TED2010
Michael Shermer: The pattern behind self-deception
Michael Shermer: Az önbecsapás mögötti minta
Filmed:
Readability: 4.3
2,854,890 views
Michael Shermer arról beszél, hogy az emberi hajlam, hogy furcsa dolgokat higgyünk el -- a földönkívülek elrablásától a varázsvesszőig -- az agy két legalapvetőbb "előhuzalozott" túlélési képességére vezethető vissza. Kifejti, hogy melyek ezek a képességek, és hogyan sodornak minket bajba.
Michael Shermer - Skeptic
Michael Shermer debunks myths, superstitions and urban legends -- and explains why we believe them. Along with publishing Skeptic Magazine, he's author of Why People Believe Weird Things and The Mind of the Market. Full bio
Michael Shermer debunks myths, superstitions and urban legends -- and explains why we believe them. Along with publishing Skeptic Magazine, he's author of Why People Believe Weird Things and The Mind of the Market. Full bio
Double-click the English transcript below to play the video.
00:16
So since I was here last in '06,
0
1000
3000
Amióta legutóbb itt voltam, 2006-ban,
00:19
we discovered that global climate change
1
4000
2000
felfedeztük, hogy a globális klímaváltozás
00:21
is turning out to be a pretty serious issue,
2
6000
2000
meglehetősen komoly dolognak tűnik.
00:23
so we covered that fairly extensively
3
8000
2000
Ezt a témát eléggé részletesen tárgyaltuk
00:25
in Skeptic magazine.
4
10000
2000
a Skeptic folyóiratban
00:27
We investigate all kinds
5
12000
2000
Kutatunk, vizsgálunk mindenféle
00:29
of scientific and quasi-scientific controversies,
6
14000
3000
tudományos vagy kvázi-tudományos problémát.
00:32
but it turns out we don't have to worry about any of this
7
17000
2000
De úgy tűnik, nem kell ezek miatt aggódnunk,
00:34
because the world's going to end in 2012.
8
19000
2000
mert 2012-ben világvége lesz.
00:36
Another update:
9
21000
2000
Egy másik friss információ:
00:38
You will recall I introduced you guys
10
23000
2000
Emlékeznek rá, bemutattam Önöknek
00:40
to the Quadro Tracker.
11
25000
2000
a Quadro Trackert-t (a Pozitív Molekulalokátort).
00:42
It's like a water dowsing device.
12
27000
2000
Ez egy vízkereső eszközre hasonlít.
00:44
It's just a hollow piece of plastic with an antenna that swivels around.
13
29000
3000
Egy üreges műanyag darab forgó antennával.
00:47
And you walk around, and it points to things.
14
32000
2000
Ahogy járkálsz vele, rámutat dolgokra.
00:49
Like if you're looking for marijuana in students' lockers,
15
34000
3000
Mint mikor marihuánát keresel a diákok szekrényeiben,
00:52
it'll point right to somebody.
16
37000
2000
valakire rámutat.
00:54
Oh, sorry. (Laughter)
17
39000
2000
Oh, bocsánat. (Nevetés)
00:56
This particular one that was given to me
18
41000
2000
Ez a darab, amit kaptam,
00:58
finds golf balls,
19
43000
2000
golflabdákat talál meg,
01:00
especially if you're at a golf course
20
45000
2000
főleg, ha golfpályán vagy,
01:02
and you check under enough bushes.
21
47000
3000
és elég bokor alatt megnézed.
01:05
Well, under the category of "What's the harm of silly stuff like this?"
22
50000
3000
Szóval, a "Mit árthat egy ilyen buta dolog, mint ez" kategória alatt
01:08
this device, the ADE 651,
23
53000
3000
ezt az eszközt, az ADE 651-et
01:11
was sold to the Iraqi government
24
56000
3000
eladták az iraki kormánynak
01:14
for 40,000 dollars apiece.
25
59000
2000
darabonként 40.000 dollárért.
01:16
It's just like this one, completely worthless,
26
61000
2000
Pont ilyen volt, mint ez, teljességgel haszontalan,
01:18
in which it allegedly worked by "electrostatic
27
63000
2000
atekintetben, hogy állítólag az "elektrosztatikus
01:20
magnetic ion attraction,"
28
65000
3000
mágneses ionvonzás" elve szerint működött,
01:24
which translates to
29
69000
2000
amely a következőt jelenti:
01:26
"pseudoscientific baloney" -- would be the nice word --
30
71000
3000
"áltudományos ostobaság" -- ez lenne a helyes kifejezés --
01:29
in which you string together a bunch of words that sound good,
31
74000
2000
amelyben összefűzöl néhány jól hangzó szót,
01:31
but it does absolutely nothing.
32
76000
2000
de magának az eszköznek semmi haszna nincs.
01:33
In this case, at trespass points,
33
78000
3000
Ilyen esetben, az átjáró pontoknál,
01:36
allowing people to go through
34
81000
2000
amelyek átengednek embereket,
01:38
because your little tracker device said they were okay,
35
83000
3000
mert a kis nyomozó eszköz azt mondta, rendben vannak,
01:41
actually cost lives.
36
86000
3000
emberéletekbe kerülhet.
01:44
So there is a danger to pseudoscience,
37
89000
2000
Veszélyes tehát az áltudomány,
01:46
in believing in this sort of thing.
38
91000
3000
a hit az ilyenfajta dolgokban.
01:49
So what I want to talk about today is belief.
39
94000
3000
Amiről ma szeretnék beszélni, az a hit.
01:52
I want to believe,
40
97000
2000
Hinni akarok,
01:54
and you do too.
41
99000
2000
mint ahogyan Önök is.
01:56
And in fact, I think my thesis here is that
42
101000
2000
És tulajdonképpen, azt hiszem, azt állítom, hogy
01:58
belief is the natural state of things.
43
103000
2000
a hit a dolgok természetes rendje.
02:00
It is the default option. We just believe.
44
105000
2000
Az az alapértelmezett választás. Egyszerűen hiszünk.
02:02
We believe all sorts of things.
45
107000
2000
Mindenféle dolgot elhiszünk.
02:04
Belief is natural;
46
109000
2000
A hit természetes.
02:06
disbelief, skepticism, science, is not natural.
47
111000
2000
A hitetlenség, a szkepticizmus, a tudomány nem természetesek.
02:08
It's more difficult.
48
113000
2000
Sokkal nehezebbek.
02:10
It's uncomfortable to not believe things.
49
115000
2000
Kényelmetlen nem elhinni a dolgokat.
02:12
So like Fox Mulder on "X-Files,"
50
117000
3000
Olyan, mint Fox Mulder az X-aktákban,
02:15
who wants to believe in UFOs? Well, we all do,
51
120000
3000
ki akar hinni az UFÓ-kban? Hát, mi.
02:18
and the reason for that is because
52
123000
2000
Ennek az az oka, hogy
02:20
we have a belief engine in our brains.
53
125000
3000
az agyunkban működik egy ún. hit-gépezet.
02:23
Essentially, we are pattern-seeking primates.
54
128000
3000
Lényegében mintakereső főemlősök vagyunk.
02:26
We connect the dots: A is connected to B; B is connected to C.
