シドニーでの家探しを成功させる最適な方法!37%ルールとは

自己啓発

If you ever struggle to make decisions, here’s a talk for you. Cognitive scientist Tom Griffiths shows how we can apply the logic of computers to untangle tricky human problems, sharing three practical strategies for making better decisions — on everything from finding a home to choosing which restaurant to go to tonight.

決断を下すのに悩んだときは・・・。

認知科学者のトム・グリフィスは、コンピューターのロジックを人間の厄介な問題を解くためにどのように応用できるかを示し、家探しから今夜行くレストランの選択に至るまで、より良い意思決定を下すための 3 つの実践的な戦略を共有します。

タイトル
3 ways to make better decisions — by thinking like a computer
より良い意思決定を行うための 3 つの方法 – コンピューターのように考えることによって
スピーカー トム・グリフィス
アップロード 2018/10/06

「より良い意思決定を行うための 3 つの方法 – コンピューターのように考えることによって(3 ways to make better decisions — by thinking like a computer)」の文字起こし

If there’s one city in the world where it’s hard to find a place to buy or rent, it’s Sydney. And if you’ve tried to find a home here recently, you’re familiar with the problem. Every time you walk into an open house, you get some information about what’s out there and what’s on the market, but every time you walk out, you’re running the risk of the very best place passing you by. So how do you know when to switch from looking to being ready to make an offer?

This is such a cruel and familiar problem that it might come as a surprise that it has a simple solution.

37 percent.

If you want to maximize the probability that you find the very best place, you should look at 37 percent of what’s on the market, and then make an offer on the next place you see, which is better than anything that you’ve seen so far. Or if you’re looking for a month, take 37 percent of that time — 11 days, to set a standard — and then you’re ready to act.

We know this because trying to find a place to live is an example of an optimal stopping problem. A class of problems that has been studied extensively by mathematicians and computer scientists.

I’m a computational cognitive scientist. I spend my time trying to understand how it is that human minds work, from our amazing successes to our dismal failures. To do that, I think about the computational structure of the problems that arise in everyday life, and compare the ideal solutions to those problems to the way that we actually behave.

As a side effect, I get to see how applying a little bit of computer science can make human decision-making easier.

I have a personal motivation for this. Growing up in Perth as an overly cerebral kid …

I would always try and act in the way that I thought was rational, reasoning through every decision, trying to figure out the very best action to take. But this is an approach that doesn’t scale up 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 because trying to take into account her preferences as well as my own and then find perfect solutions —

was just leaving me exhausted.

She pointed out that I was taking the wrong approach to solving this problem — and she later became my wife.

Whether it’s as basic as trying to decide what restaurant to go to or as important as trying to decide who to spend the rest of your life with, human lives are filled with computational problems that are just too hard to solve by applying sheer effort. For those problems, it’s worth consulting the experts: computer scientists.

When you’re looking for life advice, computer scientists probably aren’t the first people you think to talk to. Living life like a computer — stereotypically deterministic, exhaustive and exact — doesn’t sound like a lot of fun. But thinking about the computer science of human decisions reveals that in fact, we’ve got this backwards. When applied to the sorts of difficult problems that arise in human lives, the way that computers actually solve those problems looks a lot more like the way that people really act.

Take the example of trying to decide what restaurant to go to. This is a problem that has a particular computational structure. You’ve got a set of options, you’re going to choose one of those options, and you’re going to face exactly the same decision tomorrow. In that situation, you run up against what computer scientists call the “explore-exploit trade-off.” You have to make a decision about whether you’re going to try something new — exploring, gathering some information that you might be able to use in the future — or whether you’re going to go to a place that you already know is pretty good — exploiting the information that you’ve already gathered so far.

The explore/exploit trade-off shows up any time you have to choose between trying something new and going with something that you already know is pretty good, whether it’s listening to music or trying to decide who you’re going to spend time with. 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. Should they show a new ad and learn something about it, or should they show you an ad that they already know there’s a good chance you’re going to click on?

Over the last 60 years, computer scientists have made a lot of progress understanding the explore/exploit trade-off, and their results offer some surprising insights. When you’re trying to decide what restaurant to go to, the first question you should ask yourself is how much longer you’re going to be in town. If you’re just going to be there for a short time, then you should exploit. There’s no point gathering information. Just go to a place you already know is good. But if you’re going to be there for a longer time, explore. Try something new, because the information you get is something that can improve your choices in the future. The value of information increases the more opportunities you’re going to have to use it.

