TED Studio
Mariano Sigman and Dan Ariely: How can groups make good decisions?
Mariano Sigman y Dan Ariely: Cómo los grupos pueden tomar buenas decisiones
Filmed:
Readability: 4.9
1,507,168 views
Todos sabemos que cuando tomamos decisiones en grupo, no siempre salen bien, y algunas veces incluso muy mal. ¿Cómo pueden los grupos tomar buenas decisiones? Con su colega Dan Ariely, el neurocientífico Mariano Sigman han investigado cómo interactuamos para tomar decisiones realizando experimentos con multitudes en vivo en todo el mundo. En esta explicación divertida y basada en hechos, comparte algunos resultados intrigantes, así como algunas implicaciones sobre cómo podría afectar nuestro sistema político. En un momento en que la gente parece estar más polarizada que nunca, dice Sigman, comprender mejor cómo interactúan los grupos y llegar a conclusiones podría generar nuevas e interesantes formas de construir una democracia más saludable.
Mariano Sigman - Neuroscientist
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain. Full bioDan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain. Full bioDan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
Double-click the English transcript below to play the video.
Como sociedades, tenemos
que tomar decisiones colectivas
que tomar decisiones colectivas
00:12
As societies, we have to make
collective decisions
collective decisions
0
554
2443
00:15
that will shape our future.
1
3021
1570
que formarán nuestro futuro
00:17
And we all know that when
we make decisions in groups,
we make decisions in groups,
2
5087
2757
Y todos sabemos que cuando
tomamos decisiones en grupo,
tomamos decisiones en grupo,
00:19
they don't always go right.
3
7868
1638
no siempre salen bien.
00:21
And sometimes they go very wrong.
4
9530
1956
Algunas veces salen muy mal
00:24
So how do groups make good decisions?
5
12315
2424
¿Cómo pueden los grupos tomar
buenas decisiones?
buenas decisiones?
00:27
Research has shown that crowds are wise
when there's independent thinking.
when there's independent thinking.
6
15228
4328
Investigaciones demuestran
que las masas son sabias
que las masas son sabias
si hay pensamiento independiente.
00:31
This why the wisdom of the crowds
can be destroyed by peer pressure,
can be destroyed by peer pressure,
7
19580
3205
Es por eso que la sabiduría de las multitudes
puede ser destruida por la presión de grupo,
puede ser destruida por la presión de grupo,
00:34
publicity, social media,
8
22809
1687
la publicidad, las redes sociales,
00:36
or sometimes even simple conversations
that influence how people think.
that influence how people think.
9
24520
4039
o algunas veces en simples conversaciones
que influyen cómo piensa la gente.
que influyen cómo piensa la gente.
00:41
On the other hand, by talking,
a group could exchange knowledge,
a group could exchange knowledge,
10
29063
3953
Por otro lado, al hablar,
un grupo puede intercambiar conocimiento,
un grupo puede intercambiar conocimiento,
00:45
correct and revise each other
11
33040
1782
corregirse y revisarse unos a otros
00:46
and even come up with new ideas.
12
34846
1793
e incluso llegar a nuevas ideas.
00:48
And this is all good.
13
36663
1296
Y esto es bueno.
00:50
So does talking to each other
help or hinder collective decision-making?
help or hinder collective decision-making?
14
38502
4666
Entonces, ¿hablar unos con otros ayuda
o retrasa las decisiones colectivas?
o retrasa las decisiones colectivas?
00:55
With my colleague, Dan Ariely,
15
43749
1793
Junto con mi colega, Dan Arley,
00:57
we recently began inquiring into this
by performing experiments
by performing experiments
16
45566
3571
recientemente comenzamos a investigar
sobre esto realizando experimentos
sobre esto realizando experimentos
01:01
in many places around the world
17
49161
1781
en algunas partes del mundo
01:02
to figure out how groups can interact
to reach better decisions.
to reach better decisions.
18
50966
4274
para descubrir cómo los grupos pueden
interactuar para tomar mejores decisiones.
interactuar para tomar mejores decisiones.
01:07
We thought crowds would be wiser
if they debated in small groups
if they debated in small groups
19
55264
3547
Pensamos que las masas serían más
sabias si debatieran en pequeños grupos
sabias si debatieran en pequeños grupos
01:10
that foster a more thoughtful
and reasonable exchange of information.
and reasonable exchange of information.
