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

Translator: Thanyapat Thuratam Reviewer: Thavirat Piriyothaisakul

If there's one city in the world

ถ้าจะมีสักเมืองในโลก

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

ที่หาซื้อหรือเช่าบ้านได้ยากเย็น

it's Sydney.

ก็คงจะเป็นซิดนีย์

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

และถ้าคุณลองหาบ้านที่นี่มาเมื่อไม่นานนี้

you're familiar with the problem.

คุณจะคุ้นเคยกับปัญหานี้

Every time you walk into an open house,

ทุกๆครั้งที่คุณเดินเข้าไปดูบ้าน

you get some information about what's out there

คุณก็ได้รู้ถึงบางข้อมูล เกี่ยวกับอะไรที่มีอยู่

and what's on the market,

และอะไรอยู่ในตลาดบ้าง

but every time you walk out,

แต่ทุกๆครั้งที่คุณเดินออกมา

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

คุณกำลังเสี่ยง ว่าที่ๆดีที่สุดกำลังผ่านคุณไป

So how do you know when to switch from looking

ซึ่งคุณจะรู้ได้อย่างไร เมื่อถึงเวลาต้องเปลี่ยนจากการมองหา

to being ready to make an offer?

มาเป็นการพร้อมยื่นข้อเสนอ

This is such a cruel and familiar problem

มันช่างเป็นปัญหาที่โหดร้ายและคุ้นเคย

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

ที่มันอาจมาพร้อมกับความประหลาดใจ เพราะมันมีวิธีแก้ที่เรียบง่าย

37 percent.

37%

(Laughter)

(เสียงหัวเราะ)

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

ถ้าคุณอยากเพิ่มความเป็นไปได้ ที่จะพบบ้านที่ดีที่สุด

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

คุณควรมองแค่ 37% ของบ้านที่อยู่ในตลาด

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

และจากนั้นเริ่มสร้างข้อเสนอ กับบ้านหลังถัดไปที่เจอ

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

ที่ซึ่งดีกว่าบ้านใหนๆที่คุณเจอมาแล้ว

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

หรือถ้าคุณกำลังจะใช้เวลา 1 เดือนดูบ้าน ใช้ 37% ของเวลาที่คิดไว้

11 days, to set a standard --

11 วันคือมาตรฐาน

and then you're ready to act.

จากนั้น คุณพร้อมแล้วที่จะเริ่ม

We know this because trying to find a place to live

เรารู้ เพราะว่าการพยายามหาที่อยู่อาศัย

is an example of an optimal stopping problem.

คือตัวอย่างนึงของ ปัญหาจุดหยุดที่เหมาะสม

A class of problems that has been studied extensively

ปัญหาเหล่านี้ถูกศึกษาอย่างจริงจัง

by mathematicians and computer scientists.

โดยนักคณิตศาสตร์และ นักวิทยาศาสตร์คอมพิวเตอร์

I'm a computational cognitive scientist.

ผมเป็นนักคำนวณประชานศาสตร์ (ผู้ศึกษาพฤษติกรรมมนุษย์)

I spend my time trying to understand

ผมใช้เวลาเพื่อพยายามที่จะเข้าใจ

how it is that human minds work,

ว่าความคิดของมนุษย์ทำงานอย่างไร

from our amazing successes to our dismal failures.

จากความสำเร็จที่มหัศจรรย์ไปจนถึง ความผิดพลาดอันใหญ่หลวง

To do that, I think about the computational structure

เพื่อที่จะทำแบบนั้น ผมคิดเกี่ยวกับโครงสร้างการคำนวณ

of the problems that arise in everyday life,

ของปัญหาที่เกิดขึ้นในชีวิตประจำวัน

and compare the ideal solutions to those problems

และเทียบกับวิธีการแก้ปัญหา ที่เหมาะที่สุด

to the way that we actually behave.

ไปจนถึงสิ่งที่เราปฏิบัติจริงๆ

As a side effect,

ผลข้างเคียงคือ

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

ผมเห็นการประยุกต์ใช้วิทยาศาสตร์ คอมพิวเตอร์เพียงเล็กน้อย

can make human decision-making easier.

