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

번역: Yoonyoung Chang 검토: Jihyeon J. Kim

If there's one city in the world

세계에서 한 도시가

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

집을 사거나 임대하기 어려운 곳이 있다면

it's Sydney.

그건 시드니입니다.

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

최근 여기서 집을 구하려 했다면

you're familiar with the problem.

여러분은 이 문제에 익숙할 겁니다.

Every time you walk into an open house,

매물로 나온 집을 보러 갈 때마다

you get some information about what's out there

밖에 무엇이 있고

and what's on the market,

시장에 무엇이 있는지에 대한 정보를 얻습니다.

but every time you walk out,

하지만 매번 나올 때마다

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

바로 최적의 장소를 지나치는 위험에 처하죠.

So how do you know when to switch from looking

보기만 하다가 제안해야 할 때를 어떻게 알 수 있을까요?

to being ready to make an offer?

This is such a cruel and familiar problem

이는 참 고통스럽고 친숙한 문제인데

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

간단한 해결책이 있다는 건 놀라운 사실입니다.

37 percent.

37%입니다.

(Laughter)

(웃음)

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

최상의 장소를 찾는 가능성을 극대화하고 싶다면

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

시장에 있는 37%를 반드시 보고

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

그 다음에 보는 곳에 제안을 하면 되는데

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

그곳이 지금까지 본 어느 곳보다 더 좋을 겁니다.

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

혹은 한 달 동안 찾는다면 37%의 시간인

11 days, to set a standard --

11일을 보는 거죠. 기준을 정하는 겁니다.

and then you're ready to act.

그리고 나면 여러분은 실행한 준비가 됩니다.

We know this because trying to find a place to live

살 곳을 찾는 것은

is an example of an optimal stopping problem.

최량 정지 문제의 실제 사례이기 때문에 우리는 이를 압니다.

A class of problems that has been studied extensively

광범위하게 연구된 문제 종류 중 하나로

by mathematicians and computer scientists.

수학자와 컴퓨터 과학자가 주로 다루죠.

I'm a computational cognitive scientist.

저는 컴퓨터를 사용하는 인지 과학자입니다.

I spend my time trying to understand

저는 인간의 마음 작동방식에 대해

how it is that human minds work,

이해하려고 시간을 보냅니다.

from our amazing successes to our dismal failures.

엄청난 성공에서부터 형편없는 실패에 대한 것을요.

To do that, I think about the computational structure

그렇게 하기 위해 저는 매일의 삶에서 일어나는 문제를

of the problems that arise in everyday life,

컴퓨터를 이용한 구조로 생각합니다.

and compare the ideal solutions to those problems

그런 문제들에 대한 이상적인 해결책과

to the way that we actually behave.

우리가 실제로 하는 행동방식을 비교합니다.

As a side effect,

부작용으로

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

컴퓨터 과학의 일부를 적용하는 것이 얼마나

can make human decision-making easier.

인간의 의사결정을 편하게 하는지 알 수 있습니다.

I have a personal motivation for this.

저는 이에 대해 개인적인 동기가 있습니다.

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

퍼스에서 지나치게 지적인 아이로 성장했죠.

(Laughter)

(웃음)

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

저는 항상 이성적이라고 생각한 방식대로 행동하려 했어요.

reasoning through every decision,

모든 의사결정을 통해 논리적 근거를 판단하고

trying to figure out the very best action to take.

해야 할 최상의 행동을 생각해내려고 했죠.

But this is an approach that doesn't scale up

하지만 이러한 접근은 더 큰 규모로 키울 순 없어요.

when you start to run into the sorts of problems

성인의 삶에 자주 발생하는

that arise in adult life.

많은 문제와 부딪히기 시작할 때 말입니다.

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

한때 저는 제 여자 친구와 헤어지려고도 했는데

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

저와 그녀의 선호를 고려하여

and then find perfect solutions --

완벽한 해결책을 찾다 보니 그랬죠.

(Laughter)

(웃음)

was just leaving me exhausted.

그러니 제가 완전 지쳤습니다.

