1 00:00:02,840 --> 00:00:03,840 Dienkode oleh 2 00:00:04,040 --> 00:00:07,840 Tanpa kita sadari, kehidupan modern telah diambil alih. 3 00:00:10,080 --> 00:00:14,480 Ketika kami mencari cinta, berbelanja online, 4 00:00:14,480 --> 00:00:18,000 menjelajahi dunia, 5 00:00:18,000 --> 00:00:20,320 bahkan saat kami menyelamatkan nyawa, 6 00:00:20,320 --> 00:00:25,160 ada instruksi langkah demi langkah yang bekerja dengan tenang di belakang layar. 7 00:00:27,080 --> 00:00:30,440 Semakin banyak, mereka mengatur hidup kita. 8 00:00:30,440 --> 00:00:33,040 Mereka disebut algoritma. 9 00:00:34,400 --> 00:00:36,640 Algoritma ada di mana-mana. 10 00:00:36,640 --> 00:00:39,680 Potongan-potongan matematika seukuran gigitan ini telah menjadi pusat 11 00:00:39,680 --> 00:00:41,520 bagi kehidupan kita sehari-hari. 12 00:00:41,520 --> 00:00:44,800 Tetapi karena mereka tidak terlihat, kita cenderung mengambil mereka begitu saja, 13 00:00:44,800 --> 00:00:46,320 bahkan salah paham. 14 00:00:50,960 --> 00:00:52,080 TERTAWA 15 00:00:53,200 --> 00:00:57,040 Mereka adalah rahasia dunia digital kita, dan masih banyak lagi. 16 00:00:58,720 --> 00:01:02,120 & apos; Dalam program ini, saya akan menunjukkan beberapa favorit saya 17 00:01:02,120 --> 00:01:05,880 & apos; algoritme untuk mengungkapkan dari mana mereka berasal... & apos; 18 00:01:05,880 --> 00:01:08,480 Algoritme kuno. 19 00:01:08,480 --> 00:01:09,800 & apos; .. bagaimana cara kerjanya... & apos; 20 00:01:09,800 --> 00:01:11,920 Tantangannya adalah menemukan rute terpendek... 21 00:01:11,920 --> 00:01:14,640 Ini adalah instruksi kasar yang akan Anda gunakan. 22 00:01:14,640 --> 00:01:17,800 .. untuk kembali ke titik awal Anda. 23 00:01:17,800 --> 00:01:20,240 & apos; .. apa yang dapat mereka lakukan di masa depan. & apos; 24 00:01:20,240 --> 00:01:23,440 - Jenis algoritmik & aposinya sendiri? Atau...? - Benar-benar. 25 00:01:23,440 --> 00:01:26,080 & apos; .. dan bagaimana kita bisa hidup tanpa mereka. & Apos; 26 00:01:26,080 --> 00:01:29,600 Bahkan ketika kita sedang memanggang kue, kami mengikuti algoritme. 27 00:01:29,600 --> 00:01:32,520 Sebagai ahli matematika, saya suka algoritme. 28 00:01:32,520 --> 00:01:35,120 Bukan saja mereka pemecah masalah yang mengesankan, 29 00:01:35,120 --> 00:01:38,800 tetapi juga anehnya indah, memanfaatkan urutan 30 00:01:38,800 --> 00:01:42,200 matematis yang mendukung cara kerja alam semesta. 31 00:01:42,200 --> 00:01:45,760 Selamat datang di dunia algoritme yang aneh dan indah. 32 00:01:54,600 --> 00:01:57,680 Sebagian besar dari kita membawa salah satunya. 33 00:01:57,680 --> 00:02:00,160 Sekarang, Anda mungkin telah memperhatikan bahwa ketika Anda mengambil foto 34 00:02:00,160 --> 00:02:05,800 dengan ponsel Anda, maka ia menarik sebuah kotak di sekitar wajah mana pun , seperti ini. 35 00:02:05,800 --> 00:02:09,480 Ini adalah hasil dari algoritme deteksi wajah khusus 36 00:02:09,480 --> 00:02:13,200 dan membantu menjaga wajah di foto dalam fokus. 37 00:02:14,480 --> 00:02:18,280 & apos ; Seperti semua algoritma, yang satu ini memecahkan masalah. 38 00:02:18,280 --> 00:02:21,520 & apos; Dalam hal ini, menemukan wajah manusia. 39 00:02:21,520 --> 00:02:24,760 & apos; Meskipun tidak tertipu oleh wajah yang terbuat dari buah, 40 00:02:24,760 --> 00:02:28,400 & apos; itu mendeteksi wajah manusia di foto. 41 00:02:28,400 --> 00:02:31,200 & apos; Jadi, bagaimana cara melakukannya? 42 00:02:31,200 --> 00:02:34,120 & apos; Di akarnya, algoritme sedikit lebih dari 43 00:02:34,120 --> 00:02:37,280 & apos; serangkaian instruksi langkah demi langkah. 44 00:02:37,280 --> 00:02:40,520 & apos; Yang ini bekerja dengan pemindaian metodis gambar 45 00:02:40,520 --> 00:02:43,520 & apos; untuk empat pola abstrak tertentu 46 00:02:43,520 --> 00:02:45,960 & apos; terkait dengan wajah. 47 00:02:45,960 --> 00:02:48,280 & apos; Ketika ini terdeteksi satu demi satu, 48 00:02:48,280 --> 00:02:52,520 & apos; lalu algoritme menunjukkan bahwa ini ditemukan wajah manusia. & apos; 49 00:02:52,520 --> 00:02:56,880 Prosesnya menyentuh pola di balik semua wajah, 50 00:02:56,880 --> 00:02:59,520 tidak peduli apa bentuk atau ukurannya. 51 00:02:59,520 --> 00:03:02,840 Hasil akhirnya hanyalah salah satu contoh bagaimana algoritma memiliki 52 00:03:02,840 --> 00:03:05,560 membuat hidup kita lebih mudah. 53 00:03:05,560 --> 00:03:09,000 - Saya akan melakukannya! - Saya akan lakukan! - Saya di sini pertama! - OK. 54 00:03:09,000 --> 00:03:10,600 Jadi, pergilah. 55 00:03:10,600 --> 00:03:14,240 & apos; Kita cenderung mengasosiasikan algoritme dengan komputer, smartphone 56 00:03:14,240 --> 00:03:15,480 & apos; dan internet. 57 00:03:15,480 --> 00:03:19,320 & apos; Tetapi mereka tidak eksklusif untuk dunia teknologi. 58 00:03:19,320 --> 00:03:24,160 & apos; Pekerjaan harian saya adalah Profesor Matematika di Universitas Oxford. 59 00:03:24,160 --> 00:03:26,920 & apos; Dan salah satu hal yang paling saya sukai adalah menjaga 60 00:03:26,920 --> 00:03:29,120 & apos; para siswa pada jari-jari kaki mereka. & apos; 61 00:03:29,120 --> 00:03:31,040 Oke, saya akan mengambil satu. 62 00:03:31,040 --> 00:03:33,920 Di sini, kami memainkan permainan matematika dengan sebuah guci 63 00:03:33,920 --> 00:03:37,120 penuh dengan cokelat dan satu cabai merah panas. 64 00:03:38,480 --> 00:03:42,720 & apos; Tujuannya bukan untuk ditinggalkan dengan cabai di bagian akhir. 65 00:03:42,720 --> 00:03:44,360 & apos; Tapi apa yang para siswa ini tidak tahu, 66 00:03:44,360 --> 00:03:49,520 & apos; adalah bahwa saya memainkannya dengan bantuan algoritma. & apos; 67 00:03:49,520 --> 00:03:51,800 - OK. Siap? KEDUA: - Ya. 68 00:03:51,800 --> 00:03:54,560 Benar, saya akan pergi duluan, jadi ingat, Anda dapat mengambil satu, 69 00:03:54,560 --> 00:03:57,200 dua atau tiga cokelat sekaligus. 70 00:03:57,200 --> 00:04:00,880 Saya bukan orang yang tamak, jadi saya hanya akan mengambil satu. Sekarang, giliran Anda. 71 00:04:00,880 --> 00:04:05,440 & apos; Setiap pemain mengambil giliran mereka, antara satu dan tiga cokelat. & Apos; 72 00:04:05,440 --> 00:04:09,120 Anda telah mengambil dua, OK. Jadi, saya akan mengambil... Saya akan mengambil dua. 73 00:04:09,120 --> 00:04:12,280 & apos; Apapun yang dilakukan musuh saya, algoritme saya yang memberi tahu saya 74 00:04:12,280 --> 00:04:14,200 & apos; bagaimana menanggapi. & Apos; 75 00:04:14,200 --> 00:04:16,520 OK, saya akan mengambil dua. 76 00:04:16,520 --> 00:04:19,080 Dan giliran Anda lagi. SHE LAUGHS 77 00:04:19,080 --> 00:04:20,680 Oh, ya. 78 00:04:20,680 --> 00:04:24,040 - So I'll take...three. - Three. And I'll take one. 79 00:04:24,040 --> 00:04:27,160 - Dan hanya cabai yang tersisa... - Jadi, tunggu. Apakah itu aku? - Ya, jadi kamu harus 80 00:04:27,160 --> 00:04:29,640 - untuk makan cabai. - Oh, tidak! - Jadi, begitulah. 81 00:04:29,640 --> 00:04:32,960 & apos; Biarkan saya mengungkapkan bagaimana algoritma yang saya gunakan membantu saya menang. & apos; 82 00:04:32,960 --> 00:04:34,520 Ini adalah satu-satunya cara untuk belajar. 83 00:04:35,680 --> 00:04:40,680 Jadi, kuncinya adalah berpikir tentang mengelompokkan hal-hal menjadi empat. 84 00:04:41,960 --> 00:04:46,720 13 cokelat membagi menjadi tiga kelompok empat, dengan satu tersisa. 85 00:04:46,720 --> 00:04:50,160 Jadi, dengan mengambil satu cokelat di babak pertama dan kemudian empat 86 00:04:50,160 --> 00:04:54,160 dikurangi apa pun yang dilakukan pemain lain dalam putaran berikutnya, 87 00:04:54,160 --> 00:04:57,040 algoritma ini memastikan bahwa pemain lain 88 00:04:57,040 --> 00:04:58,960 selalu tersisa dengan cabai. 89 00:04:58,960 --> 00:05:01,080 Inti dari algoritma 90 00:05:01,080 --> 00:05:04,240 yang benar-benar bagus, sihirnya, jika Anda suka, adalah matematika. 91 00:05:04,240 --> 00:05:07,440 Algoritme terbaik adalah algoritma yang memanfaatkan matematika 92 00:05:07,440 --> 00:05:10,400 yang mendasari struktur bersembunyi di bawah masalah. 93 00:05:11,600 --> 00:05:13,080 Oke, balik cabai kembali. 94 00:05:14,480 --> 00:05:17,760 Saya akan memperkenalkan Anda kepada beberapa algoritma yang telah 95 00:05:17,760 --> 00:05:20,320 menjadi detakan jantung kehidupan modern. 96 00:05:21,880 --> 00:05:24,920 Tapi pertama-tama, saya ingin menunjukkan kepada Anda bahwa, untuk semua aplikasi modern 97 00:05:24,920 --> 00:05:28,360 mereka, algoritma sangat tua. 98 00:05:29,680 --> 00:05:33,600 Faktanya, mereka sudah ada sebelum komputer selama ribuan tahun. 99 00:05:35,480 --> 00:05:38,280 Algoritma tertua yang kita ketahui dirancang 100 00:05:38,280 --> 00:05:40,480 untuk memecahkan masalah matematika. 101 00:05:40,480 --> 00:05:44,800 Ini pertama kali ditulis oleh matematikawan Yunani Kuno Euclid. 102 00:05:44,800 --> 00:05:47,520 Algoritma Euclid & apos, seperti yang diketahui, 103 00:05:47,520 --> 00:05:50,680 adalah metode untuk menemukan devisor umum terbesar. 104 00:05:52,360 --> 00:05:55,680 Devisor umum terbesar adalah jumlah terbesar yang akan 105 00:05:55,680 --> 00:06:00,280 membagi menjadi sepasang angka lain tanpa meninggalkan sisa. 106 00:06:00,280 --> 00:06:03,000 Jadi, dalam hal ini, empat membagi ke dalam delapan 107 00:06:03,000 --> 00:06:06,080 dan 12 tanpa sisa. 108 00:06:06,080 --> 00:06:08,520 Sangat mudah untuk menemukan angka kecil, 109 00:06:08,520 --> 00:06:10,600 tetapi jauh lebih rumit untuk yang besar. 110 00:06:12,120 --> 00:06:15,480 Sementara Euclid adalah ahli matematika terbesar pada zamannya, 111 00:06:15,480 --> 00:06:18,640