สามารถทำให้การตัดสินใจของคนง่ายขึ้น

I have a personal motivation for this.

ผมมีแรงบันดาลใจส่วนตัวในเรื่องนี้

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

โตมาที่เพิร์ธ ในฐานะเด็กมีสมองเยอะไป

(Laughter)

(เสียงปรบมือ)

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

ผมจะลองและทำในสิ่งที่ผมว่ามันมีเหตุผล

reasoning through every decision,

ใช้เหตุผลไปกับการตัดสินทุกๆเรื่อง

trying to figure out the very best action to take.

พยายามที่จะหาทางที่สุดที่จะทำ

But this is an approach that doesn't scale up

แต่นี้คือวิธีการ ที่ยังไม่มีการพัฒนา

when you start to run into the sorts of problems

เมื่อคุณเริ่มที่จะเจอปัญหาประเภทต่างๆ

that arise in adult life.

ที่เกิดขึ้นในชีวิตผู้ใหญ่

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

มีครั้งนึง ผมเคยแม้แต่จะเลิกกับแฟน

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

เพราะว่าผมพยายามมอง ที่ความต้องการของเธอและตัวผม

and then find perfect solutions --

จากนั้นการหาทางออกที่สมบูรณ์แบบ

(Laughter)

(เสียงปรบมือ)

was just leaving me exhausted.

แต่มันแค่ทำให้ผมเหนื่อยเปล่า

(Laughter)

(เสียงหัวเราะ)

She pointed out that I was taking the wrong approach

เธอบอกว่าผมกำลังใช้วิธีการที่ผิด

to solving this problem --

เพื่อที่จะแก้ปัญหานี้

and she later became my wife.

และจากนั้นเธอกลายเป็นภรรยาผม

(Laughter)

(เสียงหัวเราะ)

(Applause)

(เสียงตบมือ)

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

ไม่ว่ามันจะธรรมดาแค่พยายามตัดสินใจว่า จะไปทานข้าวที่ใหน

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

หรือเรื่องสำคัญๆพอๆกับการพยายามตัดสินใจ ว่าใครที่จะใช้เวลาที่เหลือของชีวิตด้วย

human lives are filled with computational problems

ชีวิตมนุษย์ถูกเติมไปด้วยปัญหาการคำนวณ

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

ที่แค่ยากเกินไปที่จะแก้ไข โดยใช้แค่เพียงความพยายาม

For those problems,

สำหรับปัญหาพวกนั้น

it's worth consulting the experts:

มันคุ้มค่าที่จะหาที่ปรึกษาผู้เชี่ยวชาญ

computer scientists.

ซึ่งคือ นักวิทยาศาตร์คอมพิวเตอร์

(Laughter)

(เสียงหัวเราะ)

When you're looking for life advice,

เมื่อคุณกำลังมองหาคำแนะนำชีวิต

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

นักวิทยศาสตร์คอมพิวเตอร์อาจไม่ใช้ คนแรกที่คุณคิดจะคุยด้วย

Living life like a computer --

คนที่มีชีวิตอยู่เหมือนคอมพิวเตอร์

stereotypically deterministic, exhaustive and exact --

คนที่มีกฏเกณฑ์ ละเอียดและตรงไปตรงมา

doesn't sound like a lot of fun.

ฟังดูไม่น่าสนุกเอาซะเลย

But thinking about the computer science of human decisions

แต่เทียบวิทยาศาสตร์คอมพิวเตอร์ กับของการตัดสินใจมนุษย์

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

จะเปิดเผยข้อเท็จจริง ที่เราได้เข้าใจสลับกัน

When applied to the sorts of difficult problems

เมื่อได้ประยุกต์ใช้กับปัญหามากมาย

that arise in human lives,

ที่เกิดขึ้นในชีวิตมนุษย์

the way that computers actually solve those problems

วิธีทางที่คอมพิวเตอร์ แก้ไขปัญหาเหล่านั้นจริงๆ

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

ดูเหมือนมากๆ กับทางที่คนทำกันจริงๆ

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

ยกตัวอย่างเช่น พยายามตัดสินใจ ว่าจะไปกินข้าวที่ใหน

This is a problem that has a particular computational structure.

