TEDxCaltech
Colin Camerer: When you're making a deal, what's going on in your brain?
Colin Camerer: Neurowissenschaften, Spieltheorie, Affen
Filmed:
Readability: 3.9
1,516,785 views
Wenn zwei Menschen versuchen, Einigkeit zu erzielen – egal, ob sie konkurrieren oder zusammenarbeiten – was spielt sich in ihren Gehirnen wirklich ab? Colin Camerer, Verhaltensökonom, präsentiert Studien, die deutlich machen, wie schlecht wir die Überlegungen anderer Menschen vorhersagen können. Eine weitere überraschende Studie zeigt, dass Schimpansen uns dabei überlegen sein könnten. (Gefilmt auf der TEDxCalTech.)
Colin Camerer - Behavioral economist
Colin Camerer is a leading behavioral economist who studies the psychological and neural bases of choice and strategic decision-making. Full bio
Colin Camerer is a leading behavioral economist who studies the psychological and neural bases of choice and strategic decision-making. Full bio
Double-click the English transcript below to play the video.
00:12
I'm going to talk about the strategizing brain.
0
562
2253
Mein Thema ist das strategische Gedächtnis.
00:14
We're going to use an unusual combination of tools
1
2815
2238
Wir sehen eine ungewöhnliche
Werkzeugkombination
Werkzeugkombination
00:17
from game theory and neuroscience
2
5053
2013
aus Spieltheorie und
Neurowissenschaft,
Neurowissenschaft,
00:19
to understand how people interact socially when value is on the line.
3
7066
2967
um soziale Interaktion von Menschen
zu verstehen, wenn es um Werte geht.
zu verstehen, wenn es um Werte geht.
00:22
So game theory is a branch of, originally, applied mathematics,
4
10033
3971
Die Spieltheorie war ursprünglich ein
Zweig der angewandten Mathematik
Zweig der angewandten Mathematik
00:26
used mostly in economics and political science, a little bit in biology,
5
14004
2986
und wird meist in Wirtschaft, Politologie
und manchmal Biologie eingesetzt.
und manchmal Biologie eingesetzt.
00:28
that gives us a mathematical taxonomy of social life
6
16990
3289
Mit ihr kann man das Sozialleben
mathematisch klassifizieren
mathematisch klassifizieren
00:32
and it predicts what people are likely to do
7
20279
2131
und voraussagen, was Menschen
wahrscheinlich tun werden
wahrscheinlich tun werden
00:34
and believe others will do
8
22410
1194
und was sie von anderen erwarten,
00:35
in cases where everyone's actions affect everyone else.
9
23604
3390
wenn jede Handlung alle
anderen beeinflusst.
anderen beeinflusst.
00:38
That's a lot of things: competition, cooperation, bargaining,
10
26994
3478
Beispiele dafür sind Wettbewerb,
Kooperation, Verhandeln,
Kooperation, Verhandeln,
00:42
games like hide-and-seek, and poker.
11
30472
3291
Versteckenspielen oder Poker.
00:45
Here's a simple game to get us started.
12
33763
2239
Fangen wir mit einem
einfachen Spiel an.
einfachen Spiel an.
00:48
Everyone chooses a number from zero to 100,
13
36002
2162
Wählen Sie bitte eine Zahl zwischen 0 und 100,
00:50
we're going to compute the average of those numbers,
14
38164
2446
wir errechnen dann den Durchschnitt,
00:52
and whoever's closest to two-thirds of the average wins a fixed prize.
15
40610
4194
und wer dem Zweidrittelwert
am nächsten kommt, gewinnt einen Preis.
am nächsten kommt, gewinnt einen Preis.
00:56
So you want to be a little bit below the average number,
16
44804
2269
Man sollte also etwas unter
dem Durchschnitt liegen,
dem Durchschnitt liegen,
00:59
but not too far below, and everyone else wants to be
17
47073
2236
aber nicht zu sehr, und jeder andere
01:01
a little bit below the average number as well.
18
49309
1945
will das auch.
01:03
Think about what you might pick.
19
51254
2579
Wie könnte Ihre Wahl lauten?
01:05
As you're thinking, this is a toy model of something like
20
53833
3271
Während Sie überlegen:
Es ist so, als würden Sie
Es ist so, als würden Sie
01:09
selling in the stock market during a rising market. Right?
21
57104
2812
etwas an der Börse bei
steigenden Kursen verkaufen.
steigenden Kursen verkaufen.
01:11
You don't want to sell too early, because you miss out on profits,
22
59916
2225
Wenn man zu früh verkauft,
schmälert man die Gewinne,
schmälert man die Gewinne,
01:14
but you don't want to wait too late
23
62141
2180
aber wenn man zu lange wartet,
01:16
to when everyone else sells, triggering a crash.
24
64321
2401
bis alle verkaufen, stürzt der Kurs ab.
01:18
You want to be a little bit ahead of the competition, but not too far ahead.
25
66722
2879
Man sollte der Konkurrenz ein wenig –
aber nicht zu sehr – voraus sein.
aber nicht zu sehr – voraus sein.
01:21
Okay, here's two theories about how people might think about this,
26
69601
3613
Hier sind 2 Theorien,
wie Menschen dies angehen,
wie Menschen dies angehen,
01:25
and then we'll see some data.
27
73214
1396
dann sehen wir einige Daten.
01:26
Some of these will sound familiar because you probably are
28
74610
2191
Einiges wird Ihnen
bekannt vorkommen, weil Sie
bekannt vorkommen, weil Sie
01:28
thinking that way. I'm using my brain theory to see.
29
76801
3799
vielleicht gerade so denken.
Ich verwende meine Gehirntheorie.
Ich verwende meine Gehirntheorie.
01:32
A lot of people say, "I really don't know what people are going to pick,
30
80600
3110
Viele sagen: "Ich weiß nicht,
was die anderen nehmen,
was die anderen nehmen,
01:35
so I think the average will be 50."
31
83710
1673
also rechne ich mit
einem Durchschnitt von 50."
einem Durchschnitt von 50."
