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

938,894 views ・ 2018-10-05

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Andi Vida Lektor: Maria Ruzsane Cseresnyes
00:13
If there's one city in the world
0
13407
1581
Ha van város a világon,
00:15
where it's hard to find a place to buy or rent,
1
15012
2333
ahol nehéz eladó vagy kiadó ingatlant találni,
00:17
it's Sydney.
2
17369
1150
akkor az Sydney.
00:19
And if you've tried to find a home here recently,
3
19043
2367
Aki próbált itt mostanában lakást keresni,
00:21
you're familiar with the problem.
4
21434
1840
annak ismerős a probléma.
00:23
Every time you walk into an open house,
5
23298
2014
Valahányszor belépünk egy felkínált lakásba,
00:25
you get some information about what's out there
6
25336
2191
némi fogalmat alkotunk arról, mik a lehetőségek,
00:27
and what's on the market,
7
27551
1393
és hogy áll az ingatlanpiac,
00:28
but every time you walk out,
8
28968
1430
de valahányszor kisétálunk,
00:30
you're running the risk of the very best place passing you by.
9
30422
3214
úgy érezzük, most szalasztottuk el a legjobb lehetőséget.
00:33
So how do you know when to switch from looking
10
33660
2820
Honnan tudjuk, mikor alkalmas abbahagyni a tájékozódást,
00:36
to being ready to make an offer?
11
36504
1562
és árajánlatot tenni?
00:39
This is such a cruel and familiar problem
12
39663
2401
Kínos és jól ismert probléma,
00:42
that it might come as a surprise that it has a simple solution.
13
42088
3074
talán meglepően hangzik, milyen egyszerű a megoldása.
00:45
37 percent.
14
45588
1203
37 százalék.
00:46
(Laughter)
15
46815
1828
(Nevetés)
00:48
If you want to maximize the probability that you find the very best place,
16
48667
3936
Ha a legnagyobb valószínűséggel akarják megtalálni a legjobb helyet,
00:52
you should look at 37 percent of what's on the market,
17
52627
2825
a piaci kínálat 37 százalékát kell átnézniük,
00:55
and then make an offer on the next place you see,
18
55476
2310
aztán tegyenek ajánlatot a következő helyen,
00:57
which is better than anything that you've seen so far.
19
57810
2524
ami minden addig megnézettnél jobb.
01:00
Or if you're looking for a month, take 37 percent of that time --
20
60358
3805
Vagy ha egy hónapot szánnak a keresésre, vegyék az idő 37 százalékát,
01:04
11 days, to set a standard --
21
64187
2915
11 napot, hogy kialakítsák elvárásukat,
01:07
and then you're ready to act.
22
67126
1575
és utána készek akcióba lépni.
01:09
We know this because trying to find a place to live
23
69829
2709
Tudjuk, hogy így van, mivel a lakáskeresés remek példa
01:12
is an example of an optimal stopping problem.
24
72562
2325
az optimális megállítás problémájára.
01:14
A class of problems that has been studied extensively
25
74911
2483
Az ehhez hasonló problémákat matematikusok és informatikusok
01:17
by mathematicians and computer scientists.
26
77418
2105
behatóan tanulmányozzák.
01:21
I'm a computational cognitive scientist.
27
81502
2519
Számítógépes kognitív tudománnyal foglalkozom.
01:24
I spend my time trying to understand
28
84045
1960
Azt próbálom megérteni,
01:26
how it is that human minds work,
29
86029
1798
hogy hogyan működik az emberi elme,
01:27
from our amazing successes to our dismal failures.
30
87851
3671
elsöprő sikereinktől kezdve csúfos kudarcainkig.
01:32
To do that, I think about the computational structure
31
92552
2493
Ehhez a mindennapi életben előforduló problémák
01:35
of the problems that arise in everyday life,
32
95069
2659
számítógépes modelljét gondolom végig,
01:37
and compare the ideal solutions to those problems
33
97752
2375
és azok ideális megoldását összevetem
01:40
to the way that we actually behave.
34
100151
1747
viselkedésünkkel.
01:42
As a side effect,
35
102725
1185
Melléktermékként
01:43
I get to see how applying a little bit of computer science
36
103934
2715
világossá válik, hogy az informatika alkalmazása
01:46
can make human decision-making easier.
37
106673
1860
miként könnyíti meg az emberi döntéshozatalt.
01:49
I have a personal motivation for this.
