Jestli je na světě město, kde je těžké si koupit nebo pronajmout byt, tak je to Sydney. Jestli jste se zde nedávno pokoušeli nalézt domov, tak víte, o čem mluvím. Kdykoli vstoupíte do nového domu, získáte informaci o tom, co je k mání a co je na trhu. Ale po každé takové prohlídce riskujete ztrátu toho nejlepšího místa, které můžete získat. Jak tedy poznat, kdy přepnout z hledání na zamluvení domu?
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?
Jde o krutý a častý problém, že vás možná překvapí, jak jednoduché má řešení. 37 procent.
This is such a cruel and familiar problem that it might come as a surprise that it has a simple solution. 37 percent.
(Smích)
(Laughter)
Jestli chcete zmaximalizovat šanci na získání toho nejlepšího místa, měli byste se podívat na 37 procent domů na trhu a potom zamluvit první další dům, který uvidíte, který je lepší než cokoli, co jste viděli doposud. Pokud hledáte dům jeden měsíc, použijte 37 z tohoto času... 11 dní, na určení standartu... a potom jste připraveni jednat.
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.
My tohle víme, protože hledání místa, kde budeme žit, je příklad problému optimálního zastavení. Druhu problémů dlouhodobě studovaného matematiky a informatiky.
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.
Já jsem výpočtový kognitivní vědec. Usiluji o pochopení toho, jak funguje lidská mysl, od našich úžasných úspěchů po naše tristní zklamání. Abych toho dosáhl, uvažuji o výpočetní struktuře problémů, se kterými se setkáváme v každodenním životě, a porovnávám ideálních řešení těchto problémů s tím, jak se ve skutečnosti chováme. Jako vedlejší dopad vidím, jak nám rozhodování může usnadnit použití trochy informatiky.
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.
Mám pro to osobní motivaci. Vyrůstal jsem v Perthu jako příliš intelektuální dítě.
I have a personal motivation for this. Growing up in Perth as an overly cerebral kid ...
(Smích)
(Laughter)
Vždy jsem se snažil chovat co nejrozumněji, přemýšlel jsem o každém rozhodnutí, snažil se najít nejlepší řešení. Ale tenhle způsob se dá špatně rozšířit, když narazíte na různé problémy, které vyvstanou v dospělosti. Jednou jsem se dokonce pokusil rozejít s přítelkyní, protože brát v potaz její i moje priority a pak hledat perfektní řešení...
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 --
(Smích)
(Laughter)
mne vyčerpávalo.
was just leaving me exhausted.
(Smích)
(Laughter)
Upozornila mě na to, že na to jdu špatně... a později se stala mou ženou.
She pointed out that I was taking the wrong approach to solving this problem -- and she later became my wife.
(Smích)
(Laughter)
(Potlesk)
(Applause)
Ať jsou základní jako rozhodnutí, do které restaurace jít, nebo důležitá jako rozhodnutí, s kým strávit zbytek života, lidské životy jsou plné výpočetních problémů, které se prostě prostou silou řeší těžko. U těchto problémů je vhodné poradit se s experty: informatiky.
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.
(Smích)
(Laughter)
Když hledáte životní rady, informatici vás asi jako první nenapadnou. Žít život jako počítač... stereotypně deterministický, vyčerpávající a přesný, nezní úplně zábavně. Ale úvahy o informatice lidských rozhodnutí ukazují, že to máme přesně naopak. Ukazuje se, že při aplikaci na různé druhy obtížných problémů, které se v životě objeví, způsob, jakým počítače problém řeší, vypadá velmi podobně tomu, jak se lidé skutečně chovají.
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.