00:06:22,280 Biarkan saya menunjukkan kepada Anda mengapa. 113 00:06:22,280 --> 00:06:25,440 Bayangkan Anda telah mendapat lantai berbentuk persegi panjang 114 00:06:25,440 --> 00:06:26,760 dan Anda ingin mencari 115 00:06:26,760 --> 00:06:30,360 cara paling efisien untuk memadatnya dengan ubin persegi. 116 00:06:30,360 --> 00:06:34,080 Dengan kata lain, apa ubin persegi terbesar yang akan memisahkan 117 00:06:34,080 --> 00:06:38,040 dimensi lantai dengan tidak ada yang tersisa? 118 00:06:38,040 --> 00:06:40,440 Ini adalah, pada kenyataannya, versi geometrik 119 00:06:40,440 --> 00:06:43,080 dari masalah devisor terbesar umum. 120 00:06:43,080 --> 00:06:46,280 Dimensi lantai adalah dua angka 121 00:06:46,280 --> 00:06:48,640 dan ukuran ubin, yang akan kita coba 122 00:06:48,640 --> 00:06:51,960 dan hasilkan, adalah penemu umum terbesar mereka. 123 00:06:54,040 --> 00:06:57,480 Kita akan mengikuti Euclid & apos; s Algoritma langkah demi langkah untuk menunjukkan 124 00:06:57,480 --> 00:07:01,480 bagaimana ia dapat menemukan ubin persegi yang berukuran sempurna untuk lantai ini. 125 00:07:02,920 --> 00:07:06,800 Menurut Euclid & apos; Algoritma, kita perlu mulai mengisi persegi panjang 126 00:07:06,800 --> 00:07:10,960 dengan ubin persegi yang sesuai dengan terkecil dari dua dimensi. 127 00:07:13,760 --> 00:07:15,920 Ini adalah tahap pertama dari pekerjaan. 128 00:07:17,160 --> 00:07:19,040 Euclid & apos; s Algorithm kemudian memberitahu kita 129 00:07:19,040 --> 00:07:22,400 untuk melakukan hal yang sama lagi dengan persegi panjang ini. 130 00:07:24,080 --> 00:07:28,520 Pada setiap tahap, algoritma memberitahu kita untuk memilih ubin persegi 131 00:07:28,520 --> 00:07:31,600 sesuai dengan sisi terpendek persegi panjang. 132 00:07:33,600 --> 00:07:38,880 Jadi kali ini, ubin persegi kami dengan sempurna mengisi ruang sisa. 133 00:07:38,880 --> 00:07:42,960 Sekarang, ubin persegi saya memiliki dimensi 15x15. 134 00:07:42,960 --> 00:07:45,720 Algoritma So Euclid & apos mengatakan kepada kita 135 00:07:45,720 --> 00:07:50,440 bahwa devisor umum terbesar 150 dan 345 adalah 15. 136 00:07:53,240 --> 00:07:56,160 Saya tidak menyarankan Anda menggunakan Algoritma Euclid & apos setiap waktu 137 00:07:56,160 --> 00:07:58,360 Anda perlu memesan beberapa ubin, 138 00:07:58,360 --> 00:08:02,480 tetapi yang menakjubkan adalah bahwa metode langkah demi langkah sederhana ini 139 00:08:02,480 --> 00:08:06,440 menemukan ubin persegi yang sempurna apa pun dimensi lantai. 140 00:08:07,800 --> 00:08:11,640 Euclid & apos; s Algorithm mungkin tampak hanya teknik matematis, 141 00:08:11,640 --> 00:08:16,400 tetapi sangat elegan memenuhi semua kriteria untuk suatu algoritma. 142 00:08:16,400 --> 00:08:20,120 Ini adalah tepat set instruksi yang ditetapkan, prosedur 143 00:08:20,120 --> 00:08:24,800 selalu selesai, dan dapat dibuktikan bahwa ia bekerja dalam semua kasus. 144 00:08:28,320 --> 00:08:31,800 Kekuatan algoritma adalah bahwa Anda tidak perlu menemukan kembali 145 00:08:31,800 --> 00:08:36,480 kemudi setiap kali. Mereka adalah solusi umum untuk masalah. 146 00:08:36,480 --> 00:08:40,000 Ini berlaku untuk algoritma kuno seperti untuk yang modern. 147 00:08:45,320 --> 00:08:49,480 Pada tahun 1998, di garasi ini di Menlo Park di California, 148 00:08:49,480 --> 00:08:52,440 bagian penting dari sejarah algoritmik dibuat. 149 00:08:54,520 --> 00:08:58,560 Di dalamnya ada dua mahasiswa PHD dari Stamford University. 150 00:08:58,560 --> 00:09:00,760 Larry Page dan Sergey Brin. 151 00:09:02,320 --> 00:09:05,640 Tujuan mereka adalah membuat mesin pencari yang dapat menemukan 152 00:09:05,640 --> 00:09:08,480 hal-hal secara efisien di World Wide Web. 153 00:09:11,000 --> 00:09:13,880 Dari awal yang sederhana ini, Google lahir. 154 00:09:15,400 --> 00:09:18,760 Tapi Google tidak akan menjadi Google jika tidak ada untuk algoritma yang 155 00:09:18,760 --> 00:09:21,600 Larry dan Sergey buat, disebut PageRank. 156 00:09:30,880 --> 00:09:34,040 PageRank adalah algoritma di jantung inkarnasi mesin pencari Google pertama. 157 00:09:34,040 --> 00:09:37,200 Sekarang, secara teknis, ini bukan algoritma pencarian, tetapi peringkat algoritma. 158 00:09:37,200 --> 00:09:42,120 Jadi saat Anda mengetik kueri ke mesin telusur, 159 00:09:42,120 --> 00:09:45,600 maka ada jutaan laman yang akan cocok dengan kueri itu. 160 00:09:45,600 --> 00:09:49,880 Apa itu PageRank artinya peringkat semua halaman tersebut sehingga yang 161 00:09:49,880 --> 00:09:53,600 di bagian atas adalah yang Anda lebih tertarik. 162 00:09:53,600 --> 00:09:56,960 Larry dan Sergey datang dengan ide untuk melakukan PageRank 163 00:09:58,520 --> 00:10:01,440 Larry and Sergey came up with the idea to do PageRank 164 00:10:01,440 --> 00:10:05,880 dan menggunakannya sebagai sistem peringkat untuk meningkatkan kualitas penelusuran web. 165 00:10:05,880 --> 00:10:07,800 Saya ingat sendiri pada saat itu, 166 00:10:07,800 --> 00:10:10,720 Anda menggunakan mesin telusur web seperti AltaVista. 167 00:10:10,720 --> 00:10:12,760 Anda harus mengklik tautan Halaman Berikutnya 168 00:10:12,760 --> 00:10:14,880 beberapa kali untuk menemukan apa yang Anda cari. 169 00:10:14,880 --> 00:10:17,280 PageRank adalah salah satu alasan mengapa Google 170 00:10:17,280 --> 00:10:20,760 jauh lebih baik daripada mesin telusur yang ada pada saat itu. 171 00:10:21,800 --> 00:10:24,840 Cara kerja PageRank disembunyikan dari tampilan 172 00:10:24,840 --> 00:10:26,680 di World Wide Web. 173 00:10:26,680 --> 00:10:30,360 Jadi untuk mengungkapkan bagaimana cara kerjanya, kita akan menggunakan algoritma PageRank 174 00:10:30,360 --> 00:10:33,440 untuk memberi peringkat pemain dari tim sepak bola. 175 00:10:34,600 --> 00:10:36,960 PageRank melihat dua hal . 176 00:10:36,960 --> 00:10:42,040 Ini terlihat pada tautan masuk ke halaman web, yaitu halaman-halaman lain 177 00:10:42,040 --> 00:10:46,360 that link to the page, and it looks at how important those pages are. 178 00:10:51,960 --> 00:10:54,840 Dalam demonstrasi kami untuk menunjukkan kepandaian dari algoritma PageRank 179 00:10:54,840 --> 00:10:59,280 , pemain dalam tim sepak bola adalah halaman web 180 00:10:59,280 --> 00:11:02,880 dan lintasan di antara mereka adalah tautan web. 181 00:11:02,880 --> 00:11:05,680 Input untuk algoritma. 182 00:11:05,680 --> 00:11:09,240 Secara umum, algoritma PageRank akan memberikan peringkat yang lebih tinggi 183 00:11:09,240 --> 00:11:13,240 ke situs web jika mendapat banyak tautan yang berasal dari situs web lain. 184 00:11:13,240 --> 00:11:16,000 Jadi dalam kasus sepakbola, jika seorang pemain mendapat lebih banyak 185 00:11:16,000 --> 00:11:20,080 umpan dari anggota tim lainnya, maka mereka akan mendapat peringkat lebih tinggi. 186 00:11:20,080 --> 00:11:21,680 < Ini tidak sesederhana itu. 187 00:11:21,680 --> 00:11:24,960 Karena algoritma PageRank benar-benar memberi bobot lebih pada 188 00:11:24,960 --> 00:11:28,880 tautan dari situs web yang memiliki peringkat halaman yang tinggi. 189 00:11:28,880 --> 00:11:32,520 < Jadi sebenarnya, umpan dari pemain populer bernilai lebih dari 190 00:11:32,520 --> 00:11:35,960 umpan dari pemain yang hampir tidak terlibat dalam permainan sama sekali. 191 00:11:37,120 --> 00:11:40,920 Ini adalah visualisasi dari algoritma di tempat kerja. 192 00:11:40,920 --> 00:11:45,880 Statistik adalah pemain & apos; peringkat saat ini. Output dari algoritma. 193 00:11:45,880 --> 00:11:50,280 Dan setiap kali ada operan, peringkat ini diperbarui. 194 00:11:50,280 --> 00:11:56,360 Saat Google menggunakan algoritme ini, hanya akan mengubah satu kali - input. 195 00:11:56,360 --> 00:11:59,280 Sebagai pengganti, ia menggunakan tautan web. 196 00:12:01,280 --> 00:12:04,320 Perhatikan bahwa pentingnya laman bergantung pada pentingnya 197 00:12:04,320 --> 00:12:06,480 laman yang menautnya. 198 00:12:06,480 --> 00:12:09,160 Ini berarti bahwa Anda harus menghitung peringkat halaman untuk semua 199 00:12:09,160 --> 00:12:11,240 halaman pada saat yang sama. 200 00:12:11,240 --> 00:12:14,200 Dan Anda benar-benar harus mengulang perhitungan karena, setiap kali, 201 00:12:14,200 --> 00:12:16,600 Anda akan memperbarui pentingnya semua halaman. 202 00:12:16,600 --> 00:12:19,040 Dan itu pada gilirannya akan mempengaruhi 203 00:12:19,040 --> 00:12:22,120 pentingnya halaman yang terhubung dengan halaman tersebut. 204 00:12:30,680 --> 00:12:33,840 Pada akhir pertandingan, pekerjaan dari algoritma selesai. 205 00:12:36,720 --> 00:12:39,880 Jika kami ingin mencari pemain kunci dalam tim, 206 00:12:39,880 --> 00:12:41,840 ini adalah jawaban PageRank & apos. 207 00:12:43,800 --> 00:12:46,400 Pemain 11 memiliki skor PageRank tertinggi. 208 00:12:48,320 --> 00:12:50,640 Saya pikir algoritma PageRank mungkin adalah 209 00:12:50,640 --> 00:12:52,560 algoritma favorit saya sepanjang masa. 210 00:12:52,560 --> 00:12:54,960 Dan itu luar biasa yang dapat diterapkan tidak hanya untuk 211 00:12:54,960 --> 00:12:58,520 World Wide Web, tetapi juga menganalisis pertandingan sepak bola. 212 00:12:58,520 --> 00:13:01,320 Tapi bagi saya, itu adalah fakta bahwa ada sedikit indah 213 00:13:01,320 --> 00:13:03,880 matematika di hatinya yang tampaknya selalu temukan 214 00:13:03,880 --> 00:13:05,960 situs web yang saya cari. 215 00:13:08,120 --> 00:13:09,320 Di dalam Google, saya rasa 216 00:13:09,320 --> 00:13:14,320 PageRank dilihat sebagai bagian yang sangat penting dari pengembangan awal Google & apos. 217 00:13:15,520 --> 00:13:18,600 PageRank adalah rahasia mengapa mesin pencari yang Larry 218 00:13:18,600 --> 00:13:22,200 dan Sergey bangun pada tahun 1990 sangat sukses. 219 00:13:23,920 --> 00:13:28,640 Sekarang, Google menangani lebih dari 3,5 miliar pencarian setiap hari. 220 00:13:28,640 --> 00:13:31,960 Ini adalah mesin pencari paling populer di dunia. 221 00:13:31,960 --> 00:13:36,480 Dan perusahaan ini bernilai lebih dari 450 miliar. 222 00:13:37,560 --> 00:13:40,760 Tidak buruk bagi dua mahasiswa PhD yang bekerja di garasi. 223 00:13:49,000 --> 00:13:52,600 Algoritma adalah resep langkah-demi-langkah yang sederhana. 224 00:13:52,600 --> 00:13:56,800 Menemukannya membutuhkan kreativitas dan kejeniusan yang luar biasa. 225 00:13:56,800 --> 00:14:01,000 Tetapi menggunakannya hanyalah masalah mengikuti instruksi. 226 00:14:01,000 --> 00:14:04,600 Dan inilah mengapa algoritma sempurna untuk komputer. 227 00:14:08,240 --> 00:14:10,200 Komputer hanyalah mesin. 228 00:14:10,200 --> 00:14:14,000 Mereka hanya melakukan tugas yang berulang dengan kecepatan yang fenomenal. 229 00:14:14,000 --> 00:14:15,560 Kecepatan yang luar biasa. 