01:37
They're not being really strategic at all.
32
85383
1911
Sie denken gar nicht strategisch.
01:39
"And I'll pick two-thirds of 50. That's 33." That's a start.
33
87294
3352
"Ich nehme 2/3 von 50, also 33." Das ist ein Anfang.
01:42
Other people who are a little more sophisticated,
34
90646
1892
Anspruchsvollere Menschen
01:44
using more working memory,
35
92538
1476
verwenden ihr Arbeitsgedächtnis
01:46
say, "I think people will pick 33 because they're going to pick a response to 50,
36
94014
3904
und sagen: "Die anderen nehmen
sicher 33, weil sie 50 erwarten,
sicher 33, weil sie 50 erwarten,
01:49
and so I'll pick 22, which is two-thirds of 33."
37
97918
2968
also nehme ich 22, das sind 2/3 von 33."
01:52
They're doing one extra step of thinking, two steps.
38
100886
2479
Sie gehen einen Schritt weiter
und machen 2 Schritte.
und machen 2 Schritte.
01:55
That's better. And of course, in principle,
39
103365
2617
Das ist besser. Prinzipiell kann man
01:57
you could do three, four or more,
40
105982
1827
natürlich drei, vier oder noch mehr machen,
01:59
but it starts to get very difficult.
41
107809
1869
aber dann wird es sehr schwierig.
02:01
Just like in language and other domains, we know that it's hard for people to parse
42
109678
2592
Von Sprachen und anderen Bereichen
wissen wir, dass Menschen
wissen wir, dass Menschen
02:04
very complex sentences with a kind of recursive structure.
43
112270
3634
sehr komplexe Sätze mit rekursiven
Strukturen schwer analysieren können.
Strukturen schwer analysieren können.
02:07
This is called a cognitive hierarchy theory, by the way.
44
115904
1734
Das nennt man kognitive
Hierarchie-Theorie.
Hierarchie-Theorie.
02:09
It's something that I've worked on and a few other people,
45
117638
2556
Daran haben ich und
einige andere gearbeitet.
einige andere gearbeitet.
02:12
and it indicates a kind of hierarchy along with
46
120194
2220
Sie weist auf eine Hierarchie hin und
02:14
some assumptions about how many people stop at different steps
47
122414
2254
überlegt, wie viele Menschen
wie viele Schritte machen
wie viele Schritte machen
02:16
and how the steps of thinking are affected
48
124668
1884
und wie viele interessante
Variablen und Menschen
Variablen und Menschen
02:18
by lots of interesting variables and variant people, as we'll see in a minute.
49
126552
3696
diese Gedankenschritte beeinflussen.
02:22
A very different theory, a much more popular one, and an older one,
50
130248
3386
Eine ganz andere Theorie
ist viel beliebter und älter.
ist viel beliebter und älter.
02:25
due largely to John Nash of "A Beautiful Mind" fame,
51
133634
3540
Sie beruht hauptsächlich auf John Nash,
bekannt aus "A beautiful mind",
bekannt aus "A beautiful mind",
02:29
is what's called equilibrium analysis.
52
137174
2240
und heißt "Gleichgewichtsanalyse".
02:31
So if you've ever taken a game theory course at any level,
53
139414
2454
Falls Sie je einen Kurs in
Spieltheorie besucht haben,
Spieltheorie besucht haben,
02:33
you will have learned a little bit about this.
54
141868
1713
haben Sie sicher davon gehört.
02:35
An equilibrium is a mathematical state in which everybody
55
143581
2855
Gleichgewicht ist ein mathematischer Zustand,
02:38
has figured out exactly what everyone else will do.
56
146436
2449
in dem jeder genau weiß,
was alle anderen tun werden.
was alle anderen tun werden.
02:40
It is a very useful concept, but behaviorally,
57
148885
2007
Das Konzept ist sehr nützlich,
02:42
it may not exactly explain what people do
58
150892
2003
aber es erklärt nicht genau,
was Menschen tun werden,
was Menschen tun werden,
02:44
the first time they play these types of economic games
59
152895
2735
wenn sie diese Art Wirtschaftsspiele
zum ersten Mal spielen
zum ersten Mal spielen
02:47
or in situations in the outside world.
60
155630
2333
oder sich in der Außenwelt befinden.
02:49
In this case, the equilibrium makes a very bold prediction,
61
157963
2338
In diesem Fall sagt das Gleichgewicht kühn voraus,
02:52
which is everyone wants to be below everyone else,
62
160301
2860
dass jeder niedriger als die anderen sein will,
02:55
therefore they'll play zero.
63
163161
2291
und deshalb auf 0 setzt.
02:57
Let's see what happens. This experiment's been done many, many times.
64
165452
3009
Schauen wir uns das an. Dieses
Experiment wurde schon oft gemacht.
Experiment wurde schon oft gemacht.
03:00
Some of the earliest ones were done in the '90s
65
168461
1883
Die frühesten wurden in den 90er-Jahren
03:02
by me and Rosemarie Nagel and others.
66
170344
2645
von mir, Rosemarie Nagel
und anderen durchgeführt.
und anderen durchgeführt.
03:04
This is a beautiful data set of 9,000 people who wrote in
67
172989
2985
Dies ist ein schöner Datensatz
von 9.000 Teilnehmern
von 9.000 Teilnehmern
03:07
to three newspapers and magazines that had a contest.
68
175974
2880
eines Wettbewerbs dreier
Zeitungen und Magazine.
Zeitungen und Magazine.
03:10
The contest said, send in your numbers
69
178854
1814
Man musste seine Zahlen einschicken,
03:12
and whoever is close to two-thirds of the average will win a big prize.
70
180668
3155
und jeder nahe bei 2/3 des Durchschnitts
gewann einen großen Preis.
gewann einen großen Preis.
03:15
And as you can see, there's so much data here, you can see the spikes very visibly.
71
183823
3088
Es gibt dazu so viele Daten, dass
man die Spitzen sehr gut sehen kann.
man die Spitzen sehr gut sehen kann.