Vezměte si například rozhodování, do které restaurace jít. Tenhle problém má specifickou výpočetní strukturu. Máte na výběr několik možností, a vybíráte si jednu z nich. Zítra budete čelit úplně stejnému rozhodnutí. V takové situaci narazíte na to, čemu informatici říkají „kompromis objevování a využívání". Musíte udělat rozhodnutí, jestli chcete zkusit něco nového... objevovat, získávat informace, které můžete v budoucnosti využít... a nebo jestli půjdete do podniku, o kterém už víte, že je dobrý, a využijete dříve získané informace. Kompromis mezi objevováním a využíváním se objevuje pokaždé, když buď zkusíte něco nového nebo uděláte to, co už dost dobře znáte. Ať je to poslouchání hudby nebo zvažování, s kým trávit čas. Je to taky problém, který technologické firmy řeší, když se například rozhodují, jakou reklamu vám ukážou na stránce. Mají zobrazit nějakou novou a dozvědět se z toho něco nebo ukázat nějakou osvědčenou, o které už vědí, že má velkou šanci, abyste na ni klikli?
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?
Během posledních 60 let udělali informatici velké pokroky v chápání kompromisu objevování versus využívání a jejich výsledky přináší překvapivé poznatky. Když se rozhodujete, do které restaurace jít, otázka, kterou byste si měli položit první je, jak dlouho ještě budete v tomhle městě. Pokud tu budete už jen krátce, je lepší využívat. Nemá smysl sbírat další informace. Prostě jděte tam, kde víte, že je dobře. Pokud tam ale budete dlouho, objevujte. Něco vyzkoušejte, protože informace, které získáte, se vám můžou hodit při dalším rozhodování. Hodnota informací se zvyšuje s tím, kolikrát je ještě budete moct využít.
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.
Tento postup nám může dát i vhled do struktury lidského života jako celku. Děti nejsou známé svými racionálními rozhodnutími. Pořád zkouší nové věci, a znáte to, zkouší si je strkat do pusy. Ale to je přesně to, co by měly dělat. Jsou v objevovací fázi jejich života. Některé z těch věcí mohou být chutné. Na opačném konci spektra je starý pán, který pořád chodí do stejné restaurace a dává si stejné jídlo. To není nudné -- Je to optimální.
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.
(Smích)
(Laughter)
Využívá znalostí a zkušeností, které během svého života získal. Obecněji, víme-li o vztahu objevování a využívání, tak nám to může usnadnit dosažení rozhodnutí. Nemusíte jít pokaždé do té nejlepší restaurace. Zkuste štěstí, objevte něco nového. Můžete se něco dozvědět. Získané informace budou mít větší hodnotu než jedna skvělá večeře.
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.
Informatika nám také může usnadnit život doma nebo v práci. Jestli jste někdy museli uklízet skříň, určitě jste narazili na to trýznivé rozhodování: které věci si ponechat a kterých se zbavit. Martha Stuartová o tom podle všechno přemýšlela docela hodně --
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 --
(Smích)
(Laughter)
a má pro nás nějaké dobré rady. Říká: „Zeptejte se sami sebe tyto čtyři otázky: Jak dlouho to mám? Funguje to ještě? Nemám tu samou věc ještě jednou? Kdy jsem to naposledy použil(a)?" Ale existuje jiná skupina expertů, kteří o tom přemýšleli možná ještě více. Ti by řekli, že jedna z těchto otázek je důležitější než ty ostatní. Ti experti? Lidé, kteří navrhují paměťové čipy v počítačích. Většina počítačů má dva druhy pamětí: rychlou, jako třeba sadu paměťových čipů s omezenou kapacitou, protože čipy jsou drahé, a pomalou, která je mnohem větší. Aby počítač pracoval tak efektivně, jak je jen možné, chcete zajistit, aby v rychlé paměti byly informace, ke kterým potřebujete přístup, a bylo tak možné je získat rychle. Pokaždé, když přistoupíte k nějakým datům, jsou nahrány do rychlé paměti, a počítač musí rozhodnout, která data z této paměti odstraní, protože kapacita je omezená.
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.