38
109828
1847
Személyes motivációm van erre.
01:52
Growing up in Perth as an overly cerebral kid ...
39
112153
3166
Perthben nőttem fel, agyas-fejes kiskölyök voltam...
01:55
(Laughter)
40
115343
4731
(Nevetés)
02:00
I would always try and act in the way that I thought was rational,
41
120098
3147
Mindent ésszerűen igyekeztem megoldani és eszerint cselekedni,
02:03
reasoning through every decision,
42
123269
1597
minden döntést ésszel meghozni,
02:04
trying to figure out the very best action to take.
43
124890
2403
igyekeztem rátalálni a lehető legjobb megoldási módra.
02:07
But this is an approach that doesn't scale up
44
127972
2190
De ez a fajta megközelítés nem megfelelő olyankor,
02:10
when you start to run into the sorts of problems
45
130186
2242
amikor felnőtt életünk során
02:12
that arise in adult life.
46
132452
1500
egy halom új problémába ütközünk.
02:13
At one point, I even tried to break up with my girlfriend
47
133976
2728
Egyszer még a barátnőmmel is szakítani akartam,
02:16
because trying to take into account her preferences as well as my own
48
136728
3350
mert figyelembe akartam venni mindent, ami neki is, nekem is fontos,
02:20
and then find perfect solutions --
49
140102
1683
és így rátalálni a tökéletes megoldásokra –
02:21
(Laughter)
50
141809
2259
(Nevetés)
02:24
was just leaving me exhausted.
51
144092
1752
és ez végül teljesen kimerített.
02:25
(Laughter)
52
145868
2533
(Nevetés)
02:28
She pointed out that I was taking the wrong approach
53
148425
2429
Ő ráébresztett, hogy rosszul kezelem
02:30
to solving this problem --
54
150878
1609
ezt a problémát –
02:32
and she later became my wife.
55
152511
1382
majd később feleségül jött hozzám.
02:33
(Laughter)
56
153917
2062
(Nevetés)
02:36
(Applause)
57
156003
4971
(Taps)
02:40
Whether it's as basic as trying to decide what restaurant to go to
58
160998
3461
Mindegy, hogy csak azt kell eldöntenünk, hogy hol vacsorázzunk,
02:44
or as important as trying to decide who to spend the rest of your life with,
59
164483
4055
vagy olyan fontos döntést hozni, hogy kivel akarjuk leélni az életünket,
02:48
human lives are filled with computational problems
60
168562
2375
az emberi élet tele van olyan számítási problémákkal,
02:50
that are just too hard to solve by applying sheer effort.
61
170961
4196
amik pusztán erőből csak igen nehezen oldhatók meg.
02:55
For those problems,
62
175650
1166
Érdemes ilyen esetekben
02:56
it's worth consulting the experts:
63
176840
1961
szakember tanácsát kikérni:
02:58
computer scientists.
64
178825
1151
vagyis az informatikusét.
03:00
(Laughter)
65
180000
1784
(Nevetés)
03:01
When you're looking for life advice,
66
181808
1819
Ha életvezetési tanácsra van szükségünk,
03:03
computer scientists probably aren't the first people you think to talk to.
67
183651
3640
feltehetően nem az informatikus jut először eszünkbe.
03:07
Living life like a computer --
68
187315
1875
Számítógépként élni az életet –
03:09
stereotypically deterministic, exhaustive and exact --
69
189214
2578
közhelyesen előre meghatározott, kimerítő és kiszámítható –
03:11
doesn't sound like a lot of fun.
70
191816
1552
elég unalmasan hangzik.
03:14
But thinking about the computer science of human decisions
71
194153
2927
Ám ha az emberi döntések informatikájára gondolunk,
03:17
reveals that in fact, we've got this backwards.
72
197104
2408
kiderül, hogy valójában épp az ellenkezője igaz.
03:19
When applied to the sorts of difficult problems
73
199536
2198
Ha az emberi élet során felmerülő
03:21
that arise in human lives,
74
201758
1239
komoly problémákat tekintjük,
03:23
the way that computers actually solve those problems
75
203021
2727
a számítógépek ezeket valójában
03:25
looks a lot more like the way that people really act.
76
205772
2896
hasonlóképp kezelik, mint az emberek.
03:29
Take the example of trying to decide what restaurant to go to.
77
209267
2922
Nézzük például azt a kérdést, hogy melyik étterembe menjünk el.
