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?
S'il y a bien une ville au monde où c'est compliqué de trouver un bien à louer ou acheter, c'est Sydney. Si vous avez cherché une maison récemment, vous savez de quoi je parle. Chaque fois que vous visitez une maison, vous obtenez des informations sur le potentiel de l'offre et sur le marché. Quand vous rejetez un choix, vous prenez le risque de rater la meilleure maison. Comment savez-vous alors quand arrêter de chercher et faire une offre ?
This is such a cruel and familiar problem that it might come as a surprise that it has a simple solution. 37 percent.
Ce problème est à la fois si cruel et si familier, que vous serez surpris de savoir que la réponse est simple. 37%.
(Laughter)
(Rires)
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.
Pour maximiser la probabilité de trouver la meilleure maison, vous devez visiter 37% des offres sur le marché et faire une offre pour le lieu suivant qui sera meilleur que tout ce que vous avez déjà visité. Imaginons avoir un mois pour y arriver, il convient d'y réserver 37% du temps, 11 jours, pour avoir un standard, pour être prêt à agir.
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.
Nous savons cela car la recherche d'un lieu de vie est un exemple de problème d'arrêt optimal. C'est une catégorie de problèmes étudiée intensivement par les mathématiciens et les informaticiens.
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.
Je suis spécialiste en science cognitive informatique. Je cherche à comprendre comment l'esprit de l'homme fonctionne, depuis nos réussites éblouissantes jusqu'à nos échecs les plus retentissants. Pour ça, je réfléchis à la structure de calcul analogique des problèmes qui égrènent notre quotidien, et je compare les solutions idéales de ces problèmes avec nos comportements dans la réalité. Effet secondaire : je vois que des petites touches de science informatique peuvent faciliter notre processus de décision.
I have a personal motivation for this. Growing up in Perth as an overly cerebral kid ...
Mes motivations sont très personnelles. J'ai grandi à Perth et j'étais un gamin trop intellectuel.
(Laughter)
(Rires)
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 --
J'essayais toujours d'agir de la façon qui me semblait rationnelle, mûrissant toutes mes décisions, tentant de déterminer la meilleure action à prendre. Mais ce n'est pas une approche viable quand on rencontre le genre de problèmes qui émergent dans la vie adulte. J'ai même essayé de rompre avec ma copine parce que prendre en considération ses préférences et les miennes pour trouver la solution parfaite
(Laughter)
(Rires)
was just leaving me exhausted.
m'épuisait littéralement.
(Laughter)
(Rires)
She pointed out that I was taking the wrong approach to solving this problem -- and she later became my wife.
Elle m'a fait remarquer que mon approche n'était pas bonne pour résoudre ça -- et elle est devenue ma femme.
(Laughter)
(Rires)
(Applause)
(Applaudissements)
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.
Qu'il s'agisse d'une décision simple comme le choix d'un restaurant, ou plus importante, comme décider avec qui passer sa vie, la vie des hommes est saturée de problèmes à analyser trop complexes à résoudre avec la force brute uniquement. Pour ces problèmes, pourquoi ne pas consulter des spécialistes : des informaticiens ?
(Laughter)
(Rires)
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.
Quand on a besoin d'un conseil dans la vie, on ne pense pas spontanément à demander l'avis d'un informaticien. Vivre une vie d'ordinateur, déterministe à un point affligeant, exhaustif et exact. A priori, aucun gai luron ici. Mais envisager la science informatique des décisions humaines dévoile le fait que nous prenons le problème à l'envers. En appliquant au genre de problèmes complexes rencontrés dans la vie, la méthode des ordinateurs pour résoudre ces problèmes ressemble beaucoup aux comportements réels des gens.
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?
