TED2009
Bruce Bueno de Mesquita: A prediction for the future of Iran
Bruce Bueno de Mesquita předpovídá Íránskou budoucnost
Filmed:
Readability: 4.1
1,045,301 views
Bruce Bueno de Mesquita používá matematickou analýzu k přepovídání (často velice úspěšně) takových neuspořadaných událostí jako válka, změny vlád, Intifáda ... Po krátkém vysvětlení, jak to dělá, nabízí tři předpovědi Íránské budoucnosti.
Bruce Bueno de Mesquita - Political scientist
A consultant to the CIA and the Department of Defense, Bruce Bueno de Mesquita has built an intricate computer model that can predict the outcomes of international conflicts with bewildering accuracy. Full bio
A consultant to the CIA and the Department of Defense, Bruce Bueno de Mesquita has built an intricate computer model that can predict the outcomes of international conflicts with bewildering accuracy. Full bio
Double-click the English transcript below to play the video.
00:18
What I'm going to try to do is explain to you
0
0
3000
Pokusím se Vám vysvětlit
00:21
quickly how to predict,
1
3000
2000
rychle, jak předpovídat,
00:23
and illustrate it with some predictions
2
5000
2000
a budu to ilustrovat několika předpovědmi toho
00:25
about what Iran is going to do in the next couple of years.
3
7000
5000
co bude Írán dělat v několika příštích letech.
00:30
In order to predict effectively,
4
12000
3000
Abychom předpovídali efektivně,
00:33
we need to use science.
5
15000
3000
musíme používat vědu.
00:36
And the reason that we need to use science
6
18000
3000
A důvod, proč potřebujeme použít vědu,
00:39
is because then we can reproduce what we're doing;
7
21000
2000
je ten, že poté můžeme opakovat to, co jsme udělali,
00:41
it's not just wisdom or guesswork.
8
23000
3000
není to jenom moudrost nebo odhad.
00:44
And if we can predict,
9
26000
3000
A pokud můžeme predikovat,
00:47
then we can engineer the future.
10
29000
2000
potom můžeme navrhnout budoucnost.
00:49
So if you are concerned to influence energy policy,
11
31000
4000
Takže pokud chcete ovlivnit energetickou politiku,
00:53
or you are concerned to influence national security policy,
12
35000
5000
nebo chcete ovlivnit politiku národní bezpečnosti,
00:58
or health policy, or education,
13
40000
3000
nebo zdravotnictví, nebo vzdělávání,
01:01
science -- and a particular branch of science -- is a way to do it,
14
43000
4000
vědu, je jistá oblast vědy, která je zvlášť dobrá cesta jak na to,
01:05
not the way we've been doing it,
15
47000
2000
ne tím způsobem, jak jsme to dosud dělali,
01:07
which is seat-of-the-pants wisdom.
16
49000
2000
což bylo prostě spekulovat o problému.
01:09
Now before I get into how to do it
17
51000
2000
Než se dám do toho, jak to děláme,
01:11
let me give you a little truth in advertising,
18
53000
3000
dovolte mi vám nalít čistého vína:
01:14
because I'm not engaged in the business of magic.
19
56000
3000
Nezabývám se kouzly a magií, a tak
01:17
There are lots of thing that the approach I take can predict,
20
59000
4000
existuje mnoho věcí, které tato metoda může předpovídat,
01:21
and there are some that it can't.
21
63000
2000
a také mnoho, co predikovat nedokáže.
01:23
It can predict complex negotiations
22
65000
3000
Můžu predikovat složitá jednání
01:26
or situations involving coercion --
23
68000
3000
nebo nátlakové situace,
01:29
that is in essence everything that has to do with politics,
24
71000
4000
to je v zásadě vše, co má co dělat s politikou,
01:33
much of what has to do with business,
25
75000
2000
hodně toho má společného s podnikáním,
01:35
but sorry, if you're looking to speculate in the stock market,
26
77000
6000
ale promiňte, pokud se poohlížíte po spekulování na burze,
01:41
I don't predict stock markets -- OK,
27
83000
2000
nepředpovídám vývoj cen na burze - OK,
01:43
it's not going up any time really soon.
28
85000
3000
v blízké budoucnosti nepůjdou nahoru.
01:46
But I'm not engaged in doing that.
29
88000
3000
Ale v této oblasti nejsem činný.
01:49
I'm not engaged in predicting random number generators.
30
91000
3000
Nejsem činný v předpovídání generátorů náhodných čísel,
01:52
I actually get phone calls from people
31
94000
2000
Občas mi volají lidi
01:54
who want to know what lottery numbers are going to win.
32
96000
3000
a chtějí vědět, která loterijní čísla budou tažena.
01:57
I don't have a clue.
33
99000
3000
Nemám ani páru.
02:00
I engage in the use of game theory, game theory is a branch of mathematics
34
102000
4000
Jsem činný v teorii her, teorie her je obor matematiky
02:04
and that means, sorry, that even in the study of politics,
35
106000
4000
a to znamená bohužel, že matematika hraje roli i ve studii politiky,
02:08
math has come into the picture.
36
110000
3000
matika je teď část toho obrazu.
02:11
We can no longer pretend that we just speculate about politics,
37
113000
4000
Již nemůžeme dále předstírat, že jenom spekulujeme o politice,
02:15
we need to look at this in a rigorous way.
38
117000
3000
musíme se na toto podívat rigorózním způsobem.
02:18
Now, what is game theory about?
39
120000
3000
No, a teď: O čem, že je teorie her?
02:21
It assumes that people are looking out for what's good for them.
40
123000
5000
Předpokládá, že lidé hledají to, co je pro ně dobré.