55
131000
3000
Összefüggéseket keresünk: A kapcsolódik B-hez; B kapcsolódik C-hez.
02:29
And sometimes A really is connected to B,
56
134000
3000
És néha A valóban kapcsolódik B-hez.
02:32
and that's called association learning.
57
137000
2000
Ezt hívják asszociatív tanulásnak.
02:34
We find patterns, we make those connections,
58
139000
3000
Mintákat fedezünk fel, kapcsolatokat teremtünk,
02:37
whether it's Pavlov's dog here
59
142000
2000
akár Pavlov kutyájáról van szó,
02:39
associating the sound of the bell with the food,
60
144000
3000
amely a csengő hangját az étellel kötötte össze,
02:42
and then he salivates to the sound of the bell,
61
147000
2000
és nyálazni kezdett, amikor a csengő hangját meghallotta,
02:44
or whether it's a Skinnerian rat,
62
149000
2000
akár az egérről Skinner kísérletében,
02:46
in which he's having an association
63
151000
2000
amelyben az egér összeköti
02:48
between his behavior and a reward for it,
64
153000
2000
a viselkedését a kapott jutalommal,
02:50
and therefore he repeats the behavior.
65
155000
2000
és ezért újra meg újra megismétli azt.
02:52
In fact, what Skinner discovered
66
157000
2000
Tulajdonképpen, amit Skinner felfedezett,
02:54
is that, if you put a pigeon in a box like this,
67
159000
3000
az, hogy ha beteszel egy galambot egy ilyen dobozba,
02:57
and he has to press one of these two keys,
68
162000
2000
és neki e két gomb közül az egyiket kell megnyomnia,
02:59
and he tries to figure out what the pattern is,
69
164000
2000
megpróbálja kitalálni, mi a minta,
03:01
and you give him a little reward in the hopper box there --
70
166000
2000
ha cserébe jutalmat adsz neki ebbe a tálkába.
03:03
if you just randomly assign rewards
71
168000
3000
Ha véletlenszerűen jutalmazod,
03:06
such that there is no pattern,
72
171000
2000
úgy, hogy nincs benne mintázat,
03:08
they will figure out any kind of pattern.
73
173000
2000
a galamb mégis kitalál valamilyen mintázatot.
03:10
And whatever they were doing just before they got the reward,
74
175000
2000
És bármit is csinált azelőtt, hogy megjutalmaztad őt,
03:12
they repeat that particular pattern.
75
177000
2000
ismételni fogja azt a bizonyos mintát.
03:14
Sometimes it was even spinning around twice counterclockwise,
76
179000
3000
Időnként kétszer megfordult az óra járásával ellentétes irányba,
03:17
once clockwise and peck the key twice.
77
182000
3000
egyszer pedig azzal megegyező irányba, és a csőrével kétszer megkopogtatta a gombot.
03:20
And that's called superstition,
78
185000
2000
Ezt nevezik babonának.
03:22
and that, I'm afraid,
79
187000
2000
És ez, attól tartok,
03:24
we will always have with us.
80
189000
2000
mindig jellemezni fog bennünket.
03:26
I call this process "patternicity" --
81
191000
2000
Ezt a folyamatot "mintázatkeresésnek" hívom,
03:28
that is, the tendency to find meaningful patterns
82
193000
2000
amely az a hajlamunk, hogy értelmes mintázatokat találjunk,
03:30
in both meaningful and meaningless noise.
83
195000
3000
mind az értelmes, mind pedig az értelmetlen zavarban.
03:33
When we do this process, we make two types of errors.
84
198000
3000
Amikor ezt tesszük, kétféle hibát követünk el:
03:36
A Type I error, or false positive,
85
201000
2000
A I. hibatípus vagy a hibás pozitív döntés
03:38
is believing a pattern is real
86
203000
2000
az, hogy valódinak hisszük a mintát,
03:40
when it's not.
87
205000
2000
amikor nem az.
03:42
Our second type of error is a false negative.
88
207000
2000
A második hibatípus, a hibás negatív döntés.
03:44
A Type II error is not believing
89
209000
2000
A II. hibatípus során nem hisszük
03:46
a pattern is real when it is.
90
211000
3000
valódinak a mintázatot, amikor ez valóban az.
03:49
So let's do a thought experiment.
91
214000
2000
Hadd végezzünk egy gondolatkísérletet.
03:51
You are a hominid three million years ago
92
216000
2000
Ön most egy hárommmillió évvel ezelőtti emberszabású,
03:53
walking on the plains of Africa.
93
218000
3000
Afrika síkságain sétál.
03:56
Your name is Lucy, okay?
94
221000
2000
A neve Lucy, rendben?
03:58
And you hear a rustle in the grass.
95
223000
2000
És susogást hall a fűben.
04:00
Is it a dangerous predator,
96
225000
2000
Vajon egy veszélyes ragadozó
04:02
or is it just the wind?
97
227000
2000
vagy csak a szél?
04:04
Your next decision could be the most important one of your life.
98
229000
3000
A döntés, amit hoz, a legfontosabb lehet az életében.
04:07
Well, if you think that the rustle in the grass is a dangerous predator
99
232000
3000
Ha azt gondolja, hogy a fűsusogás egy veszélyes ragadozó,
04:10
and it turns out it's just the wind,
100
235000
2000
és végül kiderül, hogy csak a szél volt,
04:12
you've made an error in cognition,
101
237000
2000
gondolkodásbeli hibát követett el,
04:14
made a Type I error, false positive.
102
239000
2000
az I. hibatípust, hibás pozitív döntést hozott.
04:16
But no harm. You just move away.
103
241000
2000
De semmi baj. Továbbáll.
04:18
You're more cautious. You're more vigilant.
104
243000
2000
Elővigyázatosabb. Éberebb.
04:20
On the other hand, if you believe that the rustle in the grass is just the wind,
105
245000
2000
Másrészt, ha Ön azt gondolta, hogy a szél suhogtatja a füvet,
04:22
and it turns out it's a dangerous predator,
106
247000
3000
és mégis az derül ki, hogy egy veszélyes ragadozó az,
04:25
you're lunch.
107
250000
2000
akkor Önből ebéd lesz,
04:27
You've just won a Darwin award.
108
252000
2000
és Darwin-díjban részesülhet..
04:29
You've been taken out of the gene pool.
109
254000
2000
Kikerül a génállományból.
04:31
Now the problem here is that
110
256000
2000
A probléma a következő:
04:33
patternicities will occur whenever the cost
111
258000
2000
a mintázatkeresési hajlam akkor jelenik meg, amikor annak az ára,
04:35
of making a Type I error
112
260000
2000
hogy az I. hibatípust kövessük el,
04:37
is less than the cost of making a Type II error.
113
262000
2000
alacsonyabb, mint a II. hibatípus elkövetése.
04:39
This is the only equation in the talk by the way.
114
264000
2000
Ez egyébként az egyetlen egyenlet az előadásban.
04:41
We have a pattern detection problem
115
266000
2000
Egy mintázatfelismerési problémáról beszélünk,
04:43
that is assessing the difference between a Type I and a Type II error
116
268000
3000
vagyis: az első és a második hibatípus közötti különbség megállapítása
04:46
is highly problematic,
117
271000
2000
nagyon problematikus,
04:48
especially in split-second, life-and-death situations.