230 00:14:15,560 --> 00:14:20,080 Jadi mereka benar-benar sempurna untuk melakukan tugas-tugas berulang ini 231 00:14:20,080 --> 00:14:23,120 yang didefinisikan secara jelas 232 00:14:23,120 --> 00:14:27,320 dan dapat dilakukan dalam waktu yang terbatas . 233 00:14:29,040 --> 00:14:32,040 Kode komputer pada dasarnya membuat suatu algoritma khusus. 234 00:14:32,040 --> 00:14:33,840 Jadi algoritme adalah jenis ide. 235 00:14:33,840 --> 00:14:35,280 How would you solve the problem? 236 00:14:35,280 --> 00:14:37,680 Ini adalah instruksi kasar yang akan Anda gunakan. 237 00:14:37,680 --> 00:14:40,760 Dan kemudian itu dapat diterjemahkan ke dalam kode tertentu. 238 00:14:43,920 --> 00:14:47,880 Banyak jenis algoritme yang telah dibuat dengan komputer dalam pikiran . 239 00:14:49,800 --> 00:14:53,360 Dan beberapa yang paling penting adalah menyortir algoritma. 240 00:14:54,880 --> 00:14:58,880 Sekarang, pekerjaan dari algoritma penyortiran adalah untuk mengatur semuanya. 241 00:14:58,880 --> 00:15:00,560 Dan mereka memiliki banyak kegunaan. 242 00:15:00,560 --> 00:15:03,720 Misalnya, di internet, informasi mendapat 243 00:15:03,720 --> 00:15:08,720 dipecah menjadi paket data yang kemudian dikirim melalui web. 244 00:15:08,720 --> 00:15:11,000 Sekarang, untuk mengumpulkan kembali data tersebut, 245 00:15:11,000 --> 00:15:15,120 algoritme pengurutan sangat penting untuk menempatkan kembali data ini 246 00:15:15,120 --> 00:15:18,720 dalam urutan yang benar sehingga kita dapat melihat gambar, 247 00:15:18,720 --> 00:15:21,560 atau membaca email yang kami kirim baru saja dikirim. 248 00:15:26,120 --> 00:15:30,000 Ini adalah Perusahaan Pengembangan Sistem di California. 249 00:15:30,000 --> 00:15:35,560 Ini dianggap sebagai perusahaan perangkat lunak komputer pertama di dunia. 250 00:15:35,560 --> 00:15:40,680 Dan di sinilah pada 1963 dua ilmuwan komputer pertama-tama secara formal 251 00:15:40,680 --> 00:15:44,360 menuliskan salah satu algoritma penyortiran paling ikonik sepanjang masa. 252 00:15:48,240 --> 00:15:50,280 Ini disebut bubble sort. 253 00:15:50,280 --> 00:15:53,520 Dan di sini adalah contoh jenis gelembung dalam aksi, 254 00:15:53,520 --> 00:15:55,920 menyortir blok, bukan angka. 255 00:15:57,720 --> 00:16:01,200 Nama itu didapat karena setiap putaran algoritme, 256 00:16:01,200 --> 00:16:05,240 objek terbesar yang tidak disegel menggelembung ke atas. 257 00:16:05,240 --> 00:16:09,000 Seperti semua algoritme kami sejauh ini, ada metode dalam kegilaan. 258 00:16:14,760 --> 00:16:16,640 Untuk melihat bagaimana algoritme ini bekerja, 259 00:16:16,640 --> 00:16:19,120 kita akan menggunakannya untuk mengurutkan delapan objek. 260 00:16:20,760 --> 00:16:24,720 Sekarang, algoritma penggambaran gelembung mengatakan untuk mempertimbangkan objek berpasangan 261 00:16:24,720 --> 00:16:27,480 dan menukarnya jika mereka berada di urutan yang salah. 262 00:16:27,480 --> 00:16:31,840 Jadi kita akan mulai pada akhir ini di sini dan bekerja menuju ke atas. 263 00:16:31,840 --> 00:16:35,880 Jadi saya menganggap keduanya, mereka berada di urutan yang salah, jadi saya menukarnya. 264 00:16:37,560 --> 00:16:40,000 Pertimbangkan pasangan berikutnya, mereka dalam urutan yang benar, 265 00:16:40,000 --> 00:16:42,280 jadi saya meninggalkan mereka apa adanya. 266 00:16:42,280 --> 00:16:45,960 Pertimbangkan pasangan ini, mereka dalam urutan yang salah, jadi saya menukar mereka. 267 00:16:48,920 --> 00:16:51,080 Dan kami terus melakukan ini. 268 00:16:58,160 --> 00:17:01,600 Sekarang algoritma sortir gelembung mengatakan untuk kembali ke awal 269 00:17:01,600 --> 00:17:05,760 dan ulangi proses berulang-ulang lagi sampai objek dalam urutan. 270 00:17:19,800 --> 00:17:24,120 Algoritma berhenti ketika tidak ada pasangan untuk bertukar putaran. 271 00:17:24,120 --> 00:17:27,880 Jadi algoritma penggambaran gelembung telah berhasil melakukan tugasnya. 272 00:17:27,880 --> 00:17:30,760 < Sekarang saya sudah mendapatkan objek yang dipesan dengan sempurna, 273 00:17:30,760 --> 00:17:32,640 sesuai dengan tinggi menaik. 274 00:17:34,160 --> 00:17:37,640 Semacam gelembung sederhana dan sederhana. 275 00:17:37,640 --> 00:17:41,880 Tetapi jika skala tugas penyortiran sangat besar, katakanlah, mengatur petak luas 276 00:17:41,880 --> 00:17:45,720 data, maka mungkin ada algoritma penyortiran yang lebih baik untuk pekerjaan itu. 277 00:17:50,800 --> 00:17:52,680 Ini adalah John von Neumann, 278 00:17:52,680 --> 00:17:56,560 jenius ilmiah yang membantu merintis komputer modern, 279 00:17:56,560 --> 00:17:58,760 teori permainan, bom atom 280 00:17:58,760 --> 00:18:02,200 dan, ternyata, menciptakan algoritma penyortiran. 281 00:18:04,760 --> 00:18:08,080 Dia merancangnya untuk bekerja pada ini, salah satu dari komputer elektronik paling awal di dunia, yang dia bantu desain. 282 00:18:08,080 --> 00:18:11,880 Algoritme ini disebut gabungan. 283 00:18:11,880 --> 00:18:14,800 p> 284 00:18:16,800 --> 00:18:21,200 Algoritma penggabungan jenis bekerja pada prinsip membagi dan menaklukkan. 285 00:18:21,200 --> 00:18:26,280 Dan itu terdiri dari dua bagian. Bit pertama adalah bagian yang membagi. 286 00:18:28,560 --> 00:18:31,920 Ini melibatkan membelah semuanya menjadi kelompok-kelompok yang lebih kecil. 287 00:18:35,240 --> 00:18:38,160 Dan sekarang muncul sedikit penaklukan. 288 00:18:40,720 --> 00:18:43,640 Grup-grup sekarang digabungkan kembali bersama-sama. 289 00:18:43,640 --> 00:18:47,480 Tapi saat saya menggabungkan kedua grup, saya membandingkan ukuran objek 290 00:18:47,480 --> 00:18:51,400 satu pasangan pada satu waktu sehingga grup yang digabungkan menjadi terurut. 291 00:19:00,480 --> 00:19:03,240 Sekarang, algoritme penggabungan ini mungkin terlihat agak mirip dengan 292 00:19:03,240 --> 00:19:07,240 bubble sort, tetapi di mana ia datang sendiri adalah dengan jumlah objek yang lebih besar, jauh lebih cepat. 293 00:19:07,240 --> 00:19:10,280 Jadi mari kita lihat bagaimana menggabungkan sort membandingkan dalam kecepatan ke gelembung semacam. 294 00:19:10,280 --> 00:19:15,520 Sudah waktunya untuk pertempuran algoritma! 295 00:19:15,520 --> 00:19:18,040 Di sini kita telah mendapat semacam gelembung di bagian bawah dan menggabungkan semacam di atas. / p> 296 00:19:21,880 --> 00:19:26,000 Dan kami telah membuat mereka menyortir 1.000 objek. 297 00:19:26,000 --> 00:19:28,760 Sekarang, meskipun keduanya akan menghasilkan hasil akhir yang sama, 298 00:19:28,760 --> 00:19:31,840 Anda sudah dapat melihat gabungan semacam ini menuju ke sana lebih cepat. 299 00:19:31,840 --> 00:19:35,280 Dan perbedaan dalam kinerja ini semakin terasa 300 00:19:35,280 --> 00:19:38,760 semakin banyak objek yang diminta untuk disortir. 301 00:19:38,760 --> 00:19:41,120 TERTAWA 302 00:19:53,040 --> 00:19:55,200 Nah, er... 303 00:19:57,600 --> 00:19:59,560 - Saya minta maaf, mungkin... - Tidak, tidak, tidak, tidak, tidak. 304 00:19:59,560 --> 00:20:02,920 II berpikir... Saya pikir, er... 305 00:20:02,920 --> 00:20:05,000 Saya pikir gelembung semacam itu akan menjadi cara yang salah untuk pergi. 306 00:20:05,000 --> 00:20:08,400 Tertawa 307 00:20:08,400 --> 00:20:10,160 LAUGHTER 308 00:20:10,160 --> 00:20:11,680 Tepuk Tangan 309 00:20:12,720 --> 00:20:15,360 Ayo. Siapa yang memberitahunya ini? 310 00:20:22,480 --> 00:20:24,760 Gabungkan semacam ketukan gelembung, sortir ke bawah 311 00:20:24,760 --> 00:20:26,800 untuk menyortir data dalam jumlah besar. 312 00:20:28,560 --> 00:20:31,200 Tapi di dunia algoritma yang gila, ada banyak, 313 00:20:31,200 --> 00:20:33,520 banyak cara berbeda untuk mengurutkan. 314 00:20:36,000 --> 00:20:37,680 Pada penghitungan terakhir, 315 00:20:37,680 --> 00:20:41,160 ada lebih dari 20 jenis algoritma pengurutan yang berbeda. 316 00:20:42,920 --> 00:20:46,800 Semua aneh mencapai hasil yang sama, tetapi dengan cara yang berbeda. 317 00:20:58,240 --> 00:21:02,680 - Jadi ada & apos; s jenis gelembung, ada & apos; s menggabungkan semacam. - Penyisipan semacam. 318 00:21:02,680 --> 00:21:06,480 - Ada semacam tumpukan, ada semacam cepat. - Timsort. 319 00:21:06,480 --> 00:21:07,840 Anda telah mendapatkan semacam gnome. 320 00:21:07,840 --> 00:21:10,840 Ada semacam panggul, yang juga disebut radix sort. 321 00:21:10,840 --> 00:21:13,440 Ada bogosort, yang mungkin tidak pernah selesai. 322 00:21:19,400 --> 00:21:23,320 Tidak ada yang namanya algoritma pengurutan terbaik. 323 00:21:23,320 --> 00:21:25,440 Masing-masing memiliki pro sendiri dan kontra. 324 00:21:26,640 --> 00:21:28,080 Dan yang mana yang digunakan 325 00:21:28,080 --> 00:21:31,080 sering tergantung pada spesifik masalah. 326 00:21:32,760 --> 00:21:36,640 Saya pikir keindahan mempelajari algoritma adalah mencoba untuk bercita-cita 327 00:21:36,640 --> 00:21:40,400 untuk solusi yang se-elegan dan seefisien mungkin. 328 00:21:40,400 --> 00:21:44,640 Saya sebenarnya berpikir bubble sort & apos sangat cantik. Saya menyukainya. 329 00:21:44,640 --> 00:21:46,320 Gabungkan semacam & apos; s indah. 330 00:21:49,520 --> 00:21:51,840 Kami benar-benar tidak dapat hidup tanpanya. 331 00:21:51,840 --> 00:21:54,840 Menyortir algoritme untuk mewujudkan dunia. 332 00:22:05,240 --> 00:22:07,920 Sejauh ini, kami telah melihat algoritme menangani masalah kecil dalam ukuran ubin kamar mandi kami dan menyortir data kami. 333 00:22:07,920 --> 00:22:11,280 Tapi seberapa baik mereka mengatasi kekacauan ini dunia cinta? 334 00:22:12,920 --> 00:22:16,040 Kencan online benar-benar populer akhir-akhir ini. 335 00:22:18,080 --> 00:22:20,880 Faktanya, satu survei menunjukkan bahwa lebih dari sepertiga 336 00:22:20,880 --> 00:22:23,640 perkawinan baru-baru ini mulai online. 337 00:22:23,640 --> 00:22:26,400 Cara kerja situs web kencan ini adalah mereka menggunakan sesuatu yang disebut 338 00:22:27,400 --> 00:22:30,800 algoritma yang cocok. 339 00:22:30,800 --> 00:22:33,000 a matching algorithm. 340 00:22:33,000 --> 00:22:36,200 Mereka mencari melalui profil, mencoba untuk mencocokkan orang-orang sesuai 341 00:22:36,200 --> 00:22:40,320 dengan suka dan tidak suka, ciri kepribadian dan sebagainya. 