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

תרגום: Shlomo Adam עריכה: Ido Dekkers

If there's one city in the world

אם יש עיר אחת בעולם

שבה קשה למצוא מקום שאפשר לקנות או לשכור,

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

it's Sydney.

זאת סידני.

ואם ניסיתם לאחרונה למצוא כאן בית,

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

you're familiar with the problem.

אתם מכירים את הבעיה.

בכל פעם שאתם נכנסים לדירה לדוגמה

Every time you walk into an open house,

you get some information about what's out there

אתם מקבלים מידע מסוים על המצב

and what's on the market,

ועל מה שיש בשוק.

but every time you walk out,

אבל בכל פעם שאתם יוצאים החוצה,

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

אתם מסתכנים בכך שתחמיצו את הבית הכי טוב.

So how do you know when to switch from looking

אז איך אתם יודעים מתי להפסיק לבחון דירות

to being ready to make an offer?

ולהיות מוכנים להציע מחיר?

This is such a cruel and familiar problem

זאת בעיה אכזרית ומוכרת כל-כך

שאולי תופתעו לשמוע שיש לה פתרון פשוט.

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

37 percent.

37 אחוזים.

(Laughter)

(צחוק)

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

אם ברצונכם למרב את הסבירות לכך שתמצאו את המקום הכי טוב,

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

עליכם לבדוק 37% ממה שיש בשוק,

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

ולהציע מחיר למקום הבא שתבדקו,

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

שמוצא חן בעיניכם יותר מכל מה שראיתם לפניו.

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

ואם אתם מחפשים כבר חודש, קחו עוד 37% מהזמן הזה -

11 יום, בתור תקן -

11 days, to set a standard --

ואז אתם מוכנים לפעול.

and then you're ready to act.

We know this because trying to find a place to live

אנו יודעים זאת כי הנסיון למצוא מקום מגורים

is an example of an optimal stopping problem.

הוא דוגמה ל"בעיית עצירה מיטבית",

A class of problems that has been studied extensively

סוג בעיות שנחקרו היטב

by mathematicians and computer scientists.

בידי מתמטיקאים ומדעני מחשבים.

I'm a computational cognitive scientist.

אני איש מחשבים במדעי הקוגניציה.

אני מקדיש את זמני לנסיון להבין

I spend my time trying to understand

איך פועל מוח האדם,

how it is that human minds work,

from our amazing successes to our dismal failures.

מתוך הצלחותינו המדהימות וגם מכשלונותינו המבישים.

To do that, I think about the computational structure

לצורך כך אני חושב על המבנה החישובי

של בעיות היומיום,

of the problems that arise in everyday life,

and compare the ideal solutions to those problems

ומשווה את הפתרונות האידאליים לבעיות אלה

עם התנהגותנו בפועל.

to the way that we actually behave.

As a side effect,

אגב כך,

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

אני מגלה איך יישום קצת מדע מחשבים

can make human decision-making easier.

יכול להקל על קבלת ההחלטות האנושית.

I have a personal motivation for this.

יש לי מניע אישי לכך.

גדלתי בפרת' כילד עם ראש גדול מדי...

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

(צחוק)

(Laughter)

השתדלתי תמיד לפעול באופן שנראה לי הגיוני,

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

שקלתי כל החלטה,

reasoning through every decision,

trying to figure out the very best action to take.

ניסיתי למצוא מהי הפעולה שבה הכי כדאי לנקוט.

But this is an approach that doesn't scale up

אבל זאת גישה שלא עומדת במבחן הבעיות שצצות בחיים הבוגרים.

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

פעם אפילו ניסיתי להיפרד מחברה שלי

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

בעקבות הנסיון להתחשב בהעדפותיה ובהעדפותי

ולמצוא פתרונות מושלמים -

and then find perfect solutions --

(Laughter)

(צחוק)

זה רק התיש אותי.

was just leaving me exhausted.

(Laughter)

(צחוק)

She pointed out that I was taking the wrong approach

היא ציינה בפני שאני נוקט בגישה מוטעית

to solving this problem --

לפתרון הבעיה הזאת -

and she later became my wife.