03:33
This is a problem that has a particular computational structure.
78
213090
3088
Ez olyan probléma, melynek sajátos számítógépes modellje van.
03:36
You've got a set of options,
79
216202
1524
Adott egy sor választási lehetőség,
03:37
you're going to choose one of those options,
80
217750
2049
ezek közül egyet fogunk kiválasztani,
03:39
and you're going to face exactly the same decision tomorrow.
81
219823
2811
majd másnap pontosan ugyanazzal a döntéssel kerülünk szembe.
03:42
In that situation,
82
222658
1151
Ebben a helyzetben abba futunk bele,
03:43
you run up against what computer scientists call
83
223833
2295
amit az informatikusok úgy hívnak:
03:46
the "explore-exploit trade-off."
84
226152
2372
a "felderítés-kiaknázás dilemma."
03:49
You have to make a decision
85
229115
1334
Döntést kell hozni arról,
03:50
about whether you're going to try something new --
86
230473
2334
hogy ki akarunk-e próbálni valami újat –
03:52
exploring, gathering some information
87
232831
2183
felderíteni, információt gyűjteni,
03:55
that you might be able to use in the future --
88
235038
2285
amit a jövőben is alkalmazhatunk –
03:57
or whether you're going to go to a place that you already know is pretty good --
89
237347
3793
vagy menjünk egy kipróbált helyre,, amiről tudjuk, hogy elég jó –
04:01
exploiting the information that you've already gathered so far.
90
241164
3003
vagyis kiaknázzuk a már korábban begyűjtött információt.
04:05
The explore/exploit trade-off shows up any time you have to choose
91
245488
3096
A felderítés-kiaknázás dilemma mindig előjön,
04:08
between trying something new
92
248608
1350
valahányszor dönteni kell valami új,
04:09
and going with something that you already know is pretty good,
93
249982
2980
vagy valami olyan között, ami már bevált,
04:12
whether it's listening to music
94
252986
1550
legyen az zenehallgatás,
04:14
or trying to decide who you're going to spend time with.
95
254560
2634
vagy annak eldöntése, hogy kivel töltsük el az időt.
04:17
It's also the problem that technology companies face
96
257218
2494
Ugyanezzel a problémával szembesülnek a tech-cégek is,
04:19
when they're trying to do something like decide what ad to show on a web page.
97
259736
3667
amikor például arról döntenek, milyen reklámot tegyenek ki a honlapjukra.
04:23
Should they show a new ad and learn something about it,
98
263417
2572
Próbálkozzanak valami újjal,
vagy olyat tegyenek ki, amiről már tudják,
04:26
or should they show you an ad
99
266003
1383
04:27
that they already know there's a good chance you're going to click on?
100
267420
3306
hogy jó eséllyel rákattintunk?
04:30
Over the last 60 years,
101
270750
1151
Az elmúlt hatvan év során
04:31
computer scientists have made a lot of progress understanding
102
271925
2892
az informatikusok nagyot léptek előre
04:34
the explore/exploit trade-off,
103
274841
1452
a felderítés-kiaknázás dilemma megértésében,
04:36
and their results offer some surprising insights.
104
276317
2398
és eredményeik meglepő felismerésekhez vezettek.
04:39
When you're trying to decide what restaurant to go to,
105
279291
2598
Amikor azt próbáljuk eldönteni, melyik étterembe menjünk,
04:41
the first question you should ask yourself
106
281913
2000
először kérdezzük meg magunktól:
04:43
is how much longer you're going to be in town.
107
283937
2179
mennyi ideig leszünk a városban.
04:46
If you're just going to be there for a short time,
108
286505
2342
Ha csak rövid ideig,
04:48
then you should exploit.
109
288871
1515
akkor azt ki kell használni.
04:50
There's no point gathering information.
110
290410
1905
Ne vesztegessünk időt információgyűjtésre.
04:52
Just go to a place you already know is good.
111
292339
2048
Menjünk olyan helyre, amit már jól ismerünk.
04:54
But if you're going to be there for a longer time, explore.
112
294411
2929
Ám ha hosszabb ideig maradunk, akkor érdemes felderíteni.
04:57
Try something new, because the information you get
113
297364
2387
Próbáljunk ki valami újat,
04:59
is something that can improve your choices in the future.
114
299775
2974
mert a megszerzett információval bővül a későbbi választási lehetőségünk.
05:02
The value of information increases
115
302773
1979
Nő az információ értéke azzal,
05:04
the more opportunities you're going to have to use it.
