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?
Ha van város a világon, ahol nehéz eladó vagy kiadó ingatlant találni, akkor az Sydney. Aki próbált itt mostanában lakást keresni, annak ismerős a probléma. Valahányszor belépünk egy felkínált lakásba, némi fogalmat alkotunk arról, mik a lehetőségek, és hogy áll az ingatlanpiac, de valahányszor kisétálunk, úgy érezzük, most szalasztottuk el a legjobb lehetőséget. Honnan tudjuk, mikor alkalmas abbahagyni a tájékozódást, és árajánlatot tenni?
This is such a cruel and familiar problem that it might come as a surprise that it has a simple solution. 37 percent.
Kínos és jól ismert probléma, talán meglepően hangzik, milyen egyszerű a megoldása. 37 százalék.
(Laughter)
(Nevetés)
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.
Ha a legnagyobb valószínűséggel akarják megtalálni a legjobb helyet, a piaci kínálat 37 százalékát kell átnézniük, aztán tegyenek ajánlatot a következő helyen, ami minden addig megnézettnél jobb. Vagy ha egy hónapot szánnak a keresésre, vegyék az idő 37 százalékát, 11 napot, hogy kialakítsák elvárásukat, és utána készek akcióba lépni.
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.
Tudjuk, hogy így van, mivel a lakáskeresés remek példa az optimális megállítás problémájára. Az ehhez hasonló problémákat matematikusok és informatikusok behatóan tanulmányozzák.
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.
Számítógépes kognitív tudománnyal foglalkozom. Azt próbálom megérteni, hogy hogyan működik az emberi elme, elsöprő sikereinktől kezdve csúfos kudarcainkig. Ehhez a mindennapi életben előforduló problémák számítógépes modelljét gondolom végig, és azok ideális megoldását összevetem viselkedésünkkel. Melléktermékként világossá válik, hogy az informatika alkalmazása miként könnyíti meg az emberi döntéshozatalt.
I have a personal motivation for this. Growing up in Perth as an overly cerebral kid ...
Személyes motivációm van erre. Perthben nőttem fel, agyas-fejes kiskölyök voltam...
(Laughter)
(Nevetés)
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 --
Mindent ésszerűen igyekeztem megoldani és eszerint cselekedni, minden döntést ésszel meghozni, igyekeztem rátalálni a lehető legjobb megoldási módra. De ez a fajta megközelítés nem megfelelő olyankor, amikor felnőtt életünk során egy halom új problémába ütközünk. Egyszer még a barátnőmmel is szakítani akartam, mert figyelembe akartam venni mindent, ami neki is, nekem is fontos, és így rátalálni a tökéletes megoldásokra –
(Laughter)
(Nevetés)
was just leaving me exhausted.
és ez végül teljesen kimerített.
(Laughter)
(Nevetés)
She pointed out that I was taking the wrong approach to solving this problem -- and she later became my wife.
Ő ráébresztett, hogy rosszul kezelem ezt a problémát – majd később feleségül jött hozzám.
(Laughter)
(Nevetés)
(Applause)
(Taps)
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.
Mindegy, hogy csak azt kell eldöntenünk, hogy hol vacsorázzunk, vagy olyan fontos döntést hozni, hogy kivel akarjuk leélni az életünket, az emberi élet tele van olyan számítási problémákkal, amik pusztán erőből csak igen nehezen oldhatók meg. Érdemes ilyen esetekben szakember tanácsát kikérni: vagyis az informatikusét.
(Laughter)
(Nevetés)
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.
Ha életvezetési tanácsra van szükségünk, feltehetően nem az informatikus jut először eszünkbe. Számítógépként élni az életet – közhelyesen előre meghatározott, kimerítő és kiszámítható – elég unalmasan hangzik. Ám ha az emberi döntések informatikájára gondolunk, kiderül, hogy valójában épp az ellenkezője igaz. Ha az emberi élet során felmerülő komoly problémákat tekintjük, a számítógépek ezeket valójában hasonlóképp kezelik, mint az emberek.
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?