02:26
That doesn't seem terribly shocking --
41
128000
2000
To není nic překvapujícího, -
02:28
although it's controversial for a lot of people --
42
130000
2000
i když je pro mnoho lidí kontroverzní -
02:30
that we are self-interested.
43
132000
4000
že jsme sobečtí.
02:34
In order to look out for what's best for them
44
136000
2000
Aby lidé hledali to, co je pro ně nejlepší
02:36
or what they think is best for them,
45
138000
2000
nebo co si myslí, že je nejlepší,
02:38
people have values -- they identify what they want, and what they don't want.
46
140000
4000
mají lidi hodnoty - identifikují co chtějí a co nechtějí.
02:42
And they have beliefs about what other people want,
47
144000
3000
A tuší, co ostatní lidi chtějí,
02:45
and what other people don't want, how much power other people have,
48
147000
3000
a co ostatní nechtějí, a kolik moci ostatní lidi mají,
02:48
how much those people could get in the way of whatever it is that you want.
49
150000
4000
a jak moc by tito lidé mohli bránit tomu, co vy chcete.
02:52
And they face limitations, constraints,
50
154000
4000
A lidé také čelí limitům, omezením,
02:56
they may be weak, they may be located in the wrong part of the world,
51
158000
3000
mohou být slabí, mohou se nacházet na špatných místech ve světě,
02:59
they may be Einstein, stuck away farming
52
161000
3000
mohou být Einsteinem, který zůstal farmařit
03:02
someplace in a rural village in India not being noticed,
53
164000
4000
někde na venkově v Indii, kde na něj nikdo nepřejde,
03:06
as was the case for Ramanujan for a long time,
54
168000
3000
jak se to po dlouho dobu stalo Ramanujanovi,
03:09
a great mathematician but nobody noticed.
55
171000
3000
byl výtečný matematik, ale nikdo si ho nevšiml.
03:12
Now who is rational?
56
174000
2000
Teď se podívejme na tohle: Kdo je racionální?
03:14
A lot of people are worried about what is rationality about?
57
176000
3000
Hodně lidí se si dělá starosti: co je ta racionalita.
03:17
You know, what if people are rational?
58
179000
2000
Lidé jsou racionální.
03:19
Mother Theresa, she was rational.
59
181000
3000
Matka Tereza byla racionální.
03:22
Terrorists, they're rational.
60
184000
4000
Teroristé jsou racionální.
03:26
Pretty much everybody is rational.
61
188000
3000
V zásadě všichni jsou racionální.
03:29
I think there are only two exceptions that I'm aware of --
62
191000
3000
Podle mě existují jenom dvě vyjímky
03:32
two-year-olds, they are not rational,
63
194000
2000
dvouletí, ti nejsou racionální,
03:34
they have very fickle preferences,
64
196000
3000
ti mají velice nestálé preference,
03:37
they switch what they think all the time,
65
199000
2000
pořád mění názor,
03:39
and schizophrenics are probably not rational,
66
201000
3000
a schizofrenici nejsou asi příliš racionální,
03:42
but pretty much everybody else is rational.
67
204000
2000
ale v zásadě všichni ostatní jsou racionální.
03:44
That is, they are just trying to do
68
206000
2000
To znamená, že se snaží udělat to,
03:46
what they think is in their own best interest.
69
208000
5000
co považují za svůj vlastní zájem.
03:51
Now in order to work out what people are going to do
70
213000
2000
Abychom zjistili, co lidé udělají,
03:53
to pursue their interests,
71
215000
2000
aby šli za svým zájmem,
03:55
we have to think about who has influence in the world.
72
217000
2000
musíme se zamyslet nad tím, kdo má moc ve světě.
03:57
If you're trying to influence corporations to change their behavior,
73
219000
5000
Pokud se snažíte ovlivnit korporace, aby změnily svoje chování
04:02
with regard to producing pollutants,
74
224000
3000
s ohledem na produkci znečištění
04:05
one approach, the common approach,
75
227000
2000
jeden způsob, obvyklý způsob
04:07
is to exhort them to be better,
76
229000
2000
je vyzvat je, aby se polepšily,
04:09
to explain to them what damage they're doing to the planet.
77
231000
3000
říct jim, jakou škodu planetě činí.
04:12
And many of you may have noticed that doesn't have
78
234000
2000
A mnozí jste jistě zjistili, že to není
04:14
as big an effect, as perhaps you would like it to have.
79
236000
4000
příliš efektivní, ne tak, jak byste si přáli,
04:18
But if you show them that it's in their interest,
80
240000
3000
ale pokud jim ukážete, že to je jejich zájem
04:21
then they're responsive.
81
243000
2000
tak začnou reagovat..
04:23
So, we have to work out who influences problems.
82
245000
3000
Potřebujeme tedy zjistit, kdo ovlivňuje problémy.
04:26
If we're looking at Iran, the president of the United States
83
248000
2000
Pokud zkoumáme Írán, prezident Spojených států
04:28
we would like to think, may have some influence --
84
250000
3000
bychom uvažovali, by mohl mít jistý vliv -
04:31
certainly the president in Iran has some influence --
85
253000
4000
určitě prezident Íránu má nějaký vliv -
04:35
but we make a mistake if we just pay attention
86
257000
3000
ale děláme chybu, pokud pouze dáváme pozor
04:38
to the person at the top of the power ladder
87
260000
3000
na lidi na vrcholu moci,
04:41
because that person doesn't know much about Iran,
88
263000
3000
protože ta osoba neví moc o Íránu nebo
04:44
or about energy policy,
89
266000
2000
o energetické politice,
04:46
or about health care,
90
268000
2000
nebo o zdravotnictví,
04:48
or about any particular policy.
91
270000
2000
nebo o jakékoli jiné politice.
04:50
That person surrounds himself or herself with advisers.
