خوارەوە ڕێک ئەخرێن بەپێی ئەوەی کامیان دوایین جار بەکارهاتوون، لەوانەشە خێرا ئەوە بدۆزیتەوە کە بۆی ئەگەڕێیت بە سەیرکردنی سەری سەرەوەی کاغەزەکان. ڕێکخستنی دۆڵابەکەت یان سەر مێزەکەت لەوانەیە گەورەترین کێشەی ژیانت نەبێت. هەندێک جار کێشەکانی ژیانمان کە ئەبێت چارەسەریان بکەین زۆر زۆر قورسن. بەڵام تەنانەت ئەو جارانەش، زانستی کۆمپیتەر ئەکرێت هەندێک ستراتیجیمان باتێ و لەوانەشە دڵنەواییەک. باشترین ئەلگۆریتم ئەوەیە ئەو شتە بکەیت کە زیاتر ڕێی تێئەچێت لە کەمترین کاتدا. کاتێک کۆمپیتەرەکان کێشەی گەورەیان تێئەکەوێت، ئەیانکەن بە کێشەی بچوکەوە بۆ مامەڵەکردن لەگەڵی -- بە بەکارهێنانی بەهەڕەمەکی کردنیان، بە لابردنی بەربەستەکان یان ڕێگەدان بە نزیککردنەوەکان. چارەسەرکردنی ئەو کێشە سادەترانە ئەکرێت تێگەشتنت باتێ بۆ کێشەکانی قورسترن، و هەندێک جاریش بەشێوەی خۆیان چارەسەری زۆر باش بەرهەم ئەهێنن. زانینی هەموو ئەمە یارمەتی یاوم پشوو بەم کاتێک ئەزانم ئەبێت بڕیارێک بەم. ئەکرێت یاسای لەسەدا ٣٧ەکەی دۆزینەوەی ماڵێک وەرگری وەک نموونە. بەهیچ شێوەیەک ناتوانیت هەموو هەڵبژاردنەکان لەبەرچاو بگریت، بۆیە پێویستە سەرکێشی بکەیت. و تەنانەت ئەگەر ستراتیجی لەبارترینیش بەکاربێنیت، گرنتی باشترین ئەنجامت نابێت. ئەگەر شوێن یاسای لە سەدا ٣٧ بکەویت، ئەگەری ئەوەی کە باشترین شوێن بدۆزیتەوە -- کە جێی پێکەنینە ... (پێکەنین) لەسەدا ٣٧ە. زۆربەی جارەکان شکست ئەهێنیت. بەڵام ئەوە باشترینە پێت بکرێت. دەرئەنجام، زانستی کۆمپیتەر ئەکرێت یارمەتیمان بات لێبووردەتر بیت بۆ سنوورەکانی بۆمان دانراوە. ناکرێت کۆنترۆڵی ئەنجامەکان بکەیت، تەنیا پرۆسەکان ئەکرێت. هەتا باشترین پرۆسەکانی خۆت بەکارهێنابێت، ئەوا باشترینت کردووە کە پێتبکرێت. هەندێک جار ئەو باشترین پرۆسانە سەرکێشی کردن لەخۆ ئەگرێت -- هەموو هەلبژاردنەکان لەبەرچاو نەگریت، یان ئامادەبیت جێگیر ببیت لەسەر چارەسەرێکی باش. ئەمانە خۆبەدەستەوەیانەکان نین کە پێویستە بیکەین کاتێک ناتوانین ژیر بین -- ئەوە واتای ژیر بوونە. زۆر سوپاس. (چەپڵەلێدان)
If there's one city in the world where it's hard to find a place to buy or rent, it's Sydney. And if you've tried to find a home here recently, you're familiar with the problem. Every time you walk into an open house, you get some information about what's out there and what's on the market, but every time you walk out, you're running the risk of the very best place passing you by. So how do you know when to switch from looking to being ready to make an offer? This is such a cruel and familiar problem that it might come as a surprise that it has a simple solution. 37 percent. (Laughter) If you want to maximize the probability that you find the very best place, you should look at 37 percent of what's on the market, and then make an offer on the next place you see, which is better than anything that you've seen so far. Or if you're looking for a month, take 37 percent of that time -- 11 days, to set a standard -- and then you're ready to act. We know this because trying to find a place to live is an example of an optimal stopping problem. A class of problems that has been studied extensively by mathematicians and computer scientists. I'm a computational cognitive scientist. I spend my time trying to understand how it is that human minds work, from our amazing successes to our dismal failures. To do that, I think about the computational structure of the problems that arise in everyday life, and compare the ideal solutions to those problems to the way that we actually behave. As a side effect, I get to see how applying a little bit of computer science can make human decision-making easier. I have a personal motivation for this. Growing up in Perth as an overly cerebral kid ... (Laughter) I would always try and act in the way that I thought was rational, reasoning through every decision, trying to figure out the very best action to take. But this is an approach that doesn't scale up when you start to run into the sorts of problems that arise in adult life. At one point, I even tried to break up with my girlfriend because trying to take into account her preferences as well as my own and then find perfect solutions -- (Laughter) was just leaving me exhausted. (Laughter) She pointed out that I was taking the wrong approach to solving this problem -- and she later became my wife. (Laughter) (Applause) Whether it's as basic as trying to decide what restaurant to go to or as important as trying to decide who to spend the rest of your life with, human lives are filled with computational problems that are just too hard to solve by applying sheer effort. For those problems, it's worth consulting the experts: computer scientists. (Laughter) When you're looking for life advice, computer scientists probably aren't the first people you think to