This principle can give us insight into the structure of a human life as well. Babies don’t have a reputation for being particularly rational. They’re always trying new things, and you know, trying to stick them in their mouths. But in fact, this is exactly what they should be doing. They’re in the explore phase of their lives, and some of those things could turn out to be delicious. At the other end of the spectrum, the old guy who always goes to the same restaurant and always eats the same thing isn’t boring — he’s optimal.

He’s exploiting the knowledge that he’s earned through a lifetime’s experience. More generally, knowing about the explore/exploit trade-off can make it a little easier for you to sort of relax and go easier on yourself when you’re trying to make a decision. You don’t have to go to the best restaurant every night. Take a chance, try something new, explore. You might learn something. And the information that you gain is going to be worth more than one pretty good dinner.

Computer science can also help to make it easier on us in other places at home and in the office. If you’ve ever had to tidy up your wardrobe, you’ve run into a particularly agonizing decision: you have to decide what things you’re going to keep and what things you’re going to give away. Martha Stewart turns out to have thought very hard about this — and she has some good advice. She says, “Ask yourself four questions: How long have I had it? Does it still function? Is it a duplicate of something that I already own? And when was the last time I wore it or used it?”

But there’s another group of experts who perhaps thought even harder about this problem, and they would say one of these questions is more important than the others. Those experts? The people who design the memory systems of computers.

Most computers have two kinds of memory systems: a fast memory system, like a set of memory chips that has limited capacity, because those chips are expensive, and a slow memory system, which is much larger. In order for the computer to operate as efficiently as possible, you want to make sure that the pieces of information you want to access are in the fast memory system, so that you can get to them quickly.

Each time you access a piece of information, it’s loaded into the fast memory and the computer has to decide which item it has to remove from that memory, because it has limited capacity. Over the years, computer scientists have tried a few different strategies for deciding what to remove from the fast memory. They’ve tried things like choosing something at random or applying what’s called the “first-in, first-out principle,” which means removing the item which has been in the memory for the longest. But the strategy that’s most effective focuses on the items which have been least recently used. This says if you’re going to decide to remove something from memory, you should take out the thing which was last accessed the furthest in the past.

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, it’s probably going to be a long time before you’re going to need to access it again.

Your wardrobe is just like the computer’s memory. You have limited capacity, and you need to try and get in there the things that you’re most likely to need so that you can get to them as quickly as possible. Recognizing that, maybe it’s worth applying the least recently used principle to organizing your wardrobe as well.

So if we go back to Martha’s four questions, the computer scientists would say that of these, the last one is the most important. This idea of organizing things so that the things you are most likely to need are most accessible can also be applied in your office.

The Japanese economist Yukio Noguchi actually invented a filing system that has exactly this property. He started with a cardboard box, and he put his documents into the box from the left-hand side. Each time he’d add a document, he’d move what was in there along and he’d add that document to the left-hand side of the box. And each time he accessed a document, he’d take it out, consult it and put it back in on the left-hand side. As a result, the documents would be ordered from left to right by how recently they had been used. And he found he could quickly find what he was looking for by starting at the left-hand side of the box and working his way to the right.

Before you dash home and implement this filing system — it’s worth recognizing that you probably already have. That pile of papers on your desk … typically maligned as messy and disorganized, a pile of papers is, in fact, perfectly organized — as long as you, when you take a paper out, put it back on the top of the pile, then those papers are going to be ordered from top to bottom by how recently they were used, and you can probably quickly find what you’re looking for by starting at the top of the pile.

Organizing your wardrobe or your desk are probably not the most pressing problems in your life. Sometimes the problems we have to solve are simply very, very hard. But even in those cases, computer science can offer some strategies and perhaps some solace. The best algorithms are about doing what makes the most sense in the least amount of time. When computers face hard problems, they deal with them by making them into simpler problems — by making use of randomness, by removing constraints or by allowing approximations. Solving those simpler problems can give you insight into the harder problems, 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. You could take the 37 percent rule for finding a home as an example. There’s no way that you can consider all of the options, so you have to take a chance. And even if you follow the optimal strategy, you’re not guaranteed a perfect outcome. If you follow the 37 percent rule, the probability that you find the very best place is — funnily enough … 37 percent. You fail most of the time. But that’s the best that you can do.

Ultimately, computer science can help to make us more forgiving of our own limitations. You can’t control outcomes, just processes. And as long as you’ve used the best process, you’ve done the best that you can. Sometimes those best processes involve taking a chance — not considering all of your options, or being willing to settle for a pretty good solution. These aren’t the concessions that we make when we can’t be rational — they’re what being rational means. Thank you.