116
304776
2600
hogy több lehetőségünk lesz használni.
05:08
This principle can give us insight
117
308193
1754
Ez az alapelv egyúttal
05:09
into the structure of a human life as well.
118
309971
2070
az emberi élet strukturáltságának megértéséhez is vezet.
05:13
Babies don't have a reputation for being particularly rational.
119
313104
3053
A csecsemők nem arról híresek, hogy különösebben racionálisak lennének.
05:17
They're always trying new things,
120
317098
1825
Folyton új dolgokkal kísérleteznek,
05:18
and you know, trying to stick them in their mouths.
121
318947
2836
és mindent igyekeznek a szájukba gyömöszölni.
05:22
But in fact, this is exactly what they should be doing.
122
322621
2952
Lényegében pontosan ez a dolguk.
05:25
They're in the explore phase of their lives,
123
325597
2430
Életük felfedező korszakát élik,
05:28
and some of those things could turn out to be delicious.
124
328051
2621
és a vizsgált tárgyak némelyike egészen finom lehet.
05:32
At the other end of the spectrum,
125
332040
1572
A másik véglet az öreg fószer,
05:33
the old guy who always goes to the same restaurant
126
333636
2506
aki folyton ugyanabba az étterembe jár,
05:36
and always eats the same thing
127
336166
1635
mindig ugyanazt eszi.
05:37
isn't boring --
128
337825
1328
Nem azért, mert unalmas
05:39
he's optimal.
129
339177
1509
hanem mert optimális.
05:40
(Laughter)
130
340710
3830
(Nevetés)
05:44
He's exploiting the knowledge that he's earned
131
344564
2228
Felhasználja azt a tudást,
05:46
through a lifetime's experience.
132
346816
1767
amit egész élete során begyűjtött.
05:50
More generally,
133
350406
1151
Nagy általánosságban véve
05:51
knowing about the explore/exploit trade-off
134
351581
2031
a felderítés-kiaknázás dilemma ismerete
05:53
can make it a little easier for you to sort of relax and go easier on yourself
135
353636
3667
megkönnyítheti nekünk a döntéshozatalt,
05:57
when you're trying to make a decision.
136
357327
1810
lazíthatunk, megkönnyebbülünk.
05:59
You don't have to go to the best restaurant every night.
137
359161
2728
Nem muszáj minden este a legjobb étterembe menni.
06:01
Take a chance, try something new, explore.
138
361913
2979
Adjunk esélyt, próbálkozzunk, fedezzünk fel újakat.
06:04
You might learn something.
139
364916
1627
Mindig tanulhatunk valamit,
06:06
And the information that you gain
140
366567
1589
és a begyűjtött információ
06:08
is going to be worth more than one pretty good dinner.
141
368180
2543
többet érhet, mint egy jó vacsora.
Az informatika könnyebbséget nyújthat az élet más területein is,
06:12
Computer science can also help to make it easier on us
142
372178
2699
06:14
in other places at home and in the office.
143
374901
2152
például otthon vagy a munkahelyünkön.
06:17
If you've ever had to tidy up your wardrobe,
144
377860
2453
Aki valaha is nekifogott már a szekrénye lomtalanításának,
06:20
you've run into a particularly agonizing decision:
145
380337
2671
az tudja, milyen kínszenvedés eldönteni:
06:23
you have to decide what things you're going to keep
146
383032
2382
miket akarunk megtartani,
06:25
and what things you're going to give away.
147
385438
2009
és mi az, amit elajándékoznánk.
06:27
Martha Stewart turns out to have thought very hard about this --
148
387974
3000
Martha Stewartnak történetesen igen kemény véleménye volt erről –
06:30
(Laughter)
149
390998
1205
(Nevetés)
06:32
and she has some good advice.
150
392227
1678
és akad pár jó tanácsa.
06:33
She says, "Ask yourself four questions:
151
393929
2295
Azt mondja, négy kérdést tegyünk fel magunknak:
06:36
How long have I had it?
152
396248
1526
Mióta van meg?
06:37
Does it still function?
153
397798
1450
Jó még?
06:39
Is it a duplicate of something that I already own?
154
399272
3199
Van másik ugyanilyen darabom is?
06:42
And when was the last time I wore it or used it?"
155
402495
2411
Mikor volt rajtam, vagy mikor használtam utoljára?
