ABOUT THE SPEAKER
Kang Lee - Developmental researcher
Kang Lee has devoted his career to understanding the development of social cognition and behavior.

Why you should listen

With an international team based at the University of Toronto, Kang Lee investigates the neurological and social basis of emerging social behaviors in young children. His two­-pronged research focuses first on how and when children develop the capacity to lie, to detect liesand to feel guilty about it afterwards.

The second focus of Lee's research is facial recognition, which has led to revelations of when children develop the ability to distinguish races ­­and has helped explain why some people occasionally see Jesus' face on a piece of toast.

More profile about the speaker
Kang Lee | Speaker | TED.com
TED2016

Kang Lee: Can you really tell if a kid is lying?

Kang Lee: Sieht man, ob ein Kind lügt?

Filmed:
8,673,675 views

Sind Kinder schlechte Lügner? Glauben Sie, Sie können ihre Lügen leicht erkennen? Der Entwicklungsforscher Kang Lee hat nachgeforscht, was bei lügenden Kindern auf physiologischer Ebene passiert. Kinder lügen oft und früh, selbst wenn sie erst zwei Jahre alt sind, und in Wahrheit sind sie ganz gut darin. Lee erklärt, warum wir es feiern sollten, wenn unsere Kinder anfangen zu lügen. Gleichzeitig präsentiert er eine neue Technologie, um den Lügen kurze Beine zu machen, die aber in Zukunft auch dafür eingesetzt werden kann, unsere versteckten Emotionen sichtbar zu machen.
- Developmental researcher
Kang Lee has devoted his career to understanding the development of social cognition and behavior. Full bio

Double-click the English transcript below to play the video.