ולימים הפכה להיות אשתי.

(Laughter)

(צחוק)

(מחיאות כפיים)

(Applause)

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

בין אם זה משהו בסיסי כמו להחליט לאיזו מסעדה ללכת,

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

או משהו חשוב כמו להחליט עם מי לבלות את שארית חייך,

human lives are filled with computational problems

החיים האנושיים מלאים בבעיות חישוביות

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

שפשוט קשה מדי לפתרן בכוח בלבד.

For those problems,

בבעיות כאלה כדאי להתייעץ עם מומחים:

it's worth consulting the experts:

computer scientists.

מדעני המחשבים.

(צחוק)

(Laughter)

When you're looking for life advice,

כשאתם מחפשים עצה לחיים,

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

אולי אינכם חושבים לפנות אל מדעני המחשבים.

Living life like a computer --

לחיות את החיים כמו מחשב -

סטריאוטיפ דטרמיניסטי, מקיף ומדויק -

stereotypically deterministic, exhaustive and exact --

doesn't sound like a lot of fun.

לא נשמע כיף גדול.

אבל החשיבה על מדעי המחשב של ההחלטות האנושיות

But thinking about the computer science of human decisions

חושפת שאנו מבינים את זה הפוך.

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

When applied to the sorts of difficult problems

כשמיישמים זאת לבעיות הקשות שמתעוררות בחיים האנושיים,

that arise in human lives,

הדרך בה המחשבים פותרים בעיות אלה

the way that computers actually solve those problems

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

נראית הרבה יותר כמו הדרך בה מתנהגים בפועל בני-אדם.

לדוגמה, ההחלטה לאיזו מסעדה ללכת.

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

זאת בעיה עם מבנה חישובי ייחודי.

This is a problem that has a particular computational structure.

יש לכם מערך של אפשרויות,

You've got a set of options,

you're going to choose one of those options,

אתם בוחרים אחת מאפשרויות אלה,

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

ומחר תיאלצו לקבל אותה החלטה בדיוק.

In that situation,

במצב זה,

you run up against what computer scientists call

אתם במצב שמדעני המחשב מכנים

"ניסוי או מיצוי".

the "explore-exploit trade-off."

עליכם לקבל החלטה אם לנסות משהו חדש -

You have to make a decision

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

exploring, gathering some information

ניסוי, איסוף מידע נוסף שאולי תוכלו לנצל בעתיד -

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

או שמא ללכת למקום שידוע לכם שהוא טוב למדי -

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

מיצוי המידע שעד כה אספתם.

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

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

בעיית "ניסוי או מיצוי" עולה תמיד כשעליכם לבחור

between trying something new

בין בדיקה של משהו חדש

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

לבין היצמדות למשהו שידוע לכם שהוא טוב למדי,

בין אם מדובר בהאזנה למוסיקה

whether it's listening to music

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

או בהחלטה עם מי לבלות.

זוהי גם הבעיה של חברות הטכנולוגיה

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.

כשהן מנסות למשל להחליט איזו פרסומת להציג באינטרנט.

האם כדאי שינסו פרסומת חדשה וילמדו מזה משהו,

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

או להציג לכם פרסומת שכבר ידוע להם

or should they show you an ad

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

שיש סיכוי טוב שתקליקו עליה?

Over the last 60 years,

ב-60 השנה האחרונות

computer scientists have made a lot of progress understanding

מדעני המחשבים התקדמו מאד בתחום בעיית ה"ניסוי או מיצוי",

the explore/exploit trade-off,

והמחקר שלהם הניב כמה תובנות מפתיעות.

and their results offer some surprising insights.

כשאתם מנסים להחליט לאיזו מסעדה ללכת,

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

the first question you should ask yourself

השאלה הראשונה שעליכם לשאול את עצמכם היא,

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

כמה זמן עוד תהיו בעיר.

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

אם תהיו בעיר זמן קצר בלבד,

then you should exploit.

כדאי לכם למצות.

There's no point gathering information.

אין טעם לאסוף מידע.