92
272000
5000
Ta osoba se obklopí rádci.
04:55
If we're talking about national security problems,
93
277000
2000
Pokud se bavíme o problémech národní bezpečnosti,
04:57
maybe it's the Secretary of State,
94
279000
2000
možná to je ministr zahraničních věcí,
04:59
maybe it's the Secretary of Defense,
95
281000
2000
možná to je ministr obrany,
05:01
the Director of National Intelligence,
96
283000
2000
šéf rozvědky,
05:03
maybe the ambassador to the United Nations, or somebody else
97
285000
2000
možná ambasador při OSN, nebo někdo jiný,
05:05
who they think is going to know more about the particular problem.
98
287000
4000
o kom si myslí, že bude vědět více o daném problému.
05:09
But let's face it, the Secretary of State doesn't know much about Iran.
99
291000
3000
Ale připusťme si, ministr zahraničí neví moc o Íránu.
05:12
The secretary of defense doesn't know much about Iran.
100
294000
3000
Ministr obrany toho moc o Íránu neví.
05:15
Each of those people in turn
101
297000
3000
Každý z nich má své
05:18
has advisers who advise them,
102
300000
2000
poradce, aby jim radili,
05:20
so they can advise the president.
103
302000
3000
aby pak mohli radit prezidentovi.
05:23
There are lots of people shaping decisions
104
305000
3000
Mojho lidí ovlivňuje rozhodovací proces,
05:26
and so if we want to predict correctly
105
308000
2000
tak abychom mohli správně predikovat,
05:28
we have to pay attention to everybody
106
310000
3000
musíme brát ohled na všechny,
05:31
who is trying to shape the outcome,
107
313000
2000
kteří se snaží ovlivnit výsledek,
05:33
not just the people at the pinnacle
108
315000
3000
nejenom lidi na vrcholu
05:36
of the decision-making pyramid.
109
318000
4000
pyramidy moci.
05:40
Unfortunately, a lot of times we don't do that.
110
322000
2000
Bohužel, to moc často neděláme.
05:42
There's a good reason that we don't do that,
111
324000
2000
Existuje dobrý důvod, proč to neděláme,
05:44
and there's a good reason that using game theory and computers,
112
326000
3000
a existuje dobrý důvod, že díky používání teorie her a počítačů,
05:47
we can overcome the limitation
113
329000
3000
můžeme překonat limity
05:50
of just looking at a few people.
114
332000
2000
nahlížení jen na několik lidí.
05:52
Imagine a problem with just five decision-makers.
115
334000
4000
Představte si problém pouze s pěti lidmi, kteří rozhodují.
05:56
Imagine for example
116
338000
2000
Představte si například,
05:58
that Sally over here,
117
340000
2000
že tady Sally
06:00
wants to know what Harry, and Jane,
118
342000
3000
chce vědět, co si Harry a Jane
06:03
and George and Frank are thinking,
119
345000
3000
a George a Frank myslí
06:06
and sends messages to those people.
120
348000
2000
a pošle zprávu všem těmto lidem.
06:08
Sally's giving her opinion to them,
121
350000
2000
Sally jim řekne svůj názor
06:10
and they're giving their opinion to Sally.
122
352000
3000
a oni svůj řeknou Sally.
06:13
But Sally also wants to know
123
355000
2000
Ale Sally také chce vědět,
06:15
what Harry is saying to these three,
124
357000
3000
co si Harry myslí o těhle třech
06:18
and what they're saying to Harry.
125
360000
2000
a co říkají Harrymu.
06:20
And Harry wants to know
126
362000
2000
A Harry chce vědět,
06:22
what each of those people are saying to each other, and so on,
127
364000
3000
co si každý z těch pěti lidí myslí o tom druhém a tak dále
06:25
and Sally would like to know what Harry thinks those people are saying.
128
367000
3000
a Sally by chtěla vědět, co si Harry myslí, že si ostatní myslí.
06:28
That's a complicated problem; that's a lot to know.
129
370000
3000
To je komplikovaný problém, je toho spousta.
06:31
With five decision-makers
130
373000
3000
Pět účastníků
06:34
there are a lot of linkages --
131
376000
2000
a plno spojení -
06:36
120, as a matter of fact,
132
378000
2000
120 jich vlastně je
06:38
if you remember your factorials.
133
380000
2000
Pokud si pamatujete faktoriály.
06:40
Five factorial is 120.
134
382000
2000
Faktoriál pěti je 120.
06:42
Now you may be surprised to know
135
384000
2000
A mohli byste být překvapení, když zjistíte,
06:44
that smart people can keep 120 things straight
136
386000
3000
že chytří lidé si mohou jasně pamatovat těch 120
06:47
in their head.
137
389000
2000
ve svém vědomí.
06:49
Suppose we double the number of influencers
138
391000
2000
Pokud bychom zdvojnásobili počet účastníků
06:51
from five to 10.
139
393000
2000
z pěti bychom měli 10.
06:53
Does that mean we've doubled the number of pieces of information
140
395000
4000
Znamená to, že jsme zdvojnásobili počet informací
06:57
we need to know, from 120 to 240?
141
399000
2000
potřebujeme znát 240 místo 120?
06:59
No. How about 10 times?
142
401000
2000
Ne, co takhle o desetinásobek?
07:01
To 1,200? No.
143
403000
3000
na 1 200? Ne.
07:04
We've increased it to 3.6 million.
144
406000
3000
Zvýšili jsme to na 3,6 milionu.
07:07
Nobody can keep that straight in their head.
145
409000
2000
Nikdo nedokáže držet toho tolik ve své hlavě.
