TEDxSydney
Tom Griffiths: 3 ways to make better decisions -- by thinking like a computer
Tom Griffiths: A jobb döntéshozatal három módszere – gondolkozz úgy, mint egy számítógép!
Filmed:
Readability: 4.2
3,652,976 views
Ha volt már, hogy nehezen döntött, az hallgassa meg ezt az előadást. Tom Griffiths számítógépes kognitív idegtudománnyal foglalkozó kutató ismerteti, hogyan alkalmazhatjuk a számítógépek logikáját átláthatatlanul bonyolult problémák kibogozására, megoszt velünk három praktikus stratégiát, hogy jobb döntéseket tudjunk hozni – bármilyen ügyben, legyen az lakásvásárlás, vagy hogy éppen melyik étterembe menjünk vacsorázni.
Tom Griffiths - Psychologist, cognitive scientist
Tom Griffiths uses ideas from computer science to understand how human minds work. Full bio
Tom Griffiths uses ideas from computer science to understand how human minds work. Full bio
Double-click the English transcript below to play the video.
00:13
If there's one city in the world
0
1407
1581
Ha van város a világon,
00:15
where it's hard to find
a place to buy or rent,
a place to buy or rent,
1
3012
2333
ahol nehéz eladó
vagy kiadó ingatlant találni,
vagy kiadó ingatlant találni,
00:17
it's Sydney.
2
5369
1150
akkor az Sydney.
00:19
And if you've tried
to find a home here recently,
to find a home here recently,
3
7043
2367
Aki próbált itt mostanában lakást keresni,
00:21
you're familiar with the problem.
4
9434
1840
annak ismerős a probléma.
00:23
Every time you walk into an open house,
5
11298
2014
Valahányszor belépünk
egy felkínált lakásba,
egy felkínált lakásba,
00:25
you get some information
about what's out there
about what's out there
6
13336
2191
némi fogalmat alkotunk arról,
mik a lehetőségek,
mik a lehetőségek,
00:27
and what's on the market,
7
15551
1393
és hogy áll az ingatlanpiac,
00:28
but every time you walk out,
8
16968
1430
de valahányszor kisétálunk,
00:30
you're running the risk
of the very best place passing you by.
of the very best place passing you by.
9
18422
3214
úgy érezzük, most szalasztottuk el
a legjobb lehetőséget.
a legjobb lehetőséget.
00:33
So how do you know when
to switch from looking
to switch from looking
10
21660
2820
Honnan tudjuk, mikor alkalmas
abbahagyni a tájékozódást,
abbahagyni a tájékozódást,
00:36
to being ready to make an offer?
11
24504
1562
és árajánlatot tenni?
00:39
This is such a cruel and familiar problem
12
27663
2401
Kínos és jól ismert probléma,
00:42
that it might come as a surprise
that it has a simple solution.
that it has a simple solution.
13
30088
3074
talán meglepően hangzik,
milyen egyszerű a megoldása.
milyen egyszerű a megoldása.
00:45
37 percent.
14
33588
1203
37 százalék.
00:46
(Laughter)
15
34815
1828
(Nevetés)
00:48
If you want to maximize the probability
that you find the very best place,
that you find the very best place,
16
36667
3936
Ha a legnagyobb valószínűséggel akarják
megtalálni a legjobb helyet,
megtalálni a legjobb helyet,
00:52
you should look at 37 percent
of what's on the market,
of what's on the market,
17
40627
2825
a piaci kínálat 37 százalékát
kell átnézniük,
kell átnézniük,
00:55
and then make an offer
on the next place you see,
on the next place you see,
18
43476
2310
aztán tegyenek ajánlatot
a következő helyen,
a következő helyen,
ami minden addig megnézettnél jobb.
00:57
which is better than anything
that you've seen so far.
that you've seen so far.
19
45810
2524
01:00
Or if you're looking for a month,
take 37 percent of that time --
take 37 percent of that time --
20
48358
3805
Vagy ha egy hónapot szánnak a keresésre,
vegyék az idő 37 százalékát,
vegyék az idő 37 százalékát,
01:04
11 days, to set a standard --
21
52187
2915
11 napot, hogy kialakítsák elvárásukat,
01:07
and then you're ready to act.
22
55126
1575
és utána készek akcióba lépni.
01:09
We know this because
trying to find a place to live
trying to find a place to live
23
57829
2709
Tudjuk, hogy így van, mivel
a lakáskeresés remek példa
a lakáskeresés remek példa
01:12
is an example of an optimal
stopping problem.
stopping problem.
24
60562
2325
az optimális megállítás problémájára.
Az ehhez hasonló problémákat
matematikusok és informatikusok
matematikusok és informatikusok
01:14
A class of problems that has been
studied extensively
studied extensively
25
62911
2483
01:17
by mathematicians and computer scientists.
26
65418
2105
behatóan tanulmányozzák.
01:21
I'm a computational cognitive scientist.
27
69502
2519
Számítógépes kognitív
tudománnyal foglalkozom.
tudománnyal foglalkozom.