「より良い意思決定を行うための 3 つの方法 – コンピューターのように考えることによって(3 ways to make better decisions — by thinking like a computer)」の和訳

シドニーという世界でもっとも住居を見つけるのが難しい都市があるとしたら、それはシドニーでしょう。最近ここで家を探したことがあるなら、その問題についてはよくご存知でしょう。オープンハウスに入るたびに、市場にある物件や情報について何かしら得られますが、外に出るたびに、最高の場所を見逃すリスクがあります。では、いつ探すのをやめて、オファーを出す準備が整うのでしょうか?

このような残酷でなじみのある問題に、単純な解決策があるとは驚くかもしれません。

37パーセント。

最高の場所を見つける確率を最大化したい場合、市場にある物件の37パーセントを見て、それまで見てきたものよりも良い場所にオファーを出すべきです。または、1か月探す場合は、そのうちの37パーセント、11日間を基準にして、その後行動する準備ができます。

これは、住居を見つけることが最適な停止問題の例であるためです。これは数学者やコンピュータサイエンティストによって広範に研究されている問題の一部です。

私は計算認知科学者です。人間の心がどのように機能するかを理解しようとしており、私の時間のほとんどは、我々の素晴らしい成功から私たちの悲惨な失敗までを考えて過ごします。そのために、日常生活で発生する問題の計算構造を考え、それらの問題の理想的な解決策を実際の行動と比較します。

副産物として、少しのコンピュータサイエンスを適用することで、人間の意思決定が容易になることがわかります。

私には個人的な動機があります。パースで過度に脳みそを使う子供として育った私は…

私は常に、合理的だと考えられる方法で行動しようとしました。すべての決定を理論的に考え、取るべき最良の行動を見つけようとしました。しかし、このアプローチは、大人の人生で発生する問題に直面すると、スケールアップしません。ある時点では、彼女の好みと自分の好みを考慮し、完璧な解決策を見つける試みが私を疲れ果てさせていたため、私は彼女と別れようとさえしました。

彼女は、この問題を解決するために間違ったアプローチを取っていると指摘しました–そして後に彼女は私の妻になりました。

レストランに行く場所を決めることから、一生を共に過ごす相手を選ぶことほど重要なことまで、人間の生活は、純粋な努力だけでは解決できない計算問題で満ちています。そのような問題に関しては、専門家であるコンピュータサイエンティストに相談する価値があります。

人生のアドバイスを探しているとき、コンピュータサイエンティストが最初に思い浮かぶ人々ではないかもしれません。コンピュータのように人生を生きる–ステレオタイプ的には決定論的で、徹底的で、正確で–それはあまり楽しくは聞こえません。しかし、人間の決定のコンピュータサイエンスを考えると、実際には私たちは逆に考えていることが分かります。人間の生活で発生する難しい問題に適用されると、コンピュータが実際にその問題を解決する方法は、実際の人々の行動によく似ています。

レストランに行く場所を決めることの例を考えてみましょう。これは特定の計算構造を持つ問題です。いくつかの選択肢があり、そのうちの1つを選択し、明日もまったく同じ決定に直面します。その状況では、コンピュータサイエンティストが「探索と活用のトレードオフ」と呼ぶものに直面します。新しいことを試してみるか–将来に役立つかもしれない情報を集める–それとも既に良いことがわかっている場所に行くか–これまでに集めた情報を活用する–のか、についての決定をしなければなりません。

探索/活用のトレードオフは、新しいことを試してみるか、既にかなり良いと知っていることを選ぶかを選択しなければならない場合に現れます。音楽を聴くか、誰と時間を過ごすかを決める場合でも同じです。また、技術企業がウェブページにどの広告を表示するかを決定しようとするときに直面する問題でもあります。彼らは新しい広告を表示してそれについて何かを学ぶべきなのか、それともすでにあなたがクリックする可能性が高い広告を表示すべきなのか、という問題です。

過去60年間、コンピュータサイエンティストは探索/活用のトレードオフを理解するために多くの進歩を遂げ、その結果はいくつかの驚くべき洞察を提供しています。レストランに行く場所を決める際には、まず自分にどのくらいの期間その場所に滞在するつもりかを尋ねるべきです。短期滞在するつもりであれば、活用すべきです。情報を集める意味はありません。すでに良いとわかっている場所に行きましょう。しかし、長期滞在するつもりであれば、探索しましょう。新しいことを試してみてください。なぜなら、得られる情報は将来の選択肢を改善するものだからです。情報の価値は、それを使用する機会が多いほど高くなります。

