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?
Kiralamak veya satın almak için bir yer bulmanın zor olduğu tek bir şehir varsa orası Sydney'dir. Eğer yakın bir zamanda burada bir ev aradıysanız bu probleme aşinasınız demektir. Ne zaman bir açık ev etkinliğine uğrasanız oralarda neler bulunduğu ve pazarda neler olduğu hakkında birkaç bilgi alırsınız, fakat bu etkinliklerden her ayrıldığınızda o en güzel evin elinizden kaçması riskiyle karşı karşıya kalırsınız. Peki arama faslından teklif vermeye hazır olma faslına geçmemiz gereken zamanı nasıl anlarız?
This is such a cruel and familiar problem that it might come as a surprise that it has a simple solution. 37 percent.
Bu öyle acımasız ve tanıdık bir sorun ki cevabının basitliği size sürpriz gibi gelebilir. yüzde 37.
(Laughter)
(Gülüşmeler)
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.
En iyi evi bulma olasılığınızı maksimize etmek istiyorsanız pazarda olan evlerin yüzde 37'sine bakmalı ve baktığınız evlerin hepsinden daha iyi olan gördüğünüz ilk yeni evde teklif yapmalısınız. Eğer bir aylık ev bakıyorsanız, bu zamanın %37'sini, 11 günü, standart olarak belirleyin ve artık başlamaya hazırsınız.
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.
Bunu biliyoruz çünkü kalacak bir yer bulmak OSP dediğimiz optimal durma problemine bir örnek. Matematikçiler ve bilgisayar bilimcileri tarafından kapsamlıca araştırılan bir problemler sınıfı.
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.
Ben bir hesaplamalı bilişsel bilimi uzmanıyım. Zamanımı, şaşırtıcı başarılarımız ve üzücü başarısızlıklarımız ile insan aklının nasıl çalıştığını anlamaya harcarım. Bunu yapmak için günlük hayattaki problemlerimizin hesaplamalı yapısına kafa yorup bu problemlerin ideal çözümlerini gerçekte nasıl davrandığımızla karşılaştırırım. Bir yan etkisi olarak biraz bilgisayar bilimi uygulamanın insanların karar vermesini nasıl kolaylaştırabildiğini görebiliyorum.
I have a personal motivation for this. Growing up in Perth as an overly cerebral kid ...
Bunun için kişisel bir motivasyonum var. Perth'te büyüyen, gereğinden fazla beyniyle hareket eden bir çocuk olarak...
(Laughter)
(Gülüşmeler)
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 --
Her zaman rasyonel olduğunu düşündüğüm şekilde davranmaya çalışırdım, her kararımı etraflıca düşünerek yapılacak en doğru eylemi hesaplamaya çalışırdım. Fakat yetişkin hayatındaki problemlerle karşılaşmaya başlandığı zaman bu yakaşım pek ilerlemiyor. Bir noktada, hem kendi hem de benim tercihlerimi dikkate alıp mükemmel çözümler sunduğu için kız arkadaşımdan ayrılmaya bile çalıştım,
(Laughter)
(Gülüşmeler)
was just leaving me exhausted.
beni bitkin bırakıyordu.
(Laughter)
(Gülüşmeler)
She pointed out that I was taking the wrong approach to solving this problem -- and she later became my wife.
Bu problemi çözmek için yanlış bir yaklaşımı ele aldığımı ifade etti ve daha sonrasında eşim oldu.
(Laughter)
(Gülüşmeler)
(Applause)
(Alkış)
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.
Gidilecek restorana karar vermek gibi basit veya kiminle yaşlanacağına karar vermek gibi önemli ve sırf çaba ile çözülmesi zor olan hesaplamalı sorularla doludur insan hayatı. Böylesi sorunlar için uzmanlara danışmaya değer, yani bilgisayar bilimcilere.
(Laughter)
(Gülüşmeler)
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.
Yaşam tavsiyeleri aradığınız zaman, bilgisayar bilimcileri muhtemelen aklınıza gelen ilk kişiler olmaz. Hayatı bir bilgisayar gibi yaşamak -- deterministik, teferruatlı ve hatasız -- pek eğlenceli duyulmuyor. Fakat insan kararlarının bilgisayar bilimini düşünmek gösteriyor ki aslında biz bunu ters anlamışız. İnsan hayatında ortaya çıkan zor problemlere uygulandığında bilgisayarların bu problemleri asıl çözme biçimi insanların davranışlarına aslında çok daha fazla benziyor.
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?