01:24
I spend my time trying to understand
28
72045
1960
Azt próbálom megérteni,
01:26
how it is that human minds work,
29
74029
1798
hogy hogyan működik az emberi elme,
01:27
from our amazing successes
to our dismal failures.
to our dismal failures.
30
75851
3671
elsöprő sikereinktől kezdve
csúfos kudarcainkig.
csúfos kudarcainkig.
01:32
To do that, I think about
the computational structure
the computational structure
31
80552
2493
Ehhez a mindennapi életben
előforduló problémák
előforduló problémák
01:35
of the problems
that arise in everyday life,
that arise in everyday life,
32
83069
2659
számítógépes modelljét
gondolom végig,
gondolom végig,
01:37
and compare the ideal
solutions to those problems
solutions to those problems
33
85752
2375
és azok ideális megoldását összevetem
01:40
to the way that we actually behave.
34
88151
1747
viselkedésünkkel.
01:42
As a side effect,
35
90725
1185
Melléktermékként
01:43
I get to see how applying
a little bit of computer science
a little bit of computer science
36
91934
2715
világossá válik,
hogy az informatika alkalmazása
hogy az informatika alkalmazása
01:46
can make human decision-making easier.
37
94673
1860
miként könnyíti meg
az emberi döntéshozatalt.
az emberi döntéshozatalt.
01:49
I have a personal motivation for this.
38
97828
1847
Személyes motivációm van erre.
01:52
Growing up in Perth
as an overly cerebral kid ...
as an overly cerebral kid ...
39
100153
3166
Perthben nőttem fel,
agyas-fejes kiskölyök voltam...
agyas-fejes kiskölyök voltam...
01:55
(Laughter)
40
103343
4731
(Nevetés)
02:00
I would always try and act in the way
that I thought was rational,
that I thought was rational,
41
108098
3147
Mindent ésszerűen igyekeztem
megoldani és eszerint cselekedni,
megoldani és eszerint cselekedni,
02:03
reasoning through every decision,
42
111269
1597
minden döntést ésszel meghozni,
02:04
trying to figure out
the very best action to take.
the very best action to take.
43
112890
2403
igyekeztem rátalálni a lehető legjobb
megoldási módra.
megoldási módra.
De ez a fajta megközelítés
nem megfelelő olyankor,
nem megfelelő olyankor,
02:07
But this is an approach
that doesn't scale up
that doesn't scale up
44
115972
2190
02:10
when you start to run into
the sorts of problems
the sorts of problems
45
118186
2242
amikor felnőtt életünk során
egy halom új problémába ütközünk.
02:12
that arise in adult life.
46
120452
1500
02:13
At one point, I even tried
to break up with my girlfriend
to break up with my girlfriend
47
121976
2728
Egyszer még a barátnőmmel is
szakítani akartam,
szakítani akartam,
02:16
because trying to take into account
her preferences as well as my own
her preferences as well as my own
48
124728
3350
mert figyelembe akartam venni mindent,
ami neki is, nekem is fontos,
ami neki is, nekem is fontos,
02:20
and then find perfect solutions --
49
128102
1683
és így rátalálni
a tökéletes megoldásokra –
a tökéletes megoldásokra –
02:21
(Laughter)
50
129809
2259
(Nevetés)
02:24
was just leaving me exhausted.
51
132092
1752
és ez végül teljesen kimerített.
02:25
(Laughter)
52
133868
2533
(Nevetés)
02:28
She pointed out that I was taking
the wrong approach
the wrong approach
53
136425
2429
Ő ráébresztett, hogy rosszul kezelem
02:30
to solving this problem --
54
138878
1609
ezt a problémát –
02:32
and she later became my wife.
55
140511
1382
majd később feleségül jött hozzám.
02:33
(Laughter)
56
141917
2062
(Nevetés)
02:36
(Applause)
57
144003
4971
(Taps)
02:40
Whether it's as basic as trying to decide
what restaurant to go to
what restaurant to go to
58
148998
3461
Mindegy, hogy csak azt kell eldöntenünk,
hogy hol vacsorázzunk,
hogy hol vacsorázzunk,
02:44
or as important as trying to decide
who to spend the rest of your life with,
who to spend the rest of your life with,
59
152483
4055
vagy olyan fontos döntést hozni,
hogy kivel akarjuk leélni az életünket,
hogy kivel akarjuk leélni az életünket,
02:48
human lives are filled
with computational problems
with computational problems
60
156562
2375
az emberi élet tele van
olyan számítási problémákkal,
olyan számítási problémákkal,
02:50
that are just too hard to solve
by applying sheer effort.
by applying sheer effort.
61
158961
4196
amik pusztán erőből
csak igen nehezen oldhatók meg.
csak igen nehezen oldhatók meg.
02:55
For those problems,
62
163650
1166
Érdemes ilyen esetekben
02:56
it's worth consulting the experts:
63
164840
1961
szakember tanácsát kikérni:
02:58
computer scientists.
64
166825
1151
vagyis az informatikusét.