talk to. Living life like a computer -- stereotypically deterministic, exhaustive and exact -- doesn't sound like a lot of fun. But thinking about the computer science of human decisions reveals that in fact, we've got this backwards. When applied to the sorts of difficult problems that arise in human lives, the way that computers actually solve those problems looks a lot more like the way that people really act. Take the example of trying to decide what restaurant to go to. This is a problem that has a particular computational structure. You've got a set of options, you're going to choose one of those options, and you're going to face exactly the same decision tomorrow. In that situation, you run up against what computer scientists call the "explore-exploit trade-off." You have to make a decision about whether you're going to try something new -- exploring, gathering some information that you might be able to use in the future -- or whether you're going to go to a place that you already know is pretty good -- exploiting the information that you've already gathered so far. The explore/exploit trade-off shows up any time you have to choose between trying something new and going with something that you already know is pretty good, whether it's listening to music or trying to decide who you're going to spend time with. It's also the problem that technology companies face when they're trying to do something like decide what ad to show on a web page. Should they show a new ad and learn something about it, or should they show you an ad that they already know there's a good chance you're going to click on? Over the last 60 years, computer scientists have made a lot of progress understanding the explore/exploit trade-off, and their results offer some surprising insights. When you're trying to decide what restaurant to go to, the first question you should ask yourself is how much longer you're going to be in town. If you're just going to be there for a short time, then you should exploit. There's no point gathering information. Just go to a place you already know is good. But if you're going to be there for a longer time, explore. Try something new, because the information you get is something that can improve your choices in the future. The value of information increases the more opportunities you're going to have to use it. This principle can give us insight into the structure of a human life as well. Babies don't have a reputation for being particularly rational. They're always trying new things, and you know, trying to stick them in their mouths. But in fact, this is exactly what they should be doing. They're in the explore phase of their lives, and some of those things could turn out to be delicious. At the other end of the spectrum, the old guy who always goes to the same restaurant and always eats the same thing isn't boring -- he's optimal. (Laughter) He's exploiting the knowledge that he's earned through a lifetime's experience. More generally, knowing about the explore/exploit trade-off can make it a little easier for you to sort of relax and go easier on yourself when you're trying to make a decision. You don't have to go to the best restaurant every night. Take a chance, try something new, explore. You might learn something. And the information that you gain is going to be worth more than one pretty good dinner. Computer science can also help to make it easier on us in other places at home and in the office. If you've ever had to tidy up your wardrobe, you've run into a particularly agonizing decision: you have to decide what things you're going to keep and what things you're going to give away. Martha Stewart turns out to have thought very hard about this -- (Laughter) and she has some good advice. She says, "Ask yourself four questions: How long have I had it? Does it still function? Is it a duplicate of something that I already own? And when was the last time I wore it or used it?" But there's another group of experts who perhaps thought even harder about this problem, and they would say one of these questions is more important than the others. Those experts? The people who design the memory systems of computers. Most computers have two kinds of memory systems: a fast memory system, like a set of memory chips that has limited capacity, because those chips are expensive, and a slow memory system, which is much larger. In order for the computer to operate as efficiently as possible, you want to make sure that the pieces of information