342 00:22:40,320 --> 00:22:43,200 Faktanya, algoritme tampaknya lebih baik daripada manusia. 343 00:22:43,200 --> 00:22:46,480 Karena penelitian terbaru menunjukkan mereka yang bertemu secara online 344 00:22:46,480 --> 00:22:49,160 cenderung lebih bahagia dan memiliki pernikahan yang lebih lama. 345 00:22:52,360 --> 00:22:56,640 Saya akan meminta Anda untuk menerima hadiah Anda dari Yang Mulia Raja. 346 00:22:56,640 --> 00:23:01,080 Faktanya, algoritma pencocokan memiliki cukup banyak hal untuk dibanggakan. 347 00:23:01,080 --> 00:23:05,800 Karena pada tahun 2012, untuk pertama kalinya, Hadiah Nobel diberikan 348 00:23:05,800 --> 00:23:07,840 karena sebuah algoritma. 349 00:23:07,840 --> 00:23:11,280 Algoritma pencocokan yang dibuat oleh mendiang David Gale 350 00:23:11,280 --> 00:23:13,480 dan matematikawan Lloyd Shapley, 351 00:23:13,480 --> 00:23:16,240 terlihat di sini menerima bagiannya dari hadiah. 352 00:23:20,040 --> 00:23:23,720 Cerita dimulai pada 1960-an ketika Gale dan Shapley ingin 353 00:23:23,720 --> 00:23:27,840 memecahkan masalah yang berkaitan dengan penerimaan perguruan tinggi. 354 00:23:27,840 --> 00:23:31,880 Bagaimana cara mencocokkan siswa ke perguruan tinggi sehingga setiap orang mendapat tempat. 355 00:23:32,880 --> 00:23:35,400 Tapi, yang lebih penting, adalah bahagia, bahkan jika 356 00:23:35,400 --> 00:23:37,480 mereka tidak mendapatkan pilihan pertama. 357 00:23:40,480 --> 00:23:44,160 Mereka menyebutnya masalah perkawinan yang stabil. 358 00:23:44,160 --> 00:23:46,680 Masalah pernikahan yang stabil berjalan seperti ini. 359 00:23:46,680 --> 00:23:49,120 Misalkan Anda sudah mendapat empat wanita dan empat pria 360 00:23:49,120 --> 00:23:51,000 dan mereka ingin menikah. 361 00:23:51,000 --> 00:23:54,000 Sekarang, mereka telah peringkat satu sama lain sesuai dengan preferensi mereka. 362 00:23:54,000 --> 00:23:55,880 Jadi, misalnya, Queen of Hearts di sini, 363 00:23:55,880 --> 00:23:57,960 pilihan pertama adalah King of Clubs. 364 00:23:57,960 --> 00:24:00,040 Pilihan kedua, King of Diamonds, 365 00:24:00,040 --> 00:24:02,840 dan pilihan terakhirnya adalah King of Hearts. 366 00:24:02,840 --> 00:24:06,080 Jadi tantangannya di sini adalah bermain Cupid dan berpasangan dengan raja-raja 367 00:24:06,080 --> 00:24:09,920 dan ratu sehingga masing-masing mendapat pasangan, tapi yang lebih penting, 368 00:24:09,920 --> 00:24:12,520 agar pernikahannya stabil. 369 00:24:12,520 --> 00:24:15,640 Pernikahan yang stabil berarti bahwa raja dan ratu don & apos; t 370 00:24:15,640 --> 00:24:20,640 selalu mendapatkan pilihan pertama mereka, tetapi mereka mendapatkan yang terbaik yang ditawarkan. 371 00:24:20,640 --> 00:24:25,240 Misalnya, jika saya memasangkan King of Hearts dan Queen of Hearts 372 00:24:25,240 --> 00:24:28,240 dan King of Spades dan Queen of Spades, 373 00:24:28,240 --> 00:24:31,040 ini akan menjadi pernikahan yang tidak stabil. 374 00:24:31,040 --> 00:24:34,480 Karena sang Raja Spade tidak benar-benar menyukai Queen of Spades. 375 00:24:34,480 --> 00:24:36,640 Dia lebih memilih Queen of Hearts. 376 00:24:38,120 --> 00:24:40,040 Queen of Hearts, pada gilirannya, 377 00:24:40,040 --> 00:24:41,960 tidak benar-benar menyukai King of Hearts. 378 00:24:41,960 --> 00:24:44,840 Dia lebih memilih King of Spades. 379 00:24:44,840 --> 00:24:48,120 Jadi keduanya akan lari bersama dalam pasangan ini. 380 00:24:51,960 --> 00:24:56,480 Di mana ada masalah, ada & apos; s sebuah algoritma tidak jauh di belakang. 381 00:24:56,480 --> 00:24:59,160 Pada tahun 1962, Gale dan Shapley datang dengan 382 00:24:59,160 --> 00:25:02,760 algoritma pemenang Hadiah Nobel mereka. 383 00:25:02,760 --> 00:25:09,560 Resep selangkah demi selangkah yang selalu menemukan perkawinan yang stabil sempurna. 384 00:25:09,560 --> 00:25:11,240 Jadi di ronde pertama dari algoritme, 385 00:25:11,240 --> 00:25:14,440 ratu semua diusulkan ke pilihan pertama mereka raja. 386 00:25:14,440 --> 00:25:18,720 Jadi Ratu Sekop & apos; pilihan pertama adalah King of Spades. 387 00:25:18,720 --> 00:25:21,200 Dia mengusulkan kepada Raja sekop. 388 00:25:21,200 --> 00:25:24,360 The Queen of Hearts & apos; Pilihan pertama adalah King of Clubs, 389 00:25:24,360 --> 00:25:26,800 jadi dia mengusulkan ke King of Clubs. 390 00:25:26,800 --> 00:25:30,360 Queen of Diamonds & apos; pilihan pertama adalah King of Spades. 391 00:25:30,360 --> 00:25:33,320 Dan Queen of Clubs & apos; pilihan pertama adalah Raja sekop. 392 00:25:33,320 --> 00:25:36,600 Jadi Raja sekop tampaknya Darcy dari istana kerajaan ini. 393 00:25:37,800 --> 00:25:40,560 Sekarang, Raja sekop punya tiga proposal. 394 00:25:41,720 --> 00:25:44,840 Jadi dia memilih ratu yang paling populer, 395 00:25:44,840 --> 00:25:48,640 yang sebenarnya Ratu Berlian, dan menolak dua lainnya. 396 00:25:51,440 --> 00:25:55,600 Jadi kita memiliki dua keterlibatan sementara, dua penolakan . 397 00:25:55,600 --> 00:25:59,280 Kami sekarang menghapus pilihan pertama ratu & aposil yang ditolak. 398 00:25:59,280 --> 00:26:01,040 Dan ini saatnya untuk ronde kedua. 399 00:26:02,480 --> 00:26:06,960 Jadi Queen of Spades akan mengusulkan kepada Raja Berlian . 400 00:26:06,960 --> 00:26:10,160 Dan Queen of Clubs melamar ke King of Clubs. 401 00:26:11,560 --> 00:26:14,240 Tapi sekarang King of Clubs telah mendapat dua proposal 402 00:26:14,240 --> 00:26:17,440 dan sebenarnya lebih memilih Queen of Clubs Klub. 403 00:26:17,440 --> 00:26:20,280 Jadi dia menolak Queen of Hearts, keterlibatan sementaranya 404 00:26:20,280 --> 00:26:22,920 pada putaran pertama algoritma, 405 00:26:22,920 --> 00:26:24,440 dan kita harus mulai lagi. 406 00:26:26,000 --> 00:26:28,080 Di setiap ronde, ratu yang ditolak 407 00:26:28,080 --> 00:26:31,360 melamar raja berikutnya di daftar mereka. 408 00:26:31,360 --> 00:26:34,480 Dan para raja selalu mendapatkan penawaran terbaik yang mereka dapatkan. 409 00:26:35,680 --> 00:26:40,000 Dalam putaran algoritma ini, dia mengusulkan kepada Raja Hati 410 00:26:40,000 --> 00:26:44,040 dan akhirnya, semua orang & ap pernikahan itu stabil. 411 00:26:44,040 --> 00:26:45,960 and all the marriages are stable. 412 00:26:49,120 --> 00:26:53,440 Algoritma Gale-Shapley sekarang digunakan di seluruh dunia. 413 00:26:53,440 --> 00:26:56,840 Di Denmark, untuk mencocokkan anak-anak ke tempat penitipan anak. 414 00:26:56,840 --> 00:27:00,040 Di Hungaria, untuk mencocokkan pelajar dengan sekolah . 415 00:27:00,040 --> 00:27:03,440 Di New York, untuk mengalokasikan rabbis ke sinagog. 416 00:27:03,440 --> 00:27:07,360 Dan di China, Jerman dan Spanyol, untuk mencocokkan mahasiswa dengan universitas. 417 00:27:10,480 --> 00:27:13,560 Sementara di Inggris , ini mengarah pada pengembangan 418 00:27:13,560 --> 00:27:18,440 dari algoritma pencocokan yang, untuk sebagian orang, telah menyelamatkan nyawa mereka. 419 00:27:23,040 --> 00:27:26,800 Pada usia 20, Seraya di London selatan didiagnosis 420 00:27:26,800 --> 00:27:31,120 dengan penyakit ginjal kronis dan mengatakan dia perlu transplantasi. 421 00:27:32,880 --> 00:27:37,000 Saya menjalani dialisis selama 18 bulan dan sangat tidak sehat. 422 00:27:37,000 --> 00:27:40,240 Saya tidak dapat bekerja. Saya tidak punya kehidupan sosial. 423 00:27:40,240 --> 00:27:44,200 Itu benar-benar rumah sakit tiga kali seminggu untuk perawatan dan rumah. 424 00:27:45,440 --> 00:27:47,880 Seorang teman dekat bersedia menyumbang, 425 00:27:47,880 --> 00:27:50,880 tetapi mereka jenis jaringan tidak kompatibel. 426 00:27:53,480 --> 00:27:55,840 Di St Albans, Tamir sakit parah 427 00:27:55,840 --> 00:27:58,840 dan istrinya, Lyndsey, ingin menyumbang. 428 00:27:58,840 --> 00:28:00,560 Tapi mereka punya masalah yang sama. 429 00:28:02,000 --> 00:28:04,760 Kami melalui semua tes darah dan semua pemeriksaan 430 00:28:04,760 --> 00:28:08,040 dan ternyata kami adalah kelompok darah yang tidak sesuai. 431 00:28:10,320 --> 00:28:13,080 Seringkali, pasien ginjal yang cukup beruntung 432 00:28:13,080 --> 00:28:16,080 untuk memiliki calon donor menemukan ada & apos; ketidakcocokan 433 00:28:16,080 --> 00:28:18,920 antara donor mereka atau kelompok darah atau tipe jaringan. 434 00:28:20,720 --> 00:28:26,280 Tapi sejak 2007, NHS telah menggunakan algoritma pencocokan khusus 435 00:28:26,280 --> 00:28:29,160 untuk menemukan kecocokan potensial untuk donor yang bersedia 436 00:28:29,160 --> 00:28:31,480 untuk pasien ginjal di seluruh Inggris. 437 00:28:35,360 --> 00:28:37,640 Ketika pertama kali kami melihat masalah ini, 438 00:28:37,640 --> 00:28:41,320