นี้คือปัญหาที่มีโครงสร้างการคำนวณที่เฉพาะ

You've got a set of options,

คุณจะได้รับทางเลือกมาจำนวณหนึ่ง

you're going to choose one of those options,

คุณกำลังจะเลือกหนึ่งในทางเลือกนั้น

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

และคุณกำลังจะเจอการตัดสินใจ แบบนี้อีกครั้งในวันพรุ่งนี้

In that situation,

ในสถานการณ์นั้น

you run up against what computer scientists call

คุณเผชิญสิ่งที่ นักวิทยาศาตร์คอมพิวเตอร์เรียกว่า

the "explore-exploit trade-off."

ทางเลือกระหว่าง การสำรวจ-การใช้ประโยชน์

You have to make a decision

คุณต้องทำการตัดสินใจ

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

เกี่ยวกับอะไรก็ตาม ที่คุณกำลังจะลองทำบางสิ่งใหม่ๆ

exploring, gathering some information

ทำการสำรวจ รวบรวมข้อมูลบางอย่าง

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

ที่คุณอาจสามารถได้ใช้มัน ในอนาคต

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

หรือไม่ว่าคุณกำลังจะไปที่ๆ คุณรู้อยู่แล้วว่าดี

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

ใช้ประโยชน์ของข้อมูล ที่คุณได้รวบรวมมาแล้ว

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

ทางเลือกระหว่าง การสำรวจ-การใช้ประโยชน์ จะเกิดขึ้นเมื่อคุณต้องเลือก

between trying something new

ระหว่างการลองทำอะไรใหม่ๆ

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

และทำบางอย่างที่คุณรู้อยู่แล้วว่ามันดี

whether it's listening to music

ไม่ว่าจะเป็นการฟังเพลง

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

หรือพยายามตัดสินใจ ว่าคุณอยากใช้เวลาอยู่กับใคร

It's also the problem that technology companies face

มันก็เป็นปัญหาที่ บริษัทด้านเทคโนโลยีพบเช่นกัน

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

เมื่อเขาพยายามตัดสินว่าจะทำบางอย่าง เช่นตัดสินว่าโฆษณาอะไรจะอยู่บนเว็บเพจ

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

เขาควรลองโฆษณาตัวใหม่ และเรียนรู้บางอย่างเกี่ยวกับมัน

or should they show you an ad

หรือควรจะแสดงโฆษณา

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

ที่เขารู้อยู่แล้วว่ามีโอกาสสูง ที่คุณจะคลิกมัน

Over the last 60 years,

กว่า 60 ที่ผ่านมา

computer scientists have made a lot of progress understanding

นักวิทยาศาสตร์คอมพิวเตอร์ ได้พัฒนาความเข้าใจอย่างมากเกี่ยวกับ

the explore/exploit trade-off,

ทางเลือกระหว่าง การสำรวจ หรือการใช้ประโยชน์

and their results offer some surprising insights.

และผลของมันเสนอข้อมูลเชิงลึก ที่น่าประหลาดใจ

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

เมื่อคุณกำลังจะตัดสินใจ ว่าจะไปทานข้าวที่ใหน

the first question you should ask yourself

คำถามแรกที่ควรถามตัวเอง

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

คือคุณจะเข้าเมืองไปนานแค่ใหน

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

ถ้าคุณจะไปที่นั้นแค่ไม่นาน

then you should exploit.

ดั้งนั้น คุณควรใช้ช่องโหว่นี้

There's no point gathering information.

ไม่จำเป็นต้องรวบรวมข้อมูลใดๆ

Just go to a place you already know is good.

แค่ไปที่ๆคุณรู้อยู่แล้วว่าดี

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

แต่ถ้าคุณกำลังจะไปที่นั้นนานๆ ให้ใช้การสำรวจ

Try something new, because the information you get

ลองหาอะไรใหม่ๆเพราะข้อมูลที่มีอยู่ เพราะว่าข้อมูลที่คุณได้

is something that can improve your choices in the future.