06:46
But there's another group of experts
156
406648
1715
Létezik azonban egy szakembercsoport,
06:48
who perhaps thought even harder about this problem,
157
408387
3130
amelyik talán még keményebben fogalmazza meg ezt a problémát.
06:51
and they would say one of these questions is more important than the others.
158
411541
3660
Szerintük a fenti kérdések egyike fontosabb a többinél.
06:55
Those experts?
159
415819
1150
Kik ezek a szakemberek?
06:57
The people who design the memory systems of computers.
160
417281
2848
Azok, akik a számítógépek memóriáját tervezik.
07:00
Most computers have two kinds of memory systems:
161
420153
2254
A legtöbb számítógépnek kétféle memóriája van:
07:02
a fast memory system,
162
422431
1387
egy gyors memória, például egy memóriachip-készlet.
07:03
like a set of memory chips that has limited capacity,
163
423842
3169
Ez korlátozott kapacitású,
07:07
because those chips are expensive,
164
427035
2052
mert azok a chipek drágák,
07:09
and a slow memory system, which is much larger.
165
429111
3260
valamint egy lassú memória, ami jóval nagyobb.
07:13
In order for the computer to operate as efficiently as possible,
166
433239
3000
Ahhoz, hogy a számítógép a lehető leghatékonyabban működjön,
07:16
you want to make sure
167
436263
1151
biztosítanunk kell,
07:17
that the pieces of information you want to access
168
437438
2352
hogy azok az információk, amiket el akarunk érni.
07:19
are in the fast memory system,
169
439814
1477
a gyors memóriában legyenek,
07:21
so that you can get to them quickly.
170
441315
1754
így gyorsan hozzáférhetünk.
07:23
Each time you access a piece of information,
171
443093
2061
Valahányszor hozzáférünk egy információhoz,
07:25
it's loaded into the fast memory
172
445178
1525
az betöltődik a gyors memóriába,
07:26
and the computer has to decide which item it has to remove from that memory,
173
446727
3877
és a gépnek döntenie kell, melyik elemet törölje helyette a memóriájából,
07:30
because it has limited capacity.
174
450628
1741
hiszen a kapacitása véges.
07:33
Over the years,
175
453794
1151
Az évek során az informatikusok
07:34
computer scientists have tried a few different strategies
176
454969
2739
kipróbáltak pár különféle stratégiát
07:37
for deciding what to remove from the fast memory.
177
457732
2292
annak eldöntésére, mi törlődjön a gyors memóriából.
07:40
They've tried things like choosing something at random
178
460048
3176
Próbálkoztak a véletlenszerű választással,
07:43
or applying what's called the "first-in, first-out principle,"
179
463248
2906
vagy az úgynevezett "first-in, first-out" elvvel,
07:46
which means removing the item
180
466178
1399
ami azt jelenti: azt törli a gép,
07:47
which has been in the memory for the longest.
181
467601
2176
ami legkorábban került a memóriájába.
Az igazán hatékony törlési stratégia azokra összpontosít,
07:50
But the strategy that's most effective
182
470091
2713
07:52
focuses on the items which have been least recently used.
183
472828
3229
amiket már régóta nem használtak.
07:56
This says if you're going to decide to remove something from memory,
184
476972
3191
Ha például úgy döntünk, törölni akarunk valamit a memóriából,
08:00
you should take out the thing which was last accessed the furthest in the past.
185
480187
4968
azt kell választani, amivel a legrégebben dolgoztunk.
08:05
And there's a certain kind of logic to this.
186
485179
2159
Van ebben bizonyos logika.
08:07
If it's been a long time since you last accessed that piece of information,
187
487362
3598
Ha régóta nem nyúltunk ahhoz az információhoz,
08:10
it's probably going to be a long time
188
490984
1762
valószínűleg
08:12
before you're going to need to access it again.
189
492770
2192
jó ideig nem is lesz rá szükségünk.
08:15
Your wardrobe is just like the computer's memory.
190
495787
2774
A szekrényünk is olyan, mint a számítógép memóriája.
08:18
You have limited capacity,
191
498585
2030
Befogadóképessége korlátozott,
08:20
and you need to try and get in there the things that you're most likely to need
192
500639
5327
ezért olyan holmikkal érdemes megpakolni, amiket valószínűleg használni fogunk,
08:25
so that you can get to them as quickly as possible.
193
505990
2419
így a lehető leggyorsabban hozzáférhetünk.