03:18
There's a spike at 33. Those are people doing one step.
72
186911
3381
Eine Spitze ist bei 33.
Diese Leute machen 1 Schritt.
Diese Leute machen 1 Schritt.
03:22
There is another spike visible at 22.
73
190292
2497
Eine weitere sichtbare Spitze ist bei 22.
03:24
And notice, by the way, that most people pick numbers right around there.
74
192789
2292
Übrigens wählen die meisten
Leute umliegende Zahlen
Leute umliegende Zahlen
03:27
They don't necessarily pick exactly 33 and 22.
75
195081
2510
und nicht unbedingt genau 33 und 22.
03:29
There's something a little bit noisy around it.
76
197591
2056
Hier herrscht ein bisschen Gedränge.
03:31
But you can see those spikes, and they're there.
77
199647
1478
Sie können die Spitzen aber klar erkennen.
03:33
There's another group of people who seem to have
78
201125
1710
Eine andere Gruppe Leute scheint
03:34
a firm grip on equilibrium analysis,
79
202835
2075
die Gleichgewichtsanalyse gut zu kennen,
03:36
because they're picking zero or one.
80
204910
2395
weil sie 0 oder 1 wählen.
03:39
But they lose, right?
81
207305
2089
Aber sie verlieren, richtig?
03:41
Because picking a number that low is actually a bad choice
82
209394
3192
Eine so niedrige Zahl ist
nämlich eine schlechte Wahl,
nämlich eine schlechte Wahl,
03:44
if other people aren't doing equilibrium analysis as well.
83
212586
2820
wenn andere Menschen keine
Gleichgewichtsanalyse machen.
Gleichgewichtsanalyse machen.
03:47
So they're smart, but poor.
84
215406
2112
Sie sind also schlau, aber arm.
03:49
(Laughter)
85
217518
2088
(Lachen)
03:51
Where are these things happening in the brain?
86
219606
1969
Wo im Gehirn spielen sich diese Dinge ab?
03:53
One study by Coricelli and Nagel gives a really sharp, interesting answer.
87
221575
3875
Eine Studie von Coricelli und Nagel hat
darauf eine sehr interessante Antwort.
darauf eine sehr interessante Antwort.
03:57
So they had people play this game
88
225450
1508
Menschen spielten dieses Spiel
03:58
while they were being scanned in an fMRI,
89
226958
2217
während einer Kernspintomographie.
04:01
and two conditions: in some trials,
90
229175
2271
Es gab 2 Gruppen: In einigen Versuchen
04:03
they're told you're playing another person
91
231446
1515
sagt man ihnen, ihr Gegner ist ein Mensch,
04:04
who's playing right now and we're going to match up
92
232961
1588
der gerade jetzt spielt.
Am Ende wird verglichen
Am Ende wird verglichen
04:06
your behavior at the end and pay you if you win.
93
234549
2204
und der Gewinner wird bezahlt.
04:08
In the other trials, they're told, you're playing a computer.
94
236753
1978
Die andere Gruppe glaubt,
ihr Gegner ist ein Computer.
ihr Gegner ist ein Computer.
04:10
They're just choosing randomly.
95
238731
1634
Sie entscheidet nach Willkür.
04:12
So what you see here is a subtraction
96
240365
2077
Hier sehen Sie eine Abbildung
04:14
of areas in which there's more brain activity
97
242442
2750
von Regionen mit mehr Gehirnaktivität,
04:17
when you're playing people compared to playing the computer.
98
245192
2976
wenn der Gegner ein Mensch bzw. Computer ist.
04:20
And you see activity in some regions we've seen today,
99
248168
1991
Sie sehen Aktivität in folgenden Regionen:
04:22
medial prefrontal cortex, dorsomedial, however, up here,
100
250159
3237
Mittlerer präfrontaler Kortex,
dorsomedial. Hier oben jedoch
dorsomedial. Hier oben jedoch
04:25
ventromedial prefrontal cortex,
101
253396
1851
im ventromedialen präfrontalen Kortex,
04:27
anterior cingulate, an area that's involved
102
255247
1354
vorderer Gyrus cinguli, diese Region
04:28
in lots of types of conflict resolution, like if you're playing "Simon Says,"
103
256601
3637
hat oft mit Konfliktlösung zu tun,
wie z. B. im Spiel "Simon says",
wie z. B. im Spiel "Simon says",
04:32
and also the right and left temporoparietal junction.
104
260238
3814
und auch im rechten und linken
temporoparietalen Übergang.
temporoparietalen Übergang.
04:36
And these are all areas which are fairly reliably known
105
264052
2466
Diese Regionen sind höchstwahrscheinlich
04:38
to be part of what's called a "theory of mind" circuit,
106
266518
2321
Teil eines "Theory of Mind"- oder
04:40
or "mentalizing circuit."
107
268839
1901
"Mentalisierungs"-Schaltkreises.
04:42
That is, it's a circuit that's used to imagine what other people might do.
108
270740
3378
Er wird für Erwartungen an Handlungen
anderer Menschen verwendet.
anderer Menschen verwendet.
04:46
So these were some of the first studies to see this
109
274118
2240
Das waren einige der ersten Studien,
04:48
tied in to game theory.
110
276358
2033
die den Zusammenhang
mit der Spieltheorie sahen.
mit der Spieltheorie sahen.
04:50
What happens with these one- and two-step types?
111
278391
2240
Was geschieht mit den Ein- und Zwei-Schritt-Typen?
04:52
So we classify people by what they picked,
112
280631
2071
Wir teilen Leute nach ihrer Zahlenwahl ein
04:54
and then we look at the difference between
113
282702
1667
und sehen uns die Unterschiede zwischen
04:56
playing humans versus playing computers,
114
284369
1975
Gegnern von Menschen und Computern an
04:58
which brain areas are differentially active.
115
286344
1891
und welche Gehirnzonen jeweils aktiv sind.
05:00
On the top you see the one-step players.
116
288235
1752
Oben sehen Sie die 1-Schritt-Spieler.