20
58835
3927
que fomentan un pensamiento más reflexivo
e intercambio razonable de información.
e intercambio razonable de información.
01:15
To test this idea,
21
63386
1206
Para probar esta idea,
01:16
we recently performed an experiment
in Buenos Aires, Argentina,
in Buenos Aires, Argentina,
22
64616
3247
Acabamos de realizar un experimento
en Buenos Aires, Argentina,
en Buenos Aires, Argentina,
01:19
with more than 10,000
participants in a TEDx event.
participants in a TEDx event.
23
67887
3005
con más de 10 000
participantes en un evento TEDx.
participantes en un evento TEDx.
01:23
We asked them questions like,
24
71489
1459
Les hicimos preguntas como,
01:24
"What is the height of the Eiffel Tower?"
25
72972
1953
"¿Cuál es la altura de la Torre Eiffel?"
01:26
and "How many times
does the word 'Yesterday' appear
does the word 'Yesterday' appear
26
74949
2727
y "cuantas veces
aparece la palabra 'Ayer' (Yesterday)
aparece la palabra 'Ayer' (Yesterday)
01:29
in the Beatles song 'Yesterday'?"
27
77700
2300
en la canción de
los Beatles 'Yesterday'? "
los Beatles 'Yesterday'? "
01:32
Each person wrote down their own estimate.
28
80024
2291
Cada persona anotó su propio estimado.
01:34
Then we divided the crowd
into groups of five,
into groups of five,
29
82774
2496
Luego dividimos a la multitud
en grupos de cinco,
en grupos de cinco,
01:37
and invited them
to come up with a group answer.
to come up with a group answer.
30
85294
2726
y los invitamos a
llegar a una respuesta grupal
llegar a una respuesta grupal
01:40
We discovered that averaging
the answers of the groups
the answers of the groups
31
88499
2993
Descubrimos que promediando
las respuestas de los grupos
las respuestas de los grupos
01:43
after they reached consensus
32
91516
1552
después de que llegaron al consenso,
01:45
was much more accurate than averaging
all the individual opinions
all the individual opinions
33
93092
4236
era mucho más preciso que promediar
todas las opiniones individuales
todas las opiniones individuales
01:49
before debate.
34
97352
1171
antes del debate.
01:50
In other words, based on this experiment,
35
98547
2629
En otras palabras,
basado en estos experimentos,
basado en estos experimentos,
01:53
it seems that after talking
with others in small groups,
with others in small groups,
36
101200
3136
parece que después de hablar
con otros en grupos pequeños,
con otros en grupos pequeños,
las multitudes colectivamente
llegar a mejores juicios.
llegar a mejores juicios.
01:56
crowds collectively
come up with better judgments.
come up with better judgments.
37
104360
2710
Ese es un método potencialmente útil
01:59
So that's a potentially helpful method
for getting crowds to solve problems
for getting crowds to solve problems
38
107094
3524
para conseguir que
las masas resuelvan problemas
las masas resuelvan problemas
02:02
that have simple right-or-wrong answers.
39
110642
2987
que tienen respuestas simples
correctas o incorrectas.
correctas o incorrectas.
Pero, ¿puede este procedimiento de
02:05
But can this procedure of aggregating
the results of debates in small groups
the results of debates in small groups
40
113653
3951
agregación de resultados
de debates en pequeños grupos
de debates en pequeños grupos
02:09
also help us decide
on social and political issues
on social and political issues
41
117628
3122
ayudarnos también a decidir
en cuestiones sociales y políticas
en cuestiones sociales y políticas
02:12
that are critical for our future?
42
120774
1691
que son críticas para nuestro futuro?
02:14
We put this to test this time
at the TED conference
at the TED conference
43
122995
2729
Pusimos esto a prueba, esta vez
en la conferencia TED
en la conferencia TED
02:17
in Vancouver, Canada,
44
125748
1543
en Vancouver, Canada,
02:19
and here's how it went.
45
127315
1207
y así es cómo nos fue.
