3 ways to make better decisions -- by thinking like a computer | Tom Griffiths

Translator: Mark Karamyar Reviewer: Leila Ataei

If there's one city in the world

اگر یک شهر در دنیا باشد که

where it's hard to find a place to buy or rent,

که یافتن جا در آن برای اجاره یا خرید سخت باشد،

it's Sydney.

سیدنی است.

And if you've tried to find a home here recently,

اگه اخیرا سعی کرده باشید خانه‌ای اینجا پیدا کنید،

you're familiar with the problem.

با این مشکل آشنا هستید.

Every time you walk into an open house,

هر بار که به خانه‌ای که آگهی شده بروید،

you get some information about what's out there

یک سری اطلاعات در مورد آن خانه

and what's on the market,

و بازار به دست می‌آورید.

but every time you walk out,

با هر بار خارج شدن هم،

you're running the risk of the very best place passing you by.

این ریسک که بهترین مکان را از دست داده باشید می‌پذیرید.

So how do you know when to switch from looking

پس از کجا باید بدانید که‌ چه زمانی باید بین نگاه کردن

to being ready to make an offer?

و پیشنهاد دادن تغییر موضع دهید؟

This is such a cruel and familiar problem

خب این مشکلی ظالمانه و آشناست

that it might come as a surprise that it has a simple solution.

که ممکن است یک راه حل ساده داشته باشد.

37 percent.

۳۷ درصد.

(Laughter)

(خنده)

If you want to maximize the probability that you find the very best place,

اگر بخواهید شانس پیدا کردن بهترین خانه را حداکثر کنید،

you should look at 37 percent of what's on the market,

باید ۳۷٪ از بازار را ببینید.

and then make an offer on the next place you see,

و یک پیشنهاد برای خانه بعدی

which is better than anything that you've seen so far.

که از سایر خانه‌ها بهتر بوده ارائه کنید.

Or if you're looking for a month, take 37 percent of that time --

مثلا اگریک ماه است که دنبال خانه هستید، ۳۷ درصد از این زمان،

11 days, to set a standard --

یعنی ۱۱ روز را برای این کار در نظر بگیرید.

and then you're ready to act.

بعد از آن شما آماده معامله هستید.

We know this because trying to find a place to live

این را می دانیم چون سعی کردن برای یافتن جایی برای زندگی

is an example of an optimal stopping problem.

نمونه‌ای از مسئله توقف بهینه است.

A class of problems that has been studied extensively

طبقه‌ای از مسائل که شدید توسط ریاضیدانان و

by mathematicians and computer scientists.

دانشمندان علوم کامپیوتر در حال مطالعه است.

I'm a computational cognitive scientist.

من دانشمند شناخت محاسباتی هستم.

I spend my time trying to understand

زمانم را صرف تلاش برای فهم این می‌کنم

how it is that human minds work,

که چطور ذهن انسان‌ها

from our amazing successes to our dismal failures.

از موفقیت‌های بزرگ تا شکست‌های ناامید‌کننده کار می‌کند.

To do that, I think about the computational structure

برای این کار به ساختار محاسباتیِ

of the problems that arise in everyday life,

مشکلات روزمره زندگی فکر می‌کنم،

and compare the ideal solutions to those problems

و راه حل ایده‌آل مشکلات را

to the way that we actually behave.

با رفتار واقعی مقایسه می‌کنم.

As a side effect,

به عنوان یک تاثیر جانبی،

I get to see how applying a little bit of computer science

می‌دانم که تزریق مقداری علوم کامپیوتری

can make human decision-making easier.

می‌تواند تصمیم‌گیری انسان‌ها را ساده‌تر کند.

I have a personal motivation for this.

من نوعی علاقه شخصی به این مورد دارم.

Growing up in Perth as an overly cerebral kid ...

بزرگ شدن در شهر پرت به عنوان یک بچه شدیداً متفکر ...

(Laughter)

(صدای خنده)

I would always try and act in the way that I thought was rational,

همیشه سعی کردم طوری رفتار کنم که فکر می‌کردم منطقی است،

reasoning through every decision,

با استدلال در پشت هر تصمیم،

trying to figure out the very best action to take.

سعی می‌کردم ببینم بهترین کار ممکن چیست.