05:01
There's almost no difference.
117
289987
1520
Kaum Unterschiede.
05:03
The reason is, they're treating other people like a computer, and the brain is too.
118
291507
2940
Sie behandeln andere Menschen
wie Computer, und ihr Gehirn auch.
wie Computer, und ihr Gehirn auch.
05:06
The bottom players, you see all the activity in dorsomedial PFC.
119
294447
4141
Unten ist der dorsomediale PFC sehr aktiv.
05:10
So we know that those two-step players are doing something differently.
120
298588
2051
Sie machen also etwas anders.
05:12
Now if you were to step back and say, "What can we do with this information?"
121
300639
3096
Was kann man mit dieser Information anfangen?
05:15
you might be able to look at brain activity and say,
122
303735
1821
Anhand der Hirnaktivität kann man sagen:
05:17
"This person's going to be a good poker player,"
123
305556
1499
"Er wäre ein guter Pokerspieler",
05:19
or, "This person's socially naive,"
124
307055
1929
oder "Dieser hier ist sozial naiv",
05:20
and we might also be able to study things
125
308984
1278
und wir könnten auch die Entwicklung
05:22
like development of adolescent brains
126
310262
1598
jugendlicher Gehirne erforschen,
05:23
once we have an idea of where this circuitry exists.
127
311860
3354
wenn wir einmal wissen,
wo dieser Schaltkreis ist.
wo dieser Schaltkreis ist.
05:27
Okay. Get ready.
128
315214
2612
Ok. Jetzt kommt's.
05:29
I'm saving you some brain activity,
129
317826
2123
Ich erspare Ihnen etwas Nachdenken,
05:31
because you don't need to use your hair detector cells.
130
319949
2810
Sie brauchen Ihre
Haarerkennungszellen nicht.
Haarerkennungszellen nicht.
05:34
You should use those cells to think carefully about this game.
131
322759
2888
Verwenden Sie diese Zellen für dieses Spiel:
05:37
This is a bargaining game.
132
325647
1935
Es ist ein Verhandlungsspiel.
05:39
Two players who are being scanned using EEG electrodes
133
327582
2556
Zwei Spieler mit EEG-Elektroden
05:42
are going to bargain over one to six dollars.
134
330138
2877
verhandeln über 1 bis 6 Dollar.
05:45
If they can do it in 10 seconds, they're going to actually earn that money.
135
333015
2664
Schaffen sie es in 10 Sekunden,
bekommen sie das Geld.
bekommen sie das Geld.
05:47
If 10 seconds goes by and they haven't made a deal, they get nothing.
136
335679
3040
Wenn sie sich in 10 Sekunden
nicht einigen, bekommen sie nichts.
nicht einigen, bekommen sie nichts.
05:50
That's kind of a mistake together.
137
338719
1683
Ein gemeinsamer Fehler.
05:52
The twist is that one player, on the left,
138
340402
2817
Hier weiß der Spieler links,
05:55
is informed about how much on each trial there is.
139
343219
2688
wie viel bei jedem Versuch zur Verfügung steht.
05:57
They play lots of trials with different amounts each time.
140
345907
2232
Sie spielen viele Runden mit
jeweils verschiedenen Beträgen.
jeweils verschiedenen Beträgen.
06:00
In this case, they know there's four dollars.
141
348139
2241
Hier wissen sie, es gibt 4 Dollar.
06:02
The uninformed player doesn't know,
142
350380
1877
Der uninformierte Spieler weiß es nicht,
06:04
but they know that the informed player knows.
143
352257
2054
aber er weiß, dass der
andere das weiß.
andere das weiß.
06:06
So the uninformed player's challenge is to say,
144
354311
2059
Die Herausforderung für den
uninformierten Spieler ist,
uninformierten Spieler ist,
06:08
"Is this guy really being fair
145
356370
1470
ob er glaubt,
der andere ist fair
der andere ist fair
06:09
or are they giving me a very low offer
146
357840
1854
oder dass ihm
zu wenig geboten wird,
zu wenig geboten wird,
06:11
in order to get me to think that there's only one or two dollars available to split?"
147
359694
3078
damit er denkt, dass nur
1 oder 2 Dollar zur Verfügung stünden.
1 oder 2 Dollar zur Verfügung stünden.
06:14
in which case they might reject it and not come to a deal.
148
362772
3154
Dann könnte er ablehnen
und sogar leer ausgehen.
und sogar leer ausgehen.
06:17
So there's some tension here between trying to get the most money
149
365926
2950
Es gibt eine Spannung beim Versuch,
das meiste Geld herauszuholen
das meiste Geld herauszuholen
06:20
but trying to goad the other player into giving you more.
150
368876
2573
und den anderen Spieler dazu zu bringen,
mehr herauszurücken.
mehr herauszurücken.
06:23
And the way they bargain is to point on a number line
151
371449
2330
Die Verhandlung wird
über einen Zahlenstreifen
über einen Zahlenstreifen
06:25
that goes from zero to six dollars,
152
373779
1806
von 0 bis 6 Dollar geführt.
06:27
and they're bargaining over how much the uninformed player gets,
153
375585
2978
Sie verhandeln, wie viel der
uninformierte Spieler bekommt,
uninformierte Spieler bekommt,
06:30
and the informed player's going to get the rest.
154
378563
1585
und der informierte Spieler
bekommt den Rest.
bekommt den Rest.
06:32
So this is like a management-labor negotiation
155
380148
2575
Es ist wie eine Verhandlung
zwischen Management und Arbeiter,
zwischen Management und Arbeiter,
06:34
in which the workers don't know how much profits
156
382723
2733
wobei der Arbeiter nicht
weiß, wie viel Gewinn
weiß, wie viel Gewinn
06:37
the privately held company has, right,
157
385456
2667
die private Firma macht.
06:40
and they want to maybe hold out for more money,
158
388123
2368
Er will vielleicht mehr Geld,
06:42
but the company might want to create the impression
159
390491
1836
aber die Firma will vielleicht
den Eindruck erwecken,
den Eindruck erwecken,
06:44
that there's very little to split: "I'm giving you the most that I can."