คือบางอย่างที่สามารถพัฒนา ทางเลือกของคุณในอนาคต

The value of information increases

มูลค่าของข้อมูลจะเพิ่มขึ้น

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

ตามจำนวณโอกาศที่คุณจะได้ใช้มันในอนาคต

This principle can give us insight

ทฤษฎีนี้สามารถให้ข้อมูลเชิงลึกแก่เรา

into the structure of a human life as well.

ลึกลงไปในโครงสร้างของชีวิตมนุษย์เช่นกัน

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

ทารกไม่มีความสามารถ ที่จะให้เหตุผล

They're always trying new things,

พวกเขาจะลองสิ่งใหม่ๆเสมอ

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

พยายามเอาของเหล่านั้นเข้าปากตัวเอง

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

แต่ที่จริงแล้ว นี้คือสิ่งถูกต้อง ที่พวกเขาควรทำ

They're in the explore phase of their lives,

พวกเขากำลังอยู่ในช่วงชีวิตในระยะ การสำรวจ

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

และหนึ่งในอาหารนั้น มันอาจอร่อยถูกใจเขา

At the other end of the spectrum,

ในอีกทางหนึ่ง

the old guy who always goes to the same restaurant

คนมีอายุที่ชอบไปร้านอาหารเดิมๆ

and always eats the same thing

และมักทานอาหารเดิมเสมอ

isn't boring --

ไม่น่าเบื่อเลยหรอ

he's optimal.

แต่มันเหมาะกับเขาที่สุดแล้ว

(Laughter)

(เสียงหัวเราะ)

He's exploiting the knowledge that he's earned

เขากำลังใช้ประโยชน์จากความรู้ที่เขาได้รับ

through a lifetime's experience.

ผ่านประสบการณ์ตลอดชีวิต

More generally,

ในมุมที่กว้างขึ้น

knowing about the explore/exploit trade-off

การเรียนรู้เกี่ยวกับ ทางเลือกระหว่าง การสำรวจ-การใช้ประโยชน์

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

สามารถสร้างความง่ายดาย ในการหาความสงบสุขและสะดวกสบายในชีวิต

when you're trying to make a decision.

เมื่อคุณกำลังพยามตัดสินใจ

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

คุณไม่จำเป็นต้องไปร้านอาหาร ที่ดีที่สุดในทุกๆคืน

Take a chance, try something new, explore.

ให้โอกาส, ได้ลองบางสิ่งใหม่ๆ, สำรวจมัน

You might learn something.

คุณอาจได้เรียนรู้บางอย่าง

And the information that you gain

และข้อมูลที่คุณรับเพิ่มขึ้นนั้น

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

มันจะมีค่ามากกว่าการทานค่ำดีๆ 1 มื้อ

Computer science can also help to make it easier on us

วิทยาศาสตร์คอมพิวเตอร์ยังสามารถช่วย ให้ชีวิตเราง่ายขึ้น

in other places at home and in the office.

ในที่อื่นๆเช่นที่บ้านและที่ทำงาน

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

ถ้าคุณได้เคยจัดตู้เสื้อผ้าของคุณ

you've run into a particularly agonizing decision:

คุณก็เคยเผชิญกับปัญหา การตัดสินใจที่แสนเศร้า

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

คุณจำเป็นต้องเลือกว่าอะไรที่คุณจะเก็บ

and what things you're going to give away.

และอะไรที่คุณจะทิ้งไป

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

ภรรยาผม ดูเหมือนจะคิดหนักกับเรื่องนี้

(Laughter)

(เสียงหัวเราะ)

and she has some good advice.

และเธอมีคำแนะนำที่ดี

She says, "Ask yourself four questions:

เธอบอก,"ถามตัวเองสี่คำถาม"

How long have I had it?

มีมันมานานแค่ใหนแล้ว?

Does it still function?

ยังใช้ได้ใหม?

Is it a duplicate of something that I already own?