Nézzük például azt a kérdést, hogy melyik étterembe menjünk el. Ez olyan probléma, melynek sajátos számítógépes modellje van. Adott egy sor választási lehetőség, ezek közül egyet fogunk kiválasztani, majd másnap pontosan ugyanazzal a döntéssel kerülünk szembe. Ebben a helyzetben abba futunk bele, amit az informatikusok úgy hívnak: a "felderítés-kiaknázás dilemma." Döntést kell hozni arról, hogy ki akarunk-e próbálni valami újat – felderíteni, információt gyűjteni, amit a jövőben is alkalmazhatunk – vagy menjünk egy kipróbált helyre,, amiről tudjuk, hogy elég jó – vagyis kiaknázzuk a már korábban begyűjtött információt. A felderítés-kiaknázás dilemma mindig előjön, valahányszor dönteni kell valami új, vagy valami olyan között, ami már bevált, legyen az zenehallgatás, vagy annak eldöntése, hogy kivel töltsük el az időt. Ugyanezzel a problémával szembesülnek a tech-cégek is, amikor például arról döntenek, milyen reklámot tegyenek ki a honlapjukra. Próbálkozzanak valami újjal, vagy olyat tegyenek ki, amiről már tudják, hogy jó eséllyel rákattintunk?
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.
Az elmúlt hatvan év során az informatikusok nagyot léptek előre a felderítés-kiaknázás dilemma megértésében, és eredményeik meglepő felismerésekhez vezettek. Amikor azt próbáljuk eldönteni, melyik étterembe menjünk, először kérdezzük meg magunktól: mennyi ideig leszünk a városban. Ha csak rövid ideig, akkor azt ki kell használni. Ne vesztegessünk időt információgyűjtésre. Menjünk olyan helyre, amit már jól ismerünk. Ám ha hosszabb ideig maradunk, akkor érdemes felderíteni. Próbáljunk ki valami újat, mert a megszerzett információval bővül a későbbi választási lehetőségünk. Nő az információ értéke azzal, hogy több lehetőségünk lesz használni.
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.
Ez az alapelv egyúttal az emberi élet strukturáltságának megértéséhez is vezet. A csecsemők nem arról híresek, hogy különösebben racionálisak lennének. Folyton új dolgokkal kísérleteznek, és mindent igyekeznek a szájukba gyömöszölni. Lényegében pontosan ez a dolguk. Életük felfedező korszakát élik, és a vizsgált tárgyak némelyike egészen finom lehet. A másik véglet az öreg fószer, aki folyton ugyanabba az étterembe jár, mindig ugyanazt eszi. Nem azért, mert unalmas hanem mert optimális.
(Laughter)
(Nevetés)
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.
Felhasználja azt a tudást, amit egész élete során begyűjtött. Nagy általánosságban véve a felderítés-kiaknázás dilemma ismerete megkönnyítheti nekünk a döntéshozatalt, lazíthatunk, megkönnyebbülünk. Nem muszáj minden este a legjobb étterembe menni. Adjunk esélyt, próbálkozzunk, fedezzünk fel újakat. Mindig tanulhatunk valamit, és a begyűjtött információ többet érhet, mint egy jó vacsora.
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 --
Az informatika könnyebbséget nyújthat az élet más területein is, például otthon vagy a munkahelyünkön. Aki valaha is nekifogott már a szekrénye lomtalanításának, az tudja, milyen kínszenvedés eldönteni: miket akarunk megtartani, és mi az, amit elajándékoznánk. Martha Stewartnak történetesen igen kemény véleménye volt erről –
(Laughter)
(Nevetés)
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.
és akad pár jó tanácsa. Azt mondja, négy kérdést tegyünk fel magunknak: Mióta van meg? Jó még? Van másik ugyanilyen darabom is? Mikor volt rajtam, vagy mikor használtam utoljára? Létezik azonban egy szakembercsoport, amelyik talán még keményebben fogalmazza meg ezt a problémát. Szerintük a fenti kérdések egyike fontosabb a többinél. Kik ezek a szakemberek? Azok, akik a számítógépek memóriáját tervezik. A legtöbb számítógépnek kétféle memóriája van: egy gyors memória, például egy memóriachip-készlet. Ez korlátozott kapacitású, mert azok a chipek drágák, valamint egy lassú memória, ami jóval nagyobb. Ahhoz, hogy a számítógép a lehető leghatékonyabban működjön, biztosítanunk kell, hogy azok az információk, amiket el akarunk érni. a gyors memóriában legyenek, így gyorsan hozzáférhetünk. Valahányszor hozzáférünk egy információhoz, az betöltődik a gyors memóriába, és a gépnek döntenie kell, melyik elemet törölje helyette a memóriájából, hiszen a kapacitása véges.
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.