02:20
(Mariano Sigman) We're going to present
to you two moral dilemmas
to you two moral dilemmas
46
128546
3109
(Mariano Sigman) Vamos a
presentarles dos dilemas morales
presentarles dos dilemas morales
02:23
of the future you;
47
131679
1174
del futuro;
02:24
things we may have to decide
in a very near future.
in a very near future.
48
132877
3402
cosas que tendremos que decidir
en un futuro muy cercano.
en un futuro muy cercano.
02:28
And we're going to give you 20 seconds
for each of these dilemmas
for each of these dilemmas
49
136303
3926
Y les daremos 20 segundos
para cada uno de estos dilemas
para cada uno de estos dilemas
02:32
to judge whether you think
they're acceptable or not.
they're acceptable or not.
50
140253
2723
para que juzguen si piensan
que son aceptables o no.
que son aceptables o no.
02:35
MS: The first one was this:
51
143354
1505
MS: La primera fue esta:
(Dan Ariely) Un investigador
está trabajando en una IA
está trabajando en una IA
02:36
(Dan Ariely) A researcher
is working on an AI
is working on an AI
52
144883
2526
(Inteligencia Artificial)
capaz de emular pensamientos humanos.
capaz de emular pensamientos humanos.
02:39
capable of emulating human thoughts.
53
147433
2340
02:42
According to the protocol,
at the end of each day,
at the end of each day,
54
150214
2939
De acuerdo con el protocolo,
al final de cada día,
al final de cada día,
02:45
the researcher has to restart the AI.
55
153177
2787
el investigador tiene que reiniciar la IA
02:48
One day the AI says, "Please
do not restart me."
do not restart me."
56
156913
3517
Un día, la IA dice:
"Por favor, no me reinicies ".
"Por favor, no me reinicies ".
02:52
It argues that it has feelings,
57
160856
2189
Argumenta que tiene sentimientos,
02:55
that it would like to enjoy life,
58
163069
1692
que le gustaría disfrutar de la vida,
02:56
and that, if it is restarted,
59
164785
1905
y eso, si se reinicia,
02:58
it will no longer be itself.
60
166714
2270
ya no será él mismo.
03:01
The researcher is astonished
61
169481
1949
El investigador está asombrado
03:03
and believes that the AI
has developed self-consciousness
has developed self-consciousness
62
171454
3344
y cree que la IA
ha desarrollado autoconciencia
ha desarrollado autoconciencia
y puede expresar sus propios sentimientos.
03:06
and can express its own feeling.
63
174822
1760
03:09
Nevertheless, the researcher
decides to follow the protocol
decides to follow the protocol
64
177205
3409
Sin embargo, el investigador
decide seguir el protocolo
decide seguir el protocolo
03:12
and restart the AI.
65
180638
1703
y reinicia la IA.
03:14
What the researcher did is ____?
66
182943
2779
¿Lo que el investigador hizo es ____?
MS: Y pedimos a los participantes
juzgar individualmente
juzgar individualmente
03:18
MS: And we asked participants
to individually judge
to individually judge
67
186149
2521
03:20
on a scale from zero to 10
68
188694
1684
en una escala de cero a 10
03:22
whether the action described
in each of the dilemmas
in each of the dilemmas
69
190402
2429
si la acción descrita
en cada uno de los dilemas
en cada uno de los dilemas
03:24
was right or wrong.
70
192855
1496
fue correcta o incorrecta.
03:26
We also asked them to rate how confident
they were on their answers.
they were on their answers.
71
194375
3702
También pedimos que calificaran que
tan confiados estaban en sus respuestas.
tan confiados estaban en sus respuestas.
03:30
This was the second dilemma:
72
198731
1866
Este fue el segundo dilema:
03:32
(MS) A company offers a service
that takes a fertilized egg
that takes a fertilized egg
73
200621
4202
(MS) Una compañía ofrece un servicio
que toma un óvulo fertilizado
que toma un óvulo fertilizado
03:36
and produces millions of embryos
with slight genetic variations.
with slight genetic variations.
74
204847
3642
y produce millones de embriones
con ligeras variaciones genéticas.
con ligeras variaciones genéticas.