Just go to a place you already know is good.

לכו פשוט למקום שכבר ידוע לכם שהוא טוב.

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

אבל אם תישארו בעיר זמן רב יותר, נסו.

Try something new, because the information you get

נסו משהו חדש, כי המידע שתשיגו

is something that can improve your choices in the future.

עשוי לשפר את בחירותיכם העתידיות.

The value of information increases

ערך המידע עולה

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

ככל שמתרבות האפשרויות שלכם לנצל אותו.

עקרון זה יכול לתת לנו הבנה גם לגבי מבנה החיים האנושיים.

This principle can give us insight

into the structure of a human life as well.

לתינוקות אין מוניטין של יצורים רציונליים במיוחד.

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

הם תמיד מנסים דברים חדשים,

They're always trying new things,

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

מנסים להכניס דברים לפה.

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

אך למעשה, זה בדיוק מה שהם אמורים לעשות.

They're in the explore phase of their lives,

הם מצויים בשלב ה"ניסוי" של חייהם,

וכמה מהדברים האלה אולי יתגלו כטעימים.

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

בקצה האחר של הקשת,

At the other end of the spectrum,

the old guy who always goes to the same restaurant

הזקן שהולך תמיד לאותה מסעדה

ואוכל תמיד אותו אוכל

and always eats the same thing

isn't boring --

איננו משעמם:

הוא מיטבי.

he's optimal.

(Laughter)

(צחוק)

He's exploiting the knowledge that he's earned

הוא ממצה את הידע שרכש

through a lifetime's experience.

במהלך כל נסיון חייו.

More generally,

באופן כללי יותר, ככל שתבינו בבעיית "ניסוי או מיצוי",

knowing about the explore/exploit trade-off

יהיה לכם קצת יותר קל להירגע ולסלוח לעצמכם

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

כשאתם מנסים לקבל החלטה.

when you're trying to make a decision.

אינכם מוכרחים ללכת בכל ערב למסעדה הכי טובה.

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

Take a chance, try something new, explore.

קחו סיכון, נסו משהו חדש, התנסו.

You might learn something.

אולי תלמדו משהו חדש.

And the information that you gain

ולמידע שתרכשו

יהיה יותר ערך מאשר סעודה טובה למדי.

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

מדעי המחשב יכולים גם להקל עלינו

Computer science can also help to make it easier on us

in other places at home and in the office.

במקומות אחרים בבית ובמשרד.

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

אם נאלצתם אי-פעם לסדר את המלתחה,

you've run into a particularly agonizing decision:

נקלעתם לדילמה מייסרת במיוחד:

להחליט אילו דברים תשאירו

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

and what things you're going to give away.

ואילו דברים תמסרו.

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

מסתבר שמרתה סטיוארט השקיעה בכך מחשבה מרובה -

(Laughter)

(צחוק)

ויש לה כמה עצות טובות.

and she has some good advice.

She says, "Ask yourself four questions:

היא אומרת, "שאלו את עצמכם ארבע שאלות:

1. ממתי הפריט הזה אצלי?

How long have I had it?

Does it still function?

2. האם הוא עדיין תקין?

3. יש לי שניים כאלה או יותר?

Is it a duplicate of something that I already own?

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

4. מתי לאחרונה לבשתי או השתמשתי בזה?

But there's another group of experts

אבל יש קבוצה נוספת של מומחים

שחשבו אולי עוד יותר לעומק על הבעיה הזאת,

who perhaps thought even harder about this problem,

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

והם אומרים שאחת השאלות האלה יותר חשובה מהאחרות.

Those experts?

מיהם המומחים האלה?

האנשים שמתכננים את מערכות הזכרון של מחשבים.

The people who design the memory systems of computers.

לרוב המחשבים יש שני סוגי מערכות זכרון:

Most computers have two kinds of memory systems:

a fast memory system,

מערכת זכרון מהיר,

like a set of memory chips that has limited capacity,

מערך שבבי מחשב בעל קיבולת מוגבלת

משום שהם יקרים,

because those chips are expensive,

ומערכת זכרון איטי, גדולה בהרבה.

and a slow memory system, which is much larger.