07:09
But computers,
146
411000
3000
Ale počítače
07:12
they can. They don't need coffee breaks,
147
414000
3000
to zvládnou. Nepotřebují přestávku na kafe,
07:15
they don't need vacations,
148
417000
3000
nepotřebují dovolenou,
07:18
they don't need to go to sleep at night,
149
420000
2000
nepotřebují jít v noci spát,
07:20
they don't ask for raises either.
150
422000
3000
nepožadují ani zvýšení platu.
07:23
They can keep this information straight
151
425000
2000
Mohou fakta udržet organisované
07:25
and that means that we can process the information.
152
427000
3000
a to znamená, že můžeme zpracovat informace.
07:28
So I'm going to talk to you about how to process it,
153
430000
2000
Takže teď vám povím, jak se to dá zpracovat.
07:30
and I'm going to give you some examples out of Iran,
154
432000
3000
dám vám pár příkladů z Íránu
07:33
and you're going to be wondering,
155
435000
2000
a budete se sami ptát:
07:35
"Why should we listen to this guy?
156
437000
2000
"Proč bychom měli poslouchat tohoto chlápka?
07:37
Why should we believe what he's saying?"
157
439000
3000
Proč bychom mu měli věřit?"
07:40
So I'm going to show you a factoid.
158
442000
4000
A tak vám řeknu jeden isolovaný fakt.
07:44
This is an assessment by the Central Intelligence Agency
159
446000
3000
Existuje vyhodnocení od CIA
07:47
of the percentage of time
160
449000
2000
o pravděpodobnosti úspěšnosti,
07:49
that the model I'm talking about
161
451000
2000
že tento model, o kterém tu mluvím,
07:51
is right in predicting things whose outcome is not yet known,
162
453000
3000
je správný v predikování věcí, jejichž výsledek není dosud znám,
07:54
when the experts who provided the data inputs
163
456000
4000
když se experti, kteří poskytli vstupní data,
07:58
got it wrong.
164
460000
2000
mýlili.
08:00
That's not my claim, that's a CIA claim -- you can read it,
165
462000
3000
To není moje tvrzeni, to je hodnocení CIA - můžete si to přečíst,
08:03
it was declassified a while ago. You can read it in a volume edited by
166
465000
3000
bylo to zveřejněno před nedávnem. Můžete si to přečíst v čísle editovaném
08:06
H. Bradford Westerfield, Yale University Press.
167
468000
3000
H. Bradford Westerfieldem z Yale University Press.
08:09
So, what do we need to know
168
471000
2000
Co tedy potřebujeme vědět,
08:11
in order to predict?
169
473000
2000
abychom správně predikovali?
08:13
You may be surprised to find out we don't need to know very much.
170
475000
3000
Můžete být překvapeni, že toho nepotřebujeme moc.
08:16
We do need to know who has a stake
171
478000
3000
Potřebujeme vědět, kdo má zájem
08:19
in trying to shape the outcome of a decision.
172
481000
5000
na ovlivnění výsledku rozhodnutí.
08:24
We need to know what they say they want,
173
486000
3000
Potřebujeme vědět, co říkají, že chtějí,
08:27
not what they want in their heart of hearts,
174
489000
3000
ne co chtějí v nitru svého srdce,
08:30
not what they think they can get,
175
492000
2000
ne co si myslí, že můžou dostat,
08:32
but what they say they want, because that is a strategically chosen position,
176
494000
3000
ale co říkají, že chtějí, protože to je strategicky zvolená pozice,
08:35
and we can work backwards from that
177
497000
2000
a z té posice můžeme postupovat zpětně
08:37
to draw inferences about important features of their decision-making.
178
499000
4000
abychom zjistili závěry o důležitých okolnostech jejich rozhodování,
08:41
We need to know how focused they are
179
503000
2000
Potřebujeme vědět, jak moc se soustředí
08:43
on the problem at hand.
180
505000
2000
na daný problém.
08:45
That is, how willing are they to drop what they're doing when the issue comes up,
181
507000
3000
Tedy, jak moc, až dojde k rozhodujícímu okamžiku, se tomu budou věnovat,
08:48
and attend to it instead of something else that's on their plate --
182
510000
4000
a místo aby udělali něco jiného, co také je před nimi -
08:52
how big a deal is it to them?
183
514000
2000
jak moc je to pro ně důležité?
08:54
And how much clout could they bring to bear
184
516000
3000
A kolik si toho na sebe můžou naložit,
08:57
if they chose to engage on the issue?
185
519000
5000
pokud se rozhodnou zasáhnout do problému.
09:02
If we know those things
186
524000
2000
Pokud víme tyto věci,
09:04
we can predict their behavior by assuming that everybody
187
526000
3000
můžeme predikovat jejich chování předpokládaje, že všichni
09:07
cares about two things on any decision.
188
529000
5000
u každého rozhodnutí se starají o dvě věci
09:12
They care about the outcome. They'd like an outcome as close to
189
534000
2000
Starají se o výsledek. Chtějí daný výsledek podle toho,
09:14
what they are interested in as possible.
190
536000
3000
co si sami nejvíce přejí.
09:17
They're careerists, they also care about getting credit --
191
539000
3000
Jsou kariéristé, takže také se starají o získání zásluh -
09:20
there's ego involvement,
192
542000
2000
jsou egoisté,
09:22
they want to be seen as important in shaping the outcome,
193
544000
4000
chtějí být viděni, jako důležití u vytváření výsledku,
09:26
or as important, if it's their druthers, to block an outcome.
194
548000
5000
nebo naopak u jeho zablokování.
09:31
And so we have to figure out how they balance those two things.
195
553000
3000
A tak potřebujeme zjistit, jak vyvažují tyto dvě věci.