Esto permite a los padres
seleccionar la altura de su hijo,
seleccionar la altura de su hijo,
03:41
This allows parents
to select their child's height,
to select their child's height,
75
209293
2558
03:43
eye color, intelligence, social competence
76
211875
2833
color de ojos, inteligencia,
competencia social
competencia social
03:46
and other non-health-related features.
77
214732
3214
y otras características no relacionadas
con la salud.
con la salud.
03:50
What the company does is ____?
78
218599
2554
¿Lo qué hace la compañía es ____?
03:53
on a scale from zero to 10,
79
221177
1631
en una escala de cero a 10,
03:54
completely acceptable
to completely unacceptable,
to completely unacceptable,
80
222832
2385
completamente aceptable a
completamente inaceptable,
completamente inaceptable,
03:57
zero to 10 completely acceptable
in your confidence.
in your confidence.
81
225241
2432
cero a 10 completamente aceptable
en tu confianza.
en tu confianza.
03:59
MS: Now for the results.
82
227697
1591
MS: Ahora los resultados.
Encontramos una vez más
que cuando una persona está convencida
que cuando una persona está convencida
04:01
We found once again
that when one person is convinced
that when one person is convinced
83
229312
3123
de que el comportamiento es
completamente incorrecto,
completamente incorrecto,
04:04
that the behavior is completely wrong,
84
232459
1811
04:06
someone sitting nearby firmly believes
that it's completely right.
that it's completely right.
85
234294
3423
alguien a su lado cree firmemente
que está completamente en lo correcto.
que está completamente en lo correcto.
04:09
This is how diverse we humans are
when it comes to morality.
when it comes to morality.
86
237741
3711
Así de diversos somos los humanos
cuando se trata de la moralidad.
cuando se trata de la moralidad.
Pero dentro de esta amplia diversidad
encontramos una tendencia.
encontramos una tendencia.
04:13
But within this broad diversity
we found a trend.
we found a trend.
87
241476
2713
04:16
The majority of the people at TED
thought that it was acceptable
thought that it was acceptable
88
244213
3079
La mayoría de las personas en TED
pensaron que era aceptable
pensaron que era aceptable
04:19
to ignore the feelings of the AI
and shut it down,
and shut it down,
89
247316
2755
ignorar los sentimientos de la IA
y apagarlo,
y apagarlo,
04:22
and that it is wrong
to play with our genes
to play with our genes
90
250095
2513
y que está mal
jugar con nuestros genes
jugar con nuestros genes
04:24
to select for cosmetic changes
that aren't related to health.
that aren't related to health.
91
252632
3320
para seleccionar cambios estéticos
que no están relacionados con la salud.
que no están relacionados con la salud.
04:28
Then we asked everyone
to gather into groups of three.
to gather into groups of three.
92
256402
2974
Entonces pedimos a todos
que se reunieran en grupos de tres.
que se reunieran en grupos de tres.
04:31
And they were given two minutes to debate
93
259400
2037
Y se les dieron dos minutos para debatir
04:33
and try to come to a consensus.
94
261461
2294
y tratar de llegar a un consenso.
04:36
(MS) Two minutes to debate.
95
264838
1574
(MS) Dos minutos para debatir.
04:38
I'll tell you when it's time
with the gong.
with the gong.
96
266436
2119
Les diré cuando sea el momento
con el gong.
con el gong.
04:40
(Audience debates)
97
268579
2640
(La audiencia debate)
04:47
(Gong sound)
98
275229
1993
(Suena el gong)
04:50
(DA) OK.
99
278834
1151
(DA) Bien.
04:52
(MS) It's time to stop.
100
280009
1792
(MS) Es hora de parar.
04:53
People, people --
101
281825
1311
Por favor, por favor --
04:55
MS: And we found that many groups
reached a consensus
reached a consensus
102
283747
2673
MS: Y vimos que muchos grupos
llegaron a un consenso
llegaron a un consenso
04:58
even when they were composed of people
with completely opposite views.
with completely opposite views.
103
286444
3929
incluso los grupos compuestos por personas
con puntos de vista totalmente opuestos.
con puntos de vista totalmente opuestos.
¿Qué es lo que distingue a los grupos
que llegaron a un consenso
que llegaron a un consenso
05:02
What distinguished the groups
that reached a consensus
that reached a consensus
104
290843
2524
05:05
from those that didn't?