00:28:46,360 Dan awalnya, kami baru saja memulai dengan swap antara dua pasangan. 440 00:28:46,360 --> 00:28:48,120 Jadi itu sangat sederhana, 441 00:28:48,120 --> 00:28:53,040 tetapi segera menjadi jelas bahwa kami membutuhkan sesuatu yang jauh lebih kompleks. 442 00:28:56,920 --> 00:29:00,000 Saya menjadi berhubungan dengan Rachel Johnson di NHS 443 00:29:00,000 --> 00:29:02,720 dan kami kemudian terlibat di tahap itu untuk menjadi mampu merancang 444 00:29:02,720 --> 00:29:05,560 algoritme yang memungkinkan tidak hanya pertukaran pasangan, 445 00:29:05,560 --> 00:29:08,120 tetapi juga pertukaran di antara tiga pasangan, juga. 446 00:29:10,080 --> 00:29:13,080 Algoritme mempertimbangkan beberapa skenario . 447 00:29:13,080 --> 00:29:15,400 Yang paling sederhana adalah swap dua arah 448 00:29:15,400 --> 00:29:18,360 dengan dua pasangan yang bertukar ginjal. 449 00:29:21,560 --> 00:29:23,840 Lebih rumit adalah swap tiga arah, 450 00:29:23,840 --> 00:29:26,720 dimana ginjal dilewatkan dalam satu siklus. 451 00:29:29,960 --> 00:29:34,960 Ada 200 pasien dalam setiap proses pencocokan kami. 452 00:29:34,960 --> 00:29:38,960 Kita perlu mencari semua kemungkinan transplantasi. 453 00:29:40,200 --> 00:29:42,440 Dan itu mengejutkan berapa banyak yang ada. 454 00:29:42,440 --> 00:29:44,440 Ada secara harfiah, Anda tahu, ratusan, 455 00:29:44,440 --> 00:29:47,040 terkadang ribuan kemungkinan. 456 00:29:47,040 --> 00:29:51,400 Ini adalah sesuatu yang tidak dapat dicapai tanpa algoritme. 457 00:29:53,120 --> 00:29:57,120 Suatu hari, Seraya menerima panggilan bahwa sebuah pertandingan telah ditemukan 458 00:29:57,120 --> 00:30:02,200 400 mil jauhnya dengan Linda, sebuah donor yang tinggal di Bowness dekat Edinburgh. 459 00:30:03,720 --> 00:30:06,760 Ayah suamiku membutuhkan ginjal baru. 460 00:30:06,760 --> 00:30:11,200 Dia sakit selama beberapa waktu. Dan saya tidak cocok. 461 00:30:11,200 --> 00:30:17,000 Dan saya kemudian mendapat panggilan telepon dan semuanya pergi dari sana. 462 00:30:19,120 --> 00:30:20,920 Kami mendapat panggilan telepon awal yang mengatakan 463 00:30:20,920 --> 00:30:23,520 kami telah dicocokkan di pool tiga arah. 464 00:30:23,520 --> 00:30:26,560 Anda hanya gugup bahwa itu tidak akan berlanjut 465 00:30:26,560 --> 00:30:28,240 karena hidup Anda tergantung padanya. 466 00:30:29,960 --> 00:30:31,640 Untuk pasangan yang cocok, 467 00:30:31,640 --> 00:30:35,080 semua operasi harus terjadi secara bersamaan. 468 00:30:35,080 --> 00:30:38,280 Ini adalah tantangan logistik besar. 469 00:30:38,280 --> 00:30:41,360 Ketika donor saya pergi ke teater, mereka memanggil untuk memeriksa 470 00:30:41,360 --> 00:30:44,600 bahwa donor saya juga di Newcastle pergi ke teater. 471 00:30:44,600 --> 00:30:46,960 Dan mereka berdua mendapatkannya pada waktu yang sama. 472 00:30:46,960 --> 00:30:49,400 Dan mereka membuat panggilan dan ginjal keluar. 473 00:30:49,400 --> 00:30:51,160 Saya pikir mereka pergi dengan sepeda motor. 474 00:30:51,160 --> 00:30:53,120 Kami diberi tahu bahwa mereka mungkin pergi dengan helikopter, 475 00:30:53,120 --> 00:30:56,680 jadi saya pikir setidaknya satu dari saya mungkin berada di helikopter, 476 00:30:56,680 --> 00:30:58,960 tapi, tidak, itu dilakukan dengan sepeda motor . 477 00:31:02,880 --> 00:31:06,200 Dan akhirnya berlanjut, untungnya, pada bulan Desember. 478 00:31:06,200 --> 00:31:09,160 - Hadiah Natal terbaik. - Hm! 479 00:31:09,160 --> 00:31:12,440 Secara pribadi, saya hanya Bayangkan itu adalah dokter di belakang sana 480 00:31:12,440 --> 00:31:14,880 mencocokkan orang-orang dari daftar ini. 481 00:31:14,880 --> 00:31:17,640 Jadi, ya, itu agak aneh 482 00:31:17,640 --> 00:31:20,240 bahwa itu datang ke matematika di akhir hari. 483 00:31:20,240 --> 00:31:23,720 Ini adalah skema yang bagus dan masih cukup baru. 484 00:31:23,720 --> 00:31:27,120 Dan bertahun-tahun yang lalu, saya tidak akan memiliki kesempatan ini. 485 00:31:27,120 --> 00:31:31,480 Saya merasakan banyak terima kasih kepada Linda dan juga kepada algoritme. 486 00:31:31,480 --> 00:31:33,400 Jadi, ya, saya sangat bersyukur. 487 00:31:34,680 --> 00:31:39,760 Sejauh ini, lebih dari 400 pasien telah mendapat manfaat dari skema NHS 488 00:31:39,760 --> 00:31:42,520 dan algoritma pencocokan khusus. 489 00:31:42,520 --> 00:31:44,840 Hanya ketika kami benar-benar melihat artikel media 490 00:31:44,840 --> 00:31:47,160 dan kami benar-benar mulai berpikir, "Oh, tunggu, 491 00:31:47,160 --> 00:31:49,480 " orang itu mungkin benar-benar memiliki pertandingan itu 492 00:31:49,480 --> 00:31:53,080 "melalui pencocokan pasangan & pertukaran pasangan pencocokan bulan Oktober," dan seterusnya, 493 00:31:53,080 --> 00:31:55,320 bahwa Anda benar-benar mulai melihat cerita 494 00:31:55,320 --> 00:31:57,200 yang berada di belakang data anonim . 495 00:31:57,200 --> 00:32:00,560 Cukup lucu karena David & apos selalu memperhatikan 496 00:32:00,560 --> 00:32:03,400 bahwa algoritme akan memakan waktu lama untuk dijalankan. 497 00:32:03,400 --> 00:32:07,280 Dan, Anda tahu, itu sudah sampai 30 menit dan dia merasa prihatin. 498 00:32:07,280 --> 00:32:10,440 Tapi sebenarnya, 30 menit, Anda tahu, bagi kami, 499 00:32:10,440 --> 00:32:14,080 itu luar biasa bahwa itu bisa melakukan semua itu dalam 30 menit . 500 00:32:25,000 --> 00:32:29,360 Sejauh ini, kami telah melihat bagaimana algoritma mampu melakukan tindakan luar biasa. 501 00:32:30,440 --> 00:32:33,520 Dari memecahkan masalah matematika abstrak 502 00:32:33,520 --> 00:32:37,320 untuk membantu kami menemukan hal-hal di World Wide Web. 503 00:32:37,320 --> 00:32:41,240 Dan hal utama mereka untuk semua algoritma ini adalah kecepatannya. 504 00:32:41,240 --> 00:32:44,480 Jadi fitur penting dari algoritma yang baik adalah yang pertama 505 00:32:44,480 --> 00:32:47,440 bahwa itu & apos; d lebih baik benar, tetapi setelah Anda tahu itu benar, 506 00:32:47,440 --> 00:32:49,400 penting juga untuk menjalankannya dengan cepat. 507 00:32:49,400 --> 00:32:52,600 Tidak ada gunanya memiliki algoritme yang lebih lama 508 00:32:52,600 --> 00:32:57,000 daripada seumur hidup untuk dijalankan jika Anda menginginkan hasilnya besok. 509 00:32:58,320 --> 00:33:02,680 Algoritma deteksi wajah ini adalah contoh dari algoritma yang efisien. 510 00:33:02,680 --> 00:33:05,840 Karena efisien, ia dapat berjalan nyata waktu. 511 00:33:05,840 --> 00:33:07,720 Dan itulah yang membuatnya berguna. 512 00:33:09,640 --> 00:33:14,160 Tapi seperti dalam kehidupan nyata, beberapa masalah lebih sulit daripada yang lain. 513 00:33:14,160 --> 00:33:17,480 Sekali-sekali, algoritma memenuhi pertandingan mereka. 514 00:33:19,200 --> 00:33:21,960 Saya pikir kesalahpahaman yang paling umum tentang algoritma 515 00:33:21,960 --> 00:33:24,280 hanyalah algoritma yang dapat melakukan apa saja. 516 00:33:24,280 --> 00:33:27,240 Saya pikir orang-orang tidak tahu tentang batasannya. 517 00:33:27,240 --> 00:33:30,760 Beberapa masalah tidak dapat diselesaikan dengan algoritma yang efisien. 518 00:33:32,640 --> 00:33:36,800 Ada beberapa tempat di mana algoritma yang efisien tidak dapat berjalan. 519 00:33:36,800 --> 00:33:40,000 Garis-garis di pasir yang tidak dapat diseberangi. 520 00:33:40,000 --> 00:33:43,240 Masalahnya adalah mengetahui masalah apa yang dapat mereka pecahkan 521 00:33:43,240 --> 00:33:44,680 dan yang mana mereka dapat & apos; t. 522 00:33:48,040 --> 00:33:51,320 Ambil Kubus Rubik & apos ini dan bayangkan tantangan yang lebih umum 523 00:33:51,320 --> 00:33:54,000 mencoba memecahkan kubus dimensi arbitrer. 524 00:33:54,000 --> 00:33:57,040 Jadi, misalnya, dengan 50 kotak di setiap sisi. 525 00:33:57,040 --> 00:33:58,520 Sekarang, Anda mungkin berharap ini 526 00:33:58,520 --> 00:34:01,600 menjadi salah satu masalah yang benar-benar sulit, 527 00:34:01,600 --> 00:34:03,960 tetapi sebenarnya, itu termasuk dalam kamp yang mudah. 528 00:34:03,960 --> 00:34:08,000 Kami tahu suatu algoritma yang dapat memecahkan kubus Rubik & aposical umum 529 00:34:08,000 --> 00:34:09,800 dalam waktu yang cukup. 530 00:34:13,320 --> 00:34:14,680 Meskipun terlihat keras, 531 00:34:14,680 --> 00:34:17,920 ini masalah dapat diatasi dengan algoritma yang efisien. 532 00:34:22,800 --> 00:34:25,280 Namun, di sini adalah salah satu yang pasti dapat & apos; t. 533 00:34:27,400 --> 00:34:30,320 Bayangkan Anda sudah mendapat draf papan ukuran sewenang-wenang 534 00:34:30,320 --> 00:34:32,800 dan pengaturan potongan-potongan di papan tulis. 535 00:34:32,800 --> 00:34:34,360 Tantangannya adalah untuk bekerja keluar 536 00:34:34,360 --> 00:34:38,240 apakah putih dapat memaksa kemenangan dari posisi ini. 537 00:34:38,240 --> 00:34:40,120 Sekarang, draf adalah gim yang cukup mudah, 538 00:34:40,120 --> 00:34:42,400 tetapi telah terbukti secara matematis 539 00:34:42,400 --> 00:34:46,640 bahwa tidak ada algoritme yang dapat menyelesaikan masalah ini secara efisien. 540 00:34:46,640 --> 00:34:49,040 Secara inheren masalah yang sulit. 541 00:34:51,160 --> 00:34:55,600 Satu-satunya cara untuk memecahkan teka-teki ini adalah melalui kerja keras keras - 542 00:34:55,600 --> 00:34:58,320 mengerjakan jutaan kemungkinan. 543 00:35:00,080 --> 00:35:04,840 Jadi masalah ini terletak di luar jangkauan algoritme yang efisien. 544 00:35:04,840 --> 00:35:06,520 Tidak dapat dipecahkan dengan cepat. 545 00:35:10,240 --> 00:35:14,600 Tetapi untuk beberapa masalah, seberapa sulitnya mereka tidak terpotong dengan jelas . 546 00:35:14,600 --> 00:35:19,080 Ini sudoku besar. Ada 625 kotak. 547 00:35:20,320 --> 00:35:24,400 Salah satu hal yang menyenangkan tentang sudoku adalah bahwa begitu Anda telah menemukan solusi, 548 00:35:24,400 --> 00:35:28,040 relatif mudah untuk memeriksa apakah benar atau tidak. 549 00:35:28,040 --> 00:35:30,360 Dan ini benar namun besar teka-teki. 550 00:35:32,360 --> 00:35:34,800 Dalam kasus ini, saya baru saja memeriksa setiap baris, 551 00:35:34,800 --> 00:35:38,280 kolom dan blok tidak memiliki fitur nomor dua kali. 552 00:35:38,280 --> 00:35:42,240 Sudoku termasuk dalam kategori masalah yang sangat khusus 553 00:35:42,240 --> 00:35:44,840 yang semuanya berbagi karakteristik ini. 554 00:35:44,840 --> 00:35:48,840 Setelah Anda menemukan solusi, itu adalah selalu mudah untuk memeriksanya. 555 00:35:49,880 --> 00:35:53,160 Misteri adalah apakah ada algoritme yang efisien 556 00:35:53,160 --> 00:35:55,520 untuk menemukan solusinya di tempat pertama. 557 00:35:58,360 --> 00:36:02,520 Dan sudoku tidak sendirian. Ada banyak masalah seperti ini. 558 00:36:02,520 --> 00:36:05,040 Yang paling dipelajari dari mereka semua 559 00:36:05,040 --> 00:36:08,480 dikenal sebagai masalah salesman keliling. 560 00:36:13,360 --> 00:36:16,920 Seorang salesman keliling perjalanan ke pintu, kota ke kota, 561 00:36:16,920 --> 00:36:20,480 menjual apa pun dari sikat dan Hoovers ke kaca ganda. 562 00:36:22,520 --> 00:36:25,000 Kedengarannya seperti pekerjaan yang mudah. 563 00:36:25,000 --> 00:36:28,880 Tapi semua salesman yang bepergian menghadapi pertanyaan yang sama. 564 00:36:28,880 --> 00:36:31,560 Apa rute terpendek yang harus diambil? 565 00:36:33,520 --> 00:36:37,400 Sangat penting adalah masalah ini bahwa Clay Mathematics Institute 566 00:36:37,400 --> 00:36:42,120 telah menawarkan 1 juta untuk siapa pun dapat temukan algoritme yang efisien, 567 00:36:42,120 --> 00:36:44,520 atau buktikan bahwa tidak ada. 568 00:36:46,400 --> 00:36:49,000 Masalah penjual keliling berjalan seperti ini. 569 00:36:49,000 --> 00:36:50,520 Bayangkan Anda adalah seorang penjual 570 00:36:50,520 --> 00:36:55,120 dan Anda harus mengunjungi daftar kota yang diwakili oleh titik-titik merah. 