118
273000
3000
főleg másodperctöredéken múló, élet-halál helyzetekben.
04:51
So the default position
119
276000
2000
Ezért az alapértelmezett állapot az,
04:53
is just: Believe all patterns are real --
120
278000
2000
hogy "higgy el minden valódi mintázatot".
04:55
All rustles in the grass are dangerous predators
121
280000
3000
"Minden fűsusogás veszélyes ragadozót jelent,
04:58
and not just the wind.
122
283000
2000
és nem csupán a szél okozza."
05:00
And so I think that we evolved ...
123
285000
2000
És, azt hiszem, az evolúció során
05:02
there was a natural selection for the propensity for our belief engines,
124
287000
3000
a természetes szelekció úgy alakította a "hit-gépezetünket",
05:05
our pattern-seeking brain processes,
125
290000
2000
a mintázatkereső agyi folyamatainkat,
05:07
to always find meaningful patterns
126
292000
2000
hogy mindig értelmes mintázatokat találjunk,
05:09
and infuse them with these sort of
127
294000
2000
és ötvözzük ezeket azokkal a
05:11
predatory or intentional agencies that I'll come back to.
128
296000
3000
ragadozó vagy szándékkal rendelkező cselekvőkkel, amelyekre még visszatérek.
05:14
So for example, what do you see here?
129
299000
2000
Például, mit látnak itt?
05:16
It's a horse head, that's right.
130
301000
2000
Ez egy lófej, valóban.
05:18
It looks like a horse. It must be a horse.
131
303000
2000
Lónak néz ki. Lónak kell lennie.
05:20
That's a pattern.
132
305000
2000
Ez egy mintázat.
05:22
And is it really a horse?
133
307000
2000
De valóban ló?
05:24
Or is it more like a frog?
134
309000
3000
Vagy inkább egy békára hasonlít?
05:27
See, our pattern detection device,
135
312000
2000
Látják, a mintázatkereső berendezésünk,
05:29
which appears to be located in the anterior cingulate cortex --
136
314000
3000
amely az elülső cinguláris kéregben van --
05:32
it's our little detection device there --
137
317000
3000
-- a mi kis jelzőkészülékünk ott --
05:35
can be easily fooled, and this is the problem.
138
320000
2000
könnyen becsapható, és ez a baj.
05:37
For example, what do you see here?
139
322000
2000
Mit látnak itt, például?
05:39
Yes, of course, it's a cow.
140
324000
3000
Igen, persze. Ez egy tehén.
05:42
Once I prime the brain -- it's called cognitive priming --
141
327000
3000
Amint felkészítem az agyat -- ezt kognitív előfeszítésnek hívják --
05:45
once I prime the brain to see it,
142
330000
2000
arra, hogy ezt lássák,
05:47
it pops back out again even without the pattern that I've imposed on it.
143
332000
3000
ismét megjelenik a kép, a vonalminta segítsége nélkül is.
05:50
And what do you see here?
144
335000
2000
És mit látnak itt?
05:52
Some people see a Dalmatian dog.
145
337000
2000
Egyesek dalmátkutyát látnak.
05:54
Yes, there it is. And there's the prime.
146
339000
2000
Igen, ott van. És ott az előfeszítés, a körvonal.
05:56
So when I go back without the prime,
147
341000
2000
Tehát, amikor a körvonal nélkül megyek vissza,
05:58
your brain already has the model
148
343000
2000
az agyunkban már megvan a modell
06:00
so you can see it again.
149
345000
2000
így ismét látjuk.
06:02
What do you see here?
150
347000
3000
Mit látnak itt?
06:05
Planet Saturn. Yes, that's good.
151
350000
2000
A Szaturnusz bolygót. Igen, így van
06:07
How about here?
152
352000
3000
És ott?
06:10
Just shout out anything you see.
153
355000
3000
Kiáltsák, bármit is látnak.
06:14
That's a good audience, Chris.
154
359000
2000
Ez jó hallgatóság, Chris.
06:16
Because there's nothing in this. Well, allegedly there's nothing.
155
361000
3000
Mert ezen valóban semmi sincs. Illetve, állítólag nincs semmi.
06:19
This is an experiment done by Jennifer Whitson
156
364000
3000
Ez egy Jennifer Whitson által elvégzett kísérlet
06:22
at U.T. Austin
157
367000
2000
az Austin Egyetemen,
06:24
on corporate environments
158
369000
2000
vállalati környezetben
06:26
and whether feelings of uncertainty and out of control
159
371000
3000
arról, hogy vajon a bizonytalanság és az ellenőrizhetetlenség érzései
06:29
makes people see illusory patterns.
160
374000
2000
arra késztetik-e az embereket, hogy illuzórikus mintázatokat lássanak.
06:31
That is, almost everybody sees the planet Saturn.
161
376000
3000
Vagyis, majdnem mindenki a Szaturnusz bolygót látja.
06:34
People that are put in a condition of feeling out of control
162
379000
3000
Azok a személyek, akiket olyan helyzetbe hoztak, hogy azt érezzék, nincs a kezükben az irányítás,
06:37
are more likely to see something in this,
163
382000
2000
hajlamosabbak belelátni valamit ebbe a képbe,
06:39
which is allegedly patternless.
164
384000
3000
ami ugye feltehetően mintázat nélküli.
06:42
In other words, the propensity to find these patterns
165
387000
3000
Más szavakkal, a mintázatok felfedezésére való hajlam
06:45
goes up when there's a lack of control.
166
390000
3000
egyenes arányban növekszik az ellenőrzés hiányának érzésével.
06:48
For example, baseball players are notoriously superstitious
167
393000
3000
A baseball-játékosok például hírhedten babonásak
06:51
when they're batting,
168
396000
2000
amikor ütnek,
06:53
but not so much when they're fielding.
169
398000
2000
de akkor nem, amikor védenek.
06:55
Because fielders are successful
170
400000
2000
Mert a védők sikeresek
06:57
90 to 95 percent of the time.
171
402000
2000
az esetek 90-95 százalékában.
06:59
The best batters fail seven out of 10 times.
172
404000
3000
A legjobb ütők tízből hét alkalommal tévednek.
07:02
So their superstitions, their patternicities,
173
407000
2000
Tehát a babonáik, a mintázatalkotásra való hajlamuk
07:04
are all associated with feelings of lack of control
174
409000
3000
az ellenőrzés hiányának érzéseivel párosulnak
07:07
and so forth.
175
412000
2000
és így tovább.
07:10
What do you see in this particular one here, in this field?
176
415000
3000
Mit látnak ezen, ebben a mezőben?
07:13
Anybody see an object there?
177
418000
2000
Lát valaki ott egy tárgyat?
07:15
There actually is something here,
178
420000
2000
Valóban van itt valami,
07:17
but it's degraded.
179
422000
2000
de zajos a kép.