03:00
(Laughter)
65
168000
1784
(Nevetés)
Ha életvezetési tanácsra van szükségünk,
03:01
When you're looking for life advice,
66
169808
1819
03:03
computer scientists probably aren't
the first people you think to talk to.
the first people you think to talk to.
67
171651
3640
feltehetően nem az informatikus
jut először eszünkbe.
jut először eszünkbe.
03:07
Living life like a computer --
68
175315
1875
Számítógépként élni az életet –
03:09
stereotypically deterministic,
exhaustive and exact --
exhaustive and exact --
69
177214
2578
közhelyesen előre meghatározott,
kimerítő és kiszámítható –
kimerítő és kiszámítható –
03:11
doesn't sound like a lot of fun.
70
179816
1552
elég unalmasan hangzik.
03:14
But thinking about the computer science
of human decisions
of human decisions
71
182153
2927
Ám ha az emberi döntések
informatikájára gondolunk,
informatikájára gondolunk,
03:17
reveals that in fact,
we've got this backwards.
we've got this backwards.
72
185104
2408
kiderül, hogy valójában
épp az ellenkezője igaz.
épp az ellenkezője igaz.
03:19
When applied to the sorts
of difficult problems
of difficult problems
73
187536
2198
Ha az emberi élet során felmerülő
03:21
that arise in human lives,
74
189758
1239
komoly problémákat tekintjük,
03:23
the way that computers
actually solve those problems
actually solve those problems
75
191021
2727
a számítógépek ezeket valójában
03:25
looks a lot more like the way
that people really act.
that people really act.
76
193772
2896
hasonlóképp kezelik, mint az emberek.
03:29
Take the example of trying to decide
what restaurant to go to.
what restaurant to go to.
77
197267
2922
Nézzük például azt a kérdést,
hogy melyik étterembe menjünk el.
hogy melyik étterembe menjünk el.
03:33
This is a problem that has
a particular computational structure.
a particular computational structure.
78
201090
3088
Ez olyan probléma, melynek
sajátos számítógépes modellje van.
sajátos számítógépes modellje van.
Adott egy sor választási lehetőség,
03:36
You've got a set of options,
79
204202
1524
03:37
you're going to choose
one of those options,
one of those options,
80
205750
2049
ezek közül egyet fogunk kiválasztani,
03:39
and you're going to face
exactly the same decision tomorrow.
exactly the same decision tomorrow.
81
207823
2811
majd másnap pontosan
ugyanazzal a döntéssel kerülünk szembe.
ugyanazzal a döntéssel kerülünk szembe.
03:42
In that situation,
82
210658
1151
Ebben a helyzetben
abba futunk bele,
abba futunk bele,
03:43
you run up against
what computer scientists call
what computer scientists call
83
211833
2295
amit az informatikusok úgy hívnak:
03:46
the "explore-exploit trade-off."
84
214152
2372
a "felderítés-kiaknázás dilemma."
03:49
You have to make a decision
85
217115
1334
Döntést kell hozni arról,
03:50
about whether you're going
to try something new --
to try something new --
86
218473
2334
hogy ki akarunk-e próbálni valami újat –
03:52
exploring, gathering some information
87
220831
2183
felderíteni, információt gyűjteni,
03:55
that you might be able
to use in the future --
to use in the future --
88
223038
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 --
that you already know is pretty good --
89
225347
3793
vagy menjünk egy kipróbált helyre,,
amiről tudjuk, hogy elég jó –
amiről tudjuk, hogy elég jó –
04:01
exploiting the information
that you've already gathered so far.
that you've already gathered so far.
90
229164
3003
vagyis kiaknázzuk a már korábban
begyűjtött információt.
begyűjtött információt.
04:05
The explore/exploit trade-off
shows up any time you have to choose
shows up any time you have to choose
91
233488
3096
A felderítés-kiaknázás dilemma
mindig előjön,
mindig előjön,
04:08
between trying something new
92
236608
1350
valahányszor dönteni kell valami új,
04:09
and going with something
that you already know is pretty good,
that you already know is pretty good,
93
237982
2980
vagy valami olyan között,
ami már bevált,
ami már bevált,
04:12
whether it's listening to music
94
240986
1550
legyen az zenehallgatás,
04:14
or trying to decide
who you're going to spend time with.
who you're going to spend time with.
95
242560
2634
vagy annak eldöntése,
hogy kivel töltsük el az időt.
hogy kivel töltsük el az időt.
04:17
It's also the problem
that technology companies face
that technology companies face
96
245218
2494
Ugyanezzel a problémával
szembesülnek a tech-cégek is,
szembesülnek a tech-cégek is,
04:19
when they're trying to do something
like decide what ad to show on a web page.
like decide what ad to show on a web page.
97
247736
3667
amikor például arról döntenek, milyen
reklámot tegyenek ki a honlapjukra.
reklámot tegyenek ki a honlapjukra.