571 00:36:55,120 --> 00:36:57,640 Tantangannya adalah menemukan rute terpendek 572 00:36:57,640 --> 00:37:02,040 sehingga Anda mengunjungi setiap kota satu kali sebelum kembali ke titik awal. 573 00:37:02,040 --> 00:37:04,520 Sekarang, Anda mungkin membayangkan yang terbaik adalah 574 00:37:04,520 --> 00:37:07,520 untuk hanya mempertimbangkan semua rute, seperti ini. 575 00:37:13,960 --> 00:37:18,560 Metode pengecekan semua kemungkinan adalah jenis algoritme. 576 00:37:18,560 --> 00:37:20,440 Dan untuk tiga kota, ini berfungsi dengan baik 577 00:37:20,440 --> 00:37:23,640 karena hanya ada tiga rute yang mungkin untuk diperiksa. 578 00:37:27,080 --> 00:37:30,200 Tapi bagaimana jika kita menambahkan dua kota lagi ke daftar? 579 00:37:32,920 --> 00:37:36,360 Dengan lima kota, ada 60 rute berbeda yang mungkin. 580 00:37:39,160 --> 00:37:44,040 Dan jika kita menambahkan kota lain , maka ada 360 kemungkinan rute. 581 00:37:44,040 --> 00:37:49,320 Dan untuk sepuluh kota, ada lebih dari 1,8 juta kemungkinan rute. 582 00:37:49,320 --> 00:37:51,600 Jika algoritme kami mencekiknya, 583 00:37:51,600 --> 00:37:54,720 memeriksa semua ini dengan kecepatan sepuluh per detik, 584 00:37:54,720 --> 00:37:58,320 butuh dua hari sebelum menemukan yang terpendek. 585 00:37:58,320 --> 00:38:01,720 Jadi Anda dapat melihat metode mencoba semua kemungkinan yang berbeda, 586 00:38:01,720 --> 00:38:06,440 semacam algoritma brute-force, jika Anda suka, hanya tidak praktis. 587 00:38:07,720 --> 00:38:10,880 Jika seseorang menemukan algoritma cepat untuk masalah salesman keliling, 588 00:38:10,880 --> 00:38:12,280 itu akan sangat signifikan. 589 00:38:12,280 --> 00:38:15,240 Jika salah satu murid saya datang dengan algoritma yang efisien 590 00:38:15,240 --> 00:38:17,320 untuk masalah salesman keliling, 591 00:38:17,320 --> 00:38:20,280 Saya akan membuatnya menjelaskannya kepada saya, 592 00:38:20,280 --> 00:38:23,200 Saya akan membunuhnya dan kemudian saya akan pergi dan mengklaim 593 00:38:23,200 --> 00:38:25,720 hadiah Tanah Liat, 1 juta. 594 00:38:25,720 --> 00:38:28,360 Tapi saya rasa murid saya aman. 595 00:38:29,680 --> 00:38:32,680 Masalah muncul di banyak area. 596 00:38:32,680 --> 00:38:35,000 Dari papan sirkuit penyolderan... 597 00:38:37,360 --> 00:38:40,680 .. untuk merencanakan rute pengiriman ke supermarket. 598 00:38:40,680 --> 00:38:45,320 Tapi apakah masalah salesman perjalanan secara diam-diam sudah terpecahkan? 599 00:38:49,960 --> 00:38:54,080 Sebuah tim ilmuwan yang bekerja di Rothamsted Research di Harpenden 600 00:38:54,080 --> 00:38:57,520 have turned to nature to see if it has found the answer. 601 00:39:03,200 --> 00:39:06,160 Mereka melakukan eksperimen yang rumit untuk mempelajari 602 00:39:06,160 --> 00:39:10,320 bagaimana masalah penjual keliling ditangani oleh lebah bumblebee. 603 00:39:13,480 --> 00:39:17,680 Lebah harus mencari nektar untuk menyediakan sarang mereka. 604 00:39:17,680 --> 00:39:19,920 Maka mereka harus mengunjungi 605 00:39:19,920 --> 00:39:22,520 kemungkinan ratusan bunga di setiap perjalanan. 606 00:39:22,520 --> 00:39:25,240 Apa yang ingin mereka lakukan adalah menemukan cara yang efisien 607 00:39:25,240 --> 00:39:28,040 untuk pergi di antara semua bunga yang mereka kunjungi. 608 00:39:31,360 --> 00:39:35,680 Kumbang yang rendah hati menghadapi masalah penjual keliling sendiri. 609 00:39:35,680 --> 00:39:38,360 Bunganya persis seperti kota-kota. 610 00:39:38,360 --> 00:39:41,480 Dan lebah itu adalah penjual keliling. 611 00:39:41,480 --> 00:39:45,600 Satu lebah akan keluar mencari makan banyak, berkali-kali setiap hari. 612 00:39:45,600 --> 00:39:47,360 Jadi selama satu hari, 613 00:39:47,360 --> 00:39:51,680

00:39:53,920 Jadi apa yang kita lakukan adalah mencoba untuk mencari tahu 615 00:39:53,920 --> 00:39:58,000 aturan apa yang mereka gunakan untuk mempersempit kemungkinan. 616 00:40:00,480 --> 00:40:04,160 Joe telah meletakkan lima pengumpan yang memainkan peran bunga. 617 00:40:05,560 --> 00:40:10,200 Setiap pengumpan hanya memiliki cukup nektar untuk memastikan lebah harus mengunjungi kelima 618 00:40:10,200 --> 00:40:12,360 untuk memberikannya penuh perut madu. 619 00:40:13,560 --> 00:40:16,280 Dan bagaimana Anda benar-benar mengetahui ke mana arahnya? 620 00:40:16,280 --> 00:40:18,960 Untuk ini, kami menggunakan radar harmonik. 621 00:40:18,960 --> 00:40:22,280 Jadi saat berputar berputar dan bulat, itu memancarkan sinyal radar. 622 00:40:22,280 --> 00:40:25,200 Dan kami telah memasang antena kecil ke bagian belakang lebah, 623 00:40:25,200 --> 00:40:27,880 yang kemudian mencerminkan sinyal dari radar. 624 00:40:27,880 --> 00:40:31,200 Dan ini memungkinkan kita untuk melihat dengan tepat di mana lebah telah pergi 625 00:40:31,200 --> 00:40:32,800 ketika dia bergerak di sekitar lapangan. 626 00:40:34,240 --> 00:40:38,000 Jadi, bagaimana cara lebah mengatasi masalah salesman keliling ? 627 00:40:38,000 --> 00:40:40,120 OK, kami akan menyalakannya sekarang. 628 00:40:47,080 --> 00:40:51,600 Dengan lima pengumpan, ada total 60 rute yang mungkin. 629 00:40:51,600 --> 00:40:54,480 Yang terpendek ada di sekitar bagian luar tepi. 630 00:40:58,040 --> 00:41:02,520 Peta panas ini menunjukkan jalur yang diambil oleh lebah tunggal. 631 00:41:02,520 --> 00:41:06,240 Pada awalnya, itu hanya menemukan posisi pengumpan. 632 00:41:07,920 --> 00:41:12,360 Kemudian lebah tampaknya mengubah secara metodis berbeda bagian dari rute 633 00:41:12,360 --> 00:41:14,680 untuk melihat apakah itu bisa membuatnya lebih pendek. 634 00:41:16,920 --> 00:41:20,760 Dalam 20 perjalanan, itu diasah dalam rute yang efisien. 635 00:41:26,480 --> 00:41:29,840 Rute ini adalah tidak selalu terpendek mutlak, 636 00:41:29,840 --> 00:41:31,760 tapi, untuk lebah, itu cukup baik. 637 00:41:36,440 --> 00:41:40,040 Itu menakjubkan bahwa hanya setelah beberapa kali mencoba, mereka telah mendapat 638 00:41:40,040 --> 00:41:44,040 untuk sesuatu yang cukup efisien bagi mereka untuk melakukan pencarian makan mereka. 639 00:41:44,040 --> 00:41:47,920 Ya, itu benar. Mereka tidak dapat menghabiskan hari atau bahkan, Anda tahu, 640 00:41:47,920 --> 00:41:50,560 butuh waktu berbulan-bulan atau bertahun-tahun untuk mencoba setiap kemungkinan. 641 00:41:50,560 --> 00:41:52,920 Jadi mereka harus cepat menemukan rute 642 00:41:52,920 --> 00:41:55,680 yang dapat mereka lakukan lagi dan lagi dan lagi 643 00:41:55,680 --> 00:41:59,800 - agar dapat menyediakan makanan secara efisien. - Fantastis. 644 00:41:59,800 --> 00:42:01,960 Saya pikir lebah & apos menjadi serangga favorit saya sekarang. 645 00:42:01,960 --> 00:42:05,520 - Ini jelas seorang ahli matematika di hati. - Tentu saja. 646 00:42:06,920 --> 00:42:11,640 Biarkan & apos; s menjadi jelas . Lebah tidak akan diberikan 1 juta. 647 00:42:11,640 --> 00:42:15,120 Mereka tidak secara ajaib memecahkan masalah penjual keliling 648 00:42:15,120 --> 00:42:18,080 karena mereka tidak selalu menemukan rute terpendek. < Tetapi algoritma mereka adalah pendekatan yang pintar. 649 00:42:19,400 --> 00:42:21,760 Dalam matematika, ini dikenal sebagai heuristik. 650 00:42:21,760 --> 00:42:25,080 Algoritma yang efisien, yang tidak menemukan solusi sempurna, 651 00:42:25,080 --> 00:42:29,320 tetapi sedekat mungkin. 652 00:42:29,320 --> 00:42:31,080 Pendekatan heuristik yang sama 653 00:42:44,520 --> 00:42:46,720 telah digunakan untuk mengembangkan suatu algoritma untuk bandara Heathrow. 654 00:42:46,720 --> 00:42:49,960 DISPATCHER: & Clear; Bersihkan untuk lepas landas... & apos; 655 00:42:51,400 --> 00:42:54,040 Heathrow menangani lebih dari 1.300 penerbangan dalam sehari. 656 00:42:54,040 --> 00:42:57,880 Ini adalah bandara tersibuk di Eropa. 657 00:42:57,880 --> 00:43:00,000 & apos ;. 0,430 jelas untuk tinggal landas. Angin permukaan 247 derajat dengan tiga knot. & Apos; 658 00:43:00,000 --> 00:43:04,640 '..430 clear for takeoff. Surface wind 247 degrees at three knots.' 659 00:43:12,840 --> 00:43:15,120 Tantangan untuk kontrol lalu lintas udara 660 00:43:15,120 --> 00:43:18,640 adalah untuk memaksimalkan jumlah pesawat yang berangkat setiap jam 661 00:43:18,640 --> 00:43:22,800 dan memastikan bahwa bandara beroperasi secara efisien dan aman. 662 00:43:22,800 --> 00:43:29,400 & apos; .. di belakang British Airways 747, berbaris 27 tepat di belakang. & apos; 663 00:43:29,400 --> 00:43:33,520 Salah satu keputusan penting adalah pesanan lepas landas. 664 00:43:33,520 --> 00:43:36,680 Kami saat ini sedang berangkat grup dari pesawat sedang, 665 00:43:36,680 --> 00:43:39,680 yang akan dipisahkan satu menit terpisah. 666 00:43:39,680 --> 00:43:43,400 Di belakang itu, maka, Anda dapat melihat 747, yang merupakan pesawat besar. 667 00:43:44,800 --> 00:43:48,200 Pesawat menengah perlu dipisahkan dari turbulensi 668 00:43:48,200 --> 00:43:50,360 yang dihasilkan oleh pesawat yang lebih besar. 669 00:43:50,360 --> 00:43:52,720 Jadi urutan ukuran sangat penting. 670 00:43:53,800 --> 00:43:56,120 Urutan ideal untuk tinggal landas melibatkan 671 00:43:56,120 --> 00:43:58,840 benar-benar memblokir bersama-sama kelompok pesawat. 672 00:43:58,840 --> 00:44:01,080 Jadi Anda ingin pesawat besar untuk dikelompokkan bersama, 673 00:44:01,080 --> 00:44:03,440 pesawat sedang untuk dikelompokkan bersama. 674 00:44:03,440 --> 00:44:05,240 Dan itu memungkinkan pemisahan 675 00:44:05,240 --> 00:44:07,640 antara pesawat-pesawat tersebut diminimalkan. 676 00:44:10,640 --> 00:44:14,160 Faktor lain yang perlu dipertimbangkan ketika perencanaan tinggal landas 677 00:44:14,160 --> 00:44:16,040 adalah tempat pesawat sedang menuju. 678 00:44:19,920 --> 00:44:22,320 Kami ingin orang pergi ke utara, satu ke selatan, 679 00:44:22,320 --> 00:44:24,360 selanjutnya ke utara, lalu ke selatan. 680 00:44:24,360 --> 00:44:29,040 Jika semua pesawat terbang menuju ke arah yang sama, pemisahan akan jauh lebih besar 681 00:44:29,040 --> 00:44:31,560 dan kami tidak akan menggunakan runway secara efisien. 