07:19
While you're thinking about that,
180
424000
2000
Amíg ezen gondolkodnak,
07:21
this was an experiment done by Susan Blackmore,
181
426000
2000
ezt a kísérletet Susan Blackmore végezte el,
07:23
a psychologist in England,
182
428000
2000
egy angol pszichológus,
07:25
who showed subjects this degraded image
183
430000
2000
aki megmutatta a kísérleti alanyoknak ezt a zajos képet,
07:27
and then ran a correlation between
184
432000
2000
majd korrelációt állított fel az eredményeik
07:29
their scores on an ESP test:
185
434000
2000
és az ESP-teszten elért pontszámaik között,
07:31
How much did they believe in the paranormal,
186
436000
2000
hogy mennyire hisznek a paranormális,
07:33
supernatural, angels and so forth.
187
438000
3000
természetfeletti jelenségekben, az angyalokban stb.
07:36
And those who scored high on the ESP scale,
188
441000
3000
Azt találta, hogy azok, akik magas pontszámot értek el az ESP skálán,
07:39
tended to not only see
189
444000
2000
hajlamosabbakk voltak nemcsak arra, hogy
07:41
more patterns in the degraded images
190
446000
2000
több mintát lássanak a zajos képeken,
07:43
but incorrect patterns.
191
448000
2000
hanem hogy helytelen mintákat is lássanak.
07:45
Here is what you show subjects.
192
450000
2000
Itt van, amit a kísérleti személyeknek mutatnak.
07:47
The fish is degraded 20 percent, 50 percent
193
452000
3000
A hal 20, 50 százalékkal zajosabb,
07:50
and then the one I showed you,
194
455000
2000
majd amit én mutattam Önöknek,
07:52
70 percent.
195
457000
2000
70 százalékkal.
07:54
A similar experiment was done by another [Swiss] psychologist
196
459000
2000
Hasonló kísérletet végzett egy [svájci] pszichológus,
07:56
named Peter Brugger,
197
461000
2000
akit Peter Bruggernek hívnak,
07:58
who found significantly more meaningful patterns
198
463000
3000
és aki azt találta, hogy szignifikánsan több értelmes mintázat
08:01
were perceived on the right hemisphere,
199
466000
2000
képződik a jobb agyféltekében,
08:03
via the left visual field, than the left hemisphere.
200
468000
3000
a bal látómezőn keresztül, mint a bal agyféltekében.
08:06
So if you present subjects the images such
201
471000
2000
Tehát, ha az ilyen képeket úgy mutatják a kísérleti alanyoknak,
08:08
that it's going to end up on the right hemisphere instead of the left,
202
473000
3000
hogy a képek nem a bal, hanem a jobb agyféltekébe kerülnek feldolgozásra,
08:11
then they're more likely to see patterns
203
476000
2000
akkor az alanyok hajlamosabbak mintázatok észlelésére,
08:13
than if you put it on the left hemisphere.
204
478000
2000
mint hogyha a bal agyféltekébe kerülnének ezek a képek.
08:15
Our right hemisphere appears to be
205
480000
2000
A jobb agyféltekünk lehet az a hely,
08:17
where a lot of this patternicity occurs.
206
482000
2000
ahol a mintázatalkotás folyamatának többsége történik.
08:19
So what we're trying to do is bore into the brain
207
484000
2000
Tehát azt próbáljuk csinálni, hogy "behatolunk" az agyba,
08:21
to see where all this happens.
208
486000
2000
hogy lássuk, hol történik mindez.
08:23
Brugger and his colleague, Christine Mohr,
209
488000
3000
Brugger és kollégája, Christine Mohr,
08:26
gave subjects L-DOPA.
210
491000
2000
L-DOPA-t adtak kísérleti alanyaiknak.
08:28
L-DOPA's a drug, as you know, given for treating Parkinson's disease,
211
493000
3000
Az L-DOPA olyan drog, mint ahogy tudják, amellyel a Parkinson-kórt kezelik,
08:31
which is related to a decrease in dopamine.
212
496000
3000
ez a dopaminszint csökkenésével áll összefüggésben.
08:34
L-DOPA increases dopamine.
213
499000
2000
Az L-DOPA növeli a dopaminszintet.
08:36
An increase of dopamine caused
214
501000
2000
És a dopaminszint növelése következtében
08:38
subjects to see more patterns
215
503000
2000
a kísérleti alanyok több mintázatot láttak,
08:40
than those that did not receive the dopamine.
216
505000
2000
mint azok, akik nem kaptak dopamint.
08:42
So dopamine appears to be the drug
217
507000
2000
A dopamin tehát, úgy tűnik, az a drog
08:44
associated with patternicity.
218
509000
2000
amely összefüggésbe hozható a mintázatalkotással.
08:46
In fact, neuroleptic drugs
219
511000
2000
Valójában a neuroleptikus szereket
08:48
that are used to eliminate psychotic behavior,
220
513000
2000
a pszichotikus viselkedés kezelésére használják,
08:50
things like paranoia, delusions
221
515000
2000
mint például a paranoia, az érzékcsalódás
08:52
and hallucinations,
222
517000
2000
és a hallucinálás
08:54
these are patternicities.
223
519000
2000
- ezek mind a mintázatalkotásra való túlzott hajlammal hozhatók kapcsolatba.
08:56
They're incorrect patterns. They're false positives. They're Type I errors.
224
521000
3000
Ezek helytelen mintázatok. Hibás pozitív döntések. Az első hibatípusba tartoznak.
08:59
And if you give them drugs
225
524000
2000
És ha olyan gyógyszert adnak a pácienseknek,
09:01
that are dopamine antagonists,
226
526000
2000
amelyek dopamincsökkentők,
09:03
they go away.
227
528000
2000
akkor ezek elmúlnak.
09:05
That is, you decrease the amount of dopamine,
228
530000
2000
Vagyis, ha csökkented a dopamin mennyiséget,
09:07
and their tendency to see
229
532000
2000
akkor a túlzott mintázatalkotási hajlamuk is
09:09
patterns like that decreases.
230
534000
2000
csökken.
09:11
On the other hand, amphetamines like cocaine
231
536000
3000
Másrészt, az amfetaminok, mint például a kokain,
09:14
are dopamine agonists.
232
539000
2000
dopaminnövelők.
09:16
They increase the amount of dopamine.
233
541000
2000
Ezek növelik a dopaminmennyiséget.
09:18
So you're more likely to feel in a euphoric state,
234
543000
3000
Tehát valószínűbb ilyenkor, hogy euforikus állapotban érzed magad,
09:21
creativity, find more patterns.
235
546000
2000
kreativabb vagy, és több mintázatot találsz.
09:23
In fact, I saw Robin Williams recently
236
548000
2000
Nemrégiben láttam Robin Williams-et
09:25
talk about how he thought he was much funnier
237
550000
2000
beszélni arról, hogy úgy gondolja, sokkal mulatságosabb volt,
09:27
when he was doing cocaine, when he had that issue, than now.
238
552000
3000
amikor kokaint fogyasztott, amikor drogproblémai voltak, mint most.
09:30
So perhaps more dopamine
239
555000
2000
Tehát lehetséges, hogy a dopamintöbblet
09:32
is related to more creativity.
240
557000
2000
többletkreativitással jár együtt.
09:34
Dopamine, I think, changes
241
559000
2000
A dopamin, azt hiszem megváltoztatja a
09:36
our signal-to-noise ratio.