04:23
Should they show a new ad
and learn something about it,
and learn something about it,
98
251417
2572
Próbálkozzanak valami újjal,
vagy olyat tegyenek ki, amiről már tudják,
04:26
or should they show you an ad
99
254003
1383
04:27
that they already know there's a good
chance you're going to click on?
chance you're going to click on?
100
255420
3306
hogy jó eséllyel rákattintunk?
Az elmúlt hatvan év során
04:30
Over the last 60 years,
101
258750
1151
04:31
computer scientists have made
a lot of progress understanding
a lot of progress understanding
102
259925
2892
az informatikusok nagyot léptek előre
a felderítés-kiaknázás dilemma
megértésében,
megértésében,
04:34
the explore/exploit trade-off,
103
262841
1452
04:36
and their results offer
some surprising insights.
some surprising insights.
104
264317
2398
és eredményeik meglepő
felismerésekhez vezettek.
felismerésekhez vezettek.
Amikor azt próbáljuk eldönteni,
melyik étterembe menjünk,
melyik étterembe menjünk,
04:39
When you're trying to decide
what restaurant to go to,
what restaurant to go to,
105
267291
2598
04:41
the first question you should ask yourself
106
269913
2000
először kérdezzük meg magunktól:
04:43
is how much longer
you're going to be in town.
you're going to be in town.
107
271937
2179
mennyi ideig leszünk a városban.
04:46
If you're just going to be there
for a short time,
for a short time,
108
274505
2342
Ha csak rövid ideig,
04:48
then you should exploit.
109
276871
1515
akkor azt ki kell használni.
04:50
There's no point gathering information.
110
278410
1905
Ne vesztegessünk időt információgyűjtésre.
04:52
Just go to a place
you already know is good.
you already know is good.
111
280339
2048
Menjünk olyan helyre,
amit már jól ismerünk.
amit már jól ismerünk.
04:54
But if you're going to be there
for a longer time, explore.
for a longer time, explore.
112
282411
2929
Ám ha hosszabb ideig maradunk,
akkor érdemes felderíteni.
akkor érdemes felderíteni.
04:57
Try something new,
because the information you get
because the information you get
113
285364
2387
Próbáljunk ki valami újat,
mert a megszerzett információval
bővül a későbbi választási lehetőségünk.
bővül a későbbi választási lehetőségünk.
04:59
is something that can improve
your choices in the future.
your choices in the future.
114
287775
2974
05:02
The value of information increases
115
290773
1979
Nő az információ értéke azzal,
05:04
the more opportunities
you're going to have to use it.
you're going to have to use it.
116
292776
2600
hogy több lehetőségünk lesz használni.
05:08
This principle can give us insight
117
296193
1754
Ez az alapelv egyúttal
az emberi élet strukturáltságának
megértéséhez is vezet.
megértéséhez is vezet.
05:09
into the structure
of a human life as well.
of a human life as well.
118
297971
2070
05:13
Babies don't have a reputation
for being particularly rational.
for being particularly rational.
119
301104
3053
A csecsemők nem arról híresek,
hogy különösebben racionálisak lennének.
hogy különösebben racionálisak lennének.
05:17
They're always trying new things,
120
305098
1825
Folyton új dolgokkal kísérleteznek,
05:18
and you know, trying to stick them
in their mouths.
in their mouths.
121
306947
2836
és mindent igyekeznek
a szájukba gyömöszölni.
a szájukba gyömöszölni.
05:22
But in fact, this is exactly
what they should be doing.
what they should be doing.
122
310621
2952
Lényegében pontosan ez a dolguk.
05:25
They're in the explore
phase of their lives,
phase of their lives,
123
313597
2430
Életük felfedező korszakát élik,
05:28
and some of those things
could turn out to be delicious.
could turn out to be delicious.
124
316051
2621
és a vizsgált tárgyak némelyike
egészen finom lehet.
egészen finom lehet.
05:32
At the other end of the spectrum,
125
320040
1572
A másik véglet az öreg fószer,
05:33
the old guy who always goes
to the same restaurant
to the same restaurant
126
321636
2506
aki folyton ugyanabba az étterembe jár,
05:36
and always eats the same thing
127
324166
1635
mindig ugyanazt eszi.
05:37
isn't boring --
128
325825
1328
Nem azért, mert unalmas
05:39
he's optimal.
129
327177
1509
hanem mert optimális.
05:40
(Laughter)
130
328710
3830
(Nevetés)
05:44
He's exploiting the knowledge
that he's earned
that he's earned
131
332564
2228
Felhasználja azt a tudást,
05:46
through a lifetime's experience.
132
334816
1767
amit egész élete során begyűjtött.
Nagy általánosságban véve
05:50
More generally,
133
338406
1151
05:51
knowing about
the explore/exploit trade-off
the explore/exploit trade-off
134
339581
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
to sort of relax and go easier on yourself
135
341636
3667
megkönnyítheti nekünk a döntéshozatalt,
05:57
when you're trying to make a decision.
136
345327
1810
lazíthatunk, megkönnyebbülünk.