มันซ้ำกับของที่มีอยู่ใหม?

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

และครั้งสุดท้ายที่คุณใช้มันคือเมื่อไหร่?

But there's another group of experts

แต่มีผู้เชี่ยวชาญอีกกลุ่ม

who perhaps thought even harder about this problem,

ที่ดูเหมือนจะคิดจริงจังมากกว่า เกี่ยวกับเรื่องนี้

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

พวกเขาอาจพูดว่ามีคำถามนึงสำคัญกว่าอันอื่นๆ

Those experts?

ผู้เชี่ยวชาญพวกนั้น

The people who design the memory systems of computers.

คือคนที่ออกแบบระบบการจดจำให้คอมพิวเตอร์

Most computers have two kinds of memory systems:

คอมพิวเตอร์ส่วนใหญ่ มีหน่วยความจำสองแบบ

a fast memory system,

ระบบความจำแบบเร็ว

like a set of memory chips that has limited capacity,

เหมือนชุดของชิปความจำ ที่มีความจุจำกัด

because those chips are expensive,

เพราะว่าชิปพวกนั้นมันแพงมาก

and a slow memory system, which is much larger.

และหน่วยความจำแบบช้า ที่มีความจำเยอะกว่ามาก

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

การที่จะทำให้คอมพิวเตอร์ ทำงานได้มีประสิทธิภาพมากที่สุด

you want to make sure

คุณต้อทำให้งมั่นใจว่า

that the pieces of information you want to access

ข้อมูลแต่ละชิ้นที่คุณต้องการเข้าถึง

are in the fast memory system,

อยู่ใน หน่วยความจำแบบเร็ว

so that you can get to them quickly.

ซึ่งนั้นทำให้คุณรับมันอย่างรวดเร็ว

Each time you access a piece of information,

แต่ละครั้งที่คุณเข้าถึงข้อมูลแต่ละชิ้น

it's loaded into the fast memory

มันจะถูกโหลดในหน่วยความจำแบบเร็ว

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

และคอมพิวเตอร์จำเป็นต้องตัดสินว่าข้อมูลใหนต้องถูกลบ

because it has limited capacity.

เพราะว่ามันมีความจุที่จำกัด

Over the years,

หลายปีผ่านมา

computer scientists have tried a few different strategies

วิทยาศาสตร์คอมพิวเตอร์ ได้ลองบางกลยุทธที่แตกต่าง

for deciding what to remove from the fast memory.

เพื่อการตัดสินว่าอะไรต้องถูกลบจาก ความจำแบบเร็ว

They've tried things like choosing something at random

พวกเขาพยายามลองสิ่งต่างๆเช่น เลือกแบบสุ่ม

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

หรือพยามใช้หลักการ มาก่อน ออกก่อน

which means removing the item

ที่แปลว่าการจะลบบางอย่างนั้น

which has been in the memory for the longest.

จะลบสิ่งที่อยู่ในหน่วยควมจำมานานที่สุด

But the strategy that's most effective

แต่กลยุทธที่ได้ผลสุดคือ

focuses on the items which have been least recently used.

การเน้นไปสิ่งที่ไม่ได้ใช้งานมานาน

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

นั้นคือ ถ้ากำลังจะตัดสินใจ ว่าจะลบบางอย่างออกจากความจำ

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

มันควรจะลบสิ่งที่ไม่ได้ใช้งานมานานที่สุด

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

เบื้องหลังความคิดมีตรรกะอยู่ว่า

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

ถ้ามันนานมาแล้วที่คุณไม่ได้ใช้ข้อมูลนั้น

it's probably going to be a long time

มันก็เป็นไปได้ว่าคงอีกนาน

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

ก่อนที่คุณจะต้องการใช้ข้อมูลนั้นอีกครั้ง

Your wardrobe is just like the computer's memory.

