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?
Nếu có một thành phố trên thế giới mà rất khó để tìm một chỗ để mua hay thuê thì đó chính là Sydney. Và nếu bạn đã từng thử tìm nhà ở đây thì bạn sẽ quen với vấn đề này. Mỗi lần bạn tham quan căn nhà mình định thuê, bạn sẽ có một vài thông tin về những gì bên ngoài và những gì diễn ra thị trường, nhưng mỗi lần bạn bước ra, bạn có nguy cơ bỏ lỡ nơi tốt nhất bạn vừa đi qua. Vậy khi nào thì bạn nên chuyển từ việc tìm kiếm sang việc sẵn sàng đưa ra đề nghị?
This is such a cruel and familiar problem that it might come as a surprise that it has a simple solution. 37 percent.
Đây là vấn đề rất quen thuộc và đầy khó khăn mà bất ngờ là, giải pháp có khi lại đơn giản một cách đáng ngạc nhiên 37 phần trăm
(Laughter)
(Cười)
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.
Nếu bạn muốn tối đa hóa khả năng tìm được nơi tốt nhất, bạn nên nhìn vào 37% những thứ có ở trên thị trường, sau đó đưa ra đề nghị ở nơi tiếp theo bạn thấy, nơi mà tốt hơn tất cả những nơi bạn đã nhìn thấy. Hoặc nếu bạn có 1 tháng để tìm kiếm, dành 37% thời gian đó -- 11 ngày, để làm tiêu chuẩn -- và bạn đã sẵn sàng để hành động.
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.
Chúng tôi biết điều đó vì việc tìm kiếm nơi ở là một ví dụ của vấn đề dừng tối ưu. Một loạt các vấn đề đã được nghiên cứu rộng rãi bởi các nhà toán học và nhà khoa học máy tính
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.
Tôi là một nhà khoa học nhận thức sử dụng điện toán Tôi dành thời gian cố gắng tìm hiểu cách bộ não con người hoạt động, từ những thành công đáng kinh ngạc tới những thất bại thảm hại Để làm được điều đó, tôi nghĩ về cấu trúc tính toán của các vấn đề phát sinh trong cuộc sống hằng ngày và so sánh giải pháp lý tưởng của những vấn đề đó với cách chúng ta thực sự hành xử. Như một tác dụng phụ, Tôi nhận thấy rằng, áp dụng công nghệ máy tính có thể giúp con người đưa ra quyết định dễ dàng hơn
I have a personal motivation for this. Growing up in Perth as an overly cerebral kid ...
Tôi có động lực cá nhân cho việc này. Lớn lên ở Perth như một đứa trẻ có não quá lớn ...
(Laughter)
(Cười)
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 --
Tôi luôn cố gắng hành xử theo cách mà tôi nghĩ là hợp lý, lập luận mỗi khi đưa ra quyết định, cố gắng tìm ra hành động tốt nhất để thực hiện. Nhưng đây là cách tiếp cận không khả thi khi bạn bắt đầu giải quyết các vấn đề phát sinh trong cuộc sống của người trưởng thành Từng có lúc, tôi thậm chí cố gắng chia tay với bạn gái vì cố gắng chú ý đến ưu tiên của cô ấy cũng như của tôi và tìm ra giải pháp tốt nhất --
(Laughter)
(Cười)
was just leaving me exhausted.
Điều đó khiến tôi kiệt sức.
(Laughter)
(Cười)
She pointed out that I was taking the wrong approach to solving this problem -- and she later became my wife.
Cô ấy chỉ ra rằng tôi đã sử dụng sai phương pháp để giải quyết vấn đề -- sau đó cô ấy trở thành vợ tôi
(Laughter)
(Cười)
(Applause)
(Vỗ tay)
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.
Cho dù nó có đơn giản như việc đưa ra quyết định đi ăn ở nhà hàng nào hay quan trọng như quyết định người bạn sẽ dành cả phần còn lại của cuộc đời với, cuộc sống con người chứa đầy các vấn đề phải tính toán mà quá khó để giải quyết bằng cách chỉ cố gắng nỗ lực hết sức Với những vấn đề đó, nó đáng được tư vấn bởi các chuyên gia: những nhà khoa học máy tính.