But this is an approach that doesn't scale up

اما این روش برای زمانی که

when you start to run into the sorts of problems

با مشکلات زندگی بزرگسالی روبه‌رو می‌شوید

that arise in adult life.

قابل تعمیم نیست.

At one point, I even tried to break up with my girlfriend

حتی یک‌بار سعی کردم با دوست دخترم به هم بزنم،

because trying to take into account her preferences as well as my own

چون وقتی سعی کردم ترجیحات هر دو نفرمان ‌را در نظر بگیریم

and then find perfect solutions --

و بعد بهترین راه حل را پیدا کنم --

(Laughter)

(صدای خنده)

was just leaving me exhausted.

فقط خودم را خسته کردم.

(Laughter)

(صدای خنده)

She pointed out that I was taking the wrong approach

به من گفت که برای حل مشکل

to solving this problem --

راه اشتباهی را انتخاب کردم--

and she later became my wife.

و او بعداً همسر من شد.

(Laughter)

(خنده)

(Applause)

(تشویق)

Whether it's as basic as trying to decide what restaurant to go to

تصمیمات ساده مثل اینکه کدام رستوران برویم

or as important as trying to decide who to spend the rest of your life with,

یا تصمیمات مهمی مثل این‌ که با چه کسی باقی عمرمان را سپری کنیم،

human lives are filled with computational problems

زندگی بشر پر از مسائل و مشکلات محاسباتی است

that are just too hard to solve by applying sheer effort.

که حتی با تلاش محض هم حل کردن‌ آنها بسیار سخت است.

For those problems,

برای این مشکلات

it's worth consulting the experts:

ارزش دارد از متخصص راهنمایی بگیرید:

computer scientists.

یک متخصص کامپیوتر.

(Laughter)

(خنده)

When you're looking for life advice,

زمانی که دنبال پند زندگی هستید،

computer scientists probably aren't the first people you think to talk to.

متخصصین کامپیوتر احتمالاً اولین کسانی نیستند که با آنها حرف بزنید.

Living life like a computer --

فکر کردن مثل یک کامپیوتر--

stereotypically deterministic, exhaustive and exact --

به طور کلیشه‌ای قطعی، جامع و دقیق

doesn't sound like a lot of fun.

خیلی جالب به نظر نمی‌رسد.

But thinking about the computer science of human decisions

اما فکر کردن راجع به مهندسی کامپیوتر برای تصمیمات بشر

reveals that in fact, we've got this backwards.

در واقع نشان می‌دهد که اشتباه کرده‌ایم.

When applied to the sorts of difficult problems

زمانی که در انواع مشکلات سخت پیش آمده در زندگی

that arise in human lives,

انسان‌ها اعمال می‌شوند،

the way that computers actually solve those problems

روشی که کامپیوترها برای حل مشکلات این چینی دارند

looks a lot more like the way that people really act.

بسیار شبیه به طرز رفتار انسان‌ها است.

Take the example of trying to decide what restaurant to go to.

برای مثال وقتی می‌خواهیم تصمیم بگیریم به چه رستورانی برویم.

This is a problem that has a particular computational structure.

این مساله یک ساختار محاسباتی خاص است.

You've got a set of options,

مجموعه‌ای از انتخاب‌ها را دارید،

you're going to choose one of those options,

که باید یکی از آن‌ها را انتخاب کنید،

and you're going to face exactly the same decision tomorrow.

و دقیقا فردا هم باید تصمیم گیری مشابهی انجام بدهید.

In that situation,

در این شرایط،

you run up against what computer scientists call

با چیزی مواجه می‌شوید که مهندسان کامپیوتر به آن

the "explore-exploit trade-off."

«مبادله کاوش- استخراج» می‌گویند.

You have to make a decision

باید تصمیم بگیرید

about whether you're going to try something new --

این که چیز جدیدی را امتحان کنید --

exploring, gathering some information

کاوش کردن، جمع کردن یک سری اطلاعات

that you might be able to use in the future --

که در آینده ممکن است برای شما کارآمد باشند --

or whether you're going to go to a place that you already know is pretty good --

یا به جایی بروید که می‌دانید خیلی خوب است --

exploiting the information that you've already gathered so far.

یعنی از اطلاعاتی که در حال حاضر دارید استفاده کنید.