כדי שהמחשב יתפקד בשיא היעילות,

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

יש לוודא שהמידע שאליו רוצים לגשת

you want to make sure

that the pieces of information you want to access

יימצא במערכת הזכרון המהיר,

are in the fast memory system,

כדי שאפשר יהיה להגיע אליו במהירות.

so that you can get to them quickly.

בכל פעם שניגשים לפיסת מידע היא נטענת לזכרון המהיר

Each time you access a piece of information,

it's loaded into the fast memory

והמחשב צריך להחליט מה למחוק מאותו זכרון

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

because it has limited capacity.

בגלל קיבולתו המוגבלת.

Over the years,

במשך השנים מדעני המחשב ניסו שיטות שונות

computer scientists have tried a few different strategies

כדי להחליט מה למחוק מהזכרון המהיר.

for deciding what to remove from the fast memory.

הם ניסו דברים כמו בחירה אקראית,

They've tried things like choosing something at random

או עקרון "נכנס ראשון - יוצא ראשון",

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

כלומר, מחיקת הפריט שהיה הכי הרבה זמן בזכרון.

which means removing the item

which has been in the memory for the longest.

אבל השיטה הכי יעילה

But the strategy that's most effective

focuses on the items which have been least recently used.

מתמקדת בפריטים שהיו הכי מעט בשימוש לאחרונה.

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

כלומר, אם רוצים להחליט מה למחוק מהזכרון,

יש למחוק את הפריט שניגשו אליו הכי מזמן.

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

ויש בכך הגיון מסוים.

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,

אם הגישה לפריט מסוים נעשתה לפני הכי הרבה זמן,

it's probably going to be a long time

יש להניח שיעבור הרבה זמן עד שייגשו אליו שוב.

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

Your wardrobe is just like the computer's memory.

המלתחה שלכם דומה לזכרון המחשב.

You have limited capacity,

הקיבולת היא מוגבלת,

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

ועליכם להכניס לשם את הדברים הכי נחוצים לכם

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

כדי שתגיעו אליהם מהר ככל האפשר.

אם מקבלים זאת,

Recognizing that,

אולי כדאי ליישם את עקרון הניצול המועט ביותר גם לארגון המלתחה.

maybe it's worth applying the least recently used principle

to organizing your wardrobe as well.

אז אם נחזור לארבע השאלות של מרתה,

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

מדעני המחשב יאמרו שמתוכן,

the computer scientists would say that of these,

the last one is the most important.

השאלה האחרונה היא הכי חשובה.

This idea of organizing things

הרעיון של ארגון דברים

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

כך שמה שסביר שתצטרכו יותר יהיה הכי נגיש

can also be applied in your office.

יפה גם למשרד.

הכלכלן היפני יוקיו נוגוצ'י

The Japanese economist Yukio Noguchi

המציא אפילו שיטת תיוק שזהו בדיוק המאפיין שלה.

actually invented a filing system that has exactly this property.

הוא התחיל עם תיבת קרטון,

He started with a cardboard box,

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

והכניס את מסמכיו לתיבה בצד שמאל.

בכל פעם שהוסיף מסמך,

Each time he'd add a document,

he'd move what was in there along

הזיז הלאה את התכולה

ע"י הוספת המסמך החדש בצד שמאל.

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

ובכל פעם שניגש למסמך, הוציא אותו,

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

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

עיין בו והחזירו בצד שמאל.

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

כתוצאה מכך, המסמכים היו מסודרים משמאל לימין

by how recently they had been used.

לפי המועד האחרון בהם היו בשימוש.

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

והוא גילה שהוא מוצא מהר את מה שהוא מחפש

כשהוא מתחיל לחפש בצד שמאל של התיבה

by starting at the left-hand side of the box

ומתקדם ימינה.

and working his way to the right.

לפני שאתם אצים הביתה ומיישמים את עקרון התיוק הזה --

Before you dash home and implement this filing system --

(Laughter)

(צחוק)

it's worth recognizing that you probably already have.