05:59
You don't have to go
to the best restaurant every night.
to the best restaurant every night.
137
347161
2728
Nem muszáj minden este
a legjobb étterembe menni.
a legjobb étterembe menni.
06:01
Take a chance, try something new, explore.
138
349913
2979
Adjunk esélyt, próbálkozzunk,
fedezzünk fel újakat.
fedezzünk fel újakat.
06:04
You might learn something.
139
352916
1627
Mindig tanulhatunk valamit,
06:06
And the information that you gain
140
354567
1589
és a begyűjtött információ
06:08
is going to be worth more
than one pretty good dinner.
than one pretty good dinner.
141
356180
2543
többet érhet, mint egy jó vacsora.
Az informatika könnyebbséget nyújthat
az élet más területein is,
az élet más területein is,
06:12
Computer science can also help
to make it easier on us
to make it easier on us
142
360178
2699
06:14
in other places at home and in the office.
143
362901
2152
például otthon vagy a munkahelyünkön.
06:17
If you've ever had
to tidy up your wardrobe,
to tidy up your wardrobe,
144
365860
2453
Aki valaha is nekifogott már
a szekrénye lomtalanításának,
a szekrénye lomtalanításának,
06:20
you've run into a particularly
agonizing decision:
agonizing decision:
145
368337
2671
az tudja, milyen kínszenvedés eldönteni:
06:23
you have to decide what things
you're going to keep
you're going to keep
146
371032
2382
miket akarunk megtartani,
06:25
and what things you're going to give away.
147
373438
2009
és mi az, amit elajándékoznánk.
06:27
Martha Stewart turns out
to have thought very hard about this --
to have thought very hard about this --
148
375974
3000
Martha Stewartnak történetesen
igen kemény véleménye volt erről –
igen kemény véleménye volt erről –
06:30
(Laughter)
149
378998
1205
(Nevetés)
06:32
and she has some good advice.
150
380227
1678
és akad pár jó tanácsa.
06:33
She says, "Ask yourself four questions:
151
381929
2295
Azt mondja, négy kérdést
tegyünk fel magunknak:
tegyünk fel magunknak:
06:36
How long have I had it?
152
384248
1526
Mióta van meg?
06:37
Does it still function?
153
385798
1450
Jó még?
06:39
Is it a duplicate
of something that I already own?
of something that I already own?
154
387272
3199
Van másik ugyanilyen darabom is?
06:42
And when was the last time
I wore it or used it?"
I wore it or used it?"
155
390495
2411
Mikor volt rajtam, vagy mikor
használtam utoljára?
használtam utoljára?
Létezik azonban egy szakembercsoport,
06:46
But there's another group of experts
156
394648
1715
06:48
who perhaps thought
even harder about this problem,
even harder about this problem,
157
396387
3130
amelyik talán még keményebben
fogalmazza meg ezt a problémát.
fogalmazza meg ezt a problémát.
06:51
and they would say one of these questions
is more important than the others.
is more important than the others.
158
399541
3660
Szerintük a fenti kérdések egyike
fontosabb a többinél.
fontosabb a többinél.
06:55
Those experts?
159
403819
1150
Kik ezek a szakemberek?
06:57
The people who design
the memory systems of computers.
the memory systems of computers.
160
405281
2848
Azok, akik a számítógépek
memóriáját tervezik.
memóriáját tervezik.
07:00
Most computers have
two kinds of memory systems:
two kinds of memory systems:
161
408153
2254
A legtöbb számítógépnek
kétféle memóriája van:
kétféle memóriája van:
egy gyors memória,
például egy memóriachip-készlet.
például egy memóriachip-készlet.
07:02
a fast memory system,
162
410431
1387
07:03
like a set of memory chips
that has limited capacity,
that has limited capacity,
163
411842
3169
Ez korlátozott kapacitású,
07:07
because those chips are expensive,
164
415035
2052
mert azok a chipek drágák,
07:09
and a slow memory system,
which is much larger.
which is much larger.
165
417111
3260
valamint egy lassú memória,
ami jóval nagyobb.
ami jóval nagyobb.
07:13
In order for the computer to operate
as efficiently as possible,
as efficiently as possible,
166
421239
3000
Ahhoz, hogy a számítógép a lehető
leghatékonyabban működjön,
leghatékonyabban működjön,
07:16
you want to make sure
167
424263
1151
biztosítanunk kell,
07:17
that the pieces of information
you want to access
you want to access
168
425438
2352
hogy azok az információk,
amiket el akarunk érni.
amiket el akarunk érni.
07:19
are in the fast memory system,
169
427814
1477
a gyors memóriában legyenek,
07:21
so that you can get to them quickly.
170
429315
1754
így gyorsan hozzáférhetünk.
07:23
Each time you access
a piece of information,
a piece of information,
171
431093
2061
Valahányszor hozzáférünk
egy információhoz,
egy információhoz,
07:25
it's loaded into the fast memory
172
433178
1525
az betöltődik a gyors memóriába,
07:26
and the computer has to decide which item
it has to remove from that memory,
it has to remove from that memory,
173
434727
3877
és a gépnek döntenie kell, melyik elemet
törölje helyette a memóriájából,
törölje helyette a memóriájából,
07:30
because it has limited capacity.