The explore/exploit trade-off shows up any time you have to choose

روش مبادله کاوش- استخراج هر زمانی که مجبور به انتخاب

between trying something new

بین یک چیز جدید

and going with something that you already know is pretty good,

و چیزی که می‌دانید خیلی خوب است نمایان می‌شود

whether it's listening to music

چه گوش کردن به موسیقی باشد

or trying to decide who you're going to spend time with.

یا تصمیم‌‌گیری سر انتخاب شریک زندگی‌تان.

It's also the problem that technology companies face

این مشکل را حتی شرکتهای تکنولوژی هم دارند

when they're trying to do something like decide what ad to show on a web page.

مثلا زمانی که می‌خواهند تبلیغی را نمایش دهند.

Should they show a new ad and learn something about it,

آیا تبلیغ جدید نشان دهند و چیزی درباره‌اش یاد بگیرند،

or should they show you an ad

و یا تبلیغی را نمایش بدهند که

that they already know there's a good chance you're going to click on?

می‌دانند شانس این که شما بر روی آن کلیک کنید بالا است؟

Over the last 60 years,

در ۶۰ سال گذشته،

computer scientists have made a lot of progress understanding

دانشمندان کامپیوتر پیشرفت زیادی در درک

the explore/exploit trade-off,

مبادله کاوش-استخراج داشته‌اند

and their results offer some surprising insights.

و نتایج آنها اطلاعات هیجان‌انگیزی را در بر دارد.

When you're trying to decide what restaurant to go to,

زمانی که می‌خواهید تصمیم بگیرید به چه رستورانی بروید،

the first question you should ask yourself

اولین سوالی که باید بپرسید

is how much longer you're going to be in town.

این است که چه مدت زمانی در شهر اقامت دارید.

If you're just going to be there for a short time,

اگر قرار است مدت کوتاهی اقامت داشته باشید،

then you should exploit.

اطلاعات فعلی را استفاده کنید.

There's no point gathering information.

شما فرصت جمع آوری اطلاعات ندارید.

Just go to a place you already know is good.

بهتر است به جایی بروید که می دانید خوب است.

But if you're going to be there for a longer time, explore.

اما اگر اقامت طولانی‌تری دارید، کاوش کنید.

Try something new, because the information you get

چیز جدیدی را امتحان کنید، چون اطلاعاتی که

is something that can improve your choices in the future.

جمع‌آوری می‌کنید باعث تصمیم‌گیری بهتر در آینده خواهد شد.

The value of information increases

و ارزش اطلاعات شما بالا می‌رود.

the more opportunities you're going to have to use it.

فرصتهای بیشتری برای استفاده به دست خواهید آورد.

This principle can give us insight

این اصل به ساختار زندگی انسان‌ها

into the structure of a human life as well.

بینش می‌دهد.

Babies don't have a reputation for being particularly rational.

بچه‌ها به منطقی بودن شناخته نمی‌شوند.

They're always trying new things,

همیشه چیزهای جدید را امتحان می‌کنند،

and you know, trying to stick them in their mouths.

و خب می‌دانید، با گذاشتن اشیا در دهانشان.

But in fact, this is exactly what they should be doing.

اما در حقیقت، این دقیقا همان کاری است که باید انجام دهند.

They're in the explore phase of their lives,

آنها در مرحله کاوش در زندگی‌شان هستند،

and some of those things could turn out to be delicious.

بعضی چیزها می‌تواند برای‌شان تبدیل به چیز خوشمزه شود.

At the other end of the spectrum,

و یا که بلعکس باشد.

the old guy who always goes to the same restaurant

پیرمردی که همیشه به یک رستوران می‌رود

and always eats the same thing

و چیز مشخصی را می‌خورد،

isn't boring --

خسته کننده نیست --

he's optimal.

بهینه است.

(Laughter)

(خنده)

He's exploiting the knowledge that he's earned

او از دانشی که در سراسر زندگی جمع کرده است،

through a lifetime's experience.

استفاده می‌کند.

More generally,

به طور کلی،

knowing about the explore/exploit trade-off

داشتن دانش درباره مبادله کاوش- استخراج

can make it a little easier for you to sort of relax and go easier on yourself

باعث می‌شود در حین تصمیم‌گیری

when you're trying to make a decision.