Az évek során az informatikusok kipróbáltak pár különféle stratégiát annak eldöntésére, mi törlődjön a gyors memóriából. Próbálkoztak a véletlenszerű választással, vagy az úgynevezett "first-in, first-out" elvvel, ami azt jelenti: azt törli a gép, ami legkorábban került a memóriájába. Az igazán hatékony törlési stratégia azokra összpontosít, amiket már régóta nem használtak. Ha például úgy döntünk, törölni akarunk valamit a memóriából, azt kell választani, amivel a legrégebben dolgoztunk. Van ebben bizonyos logika. Ha régóta nem nyúltunk ahhoz az információhoz, valószínűleg jó ideig nem is lesz rá szükségünk. A szekrényünk is olyan, mint a számítógép memóriája. Befogadóképessége korlátozott, ezért olyan holmikkal érdemes megpakolni, amiket valószínűleg használni fogunk, így a lehető leggyorsabban hozzáférhetünk. Ha ezt felismerjük, talán érdemes alkalmazni a fenti alapelvet a szekrényünk rendezéséhez is. Visszatérve Martha négy kérdéséhez, az informatikusok valószínűleg az utolsót tartják a legfontosabbnak.
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.
Az ötlet, hogy aszerint rendezzük el tárgyainkat, hogy az legyen elöl, ami feltehetően a legszükségesebb, az irodánkban is segíthet rendet tartani. A japán közgazdász, Yukio Noguchi feltalált egy kartotékrendszert, pontosan a fenti alapelv mentén. Egy kartondobozzal kezdte, balról kezdve beletette az iratait. Valahányszor újabbat tett bele, mindig odébb tolta a többit, és mindig bal oldalra tette az újat. És valahányszor kivett egyet, dolgozott vele, majd mindig a bal oldalra tette vissza. Így végső soron az iratait balról jobbra rendezte aszerint, hogy melyiket használta legutóbb. Így mindig könnyen, gyorsan megtalálta, amit keresett, mindig bal oldalról kezdve, jobb felé folytatva a keresést.
Before you dash home and implement this filing system --
Mielőtt hazarobognának, hogy megvalósítsák ezt a rendszert –
(Laughter)
(Nevetés)
it's worth recognizing that you probably already have.
érdemes átgondolni: talán már meg is valósították.
(Laughter)
(Nevetés)
That pile of papers on your desk ... typically maligned as messy and disorganized, a pile of papers is, in fact, perfectly organized --
Az a papírhalom az íróasztalukon... jellemzően úgy becsméreljük, hogy kaotikus és rendetlen, de egy ilyen papírhalom valójában tökéletesen szervezett –
(Laughter)
(Nevetés)
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.
hisz amikor kihúznak belőle egy lapot, a halom tetejére teszik vissza, a lapok tehát fentről lefelé időrendi sorban állnak aszerint, hogy melyikkel dolgoztak legutóbb. Így valószínűleg gyorsan megtalálják, amit keresnek, ha a kupac tetején kezdik a keresést.
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.
Feltételezem, nem a szekrényük vagy íróasztaluk rendezése életük legnyomasztóbb gondja. Olykor a megoldandó problémák egyszerűen igen-igen nehezek. De az informatikusoknak még ilyen esetekre is van stratégiájuk, és talán meg is nyugtatnak. A legjobb algoritmusok lényege, hogy a lehető legkevesebb időn belül a legtöbbet hozzák ki a programból. A számítógépes feldolgozás során a bonyolult problémák helyett egyszerűbbeket vesznek: véletlenszerűen választott speciális eseteket, vagy elhagynak néhány feltételt, esetleg közelítő megoldást keresnek. Az egyszerűbb problémák megoldásával kapunk némi képet a nehezebbek természetéről, és előfordulhat, hogy ily módon egész jó megoldások születnek.
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 ...
Ennek ismerete segített abban, hogy lazán hozzam meg döntéseimet. Például alkalmazhatjuk a 37 százalékos szabályt, amikor lakást keresünk. Képtelenség végigjárni az összes adódó lehetőséget, ezért kockáztatni kell. De még a legjobb stratégia követése sem garantálja a tökéletes végeredményt. Ha a 37 százalékos szabályt követjük, a legeslegjobb hely megtalálásának esélye – elég vicces –
(Laughter)
(Nevetés)
37 percent. You fail most of the time. But that's the best that you can do.
mindössze 37 százalék. Többnyire tévedünk. De ez a legjobb, amit tehetünk.
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.
Az informatika végül is abban segít, hogy elnézőbbek legyünk saját korlátainkkal szemben. Nincs hatásunk a végeredményre, csak a folyamatokra. Amennyiben a legjobb folyamatot alkalmaztuk, megtettünk minden tőlünk telhetőt. Van úgy, hogy a legjobb eljárásnál kockáztatnunk kell – nem veszünk figyelembe minden lehetőséget, vagy készek vagyunk beérni egy viszonylag jó megoldással. Ezek nem olyan engedmények, amiket ésszerűség híján kell megtennünk – hanem éppen így vagyunk racionálisak.
Thank you.
Köszönöm.
(Applause)
(Taps)