(Laughter)

(웃음)

She pointed out that I was taking the wrong approach

그녀는 제가 문제를 해결하는 데 있어서

to solving this problem --

잘못된 접근을 했다고 지적했습니다.

and she later became my wife.

그리고는 나중에 제 아내가 되었죠.

(Laughter)

(웃음)

(Applause)

(박수)

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

어느 식당에 갈지 결정하려고 하는 것처럼 기초적이든 아니든

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

혹은 누구와 함께 나머지 인생을 보낼지 결정하는 것처럼 중요하든 아니든

human lives are filled with computational problems

인간의 삶은 계산적인 문제로 가득합니다.

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

순수한 노력으로는 풀기가 너무 어려운 것들이죠.

For those problems,

그러한 문제를 위해서는

it's worth consulting the experts:

전문가와의 상담이 좋습니다.

computer scientists.

바로 컴퓨터 과학자죠.

(Laughter)

(웃음)

When you're looking for life advice,

여러분이 인생의 조언을 구할 때

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

아마도 여러분은 컴퓨터 과학자를 가장 먼저 떠올리지는 않을 겁니다.

Living life like a computer --

컴퓨터와 같은 삶을 살고

stereotypically deterministic, exhaustive and exact --

진부하게 결정론적이고, 철저하고, 정확한 것은

doesn't sound like a lot of fun.

재미있게 들리지 않습니다.

But thinking about the computer science of human decisions

하지만 인간 의사결정에 대해 컴퓨터 과학을 생각하는 것은

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

사실은 반대의 현상을 보여줍니다.

When applied to the sorts of difficult problems

많은 어려운 문제

인간의 삶에서 일어날 수 있는 문제를 적용할 때

that arise in human lives,

the way that computers actually solve those problems

컴퓨터가 실제로 그런 문제를 해결하는 방법은

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

사람이 실제로 행동하는 방식처럼 보입니다.

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

어느 식당에 갈지 결정하는 예시를 들어보죠.

This is a problem that has a particular computational structure.

이는 특정한 계산적 구조를 가지는 문제입니다.

You've got a set of options,

여러분은 일련의 선택을 가지고 있고

you're going to choose one of those options,

그런 선택 중 하나를 선택할 것이고

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

내일도 같은 결정을 해야하는 상황을 정확하게 마주치게 될 것입니다.

In that situation,

그 상황에서

you run up against what computer scientists call

여러분은 컴퓨터 과학자가 말하는

the "explore-exploit trade-off."

"탐색과 활용 교환"에 마주치게 됩니다.

You have to make a decision

여러분은 결정을 해야 하는데

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

새로운 곳을 가기 위해

exploring, gathering some information

정보를 모으는 탐색처럼

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

다음에 사용할 수도 있는 방법이거나

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

혹은 이미 잘 알고 있는 곳에 가는

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

지금까지 이미 모아 온 정보를 활용하는 방법이 있는 거죠.

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

탐색 활용 교환은 선택을 해야 하는 어느 때나 나타나는데

between trying something new

새로운 것을 시도해보는 것과

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

이미 잘 알고 있는 것 사이에 있는 거죠.

whether it's listening to music

음악을 듣는 것이든

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

누구와 함께 시간을 보낼 것인가 결정하는 것이든

It's also the problem that technology companies face

기술 회사가 직면하는 문제이기도 합니다.

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

웹 페이지에 어떤 광고를 보여줄지 결정하는 때와 같습니다.

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

새로운 광고를 보여주어 그것에 대해 뭔가를 알게 해야 할지

or should they show you an ad

혹은 이미 잘 알고 있는 광고를 보여주어

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

클릭을 유도해야 할지를 결정하는 거죠.

Over the last 60 years,

지난 60년 동안

computer scientists have made a lot of progress understanding

컴퓨터 과학자들은 많은 진전을 이루었습니다.

the explore/exploit trade-off,

탐색 활용 교환을 이해하게 되어

and their results offer some surprising insights.

이들의 제안은 놀라운 통찰을 줍니다.

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

어느 식당에 가야 할지 결정하려 할 때

the first question you should ask yourself

여러분 스스로 해야 할 첫 질문은

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

시내에 얼마나 오래 있을 것인가입니다.