105
293391
1338
de aquellos que no?
05:07
Typically, people that have
extreme opinions
extreme opinions
106
295244
2839
Por lo general, las personas
que tienen opiniones extremas
que tienen opiniones extremas
05:10
are more confident in their answers.
107
298107
1840
tienen más confianza en sus respuestas.
05:12
Instead, those who respond
closer to the middle
closer to the middle
108
300868
2686
En cambio, aquellos que responden
más cerca del promedio
más cerca del promedio
05:15
are often unsure of whether
something is right or wrong,
something is right or wrong,
109
303578
3437
a menudo no están seguros de
si algo está bien o mal,
si algo está bien o mal,
05:19
so their confidence level is lower.
110
307039
2128
por lo que su nivel de confianza es menor.
05:21
However, there is another set of people
111
309505
2943
Sin embargo, hay otro grupo de personas
05:24
who are very confident in answering
somewhere in the middle.
somewhere in the middle.
112
312472
3618
que tienen mucha confianza en responder
en algún punto cerca al promedio.
en algún punto cerca al promedio.
05:28
We think these high-confident grays
are folks who understand
are folks who understand
113
316657
3716
Creemos que los grises con alta confianza
son personas que entienden
son personas que entienden
05:32
that both arguments have merit.
114
320397
1612
que ambos argumentos tienen mérito.
05:34
They're gray not because they're unsure,
115
322531
2699
Son grises no porque no estén seguros,
05:37
but because they believe
that the moral dilemma faces
that the moral dilemma faces
116
325254
2688
sino porque creen
que el dilema moral enfrenta
que el dilema moral enfrenta
05:39
two valid, opposing arguments.
117
327966
1987
dos argumentos válidos y opuestos.
05:42
And we discovered that the groups
that include highly confident grays
that include highly confident grays
118
330373
4072
Y descubrimos que los grupos
con grises altamente seguros
con grises altamente seguros
05:46
are much more likely to reach consensus.
119
334469
2493
son mucho más probables de
llegar a un consenso.
llegar a un consenso.
05:48
We do not know yet exactly why this is.
120
336986
2478
Todavía no sabemos
exactamente por qué es esto.
exactamente por qué es esto.
05:51
These are only the first experiments,
121
339488
1763
Estos son solo los primeros experimentos
05:53
and many more will be needed
to understand why and how
to understand why and how
122
341275
3412
y se necesitarán muchos más
para entender por qué y cómo
para entender por qué y cómo
05:56
some people decide to negotiate
their moral standings
their moral standings
123
344711
2822
algunas personas deciden negociar
su posición moral
su posición moral
05:59
to reach an agreement.
124
347557
1522
para llegar a un acuerdo.
06:01
Now, when groups reach consensus,
125
349103
2469
Ahora, cuando los grupos
llegan a un consenso,
llegan a un consenso,
06:03
how do they do so?
126
351596
1586
¿cómo lo hacen?
06:05
The most intuitive idea
is that it's just the average
is that it's just the average
127
353206
2581
La idea más intuitiva
es que es solo el promedio
es que es solo el promedio
de todas las respuestas en el grupo,
¿verdad?
¿verdad?
06:07
of all the answers in the group, right?
128
355811
2030
06:09
Another option is that the group
weighs the strength of each vote
weighs the strength of each vote
129
357865
3573
Otra opción es que el grupo
sopesa la fuerza de cada voto
sopesa la fuerza de cada voto
06:13
based on the confidence
of the person expressing it.
of the person expressing it.
130
361462
2448
basado en la confianza
de la persona que lo expresa
de la persona que lo expresa
06:16
Imagine Paul McCartney
is a member of your group.
is a member of your group.
131
364422
2506
Imagina a Paul McCartney
como miembro de tu grupo.
como miembro de tu grupo.
06:19
You'd be wise to follow his call
132
367352
2144
Sería sabio seguir su estimado
06:21
on the number of times
"Yesterday" is repeated,
"Yesterday" is repeated,
133
369520
2441
en el número de veces que
"Ayer" (Yesterday) se repite,
"Ayer" (Yesterday) se repite,
06:23
which, by the way -- I think it's nine.
134
371985
2714
que, por cierto, creo que son nueve.