00:13
HiHallo.
0
1112
1325
Hallo.
00:14
Let me askFragen the audiencePublikum a questionFrage:
1
2461
2346
Ich möchte Ihnen eine Frage stellen:
00:16
Did you ever lieLüge as a childKind?
2
4831
2195
Haben Sie als Kind je gelogen?
00:19
If you did, could you please
raiseerziehen your handHand?
3
7050
2667
Wenn ja, heben Sie bitte die Hand.
00:23
WowWow! This is the mostdie meisten honestehrlich
groupGruppe of people I've ever metgetroffen.
4
11145
3454
Wow! Das ist das ehrlichste Publikum,
das ich je gehabt habe!
00:26
(LaughterLachen)
5
14623
1957
(Lachen)
00:28
So for the last 20 yearsJahre,
6
16604
1709
In den letzten 20 Jahren
00:30
I've been studyingstudieren
how childrenKinder learnlernen to tell liesLügen.
7
18337
3415
habe ich erforscht,
wie Kinder das Lügen lernen.
Heute werde ich einige der
gewonnen Erkenntnisse mit Ihnen teilen.
00:33
And todayheute, I'm going to shareAktie with you
8
21776
2304
00:36
some of the discoveriesEntdeckungen we have madegemacht.
9
24104
2162
00:38
But to beginStart, I'm going to tell you
a storyGeschichte from MrHerr. RichardRichard MessinaMessina,
10
26624
4925
Aber erst erzähle ich Ihnen
die Geschichte von Richard Messina,
00:43
who is my friendFreund and an elementaryelementar
schoolSchule principalPrinzipal.
11
31573
3129
einem Freund und Grundschulleiter.
00:47
He got a phoneTelefon call one day.
12
35266
1561
Er bekam einen Anruf.
00:51
The callerAnrufer sayssagt,
13
39279
1151
Der Anrufer sagte:
00:52
"MrHerr. MessinaMessina, my sonSohn JohnnyJohnny
will not come to schoolSchule todayheute
14
40454
3882
"Herr Messina, mein Sohn Johnny
kann heute nicht in die Schule kommen,
00:56
because he's sickkrank."
15
44360
1463
er ist krank."
00:58
MrHerr. MessinaMessina asksfragt,
16
46498
1736
Herr Messina fragte:
01:00
"Who am I speakingApropos to, please?"
17
48258
2014
"Mit wem spreche ich denn?"
01:02
And the callerAnrufer sayssagt,
18
50788
1490
Und bekam als Antwort:
01:04
"I am my fatherVater."
19
52302
1665
"Ich bin mein Vater."
01:05
(LaughterLachen)
20
53991
2787
(Lachen)
01:10
So this storyGeschichte --
21
58227
1682
Diese Geschichte --
01:11
(LaughterLachen)
22
59933
1532
(Lachen)
01:13
sumsSummen up very nicelyschön
threedrei commonverbreitet beliefsÜberzeugungen we have
23
61489
4310
fasst die drei Dinge gut zusammen,
die wir über Kinder und Lügen glauben.
01:17
about childrenKinder and lyingliegend.
24
65823
1859
01:20
One, childrenKinder only come to tell liesLügen
25
68140
4631
Erstens: Kinder fangen erst an zu lügen,
nachdem sie eingeschult wurden.
01:24
after enteringeintreten elementaryelementar schoolSchule.
26
72795
2268
01:27
Two, childrenKinder are poorArm liarsLügner.
27
75552
2311
Zweitens: Kinder sind schlechte Lügner.
01:29
We adultsErwachsene can easilyleicht detecterkennen theirihr liesLügen.
28
77887
2857
Wir Erwachsene bemerken ihre Lügen leicht.
01:32
And threedrei, if childrenKinder lieLüge
at a very youngjung ageAlter,
29
80768
4038
Und drittens: Wenn noch
sehr junge Kinder lügen,
01:36
there mustsollen be some
characterCharakter flawsFehler with them,
30
84830
2849
müssen sie charakterlich
irgendwelche Probleme haben
01:39
and they are going to becomewerden
pathologicalpathologisch liarsLügner for life.
31
87703
4049
und werden ihr Leben lang
krankhafte Lügner sein.
01:44
Well, it turnswendet sich out
32
92720
2194
Alle drei Überzeugungen sind falsch.
01:46
all of the threedrei beliefsÜberzeugungen are wrongfalsch.
33
94938
2298
01:50
We have been playingspielen guessingRaten gamesSpiele
34
98617
2710
Wir haben Ratespiele
01:53
with childrenKinder all over the worldWelt.
35
101351
2082
mit Kindern überall auf der Welt gespielt.
01:55
Here is an exampleBeispiel.
36
103457
1486
Hier ist ein Beispiel:
01:56
So in this gameSpiel, we askedaufgefordert childrenKinder
to guessvermuten the numbersNummern on the cardsKarten.
37
104967
4365
In diesem Spiel baten wir die Kinder,
die Nummern auf den Karten zu raten.
02:01
And we tell them if they winSieg the gameSpiel,
38
109958
2878
Wenn sie das Spiel gewinnen,
würden sie eine große Belohnung erhalten.
02:04
they are going to get a biggroß prizePreis-.
39
112860
2157
02:07
But in the middleMitte of the gameSpiel,
40
115525
1477
Zwischendrin verließen wir aber
unter einem Vorwand den Raum.
02:09
we make an excuseAusrede and leaveverlassen the roomZimmer.
41