Prenons l'exemple du choix du restaurant. Ce problème a une structure analytique spécifique. Il y a plusieurs options, vous allez en choisir une et demain, vous serez confronté à exactement la même décision. C'est ce que nous appelons être confronté au compromis entre l'exploration et l'exploitation. Vous devez décider si vous allez essayer quelque chose de nouveau, explorer, collecter des informations utilisables à l'avenir, ou si vous allez aller dans ce resto que vous connaissez et qui n'est pas mal, soit exploiter l'information que vous avez déjà en main. Vous devez faire un compromis entre explorer ou exploiter devant le choix de découvrir ou de revenir à une chose connue qui est de fait plutôt bonne, écouter de la musique ou décider avec qui passer votre temps. Les entreprises technologiques partagent votre problème quand elles décident quelle publicité vous montrer sur votre page web. Doivent-elles montrer une nouvelle pub et en apprendre davantage ou privilégier une pub dont elles savent que la probabilité de cliquer est grande ?
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.
Ces 60 dernières années, la compréhension des informaticiens a beaucoup progressé au sujet de ce compromis. Leurs résultats mettent au jour des réflexions surprenantes. Quand on décide d'un restaurant, la première question à se poser est : « Combien de temps resterai-je encore en ville ? » Si vous ne restez que peu de temps, choisissez l'exploitation. Ça ne fait pas sens de collecter. Visitez un restaurant qui vous plaît déjà. Mais si vous résidez plus longtemps, explorez. Essayez des choses nouvelles, car ces informations vous permettront d'améliorer vos choix à l'avenir. La valeur des informations augmente avec le nombre d'occasions que vous aurez de les mettre à profit.
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.
Ce principe nous dévoile la structure de la vie humaine. Les bébés n'ont pas la réputation d'être rationnels. Ils essaient toujours de nouveaux trucs, et de les mettre en bouche, vous voyez ce que je veux dire ? En fait, c'est exactement ce qu'ils doivent faire. Ils sont dans la phase d'exploration de leur vie. Et certaines choses pourraient être vraiment bonnes. A l'autre bout du spectre, il y a le vieil homme qui va toujours au même restaurant où il mange la même chose. Ce n'est pas d'un ennui mortel, il optimise.
(Laughter)
(Rires)
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.
Il exploite le savoir accumulé durant sa vie. De manière générale, être conscient de ce compromis vous rend la vie plus facile et plus relax au moment de prendre une décision. Pourquoi aller dans le meilleur restaurant tous les soirs ? Osez quelque chose de nouveau, explorez ! Vous pourriez apprendre quelque chose. L'information gagnée aura plus de valeur que ce dîner pas mal du tout.
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 --
La science informatique nous aide aussi à rendre la vie plus facile ailleurs, à la maison ou au bureau. Quand vous rangez votre penderie, vous avez ces choix impossibles et angoissants à faire : qu'allez-vous conserver, et qu'allez-vous donner ? Martha Steward y a consacré beaucoup de réflexion.
(Laughter)
(Rires)
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.
Elle en a retiré de bons conseils : « Posez-vous quatre questions : Depuis combien de temps ai-je ça ? Est-ce qu'il me va toujours ? Ai-je autre chose de similaire ? Quand l'ai-je porté pour la dernière fois ? » Il y a toutefois un autre genre de spécialistes qui y a sans doute pensé plus intensément. Ils ajouteraient qu'une de ces questions est plus importante que les autres. Quels spécialistes ? Ceux qui conçoivent les systèmes de mémoire des ordinateurs. Les ordinateurs ont deux types de processeur : un processeur rapide, comme un ensemble de cartes mémoires avec une capacité limitée, car elles sont coûteuses, et une mémoire RAM, plus lente mais de plus grande capacité. Pour optimiser l'efficacité de l'ordinateur, on doit s'assurer que les informations auxquelles on veut avoir accès sont dans le processeur rapide, pour les récupérer rapidement. Chaque fois qu'on récupère une donnée, elle est chargée dans le processeur, et l'ordinateur doit décider ce qu'il va effacer pour lui laisser de la place.
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.