Gidilecek restorana karar verme örneğini ele alalım. Bu problemin belirli bir hesaplamalı yapısı vardır. Elinizde bir seçenekler havuzu var, bu seçeneklerden birini seçeceksiniz ve aynı kararla yarın da karşı karşıya kalacaksınız. Bu durumda, bilgisayar bilimcilerinin "keşif-sömürü ödünleşimi" adını verdiği bir durumla karşılaşacaksınız. Bir seçim yapmanız gerekecek. Yeni bir şey denemek -- keşfetmek ve ileride de kullanabileceğiniz bilgiler toplamak-- veya yeterince iyi olduğunu önceden bildiğiniz bir yere gideceksiniz -- daha önce edindiğiniz bilgileri sömürerek. Keşif/sömürü ödünleşimi, yeni bir şey denemek ve önceden iyi olduğunu bildiğiniz şeyle devam etmek arasında seçim yaptığınız her anda ortaya çıkar, müzik dinlerken de olabilir, kimle vakit geçireceğine karar verirken de. Bu teknoloji şirketlerinin de yeni şeyler denediklerinde karşılaştığı bir sorun, web sitelerinde hangi reklamı göstereceklerine karar vermek gibi. Yeni bir reklam gösterip onunla ilgili bir şeyler mi öğrenmeliler, yoksa büyük ihtimalle üstüne tıklayacağınızı bildikleri bir reklamı mı göstermeliler?
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.
Son 60 yıl boyunca, bilgisayar bilimcileri keşif/sömürü ödünleşimini anlamak konusunda çok yol katettiler ve sonuçları şaşırtıcı iç görüler sunuyor. Gidilecek restorana karar vermeye çalıştığınızda kendinize sormanız gereken ilk soru, şehirde ne kadar daha bulunacağınızdır. Orada sadece kısa bir süreliğine bulunacaksanız o hâlde sömürmeniz gerekir. Bilgi edinmenizin bir manası olmayacaktır. Sadece iyi olduğunu bildiğiniz yere gidin. Fakat eğer orada uzun bir süre kalacaksanız, keşfe çıkın. Farklı bir şey deneyin, çünkü edineceğiniz bilgi gelecekteki seçimlerinizi iyileştirebilir. Bilginin değeri, onu kullanacağınız fırsatların sayısıyla orantılı olarak artar.
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.
Bu prensip bize insan yaşamının yapısı üzerine de iç görü verebilir. Bebeklerin özellikle rasyonel olmak gibi bir ünü yok. Sürekli yeni şeyler denerler ve onları ağızlarına sokmaya çalışırlar. Fakat aslında, yapmaları gereken de budur. Hayatlarının keşfetme evresindeler ve o şeylerden bazıları çok lezzetli çıkabilir. Diğer tarafta ise, her zaman aynı restorana gidip aynı şeyi yiyen bir yaşlı adam sıkıcı değildir -- optimaldir.
(Laughter)
(Gülüşmeler)
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.
Tüm hayatı boyunca edindiği bilgiyi sömürüyordur. Genellemek gerekirse, keşif/sömürü ödünleşimini biliyor olmak siz bir karar vermeye çalştığınızda rahatlamanıza ve kendinize fazla yüklenmemenize yardımcı olur. Her gece en iyi restorana gitmenize gerek yok. Şansınızı deneyin, farklı bir şey deneyin, keşfedin. Yeni bir şey öğrenebilirsiniz. Ve edindiğiniz bilgi iyi bir akşam yemeğinden daha değerli olacaktır.
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 --
Bilgisayar bilimi de ev ve ofis gibi yerlerde bize kolaylıklar sağlayabilir. Eğer gardrobunuzu düzenlemeniz gerektiyse, özellikle cefalı bir seçimle karşı karşıya kalmışsınızdır: hangi eşyaları tutacağınıza ve hangilerini bağışlayacağınıza karar vermeniz gerekir. Martha Stewart bu konuda fazlasıyla düşünmüş olmalı -
(Laughter)
(Gülüşmeler)
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.
ve birkaç iyi tavsiyesi var. Der ki, "Kendinize dört soru sorun: Ne zamandan beri bendeydi? Hala çalışıyor mu? Sahip olduğum başka bir şeyle aynı işe mi yarıyor? Ve en son ne zaman giyindim veya kullandım?" Fakat başka bir grup uzman, ki muhtemelen bu sorun hakkında daha fazla düşünmüştür, bu sorulardan birinin diğerlerinden daha önemli olduğunu söylerler. Hangi uzmanlar mı? Bilgisayarların hafıza sistemlerini tasarlayan insanlar. Bilgisayarların çoğunda iki tip hafıza sistemi vardır: hızlı hafıza sistemi, sınırlı kapasiteye sahip olan hafıza çipleri gibidir çünkü o çipler pahalıdır ve daha geniş olan yavaş hafıza sistemi. Bilgisayarın olabildiğince verimli çalışabilmesi için erişmek istediğiniz bilgi parçalarının hızlı hafıza sisteminde olduğundan emin olmak istersiniz, böylece onlara hızlıca ulaşabilirsiniz. Bir bilgi parçasına her eriştiğinizde hızlı hafıza içerisine yüklenir ve bilgisayar, sınırlı kapasiteye sahip olduğu için o hafızadan hangi kalemi kaldırması gerektiğine karar vermelidir.
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.