117026
2760
02:13
And before we leaveverlassen the roomZimmer,
42
121763
1934
Davor sagten wir ihnen,
02:15
we tell them not to peekPeek at the cardsKarten.
43
123721
2936
sie sollten nicht in die Karten schauen.
02:19
Of courseKurs,
44
127518
1416
Natürlich gab es versteckte Kameras
02:20
we have hiddenversteckt camerasKameras in the roomZimmer
45
128958
2161
02:23
to watch theirihr everyjeden moveBewegung.
46
131143
1795
um die Kinder zu beobachten.
02:26
Because the desireVerlangen
to winSieg the gameSpiel is so strongstark,
47
134216
3417
Weil sie unbedingt gewinnen wollten,
02:29
more than 90 percentProzent of childrenKinder will peekPeek
48
137657
3486
haben über 90 Prozent geschummelt,
02:33
as soonbald as we leaveverlassen the roomZimmer.
49
141167
1437
sobald wir den Raum verließen.
02:34
(LaughterLachen)
50
142628
2000
(Lachen)
02:37
The crucialentscheidend questionFrage is:
51
145044
1986
Die wichtigste Frage ist:
02:39
When we returnRückkehr and askFragen the childrenKinder
52
147054
2748
Was passiert, wenn wir zurückkommen
02:41
whetherob or not they have peekedguckte,
53
149826
2309
und die Kinder fragen,
ob sie geschummelt haben;
02:44
will the childrenKinder who peekedguckte confessgestehen
54
152159
3052
werden sie es zugeben
02:47
or lieLüge about theirihr transgressionÜberschreitung?
55
155235
2578
oder über ihren Regelverstoß lügen?
02:51
We foundgefunden that regardlessungeachtet
of genderGeschlecht, countryLand, religionReligion,
56
159525
4773
Wir fanden heraus,
dass ungeachtet des Geschlechts,
des Landes oder der Religion
02:56
at two yearsJahre of ageAlter,
57
164934
1579
bei den Zweijährigen 30 Prozent lügen
02:59
30 percentProzent lieLüge,
58
167188
1927
03:01
70 percentProzent tell the truthWahrheit
about theirihr transgressionÜberschreitung.
59
169139
3809
und 70 Prozent ihr Schummeln zugeben.
03:04
At threedrei yearsJahre of ageAlter,
60
172972
2138
Bei den Dreijährigen lügen 50 Prozent
03:07
50 percentProzent lieLüge and 50 percentProzent
tell the truthWahrheit.
61
175134
3474
und 50 Prozent sagen die Wahrheit.
03:11
At fourvier yearsJahre of ageAlter,
62
179302
1899
Bei den Vierjährigen
03:13
more than 80 percentProzent lieLüge.
63
181225
1947
lügen mehr als 80 Prozent.
03:16
And after fourvier yearsJahre of ageAlter,
64
184334
2451
Und bei allen älteren
03:18
mostdie meisten childrenKinder lieLüge.
65
186809
1389
lügen die meisten.
03:21
So as you can see,
66
189180
1363
Man kann sehen,
03:22
lyingliegend is really a typicaltypisch partTeil
of developmentEntwicklung.
67
190567
3463
dass Lügen ein typischer Schritt
in der Entwicklung ist.
03:26
And some childrenKinder beginStart to tell liesLügen
68
194054
2790
Manche Kinder lügen schon
03:28
as youngjung as two yearsJahre of ageAlter.
69
196868
2439
im zarten Alter von zwei Jahren.
03:32
So now, let's take a closernäher look
at the youngerjünger childrenKinder.
70
200438
3557
Schauen wir uns die jüngeren
mal etwas genauer an.
03:37
Why do some but not all
youngjung childrenKinder lieLüge?
71
205336
3813
Warum lügen hier nur relativ wenige?
03:42
In cookingKochen, you need good ingredientsZutaten
72
210184
3329
Man braucht gute Zutaten,
03:45
to cookKoch good foodLebensmittel.
73
213537
1613
um gutes Essen zu machen.
03:47
And good lyingliegend requireserfordert
two keySchlüssel ingredientsZutaten.
74
215793
4563
Und auch gutes Lügen
braucht zwei wichtige Zutaten.
03:53
The first keySchlüssel ingredientZutat
is theoryTheorie of mindVerstand,
75
221109
4110
Die erste Zutat ist die "Theory of mind",
03:57
or the mind-readingGedankenlesen abilityFähigkeit.
76
225243
1835
oder die Fähigkeit, Gedanken zu lesen.
03:59
MindGeist readingLesen is the abilityFähigkeit to know
77
227768
2078
Es ist die Fähigkeit zu wissen,
04:01
that differentanders people have
differentanders knowledgeWissen about the situationLage
78
229870
4608
dass verschiedene Menschen
Verschiedenes über eine Situation wissen,
04:06
and the abilityFähigkeit to differentiateunterscheiden
betweenzwischen what I know
79
234502
3801
und die Fähigkeit
zu unterscheiden, was ich weiß,
04:10
and what you know.
80
238327
1223
und was du weißt.
04:11
MindGeist readingLesen is importantwichtig for lyingliegend
81
239914
2247
Das ist wichtig zum Lügen,
04:14
because the basisBasis of lyingliegend is that I know
82
242185
3847