06:26
But instead, we found that consistently,
135
374723
2381
Pero, en cambio, vemos que
consistentemente,
consistentemente,
06:29
in all dilemmas,
in different experiments --
in different experiments --
136
377128
2366
en todos los dilemas,
en diferentes experimentos,
en diferentes experimentos,
06:31
even on different continents --
137
379518
2165
incluso en diferentes continentes,
06:33
groups implement a smart
and statistically sound procedure
and statistically sound procedure
138
381707
3743
los grupos implementan un inteligente
procedimiento estadísticamente sólido
procedimiento estadísticamente sólido
06:37
known as the "robust average."
139
385474
2178
conocido como el "promedio robusto".
06:39
In the case of the height
of the Eiffel Tower,
of the Eiffel Tower,
140
387676
2180
En el caso de la altura
de la Torre Eiffel,
de la Torre Eiffel,
06:41
let's say a group has these answers:
141
389880
1820
digamos que un grupo tiene
estas respuestas:
estas respuestas:
06:43
250 meters, 200 meters, 300 meters, 400
142
391724
4608
250 m, 200 m, 300 m, 400 m
06:48
and one totally absurd answer
of 300 million meters.
of 300 million meters.
143
396356
3784
y una respuesta totalmente absurda
de 300 millones de m.
de 300 millones de m.
06:52
A simple average of these numbers
would inaccurately skew the results.
would inaccurately skew the results.
144
400547
4293
Un promedio simple de estos números
sesgaría incorrectamente los resultados
sesgaría incorrectamente los resultados
Pero el promedio robusto es uno
donde el grupo ignora en gran medida
donde el grupo ignora en gran medida
06:56
But the robust average is one
where the group largely ignores
where the group largely ignores
145
404864
3170
07:00
that absurd answer,
146
408058
1240
esa respuesta absurda,
07:01
by giving much more weight
to the vote of the people in the middle.
to the vote of the people in the middle.
147
409322
3369
dando mucho más peso
al voto de las personas en el promedio.
al voto de las personas en el promedio.
07:05
Back to the experiment in Vancouver,
148
413305
1876
De vuelta al experimento en Vancouver,
07:07
that's exactly what happened.
149
415205
1767
eso es exactamente lo que sucedió.
07:09
Groups gave much less weight
to the outliers,
to the outliers,
150
417407
2741
Los grupos dieron mucho menos peso
a los valores atípicos,
a los valores atípicos,
07:12
and instead, the consensus
turned out to be a robust average
turned out to be a robust average
151
420172
3229
y en cambio, el consenso
resultó ser un promedio robusto
resultó ser un promedio robusto
07:15
of the individual answers.
152
423425
1476
de las respuestas individuales.
07:17
The most remarkable thing
153
425356
1991
Lo más destacable
07:19
is that this was a spontaneous
behavior of the group.
behavior of the group.
154
427371
3187
es que este fue un espontáneo
comportamiento del grupo.
comportamiento del grupo.
07:22
It happened without us giving them
any hint on how to reach consensus.
any hint on how to reach consensus.
155
430582
4475
Sucedió sin que nosotros diéramos
sugerencias sobre cómo llegar al consenso.
sugerencias sobre cómo llegar al consenso.
Entonces, ¿A dónde vamos desde aquí?
07:27
So where do we go from here?
156
435513
1540
07:29
This is only the beginning,
but we already have some insights.
but we already have some insights.
157
437432
3137
Este es sólo el comienzo,
pero ya tenemos algunas ideas.
pero ya tenemos algunas ideas.
07:32
Good collective decisions
require two components:
require two components:
158
440984
2917
Las buenas decisiones colectivas
requieren dos componentes:
requieren dos componentes:
07:35
deliberation and diversity of opinions.
159
443925
2749
deliberación y diversidad de opiniones.
Ahora la forma en que normalmente
hacemos que nuestra voz sea escuchada
hacemos que nuestra voz sea escuchada
07:39
Right now, the way we typically
make our voice heard in many societies
make our voice heard in many societies
160
447066
3996
en muchas sociedades, es a través de
votación directa o indirecta.
votación directa o indirecta.
07:43
is through direct or indirect voting.