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

잠시 있을 거라면

then you should exploit.

활용해야 합니다.

There's no point gathering information.

정보를 수집할 필요가 없습니다.

Just go to a place you already know is good.

그냥 이미 아는 곳에 가는 게 좋습니다.

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

하지만 오래 있을 거라면 탐색하세요.

Try something new, because the information you get

새로운 곳을 시도하세요. 왜냐면 여러분이 가지는 정보는

is something that can improve your choices in the future.

다음 선택에 도움이 됩니다.

The value of information increases

정보의 가치가 증가하면

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

그것을 사용할 기회가 더 많아집니다.

This principle can give us insight

이 원칙은 우리 인간의 삶의 구조에도 통찰을 줍니다.

into the structure of a human life as well.

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

아기들은 특별히 이성적이지 않기로 유명합니다.

They're always trying new things,

그들은 항상 새로운 것을 시도하고

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

모두 입에다 집어 넣죠.

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

하지만 아기들은 그렇게 해야만 하죠.

They're in the explore phase of their lives,

그들은 자신의 삶의 탐색 단계에 있고

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

그것들 중 일부가 맛있는 것이 될 수 있죠.

At the other end of the spectrum,

스펙트럼의 다른 쪽 끝에 있는

the old guy who always goes to the same restaurant

노인은 항상 같은 식당에 가고

and always eats the same thing

항상 같은 것을 먹고

isn't boring --

질리지 않습니다.

he's optimal.

그는 최적의 상태입니다.

(Laughter)

(웃음)

He's exploiting the knowledge that he's earned

그는 이미 가진 지식을 활용하고 있습니다.

through a lifetime's experience.

인생의 경험을 통해서 말이죠.

More generally,

더 일반적으로

knowing about the explore/exploit trade-off

탐색 활용 교환을 아는 것은

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

여러분이 스스로 긴장을 풀고 쉽게

when you're trying to make a decision.

결정할 수 있도록 합니다.

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

매일 저녁 최고의 식당에 갈 필요는 없습니다.

Take a chance, try something new, explore.

기회를 가지고 새로운 곳을 시도해보는 탐색을 하세요.

You might learn something.

뭔가 배우게 될 겁니다.

And the information that you gain

얻게 되는 정보는

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

한 번의 좋은 저녁보다 더 가치가 있을 겁니다.

Computer science can also help to make it easier on us

컴퓨터 과학은 또한 우리가 쉽게 하도록 도움을 줄 수 있습니다.

in other places at home and in the office.

집에나 사무실 같은 다른 장소에서 말이죠.

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

여러분이 옷장을 깔끔하게 정리해야 한다면

you've run into a particularly agonizing decision:

특히 고통스러운 결정에 부딪힙니다.

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

여러분은 무엇을 보관하고

and what things you're going to give away.

무엇을 버려야 할지 결정해야 합니다.

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

마사 스튜어트는 이에 대해 많이 고민한 것으로 드러납니다.

(Laughter)

(웃음)

and she has some good advice.

그녀는 몇 가지 좋은 조언을 합니다.

She says, "Ask yourself four questions:

이렇게 말하죠. "스스로에게 네 가지 질문을 하세요.

How long have I had it?

내가 얼마동안 가지고 있었나?

Does it still function?

아직도 괜찮은가?

Is it a duplicate of something that I already own?

내가 이미 가지고 있는 것과 중복되지는 않는가?

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

내가 마지막으로 입거나 사용한 게 언제인가?"

But there's another group of experts

그러나 다른 전문가 그룹은

who perhaps thought even harder about this problem,

이 문제에 대해 더 많이 고민했을 텐데

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

이들 질문 중 하나가 다른 것보다 더 중요하다고 말할 것입니다.

Those experts?

전문가들요?

The people who design the memory systems of computers.

컴퓨터의 메모리 시스템을 디자인하는 사람들입니다.

Most computers have two kinds of memory systems:

대부분의 컴퓨터는 두 종류의 메모리 시스템을 가집니다.

a fast memory system,

빠른 메모리 시스템으로

like a set of memory chips that has limited capacity,

칩이 비싸기 때문에 제한된 용량을 가지는

because those chips are expensive,

일련의 메모리 칩 같은 것과

and a slow memory system, which is much larger.