242
561000
2000
azt az arányt, ahogyan a bizonytalan dolgokra reagálunk.
09:38
That is, how accurate we are
243
563000
2000
Vagyis azt, hogy mennyire vagyunk pontosak
09:40
in finding patterns.
244
565000
2000
a mintázatok felfedezésében.
09:42
If it's too low, you're more likely to make too many Type II errors.
245
567000
3000
Ha túl alacsony, akkor valószínűbb, hogy több II. hibatípust követünk el.
09:45
You miss the real patterns. You don't want to be too skeptical.
246
570000
2000
Figyelmen kívül hagyjuk a valódi mintázatokat. Nem akarunk túl szkeptikusak lenni.
09:47
If you're too skeptical, you'll miss the really interesting good ideas.
247
572000
3000
Ha túlságosan szkeptikusak vagyunk, akkor nagyon érdekes jó ötleteket mulasztunk el.
09:51
Just right, you're creative, and yet you don't fall for too much baloney.
248
576000
3000
Ha egyensúly van, kreatívak vagyunk, és mégsem dőlünk be túl gyakran az ostobaságoknak.
09:54
Too high and maybe you see patterns everywhere.
249
579000
3000
Ha túl magas, talán mindenhol mintázatokat látunk.
09:57
Every time somebody looks at you, you think people are staring at you.
250
582000
3000
Minden alkalommal, amikor valaki ránk néz, azt gondoljuk, az emberek bámulnak.
10:00
You think people are talking about you.
251
585000
2000
Azt hisszük, az emberek rólunk beszélnek.
10:02
And if you go too far on that, that's just simply
252
587000
2000
És ha ezt túlzásba visszük, akkor egyszerűen
10:04
labeled as madness.
253
589000
2000
ezt őrültségnek nevezik.
10:06
It's a distinction perhaps we might make
254
591000
2000
Talán különbséget tehetünk
10:08
between two Nobel laureates, Richard Feynman
255
593000
2000
a következő két Nobel-díjas között: Richard Feynman
10:10
and John Nash.
256
595000
2000
és John Nash.
10:12
One sees maybe just the right number
257
597000
2000
Az egyik mindössze a megfelelő számú
10:14
of patterns to win a Nobel Prize.
258
599000
2000
mintázatot látja ahhoz, hogy Nobel-díjat kapjon.
10:16
The other one also, but maybe too many patterns.
259
601000
2000
A másikuk is látja ezeket, de talán túl sok mintát is lát.
10:18
And we then call that schizophrenia.
260
603000
3000
És ezt szkizofréniának nevezzük.
10:21
So the signal-to-noise ratio then presents us with a pattern-detection problem.
261
606000
3000
Tehát a bizonytalanra történő reagálás mértéke mintázatdetektori probléma elé állít bennünket.
10:24
And of course you all know exactly
262
609000
2000
És természetesen Önök mindannyian pontosan tudják,
10:26
what this is, right?
263
611000
2000
hogy mi ez, persze.
10:28
And what pattern do you see here?
264
613000
2000
És milyen mintázatot látnak itt?
10:30
Again, I'm putting your anterior cingulate cortex to the test here,
265
615000
3000
Ismét az elülső cinguláris kérgüket teszem próbára
10:33
causing you conflicting pattern detections.
266
618000
3000
ahogy arra késztetem Önöket, hogy szembeállítsanak mintázatokat.
10:36
You know, of course, this is Via Uno shoes.
267
621000
2000
Természetesen tudják, hogy ezek Via Uno cipők.
10:38
These are sandals.
268
623000
3000
Szandálok.
10:41
Pretty sexy feet, I must say.
269
626000
3000
Meglehetősen szexi lábak, meg kell hogy mondjam.
10:44
Maybe a little Photoshopped.
270
629000
2000
Talán kissé Photoshop segítségével retusáltak.
10:46
And of course, the ambiguous figures
271
631000
2000
És természetesen a kétértelmű ábrák,
10:48
that seem to flip-flop back and forth.
272
633000
2000
amelyekben mintha az előtér és a háttér váltakozna.
10:50
It turns out what you're thinking about a lot
273
635000
2000
Úgy látszik, amin sokat gondolkodunk,
10:52
influences what you
274
637000
2000
befolyásolja azt, hogy
10:54
tend to see.
275
639000
2000
mit vagyunk hajlamosak látni.
10:56
And you see the lamp here, I know.
276
641000
2000
Itt egy lámpát látnak, biztos vagyok benne.
10:58
Because the lights on here.
277
643000
3000
A fények miatt.
11:01
Of course, thanks to the environmentalist movement
278
646000
2000
Természetesen, a környezetvédelmi mozgalomnak köszönhetően
11:03
we're all sensitive to the plight of marine mammals.
279
648000
3000
mindannyian érzékenyek vagyunk a tengeri emlősök helyzetére.
11:06
So what you see in this particular ambiguous figure
280
651000
3000
Amit látnak ezen a bizonyos kétértelmű ábrán,
11:09
is, of course, the dolphins, right?
281
654000
2000
természetesen delfinek, helyes.
11:11
You see a dolphin here,
282
656000
2000
Egy delfint látnak itt.
11:13
and there's a dolphin,
283
658000
2000
És ott is egy delfin.
11:15
and there's a dolphin.
284
660000
2000
És ott is egy delfin.
11:17
That's a dolphin tail there, guys.
285
662000
3000
Egy delfinfarok van ott.
11:20
(Laughter)
286
665000
3000
(Nevetés)
11:25
If we can give you conflicting data, again,
287
670000
3000
Ha egymásnak ellentmondó adatokat mutatok be, ismét,
11:28
your ACC is going to be going into hyperdrive.
288
673000
3000
akkor az elülső cinguláris kérgük hiperaktívvá válik.
11:31
If you look down here, it's fine. If you look up here, then you get conflicting data.
289
676000
3000
Ha a kép alsó felét nézik, minden rendben. Ha a felsőt, akkor ellentmondó adatokat kapnak.
11:34
And then we have to flip the image
290
679000
2000
És aztán meg kell forgatni a képet ahhoz,
11:36
for you to see that it's a set up.
291
681000
2000
hogy lássák, ez csalás.
11:40
The impossible crate illusion.
292
685000
2000
A lehetetlen láda illúzió.
11:42
It's easy to fool the brain in 2D.
293
687000
2000
Könnyű becsapni az agyat két dimenzióban.
11:44
So you say, "Aw, come on Shermer, anybody can do that
294
689000
2000
Most azt mondják, "Ugyan már, Shermer, ezt bárki meg tudja csinálni,
11:46
in a Psych 101 text with an illusion like that."
295
691000
2000
egy általános pszichológiai írásban."
11:48
Well here's the late, great Jerry Andrus'
296
693000
2000
Itt a néhai, nagyszerű Jerry Andrus
11:50
"impossible crate" illusion in 3D,
297
695000
3000
lehetetlen láda illúziója 3D-ben
11:53
in which Jerry is standing inside
298
698000
2000
amelyben Jerry a
11:55
the impossible crate.
299
700000
2000
lehetetlen láda belsejében áll.
11:57
And he was kind enough to post this
300
702000
2000
És nagylelkűen megosztotta ezt velünk
11:59
and give us the reveal.