Během let informatici vyzkoušeli různé postupy na určování, co z paměti odstranit. Zkusili třeba vybírat náhodně, nebo aplikovat přístup „FIFO" („první dovnitř, první ven"), což znamená odebrat věc, která je v paměti nejdéle. Nejúčinnější strategie se zaměřuje na položky, které nebyly použity nejdéle. Tedy pokud odebíráte něco z paměti, měli byste odebrat tu věc, která byla použita nejdávněji. Celkem to dává smysl. Pokud jste informaci dlouho nepotřebovali, tak asi bude opět dlouho trvat, než se k ní budete potřebovat dostat. Vaše šatní skříň je jako paměť počítače. Má omezenou kapacitu a vy v ní chcete mít ty věci, které budete nejspíš potřebovat, aby byly co nejrychleji k dispozici, Když si to uvědomíme, možná se vyplatí použít princip nejdávněji použitého i na organizaci vaší skříně. Vrátíme-li se ke Marthě a jejím 4 otázkám, informatici by řekli, že ta poslední z nich je nejdůležitější.
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.
Myšlenka o organizování věcí tak, že ty nejčastěji používané jsou nejlépe dostupné, se dá aplikovat i v kanceláři. Japonský ekonom Yukio Noguchi vynalezl dokumentační systém, který má přesně tuto vlastnost. Začal s papírovou krabicí, do které dává svoje dokumenty z levé strany. Pokaždé, když přidal dokument, posunul vše v krabici napravo a ten nový dal úplně vlevo. Vždy, když něco potřeboval, vyndal to a následně vrátil na levou stranu krabice. Dokumenty tak byly seřazené zleva doprava podle toho, před jakou dobou byly naposledy použity. Zjistil, že dokáže rychle najít to, co potřebuje, když začne z levé strany krabice a postupně prochází dokumenty doprava.
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.
Než ale poběžíte domů vytvořit si dokumentační systém --
Before you dash home and implement this filing system --
(Smích)
(Laughter)
je dobré si uvědomit, že už ho pravděpodobně používáte.
it's worth recognizing that you probably already have.
(Smích)
(Laughter)
Ta hromada papírů na vašem stole... většinou nesrovnaná a chaotická, ta hromada je ve skutečnosti perfektně organizovaná --
That pile of papers on your desk ... typically maligned as messy and disorganized, a pile of papers is, in fact, perfectly organized --
(Smích)
(Laughter)
pokud tedy dodržujete to, že když papír vytáhnete, položíte ho zpátky navrch. Pak budou papíry srovnané odshora dolů podle toho, jak nedávno byly použity. Vy tak asi najdete rychle to, co hledáte, když začnete z vršku hromady.
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.
Rovnání věcí ve skříni nebo na stole asi není tím nejnaléhavějším problémem ve vašem životě. Občas ale musíme řešit opravdu náročné problémy. I v tady nám může informatika nabídnout pár postupů a možná i útěchu. Nejlepší algoritmy jsou o tom, co dává největší smysl v nejkratším čase. Když počítače řeší těžké problémy, často je rozdělí na jednoduší -- použím náhody, odebráním překážek nebo pomocí odhadů. Řešení těchto jednodušších otázek nám může dát vhled i do těch těžších, a někdy dokonce samo stačí jako docela dobré řešení.
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.
Tato znalost mi pomohla uklidnit se, když dělám rozhodnutí. Vemte si například pravidlo 37 % pro hledání domu. Nemůžete fyzicky vyzkoušet úplně všechny možnosti, takže to musíte risknout. A i kdybyste postupovali podle optimální strategie, ne vždy dosáhnete perfektního výsledku. Pokud budete využívat pravidlo 37 %, pravděpodobnost, že najdete ten úplně nejlepší dům je -- kupodivu...
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 ...
(Smích)
(Laughter)
37 procent. Většinou neuspějete. Ale je to to nejlepší, co lze dělat.
37 percent. You fail most of the time. But that's the best that you can do.
Nakonec informatika nám může pomoci odpustit si své vlastní omezení. Nemůžete ovlivnit výsledek, jen postupy. Pokud jste využili ten nejlepší postup, udělali jste, co jste mohli. Někdy ty nejlepší postupy zahrnují risk, vynechání některých možností nebo spokojení se s dobrým řešením. Ale toto nejsou ústupky, které děláme, když nemůžeme být racionální-- jsou tím, co ukazuje, že jsme rozumní.
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.
Děkuji.
Thank you.
(Potlesk)
(Applause)