08:29
Recognizing that,
194
509016
1151
Ha ezt felismerjük,
08:30
maybe it's worth applying the least recently used principle
195
510191
2813
talán érdemes alkalmazni a fenti alapelvet
08:33
to organizing your wardrobe as well.
196
513028
1949
a szekrényünk rendezéséhez is.
08:35
So if we go back to Martha's four questions,
197
515001
2082
Visszatérve Martha négy kérdéséhez,
08:37
the computer scientists would say that of these,
198
517107
2861
az informatikusok valószínűleg
08:39
the last one is the most important.
199
519992
1941
az utolsót tartják a legfontosabbnak.
08:43
This idea of organizing things
200
523473
2055
Az ötlet, hogy aszerint rendezzük el tárgyainkat,
08:45
so that the things you are most likely to need are most accessible
201
525552
3129
hogy az legyen elöl, ami feltehetően a legszükségesebb,
08:48
can also be applied in your office.
202
528705
1676
az irodánkban is segíthet rendet tartani.
08:51
The Japanese economist Yukio Noguchi
203
531091
1930
A japán közgazdász, Yukio Noguchi
08:53
actually invented a filing system that has exactly this property.
204
533045
3055
feltalált egy kartotékrendszert, pontosan a fenti alapelv mentén.
08:57
He started with a cardboard box,
205
537161
1609
Egy kartondobozzal kezdte,
08:58
and he put his documents into the box from the left-hand side.
206
538794
2940
balról kezdve beletette az iratait.
Valahányszor újabbat tett bele,
09:02
Each time he'd add a document,
207
542067
1434
09:03
he'd move what was in there along
208
543525
1621
mindig odébb tolta a többit,
09:05
and he'd add that document to the left-hand side of the box.
209
545170
2810
és mindig bal oldalra tette az újat.
09:08
And each time he accessed a document, he'd take it out,
210
548004
2667
És valahányszor kivett egyet, dolgozott vele,
09:10
consult it and put it back in on the left-hand side.
211
550695
2608
majd mindig a bal oldalra tette vissza.
09:13
As a result, the documents would be ordered from left to right
212
553327
3281
Így végső soron az iratait balról jobbra rendezte aszerint,
09:16
by how recently they had been used.
213
556632
1761
hogy melyiket használta legutóbb.
09:18
And he found he could quickly find what he was looking for
214
558417
2774
Így mindig könnyen, gyorsan megtalálta, amit keresett,
09:21
by starting at the left-hand side of the box
215
561215
2054
mindig bal oldalról kezdve,
09:23
and working his way to the right.
216
563293
1572
jobb felé folytatva a keresést.
09:25
Before you dash home and implement this filing system --
217
565215
2621
Mielőtt hazarobognának, hogy megvalósítsák ezt a rendszert –
09:27
(Laughter)
218
567860
1731
(Nevetés)
09:29
it's worth recognizing that you probably already have.
219
569615
2638
érdemes átgondolni: talán már meg is valósították.
09:32
(Laughter)
220
572891
3310
(Nevetés)
09:36
That pile of papers on your desk ...
221
576225
2866
Az a papírhalom az íróasztalukon...
09:39
typically maligned as messy and disorganized,
222
579115
2474
jellemzően úgy becsméreljük, hogy kaotikus és rendetlen,
09:41
a pile of papers is, in fact, perfectly organized --
223
581613
2565
de egy ilyen papírhalom valójában tökéletesen szervezett –
09:44
(Laughter)
224
584202
1000
(Nevetés)
09:45
as long as you, when you take a paper out,
225
585226
2014
hisz amikor kihúznak belőle egy lapot,
09:47
put it back on the top of the pile,
226
587264
2432
a halom tetejére teszik vissza,
09:49
then those papers are going to be ordered from top to bottom
227
589720
2826
a lapok tehát fentről lefelé időrendi sorban állnak aszerint,
09:52
by how recently they were used,
228
592570
1552
hogy melyikkel dolgoztak legutóbb.
09:54
and you can probably quickly find what you're looking for
229
594146
2701
Így valószínűleg gyorsan megtalálják, amit keresnek,
09:56
by starting at the top of the pile.
230
596871
1700
ha a kupac tetején kezdik a keresést.
09:59
Organizing your wardrobe or your desk
231
599988
1848
Feltételezem, nem a szekrényük vagy íróasztaluk rendezése
10:01
are probably not the most pressing problems in your life.