you want to access are in the fast memory system, so that you can get to them quickly. Each time you access a piece of information, it's loaded into the fast memory and the computer has to decide which item it has to remove from that memory, because it has limited capacity. Over the years, computer scientists have tried a few different strategies for deciding what to remove from the fast memory. They've tried things like choosing something at random or applying what's called the "first-in, first-out principle," which means removing the item which has been in the memory for the longest. But the strategy that's most effective focuses on the items which have been least recently used. This says if you're going to decide to remove something from memory, you should take out the thing which was last accessed the furthest in the past. And there's a certain kind of logic to this. If it's been a long time since you last accessed that piece of information, it's probably going to be a long time before you're going to need to access it again. Your wardrobe is just like the computer's memory. You have limited capacity, and you need to try and get in there the things that you're most likely to need so that you can get to them as quickly as possible. Recognizing that, maybe it's worth applying the least recently used principle to organizing your wardrobe as well. So if we go back to Martha's four questions, the computer scientists would say that of these, the last one is the most important. This idea of organizing things so that the things you are most likely to need are most accessible can also be applied in your office. The Japanese economist Yukio Noguchi actually invented a filing system that has exactly this property. He started with a cardboard box, and he put his documents into the box from the left-hand side. Each time he'd add a document, he'd move what was in there along and he'd add that document to the left-hand side of the box. And each time he accessed a document, he'd take it out, consult it and put it back in on the left-hand side. As a result, the documents would be ordered from left to right by how recently they had been used. And he found he could quickly find what he was looking for by starting at the left-hand side of the box and working his way to the right. Before you dash home and implement this filing system -- (Laughter) it's worth recognizing that you probably already have. (Laughter) That pile of papers on your desk ... typically maligned as messy and disorganized, a pile of papers is, in fact, perfectly organized -- (Laughter) as long as you, when you take a paper out, put it back on the top of the pile, then those papers are going to be ordered from top to bottom by how recently they were used, and you can probably quickly find what you're looking for by starting at the top of the pile. Organizing your wardrobe or your desk are probably not the most pressing problems in your life. Sometimes the problems we have to solve are simply very, very hard. But even in those cases, computer science can offer some strategies and perhaps some solace. The best algorithms are about doing what makes the most sense in the least amount of time. When computers face hard problems, they deal with them by making them into simpler problems -- by making use of randomness, by removing constraints or by allowing approximations. Solving those simpler problems can give you insight into the harder problems, and sometimes produces pretty good solutions in their own right. Knowing all of this has helped me to relax when I have to make decisions. You could take the 37 percent rule for finding a home as an example. There's no way that you can consider all of the options, so you have to take a chance. And even if you follow the optimal strategy, you're not guaranteed a perfect outcome. If you follow the 37 percent rule, the probability that you find the very best place is -- funnily enough ... (Laughter) 37 percent. You fail most of the time. But that's the best that you can do. Ultimately, computer science can help to make us more forgiving of our own limitations. You can't control outcomes, just processes. And as long as you've used the best process, you've done the best that you can. Sometimes those best processes involve taking a chance -- not considering all of your options, or being willing to settle for a pretty good solution. These aren't the concessions that we make when we can't be rational -- they're what being rational means. Thank you. (Applause)