آرامش داشته باشید.

You don't have to go to the best restaurant every night.

مجبور نیستید هر شب به‌‌‌‌ ‌ بهترین رستوران بروید،

Take a chance, try something new, explore.

شانس خود را امتحان کنید،‌ چیزهای جدیدی را کاوش کنید.

You might learn something.

شاید چیز جدیدی یاد بگیرید.

And the information that you gain

و اطلاعاتی که به دست خواهید آورد،

is going to be worth more than one pretty good dinner.

ارزشش بیشتر از یک شام خوب است.

Computer science can also help to make it easier on us

علم کامپیوتر می‌تواند این را برای ما

in other places at home and in the office.

در خانه یا محل کار ساده‌تر کنند.

If you've ever had to tidy up your wardrobe,

اگر سعی کرده باشید که‌ کمد خود را مرتب کنید،

you've run into a particularly agonizing decision:

مشخصا با یک تصمیم مهم رو به رو خواهید شد:

you have to decide what things you're going to keep

تصمیم‌گیری درباره اینکه چه چیزهایی را نگه دارید

and what things you're going to give away.

و چه چیزهایی را دور بریزید.

Martha Stewart turns out to have thought very hard about this --

مارتا استوارت خیلی جدی به این مساله فکر می‌کند--

(Laughter)

(خنده)

and she has some good advice.

نصیحت‌های خوب در این مورد دارد.

She says, "Ask yourself four questions:

او می‌گوید، «از خودتان این چهار سوال را بپرسید:

How long have I had it?

چند وقت است این را دارم؟

Does it still function?

هنوز به کار می‌آید؟

Is it a duplicate of something that I already own?

آیا مشابه این را دارم؟

And when was the last time I wore it or used it?"

و آخرین بار که این را پوشیدم و یا استفاده کردم کی بود؟»

But there's another group of experts

اما گروه دیگری از متخصصان،

who perhaps thought even harder about this problem,

که احتمالا خیلی بیشتر به این مسأله فکر کردند

and they would say one of these questions is more important than the others.

می‌گویند یکی از این سوالات بسیار مهم‌تر از بقیه است.

Those experts?

این متخصصان؟

The people who design the memory systems of computers.

سیستم ذخیره‌سازی کامپیوتر را طراحی کرده‌اند.

Most computers have two kinds of memory systems:

اکثر کامپیوترها دو نوع سیستم ذخیره سازی دارند:

a fast memory system,

یک سیستم ذخیره سازی سریع،

like a set of memory chips that has limited capacity,

مثل مجموعه‌ای از تراشه‌های حافظه، که ظرفیت محدودی دارند،

because those chips are expensive,

چرا که این تراشه‌ها گرانقیمت هستند،

and a slow memory system, which is much larger.

و یک حافظه ذخیره سازی کُند که حجم بسیار بیشتری دارد.

In order for the computer to operate as efficiently as possible,

برای این که کامپیوتری تا جای ممکن کارآمد باشد،

you want to make sure

باید مطمئن شوید

that the pieces of information you want to access

اطالاعاتی که شما قصد دسترسی به آنها را دارید

are in the fast memory system,

در حافظه سریع ذخیره می‌شوند،

so that you can get to them quickly.

پس سریع آنها را دریافت می‌کنید.

Each time you access a piece of information,

هر بار که به اطلاعاتی دست پیدا می‌کنید،

it's loaded into the fast memory

در حافظه سریع بارگذاری می‌شوند

and the computer has to decide which item it has to remove from that memory,

و کامپیوتر تصمیم می‌گیرد کدام یک از آنها باید از حافظه سریع حذف شوند،

because it has limited capacity.

چرا که ظرفیت آن محدود است.

Over the years,

در طی سالیان،

computer scientists have tried a few different strategies

متخصصین کامپیوتر چند راه را برای تصمیم گیری برای این که

for deciding what to remove from the fast memory.

چه چیز از حافظه سریع پاک شود را امتحان کرده‌اند.

They've tried things like choosing something at random

آنها روش‌هایی مثل انتخاب اتفاقی

or applying what's called the "first-in, first-out principle,"

یا روش هر چیزی که اول وارد شده باید اول خارج شود،

which means removing the item

که به این صورت است که چیزهایی حذف شوند

which has been in the memory for the longest.