160
392327
2932
dass es nicht viel Spielraum gibt:
"Ich gebe dir soviel ich kann."
"Ich gebe dir soviel ich kann."
06:47
First some behavior. So a bunch of the subject pairs, they play face to face.
161
395259
4231
Zuerst zum Verhalten. Ein Teil dieser Paare
sitzt sich beim Spiel gegenüber.
sitzt sich beim Spiel gegenüber.
06:51
We have some other data where they play across computers.
162
399490
1836
In anderen Fällen spielen
sie über Computer.
sie über Computer.
06:53
That's an interesting difference, as you might imagine.
163
401326
1738
Der Unterschied ist
sicher sehr interessant.
sicher sehr interessant.
06:55
But a bunch of the face-to-face pairs
164
403064
2202
Aber ein Teil der sich
gegenüber sitzenden Spieler
gegenüber sitzenden Spieler
06:57
agree to divide the money evenly every single time.
165
405266
3693
teilt das Geld jedes Mal gerecht auf.
07:00
Boring. It's just not interesting neurally.
166
408959
2906
Langweilig. Wissenschaftlich uninteressant.
07:03
It's good for them. They make a lot of money.
167
411865
2514
Gut für sie. Sie machen viel Geld.
07:06
But we're interested in, can we say something about
168
414379
2672
Uns interessiert, ob wir etwas über Uneinigkeit
07:09
when disagreements occur versus don't occur?
169
417051
2536
versus Einigkeit sagen können.
07:11
So this is the other group of subjects who often disagree.
170
419587
2357
Diese Gruppe hier ist sich oft uneinig.
07:13
So they have a chance of -- they bicker and disagree
171
421944
2768
Es kann passieren, dass sie ständig streiten
07:16
and end up with less money.
172
424712
1307
und am Ende weniger Geld haben.
07:18
They might be eligible to be on "Real Housewives," the TV show.
173
426019
3917
Sie wären für die TV-Serie
"Real Housewives" gut geeignet.
"Real Housewives" gut geeignet.
07:21
You see on the left,
174
429936
1936
Links sehen Sie
07:23
when the amount to divide is one, two or three dollars,
175
431872
2664
Gesamtbeträge von 1, 2 oder 3 Dollar.
07:26
they disagree about half the time,
176
434536
1648
Sie sind sich die halbe Zeit uneins,
07:28
and when the amount is four, five, six, they agree quite often.
177
436184
2192
und bei 4, 5, 6 Dollar läuft es viel besser.
07:30
This turns out to be something that's predicted
178
438376
1874
Dies ist mit einem sehr komplizierten Typ
07:32
by a very complicated type of game theory
179
440250
2204
der Spieltheorie voraussagbar.
07:34
you should come to graduate school at CalTech and learn about.
180
442454
2809
Das können Sie auf der CalTech studieren.
07:37
It's a little too complicated to explain right now,
181
445263
2172
Für eine Erklärung hier
ist die Theorie zu kompliziert
ist die Theorie zu kompliziert
07:39
but the theory tells you that this shape kind of should occur.
182
447435
3416
aber sie sagt, dieses Muster
kann man erwarten.
kann man erwarten.
07:42
Your intuition might tell you that too.
183
450851
2216
Ihre Intuition sagt Ihnen das vielleicht auch.
07:45
Now I'm going to show you the results from the EEG recording.
184
453067
2240
Jetzt kommen die Ergebnisse der EEG-Aufnahme.
07:47
Very complicated. The right brain schematic
185
455307
2353
Sehr kompliziert. Auf dem rechten Bild
07:49
is the uninformed person, and the left is the informed.
186
457660
2863
ist die uninformierte Person,
und links ist die informierte.
und links ist die informierte.
07:52
Remember that we scanned both brains at the same time,
187
460523
2800
Wir haben beide Gehirne gleichzeitig gescannt,
07:55
so we can ask about time-synced activity
188
463323
2392
um Aktivitäten zeitlich genau
07:57
in similar or different areas simultaneously,
189
465715
3224
in den jeweiligen Regionen
abfragen zu können,
abfragen zu können,
08:00
just like if you wanted to study a conversation
190
468939
2264
ungefähr so, wie wenn Sie ein Gespräch
08:03
and you were scanning two people talking to each other
191
471203
1936
zwischen zwei Menschen erforschen wollen
08:05
and you'd expect common activity in language regions
192
473139
2360
und Sie sich gleichzeitige Aktivität
in Sprachregionen erwarten,
in Sprachregionen erwarten,
08:07
when they're actually kind of listening and communicating.
193
475499
2385
wenn sie zuhören und kommunizieren.
08:09
So the arrows connect regions that are active at the same time,
194
477884
3927
Die Pfeile verbinden Regionen,
die gleichzeitig aktiv sind,
die gleichzeitig aktiv sind,
08:13
and the direction of the arrows flows
195
481811
2040
die Pfeile zeigen weg
08:15
from the region that's active first in time,
196
483851
2480
aus der zuerst aktiven Region,
08:18
and the arrowhead goes to the region that's active later.
197
486331
3568
und die Pfeilspitze zeigt zur später aktiven Region.
08:21
So in this case, if you look carefully,
198
489899
2216
Wenn Sie genau hinschauen, sehen Sie,
08:24
most of the arrows flow from right to left.
199
492115
1857
dass die meisten Pfeile von rechts nach links zeigen.
08:25
That is, it looks as if the uninformed brain activity
200
493972
3280
Das uninformierte Gehirn
08:29
is happening first,
201
497252
1959
agiert anscheinend zuerst,
08:31
and then it's followed by activity in the informed brain.
202
499211
3515
dann folgt die Aktivität im
informierten Gehirn.
informierten Gehirn.
08:34
And by the way, these were trials where their deals were made.
203
502726
3692
Das sind übrigens die Runden,
in denen Einigkeit erzielt wurde.
in denen Einigkeit erzielt wurde.