この原則は、人生の構造についても洞察を与えてくれます。赤ちゃんは特に合理的であるという評判はありません。彼らは常に新しいことを試み、口に入れようとしています。しかし、実際には、これが彼らが行うべきことなのです。彼らは人生の探索段階にあり、その中には美味しいものもあるかもしれません。スペクトラムの反対側にいる、いつも同じレストランに行っていつも同じものを食べるおじいちゃんは退屈ではなく、最適な状態にあるのです。

各情報にアクセスするたびに、それが高速メモリに読み込まれ、コンピュータはそのメモリからどのアイテムを削除するかを決定しなければなりません。なぜなら、メモリには限られた容量しかないからです。何年にもわたり、コンピュータサイエンティストは高速メモリから何を削除するかを決定するためにいくつかの異なる戦略を試みてきました。ランダムに選ぶことや、最初に入ってきたものを最初に出すという「先入れ先出しの原則」を適用することなど、いくつかの方法があります。しかし、最も効果的な戦略は、最後に使用された順番に焦点を当てています。これは、メモリから何かを削除することを決定する場合、過去に最後にアクセスされたものを取り出すべきだというものです。

そして、これには一定の論理があります。その情報に最後にアクセスしてからかなりの時間が経過している場合、それを再びアクセスするまでにはおそらくかなりの時間がかかるでしょう。

あなたのワードローブはコンピュータのメモリと同じです。あなたは限られた容量しか持っておらず、できるだけ早く必要なものにアクセスできるようにする必要があります。そのことを認識し、ワードローブの整理にも最後に使用された原則を適用する価値があるかもしれません。

ですので、マーサの4つの質問に戻ると、コンピュータサイエンティストはその中で最後のものが最も重要だと言います。もっともアクセスする可能性が高いものが最もアクセスしやすいように物を整理するというこの考え方は、あなたのオフィスでも適用できます。

実際、日本の経済学者である野口幸夫氏は、まさにこの性質を持つファイリングシステムを考案しました。彼は段ボール箱から始め、左側から文書を箱に入れました。文書を追加するたびに、中にあるものを移動させ、その文書を箱の左側に追加しました。そして、文書にアクセスするたびに、それを取り出して確認し、左側に戻しました。その結果、文書は最近使用された順に左から右に順序付けられました。彼は、箱の左側から始めて右に向かって進むことで、すぐに必要なものを見つけることができることを発見しました。

家に帰ってこのファイリングシステムを実施する前に、既に実施している可能性があることに気づく価値があります。机の上の一山の書類… 散らかっていて整理されていないとされることが一般的ですが、実際には完璧に整理されています。紙を取り出すときに、それを山の頂上に戻すならば、それらの書類は最近使用された順に上から下に順序付けられ、おそらく山の頂上から始めて必要なものをすぐに見つけることができるでしょう。

ワードローブや机の整理は、おそらくあなたの人生で最も重要な問題ではないかもしれません。時には、解決しなければならない問題は単に非常に難しい場合があります。しかし、そうした場合でも、コンピュータサイエンスはいくつかの戦略やおそらくいくつかの慰めを提供することができます。最良のアルゴリズムは、最も意味のあることを最小限の時間で行うことに関するものです。コンピュータが難しい問題に直面したとき、それらはそれらをより単純な問題に変換することで対処します – ランダム性を利用したり、制約を除去したり、近似を許可したりします。それらのより単純な問題を解決することで、難しい問題に対する洞察が得られることがあり、時にはそれ自体にかなり良い解決策を生み出すことがあります。

これらすべてを知ることは、私が意思決定をしなければならないときにリラックスするのに役立ちました。たとえば、家を見つけるための37パーセントルールを取るとします。すべてのオプションを考慮することは不可能なので、チャンスを取らなければなりません。そして、最適な戦略に従っても、完璧な結果が保証されるわけではありません。37パーセントルールに従うと、最高の場所を見つける確率はなんと… 37パーセントです。ほとんどの場合失敗します。しかし、それができる最善です。

最終的に、コンピュータサイエンスは私たち自身の限界に対して寛容になるのを助けることができます。結果を制御することはできません。プロセスだけです。そして、最良のプロセスを使用した限り、最善を尽くしたことになります。時には、最良のプロセスはチャンスを取ることを含みます – すべての選択肢を考慮しない、またはかなり良い解決策に納得することです。これらは、合理的でないときに我々が譲歩するものではなく、合理的であることを意味します。ありがとうございました。

コメント

タイトルとURLをコピーしました