174
438628
1741
hiszen a kapacitása véges.
Az évek során az informatikusok
07:33
Over the years,
175
441794
1151
07:34
computer scientists have tried
a few different strategies
a few different strategies
176
442969
2739
kipróbáltak pár különféle stratégiát
07:37
for deciding what to remove
from the fast memory.
from the fast memory.
177
445732
2292
annak eldöntésére, mi törlődjön
a gyors memóriából.
a gyors memóriából.
07:40
They've tried things like choosing
something at random
something at random
178
448048
3176
Próbálkoztak a véletlenszerű
választással,
választással,
07:43
or applying what's called
the "first-in, first-out principle,"
the "first-in, first-out principle,"
179
451248
2906
vagy az úgynevezett
"first-in, first-out" elvvel,
"first-in, first-out" elvvel,
07:46
which means removing the item
180
454178
1399
ami azt jelenti: azt törli a gép,
07:47
which has been in the memory
for the longest.
for the longest.
181
455601
2176
ami legkorábban került a memóriájába.
Az igazán hatékony törlési stratégia
azokra összpontosít,
azokra összpontosít,
07:50
But the strategy that's most effective
182
458091
2713
07:52
focuses on the items
which have been least recently used.
which have been least recently used.
183
460828
3229
amiket már régóta nem használtak.
07:56
This says if you're going to decide
to remove something from memory,
to remove something from memory,
184
464972
3191
Ha például úgy döntünk,
törölni akarunk valamit a memóriából,
törölni akarunk valamit a memóriából,
08:00
you should take out the thing which was
last accessed the furthest in the past.
last accessed the furthest in the past.
185
468187
4968
azt kell választani,
amivel a legrégebben dolgoztunk.
amivel a legrégebben dolgoztunk.
08:05
And there's a certain
kind of logic to this.
kind of logic to this.
186
473179
2159
Van ebben bizonyos logika.
08:07
If it's been a long time since you last
accessed that piece of information,
accessed that piece of information,
187
475362
3598
Ha régóta nem nyúltunk
ahhoz az információhoz,
ahhoz az információhoz,
08:10
it's probably going to be a long time
188
478984
1762
valószínűleg
08:12
before you're going to need
to access it again.
to access it again.
189
480770
2192
jó ideig nem is lesz rá szükségünk.
08:15
Your wardrobe is just like
the computer's memory.
the computer's memory.
190
483787
2774
A szekrényünk is olyan,
mint a számítógép memóriája.
mint a számítógép memóriája.
08:18
You have limited capacity,
191
486585
2030
Befogadóképessége korlátozott,
08:20
and you need to try and get in there
the things that you're most likely to need
the things that you're most likely to need
192
488639
5327
ezért olyan holmikkal érdemes megpakolni,
amiket valószínűleg használni fogunk,
amiket valószínűleg használni fogunk,
08:25
so that you can get to them
as quickly as possible.
as quickly as possible.
193
493990
2419
így a lehető leggyorsabban hozzáférhetünk.
08:29
Recognizing that,
194
497016
1151
Ha ezt felismerjük,
08:30
maybe it's worth applying
the least recently used principle
the least recently used principle
195
498191
2813
talán érdemes alkalmazni a fenti alapelvet
08:33
to organizing your wardrobe as well.
196
501028
1949
a szekrényünk rendezéséhez is.
08:35
So if we go back
to Martha's four questions,
to Martha's four questions,
197
503001
2082
Visszatérve Martha négy kérdéséhez,
08:37
the computer scientists
would say that of these,
would say that of these,
198
505107
2861
az informatikusok valószínűleg
08:39
the last one is the most important.
199
507992
1941
az utolsót tartják a legfontosabbnak.
Az ötlet, hogy aszerint
rendezzük el tárgyainkat,
rendezzük el tárgyainkat,
08:43
This idea of organizing things
200
511473
2055
08:45
so that the things you are most
likely to need are most accessible
likely to need are most accessible
201
513552
3129
hogy az legyen elöl,
ami feltehetően a legszükségesebb,
ami feltehetően a legszükségesebb,
08:48
can also be applied in your office.
202
516705
1676
az irodánkban is segíthet rendet tartani.
08:51
The Japanese economist Yukio Noguchi
203
519091
1930
A japán közgazdász, Yukio Noguchi
08:53
actually invented a filing system
that has exactly this property.
that has exactly this property.
204
521045
3055
feltalált egy kartotékrendszert,
pontosan a fenti alapelv mentén.
pontosan a fenti alapelv mentén.
08:57
He started with a cardboard box,
205
525161
1609
Egy kartondobozzal kezdte,
08:58
and he put his documents into the box
from the left-hand side.
from the left-hand side.
206
526794
2940
balról kezdve beletette az iratait.