08:38
This is from the first two seconds.
204
506418
1780
Das sind die ersten 2 Sekunden.
08:40
We haven't finished analyzing this data,
205
508198
1980
Die Daten sind noch nicht fertig analysiert,
08:42
so we're still peeking in, but the hope is
206
510178
1900
wir sind also noch dran, aber wir hoffen,
08:44
that we can say something in the first couple of seconds
207
512078
2564
nach den ersten paar
Sekunden sagen zu können,
Sekunden sagen zu können,
08:46
about whether they'll make a deal or not,
208
514642
1723
ob sie sich einig werden oder nicht.
08:48
which could be very useful in thinking about avoiding litigation
209
516365
2043
Das wäre sehr nützlich, um
Dinge wie Rechtsstreit und
Dinge wie Rechtsstreit und
08:50
and ugly divorces and things like that.
210
518408
1928
hässliche Scheidungen zu vermeiden.
08:52
Those are all cases in which a lot of value is lost
211
520336
2883
In diesen Fällen geht sehr viel Wertvolles
08:55
by delay and strikes.
212
523219
2976
durch Verzögerung und Streiks verloren.
08:58
Here's the case where the disagreements occur.
213
526195
2030
Hier herrscht Uneinigkeit.
09:00
You can see it looks different than the one before.
214
528225
2173
Die Bilder schauen ganz anders aus.
09:02
There's a lot more arrows.
215
530398
2249
Es gibt viel mehr Pfeile.
09:04
That means that the brains are synced up
216
532647
1511
Die Gehirne sind im Hinblick auf
09:06
more closely in terms of simultaneous activity,
217
534158
2552
gleichzeitige Aktivität enger miteinander verbunden
09:08
and the arrows flow clearly from left to right.
218
536710
2010
und die Pfeile gehen eindeutig von links nach rechts.
09:10
That is, the informed brain seems to be deciding,
219
538720
2242
Das informierte Gehirn scheint zu entscheiden:
09:12
"We're probably not going to make a deal here."
220
540962
2288
"Wir werden uns vermutlich nicht einig."
09:15
And then later there's activity in the uninformed brain.
221
543250
3225
Darauf folgt Aktivität im uninformierten Gehirn.
09:18
Next I'm going to introduce you to some relatives.
222
546475
2503
Jetzt stelle ich Ihnen ein paar Verwandte vor.
09:20
They're hairy, smelly, fast and strong.
223
548978
2261
Sie sind haarig, stinken, sind schnell und stark.
09:23
You might be thinking back to your last Thanksgiving.
224
551239
3190
Vielleicht denken Sie an
Ihre letzte Familienfeier.
Ihre letzte Familienfeier.
09:26
Maybe if you had a chimpanzee with you.
225
554429
2693
Vielleicht war ein Schimpanse dort.
09:29
Charles Darwin and I and you broke off from the family tree
226
557122
3461
Charles Darwin, ich und Sie
haben den Stammbaum der
haben den Stammbaum der
09:32
from chimpanzees about five million years ago.
227
560583
2259
Schimpansen vor ca. 5 Mio. Jahren verlassen.
09:34
They're still our closest genetic kin.
228
562842
1968
Sie sind noch immer unsere
engsten genetischen Verwandten.
engsten genetischen Verwandten.
09:36
We share 98.8 percent of the genes.
229
564810
1737
Wir haben 98,8 % der Gene gemeinsam.
09:38
We share more genes with them than zebras do with horses.
230
566547
2800
Wir haben mehr mit ihnen gemein
als Zebras mit Pferden.
als Zebras mit Pferden.
09:41
And we're also their closest cousin.
231
569347
1717
Wir sind auch ihre engsten Cousins.
09:43
They have more genetic relation to us than to gorillas.
232
571064
3002
Sie sind genetisch mit uns
näher verwandt als mit Gorillas.
näher verwandt als mit Gorillas.
09:46
So how humans and chimpanzees behave differently
233
574066
2528
Unterschiede im Verhalten
von Mensch und Schimpanse
von Mensch und Schimpanse
09:48
might tell us a lot about brain evolution.
234
576594
2455
könnten viel über die Gehirnentwicklung aussagen.
09:51
So this is an amazing memory test
235
579049
2601
Dieser wunderbare Gedächtnistest stammt
09:53
from Nagoya, Japan, Primate Research Institute,
236
581650
2816
vom Institut für Primatenforschung
in Nagoya, Japan,
in Nagoya, Japan,
09:56
where they've done a lot of this research.
237
584466
1778
wo diese Forschung intensiv betrieben wurde.
09:58
This goes back quite a ways. They're interested in working memory.
238
586244
2340
Sie machen das schon länger und
erforschen das Arbeitsgedächtnis.
erforschen das Arbeitsgedächtnis.
10:00
The chimp is going to see, watch carefully,
239
588584
1772
Schauen Sie genau hin, der Schimpanse sieht
10:02
they're going to see 200 milliseconds' exposure
240
590356
2202
200 Millisekunden lang
10:04
— that's fast, that's eight movie frames —
241
592558
1994
– das ist schnell, 8 Einzelbilder im Kino –
10:06
of numbers one, two, three, four, five.
242
594552
1951
die Zahlen 1, 2, 3, 4, 5.
10:08
Then they disappear and they're replaced by squares,
243
596503
1998
Dann verschwinden sie und
werden durch Quadrate ersetzt.
werden durch Quadrate ersetzt.
10:10
and they have to press the squares
244
598501
1755
Sie müssen die Quadrate drücken,
10:12
that correspond to the numbers from low to high
245
600256
2321
die den aufsteigenden Zahlen entsprechen,
10:14
to get an apple reward.
246
602577
1339
um einen Apfel als Belohnung zu erhalten.
10:15
Let's see how they can do it.
247
603916
4771
Schauen wir uns an, wie es ihnen geht.
10:28
This is a young chimp. The young ones
248
616391
1493
Das ist ein junger Schimpanse. Die jungen
10:29
are better than the old ones, just like humans.