09:34
Different people trade off
196
556000
2000
Různí lidé se rozhodují
09:36
between standing by their outcome,
197
558000
3000
mezi podporováním jejich výsledku,
09:39
faithfully holding to it, going down in a blaze of glory,
198
561000
3000
kterého se drží i když, že to může znamenat i jejich konec,
09:42
or giving it up, putting their finger in the wind,
199
564000
3000
nebo se vzdají a jdou tam kam vítr fouká
09:45
and doing whatever they think is going to be a winning position.
200
567000
3000
a dělají to, o čem předpokládají, že nakonec vyhraje.
09:48
Most people fall in between, and if we can work out where they fall
201
570000
3000
Většina lidí spadá mezi tyto dvě pozice, a lze zjistit kam spadají.
09:51
we can work out how to negotiate with them
202
573000
2000
Můžeme zjistit, jak s nimi jednat,
09:53
to change their behavior.
203
575000
2000
abychom změnili jejich chování.
09:55
So with just that little bit of input
204
577000
3000
Takže pouze s trochou vstupních informací,
09:58
we can work out what the choices are that people have,
205
580000
3000
můžeme zjistit, jaké volby lidé mají,
10:01
what the chances are that they're willing to take,
206
583000
3000
jakým rizikům jsou ochotni se vystavit,
10:04
what they're after, what they value, what they want,
207
586000
3000
po čem touží, čeho si cení, co chtějí,
10:07
and what they believe about other people.
208
589000
3000
co si myslí o ostatních.
10:10
You might notice what we don't need to know:
209
592000
4000
Můžete si všimnout, že co nepotřebujeme vědět,
10:14
there's no history in here.
210
596000
2000
historie je tady zbytečná.
10:16
How they got to where they are
211
598000
2000
Jak se dostali tam, kde jsou nyní
10:18
may be important in shaping the input information,
212
600000
2000
může být důležité u vytváření vstupních informací,
10:20
but once we know where they are
213
602000
2000
ale pokud již víme, kde se nalézají
10:22
we're worried about where they're going to be headed in the future.
214
604000
3000
bude nás zajímat, kam se ubírají dál.
10:25
How they got there turns out not to be terribly critical in predicting.
215
607000
4000
Jak se tam dostali není při predikování nijak podstatné.
10:29
I remind you of that 90 percent accuracy rate.
216
611000
4000
Připomínám vám 90% míru přesnosti.
10:33
So where are we going to get this information?
217
615000
2000
Takže, kde tyto informace získáme?
10:35
We can get this information
218
617000
3000
Můžeme je získat
10:38
from the Internet, from The Economist,
219
620000
3000
z internetu, z časopisu The Economist,
10:41
The Financial Times, The New York Times,
220
623000
3000
Financial Times, New York Times,
10:44
U.S. News and World Report, lots of sources like that,
221
626000
3000
US News, World Report, a spoustě jiných dalších zdrojů,
10:47
or we can get it from asking experts
222
629000
2000
nebo je můžeme získat od expertů,
10:49
who spend their lives studying places and problems,
223
631000
3000
kteří tráví své životy studováním míst a problémů,
10:52
because those experts know this information.
224
634000
3000
protože experti znají tyto informace.
10:55
If they don't know, who are the people trying to influence the decision,
225
637000
3000
Pokud neví, kdo jsou lidé snažící se ovlivnit rozhodnutí,
10:58
how much clout do they have,
226
640000
2000
kolik vlivu mají,
11:00
how much they care about this issue, and what do they say they want,
227
642000
3000
jak moc se starají o daný problém, a co říkají, že chtějí,
11:03
are they experts? That's what it means to be an expert,
228
645000
3000
jsou experti? Vědět tohle, přece znamená být expertem,
11:06
that's the basic stuff an expert needs to know.
229
648000
4000
to jsou základní věci, co expert potřebuje znát.
11:10
Alright, lets turn to Iran.
230
652000
2000
Dobře, podívejme se tedy na Írán.
11:12
Let me make three important predictions --
231
654000
3000
Dovolte mi udělat tři důležité predikce -
11:15
you can check this out, time will tell.
232
657000
3000
můžete si je sami ověřit, jak čas půjde dál.
11:18
What is Iran going to do about its nuclear weapons program?
233
660000
8000
Co udělá Írán se svým programem jaderného zbrojení?
11:26
How secure is the theocratic regime in Iran?
234
668000
3000
Jak moc je teokratický režim v Íránu bezpečně u moci?
11:29
What's its future?
235
671000
2000
Jaká je jeho budoucnost?
11:31
And everybody's best friend,
236
673000
3000
A dobrý kamarád všech,
11:34
Ahmadinejad. How are things going for him?
237
676000
3000
Ahmadinežád. Jak ten dopadne?
11:37
How are things going to be working out for him in the next year or two?
238
679000
6000
Jak ten dopadne během příštího roku nebo dvou?
11:43
You take a look at this, this is not based on statistics.
239
685000
3000
Podívejte se na tohle, toto není postaveno na statistikách.
11:46
I want to be very clear here. I'm not projecting some past data into the future.
240
688000
5000
Toto bych zdůraznil. Nepředpovídám budoucnost podle nějakých dat z minulosti.
11:51
I've taken inputs on positions and so forth,
241
693000
3000
Vzal jsem data o jednotlivých pozicích atd.,
11:54
run it through a computer model
242
696000
2000
dal je do počítačového modelu,
11:56
that had simulated the dynamics of interaction,
243
698000
3000
který simuloval dynamiku interakcí
11:59
and these are the simulated dynamics,
244
701000
2000
a toto je simulovaná dynamika,
12:01
the predictions about the path of policy.
245
703000
3000
predikce o cestě, jakou se bude ubírat politika.
12:04
So you can see here on the vertical axis,
246
706000
3000
Tady na vertikální ose můžete vidět.