weil die Grundlage hierfür ist,
dass ich weiß,
04:18
you don't know
83
246056
1151
dass du nicht weißt,
04:19
what I know.
84
247231
1151
was ich weiß.
04:20
ThereforeDaher, I can lieLüge to you.
85
248406
1371
Nur so kann ich dich anlügen.
04:23
The secondzweite keySchlüssel ingredientZutat
for good lyingliegend is self-controlSelbstkontrolle.
86
251070
4610
Die zweite Zutat ist Selbstkontrolle.
04:27
It is the abilityFähigkeit to controlsteuern your speechRede,
your facialGesichtsbehandlung expressionAusdruck
87
255704
4623
Das ist die Fähigkeit, seine Sprache,
seinen Gesichtsausdruck
04:32
and your bodyKörper languageSprache,
88
260351
1540
und seine Körpersprache zu beherrschen,
04:33
so that you can tell a convincingüberzeugend lieLüge.
89
261915
2078
sodass man überzeugend lügen kann.
04:36
And we foundgefunden that those youngjung childrenKinder
90
264938
3726
Wir fanden heraus, dass die jungen Kinder,
04:40
who have more advancedfortgeschritten mind-readingGedankenlesen
and self-controlSelbstkontrolle abilitiesFähigkeiten
91
268688
4856
bei denen beide Fähigkeiten
weiter fortgeschritten waren,
04:45
tell liesLügen earliervorhin
92
273568
2038
früher anfangen zu lügen
04:47
and are more sophisticatedanspruchsvoll liarsLügner.
93
275630
2816
und die besseren Lügner sind.
04:51
As it turnswendet sich out, these two abilitiesFähigkeiten
are alsoebenfalls essentialwesentlich for all of us
94
279887
5619
Wie sich herausstellt,
sind diese beiden Fähigkeiten
für uns alle sehr wichtig, um in
der Gesellschaft gut zu funktionieren.
04:57
to functionFunktion well in our societyGesellschaft.
95
285530
2522
05:00
In factTatsache, deficitsDefizite in mind-readingGedankenlesen
and self-controlSelbstkontrolle abilitiesFähigkeiten
96
288848
4335
Defizite in den beiden Bereichen
05:05
are associateddamit verbundenen with seriousernst
developmentalEntwicklungsbiologie problemsProbleme,
97
293207
3559
hängen mit ernsthaften
Entwicklungsstörungen,
05:08
sucheine solche as ADHDADHS and autismAutismus.
98
296790
2759
wie ADHS und Autismus, zusammen.
05:13
So if you discoverentdecken your two-year-oldzwei-jährige
is tellingErzählen his or her first lieLüge,
99
301893
5177
Wenn Sie also herausfinden, dass
Ihr Zweijähriger seine erste Lüge erzählt,
05:19
insteadstattdessen of beingSein alarmedalarmiert,
100
307094
1984
sollten Sie nicht beunruhigt sein,
05:21
you should celebratefeiern --
101
309102
1492
sondern feiern --
05:22
(LaughterLachen)
102
310618
1522
(Lachen)
05:24
because it signalsSignale that your childKind
has arrivedist eingetroffen at a newneu milestoneMeilenstein
103
312164
5730
weil es signalisiert, dass Ihr Kind
einen nächsten, normalen
Entwicklungsschritt gemacht hat.
05:29
of typicaltypisch developmentEntwicklung.
104
317918
1635
05:33
Now, are childrenKinder poorArm liarsLügner?
105
321085
3136
Sind Kinder schlechte Lügner?
05:36
Do you think you can easilyleicht
detecterkennen theirihr liesLügen?
106
324878
2994
Glauben Sie, Sie können sie
leicht enttarnen?
05:40
Would you like to give it a try?
107
328745
1678
Wollen wir das ausprobieren?
05:42
Yes? OK.
108
330921
1480
Ja? Okay.
05:44
So I'm going to showShow you two videosVideos.
109
332425
2139
Ich werde Ihnen zwei Videos zeigen.
05:47
In the videosVideos,
110
335024
1151
In diesen Videos
05:48
the childrenKinder are going to respondreagieren
to a researcher'sForschers questionFrage,
111
336199
3057
beantworten die Kinder die Frage:
05:51
"Did you peekPeek?"
112
339280
1482
"Hast du geschummelt?"
05:52
So try to tell me
113
340786
1554
Also versuchen Sie, mir zu sagen,
05:54
whichwelche childKind is lyingliegend
114
342364
1398
welches Kind lügt,
05:55
and whichwelche childKind is tellingErzählen the truthWahrheit.
115
343786
2110
und welches die Wahrheit sagt.
05:58
Here'sHier ist childKind numberNummer one.
116
346272
1719
Hier ist Kind Nummer eins.
06:00
Are you readybereit?
117
348991
1237
Bereit?
06:03
(VideoVideo) AdultErwachsenen: Did you peekPeek? ChildKind: No.
118
351006
1920
(Video) Hast du geschummelt?
Kind: Nein.
06:05
KangKang LeeLee: And this is childKind numberNummer two.
119
353619
2236
Und Kind Nummer zwei.
06:09
(VideoVideo) AdultErwachsenen: Did you peekPeek? ChildKind: No.
120
357501
2192
(Video) Hast du geschummelt?
Kind: Nein.
06:13
KLKL: OK, if you think
childKind numberNummer one is lyingliegend,
121