249
617884
2783
sind besser als die alten, wie bei Menschen.
10:32
And they're highly experienced, so they've done this
250
620667
1592
Sie haben schon viel
Erfahrung, sie haben das
Erfahrung, sie haben das
10:34
thousands and thousands of time.
251
622259
1432
schon tausende Male gemacht.
10:35
Obviously there's a big training effect, as you can imagine.
252
623691
2884
Sie können sich vorstellen, dass
es dabei einen großen Lerneffekt gibt.
es dabei einen großen Lerneffekt gibt.
10:39
(Laughter)
253
627928
1344
(Lachen)
10:41
You can see they're very blasé and kind of effortless.
254
629272
1935
Sie sind fast gleichgültig
und haben keine Mühe.
und haben keine Mühe.
10:43
Not only can they do it very well, they do it in a sort of lazy way.
255
631207
3928
Sie können es nicht nur sehr gut,
sie sind auch sehr entspannt.
sie sind auch sehr entspannt.
10:47
Right? Who thinks you could beat the chimps?
256
635135
3435
Wer von Ihnen glaubt, die
Schimpansen schlagen zu können?
Schimpansen schlagen zu können?
10:50
Wrong. (Laughter)
257
638570
1596
Falsch. (Lachen)
10:52
We can try. We'll try. Maybe we'll try.
258
640166
2438
Wir können es versuchen.
Vielleicht werden wir das.
Vielleicht werden wir das.
10:54
Okay, so the next part of this study
259
642604
2590
Durch den nächsten Teil der Studie
10:57
I'm going to go quickly through
260
645194
1596
führ ich Sie schnell durch.
10:58
is based on an idea of Tetsuro Matsuzawa.
261
646790
2692
Er basiert auf einer Idee Tetsuro Matsuzawas.
11:01
He had a bold idea that -- what he called the cognitive trade-off hypothesis.
262
649482
3029
Er hatte eine kühne Idee – die
sogenannte kognitive Tausch-Hypothese.
sogenannte kognitive Tausch-Hypothese.
11:04
We know chimps are faster and stronger.
263
652511
1292
Schimpansen sind
schneller und stärker.
schneller und stärker.
11:05
They're also very obsessed with status.
264
653803
1680
Status ist ihnen sehr wichtig.
11:07
His thought was, maybe they've preserved brain activities
265
655483
2956
Er dachte, vielleicht haben sie
weitere Gehirnaktivitäten,
weitere Gehirnaktivitäten,
11:10
and they practice them in development
266
658439
2168
die sie für etwas sehr Wichtiges
11:12
that are really, really important to them
267
660607
1851
verwenden:
11:14
to negotiate status and to win,
268
662458
2210
Gewinnen und Verhandeln von Status,
11:16
which is something like strategic thinking during competition.
269
664668
2998
vergleichbar mit strategischem
Denken in einem Wettbewerb.
Denken in einem Wettbewerb.
11:19
So we're going to check that out
270
667666
1580
Wir überprüfen das, indem
11:21
by having the chimps actually play a game
271
669246
2430
die Schimpansen in einem Spiel
11:23
by touching two touch screens.
272
671676
2638
zwei Touch-Screens berühren müssen.
11:26
The chimps are actually interacting with each other through the computers.
273
674314
2440
Die Schimpansen interagieren
durch die Computer miteinander.
durch die Computer miteinander.
11:28
They're going to press left or right.
274
676754
1608
Sie drücken links oder rechts.
11:30
One chimp is called a matcher.
275
678362
2113
Einer von ihnen wird "Matcher" genannt.
11:32
They win if they press left, left,
276
680475
1983
Sie gewinnen, wenn sie links – links,
11:34
like a seeker finding someone in hide-and-seek, or right, right.
277
682458
3169
oder rechts – rechts drücken,
wie ein Suchender beim Versteckenspielen.
wie ein Suchender beim Versteckenspielen.
11:37
The mismatcher wants to mismatch.
278
685627
1228
Der "Mismatcher" macht das Gegenteil.
11:38
They want to press the opposite screen of the chimp.
279
686855
3076
Er muss den gegenteiligen Bildschirm berühren.
11:41
And the rewards are apple cube rewards.
280
689931
2544
Die Belohnung sind Apfelstücke.
11:44
So here's how game theorists look at these data.
281
692475
2528
So interpretieren Spieltheoretiker die Daten:
11:47
This is a graph of the percentage of times
282
695003
1614
Das Diagramm zeigt auf der x-Achse,
11:48
the matcher picked right on the x-axis,
283
696617
2618
wie oft der "Matcher" richtig lag,
11:51
and the percentage of times they predicted right
284
699235
1516
und auf der y-Achse, wie oft
11:52
by the mismatcher on the y-axis.
285
700751
2868
der "Mismatcher" richtig lag.
11:55
So a point here is the behavior by a pair of players,
286
703619
3200
Hier geht es um das Verhalten eines Spielerpaares,
11:58
one trying to match, one trying to mismatch.
287
706819
2216
einer versucht das Gleiche zu drücken,
der andere das Gegenteil.
der andere das Gegenteil.
12:01
The NE square in the middle -- actually NE, CH and QRE --
288
709035
3280
Die Quadrate NE, CH und QRE in der Mitte
12:04
those are three different theories of Nash equilibrium, and others,
289
712315
2456
sind u. a. 3 verschiedenen Theorien
zum Nash-Gleichgewicht
zum Nash-Gleichgewicht
12:06
tells you what the theory predicts,
290
714771
2424
und zeigen, was die Theorie vorhersagt,
12:09
which is that they should match 50-50,
291
717195
2272
nämlich Treffer 50:50.
12:11
because if you play left too much, for example,
292
719467
2168
Wenn einer z.B. zu oft links spielt,
12:13
I can exploit that if I'm the mismatcher by then playing right.
293
721635
2716
kann ich als Mismatcher das
ausnützen und rechts drücken.
ausnützen und rechts drücken.