(Laughter)
(Cười)
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.
Khi tìm kiếm lời khuyên về cuộc sống nhà khoa học máy tính có lẽ không phải người đầu tiên bạn nghĩ tới để hỏi. Cuộc sống như một chiếc máy tính -- theo khuôn mẫu xác định, toàn diện và chính xác -- nghe không có nhiều niềm vui. Nhưng suy nghĩ về khoa học máy tính với quyết định con người cho thấy trên thực tế, chúng ta có trở ngại này. Khi áp dụng vào những vấn đề khó khăn phát sinh trong cuộc sống, cách mà máy tính giải quyết các vấn đề này khá giống cách mà mọi người thực sự hành động
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?
Lấy ví dụ đưa ra quyết định nên chọn nhà hàng nào đi ăn tối. Đây là vấn đề có cấu trúc tính toán cụ thể. Bạn có một loạt các lựa chọn, bạn sẽ chọn một trong những lựa chọn đó, và sẽ đối mặt với việc y hệt như vậy vào ngày mai Trong trường hợp đó, bạn bất ngờ gặp thứ mà nhà khoa học máy tính gọi là "sự cân nhắc giữa lựa chọn cũ và mới" Bạn phải đưa ra quyết định về việc bạn sẽ thử cái gì đó mới -- khám phá, thu thập những thông tin mà bạn có thể sẽ dùng trong tương lai -- hay đi đến một nơi mà bạn đã biết rõ là nó khá tốt -- sử dụng những thông tin mà bạn đã biết từ trước Sự cân nhắc giữa cái cũ và mới xuất hiện mỗi khi chúng ta lựa chọn giữa trải nghiệm cái mới và sử dụng cái gì đó mà bạn đã biết khá rõ Cho dù đó là nghe nhạc hay cố gắng quyết định bạn sẽ dành thời gian cho ai. Nó cũng là vấn đề mà các công ty công nghệ gặp phải khi họ cố gắng làm gì đó như quyết định quảng cáo nào sẽ xuất hiện trên trang web. Có nên hiển thị quảng cáo mới và học hỏi điều gì từ nó hay hiển thị quảng cáo mà họ biết sẽ có khả năng cao bạn sẽ nhấn vào?
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.
Trong vòng 60 năm qua, Các nhà khoa học máy tính đã thực hiện nhiều quá trình tìm hiểu sự cân nhắc giữa mới và cũ và kết quả mang lại những điều bất ngờ. Khi bạn cố đưa ra quyết định chọn nhà hàng nào để ăn câu hỏi đầu tiên bạn nên hỏi bản thân là bạn sẽ ở nơi đó bao lâu. Nếu bạn chỉ ở đó một thời gian ngắn, bạn nên chọn nhà hàng đã từng ăn Không có lý nào phải thu thập thông tin. Cứ tới nhà hàng bạn đã biết nó tốt. Nhưng nếu bạn ở đó lâu hơn, hãy khám phá Thử cái gì đó mới, vì những thông tin bạn nhận được sẽ là thứ giúp bạn nâng cao lựa chọn của mình trong tương lai. Càng nhiều thông tin bạn có càng nhiều cơ hội bạn sử dụng nó.
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.
Quy luật này cho chúng ta cái nhìn về cấu trúc của cuộc sống con người. Trẻ em có tiếng là không được lô-gic cho lắm Trẻ con luôn khám phá điều mới, và bạn biết đấy, luôn cố gắng đưa thứ mới vào miệng mình. Nhưng sự thật, đây chính là những gì trẻ con nên làm. Chúng đang trong giai đoạn khám phá cuộc sống, và một trong số thứ đó có thể hoá ra là ngon miệng. Ngược lại, Gã mà luôn đến cùng một nhà hàng và luôn ăn cùng một thứ không hề nhàm chán -- anh ấy chọn giải pháp tối ưu.
(Laughter)
(Cười)
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.