12:07
I haven't shown it all the way down to zero,
247
709000
2000
Nešel jsem až úplně k nule,
12:09
there are lots of other options, but here I'm just showing you the prediction,
248
711000
3000
existuje plno jiných možností, tady jenom ukazuji predikce,
12:12
so I've narrowed the scale.
249
714000
2000
omezil jsem měřítko,
12:14
Up at the top of the axis, "Build the Bomb."
250
716000
3000
nahoře na ose je možnost: "Sestavení bomby"
12:17
At 130, we start somewhere above 130,
251
719000
4000
Na 130, začínáme někde nad 130,
12:21
between building a bomb, and making enough weapons-grade fuel
252
723000
3000
mezi sestavením bomby a vytvořením dost obohaceného paliva na bombu,
12:24
so that you could build a bomb.
253
726000
2000
abyste mohli bombu sestavit.
12:26
That's where, according to my analyses,
254
728000
3000
To je místo, kde podle mé analýzy,
12:29
the Iranians were at the beginning of this year.
255
731000
3000
byli Íránci na počátku tohoto roku.
12:32
And then the model makes predictions down the road.
256
734000
3000
A model vytvořil tuto predikci,
12:35
At 115 they would only produce enough weapons grade fuel
257
737000
4000
Na 115 by vyprodukovali pouze tolik obohaceného paliva,
12:39
to show that they know how, but they wouldn't build a weapon:
258
741000
2000
aby ostatním ukázali, že ví jak na to, ale nesestavili by zbraň,
12:41
they would build a research quantity.
259
743000
2000
vyrobili by množství potřebné k výzkumu.
12:43
It would achieve some national pride,
260
745000
2000
Dosáhli by jistého stupně národní hrdosti,
12:45
but not go ahead and build a weapon.
261
747000
3000
ale na bombu by to nestačilo.
12:48
And down at 100 they would build civilian nuclear energy,
262
750000
2000
A na úrovni 100 by vyvíjeli civilní jadernou energetiku,
12:50
which is what they say is their objective.
263
752000
4000
což tvrdí, že je jejich cíl.
12:54
The yellow line shows us the most likely path.
264
756000
3000
Žlutá linie ukazuje nejpravděpodobnější cestu.
12:57
The yellow line includes an analysis
265
759000
1000
Žlutá linie zahrnuje analýzu
12:58
of 87 decision makers in Iran,
266
760000
3000
87 rozhodujících postav v Íránu
13:01
and a vast number of outside influencers
267
763000
3000
a velké množství outsiderů, kteří se snaží o ovlivňování,
13:04
trying to pressure Iran into changing its behavior,
268
766000
3000
kteří se snaží přesvědčit Írán, aby změnil svůj postoj,
13:07
various players in the United States, and Egypt,
269
769000
3000
různí hráči od USA, Egyptu,
13:10
and Saudi Arabia, and Russia, European Union,
270
772000
2000
Saúdské Arábie, Ruska, EU,
13:12
Japan, so on and so forth.
271
774000
2000
Japonska, atd.
13:14
The white line reproduces the analysis
272
776000
4000
Bílá linie značí analýzu
13:18
if the international environment
273
780000
2000
pokud by mezinárodní společenství
13:20
just left Iran to make its own internal decisions,
274
782000
3000
jednoduše nechala, aby se Írán rozhodl, jak sám chce,
13:23
under its own domestic political pressures.
275
785000
2000
dle svých domácích politických tahanic -
13:25
That's not going to be happening,
276
787000
2000
to se ovšem nestane -
13:27
but you can see that the line comes down faster
277
789000
4000
ale můžete zjistit, že linie klesá dolů rychleji,
13:31
if they're not put under international pressure,
278
793000
3000
pokud se nedostanou pod mezinárodní tlak,
13:34
if they're allowed to pursue their own devices.
279
796000
2000
pokud se jim dovolí usilovat jet podle svého.
13:36
But in any event, by the end of this year,
280
798000
3000
Ale za všech okolností, na konci tohoto roku,
13:39
beginning of next year, we get to a stable equilibrium outcome.
281
801000
3000
počátkem dalšího, dostaneme výslednou stabilní rovnováhu.
13:42
And that equilibrium is not what the United States would like,
282
804000
4000
A ta rovnováha není to, co by si USA přáli,
13:46
but it's probably an equilibrium that the United States can live with,
283
808000
3000
ale je to asi rovnováha, se kterou USA může žít,
13:49
and that a lot of others can live with.
284
811000
2000
a se kterou ostatní taky mohou žít.
13:51
And that is that Iran will achieve that nationalist pride
285
813000
4000
A to je to, že Írán dosáhne své nacionální pýchy
13:55
by making enough weapons-grade fuel, through research,
286
817000
4000
vytvořením obohaceného paliva dostačující výzkumu a
13:59
so that they could show that they know how to make weapons-grade fuel,
287
821000
4000
dokážou tedy, že ví jak dělat obohacené palivo pro jaderné zbraně,
14:03
but not enough to actually build a bomb.
288
825000
5000
ale ne tolik, aby sestavili jednu jadernou zbraň.
14:08
How is this happening?
289
830000
2000
Jak se tohle může stát?
14:10
Over here you can see this is the distribution
290
832000
4000
Tady můžete vidět distribuci
14:14
of power in favor of civilian nuclear energy today,
291
836000
5000
moci v prospěch civilní jaderné energetiky,
14:19
this is what that power block is predicted to be like
292
841000
3000
tak jsou predikovány jednotlivé bloky moci
14:22
by the late parts of 2010, early parts of 2011.
293
844000
6000
ke konci r. 2010, počátkem r. 2011.