که طولانی‌تر در حافظه بوده‌اند.

But the strategy that's most effective

اما کارآمدترین تکنیک

focuses on the items which have been least recently used.

تمرکز بر چیزهایی است که اخیرا استفاده شده‌اند.

This says if you're going to decide to remove something from memory,

یعنی اگر باید تصمیم بگیرید که چه چیزی را از حافظه پاک کنید،

you should take out the thing which was last accessed the furthest in the past.

باید چیزی را انتخاب کنید که از مدت‌ها پیش استفاده نشده است.

And there's a certain kind of logic to this.

و البته که این روش دلیلی قانع کننده دارد.

If it's been a long time since you last accessed that piece of information,

اگر زمان زیادی است که از دسته مشخصی از اطلاعات استفاده نکردید،

it's probably going to be a long time

احتمالا زمان زیادی طول می‌کشد

before you're going to need to access it again.

تا دوباره به آنها احتیاج پیدا کنید.

Your wardrobe is just like the computer's memory.

کمد شما دقیقاً مثل حافظه ذخیره‌سازی کامپیوتر است.

You have limited capacity,

ظرفیت محدودی دارید،

and you need to try and get in there the things that you're most likely to need

و باید چیزهایی را در آن قرار بدهید که بیشتر به آنها احتیاج دارید

so that you can get to them as quickly as possible.

در نتیجه خیلی سریع به آنها دسترسی خواهید داشت.

Recognizing that,

برای شناسایی آنها،

maybe it's worth applying the least recently used principle

احتمالا به کارگیری اصل کمترین استفاده ارزشمند باشد.

to organizing your wardrobe as well.

همچنین برای مرتب کردن کمد هم.

So if we go back to Martha's four questions,

اگر به چهار سوال مارتا برگردیم،

the computer scientists would say that of these,

متخصصین کامپیوتر خواهند گفت،

the last one is the most important.

آخرین سوال مهمترین سوال است.

This idea of organizing things

ایده مرتب کردن اشیا

so that the things you are most likely to need are most accessible

بر این اساس که مهمترین چیزها دم دست شما باشند

can also be applied in your office.

در محیط کار شما نیز کاربرد دارد.

The Japanese economist Yukio Noguchi

اقتصاددان ژاپنی یوکیو ناگوچی

actually invented a filing system that has exactly this property.

روشی برای دسته بندی اسناد اختراع کرده که دقیقا چنین ویژگی‌ دارد.

He started with a cardboard box,

او با یک جعبه شروع می‌کند،

and he put his documents into the box from the left-hand side.

و اسناد را از چپ به راست در جعبه می‌چیند.

Each time he'd add a document,

هر باری که یک سند جدید می‌آید،

he'd move what was in there along

سند قبلی را کمی جلو می‌برد

and he'd add that document to the left-hand side of the box.

و آن سند را در سمت چپ جعبه قرار می‌دهد.

And each time he accessed a document, he'd take it out,

و هر باری که به سندی نیاز پیدا می‌کند،

consult it and put it back in on the left-hand side.

آن را بعد از استفاده در سمت چپ قرار می‌هد.

As a result, the documents would be ordered from left to right

در نتیجه اسناد از چپ به راست

by how recently they had been used.

بر اساس آخرین زمان استفاده مرتب شدند.

And he found he could quickly find what he was looking for

و با گشتن اسناد از چپ به راست،

by starting at the left-hand side of the box

به راحتی چیزی را که می‌خواهد

and working his way to the right.

پیدا می‌کند.

Before you dash home and implement this filing system --

قبل از رفتن به خانه و اجرای روش طبقه‌بندی اسناد --

(Laughter)

(خنده)

it's worth recognizing that you probably already have.

محض اطلاع احتمالاً همین الان یکی از این‌ها را دارید.

(Laughter)

(صدای خنده)

That pile of papers on your desk ...