682 00:44:31,560 --> 00:44:34,600 Semua pengontrol berada dalam kontrol menara berpikir, 683 00:44:34,600 --> 00:44:37,880 "Saya memiliki semua pesawat ini menuju ke utara, semua ini menuju ke selatan. 684 00:44:37,880 --> 00:44:39,640 " Saya punya ini yang besar, 685 00:44:39,640 --> 00:44:42,200 "jadi Saya ingin mencoba dan mengelompokkan semua yang besar bersama-sama 686 00:44:42,200 --> 00:44:44,600 "jadi saya tidak perlu pergi dari yang besar ke yang kecil." 687 00:44:44,600 --> 00:44:48,000 Dan itu sangat kompleks masalah untuk dipecahkan di kepala mereka. 688 00:44:48,000 --> 00:44:50,440 & apos; .. 906 November... & apos; 689 00:44:50,440 --> 00:44:54,280 Pada tahun 2013, sebuah algoritme bergabung dengan tim. 690 00:44:54,280 --> 00:44:58,240 Tugasnya adalah memprediksi pesanan yang paling mungkin untuk tinggal landas 691 00:44:58,240 --> 00:45:00,400 dan menyarankan kontrol lalu lintas udara 692 00:45:00,400 --> 00:45:03,240 ketika pesawat harus mendorong kembali dari gerbang. 693 00:45:03,240 --> 00:45:06,240 Untuk melakukan ini melibatkan tidak kurang dari mensimulasikan 694 00:45:06,240 --> 00:45:09,480 seluruh pengoperasian bandara ke luar. 695 00:45:11,280 --> 00:45:14,240 Melaksanakan jutaan perhitungan setiap detik. 696 00:45:14,240 --> 00:45:17,040 PENULISAN FAINT 697 00:45:21,720 --> 00:45:25,080 Algoritme bekerja dengan mencoba memprediksi 698 00:45:25,080 --> 00:45:28,360 perintah apa yang akan dilemparkan oleh pesawat. 699 00:45:28,360 --> 00:45:30,640 Jika dia tahu urutan apa yang bisa mereka ambil, 700 00:45:30,640 --> 00:45:32,560 maka itu bisa bekerja mundur dan berkata, 701 00:45:32,560 --> 00:45:34,600 "Jika perlu untuk lepas landas saat ini, 702 00:45:34,600 --> 00:45:37,480 " maka perlu memasukkan antrian runway saat ini, 703 00:45:37,480 --> 00:45:39,840 "maka perlu menyelesaikan taksi di kali ini, 704 00:45:39,840 --> 00:45:42,520 "sehingga perlu memulai operasi taksi pada saat ini. 705 00:45:42,520 --> 00:45:45,480 " Dalam hal ini, perlu untuk menyelesaikan kembali tekanannya saat ini, 706 00:45:45,480 --> 00:45:47,600 "sehingga perlu mulailah mendorong kembali pada saat ini. " 707 00:45:47,600 --> 00:45:50,600 Dan dapat bekerja kembali dari jam berapa seharusnya lepas landas 708 00:45:50,600 --> 00:45:52,640 ke jam berapa seharusnya mulai mendorong kembali. 709 00:45:55,440 --> 00:45:58,720 Output dari algoritma ini diberikan untuk kontrol lalu lintas udara 710 00:45:58,720 --> 00:46:01,560 melalui sistem komputer internal bandara & apos 711 00:46:01,560 --> 00:46:05,800 dan ditampilkan kepada pilot di gerbang dalam bentuk TSAT , 712 00:46:05,800 --> 00:46:07,800 waktu pushback yang disarankan. 713 00:46:10,000 --> 00:46:12,800 Pilot dapat melihat pada sistem entri stand 714 00:46:12,800 --> 00:46:15,960 untuk benar-benar melihat kapan dia akan berangkat. 715 00:46:17,880 --> 00:46:21,200 Manfaat terbesar dari algoritme adalah bahwa itu berarti Anda dapat 716 00:46:21,200 --> 00:46:25,040 mempertahankan pesawat di stand lebih lama tanpa mereka lepas landas nantinya. 717 00:46:25,040 --> 00:46:28,440 Jadi tidak ada kerugian bagi penumpang apa pun dalam hal penundaan. 718 00:46:28,440 --> 00:46:30,840 Apa yang dapat Anda lakukan adalah Anda dapat memulai mesin Anda nanti. 719 00:46:33,080 --> 00:46:35,480 Sebenarnya, jika kita menyimpan dua menit & apos; waktu taksi 720 00:46:35,480 --> 00:46:37,840 dalam perjalanan ke ujung landasan, lebih dari setahun, 721 00:46:37,840 --> 00:46:40,520 yang sebenarnya adalah penghematan bahan bakar senilai £ 15 juta. 722 00:46:42,280 --> 00:46:46,240 Algoritma sekuensing Heathrow hanya menunjukkan apa yang dapat dicapai 723 00:46:46,240 --> 00:46:47,920 dengan pendekatan heuristik. 724 00:46:49,040 --> 00:46:52,320 Sama seperti lebah, algoritma ini tidak menemukan 725 00:46:52,320 --> 00:46:55,360 solusi sempurna mutlak semua waktu, 726 00:46:55,360 --> 00:46:58,720 tetapi tetap membuat pekerjaan yang sulit sedikit lebih mudah. 727 00:47:00,320 --> 00:47:02,080 Kami sangat bangga dengan algoritme 728 00:47:02,080 --> 00:47:05,720 karena sebenarnya sekarang, kami merasa, model dunia nyata dan berguna. 729 00:47:16,120 --> 00:47:19,080 Pada awalnya, algoritme dibuat oleh para ahli matematika untuk matematikawan. 730 00:47:19,080 --> 00:47:21,640 by mathematicians for mathematicians. 731 00:47:21,640 --> 00:47:23,800 And over the last century, 732 00:47:23,800 --> 00:47:26,400 algoritma telah dibuat untuk komputer. 733 00:47:29,240 --> 00:47:33,960 Tapi mungkin hubungan kita akan melalui revolusi yang dramatis. 734 00:47:39,720 --> 00:47:41,920 Di Microsoft Research di Cambridge, 735 00:47:41,920 --> 00:47:46,360 para ilmuwan menggunakan teknik baru untuk mengembangkan algoritma... 736 00:47:46,360 --> 00:47:50,400 mengaburkan batasan antara penemu dan algoritme itu sendiri. 737 00:47:56,600 --> 00:47:59,920 Ini adalah algoritma pelacakan tulang Kinect. 738 00:47:59,920 --> 00:48:02,760

739 00:48:02,760 --> 00:48:04,920 Jadi Anda dapat melihat itu berwarna di bagian atas kepala saya dalam warna merah. 740 00:48:04,920 --> 00:48:08,360 dan tangan kananku di sini dengan warna biru. 741 00:48:08,360 --> 00:48:11,040 Kamu bisa melihatnya berwarna hijau leherku. 742 00:48:11,040 --> 00:48:13,560 Sekarang, algoritma ini belum pernah bertemu denganku sebelumnya, 743 00:48:13,560 --> 00:48:16,080 tidak tahu bagaimana saya akan bergerak di ruang angkasa, 744 00:48:16,080 --> 00:48:18,760 tetapi hanya menggunakan data yang berasal dari kamera khusus ini di sini, 745 00:48:18,760 --> 00:48:22,040 mengukur jarak dari kamera ke tubuh saya , 746 00:48:22,040 --> 00:48:25,520 measuring the distance from the camera to my body, 747 00:48:25,520 --> 00:48:28,120 ia mampu menghasilkan peta ini. 748 00:48:30,520 --> 00:48:33,960 Apa pun postur yang saya ambil, menggunakan tidak lebih dari input 749 00:48:33,960 --> 00:48:36,360 dari kamera pendeteksi kedalaman khusus, 750 00:48:36,360 --> 00:48:39,360 algoritma ini mampu mengidentifikasi secara akurat, 751 00:48:39,360 --> 00:48:42,760 pixel oleh pixel, bagian-bagian berbeda dari tubuh saya. 752 00:48:46,640 --> 00:48:49,720 Ini dikembangkan untuk konsol Microsoft Xbox 753 00:48:49,720 --> 00:48:53,640 untuk lacak pergerakan postur tubuh pemain & apos secara real time. 754 00:48:58,440 --> 00:49:01,600 Tapi sama menakjubkannya seperti apa yang bisa dilakukan oleh algoritma ini 755 00:49:01,600 --> 00:49:04,480 adalah proses di balik bagaimana itu dibuat, 756 00:49:04,480 --> 00:49:07,080 sebagaimana peneliti Jamie Shotton menjelaskan. 757 00:49:09,640 --> 00:49:12,640 Apa yang terjadi adalah setiap piksel dalam gambar, 758 00:49:12,640 --> 00:49:16,080 kita menjalankan algoritma yang disebut pohon keputusan. 759 00:49:16,080 --> 00:49:19,520 < Dan Anda dapat memikirkan pohon keputusan sebagai permainan 20 pertanyaan. 760 00:49:19,520 --> 00:49:22,560 Jadi pohon keputusan adalah semacam mengambil piksel, katakanlah, di tangan saya, 761 00:49:22,560 --> 00:49:25,320 dan mencoba memutuskan, OK, saya harus mewarnai warna biru itu 762 00:49:25,320 --> 00:49:28,480 - karena itu ada di tangan dan bukan pada tubuh saya. - Ya. 763 00:49:28,480 --> 00:49:31,200 Kunci pohon keputusan adalah fakta bahwa 20 pertanyaan 764 00:49:31,200 --> 00:49:33,880 yang Anda tanyakan tidak sama 765 00:49:33,880 --> 00:49:37,000 untuk setiap piksel yang kami coba gambarkan. < Dan set lengkap dari pertanyaan yang mungkin 766 00:49:37,000 --> 00:49:39,680 yang dapat dijawab adalah eksponensial. 767 00:49:39,680 --> 00:49:43,080 - Ini adalah dua ke dua puluh. - Benar, OK. Itu lebih dari sejuta pertanyaan, 768 00:49:43,080 --> 00:49:46,360 banyak pertanyaan yang harus Anda programkan di sana. 769 00:49:46,360 --> 00:49:49,240 Ya. Ini akan memakan waktu terlalu lama 770 00:49:49,240 --> 00:49:51,080 dan terlalu rawan kesalahan bagi kita sebagai manusia untuk memprogram itu dengan tangan. 771 00:49:51,080 --> 00:49:55,120 - Jadi, jenis algoritmik & aplikasinya sendiri, atau...? - Tentu saja. 772 00:49:55,120 --> 00:49:58,760 Algoritme ini tidak dirancang oleh Jamie 773 00:50:02,960 --> 00:50:05,520 melainkan melalui proses yang disebut pembelajaran mesin. 774 00:50:05,520 --> 00:50:08,960 but instead through a process called machine learning. 775 00:50:11,440 --> 00:50:15,720 Itu melibatkan menunjukkan algoritma jutaan gambar pelatihan, 776 00:50:15,720 --> 00:50:19,320 tubuh dalam berbagai pose dan berbagai bentuk dan ukuran, 777 00:50:19,320 --> 00:50:23,600 dari yang sangat gemuk sampai yang sangat tipis, sangat singkat ke sangat tinggi. 778 00:50:24,640 --> 00:50:28,880 Dan dari ini, algoritma dasarnya belajar dengan contoh, 779 00:50:28,880 --> 00:50:31,040 menyusun aturannya sendiri. 780 00:50:34,200 --> 00:50:37,760 Di mana kecerdasan kami masuk sebagai perancang sistem 781 00:50:37,760 --> 00:50:41,240 tidak dalam pemrograman algoritma, per se, 782 00:50:41,240 --> 00:50:44,200 tetapi dalam merancang set data pelatihan 783 00:50:44,200 --> 00:50:48,160 untuk menangkap semua jenis variasi yang kami harapkan untuk melihat 784 00:50:48,160 --> 00:50:51,040 ketika kami menerapkan sistem ini di ruang tamu orang-orang & 785 00:50:51,040 --> 00:50:52,360 untuk memainkan permainan mereka. 786 00:50:52,360 --> 00:50:55,600 Jadi pada akhirnya, apakah Anda benar-benar tahu apa yang sedang dilakukan oleh algoritma? 787 00:50:55,600 --> 00:50:57,800 Kita dapat memahami apa yang sedang dicoba dilakukan 788 00:50:57,800 --> 00:50:59,400 dan bagaimana cara kerjanya, 789 00:50:59,400 --> 00:51:02,960 tetapi kita tidak dapat benar-benar memahami apa yang sebenarnya terjadi. 790 00:51:04,960 --> 00:51:09,920 Pendekatan pembelajaran mesin yang sama telah digunakan dalam aplikasi lain. 791 00:51:09,920 --> 00:51:14,680 Misalnya, algoritme ini mampu melakukan sesuatu yang untuk waktu yang lama 792 00:51:14,680 --> 00:51:19,560 dianggap sebagai keterampilan eksklusif untuk ahli bedah saraf dan ahli radiologi. 