Valahányszor újabbat tett bele,
09:02
Each time he'd add a document,
207
530067
1434
09:03
he'd move what was in there along
208
531525
1621
mindig odébb tolta a többit,
09:05
and he'd add that document
to the left-hand side of the box.
to the left-hand side of the box.
209
533170
2810
és mindig bal oldalra tette az újat.
09:08
And each time he accessed
a document, he'd take it out,
a document, he'd take it out,
210
536004
2667
És valahányszor kivett egyet,
dolgozott vele,
dolgozott vele,
09:10
consult it and put it back in
on the left-hand side.
on the left-hand side.
211
538695
2608
majd mindig a bal oldalra tette vissza.
09:13
As a result, the documents would be
ordered from left to right
ordered from left to right
212
541327
3281
Így végső soron az iratait
balról jobbra rendezte aszerint,
balról jobbra rendezte aszerint,
09:16
by how recently they had been used.
213
544632
1761
hogy melyiket használta legutóbb.
09:18
And he found he could quickly find
what he was looking for
what he was looking for
214
546417
2774
Így mindig könnyen, gyorsan
megtalálta, amit keresett,
megtalálta, amit keresett,
09:21
by starting at the left-hand
side of the box
side of the box
215
549215
2054
mindig bal oldalról kezdve,
09:23
and working his way to the right.
216
551293
1572
jobb felé folytatva a keresést.
09:25
Before you dash home
and implement this filing system --
and implement this filing system --
217
553215
2621
Mielőtt hazarobognának,
hogy megvalósítsák ezt a rendszert –
hogy megvalósítsák ezt a rendszert –
09:27
(Laughter)
218
555860
1731
(Nevetés)
09:29
it's worth recognizing
that you probably already have.
that you probably already have.
219
557615
2638
érdemes átgondolni:
talán már meg is valósították.
talán már meg is valósították.
09:32
(Laughter)
220
560891
3310
(Nevetés)
09:36
That pile of papers on your desk ...
221
564225
2866
Az a papírhalom az íróasztalukon...
jellemzően úgy becsméreljük,
hogy kaotikus és rendetlen,
hogy kaotikus és rendetlen,
09:39
typically maligned
as messy and disorganized,
as messy and disorganized,
222
567115
2474
09:41
a pile of papers is, in fact,
perfectly organized --
perfectly organized --
223
569613
2565
de egy ilyen papírhalom valójában
tökéletesen szervezett –
tökéletesen szervezett –
09:44
(Laughter)
224
572202
1000
(Nevetés)
09:45
as long as you, when you take a paper out,
225
573226
2014
hisz amikor kihúznak belőle egy lapot,
09:47
put it back on the top of the pile,
226
575264
2432
a halom tetejére teszik vissza,
09:49
then those papers are going
to be ordered from top to bottom
to be ordered from top to bottom
227
577720
2826
a lapok tehát fentről lefelé
időrendi sorban állnak aszerint,
időrendi sorban állnak aszerint,
09:52
by how recently they were used,
228
580570
1552
hogy melyikkel dolgoztak legutóbb.
09:54
and you can probably quickly find
what you're looking for
what you're looking for
229
582146
2701
Így valószínűleg gyorsan megtalálják,
amit keresnek,
amit keresnek,
09:56
by starting at the top of the pile.
230
584871
1700
ha a kupac tetején kezdik a keresést.
09:59
Organizing your wardrobe or your desk
231
587988
1848
Feltételezem, nem a szekrényük
vagy íróasztaluk rendezése
vagy íróasztaluk rendezése
10:01
are probably not the most pressing
problems in your life.
problems in your life.
232
589860
2681
életük legnyomasztóbb gondja.
10:05
Sometimes the problems we have to solve
are simply very, very hard.
are simply very, very hard.
233
593588
3602
Olykor a megoldandó problémák
egyszerűen igen-igen nehezek.
egyszerűen igen-igen nehezek.
10:09
But even in those cases,
234
597716
1150
De az informatikusoknak
10:10
computer science can offer some strategies
235
598890
2021
még ilyen esetekre is van stratégiájuk,
10:12
and perhaps some solace.
236
600935
1669
és talán meg is nyugtatnak.
A legjobb algoritmusok lényege,
hogy a lehető legkevesebb időn belül
hogy a lehető legkevesebb időn belül
10:16
The best algorithms are about doing
what makes the most sense
what makes the most sense
237
604048
3075
10:19
in the least amount of time.
238
607147
1502
a legtöbbet hozzák ki a programból.
A számítógépes feldolgozás
során a bonyolult problémák helyett
során a bonyolult problémák helyett
10:22
When computers face hard problems,
239
610627
1958
10:24
they deal with them by making them
into simpler problems --
into simpler problems --
240
612609
2762
egyszerűbbeket vesznek:
véletlenszerűen választott
speciális eseteket,
speciális eseteket,
10:27
by making use of randomness,
241
615395
1346
10:28
by removing constraints
or by allowing approximations.
or by allowing approximations.