انبوهی از کاغذ روی میز شما...

typically maligned as messy and disorganized,

که به نظر کاملا شلخته و نامرتب می‌آید،

a pile of papers is, in fact, perfectly organized --

این انبوه کاغذ در واقع کاملا مرتب شده است --

(Laughter)

(خنده)

as long as you, when you take a paper out,

هر زمان که کاغذی را برمی‌دارید،

put it back on the top of the pile,

آن را روی این توده برمی‌گردانید،

then those papers are going to be ordered from top to bottom

در نتیجه این کاغذها از بالا به پایین

by how recently they were used,

بر اساس آخرین استفاده مرتب شدند،

and you can probably quickly find what you're looking for

و شما احتمالا خیلی سریع چیزی که دنبالش هستید را با

by starting at the top of the pile.

گشتن از بالا به پایین پیدا می‌کنید.

Organizing your wardrobe or your desk

مرتب کردن کمد یا میزتان

are probably not the most pressing problems in your life.

احتمالا بزرگترین مشکل شما در زندگی نیست.

Sometimes the problems we have to solve are simply very, very hard.

گاهی اوقات مسائل خیلی خیلی سخت هستند.

But even in those cases,

اما حتی در این شرایط،

computer science can offer some strategies

علم کامپیوتر می‌تواند راهکارهایی را پیشنهاد دهد

and perhaps some solace.

و شاید کمی آرامش.

The best algorithms are about doing what makes the most sense

بهترین الگوریتم‌ها سعی می‌کنند مسائل را

in the least amount of time.

در کمترین زمان حل کنند.

When computers face hard problems,

وقتی کامپیوتر با مسائل سخت مواجه می‌شود،

they deal with them by making them into simpler problems --

با کوچک کردن آن به مسائل ساده‌تر شروع می‌کند --

by making use of randomness,

با استفاده از تصادفی بودن،

by removing constraints or by allowing approximations.

با حذف محدودیت‌ها و یا اضافه کردن تقریب‌ها.

Solving those simpler problems

حل کردن مسائل ساده کوچک شده

can give you insight into the harder problems,

بینشی برای حل مساله اصلی به شما می‌دهد،

and sometimes produces pretty good solutions in their own right.

و گاهی اوقات یک راه حل خیلی عالی.

Knowing all of this has helped me to relax when I have to make decisions.

دانستن تمام این‌ها باعث می‌شود نوعی آرامش در حین تصمیم‌گیری داشته باشم.

You could take the 37 percent rule for finding a home as an example.

می‌توانید قانون ۳۷ درصد را برای پیدا کردن یک خانه استفاده کنید.

There's no way that you can consider all of the options,

نمی‌توانید تمام گزینه‌ها را بررسی کنید

so you have to take a chance.

پس باید یک شانس به خودتان بدهید.

And even if you follow the optimal strategy,

حتی اگر بهینه‌ترین راه را انتخاب کنید،

you're not guaranteed a perfect outcome.

تضمینی نیست که خروجی شما بهینه باشد.

If you follow the 37 percent rule,

اگر از قانون ۳۷ درصد پیروی کنید،

the probability that you find the very best place is --

احتمال اینکه جای خیلی خوبی را پیدا کنید --

funnily enough ...

به حد کافی بامزه --

(Laughter)

( خنده)

37 percent.

۳۷ درصد است.

You fail most of the time.

اکثر مواقع با شکست مواجه می‌شوید.

But that's the best that you can do.

اما این بهترین کار است.

Ultimately, computer science can help to make us more forgiving

عموماً علم کامپیوتر به ما کمک می‌کند در مورد محدودیت‌های خود

of our own limitations.

بخشنده‌تر باشیم.

You can't control outcomes, just processes.

شما بجز فرایند، کنترلی روی خروجی ندارید.

And as long as you've used the best process,

و تا زمانی که از بهترین فرآیند استفاده کنید،

you've done the best that you can.

بهترین کار ممکن را انجام داده‌اید.

Sometimes those best processes involve taking a chance --

گاهی اوقات بهترین فرآیند شامل استفاده از شانس است

not considering all of your options,

نه توجه به تمام گزینه‌ها،

or being willing to settle for a pretty good solution.

یا اشتیاق برای حل مسئله با بهترین راه حل ممکن.

These aren't the concessions that we make when we can't be rational --

اینها امتیازاتی نیستند که وقتی نمی‌توانیم منطقی باشیم از دست می‌دهیم --

they're what being rational means.

آنها معنای منطقی بودن هستند.

Thank you.

متشکرم.

(Applause)

(تشویق)