14:28
Just about nobody supports research on weapons-grade fuel today,
294
850000
4000
Jednoduše nikdo se dnes nepřiklání k výrobě paliva na zbraně,
14:32
but by 2011 that gets to be a big block,
295
854000
3000
ale v r. 2011 se to stane velkou překážkou,
14:35
and you put these two together, that's the controlling influence in Iran.
296
857000
4000
a dejte tyhle dvě věci dohromady, to je kontrolní vliv v Íránu.
14:39
Out here today, there are a bunch of people --
297
861000
3000
Tady je dneska komunita lidí -
14:42
Ahmadinejad for example --
298
864000
2000
např. Ahmadinežád -
14:44
who would like not only to build a bomb,
299
866000
2000
kteří by chtěli nejen sestavit bombu,
14:46
but test a bomb.
300
868000
2000
ale také ji vyzkoušet.
14:48
That power disappears completely;
301
870000
2000
Jejich moc upadne úplně,
14:50
nobody supports that by 2011.
302
872000
3000
nikdo to nepodporuje kolem r. 2011.
14:53
These guys are all shrinking,
303
875000
2000
Jejich počet jenom slábne.
14:55
the power is all drifting out here,
304
877000
3000
Moc se posunuje sem,
14:58
so the outcome is going to be the weapons-grade fuel.
305
880000
3000
výsledek tedy bude obohacené palivo pro zbraně.
15:01
Who are the winners and who are the losers in Iran?
306
883000
3000
Kdo jsou vítězové a kdo jsou poražení v Íránu?
15:04
Take a look at these guys, they're growing in power,
307
886000
3000
Koukněte se na tyhle lidi, jejich moc roste
15:07
and by the way, this was done a while ago
308
889000
3000
a mimochodem, toto se stalo před chvílí
15:10
before the current economic crisis,
309
892000
2000
před dnešní ekonomickou krizí
15:12
and that's probably going to get steeper.
310
894000
2000
a to pravděpodobně bude dále eskalovat.
15:14
These folks are the moneyed interests in Iran,
311
896000
2000
tito lidi jsou finančně zainteresováni v Íránu,
15:16
the bankers, the oil people, the bazaaries.
312
898000
4000
bankéři, naftaři, bazaroví prodavači,
15:20
They are growing in political clout,
313
902000
3000
jejich politická moc roste
15:23
as the mullahs are isolating themselves --
314
905000
3000
mezitím se sami mullahové izolují -
15:26
with the exception of one group of mullahs,
315
908000
2000
s vyjímkou jedné skupiny mulláhů,
15:28
who are not well known to Americans.
316
910000
2000
kteří jsou pro Američany neznámí.
15:30
That's this line here, growing in power,
317
912000
2000
To je tato linie zde, jejich moc roste,
15:32
these are what the Iranians call the quietists.
318
914000
4000
sami Íránci jim říkají Quietists.
15:36
These are the Ayatollahs, mostly based in Qom,
319
918000
3000
To jsou Ayatollahové především umístění v Qomu,
15:39
who have great clout in the religious community,
320
921000
4000
kteří mají velký vliv v církevní komunitě,
15:43
have been quiet on politics and are going to be getting louder,
321
925000
3000
ti nebyli v politických kruzích moc slyšet, ale budou více a více hlučnější,
15:46
because they see Iran going in an unhealthy direction,
322
928000
2000
protože vidí, jak se Írán odebírá nezdravým směrem,
15:48
a direction contrary
323
930000
2000
jiným směrem
15:50
to what Khomeini had in mind.
324
932000
4000
než měl Chomejní v mysli.
15:54
Here is Mr. Ahmadinejad.
325
936000
2000
Tady je pan Ahmadinežád.
15:56
Two things to notice: he's getting weaker,
326
938000
3000
Všimněte si dvou věcí, slábne
15:59
and while he gets a lot of attention in the United States,
327
941000
2000
zatímco v USA získává hodně publicity,
16:01
he is not a major player in Iran.
328
943000
2000
není hlavní osobnost v Íránu,
16:03
He is on the way down.
329
945000
2000
je na cestě ke dnu.
16:05
OK, so I'd like you to take a little away from this.
330
947000
4000
OK, chtěl bych vás požádat, abyste na toto na chvíli nemysleli.
16:09
Everything is not predictable: the stock market
331
951000
2000
Ne všechno je predikovatelné, burza
16:11
is, at least for me, not predictable,
332
953000
3000
není aspoň pro mě predikovatelná,
16:14
but most complicated negotiations are predictable.
333
956000
5000
ale většina komplexních jednání jsou predikovatelná.
16:19
Again, whether we're talking health policy, education,
334
961000
4000
Když se zaobíráme zdravotnictvím, vzděláním,
16:23
environment, energy,
335
965000
3000
životním prostředím, energetikou,
16:26
litigation, mergers,
336
968000
2000
soudy, fúzemi,
16:28
all of these are complicated problems
337
970000
2000
to vše jsou komplikované problémy
16:30
that are predictable,
338
972000
2000
které jsou predikovatelné,
16:32
that this sort of technology can be applied to.
339
974000
4000
na ně může být použita tato technologie.
16:36
And the reason that being able to predict those things is important,
340
978000
5000
A důvod, proč možnost predikovat tyto věci je důležitá,
16:41
is not just because you might run a hedge fund and make money off of it,
341
983000
3000
není jenom kvůli tomu, že byste řídili hedgeový fond a vydělali na tom,
16:44
but because if you can predict what people will do,
342
986000
3000
ale kvůli tomu, že když můžete předpovědět, co lidi udělají,
16:47
you can engineer what they will do.
343
989000
3000
mohli byste zařídit, co udělají.
16:50
And if you engineer what they do you can change the world,
344
992000
2000
A pokud byste to řídit, co udělají, můžete změnit svět,
16:52
you can get a better result.
345
994000
2000
mohli byste dosáhnout lepšího výsledku.