301
704000
2000
és felnyitotta a szemünket.
12:01
Of course, camera angle is everything. The photographer is over there,
302
706000
3000
Természetesen, a kameraszög az oka az egésznek. A fényképész ott áll.
12:04
and this board appears to overlap with this one, and this one with that one, and so on.
303
709000
3000
És úgy tűnik, mintha ez a tábla eltakarná ezt, ez meg emezt, és így tovább.
12:07
But even when I take it away,
304
712000
2000
de még akkor is, amikor visszatérünk az eredeti képhez,
12:09
the illusion is so powerful because of how are brains are wired
305
714000
2000
az illúzió nagyon erős, mert az agyunk akképp programozott,
12:11
to find those certain kinds of patterns.
306
716000
3000
hogy megtaláljuk azokat a bizonyos fajta mintázatokat.
12:14
This is a fairly new one
307
719000
2000
Ez a kép viszonylag új,
12:16
that throws us off because of the conflicting patterns
308
721000
2000
amely félrevezet bennünket az egymásnak ellentmondó mintázatok miatt,
12:18
of comparing this angle with that angle.
309
723000
3000
amelyeket a két szög összehasonlításából kapunk.
12:21
In fact, it's the exact same picture side by side.
310
726000
3000
Tulajdonképpen ugyanaz a kép van egymás mellett.
12:24
So what you're doing is comparing that angle
311
729000
2000
Azt csináljuk, hogy hibásan hasonlítjuk össze azt a szöget
12:26
instead of with this one, but with that one.
312
731000
2000
ezzel, ahelyett.
12:28
And so your brain is fooled.
313
733000
2000
Így az agyunk becsapódik.
12:30
Yet again, your pattern detection devices are fooled.
314
735000
2000
Még egyszer mondom, a mintázatkereső berendezésünk csapódik be.
12:32
Faces are easy to see
315
737000
2000
Az arcokat egyszerű felismerni,
12:34
because we have an additional evolved
316
739000
2000
mert van egy kiegészítő
12:36
facial recognition software
317
741000
2000
arcfelismerő szoftverünk
12:38
in our temporal lobes.
318
743000
3000
a halántéklebenyünkben.
12:41
Here's some faces on the side of a rock.
319
746000
3000
Itt van néhány arc a szikla oldalán.
12:44
I'm actually not even sure if this is -- this might be Photoshopped.
320
749000
3000
De nem is vagyok biztos abban, hogy valóban ott vannak - ez a Photoshop munkája is lehet.
12:47
But anyway, the point is still made.
321
752000
2000
De akárhogy is van, a lényeg ugyanaz.
12:49
Now which one of these looks odd to you?
322
754000
2000
Melyik tűnik e képek közül furcsának?
12:51
In a quick reaction, which one looks odd?
323
756000
2000
Gondolkodás nélkül, melyik tűnik furcsának?
12:53
The one on the left. Okay. So I'll rotate it
324
758000
2000
A bal oldali. Rendben. Megforgatom úgy,
12:55
so it'll be the one on the right.
325
760000
2000
hogy a jobb oldalra kerüljön.
12:57
And you are correct.
326
762000
2000
És igazuk van.
12:59
A fairly famous illusion -- it was first done with Margaret Thatcher.
327
764000
3000
Ezt a viszonylag híres illúziót -- Margaret Thatcherrel csinálták meg először.
13:02
Now, they trade up the politicians every time.
328
767000
2000
Mindig helyettesítik a politikusokat.
13:04
Well, why is this happening?
329
769000
2000
Vajon miért történik ez?
13:06
Well, we know exactly where it happens,
330
771000
2000
Tudjuk pontosan, hogy hol történik,
13:08
in the temporal lobe, right across, sort of above your ear there,
331
773000
3000
a haléntéklebenyben, a jobb oldalon, valahol itt a fülünk fölött.
13:11
in a little structure called the fusiform gyrus.
332
776000
3000
Egy kis struktúrában, amelynek fusiform gyrus a neve.
13:14
And there's two types of cells that do this,
333
779000
2000
Kétfajta sejt teszi ezt,
13:16
that record facial features either globally,
334
781000
3000
amelyek közül az egyik az arcot globálisan,
13:19
or specifically these large, rapid-firing cells,
335
784000
2000
a másik pedig a specifikus arconásokat rögzíti, ez utóbbiak nagy, gyorsan kisülő sejtek,
13:21
first look at the general face.
336
786000
2000
elsőként az arc általános vonásait vizsgálják meg.
13:23
So you recognize Obama immediately.
337
788000
2000
Így egyből felismerik Obamát.
13:25
And then you notice something quite
338
790000
2000
Majd észreveszik, hogy valami
13:27
a little bit odd about the eyes and the mouth.
339
792000
2000
kicsit fura a szem és a száj körül.
13:29
Especially when they're upside down,
340
794000
2000
Főként, amikor ezek meg vannak fordulva.
13:31
you're engaging that general facial recognition software there.
341
796000
3000
Itt az általános arcfelismerő szoftverünk lép működésbe.
13:34
Now I said back in our little thought experiment,
342
799000
3000
Visszatérve a gondolatkísérletünkhöz,
13:37
you're a hominid walking on the plains of Africa.
343
802000
2000
amelyben Ön egy emberszabású, aki az afrikai síkságon sétál.
13:39
Is it just the wind or a dangerous predator?
344
804000
3000
Csak a szél vagy egy veszélyes ragadozó?
13:42
What's the difference between those?
345
807000
2000
Mi a különbség a kettő között?
13:44
Well, the wind is inanimate;
346
809000
2000
Hát, a szél nem élőlény,
13:46
the dangerous predator is an intentional agent.
347
811000
2000
a veszélyes ragadozó pedig szándékkal rendelkező cselekvő lény.
13:48
And I call this process agenticity.
348
813000
2000
Ezt a folyamatot okozókeresésnek hívom.
13:50
That is the tendency to infuse patterns
349
815000
2000
Ez az a hajlam, hogy megtöltsük a mintázatokat
13:52
with meaning, intention and agency,
350
817000
2000
jelentéssel, illetve szándékoltságot és okozót tételezzünk fel mögöttük,
13:54
often invisible beings from the top down.
351
819000
3000
sokszor láthatatlan lényeket, akik onnan "felülről" igazgatnak.
13:57
This is an idea that we got
352
822000
2000
Ez az elképzelés
13:59
from a fellow TEDster here, Dan Dennett,
353
824000
2000
egy TED-előadó kollégától származik, Dan Dennett-től,
14:01
who talked about taking the intentional stance.
354
826000
2000
aki a szándékolt viselkedésről beszélt itt.
14:03
So it's a type of that expanded to explain, I think, a lot of different things:
355
828000
3000
Valami hasonlóról van itt szó, amely, kiterjesztve, azt gondolom, többféle dolgot megmagyarázhat,
14:06
souls, spirits, ghosts, gods, demons, angels,
356
831000
3000
lelkeket, kísérteteket, szellemeket, démonokat, angyalokat,
14:09
aliens, intelligent designers,
357
834000
2000
földönkívülieket, intelligens tervezést,
14:11
government conspiracists
358
836000
2000
kormányösszeesküvést
14:13
and all manner of invisible agents
359
838000
2000
és mindenféle láthatatlan cselekvőt,
14:15
with power and intention, are believed
360
840000
2000
amely hatalommal és szándékkal rendelkezik, és amelyről azt hisszük,
14:17
to haunt our world and control our lives.
