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?
Se há uma cidade no mundo difícil de achar um lugar para comprar ou alugar, essa cidade é Sydney. Se tentaram encontrar um lar aqui recentemente, estão familiarizados com o problema. Toda vez que entramos numa imobiliária, obtemos informações sobre os imóveis disponíveis e do mercado imobiliário. Mas toda vez que saímos de lá, corremos o risco de perder o melhor lugar. Como sabemos quando parar de procurar e estar pronto para fazer uma oferta?
This is such a cruel and familiar problem that it might come as a surprise that it has a simple solution. 37 percent.
Esse é um problema tão cruel e familiar que pode ser uma surpresa o fato de haver uma solução simples. Trinta e sete por cento.
(Laughter)
(Risos)
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.
Para aumentar ao máximo a probabilidade de encontrar o melhor lugar, devemos analisar 37% do que está no mercado e fazer uma oferta para o próximo lugar, melhor do que qualquer outro que já vimos. Ou, se estamos procurando há um mês, iremos usar 37% desse tempo; 11 dias, como padrão; e estaremos prontos para entrar em ação.
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.
Sabemos disso porque tentar encontrar um lugar para morar é um exemplo do problema de parada ideal, uma classe de problemas estudada amplamente por matemáticos e cientistas da computação.
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.
Sou cientista cognitivo computacional. Passo meu tempo tentando entender como funciona a mente humana, desde nossos sucessos incríveis até nossos fracassos terríveis. Para isso, penso nas estruturas computacionais dos problemas que surgem na vida cotidiana, e comparo as soluções ideais para esses problemas com a maneira como realmente nos comportamos. Como efeito colateral, consigo ver como um pouco de ciência da computação pode facilitar a tomada de decisões humanas.
I have a personal motivation for this. Growing up in Perth as an overly cerebral kid ...
Tenho uma motivação pessoal para isso. Fui criado em Perth, como uma criança excessivamente intelectual...
(Laughter)
(Risos)
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 --
eu sempre tentava agir da maneira que considerava racional, ponderando cada decisão, tentando descobrir a melhor ação a tomar. Mas é uma abordagem que não evolui quando começamos a nos deparar com os problemas da vida adulta. Uma vez, até tentei terminar com minha namorada, porque tentar levar em conta as preferências dela e as minhas e encontrar a solução perfeita...
(Laughter)
(Risos)
was just leaving me exhausted.
estava me deixando exausto.
(Laughter)
(Risos)
She pointed out that I was taking the wrong approach to solving this problem -- and she later became my wife.
Ela dizia que minha abordagem para resolver o problema estava errada... e, depois, ela se tornou minha esposa.
(Laughter)
(Risos)
(Applause)
(Aplausos)
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.
Seja algo simples como decidir a qual restaurante ir ou algo importante como com quem passar o resto de sua vida, nossa vida é repleta de problemas computacionais difíceis de resolver dedicando mero esforço. Para esses problemas, vale a pena consultar os especialistas: os cientistas da computação.
(Laughter)
(Risos)
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.
Quando procuramos conselhos de vida, eles não devem ser as primeiras pessoas com quem pensamos em conversar. Viver a vida como um computador, de maneira determinista, exaustiva e exata, não parece muito divertido. Mas pensar sobre a ciência da computação nas decisões humanas revela que, de fato, entendemos isso de maneira errada. Quando aplicada a problemas difíceis que surgem em nossa vida, a maneira como os computadores resolvem esses problemas é muito mais parecida com a maneira como as pessoas se comportam.
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?