16:54
I would like to leave you with one thought, which is
346
996000
3000
Rád bych skončil s jednou myšlenkou, co je
16:57
for me, the dominant theme of this gathering,
347
999000
5000
pro mě hlavní téma této schůze
17:02
and is the dominant theme of this way of thinking about the world.
348
1004000
3000
a co je hlavní téma tohoto smýšlení o světě.
17:05
When people say to you,
349
1007000
3000
Když vám lidé řeknou:
17:08
"That's impossible,"
350
1010000
2000
"To je nemožné."
17:10
you say back to them,
351
1012000
2000
odpovězte jim:
17:12
"When you say 'That's impossible,'
352
1014000
2000
"Když říkáte, že to je nemožné,
17:14
you're confused with,
353
1016000
2000
jste zmatení tím,
17:16
'I don't know how to do it.'"
354
1018000
3000
že nevíte jak na to."
17:19
Thank you.
355
1021000
2000
Děkuji vám.
17:21
(Applause)
356
1023000
4000
(Potlesk)
17:25
Chris Anderson: One question for you.
357
1027000
2000
Chris Anderson: "Zeptal bych se..."
17:27
That was fascinating.
358
1029000
3000
To bylo úžasné.
17:30
I love that you put it out there.
359
1032000
3000
Líbilo se mi jak jste to vyložil.
17:33
I got very nervous halfway through the talk though,
360
1035000
2000
Znervózněl jsem během vaší přednášky,
17:35
just panicking whether you'd included in your model, the possibility that
361
1037000
3000
když jsem pomyslel, jestli jste uvažoval o možnosti,
17:38
putting this prediction out there might change the result.
362
1040000
4000
že zveřejněním této predikce může ovlivnit vlastní výsledek.
17:42
We've got 800 people in Tehran who watch TEDTalks.
363
1044000
3000
Poslouchá nás 800 lidí v Tehránu (v Íránu).
17:45
Bruce Bueno de Mesquita: I've thought about that,
364
1047000
2000
Bruce Bueno de Mesquita: Přemýšlel jsem o tom,
17:47
and since I've done a lot of work for the intelligence community,
365
1049000
4000
pro zpravodajské služby jsem udělal spoustu práce,
17:51
they've also pondered that.
366
1053000
2000
také o tom uvažovali.
17:53
It would be a good thing if
367
1055000
3000
Byla by to dobrá věc, pokud
17:56
people paid more attention, took seriously,
368
1058000
3000
by se tím lidi více zaobírali
17:59
and engaged in the same sorts of calculations,
369
1061000
2000
a zaměřili se na stejný princip kalkulací,
18:01
because it would change things. But it would change things in two beneficial ways.
370
1063000
4000
protože by to změnilo situaci. Zlepšily by se dvě věci.
18:05
It would hasten how quickly people arrive at an agreement,
371
1067000
6000
Lidi by dříve dospěli k dohodě,
18:11
and so it would save everybody a lot of grief and time.
372
1073000
3000
a tak by to ušetřilo lidem hodně žalu a času.
18:14
And, it would arrive at an agreement that everybody was happy with,
373
1076000
4000
A dospělo by se k rozhodnutí, se kterým by byli všichni spokojení,
18:18
without having to manipulate them so much --
374
1080000
3000
aniž byste jimi museli hodně manipulovat -
18:21
which is basically what I do, I manipulate them.
375
1083000
3000
což je vlastně to, co já dělám, manipuluji jimi.
18:24
So it would be a good thing.
376
1086000
2000
Byla by to dobrá věc.
18:26
CA: So you're kind of trying to say, "People of Iran, this is your destiny, lets go there."
377
1088000
4000
CA: Takže jakoby říkáte: "Íránci, toto je váš osud, pojďme tam."
18:30
BBM: Well, people of Iran, this is what many of you are going to evolve to want,
378
1092000
6000
BBM: No, Íránci, toto je něco k čemu mnozí z vás časem dospějí
18:36
and we could get there a lot sooner,
379
1098000
2000
a mohli bychom tam dospět dříve,
18:38
and you would suffer a lot less trouble from economic sanctions,
380
1100000
3000
a nemuseli byste tolik trpět pod ekonomickými sankcemi
18:41
and we would suffer a lot less fear of the use of military force on our end,
381
1103000
6000
a my bychom trpěli méně díky používání vojenské síly
18:47
and the world would be a better place.
382
1109000
2000
a svět by byl lepším místem
18:49
CA: Here's hoping they hear it that way. Thank you very much Bruce.
383
1111000
3000
CA: Snad to uslyší. Děkuji vám Bruci.
18:52
BBM: Thank you.
384
1114000
2000
BBM: Děkuji
18:54
(Applause)
385
1116000
5000
(Potlesk)
ABOUT THE SPEAKER
Bruce Bueno de Mesquita - Political scientistA consultant to the CIA and the Department of Defense, Bruce Bueno de Mesquita has built an intricate computer model that can predict the outcomes of international conflicts with bewildering accuracy.
Why you should listen
Every motive has a number, says Bruce Bueno de Mesquita. A specialist in foreign policy, international relations and state building, he is also a leading -- if controversial -- scholar of rational choice theory, which says math underlies the nation-scale consequences of individuals acting for personal benefit. He created forecasting technology that has, time and again, exceeded the accuracy of old-school analysis, even with thorny quarrels charged by obscure contenders, and often against odds. (One example: He called the second Intifada two years in advance.)
Bueno de Mesquita's company, Mesquita & Roundell, sells his system's predictions and analysis to influential government and private institutions that need heads-ups on policy. He teaches at NYU and is a senior fellow at the Hoover Institution.
Bruce Bueno de Mesquita | Speaker | TED.com