Anh ấy sử dụng những kiến thức đã kiếm được qua trải nghiệm cuộc sống. Tổng quát hơn, biết về sự cân nhắc giữa lựa chọn cũ và mới giúp bạn lựa chọn dễ dàng hơn để thư giãn và đối tốt với bản thân khi bạn phải đưa ra quyết định. Bạn không cần phải đến nhà hàng tốt nhất mỗi tối. Tận dụng cơ hội, thử cái gì đó mới, khám phá Bạn có thể học được gì đó. Và thông tin mà bạn có được sẽ đáng giá hơn một bữa ăn tối ngon.
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 --
Khoa học máy tính có thể giúp chúng ta sống dễ dàng hơn ở những nơi như nhà hay văn phòng. Nếu bạn đã từng dọn dẹp tủ quần áo, bạn gặp phải một quyết định rất khó khăn: quyết định xem nên giữ thứ nào và cho đi thứ nào. Martha Stewart hóa ra đã suy nghĩ rất kĩ về điều này --
(Laughter)
(Cười)
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.
và cô ấy có một số lời khuyên tốt. Cô ấy nói, "Hỏi bản thân bạn 4 câu hỏi: Bạn có nó bao lâu rồi? Nó có sử dụng được nữa không? Nó có phải là bản sao của một cái gì đó mà bạn đã có? Và lần cuối cùng bạn mặc hay sử dụng nó là khi nào? Nhưng có một nhóm chuyên gia khác có lẽ nghĩ sâu sắc hơn về vấn đề này, và họ nói rằng một trong các câu hỏi trên quan trọng hơn các câu hỏi còn lại. Các chuyên gia này ư? Họ là những người thiết kế hệ thống bộ nhớ trong máy tính. Hầu hết máy tính có 2 loại hệ thống bộ nhớ: hệ thống bộ nhớ nhanh giống như bộ chip nhớ mà sức chứa có hạn vì đống chip đó rất đắt, và bộ nhớ chậm - to hơn rất nhiều Để cho máy tính hoạt động hiệu quả nhất có thể, bạn phải đảm bảo rằng những thông tin mà bạn muốn truy cập phải ở trong bộ nhớ nhanh để bạn có thể có chúng nhanh. Mỗi lần bạn truy cập một mẩu thông tin, nó được tải vào bộ nhớ nhanh và máy tính phải quyết định mục nào phải xóa khỏi bộ nhớ vì sức chứa có hạn.
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.
Qua năm tháng, nhà khoa học máy tính đã thử một vài chiến lược khác nhau để quyết định mục gì nên xóa khỏi bộ nhớ nhanh Họ đã thử như chọn ngẫu nhiên một vài cái hay áp dụng cái gọi là "nguyên tắc vào trước-ra trước" có nghĩa là xóa mục đã ở trong bộ nhớ lâu nhất. Nhưng chiến lược hiệu quả nhất tập trung vào những mục sử dụng ít nhất trong thời gian gần đây. Nó nói rằng nếu bạn đang quyết định nên xóa thứ gì khỏi bộ nhớ, bạn nên bỏ đi thứ truy cập lần cuối từ khoảng thời gian cách xa lâu nhất. Và đó là tư duy logic cho cái này. Nếu đã lâu rồi bạn không truy cập vào mẩu thông tin này, thì chắc hẳn sẽ lâu sau đó bạn mới cần dùng lại thông tin này. Tủ quần áo của bạn cũng giống như bộ nhớ của máy tính Nó có sức chứa có hạn, và bạn cố cho vào đó thứ gì mà bạn cần nhẩt để bạn có thể lấy nó nhanh nhất có thể. Nhận ra được điều đó, có thể nó đáng áp dụng nguyên tắc thứ dùng ít nhất để sắp xếp lại tủ đồ của bạn. Vậy quay trở lại 4 câu hỏi của Martha, nhà khoa học máy tính nói rằng, câu hỏi cuối cùng là quan trọng nhất.
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.