361
842000
2000
hogy kísérti a világot vagy hatalmában tartja az életünket.
14:19
I think it's the basis of animism
362
844000
2000
Úgy gondolom, ez az alapja az animizmusnak,
14:21
and polytheism and monotheism.
363
846000
3000
illetve a több- és egyistenhitűségnek.
14:24
It's the belief that aliens are somehow
364
849000
2000
Ez az a hit, hogy a földönkívüliek valahogyan
14:26
more advanced than us, more moral than us,
365
851000
2000
fejlettebbek, mint mi, erkölcsösebbek, mint mi,
14:28
and the narratives always are
366
853000
2000
és a történet róluk mindig úgy szól,
14:30
that they're coming here to save us and rescue us from on high.
367
855000
3000
hogy majd jönnek, és megmentenek minket onnan fentről.
14:33
The intelligent designer's always portrayed
368
858000
2000
Az intelligens tervezőt mindig
14:35
as this super intelligent, moral being
369
860000
3000
szuperintelligens, erkölcsös lényként ábrázolják,
14:38
that comes down to design life.
370
863000
2000
aki lejön, hogy megtervezze az életet.
14:40
Even the idea that government can rescue us --
371
865000
2000
Még annak a gondolatnak is, hogy a kormány megmenthet minket.
14:42
that's no longer the wave of the future,
372
867000
2000
Nincs köze ahhoz, ahogyan a jövőt látjuk.
14:44
but that is, I think, a type of agenticity:
373
869000
2000
Hanem ez, azt hiszem, egyfajta ún. "okozókeresés",
14:46
projecting somebody up there,
374
871000
2000
valakinek a kivetítése "odafentre",
14:48
big and powerful, will come rescue us.
375
873000
2000
aki hatalmas és erős, és aki megment minket.
14:50
And this is also, I think, the basis of conspiracy theories.
376
875000
2000
És ez, azt hiszem, az alapja az összesküvés-elméleteknek is.
14:52
There's somebody hiding behind there pulling the strings,
377
877000
3000
Valaki áll a dolgok mögött és mozgatja a szálakat,
14:55
whether it's the Illuminati
378
880000
2000
ez lehet akár az Illuminati
14:57
or the Bilderbergers.
379
882000
2000
vagy a Bilderberg csoporthoz tartozó.
14:59
But this is a pattern detection problem, isn't it?
380
884000
2000
De van egy mintázatkereső probléma, nem?
15:01
Some patterns are real and some are not.
381
886000
2000
Egyes mintázatok valódiak, mások pedig nem.
15:03
Was JFK assassinated by a conspiracy or by a lone assassin?
382
888000
3000
Kennedy összesküvés vagy egy magányos gyilkos áldozata lett?
15:06
Well, if you go there -- there's people there on any given day --
383
891000
3000
Ha a helyszínre megyünk -- vannak ott emberek bármelyik napon --
15:09
like when I went there, here -- showing me where the different shooters were.
384
894000
3000
mint ahogyan én is odamentem, itt -- akik mutatják, hol álltak a különböző lövészek.
15:12
My favorite one was he was in the manhole.
385
897000
3000
A kedvencem, amikor azt mondják, a csatornanyílásban állt.
15:15
And he popped out at the last second, took that shot.
386
900000
3000
Kiugrott az utolsó pillanatban, és lőtt.
15:18
But of course, Lincoln was assassinated by a conspiracy.
387
903000
2000
De természetesen, Lincoln összeesküvés áldozata lett.
15:20
So we can't just uniformly dismiss
388
905000
2000
Tehát nem hagyhatjuk egységesen figyelmen kívül
15:22
all patterns like that.
389
907000
2000
az összes ilyen mintázatot.
15:24
Because, let's face it, some patterns are real.
390
909000
2000
Mert, valljuk be, egyes mintázatok valódiak.
15:26
Some conspiracies really are true.
391
911000
2000
Egyes összeesküvések valóban léteztek.
15:30
Explains a lot, maybe.
392
915000
2000
Talán ez sok mindent megmagyaráz.
15:32
And 9/11 has a conspiracy theory. It is a conspiracy.
393
917000
3000
9/11-nek szintén van összeesküvés-elmélete. Összeesküvés.
15:35
We did a whole issue on it.
394
920000
2000
Készítettünk egy egész lapszámot erről.
15:37
Nineteen members of Al Queda plotting to fly planes into buildings
395
922000
2000
19 Al Kaida tag kitervelte, hogy repülőgépeket épületeknek irányít,
15:39
constitutes a conspiracy.
396
924000
2000
és ez összeesküvés.
15:41
But that's not what the "9/11 truthers" think.
397
926000
2000
De azok, akik "tudják" a 9/11 mögötti "igazságot", nem ezt gondolják.
15:43
They think it was an inside job by the Bush administration.
398
928000
3000
Ők azt hiszik, a Bush-kormányzat belső munkája volt.
15:46
Well, that's a whole other lecture.
399
931000
2000
De hát ez egy egészen más történet.
15:48
You know how we know that 9/11
400
933000
2000
De tudják, hogy honnan tudjuk, hogy 9/11-et
15:50
was not orchestrated by the Bush administration?
401
935000
2000
nem a Bush-kormány rendezte meg?
15:52
Because it worked.
402
937000
2000
Mert működött.
15:54
(Laughter)
403
939000
3000
(Nevetés)
15:57
(Applause)
404
942000
3000
(Taps)
16:00
So we are natural-born dualists.
405
945000
2000
Tehát született dualisták vagyunk.
16:02
Our agenticity process comes from
406
947000
2000
Az okozókeresés folyamata
16:04
the fact that we can enjoy movies like these.
407
949000
2000
abból a tényből származik, hogy szeretjük az ilyen filmeket.
16:06
Because we can imagine, in essence,
408
951000
2000
Mert lényegében elképzelhetjük
16:08
continuing on.
409
953000
2000
a folytatást.
16:10
We know that if you stimulate the temporal lobe,
410
955000
2000
Tudjuk, hogy a halántéklebeny ingerlésével
16:12
you can produce a feeling of out-of-body experiences,
411
957000
2000
előidézhető a testen kívüliség élménye,
16:14
near-death experiences,
412
959000
2000
halálközeli élmény,
16:16
which you can do by just touching an electrode to the temporal lobe there.
413
961000
3000
és ez elérhető pusztán azáltal, hogy egy elektródát helyezünk a halántéklebenyre.
16:19
Or you can do it through loss of consciousness,
414
964000
2000
Vagy előidézhető eszméletvesztéssel
16:21
by accelerating in a centrifuge.
415
966000
2000
miközben egy centrifugában forgatnak.
16:23
You get a hypoxia, or a lower oxygen.
416
968000
3000
Hipoxia vagy oxigénhiányos állapot következik be.
16:26
And the brain then senses
417
971000
2000
És az agy
16:28
that there's an out-of-body experience.