훨씬 더 크고 느린 메모리 시스템이 있습니다.

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

컴퓨터를 가능한 효율적으로 운영하기 위해서

you want to make sure

여러분이 분명히 할 게 있는데

that the pieces of information you want to access

접근하고 싶은 정보의 조각은

are in the fast memory system,

빠른 메모리 시스템에 두어야 빠르게 가져올 수 있습니다.

so that you can get to them quickly.

Each time you access a piece of information,

정보의 조각에 접근할 때마다 빠른 메모리에 로드하고

it's loaded into the fast memory

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

컴퓨터는 메모리에서 어떤 아이템을 제거할지 결정해야 합니다.

because it has limited capacity.

용량이 제한되어서 그렇습니다.

Over the years,

수년 동안

computer scientists have tried a few different strategies

컴퓨터 과학자들은 몇 가지 다른 전략을 시도해 왔는데

for deciding what to remove from the fast memory.

빠른 메모리에서 제거할 것을 결정하는 것이죠.

They've tried things like choosing something at random

그들은 무작위로 선택하거나

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

혹은 "선입 선출 원칙"이라는 것을 적용하는데

which means removing the item

이는 아이템 제거를

which has been in the memory for the longest.

가장 메모리에 오래 있었던 것을 제거한다는 의미입니다.

But the strategy that's most effective

하지만 가장 효과적인 전략은

focuses on the items which have been least recently used.

최근에 가장 덜 사용된 아이템에 집중하는 것입니다.

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

이는 여러분이 메모리에서 뭔가를 제거할 결정을 한다면

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

가장 오래전에 접근했고 과거에서 가장 먼 것을 골라야 한다는 의미죠.

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

여기에 특정 논리가 있습니다.

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

최종 접근한 정보 조각이 오래되었다면

it's probably going to be a long time

아마도 오랫동안

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

다시 접근할 필요가 없을 것입니다.

Your wardrobe is just like the computer's memory.

여러분의 옷장은 바로 컴퓨터의 메모리와 같습니다.

You have limited capacity,

공간이 제한되어 있고

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

가장 필요한 것들을 입어보고 넣을 필요가 있어서

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

가능한 한 빨리 꺼낼 수 있어야 합니다.

Recognizing that,

그것을 안다면

maybe it's worth applying the least recently used principle

가장 최근에 덜 사용된 원칙을 적용할 가치가 있습니다.

to organizing your wardrobe as well.

옷장 정리를 하는 데도 말이죠.

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

마사의 네 가지 질문으로 돌아가 보면

the computer scientists would say that of these,

컴퓨터 과학자는 이것들 중에

the last one is the most important.

마지막 질문이 가장 중요하다 말하겠죠.

This idea of organizing things

사물을 정리하는 이 아이디어

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

가장 필요할 것 같은 것을 가장 쉽게 접근할 수 있게 하는 것은

can also be applied in your office.

사무실에도 적용할 수 있습니다.

The Japanese economist Yukio Noguchi

일본 경제학자인 유키오 노구치는

actually invented a filing system that has exactly this property.

정확하게 이 특성을 가진 파일링 시스템을 실제로 개발했습니다.

He started with a cardboard box,

그는 판지 상자로 시작하였고

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

상자의 왼쪽에서부터 문서를 넣었습니다.

Each time he'd add a document,

매번 문서를 추가할 때

he'd move what was in there along

그 안에 있는 것을 이동시키고

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

새 문서는 상자의 왼쪽에 넣었습니다.

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

문서를 봐야 할 때 꺼내어 보고 나서 다시 왼쪽에 넣었습니다.

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

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

그 결과 문서는 왼쪽에서 오른쪽 순으로 정리됩니다.

by how recently they had been used.

가장 최신에 사용한 순이죠.

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

그래서 그는 찾고자 하는 것을 매우 빨리 찾았습니다.

by starting at the left-hand side of the box

상자의 왼쪽에부터 찾기 시작해서

and working his way to the right.

오른쪽으로 찾으면 되니까요.