361296
3587
KL: Okay, wenn Kind Nummer eins lügt,
06:16
please raiseerziehen your handHand.
122
364907
1687
heben Sie jetzt die Hand.
06:20
And if you think childKind numberNummer two
is lyingliegend, please raiseerziehen your handHand.
123
368401
3552
Und wenn Kind
Nummer zwei lügt, bitte jetzt.
06:25
OK, so as a matterAngelegenheit of factTatsache,
124
373593
2474
Also, tatsächlich ist es so ...
06:28
childKind numberNummer one is tellingErzählen the truthWahrheit,
125
376091
2937
Kind Nummer eins sagt die Wahrheit,
06:31
childKind numberNummer two is lyingliegend.
126
379052
2029
Kind Nummer zwei lügt.
06:34
LooksSieht like manyviele of you are terriblefurchtbar
detectorsDetektoren of children'sKinder- liesLügen.
127
382124
3230
Viele von Ihnen sind wohl schlechte
Kinder-Lügen-Detektoren.
06:37
(LaughterLachen)
128
385378
2478
(Lachen)
06:39
Now, we have playedgespielt similarähnlich kindsArten of gamesSpiele
129
387880
3384
Wir haben ähnliche Spiele
06:43
with manyviele, manyviele adultsErwachsene
from all walksSpaziergänge of life.
130
391288
4625
mit vielen Erwachsenen
aus allen Gesellschaftsschichten gespielt.
06:48
And we showShow them manyviele videosVideos.
131
396714
2158
Wir zeigten ihnen viele Videos.
06:51
In halfHälfte of the videosVideos, the childrenKinder liedgelogen.
132
399347
2549
In einer Hälfte logen die Kinder.
06:53
In the other halfHälfte of the videosVideos,
the childrenKinder told the truthWahrheit.
133
401920
3267
In der anderen Hälfte
sagten sie die Wahrheit.
06:58
And let's find out
how these adultsErwachsene performeddurchgeführt.
134
406529
2857
Schauen wir die Ergebnisse an.
07:02
Because there are as manyviele liarsLügner
as truthWahrheit tellersStimmenzähler,
135
410319
3855
Weil es genauso viele Lügner
wie Nicht-Lügner gibt,
07:06
if you guessvermuten randomlynach dem Zufallsprinzip,
136
414198
2399
liegt Ihre Chance bei 50:50,
07:08
there's a 50 percentProzent chanceChance
you're going to get it right.
137
416621
4070
bloß richtig zu raten.
07:12
So if your accuracyGenauigkeit is around 50 percentProzent,
138
420715
3594
Wenn man also 50 Prozent richtig bekommt,
07:16
it meansmeint you are a terriblefurchtbar detectorDetektor
of children'sKinder- liesLügen.
139
424333
3441
bedeutet dies, dass man
die Lügen schlecht erkennt.
07:20
So let's startAnfang with undergradsundergrads
and lawRecht schoolSchule studentsStudenten,
140
428290
4529
Fangen wir mit den Bachelor-
und Jurastudenten an,
07:24
who typicallytypischerweise have
limitedbegrenzt experienceErfahrung with childrenKinder.
141
432843
3672
die normalerweise
nicht viel Erfahrung mit Kindern haben.
07:30
No, they cannotnicht können detecterkennen children'sKinder- liesLügen.
142
438038
1962
Die können die Lügen nicht enttarnen.
07:32
TheirIhre performancePerformance is around chanceChance.
143
440024
2214
Die Ergebnisse sind ähnlich
wie beim Raten.
07:34
Now how about socialSozial workersArbeitskräfte
and child-protectionSchutz von Kindern lawyersAnwälte,
144
442262
5229
Wie sieht es bei Sozialarbeitern
und Kinderschutz-Anwälten aus,
07:39
who work with childrenKinder on a dailyTäglich basisBasis?
145
447515
2674
die täglich mit Kindern zu tun haben?
07:42
Can they detecterkennen children'sKinder- liesLügen?
146
450213
2087
Können sie die Lügen enttarnen?
07:45
No, they cannotnicht können.
147
453624
1151
Nein, können sie nicht.
07:46
(LaughterLachen)
148
454799
1045
(Lachen)
07:47
What about judgesRichter,
149
455868
1472
Was ist mit Richtern,
07:49
customsZoll officersOffiziere
150
457364
1800
Zollbeamten
07:51
and policePolizei officersOffiziere,
151
459188
1858
und Polizisten,
07:53
who dealDeal with liarsLügner on a dailyTäglich basisBasis?
152
461070
2643
die täglich mit Lügnern zu tun haben?
07:55
Can they detecterkennen children'sKinder- liesLügen?
153
463737
1917
Können sie die Lügen enttarnen?
07:58
No, they cannotnicht können.
154
466800
1214
Nein, können sie nicht.
08:00
What about parentsEltern?
155
468430
1186
Und Eltern?
08:01
Can parentsEltern detecterkennen other children'sKinder- liesLügen?
156
469640
3014
Können sie die Lügen
anderer Kinder erkennen?
08:05
No, they cannotnicht können.
157
473898
1238
Nein, können sie nicht.
08:07
What about, can parentsEltern
detecterkennen theirihr ownbesitzen children'sKinder- liesLügen?
158
475821
3585
Können Eltern die Lügen