242
616765
3817
vagy elhagynak néhány feltételt,
esetleg közelítő megoldást keresnek.
esetleg közelítő megoldást keresnek.
10:32
Solving those simpler problems
243
620606
1494
Az egyszerűbb problémák megoldásával
10:34
can give you insight
into the harder problems,
into the harder problems,
244
622124
2920
kapunk némi képet
a nehezebbek természetéről,
a nehezebbek természetéről,
10:37
and sometimes produces
pretty good solutions in their own right.
pretty good solutions in their own right.
245
625068
3031
és előfordulhat, hogy ily módon
egész jó megoldások születnek.
egész jó megoldások születnek.
10:41
Knowing all of this has helped me
to relax when I have to make decisions.
to relax when I have to make decisions.
246
629658
3569
Ennek ismerete segített abban,
hogy lazán hozzam meg döntéseimet.
hogy lazán hozzam meg döntéseimet.
10:45
You could take the 37 percent rule
for finding a home as an example.
for finding a home as an example.
247
633251
3255
Például alkalmazhatjuk a 37 százalékos
szabályt, amikor lakást keresünk.
szabályt, amikor lakást keresünk.
10:49
There's no way that you can
consider all of the options,
consider all of the options,
248
637015
2702
Képtelenség végigjárni
az összes adódó lehetőséget,
az összes adódó lehetőséget,
10:51
so you have to take a chance.
249
639741
1580
ezért kockáztatni kell.
10:53
And even if you follow
the optimal strategy,
the optimal strategy,
250
641888
2860
De még a legjobb stratégia követése
sem garantálja
sem garantálja
10:56
you're not guaranteed a perfect outcome.
251
644772
1931
a tökéletes végeredményt.
10:59
If you follow the 37 percent rule,
252
647198
2154
Ha a 37 százalékos szabályt követjük,
11:01
the probability that you find
the very best place is --
the very best place is --
253
649376
3279
a legeslegjobb hely
megtalálásának esélye –
megtalálásának esélye –
11:04
funnily enough ...
254
652679
1508
elég vicces –
11:06
(Laughter)
255
654211
1014
(Nevetés)
11:07
37 percent.
256
655249
1420
mindössze 37 százalék.
11:09
You fail most of the time.
257
657966
1689
Többnyire tévedünk.
11:12
But that's the best that you can do.
258
660522
1744
De ez a legjobb, amit tehetünk.
11:14
Ultimately, computer science
can help to make us more forgiving
can help to make us more forgiving
259
662846
3052
Az informatika végül is abban segít,
hogy elnézőbbek legyünk
hogy elnézőbbek legyünk
11:17
of our own limitations.
260
665922
1909
saját korlátainkkal szemben.
11:20
You can't control outcomes,
just processes.
just processes.
261
668333
2539
Nincs hatásunk a végeredményre,
csak a folyamatokra.
csak a folyamatokra.
11:22
And as long as you've used
the best process,
the best process,
262
670896
2119
Amennyiben a legjobb folyamatot
alkalmaztuk,
alkalmaztuk,
11:25
you've done the best that you can.
263
673039
1763
megtettünk minden tőlünk telhetőt.
11:26
Sometimes those best processes
involve taking a chance --
involve taking a chance --
264
674826
3688
Van úgy, hogy a legjobb eljárásnál
kockáztatnunk kell –
kockáztatnunk kell –
11:30
not considering all of your options,
265
678538
2115
nem veszünk figyelembe
minden lehetőséget,
minden lehetőséget,
11:32
or being willing to settle
for a pretty good solution.
for a pretty good solution.
266
680677
2729
vagy készek vagyunk beérni
egy viszonylag jó megoldással.
egy viszonylag jó megoldással.
11:35
These aren't the concessions
that we make when we can't be rational --
that we make when we can't be rational --
267
683430
3350
Ezek nem olyan engedmények, amiket
ésszerűség híján kell megtennünk –
ésszerűség híján kell megtennünk –
11:38
they're what being rational means.
268
686804
1629
hanem éppen így vagyunk racionálisak.
11:40
Thank you.
269
688833
1151
Köszönöm.
11:42
(Applause)
270
690008
4547
(Taps)
ABOUT THE SPEAKER
Tom Griffiths - Psychologist, cognitive scientistTom Griffiths uses ideas from computer science to understand how human minds work.
Why you should listen
Tom Griffiths's research explores connections between natural and artificial intelligence to discover how people solve the challenging computational problems they encounter in everyday life. Currently the Henry R. Luce Professor of Information Technology, Consciousness, and Culture at Princeton University, his work has received awards from organizations ranging from the American Psychological Association to the Sloan Foundation.
In 2016, Griffiths and his friend and collaborator Brian Christian published Algorithms to Live By, a book that illustrates how understanding the algorithms used by computers can inform human decision-making (and vice versa). The book was named one of the Amazon.com "Best Science Books of 2016" and appeared on Forbes's "Must-read brain books of 2016" list as well as the MIT Technology Review's "Best books of 2016" list.
Tom Griffiths | Speaker | TED.com