793 00:51:19,560 --> 00:51:22,800 Dari pemindaian MRI, algoritme dapat mengidentifikasi 794 00:51:22,800 --> 00:51:26,480 dan petakan tumor otak dalam 3-D. 795 00:51:26,480 --> 00:51:29,280 Berarti bahwa pekerjaan yang biasanya membutuhkan waktu satu jam 796 00:51:29,280 --> 00:51:31,360 dapat dilakukan dalam hitungan menit. 797 00:51:34,640 --> 00:51:37,640 Profesor Chris Bishop tertarik untuk mengembangkan 798 00:51:37,640 --> 00:51:40,880 konsep pembelajaran mesin lebih jauh. 799 00:51:40,880 --> 00:51:44,680 Untuk membuat algoritme yang dapat belajar seperti yang kami lakukan, 800 00:51:44,680 --> 00:51:46,600 langsung dari pengalaman . 801 00:51:49,160 --> 00:51:52,120 Jadi demonstrasi ini, saya rasa, menggambarkan arah 802 00:51:52,120 --> 00:51:54,120 bahwa algoritma akan berjalan di tahun-tahun mendatang. 803 00:51:54,120 --> 00:51:57,640 Oke, saya bisa melihat banyak film di sini, jadi apa yang akan dilakukan oleh algoritma? 804 00:51:57,640 --> 00:52:00,760 Kami telah mendapat beberapa ratus film yang paling sering ditonton, 805 00:52:00,760 --> 00:52:02,240 dan apa yang akan dilakukan, 806 00:52:02,240 --> 00:52:06,600 itu akan belajar tentang kesukaan dan ketidaksukaan pribadi Anda. 807 00:52:06,600 --> 00:52:08,080 Sudah dilatih, 808 00:52:08,080 --> 00:52:11,080 jadi ini adalah algoritme pembelajaran mesin di belakang layar, 809 00:52:11,080 --> 00:52:14,480 tetapi sudah dilatih tentang data dari sekitar 10.000 orang. 810 00:52:14,480 --> 00:52:18,160 Apa yang akan dilakukan sekarang adalah belajar tentang preferensi Anda. 811 00:52:18,160 --> 00:52:20,200 Saat ini tidak tahu apa-apa tentang Anda, 812 00:52:20,200 --> 00:52:22,760 sehingga film-film ini hanya diatur secara acak di layar. 813 00:52:22,760 --> 00:52:25,440 Apa yang saya ingin Anda lakukan adalah untuk menemukan salah satu film ini, 814 00:52:25,440 --> 00:52:28,120 salah satu yang Anda suka atau yang Anda tidak suka. 815 00:52:28,120 --> 00:52:31,160 Jika Anda suka, Anda dapat menyeretnya ke hijau wilayah, 816 00:52:31,160 --> 00:52:33,600 jika Anda tidak suka, menyeberang ke wilayah merah. 817 00:52:33,600 --> 00:52:35,600 Rushmore, saya penggemar berat Rushmore. 818 00:52:35,600 --> 00:52:37,560 Anda suka Rushmore? OK, benar. 819 00:52:37,560 --> 00:52:41,120 Jadi apa yang terjadi sekarang adalah jika sebuah film berada di sisi kanan 820 00:52:41,120 --> 00:52:44,760 - dekat wilayah hijau, sangat yakin Anda akan menyukainya. - OK. 821 00:52:44,760 --> 00:52:46,600 Jadi di sini dekat dengan daerah merah, 822 00:52:46,600 --> 00:52:48,560 sangat yakin Anda tidak akan menyukainya. 823 00:52:48,560 --> 00:52:51,400 Di tengah , 50-50. Itu tidak benar-benar tahu. 824 00:52:51,400 --> 00:52:54,320 Jadi jika saya memilih film di tengah sini, 825 00:52:54,320 --> 00:52:57,680 Saya bukan penggemar Austin Powers, jadi biarkan & apos; s menembak yang satu itu .. . 826 00:52:57,680 --> 00:53:00,800 Jadi Anda lihat, mereka mulai menyebar ke samping, 827 00:53:00,800 --> 00:53:04,480 - itu akan menjadi sedikit lebih percaya diri. - Ini cukup bagus. 828 00:53:04,480 --> 00:53:07,480 Saya adalah penggemar berat Dr Strangelove 829 00:53:07,480 --> 00:53:11,480 dan saya adalah penggemar berat Woody Allen, 830 00:53:11,480 --> 00:53:14,520 tapi Spinal Tap, saya pikir saya akan menyukainya. 831 00:53:14,520 --> 00:53:18,040 Jadi itu menarik, jadi ketika yakin Anda menyukai mereka 832 00:53:18,040 --> 00:53:19,800 dan Anda mengatakan Anda menyukai mereka, 833 00:53:19,800 --> 00:53:22,920 tidak banyak yang terjadi karena tidak belajar banyak. 834 00:53:22,920 --> 00:53:25,840 Saat yakin Anda akan menyukainya, dalam kasus Spinal Tap 835 00:53:25,840 --> 00:53:28,280 dan Anda berkata, "Saya tidak suka," ada perubahan besar. 836 00:53:28,280 --> 00:53:30,200 Ini belajar hal-hal dari saya. 837 00:53:30,200 --> 00:53:33,080 Saya sebenarnya mengubah algoritmanya saat saya berinteraksi dengannya. 838 00:53:33,080 --> 00:53:36,520 Tepat. Sedangkan Kinect dilatih di laboratorium dan kemudian dibekukan, 839 00:53:36,520 --> 00:53:38,560 algoritma ini terus beradaptasi 840 00:53:38,560 --> 00:53:41,280 dan terus berkembang sepanjang hidupnya. 841 00:53:41,280 --> 00:53:44,120 Semakin banyak film yang Anda beri peringkat sebagai suka dan tidak suka, 842 00:53:44,120 --> 00:53:45,960 semakin banyak hal yang diketahui tentang Anda secara pribadi 843 00:53:45,960 --> 00:53:48,760 dan semakin mampu untuk membuat rekomendasi yang bagus. 844 00:53:48,760 --> 00:53:52,320 Algoritme ini mulai merasa jauh lebih manusiawi 845 00:53:52,320 --> 00:53:54,840 dalam cara yang berinteraksi dengan dunia. 846 00:53:54,840 --> 00:53:57,840 Apakah itu tujuan Anda, untuk menemukan cara menghasilkan algoritma 847 00:53:57,840 --> 00:54:00,560 yang agak mirip dengan cara kita menegosiasikan dunia? 848 00:54:00,560 --> 00:54:03,720 Tepat. Ini adalah langkah turun ke jalan yang sangat panjang untuk memproduksi mesin 849 00:54:03,720 --> 00:54:05,880 yang benar-benar berkemampuan otak manusia. 850 00:54:05,880 --> 00:54:08,720 Kita harus menempuh perjalanan yang jauh, tetapi ini kecil langkah ke arah itu 851 00:54:08,720 --> 00:54:10,160 karena itu tidak diperbaiki lagi. 852 00:54:10,160 --> 00:54:12,480 Sekarang terus belajar dengan cara yang sama 853 00:54:12,480 --> 00:54:14,800 yang terus kami pelajari di kehidupan sehari-hari. 854 00:54:19,680 --> 00:54:21,680 Saya pikir kita baru memulai 855 00:54:21,680 --> 00:54:24,240 untuk menyadari potensi penuh dari algoritma 856 00:54:24,240 --> 00:54:26,600 dan saya memiliki satu tempat lagi yang ingin saya kunjungi, 857 00:54:26,600 --> 00:54:28,840 yang saya beri tahu akan memberi saya pandangan sekilas 858 00:54:28,840 --> 00:54:31,760 tentang seberapa banyak yang dapat mereka lakukan untuk kami. 859 00:54:40,600 --> 00:54:43,600 Ini adalah dunia di mana hampir semuanya otomatis. 860 00:54:46,920 --> 00:54:49,400 Di mana algoritme memegang kendali. 861 00:54:49,400 --> 00:54:53,920 Ini adalah gudang grosir terbesar di dunia. 862 00:54:53,920 --> 00:54:57,520 Ini milik pengecer toko online Ocado 863 00:54:57,520 --> 00:55:01,000 dan adalah setara dengan 45 supermarket dalam satu. 864 00:55:02,720 --> 00:55:06,600 Lebih dari dua juta item mengalir melalui gudang ini setiap hari. 865 00:55:06,600 --> 00:55:10,360 Pada suatu saat, ada sesuatu seperti 7.000 peti 866 00:55:10,360 --> 00:55:12,800 melacak lebih dari 25 kilometer, 867 00:55:12,800 --> 00:55:18,360 dan mengendalikan setiap aspek dari tontonan yang menakjubkan ini adalah algoritme. 868 00:55:25,520 --> 00:55:29,120 Masing-masing peti merah tersebut adalah bagian dari pesanan pelanggan 869 00:55:29,120 --> 00:55:32,880 dan mereka dapat melanjutkan dari sini untuk menemukan item lain 870 00:55:32,880 --> 00:55:35,160 yang mereka inginkan di gudang, 871 00:55:35,160 --> 00:55:37,280 sampai akhirnya selesai, 872 00:55:37,280 --> 00:55:41,360 dimuat ke van dan kemudian diusir oleh sistem perutean kami 873 00:55:41,360 --> 00:55:43,720 pada rute, yang dalam banyak hal, 874 00:55:43,720 --> 00:55:47,360 memecahkan masalah seperti masalah salesman keliling. 875 00:55:47,360 --> 00:55:49,720 Ada keputusan yang dibuat di seluruh tempat 876 00:55:49,720 --> 00:55:52,240 sebagai peti merah berjalan dengan cara ini dan kemudian seperti itu. 877 00:55:52,240 --> 00:55:55,600 Kompleksitas dibalik semua ini adalah di luar 878 00:55:55,600 --> 00:55:58,760 apa yang dapat dikendalikan atau dipecahkan oleh manusia mana pun, 879 00:55:58,760 --> 00:56:01,760 dan di situlah algoritme ini, 880 00:56:01,760 --> 00:56:03,960 teknik pemecahan masalah ini hadir dalam 881 00:56:03,960 --> 00:56:05,920 untuk mengatasi tantangan tersebut. 882 00:56:11,000 --> 00:56:15,480 Di mana pun Anda melihat, tangan tak terlihat dari algoritma sedang bekerja. 883 00:56:16,560 --> 00:56:20,360 Algoritma perkiraan memantau dan mengisi kembali stok 884 00:56:20,360 --> 00:56:24,720 lebih dari 43.000 produk, mengantisipasi pelanggan permintaan. 885 00:56:26,760 --> 00:56:29,840 Algoritme sistem kontrol mengatur lalu lintas 886 00:56:29,840 --> 00:56:33,320 dari lebih dari 7.000 peti di sekitar gudang. 887 00:56:36,360 --> 00:56:39,800 Dan algoritma perutean van mengontrol pergerakan armada 888 00:56:39,800 --> 00:56:41,960 lebih dari 1.500 vans, 889 00:56:41,960 --> 00:56:46,240 menguji lebih dari empat juta kombinasi rute berbeda setiap detik. 890 00:56:48,120 --> 00:56:51,160 Anda hampir dapat melihat pikiran mesin di tempat kerja 891 00:56:51,160 --> 00:56:54,360 dan ini bukan proses statis, jadi itulah mengapa ada banyak sekali 892 00:56:54,360 --> 00:56:59,520 pembelajaran mesin di sini , jadi itu seperti organisme yang beradaptasi sendiri. 893 00:56:59,520 --> 00:57:02,200 Terus menerus harus belajar cara melakukannya dengan lebih baik. 894 00:57:02,200 --> 00:57:04,360 Orang tidak dapat melakukan itu. 895 00:57:04,360 --> 00:57:06,600 Mesin harus menyetel sendiri. 896 00:57:10,640 --> 00:57:14,080 Jadi, siapa yang akan Anda katakan sebenarnya mengendalikan semuanya? 897 00:57:14,080 --> 00:57:17,400 Pada akhirnya, ini adalah algoritme yang memegang kendali. 898 00:57:17,400 --> 00:57:19,960 Saya pikir saya mendapatkan hot flush yang algoritmik 899 00:57:19,960 --> 00:57:22,080 dengan melihat hal yang menakjubkan ini! 900 00:57:24,440 --> 00:57:26,560 Dalam beberapa hal, gudang ini seperti 901 00:57:26,560 --> 00:57:28,880 sedikit mikrokosmos dunia modern. 902 00:57:28,880 --> 00:57:32,640 Algoritme menjalankan segala sesuatu dari mesin pencari di internet, 903 00:57:32,640 --> 00:57:35,680 sat nav, bahkan menjaga keamanan kartu kredit kita. 904 00:57:35,680 --> 00:57:39,680 Dunia kita tidak akan berfungsi tanpa kekuatan algoritme ini. 905 00:57:45,440 --> 00:57:48,920 Universitas Terbuka telah menghasilkan paket gratis untuk Anda pelajari, 906 00:57:48,920 --> 00:57:52,880 buat dan temukan lebih banyak tentang teknologi digital dulu dan sekarang. 907 00:57:52,880 --> 00:57:55,280 Untuk memesan salinan Anda, telepon... 908 00:57:58,560 --> 00:58:00,080 .. atau ikuti tautan di bawah ini 909 00:58:00,080 --> 00:58:01,680 ke Universitas Terbuka.