ตู้เสื้อผ้าคุณก็คล้ายกับเรื่องของ ความจำคอมพิวเตอร์

You have limited capacity,

มันมีความจุที่จำกัด

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

และคุณต้องพยายามจัดสรร สิ่งที่คุณเหมือนจะต้องการใช้มากที่สุด

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

ซึ่งมันคือสิ่งที่คุณจะเอามาได้เร็วที่สุด

Recognizing that,

เมื่อเข้าใจจุดๆนั้น

maybe it's worth applying the least recently used principle

บางที หลักการ ของใช้สุดท้าย มันอาจมีประโยชน์

to organizing your wardrobe as well.

ที่จะใช้จัดการกับตู้เสื้อผ้าของคุณ

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

ถ้าคุณนึกย้อนถึงหลักการสี่อย่าง ของมาร์ธา

the computer scientists would say that of these,

นักวิทยาการคอมพิวเตอร์ คงพูดว่า

the last one is the most important.

หลักการข้อสุดท้ายสำคัญสุด

This idea of organizing things

หลักการจัดการสิ่งของนี้

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

เพื่อที่ ของที่คุณจะใช้บ่อยสุด จะต้องสามารถเรียกใช้ได้เร็วสุด

can also be applied in your office.

สามารถประยุกต์ใช้กับชีวิตคุณได้

The Japanese economist Yukio Noguchi

นักเศษฐศาสตร์ชื่อ ยูกิ โนกุชิ

actually invented a filing system that has exactly this property.

เป็นคนที่คิดค้นระบบการบรรจุ ที่มีคุณสมบัติเหมือนกับระบบนี้

He started with a cardboard box,

เขาเริ่มต้นกับ กล่องใส่เอกสาร

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

และใส่เอกสารลงในกล่องจากทางซ้ายไปขวา

Each time he'd add a document,

แต่ละครั้งที่เขาเพิ่มเอกสาร

he'd move what was in there along

เขาก็จะเลื่อนเอกสารก่อนหน้าไปด้วย

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

และเมื่อเขาเพิ่มเอกสาร ทางด้านซ้ายมือของกล่อง

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

และแต่ละครั้งเขาจะเจอเอกสาร ที่อยากเอาออก

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

พิจารณา และ วางกลับคืนทางซ้ายมือ

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

ผลคือ เอกสารจะถูกจัดจากซ้ายไปขวา

by how recently they had been used.

โดยดูจากเอกสารใหนเพิ่งใช้งาน

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

และเขาพบว่าเขาสามารถหาเอกสาร ที่ต้องการได้เร็วขึ้น

by starting at the left-hand side of the box

โดยการมองจากซ้ายไปขวาของกล่อง

and working his way to the right.

และทำงานจากทางขวาก่อน

Before you dash home and implement this filing system --

ก่อนที่คุณจะรีบกลับบ้าน และทำให้ระบบการจัดสรรใช้งานได้

(Laughter)

(เสียงหัวเราะ)

it's worth recognizing that you probably already have.

มันคุ้มค่าที่จะรู้ว่า บางทีคุณอาจมีระบบนี้อยู่แล้ว

(Laughter)

(เสียงหัวเราะ)

That pile of papers on your desk ...

กองเอกสารเป็นตั้งบนโต๊ะของคุณ

typically maligned as messy and disorganized,

ที่ปกติจะถูกต่อว่า ว่ารกและไม่ได้จัดระเบียบ

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

กองเอกสารพวกนั้น, จริงๆแล้วมันถูกจัดระเบียบไว้อย่างดี

(Laughter)

(เสียงหัวเราะ)

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

ตราบใดที่ คุณอยากเอาเอกสารออกมา

put it back on the top of the pile,

นำมันกลับไปใส่ที่ด้านบนของกอง

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

และเอกสารพวกนั้นจะถูกเรียงจะบนลงล่าง

by how recently they were used,

โดยดูจากว่าอันใหนเพิ่งใช้ไป

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

และคุณอาจหาสิ่งที่ต้องการได้เร็วขึ้น

by starting at the top of the pile.

โดยเริ่มจากด้านบนของกอง

Organizing your wardrobe or your desk

จัดการตู้เสื้อผ้าของหรือโต๊ะของคุณ

are probably not the most pressing problems in your life.