Before you dash home and implement this filing system --

집으로 달려가서 이 파일링 시스템을 적용하기 전에

(Laughter)

(웃음)

it's worth recognizing that you probably already have.

여러분은 이미 가지고 있음을 알아야 합니다.

(Laughter)

(웃음)

That pile of papers on your desk ...

여러분 책상 위에 있는 종이 더미죠.

typically maligned as messy and disorganized,

주로 엉망이고, 잘 정리되지 않았다고 비난받는

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

종이 더미는 실제로 완벽하게 정리된 거죠.

(Laughter)

(웃음)

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

종이를 꺼내어

put it back on the top of the pile,

더미의 제일 위에 두기만 한다면

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

종이는 위에서 아래로 정리가 됩니다.

by how recently they were used,

얼마나 자주 사용되었는가에 따라 정리되어

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

원하는 것은 빨리 찾을 수 있을 겁니다.

by starting at the top of the pile.

더미의 위에서부터 시작하면 말입니다.

Organizing your wardrobe or your desk

옷장이나 책상을 정리하는 것은

are probably not the most pressing problems in your life.

인생에서 있어서 가장 중요한 문제는 아닐 수 있습니다.

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

때때로 우리가 풀어야 할 문제는 그저 매우 매우 어렵습니다.

But even in those cases,

하지만 그런 경우에라도

computer science can offer some strategies

컴퓨터 과학은 약간의 전략을 제안할 수 있습니다.

and perhaps some solace.

어쩌면 약간의 위안도 줄 수 있죠.

The best algorithms are about doing what makes the most sense

최고의 알고리즘은 최적의 것을 최소의 시간으로 합니다.

in the least amount of time.

When computers face hard problems,

컴퓨터가 어려운 문제를 접하면

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

그것을 보다 단순한 문제로 만들어서 처리합니다.

by making use of randomness,

무작위로 사용하거나

by removing constraints or by allowing approximations.

제약을 없애거나 근사치를 허용해서 말이죠.

Solving those simpler problems

그러한 단순해진 문제 해결은

can give you insight into the harder problems,

어려운 문제에 대한 통찰력을 제공할 수 있고

and sometimes produces pretty good solutions in their own right.

때로는 자체 권한으로 매우 좋은 해결책을 만들기도 합니다.

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

이 모든 것을 알아서 저는 의사결정을 할 때 편하게 합니다.

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

예를 들어, 집을 구할 때 여러분은 37%의 법칙을 활용할 수 있습니다.

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

여러분이 모든 선택을 다 고려할 수 있는 방법은 없으므로

so you have to take a chance.

시도를 해봐야 합니다.

And even if you follow the optimal strategy,

최적의 전략을 따른다 해도

you're not guaranteed a perfect outcome.

완벽한 결과를 보장할 수는 없습니다.

If you follow the 37 percent rule,

37%의 법칙을 따른다면

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

최상의 장소를 찾을 확률은

funnily enough ...

아주 우습게도

(Laughter)

(웃음)

37 percent.

37%입니다.

You fail most of the time.

여러분은 대부분 실패합니다.

But that's the best that you can do.

그러나 그게 여러분이 할 수 있는 최선입니다.

Ultimately, computer science can help to make us more forgiving

궁극적으로 컴퓨터 과학은 우리 스스로의 한계에 대해

of our own limitations.

우리가 더 너그러워지는데 도움을 줄 수 있습니다.

You can't control outcomes, just processes.

여러분은 결과가 아닌 과정만 통제할 수 있습니다.

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

최상의 프로세스를 사용하기만 하면

you've done the best that you can.

여러분이 할 수 있는 최선을 다한 것입니다.

Sometimes those best processes involve taking a chance --

때로 그런 최상의 프로세스가 기회를 잡는 것과 관련되어

not considering all of your options,

여러분이 모든 선택을 고려하지 않거나

or being willing to settle for a pretty good solution.

제법 좋은 해결책으로 절충할 수 있습니다.

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

이는 우리가 이성적일 수 없어서 하는 양보가 아닙니다.

they're what being rational means.

그게 바로 이성적인 것에 대한 정의입니다.

Thank you.

감사합니다.

(Applause)

(박수)