12:16
And as you can see, the chimps, each chimp is one triangle,
294
724351
2764
Die Dreiecke hier sind die Schimpansen,
12:19
are circled around, hovering around that prediction.
295
727115
3847
und sie liegen rings um die Vorhersage herum.
12:22
Now we move the payoffs.
296
730962
1774
Jetzt verändern wir die Belohnung.
12:24
We're actually going to make the left, left payoff for the matcher a little bit higher.
297
732736
3443
Beim links-links-Spielen erhält der
Matcher eine höhere Belohnung.
Matcher eine höhere Belohnung.
12:28
Now they get three apple cubes.
298
736179
1520
Er bekommt 3 Apfelstücke.
12:29
Game theoretically, that should actually make the mismatcher's behavior shift,
299
737699
2800
Nach der Spieltheorie sollte der
Mismatcher sein Verhalten ändern,
Mismatcher sein Verhalten ändern,
12:32
because what happens is, the mismatcher will think,
300
740499
1590
denn er wird denken:
12:34
oh, this guy's going to go for the big reward,
301
742089
1810
"Dieser Typ will die große Belohnung,
12:35
and so I'm going to go to the right, make sure he doesn't get it.
302
743899
3065
deshalb drücke ich rechts,
damit er sie nicht bekommt."
damit er sie nicht bekommt."
12:38
And as you can see, their behavior moves up
303
746964
1665
Ihr Verhalten bewegt sich sichtlich hinauf
12:40
in the direction of this change in the Nash equilibrium.
304
748629
3448
hin zu der Veränderung im Nash-Gleichgewicht.
12:44
Finally, we changed the payoffs one more time.
305
752077
2314
Dann haben wir die
Belohnung wieder verändert.
Belohnung wieder verändert.
12:46
Now it's four apple cubes,
306
754391
1192
Jetzt sind es 4 Apfelstücke,
12:47
and their behavior again moves towards the Nash equilibrium.
307
755583
2172
und ihr Verhalten bewegt sich
wieder in Richtung Nash-Gleichgewicht.
wieder in Richtung Nash-Gleichgewicht.
12:49
It's sprinkled around, but if you average the chimps out,
308
757755
2035
Sie liegen rundherum, aber im Durchschnitt
12:51
they're really, really close, within .01.
309
759790
2190
kommen sie auf 0,01 heran.
12:53
They're actually closer than any species we've observed.
310
761980
3199
Damit liegen sie näher dran als
alle anderen getesteten Tierarten.
alle anderen getesteten Tierarten.
12:57
What about humans? You think you're smarter than a chimpanzee?
311
765179
3193
Und der Mensch? Halten Sie sich
für schlauer als der Schimpanse?
für schlauer als der Schimpanse?
13:00
Here's two human groups in green and blue.
312
768372
3567
Hier sind 2 Menschengruppen in Grün und Blau.
13:03
They're closer to 50-50. They're not responding to payoffs as closely,
313
771939
3744
Sie liegen näher bei 50:50. Sie reagieren
auf die Belohnung nicht so stark,
auf die Belohnung nicht so stark,
13:07
and also if you study their learning in the game,
314
775683
1450
und wenn man den Lerneffekt beobachtet,
13:09
they aren't as sensitive to previous rewards.
315
777133
1985
waren frühere Belohnungen
nicht so ausschlaggebend.
nicht so ausschlaggebend.
13:11
The chimps are playing better than the humans,
316
779118
1364
Schimpansen spielen
besser als Menschen,
besser als Menschen,
13:12
better in the sense of adhering to game theory.
317
780482
2423
besser im Sinne der Spieltheorie.
13:14
And these are two different groups of humans
318
782905
1419
Diese zwei Menschengruppen
13:16
from Japan and Africa. They replicate quite nicely.
319
784324
3196
aus Japan und Afrika machen dasselbe.
13:19
None of them are close to where the chimps are.
320
787520
3235
Keiner kommt den Schimpansen nahe.
13:22
So here are some things we learned today.
321
790755
1755
Was haben wir heute also gelernt?
13:24
People seem to do a limited amount of strategic thinking
322
792510
1938
Menschen denken begrenzt strategisch
13:26
using theory of mind.
323
794448
1811
und verwenden Mentalisierung.
13:28
We have some preliminary evidence from bargaining
324
796259
1917
Verhandlungen liefern einige
vorläufige Beweise dafür,
vorläufige Beweise dafür,
13:30
that early warning signs in the brain might be used to predict
325
798176
2492
dass frühe Warnsignale im Gehirn
zur Vorhersage
zur Vorhersage
13:32
whether there will be a bad disagreement that costs money,
326
800668
2226
einer kostspieligen Uneinigkeit
verwendet werden könnten.
verwendet werden könnten.
13:34
and chimps are better competitors than humans,
327
802894
1840
dass Schimpansen bessere
Konkurrenten als Menschen sind,
Konkurrenten als Menschen sind,
13:36
as judged by game theory.
328
804734
2464
jedenfalls nach der Spieltheorie.
13:39
Thank you.
329
807198
1857
Vielen Dank.
13:41
(Applause)
330
809055
3573
(Beifall)
ABOUT THE SPEAKER
Colin Camerer - Behavioral economistColin Camerer is a leading behavioral economist who studies the psychological and neural bases of choice and strategic decision-making.
Why you should listen
Colin Camerer focuses on brain behavior during decision making, strategizing and market trading. He is the Robert Kirby Professor of Behavioral Finance and Economics at the California Institute of Technology. A child prodigy in his youth, Camerer received a B.A. in quantitative studies from Johns Hopkins when he was just 17 and a PhD in decision theory from the University of Chicago Graduate School of Business when he was 22. Camerer's research departs from previous theory in that it does not assume the mind to be a rational and perfect system, but rather focuses on the limitations of everyday people when they play actual games, and seeks to predict how they will behave in situations that involve strategy. His studies focus on neurological findings from economic experiments in the lab (on humans -- and monkeys!) Camerer is the author of Behavioral Game Theory.
Colin Camerer | Speaker | TED.com