כדאי שתכירו בכך שאתם כבר מיישמים אותו.

(Laughter)

(צחוק)

ערימת הניירות שעל שולחנכם...

That pile of papers on your desk ...

שבד"כ מושמצת כבלגן,

typically maligned as messy and disorganized,

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

ערימת הניירות הזאת בעצם מאורגנת להפליא -

(צחוק)

(Laughter)

אם תמיד, שאתם שולפים נייר כלשהו,

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

תקפידו להחזירו לראש הערימה,

put it back on the top of the pile,

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

המסמכים יהיו מסודרים מלמעלה למטה לפי מועד השימוש האחרון,

by how recently they were used,

וסביר שתמצאו מהר את מה שאתם מחפשים

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

אם תתחילו מלמעלה.

by starting at the top of the pile.

Organizing your wardrobe or your desk

ארגון המלתחה או השולחן

are probably not the most pressing problems in your life.

אולי אינן הבעיות הכי דוחקות בחייכם.

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

לפעמים הבעיות שעלינו לפתור הן פשוט קשות עד מאד.

But even in those cases,

אבל אפילו במקרים אלה, מדעי המחשב יכולים להציע שיטות

computer science can offer some strategies

and perhaps some solace.

ואולי נחמה כלשהי.

טובי האלגוריתמים מנסים למצוא מה הכי הגיוני לעשות

The best algorithms are about doing what makes the most sense

בזמן הקצר ביותר.

in the least amount of time.

When computers face hard problems,

כשמחשבים נתקלים בבעיות קשות,

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

הם מתמודדים עימן בהפיכתן לבעיות פשוטות יותר -

by making use of randomness,

באמצעות אקראיות,

by removing constraints or by allowing approximations.

בסילוק מגבלות או באיפשור קליעה מקורבת.

Solving those simpler problems

פתרון בעיות פשוטות יותר אלה

יכול לתת תובנה לגבי הבעיות הקשות יותר,

can give you insight into the harder problems,

ולעתים, לספק פתרונות טובים למדי בזכות עצמם.

and sometimes produces pretty good solutions in their own right.

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

כל הידע הזה איפשר לי להירגע כשעלי לקבל החלטות.

קחו לדוגמה את כלל 37 האחוזים למציאת בית.

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

אין סיכוי שתוכלו לשקול את כל האפשרויות,

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

so you have to take a chance.

ולכן עליכם להסתכן.

And even if you follow the optimal strategy,

ואפילו אם תנהגו על פי השיטה המיטבית,

you're not guaranteed a perfect outcome.

לא מובטחת לכם תוצאה מושלמת.

אם תאמצו את כלל 37 האחוזים,

If you follow the 37 percent rule,

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

הסבירות לכך שתמצאו את הבית הכי טוב היא -

funnily enough ...

כמה מוזר -

(צחוק)

(Laughter)

37 אחוזים.

37 percent.

You fail most of the time.

רוב הזמן לא תצליחו,

But that's the best that you can do.

אבל זה הכי טוב שתוכלו לעשות.

Ultimately, computer science can help to make us more forgiving

בשורה התחתונה, מדעי המחשב יכולים להפוך אותנו לסלחניים יותר

of our own limitations.

ביחס למגבלותינו.

You can't control outcomes, just processes.

אינכם יכולים לשלוט בתוצאות אלא רק בתהליכים.

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

וכל עוד השתמשתם בתהליך הכי טוב,

הרי שעשיתם כמיטב יכולתכם.

you've done the best that you can.

Sometimes those best processes involve taking a chance --

לפעמים התהליכים הכי טובים האלה כרוכים בנטילת סיכון -

not considering all of your options,

לא לשקול את כל האפשרווית,

or being willing to settle for a pretty good solution.

או להיות מוכנים להסתפק בפתרון די טוב,

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

אלה אינם וויתורים שאנו עושים כשאיננו יכולים לנהוג בהגיון;

they're what being rational means.

זוהי בדיוק התנהגות הגיונית.

Thank you.

תודה לכם.

(מחיאות כפיים)

(Applause)