ihrer eigenen Kinder erkennen?
08:13
No, they cannotnicht können.
159
481208
1201
Nein, können sie nicht.
08:14
(LaughterLachen) (ApplauseApplaus)
160
482433
3476
(Lachen) (Applaus)
08:17
So now you maykann askFragen
161
485933
1547
Sie mögen sich jetzt fragen,
08:20
why children'sKinder- liesLügen
are so difficultschwer to detecterkennen.
162
488504
3632
warum die Lügen der Kinder
so schwer zu erkennen sind.
08:24
Let me illustrateveranschaulichen this
with my ownbesitzen sonSohn, NathanNathan.
163
492958
3012
Ich zeige Ihnen das an meinem Sohn Nathan.
08:27
This is his facialGesichtsbehandlung expressionAusdruck
164
495994
2169
Das ist sein Gesichtsausdruck,
08:30
when he liesLügen.
165
498187
1384
wenn er lügt.
08:31
(LaughterLachen)
166
499595
2206
(Lachen)
08:33
So when childrenKinder lieLüge,
167
501825
1602
Wenn Kinder lügen,
08:35
theirihr facialGesichtsbehandlung expressionAusdruck
is typicallytypischerweise neutralneutral.
168
503451
3156
ist ihr Ausdruck typischerweise neutral.
08:39
HoweverJedoch, behindhinter this neutralneutral expressionAusdruck,
169
507123
3460
Hinter dieser neutralen Maske
08:42
the childKind is actuallytatsächlich experiencingerleben
a lot of emotionsEmotionen,
170
510607
3326
verstecken sich viele Emotionen,
08:45
sucheine solche as fearAngst, guiltSchuld, shameSchande
171
513957
3855
wie Angst, Schuld, Scham
08:49
and maybe a little bitBit of liar'sLügners delightFreude.
172
517836
3096
und vielleicht etwas Vergnügen.
08:52
(LaughterLachen)
173
520956
2702
(Lachen)
08:55
UnfortunatelyLeider, sucheine solche emotionsEmotionen
are eitherentweder fleetingflüchtig or hiddenversteckt.
174
523682
4840
Leider sind diese Emotionen
entweder flüchtig oder versteckt.
09:00
ThereforeDaher, it's mostlymeist invisibleunsichtbar to us.
175
528546
3099
Daher können wir sie meist nicht sehen.
09:03
So in the last fivefünf yearsJahre,
176
531669
1359
In den letzten fünf Jahren
09:05
we have been tryingversuchen to figureZahl out a way
to revealverraten these hiddenversteckt emotionsEmotionen.
177
533052
3896
haben wir einen Weg gesucht,
sie doch sichtbar zu machen.
09:08
Then we madegemacht a discoveryEntdeckung.
178
536972
1514
Wir haben eine Entdeckung gemacht.
09:11
We know that underneathunterhalb our facialGesichtsbehandlung skinHaut,
179
539273
3185
Wir wissen, dass unter unserer Haut
09:14
there's a richReich networkNetzwerk of bloodBlut vesselsSchiffe.
180
542482
3394
ein Netzwerk an Blutgefäßen ist.
09:17
When we experienceErfahrung differentanders emotionsEmotionen,
181
545900
2417
Wenn wir Emotionen spüren,
09:20
our facialGesichtsbehandlung bloodBlut flowfließen changesÄnderungen subtlysubtil.
182
548341
2641
ändert sich die Durchblutung im Gesicht ein wenig.
09:23
And these changesÄnderungen are regulatedgeregelten
by the autonomicautonome systemSystem
183
551613
3948
Diese Veränderungen
werden autonom gesteuert
09:27
that is beyonddarüber hinaus our consciousbewusst controlsteuern.
184
555585
2169
und können von uns
nicht bewusst beeinflusst werden.
09:30
By looking at facialGesichtsbehandlung bloodBlut flowfließen changesÄnderungen,
185
558159
3823
Wenn wir uns also
diese Veränderungen anschauen,
09:34
we can revealverraten people'sMenschen hiddenversteckt emotionsEmotionen.
186
562006
2697
können wir die versteckten Emotionen
sichtbar machen.
09:37
UnfortunatelyLeider, sucheine solche emotion-relatedim Zusammenhang mit der Emotion
facialGesichtsbehandlung bloodBlut flowfließen changesÄnderungen
187
565229
4778
Leider geht dies nicht mit bloßem Auge,
09:42
are too subtlesubtil to detecterkennen by our nakednackt eyeAuge.
188
570031
2625
da die Unterschiede fast unmerklich sind.
09:45
So to help us revealverraten
people'sMenschen facialGesichtsbehandlung emotionsEmotionen,
189
573632
3768
Wir brauchen also Hilfe.
09:49
we have developedentwickelt a newneu imagingImaging technologyTechnologie
190
577424
3034
Daher haben wir
eine Bildgebungstechnologie entwickelt,
09:52
we call "transdermaltransdermale opticaloptische imagingImaging."
191
580482
3149
die "transdermale optische Bildgebung".
09:56
To do so, we use a regularregulär
videoVideo cameraKamera to recordAufzeichnung people
192
584679
3953
Hierfür benutzen wir normale Videokameras
und filmen die Leute,
10:00
when they experienceErfahrung
variousverschiedene hiddenversteckt emotionsEmotionen.