อาจไม่เป็นปัญหาที่กดดันที่สุดในชีวิต

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

แต่บางทีที่เราต้องแก้ปัญหาที่มันยากมากๆ

But even in those cases,

แต่แม้ในกรณีเหล่านั้น

computer science can offer some strategies

วิทยาศาสตร์คอมพิวเตอร์ สามารถเสนอบางกลยุทธ

and perhaps some solace.

และบางทีเป็นการปลอบใจ

The best algorithms are about doing what makes the most sense

ขั้นตอนประมวลผลที่ดีที่สุด คือการทำอะไรที่เหมาะสมที่สุด

in the least amount of time.

โดยใช้เวลาที่น้อยที่สุด

When computers face hard problems,

เมื่อคอมพิวเตอร์เจองานยาก

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

มันจะรับมือด้วยการทำให้ปัญหาง่ายขึ้น

by making use of randomness,

โดยใช้วิธีการสุ่ม

by removing constraints or by allowing approximations.

โดยลบข้อจำกัด หริอ อนุญาติให้ใช้การประมาณ

Solving those simpler problems

การแก้ไขปัญหาที่ง่ายขึ้นนั้น

can give you insight into the harder problems,

สามารถให้คุณเห็นบางอย่าง ข้างในปัญหาที่ยาก

and sometimes produces pretty good solutions in their own right.

และบางครั้งได้สร้างทางออกที่ดี ในแนวทางของมันเอง

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

การรู้ทุกๆสิ่งนี้ช่วยให้ผมผ่อนคลาย เมื่อต้องตัดสินใจอะไรบางอย่าง

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

คุณสามารถใช้กฏ 37% เพื่อการหาบ้านอยู่ ตามที่ยกตัวอย่าง

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

มันไม่มีทางที่คุณจะสามารถ พิจารณาทางเลือกทั้งหมดได้

so you have to take a chance.

ดังนั้นคุณต้องเลือกจากโอกาสเหล่านั้น

And even if you follow the optimal strategy,

และแม้ว่าคุณทำตามวิธีของกลยุทย์ที่เหมาะสม

you're not guaranteed a perfect outcome.

คุณก็ไม่ได้ถูกรับรองผลลัพธ์ที่สมบูรณ์

If you follow the 37 percent rule,

ถ้าคณทำตามกฏ 37%

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

ความเป็นไปได้ที่คุณจะพบบ้านที่ดีที่สุดนั้น

funnily enough ...

มันตลกพอ

(Laughter)

(เสียงหัวเราะ)

37 percent.

37%

You fail most of the time.

คุณพลาดเกือบตลอดเวลา

But that's the best that you can do.

แต่นั้นมันคือสิ่งที่ดีสุดที่คุณทำได้

Ultimately, computer science can help to make us more forgiving

เหนือสิ่งอื่นใด วิทยาศาสตร์คอมพิวเตอร์ สามารถช่วยเราให้อภัย

of our own limitations.

ในข้อจำกัดของเราเองได้

You can't control outcomes, just processes.

คุณไม่สามารถควบคุมผลลัพธ์ แต่ควมคุมได้แค่วิธีการ

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

และเมื่อคุณได้ทำตามขั้นตอนที่ดีที่สุดแล้ว

you've done the best that you can.

ก็แปลว่าคุณทำดีที่สุดแล้วนั้นเอง

Sometimes those best processes involve taking a chance --

บางครั้งขั้นตอนที่ดีมันจะรวมถึงการเลือกใช้โอกาสนั้น

not considering all of your options,

ไม่ใช่การพิจารณาจากทางเลือกทั้งหมด

or being willing to settle for a pretty good solution.

หรือแค่ยินยอมที่จะเลือก ทางเลือกที่ค่อนข้างดีแต่ไม่ดีที่สุดแทน

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

วิธีคิดแบบนี้ไม่ใช่วิธีที่เราคิดได้ในขณะที่เราไม่มีเหตุผล

they're what being rational means.

นี่คือสิ่งที่เรียกว่า ความมีเหตุผล

Thank you.

ขอบคุณครับ

(Applause)

(เสียงปรบมือ)