Yıllar boyunca, hızlı hafızadan neyi çıkarmak gerektiğine karar vermek için bilgisayar bilimciler farklı stratejiler denediler. Rastgele nesneler seçmeyi veya "ilk giren ilk çıkar prensibi" yani hafızada en uzun zamandır bulunan kalemi kaldırmak gibi birkaç farklı strateji denediler. Fakat en etkili strateji, yakın zamanda kullanılmayan kalemlere odaklanır. Eğer hafızadan bir şey kaldırılacaksa bunun son erişilme zamanı geçmişte en uzak olan parça olması gerektiğini söyler. Ve bunda belli bir mantık vardır. O bilgi parçasına son erişilmesinin üzerinden uzun zaman geçti ve bir dahaki ihtiyaç olacak zamana kadar muhtemelen yine uzun bir zaman geçecektir. Gardırobunuz da bilgisayarın hafızası gibidir. Sınırlı bir kapasiteniz var ve oraya ihtiyacınız olma ihtimali en yüksek olan şeyleri koymaya çalışmalısınız, böylece onlara mümkün olan en hızlı şekilde erişebilirsiniz. Bunu dikkate alarak yakın zamanda kullanılmayanları kaldırma prensibini gardırobunuzu düzenlerken kullanmanız uygulamaya değer. Martha'nın dört sorusuna dönersek, bilgisayar bilimcileri, son sorunun, en önemli soru olduğunu söyleyeceklerdir.
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.
Nesneleri düzenlerken en çok ihtiyacınız olan şeylerin en erişilebilir olması ofisinizde de uygulanabilir. Japon ekonomist Yukio Noguchi bu özelliğe sahip bir dosyalama sistemi icat etti. Bir karton kutuyla başladı ve tüm belgelerini kutuya sol taraftan başlayarak koydu. Ne zaman yeni bir belge eklese içindeki belgeleri kaydırırdı ve yeni belgeyi kutunun soluna eklerdi. Bir belgeye eriştiği zaman onu çıkarır, inceler ve sol tarafa geri koyardı. Böylece, kutu içindeki tüm belgeler, kullanım sıklığına göre soldan sağa doğru sıralanırdı. Ve soldan başlayıp sağa doğru ilerleryerek aradığını hızlıca bulabildiğini fark etti.
Before you dash home and implement this filing system --
Siz eve koşup bu dosyalama sistemini uygulamadan önce
(Laughter)
(Gülüşmeler)
it's worth recognizing that you probably already have.
zaten uyguluyor olabileceğinizi fark etmeniz önemlidir.
(Laughter)
(Gülüşmeler)
That pile of papers on your desk ... typically maligned as messy and disorganized, a pile of papers is, in fact, perfectly organized --
Masanızın üzerindeki kağıt desteleri... dağınık ve düzensiz diye iftira atılan kağıt desteleri aslında mükemmelce düzenlidir
(Laughter)
(Gülüşmeler)
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.
siz bir kağıdı alıp destenin en üstüne geri koyduğunuz sürece o kağıtlar yukarıdan aşağıya kullanım sıklığına göre sıralanmış olacaktır ve destenin üst kısmından başlayarak aradığınız şeyi muhtemelen kolayca bulacaksınız.
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.
Gardırobunuzu veya masanızı düzenlemek muhtemelen hayatınızdaki en stresli sorunlar değildir. Bazen çözmemiz gereken sorunlar basitçe çok, çok zordur. Böyle durumlarda dahi bilgisayar bilimi bazen stratejiler ve belki bazı teselliler sunabilir. En iyi algoritmalar en mantıklı şeyleri en kısa sürede yapmakla ilgilidir. Bilgisayarlar zor sorunlarla karşılaştığında onları daha basit sorunlara çevirerek hallederler, rastlantısallık kullanarak, kısıtları kaldırarak veya hata payını arttırarak. Kolaylaştırılmış sorunları çözmek zor sorunlarla ilgili iç görüler verebilir ve bazen kendi durumlarında yeterince iyi çözümler üretebilirler.
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 ...
Bütün bunları bilmek karar verirken rahatlamamı sağladı. Ev bulmak için yüzde 37 kuralını örnek olarak alabilirsiniz. Tüm seçenekleri ele almanıza imkân yok, o yüzden şansınızı deneyin. En optimal stratejiyi deneseniz bile, mükemmel neticeyi garantileyemeyebilirsiniz. Eğer yüzde 37 kuralını takip ederseniz en iyi mekânı bulma olasılığınız şaşırtıcı şekilde ...
(Laughter)
(Gülüşmeler)
37 percent. You fail most of the time. But that's the best that you can do.
Yüzde 37. Çoğu zaman başaramayacaksınız. Fakat yapabileceğiniz en iyi şey bu.
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.
Son olarak, bilgisayar bilimi bize kendi kısıtlamalarımıza karşı daha affedici olmamız konusunda yardımcı olur. Sonuçları değil, sadece işlemleri kontrol edebilirsiniz. Ve en iyi işlemi kullandığınız sürece, yapabileceğinizin en iyisini yaptınız. Bazen en iyi işlemler şansınızı denemeyi içerir, tüm seçeneklerinizi dikkate almayı veya gayet iyi bir sonucu kabullenmeye razı olmayı değil. Bunlar rasyonel olamayacağımız zaman vereceğimiz imtiyazlar değil, rasyonel olmanın kendisi demektir.
Thank you.
Teşekkürler.
(Applause)
(Alkış)