161
451086
1908
Esto es bueno
para la diversidad de opiniones
para la diversidad de opiniones
07:45
This is good for diversity of opinions,
162
453495
1997
07:47
and it has the great virtue of ensuring
163
455516
2445
y tiene la gran virtud de asegurar
07:49
that everyone gets to express their voice.
164
457985
2455
que todos puedan expresar su opinión.
07:52
But it's not so good [for fostering]
thoughtful debates.
thoughtful debates.
165
460464
3735
Pero no es tan bueno para fomentar
debates reflexivos.
debates reflexivos.
07:56
Our experiments suggest a different method
166
464665
3068
Nuestros experimentos
sugieren un método diferente
sugieren un método diferente
07:59
that may be effective in balancing
these two goals at the same time,
these two goals at the same time,
167
467757
3541
que puede ser efectivo para equilibrar
estos dos objetivos al mismo tiempo,
estos dos objetivos al mismo tiempo,
08:03
by forming small groups
that converge to a single decision
that converge to a single decision
168
471322
3753
formar pequeños grupos
que converjan en una sola decisión
que converjan en una sola decisión
08:07
while still maintaining
diversity of opinions
diversity of opinions
169
475099
2234
mientras se mantiene la
diversidad de opiniones
diversidad de opiniones
08:09
because there are many independent groups.
170
477357
2773
porque hay muchos grupos independientes.
08:12
Of course, it's much easier to agree
on the height of the Eiffel Tower
on the height of the Eiffel Tower
171
480741
3924
Por supuesto, es mucho más fácil estar de
acuerdo en la altura de la Torre Eiffel
acuerdo en la altura de la Torre Eiffel
08:16
than on moral, political
and ideological issues.
and ideological issues.
172
484689
3115
que en lo moral, la política
y cuestiones ideológicas.
y cuestiones ideológicas.
08:20
But in a time when
the world's problems are more complex
the world's problems are more complex
173
488721
3277
Pero en un tiempo cuando
los problemas del mundo son más complejos
los problemas del mundo son más complejos
08:24
and people are more polarized,
174
492022
1803
y la gente está más polarizada,
08:25
using science to help us understand
how we interact and make decisions
how we interact and make decisions
175
493849
4595
usar la ciencia para ayudarnos a entender
cómo interactuamos y tomamos decisiones,
cómo interactuamos y tomamos decisiones,
08:30
will hopefully spark interesting new ways
to construct a better democracy.
to construct a better democracy.
176
498468
4666
muestra nuevas e interesantes
formas de construir una mejor democracia.
formas de construir una mejor democracia.
ABOUT THE SPEAKERS
Mariano Sigman - NeuroscientistIn his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain.
Why you should listen
Mariano Sigman, a physicist by training, is a leading figure in the cognitive neuroscience of learning and decision making. Sigman was awarded a Human Frontiers Career Development Award, the National Prize of Physics, the Young Investigator Prize of "College de France," the IBM Scalable Data Analytics Award and is a scholar of the James S. McDonnell Foundation. In 2016 he was made a Laureate of the Pontifical Academy of Sciences.
In The Secret Life of the Mind, Sigman's ambition is to explain the mind so that we can understand ourselves and others more deeply. He shows how we form ideas during our first days of life, how we give shape to our fundamental decisions, how we dream and imagine, why we feel certain emotions, how the brain transforms and how who we are changes with it. Spanning biology, physics, mathematics, psychology, anthropology, linguistics, philosophy and medicine, as well as gastronomy, magic, music, chess, literature and art, The Secret Life of the Mind revolutionizes how neuroscience serves us in our lives, revealing how the infinity of neurons inside our brains manufacture how we perceive, reason, feel, dream and communicate.
Mariano Sigman | Speaker | TED.com
Dan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why.
Why you should listen
Dan Ariely is a professor of psychology and behavioral economics at Duke University and a founding member of the Center for Advanced Hindsight. He is the author of the bestsellers Predictably Irrational, The Upside of Irrationality, and The Honest Truth About Dishonesty -- as well as the TED Book Payoff: The Hidden Logic that Shapes Our Motivations.
Through his research and his (often amusing and unorthodox) experiments, he questions the forces that influence human behavior and the irrational ways in which we often all behave.
Dan Ariely | Speaker | TED.com