Considerem o exemplo de decidir a qual restaurante ir. Esse é um problema com uma estrutura computacional particular. Temos um conjunto de opções, iremos escolher uma delas e enfrentar exatamente a mesma decisão amanhã. Nessa situação, encontramos o que os cientistas da computação chamam de o "intercâmbio explorar-aproveitar". Temos que tomar uma decisão sobre experimentar algo novo: explorar, reunir alguma informação que podemos usar no futuro, ou ir a um lugar que já sabemos que é muito bom, aproveitando a informação já reunida até o momento. O intercâmbio explorar-aproveitar surge quando precisamos escolher entre tentar algo novo ou algo que já sabemos que é muito bom, seja ouvindo música ou decidindo com quem passar o tempo. É também o problema das empresas de tecnologia quando tentam fazer algo como decidir qual anúncio expor em um site. Seria melhor pôr um anúncio novo e aprender sobre ele, ou um anúncio que já sabem que há boa chance de ser clicado? Nos últimos 60 anos, os cientistas da computação avançaram muito
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.
no entendimento do intercâmbio explorar-aproveitar, e os resultados deles oferecem alguns insights surpreendentes. Quando tentamos decidir a qual restaurante ir, a primeira pergunta que devemos fazer é por quanto tempo ficaremos na cidade. Se estaremos só de passagem, então, devemos aproveitar. Não há razão para reunir informação. Só iremos a um lugar que já sabemos que é bom. Mas, se ficarmos lá por mais tempo, vamos explorar. Tentemos algo novo, porque a informação que conseguirmos poderá melhorar nossas escolhas futuras. O valor da informação aumenta quanto mais oportunidades tivermos para usá-la.
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.
Esse princípio também pode nos dar uma percepção da estrutura da vida humana. Os bebês não têm uma reputação de serem especificamente racionais. Estão sempre experimentando coisas novas e tentando colocá-las na boca. Mas, na verdade, é exatamente isso que deveriam estar fazendo. Eles estão na fase de explorar a vida, e algumas dessas coisas podem acabar sendo deliciosas. No outro extremo, o senhor de idade que sempre vai ao mesmo restaurante e sempre come a mesma coisa não é chato... é ideal.
(Laughter)
(Risos)
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.
Ele está aproveitando o conhecimento adquirido ao longo da vida. Em geral, conhecer o intercâmbio explorar-aproveitar pode facilitar um pouco mais para nós relaxar e ir com mais calma na hora de tomar uma decisão. Não precisamos ir todas as noites ao melhor restaurante. Arrisquem, tentem algo novo, explorem. Podemos aprender alguma coisa. A informação que ganharemos valerá mais do que um jantar muito bom.
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 --
A ciência da computação também pode nos ajudar a favorecer em outros lugares em casa e no escritório. Se já tiveram que organizar o guarda-roupa, depararam-se com uma decisão especificamente agonizante: decidir o que guardar e do que se desfazer. Martha Stewart reflete bastante a respeito...
(Laughter)
(Risos)
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.
e tem alguns bons conselhos. Ela diz: "Faça a si mesmo quatro perguntas: Há quanto tempo tenho isso? Ainda funciona? Já tenho algo parecido? E quando foi a última vez que vesti ou usei isso?" Mas há outro grupo de especialistas que talvez tenha pensado ainda mais sobre esse problema. Eles irão dizer que uma dessas perguntas é mais importante que as outras. Quem são esses especialistas? Aqueles que projetam os sistemas de memória dos computadores. A maioria dos computadores têm dois tipos deles: um sistema de memória rápido, como um conjunto de chips de memória com capacidade limitada, porque esses chips são caros, e um sistema de memória lento, que é muito maior. Para o computador operar da maneira mais eficiente possível, é preciso garantir que a informação a ser acessada esteja no sistema de memória rápido, para que possa ser acessada rapidamente. Cada vez que acessamos uma informação, ela é carregada na memória rápida, e o computador tem que decidir qual item precisa remover daquela memória, devido à capacidade limitada.
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.