193
588656
3086
während sie versteckte Emotionen erleben.
10:04
And then, usingmit our imageBild
processingwird bearbeitet technologyTechnologie,
194
592385
4094
Dann benutzen wir
unser Bildgebungsprogramm
10:08
we can extractExtrakt transdermaltransdermale imagesBilder
of facialGesichtsbehandlung bloodBlut flowfließen changesÄnderungen.
195
596503
5536
und bekommen die transdermalen Bilder
mit den Veränderungen des Blutflusses.
10:16
By looking at transdermaltransdermale videoVideo imagesBilder,
196
604475
4272
Wenn wir uns diese Bilder anschauen,
10:20
now we can easilyleicht see
197
608771
1787
können wir leicht die Veränderungen sehen,
10:23
facialGesichtsbehandlung bloodBlut flowfließen changesÄnderungen associateddamit verbundenen
with the variousverschiedene hiddenversteckt emotionsEmotionen.
198
611737
5631
die mit den versteckten
Emotionen zusammenhängen.
10:29
And usingmit this technologyTechnologie,
199
617944
1788
Das kann auch dazu genutzt werden,
10:31
we can now revealverraten the hiddenversteckt emotionsEmotionen
associateddamit verbundenen with lyingliegend,
200
619756
4668
um die Emotionen zu enttarnen,
die mit Lügen zusammenhängen,
10:36
and thereforedeswegen detecterkennen people'sMenschen liesLügen.
201
624448
2910
also auch die Lügen selbst enttarnen.
10:39
We can do so noninvasivelynicht-invasiv,
202
627382
2439
Das alles ist nicht-invasiv,
10:41
remotelyaus der Ferne, inexpensivelykostengünstig,
203
629845
2539
von weiter weg, nicht teuer
10:44
with an accuracyGenauigkeit at about 85 percentProzent,
204
632408
3660
und mit 85 Prozent Trefferquote machbar.
10:48
whichwelche is farweit better than chanceChance levelEbene.
205
636092
2054
Das ist sehr viel besser als Raten.
10:51
And in additionZusatz, we discoveredentdeckt
a PinocchioPinocchio effectbewirken.
206
639100
3790
Außerdem haben wir
einen Pinocchio-Effekt entdeckt.
10:56
No, not this PinocchioPinocchio effectbewirken.
207
644336
2055
Nein, nicht diesen Pinocchio-Effekt.
10:58
(LaughterLachen)
208
646415
1007
(Lachen)
10:59
This is the realecht PinocchioPinocchio effectbewirken.
209
647446
2122
Das hier ist der richtige.
11:01
When people lieLüge,
210
649592
1417
Wenn Leute lügen,
11:03
the facialGesichtsbehandlung bloodBlut flowfließen
on the cheeksWangen decreasesverringert,
211
651033
3779
wird die Durchblutung der Wangen weniger,
11:06
and the facialGesichtsbehandlung bloodBlut flowfließen
on the noseNase increaseserhöht sich.
212
654836
3261
und die der Nase höher.
11:11
Of courseKurs, lyingliegend is not the only situationLage
213
659379
3507
Natürlich ist Lügen nicht das einzige,
11:14
that will evokehervorrufen our hiddenversteckt emotionsEmotionen.
214
662910
2848
das versteckte Emotionen hervorruft.
11:17
So then we askedaufgefordert ourselvesuns selbst,
215
665782
1874
Also haben wir uns gefragt,
11:19
in additionZusatz to detectingErkennung von liesLügen,
216
667680
2347
wie wir unsere Technologie
noch anwenden können,
11:22
how can our technologyTechnologie be used?
217
670051
2333
außer als Lügendetektor.
11:25
One applicationAnwendung is in educationBildung.
218
673027
3546
Eine Möglichkeit wäre in der Schule.
11:28
For exampleBeispiel, usingmit this technologyTechnologie,
we can help this mathematicsMathematik teacherLehrer
219
676597
4661
Zum Beispiel können wir
diesem Mathe-Lehrer helfen,
11:33
to identifyidentifizieren the studentSchüler in his classroomKlassenzimmer
220
681282
2907
die Schüler zu erkennen,
11:36
who maykann experienceErfahrung highhoch anxietyAngst
about the topicThema he's teachingLehren
221
684213
4745
die bei diesem Thema große Angst haben,
11:40
so that he can help him.
222
688982
1509
sodass er ihnen helfen kann.
11:43
And alsoebenfalls we can use this in healthGesundheit carePflege.
223
691337
2740
Auch im Gesundheitssystem
könnte man so etwas verwenden.
11:46
For exampleBeispiel, everyjeden day I SkypeSkype my parentsEltern,
224
694101
3368
Ich skype jeden Tag mit meinen Eltern,
11:49
who liveLeben thousandsTausende of milesMeilen away.
225
697493
2082
die tausende Kilometer entfernt wohnen.
11:52
And usingmit this technologyTechnologie,
226
700178
1821
Mithilfe unserer Technologie
11:54
I can not only find out
what's going on in theirihr livesLeben
227
702023
3482
kann ich nicht nur herausfinden,
was bei ihnen so passiert,
11:57