Depuis longtemps, les informaticiens ont essayé différentes stratégies de décision sur les données à enlever du processeur rapide. Ils sont passés du choix aléatoire, au principe du premier entré, premier sorti, qui signifie enlever les données les plus anciennes de la mémoire. Mais la stratégie qui s'avère la plus efficace se concentre sur les données qui ont été les moins utilisées. Donc, si vous devez choisir des données pour les effacer du processeur, vous devez supprimer celles qui n'ont plus été utilisées depuis longtemps. Il y a une logique sous-jacente. S'il y a longtemps que vous n'avez plus utilisé une information, il est probable que vous n'aurez pas besoin d'y accéder avant longtemps. Votre penderie est exactement comme un processeur. La capacité est limitée, et vous devez y ranger les vêtements dont vous aurez le plus besoin pour y avoir accès le plus rapidement possible. Fort de ce constat, c'est sans doute une bonne idée d'appliquer ce principe pour organiser votre penderie. Reprenons les quatre questions de Martha. Les informaticiens affirmeront que la dernière question est la plus importante.
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.
L'idée d'organiser les choses afin que celles dont vous avez le plus besoin soient le plus accessibles fonctionne aussi pour le bureau. L'économiste japonais Yukio Noguchi a inventé un système de rangement selon ce principe. Il a pris une caisse, et il y a classé ses documents en commençant par la gauche. Quand il ajoute un document, il pousse tout le reste vers la droite et classe le nouveau document à gauche. Chaque fois qu'il prend un document de la boîte pour le consulter, il le range à gauche. Par conséquent, les documents sont classés de gauche à droite par ordre d'utilisation récente. Il s'est aperçu qu'il trouvait aisément ce qu'il cherchait en feuilletant les documents de gauche à droite.
Before you dash home and implement this filing system --
Avant de rentrer à la maison et classer vos documents ainsi,
(Laughter)
(Rires)
it's worth recognizing that you probably already have.
c'est important de reconnaître que vous le faites déjà.
(Laughter)
(Rires)
That pile of papers on your desk ... typically maligned as messy and disorganized, a pile of papers is, in fact, perfectly organized --
Ce tas de document sur votre bureau, toujours en désordre, mal rangés, mais une pile de documents parfaitement organisés !
(Laughter)
(Rires)
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.
Tant que vous prenez un papier et que vous le reposez sur le dessus de la pile, Ces documents seront classés de haut en bas le plus récemment utilisé au-dessus. Vous trouverez sans doute aisément ce que vous cherchez en commençant par le haut de la 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.
Ranger votre penderie ou votre bureau n'est peut-être pas le problème le plus épineux dans votre vie. Parfois, nos problèmes sont très, très durs à résoudre. Mais même dans ces cas, l'informatique offre des stratégies et pourquoi pas, un certain réconfort. Les meilleurs algorithmes permettent de faire ce qui a le plus de sens dans le moins de temps possible. Un ordinateur qui résout un problème complexe le fait en le découpant en plus petits problèmes, de manière aléatoire, en supprimant des contraintes ou en faisant des approximations. Résoudre des problèmes plus simples conduit à une meilleure appréhension des problèmes complexes et produisent parfois de bonnes solutions.
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 ...
Savoir tout cela m'aide à ne pas stresser quand je dois prendre des décisions. La règle des 37% pour trouver une maison est un exemple. Il est impossible d'envisager tous les choix. Donc, il faut s'en remettre un peu à la chance. De toute façon, même si on adopte une stratégie optimale, rien ne nous garantit un résultat parfait. Si vous suivez la règle des 37%, la probabilité de trouver la meilleure maison est - et c'est très curieux -
(Laughter)
(Rires)
37 percent. You fail most of the time. But that's the best that you can do.
de 37%. Vous raterez votre coup la plupart du temps. Mais c'est le mieux que vous puissiez faire.
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.
Enfin, l'informatique peut nous aider à devenir plus indulgent vis-à-vis de nos limites. On ne contrôle pas le résultat, juste les processus. Tant qu'on utilise le meilleur processus, on fait du mieux qu'on peut. Parfois, cela signifie de prendre un risque, et de ne pas envisager tous les choix, ou d'être prêt à accepter une solution suffisamment bonne. Il ne s'agit pas là de concessions faites sans rationalité, mais sont au contraire l'expression de la raison.
Thank you.
Merci.
(Applause)
(Applaudissements)