Ao longo dos anos, os cientistas tentaram outras estratégias para decidir o que remover da memória rápida. Tentaram coisas como escolher algo aleatoriamente ou aplicar o "princípio do primeiro a entrar, primeiro a sair", que significa remover o item que está na memória há mais tempo. Mas a estratégia mais eficaz concentra-se nos itens menos utilizados recentemente. Ela diz que, se decidirmos remover algo da memória, devemos tirar o que foi acessado pela última vez há mais tempo no passado. Há um certo tipo de lógica nisso. Se já faz muito tempo desde a última vez que acessamos essa informação, provavelmente irá demorar muito até que precisemos acessá-la novamente. Nosso guarda-roupa é como a memória do computador. Temos capacidade limitada e precisamos tentar entrar nas coisas que provavelmente precisaremos para que possamos chegar a elas o mais rápido possível. Reconhecendo isso, vale talvez aplicar o princípio do menos usado recentemente também para organizar nosso guarda-roupa. Se voltarmos às quatro perguntas de Martha, os cientistas da computação diriam que, dessas, a última é a mais 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.
Essa ideia de organizar as coisas para que o que mais precisamos seja mais acessível também pode ser aplicada no escritório. O economista japonês Yukio Noguchi inventou um sistema de arquivamento que tem exatamente essa propriedade. Ele começou com uma caixa onde colocou seus documentos a partir do lado esquerdo. Quando incluía um documento, também movia o que estava lá e incluía o documento no lado esquerdo da caixa. Cada vez que acessava um documento, ele o tirava, consultava e colocava novamente no lado esquerdo. Como resultado, os documentos estavam ordenados da esquerda para a direita conforme usados recentemente. Ele descobriu que podia encontrar rapidamente o que procurava começando pelo lado esquerdo da caixa e indo para a direita.
Before you dash home and implement this filing system --
Antes que vocês corram pra casa para implementar esse sistema...
(Laughter)
(Risos)
it's worth recognizing that you probably already have.
vale a pena reconhecer que vocês provavelmente já o implementaram.
(Laughter)
(Risos)
That pile of papers on your desk ... typically maligned as messy and disorganized, a pile of papers is, in fact, perfectly organized --
Aquela pilha de papéis em nossa mesa, geralmente considerada confusa e desorganizada, está, na verdade, perfeitamente organizada...
(Laughter)
(Risos)
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.
contanto que, ao tirar um papel, ele seja colocado de volta no topo da pilha. Esses papéis estarão ordenados de cima para baixo, conforme usados recentemente, e talvez encontremos rapidamente o que estamos procurando começando pelo topo da pilha.
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.
Organizar o guarda-roupa ou a mesa não são provavelmente os problemas mais urgentes de nossa vida. Às vezes, os problemas a resolver são simplesmente muito difíceis. Mas, mesmo nesses casos, a ciência da computação pode oferecer estratégias e talvez algum consolo. Os melhores algoritmos tratam de fazer o que faz mais sentido no menor período de tempo. Quando enfrentam problemas difíceis, os computadores lidam com eles tornando-os mais simples, usando a aleatoriedade, removendo restrições ou permitindo aproximações. Resolver problemas mais simples pode nos dar uma percepção dos problemas mais difíceis, e, às vezes, produz boas soluções por direito próprio.
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 ...
Saber tudo isso me ajudou a relaxar quando tenho que tomar decisões. Podemos considerar a regra dos 37% para encontrar uma casa como exemplo. Não há como considerar todas as opções. Então, temos que arriscar. Mesmo se seguirmos a estratégia ideal, isso não garante um resultado perfeito. Se seguirmos a regra dos 37%, a probabilidade de encontrarmos o melhor lugar é... curiosamente...
(Laughter)
(Risos)
37 percent. You fail most of the time. But that's the best that you can do.
37%. Fracassamos na maior parte do tempo. Mas isso é o melhor que podemos fazer.
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.
No final, a ciência da computação pode ajudar a nos tornar mais tolerantes com nossas próprias limitações. Não podemos controlar resultados, apenas processos. E, desde que tenhamos usado o melhor processo, fizemos nosso melhor. Às vezes, os melhores processos envolvem arriscar, não considerar todas as nossas opções, ou estar disposto a aceitar uma solução muito boa. Essas não são as concessões que fazemos quando não podemos ser racionais, elas são o que significa ser racional.
Thank you.
Obrigado.
(Applause)
(Aplausos)