but alsoebenfalls simultaneouslygleichzeitig monitorMonitor
theirihr heartHerz ratePreis, theirihr stressStress levelEbene,
228
705529
6302
sondern auch ihre Herzfrequenz,
den Stresspegel,
12:03
theirihr moodStimmung and whetherob or not
they are experiencingerleben painSchmerz.
229
711855
3225
ihre Stimmung und Schmerz herausfinden.
12:07
And perhapsvielleicht in the futureZukunft,
230
715839
1810
Und in der Zukunft vielleicht auch
12:09
theirihr risksRisiken for heartHerz attackAttacke
or hypertensionHypertonie.
231
717673
3289
ihr Risiko für einen Herzinfarkt
oder Bluthochdruck.
12:13
And you maykann askFragen:
232
721701
1260
Sie fragen sich vielleicht:
12:15
Can we use this alsoebenfalls to revealverraten
politicians'Politiker emotionsEmotionen?
233
723472
5481
Können wir das auch bei Politikern machen?
12:20
(LaughterLachen)
234
728977
1540
(Lachen)
12:22
For exampleBeispiel, duringwährend a debateDebatte.
235
730541
1854
Zum Beispiel während einer Debatte?
12:25
Well, the answerAntworten is yes.
236
733220
1453
Die Antwort ist: Ja.
12:27
UsingMit Hilfe TVTV footageAufnahmen,
237
735167
1944
Mithilfe von Fernsehaufzeichnungen
12:29
we could detecterkennen
the politicians'Politiker heartHerz ratePreis,
238
737135
4046
können wir die Herzfrequenz,
12:33
moodStimmung and stressStress,
239
741205
2046
Stimmung und Stress entdecken,
12:35
and perhapsvielleicht in the futureZukunft,
whetherob or not they are lyingliegend to us.
240
743275
3578
und vielleicht auch irgendwann,
ob sie lügen oder nicht.
12:39
We can alsoebenfalls use this
in marketingMarketing researchForschung,
241
747495
2996
Wir können es auch
für Marktforschung einsetzen,
12:42
for exampleBeispiel, to find out
242
750515
1851
beispielsweise um herauszufinden,
12:44
whetherob or not people like
certainsicher consumerVerbraucher productsProdukte.
243
752390
4355
ob die Menschen bestimmte Produkte
mögen oder nicht mögen.
12:49
We can even use it in datingDating.
244
757229
2238
Wir können es sogar für Dating nutzen.
12:51
So for exampleBeispiel,
245
759904
1160
Hier,
12:53
if your dateDatum is smilinglächelnd at you,
246
761088
2594
wenn Ihr Date Sie anlächelt,
12:55
this technologyTechnologie can help you to determinebestimmen
247
763706
2794
kann unsere Technologie Ihnen helfen,
12:58
whetherob she actuallytatsächlich likesLikes you
248
766524
2607
zu erkennen, ob sie Sie wirklich mag,
13:01
or she is just tryingversuchen to be nicenett to you.
249
769155
2175
oder bloß nett zu Ihnen ist.
13:03
And in this caseFall,
250
771864
1695
Hier will sie bloß nett sein.
13:05
she is just tryingversuchen to be nicenett to you.
251
773583
1876
13:07
(LaughterLachen)
252
775483
2392
(Lachen)
13:11
So transdermaltransdermale opticaloptische imagingImaging technologyTechnologie
253
779244
3709
Unsere transdermale optische
Bildgebungstechnologie
13:14
is at a very earlyfrüh stageStufe of developmentEntwicklung.
254
782977
2578
steckt noch in den Kinderschuhen.
13:17
ManyViele newneu applicationsAnwendungen will come about
that we don't know todayheute.
255
785579
4114
Es wird noch viel entwickelt,
das wir heute noch nicht kennen.
13:22
HoweverJedoch, one thing I know for sure
256
790293
2778
Aber wir wissen ganz sicher,
13:25
is that lyingliegend will never
be the samegleich again.
257
793095
3414
dass Lügen nie wieder dasselbe sein wird.
13:28
Thank you very much.
258
796533
1158
Danke sehr.
13:29
XiXIè xieXie.
259
797715
1324
Xiè xie.
13:31
(ApplauseApplaus)
260
799063
3906
(Applaus)
Translated by Tina Lemk
Reviewed by Johanna Pichler

▲Back to top

ABOUT THE SPEAKER
Kang Lee - Developmental researcher
Kang Lee has devoted his career to understanding the development of social cognition and behavior.

Why you should listen

With an international team based at the University of Toronto, Kang Lee investigates the neurological and social basis of emerging social behaviors in young children. His two­-pronged research focuses first on how and when children develop the capacity to lie, to detect liesand to feel guilty about it afterwards.

The second focus of Lee's research is facial recognition, which has led to revelations of when children develop the ability to distinguish races ­­and has helped explain why some people occasionally see Jesus' face on a piece of toast.

More profile about the speaker
Kang Lee | Speaker | TED.com