Ý tưởng sắp xếp đồ đạc để những thứ bạn cần nhất thì dễ lấy nhất có thể áp dụng cả ở văn phòng. Nhà kinh tế học Nhật Bản Yukio Noguchi thực tế đã phát minh ra một hệ thống chứa đồ có đặc tính này. Ông bắt đầu với hộp các tông, và ông để tài liệu trong hộp từ phía bên tay trái. Mỗi lần thêm tài liệu vào, ông chuyển tài liệu ở trong đó và ông để tài liệu mới vào phía bên trái của hộp. và mỗi lần ông cần tài liệu, ông lấy nó ra, tham khảo, rồi cất lại vào phía bên trái của hộp. Và kết quả là, tài liệu được sắp xếp từ trái qua phải dựa vào thời gian sử dụng gần đây. Và ông ấy thấy mình có thể nhanh chóng tìm ra thứ mình cần bằng việc bắt đầu với phía bên trái của hộp và làm việc mình ở phía bên phải.
Before you dash home and implement this filing system --
Trước khi lao về nhà, và áp dụng với hệ thống lưu trữ của bạn
(Laughter)
(Cười)
it's worth recognizing that you probably already have.
Nó đáng để nhận ra rằng bạn có thể đã có nó
(Laughter)
(Cười)
That pile of papers on your desk ... typically maligned as messy and disorganized, a pile of papers is, in fact, perfectly organized --
Đống giấy tờ trên bàn bạn ... thường là lộn xộn và không có tổ chức, Tập giấy, ngược lại, sắp xếp hoàn hảo --
(Laughter)
(Cười)
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.
miễn là khi bạn lấy giấy ra, để nó lại trên cùng của tập giấy, và tập giấy được sắp xếp từ trên xuống dưới bởi thời điểm sử dụng nó, và bạn dễ dàng tìm thấy thứ mình muốn bằng cách bắt đầu ở đầu tập file
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.
Sắp xếp tủ quần áo hay bàn làm việc không phải là vấn đề áp lực nhất trong cuộc sống. Đôi khi, vấn đề bạn phải giải quyết cực kỳ nan giải. Kể cả những vấn đề này, khoa học máy tính đưa ra một số giải pháp và có thể cả niềm khuây khỏa Thuật toán tốt nhất là làm cái gì có nghĩa nhất trong thời gian ngắn nhất. Khi máy tính gặp vấn đề khó, nó giải quyết bằng cách đơn giản hóa vấn đề -- bằng cách chọn ngẫu nhiên, bằng cách loại bỏ các ràng buộc hay cho phép làm xấp xỉ. Giải quyết vấn đề đơn giản hơn giúp bạn hiểu được vấn đề khó hơn và đôi khi tạo ra các giải pháp khá tốt theo cách riêng của chúng.
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 ...
Hiểu được về điều này đã giúp tôi thoải mái hơn khi đưa ra quyết định. Ví dụ, bạn có thể lấy quy tắc 37% để tìm nhà Không có cách nào để bạn xem xét được tất cả lựa chọn, vậy bạn phải nắm lấy cơ hội. Kể cả khi bạn chọn giải pháp tối ưu, bạn không chắc chắn là kết quả hoàn hảo Nếu bạn theo quy tắc 37%, xác suất bạn tìm thấy nơi tốt nhất là -- khá hài hước...
(Laughter)
(Cười)
37 percent. You fail most of the time. But that's the best that you can do.
37% Bạn thất bại trong hầu hết thời gian Nhưng bạn đã cố làm tốt nhất có thể
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.
Cuối cùng, khoa học máy tính có thể giúp chúng ta tha thứ cho giới hạn bản thân. Bạn không thể kiểm soát kết quả, chỉ quá trình. Và miễn là bạn dùng quá trình tốt nhất, bạn đã làm tốt nhất có thể. Đôi khi những quá trình tốt nhất liên quan đến việc nắm được cơ hội -- không phải xem xét hết các lựa chọn, hoặc sẵn sàng giải quyết vấn đề cách tốt nhất. Đây không phải là nhượng bộ khi chúng ta không hợp lí -- Chúng chính là hợp lí.
Thank you.
Cảm ơn.
(Applause)
(Vỗ tay)