418
973000
2000
a testen kívüliség állapotát érzékeli.
16:30
You can use -- which I did, went out and did --
419
975000
2000
Használhatják -- mint ahogyan én is tettem --
16:32
Michael Persinger's God Helmet,
420
977000
2000
Michael Persinger ún. "isten sisakját",
16:34
that bombards your temporal lobes with electromagnetic waves.
421
979000
2000
amely elektromágneses hullámokkal bombázza a halántéklebenyt.
16:36
And you get a sense of out-of-body experience.
422
981000
3000
És ez a testen kívüliség élményét idézi elő.
16:39
So I'm going to end here with a short video clip
423
984000
2000
Egy kis videóklippel fejezem be az előadásom,
16:41
that sort of brings all this together.
424
986000
2000
amely összefoglalja, amiről beszéltem.
16:43
It's just a minute and a half.
425
988000
2000
Csak egy és fél perc az egész.
16:45
It ties together all this into the power of expectation and the power of belief.
426
990000
3000
A hallottakat a várakozás hatalma és a hit hatalma fogalmaiba foglalja össze.
16:48
Go ahead and roll it.
427
993000
2000
Elindíthatják.
16:50
Narrator: This is the venue they chose for their fake auditions
428
995000
3000
Mesélő: Ezt a helyet választották a meghallgatások megrendezésére
16:53
for an advert for lip balm.
429
998000
2000
egy ajakbalzsam reklámnak.
16:55
Woman: We're hoping we can use part of this
430
1000000
2000
Nő: Reméljük, ennek egy részletét felhasználhatjuk
16:57
in a national commercial, right?
431
1002000
2000
egy országos reklámban is, igen.
16:59
And this is test on some lip balms
432
1004000
2000
Néhány ajakbalzsamat tesztelünk,
17:01
that we have over here.
433
1006000
2000
amik ott vannak.
17:03
And these are our models who are going to help us,
434
1008000
2000
És itt vannak a modellek, akik segítenek nekünk,
17:05
Roger and Matt.
435
1010000
2000
Roger és Matt.
17:07
And we have our own lip balm,
436
1012000
2000
Van egy saját ajakbalzsamunk,
17:09
and we have a leading brand.
437
1014000
2000
és van egy másik, híres márkájú balzsam.
17:11
Would you have any problem
438
1016000
2000
Gondot okozna
17:13
kissing our models to test it?
439
1018000
2000
megcsókolni a modelljeinket, hogy leteszteljük a balzsamokat?
17:15
Girl: No.
440
1020000
2000
Lány: Nem.
17:17
Woman: You wouldn't? (Girl: No.) Woman: You'd think that was fine.
441
1022000
2000
Nő: Nem lenne gond? (Lány: Nem.) Nő: Tehát benne van.
17:19
Girl: That would be fine. (Woman: Okay.)
442
1024000
2000
Lány: Benne vagyok. (Nő: Oké.)
17:21
So this is a blind test.
443
1026000
3000
Ez tehát egy bekötött szemmel végzett teszt.
17:24
I'm going to ask you to go ahead
444
1029000
2000
Arra kérem, menjen előre,
17:26
and put a blindfold on.
445
1031000
2000
és takarja be a szemét.
17:29
Kay, now can you see anything? (Girl: No.)
446
1034000
3000
Oké, lát valamit? (Lány: Nem.)
17:32
Pull it so you can't even see down. (Girl: Okay.)
447
1037000
2000
Húzza rá a szemére, hogy lefele se lásson. (Lány: Oké.)
17:34
Woman: It's completely blind now, right?
448
1039000
2000
Nő: Most semmit sem lát, igaz?
17:36
Girl: Yes. (Woman: Okay.)
449
1041000
2000
Lány: Igen. (Nő: Oké.)
17:38
Now, what I'm going to be looking for in this test
450
1043000
3000
Amit figyelni fogok a teszt alatt az,
17:41
is how it protects your lips,
451
1046000
3000
hogy a balzsam mennyire védi az ajkait,
17:44
the texture, right,
452
1049000
2000
a textúráját,
17:46
and maybe if you can discern any flavor or not.
453
1051000
3000
és hogy esetleg meg tudja-e állapítani az ízét vagy sem.
17:49
Girl: Okay. (Woman: Have you ever done a kissing test before?)
454
1054000
3000
Lány: Oké. (Nő: Végzett már csóktesztet valaha?)
17:52
Girl: No.
455
1057000
2000
Lány: Nem.
17:54
Woman: Take a step here.
456
1059000
2000
Nő: Lépjen ide.
17:56
Okay, now I'm going to ask you to pucker up.
457
1061000
2000
Oké, most csücsörítsen.
17:58
Pucker up big and lean in just a little bit, okay?
458
1063000
3000
Erősen csücsörítsen, és hajoljon enyhén előre, oké.
18:06
(Music)
459
1071000
4000
(Zene)
18:10
(Laughter)
460
1075000
5000
(Nevetés)
18:19
(Laughter)
461
1084000
3000
(Nevetés)
18:30
Woman: Okay.
462
1095000
2000
Oké.
18:32
And, Jennifer, how did that feel?
463
1097000
2000
És, Jennifer, milyen érzés volt?
18:34
Jennifer: Good.
464
1099000
2000
Jennifer: Jó.
18:36
(Laughter)
465
1101000
7000
(Nevetés)
18:43
Girl: Oh my God!
466
1108000
2000
Lány: Ó, Istenem.
18:45
(Laughter)
467
1110000
4000
(Nevetés)
18:50
Michael Shermer: Thank you very much. Thank you. Thanks.
468
1115000
3000
Michael Shermer: Nagyon köszönöm. Köszönöm. Köszönöm.
ABOUT THE SPEAKER
Michael Shermer - SkepticMichael Shermer debunks myths, superstitions and urban legends -- and explains why we believe them. Along with publishing Skeptic Magazine, he's author of Why People Believe Weird Things and The Mind of the Market.
Why you should listen
As founder and publisher of Skeptic Magazine, Michael Shermer has exposed fallacies behind intelligent design, 9/11 conspiracies, the low-carb craze, alien sightings and other popular beliefs and paranoias. But it's not about debunking for debunking's sake. Shermer defends the notion that we can understand our world better only by matching good theory with good science.
Shermer's work offers cognitive context for our often misguided beliefs: In the absence of sound science, incomplete information can powerfully combine with the power of suggestion (helping us hear Satanic lyrics when "Stairway to Heaven" plays backwards, for example). In fact, a common thread that runs through beliefs of all sorts, he says, is our tendency to convince ourselves: We overvalue the shreds of evidence that support our preferred outcome, and ignore the facts we aren't looking for.
He writes a monthly column for Scientific American, and is an adjunct at Claremont Graduate University and Chapman University. His latest book is The Believing Brain: From Ghosts and Gods to Politics and Conspiracies—How We Construct Beliefs and Reinforce Them as Truths. He is also the author of The Mind of the Market, on evolutionary economics, Why Darwin Matters: Evolution and the Case Against Intelligent Design, and The Science of Good and Evil. And his next book is titled The Moral Arc of Science.
Michael Shermer | Speaker | TED.com