232
601860
2681
életük legnyomasztóbb gondja.
10:05
Sometimes the problems we have to solve are simply very, very hard.
233
605588
3602
Olykor a megoldandó problémák egyszerűen igen-igen nehezek.
10:09
But even in those cases,
234
609716
1150
De az informatikusoknak
10:10
computer science can offer some strategies
235
610890
2021
még ilyen esetekre is van stratégiájuk,
10:12
and perhaps some solace.
236
612935
1669
és talán meg is nyugtatnak.
A legjobb algoritmusok lényege, hogy a lehető legkevesebb időn belül
10:16
The best algorithms are about doing what makes the most sense
237
616048
3075
10:19
in the least amount of time.
238
619147
1502
a legtöbbet hozzák ki a programból.
10:22
When computers face hard problems,
239
622627
1958
A számítógépes feldolgozás során a bonyolult problémák helyett
10:24
they deal with them by making them into simpler problems --
240
624609
2762
egyszerűbbeket vesznek:
10:27
by making use of randomness,
241
627395
1346
véletlenszerűen választott speciális eseteket,
10:28
by removing constraints or by allowing approximations.
242
628765
3817
vagy elhagynak néhány feltételt, esetleg közelítő megoldást keresnek.
10:32
Solving those simpler problems
243
632606
1494
Az egyszerűbb problémák megoldásával
10:34
can give you insight into the harder problems,
244
634124
2920
kapunk némi képet a nehezebbek természetéről,
10:37
and sometimes produces pretty good solutions in their own right.
245
637068
3031
és előfordulhat, hogy ily módon egész jó megoldások születnek.
10:41
Knowing all of this has helped me to relax when I have to make decisions.
246
641658
3569
Ennek ismerete segített abban, hogy lazán hozzam meg döntéseimet.
10:45
You could take the 37 percent rule for finding a home as an example.
247
645251
3255
Például alkalmazhatjuk a 37 százalékos szabályt, amikor lakást keresünk.
10:49
There's no way that you can consider all of the options,
248
649015
2702
Képtelenség végigjárni az összes adódó lehetőséget,
10:51
so you have to take a chance.
249
651741
1580
ezért kockáztatni kell.
10:53
And even if you follow the optimal strategy,
250
653888
2860
De még a legjobb stratégia követése sem garantálja
10:56
you're not guaranteed a perfect outcome.
251
656772
1931
a tökéletes végeredményt.
10:59
If you follow the 37 percent rule,
252
659198
2154
Ha a 37 százalékos szabályt követjük,
11:01
the probability that you find the very best place is --
253
661376
3279
a legeslegjobb hely megtalálásának esélye –
11:04
funnily enough ...
254
664679
1508
elég vicces –
11:06
(Laughter)
255
666211
1014
(Nevetés)
11:07
37 percent.
256
667249
1420
mindössze 37 százalék.
11:09
You fail most of the time.
257
669966
1689
Többnyire tévedünk.
11:12
But that's the best that you can do.
258
672522
1744
De ez a legjobb, amit tehetünk.
11:14
Ultimately, computer science can help to make us more forgiving
259
674846
3052
Az informatika végül is abban segít, hogy elnézőbbek legyünk
11:17
of our own limitations.
260
677922
1909
saját korlátainkkal szemben.
11:20
You can't control outcomes, just processes.
261
680333
2539
Nincs hatásunk a végeredményre, csak a folyamatokra.
11:22
And as long as you've used the best process,
262
682896
2119
Amennyiben a legjobb folyamatot alkalmaztuk,
11:25
you've done the best that you can.
263
685039
1763
megtettünk minden tőlünk telhetőt.
11:26
Sometimes those best processes involve taking a chance --
264
686826
3688
Van úgy, hogy a legjobb eljárásnál kockáztatnunk kell –
11:30
not considering all of your options,
265
690538
2115
nem veszünk figyelembe minden lehetőséget,
11:32
or being willing to settle for a pretty good solution.
266
692677
2729
vagy készek vagyunk beérni egy viszonylag jó megoldással.
11:35
These aren't the concessions that we make when we can't be rational --
267
695430
3350
Ezek nem olyan engedmények, amiket ésszerűség híján kell megtennünk –
11:38
they're what being rational means.
268
698804
1629
hanem éppen így vagyunk racionálisak.
11:40
Thank you.
269
700833
1151
Köszönöm.
11:42
(Applause)
270
702008
4547
(Taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7