ABOUT THE SPEAKER
Colin Camerer - Behavioral economist
Colin Camerer is a leading behavioral economist who studies the psychological and neural bases of choice and strategic decision-making.

Why you should listen

Colin Camerer focuses on brain behavior during decision making, strategizing and market trading. He is the Robert Kirby Professor of Behavioral Finance and Economics at the California Institute of Technology. A child prodigy in his youth, Camerer received a B.A. in quantitative studies from Johns Hopkins when he was just 17 and a PhD in decision theory from the University of Chicago Graduate School of Business when he was 22. Camerer's research departs from previous theory in that it does not assume the mind to be a rational and perfect system, but rather focuses on the limitations of everyday people when they play actual games, and seeks to predict how they will behave in situations that involve strategy. His studies focus on neurological findings from economic experiments in the lab (on humans -- and monkeys!) Camerer is the author of Behavioral Game Theory.

More profile about the speaker
Colin Camerer | Speaker | TED.com
TEDxCaltech

Colin Camerer: When you're making a deal, what's going on in your brain?

Colin Camerer: Nauka o mózgu, teoria gier i małpy

Filmed:
1,516,785 views

Gdy dwoje ludzi chce ubić targu - bez względu na to, czy współzawodniczą czy współpracują - co dzieje się w ich umysłach? Ekonomista behawioralny Colin Camerer przedstawia wyniki badań, które wyjawiają, w jak niewielkim stopniu potrafimy przewidzieć, co myślą inni. Omawia też zaskakujące badanie, wg którego szympansy radzą sobie z tym lepiej niż my, ludzie. (Sfilmowane na TEDxCalTech).
- Behavioral economist
Colin Camerer is a leading behavioral economist who studies the psychological and neural bases of choice and strategic decision-making. Full bio

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

00:12
I'm going to talk about the strategizingstrategizing brainmózg.
0
562
2253
Będę mówił o formułowaniu strategii mózgu.
00:14
We're going to use an unusualniezwykły combinationpołączenie of toolsprzybory
1
2815
2238
Użyjemy niezwykłej kombinacji narzędzi
00:17
from gamegra theoryteoria and neuroscienceneuronauka
2
5053
2013
z teorii gier i neurobiolologii
00:19
to understandzrozumieć how people interactoddziaływać sociallyspołecznie when valuewartość is on the linelinia.
3
7066
2967
aby zrozumieć interakcje społeczne odnośnie wartości.
00:22
So gamegra theoryteoria is a branchgałąź of, originallypierwotnie, appliedstosowany mathematicsmatematyka,
4
10033
3971
Teoria gier jest gałęzią matematyki stosowanej,
00:26
used mostlyprzeważnie in economicsEkonomia and politicalpolityczny sciencenauka, a little bitkawałek in biologybiologia,
5
14004
2986
używanej w ekonomii, naukach politycznych
i co nieco w biologii,
00:28
that givesdaje us a mathematicalmatematyczny taxonomytaksonomia of socialspołeczny life
6
16990
3289
dającej nam matematyczną systematykę życia społecznego
00:32
and it predictsprzewiduje what people are likelyprawdopodobne to do
7
20279
2131
i pozwalającą przewidzieć prawdopodobne
00:34
and believe othersinni will do
8
22410
1194
zachowania ludzkie
00:35
in casesprzypadki where everyone'swszyscy actionsdziałania affectoddziaływać everyonekażdy elsejeszcze.
9
23604
3390
w sytuacji kiedy czyjeś działania wpływają na innych.
00:38
That's a lot of things: competitionzawody, cooperationwspółpraca, bargainingtargowanie,
10
26994
3478
Jest tego sporo. Konkurencja, kooperacja, targowanie się,
00:42
gamesGry like hide-and-seekzabawa w chowanego, and pokerPoker.
11
30472
3291
gra w chowanego, i poker.
00:45
Here'sTutaj jest a simpleprosty gamegra to get us startedRozpoczęty.
12
33763
2239
Weźmy na początek prostą grę.
00:48
EveryoneKażdy chooseswybiera a numbernumer from zerozero to 100,
13
36002
2162
Każdy wybierze liczbę od 0 do 100,
00:50
we're going to computeobliczać the averageśredni of those numbersliczby,
14
38164
2446
i obliczymy średnią z wybranych liczb.
00:52
and whoever'skto ma closestnajbliższy to two-thirdsdwie trzecie of the averageśredni winswygrywa a fixednaprawiony prizenagroda.
15
40610
4194
Wygrywa ten kto jest najbliżej dwóch trzecich średniej.
00:56
So you want to be a little bitkawałek belowponiżej the averageśredni numbernumer,
16
44804
2269
Zatem chcesz utrafić poniżej średniej,
00:59
but not too fardaleko belowponiżej, and everyonekażdy elsejeszcze wants to be
17
47073
2236
ale tylko odrobinę, i wszyscy pozostali chcą
01:01
a little bitkawałek belowponiżej the averageśredni numbernumer as well.
18
49309
1945
tego samego.
01:03
Think about what you mightmoc pickwybierać.
19
51254
2579
Pomyśl, co byś wybrał.
01:05
As you're thinkingmyślący, this is a toyzabawka modelModel of something like
20
53833
3271
To tak jak przy sprzedaży akcji
01:09
sellingsprzedawanie in the stockZbiory marketrynek duringpodczas a risingpodniesienie marketrynek. Right?
21
57104
2812
na rynku rosnącym.
01:11
You don't want to sellSprzedać too earlywcześnie, because you misstęsknić out on profitszyski,
22
59916
2225
Nie chcesz sprzedać zbyt wcześnie z uwagi na utratę zysku,
01:14
but you don't want to wait too latepóźno
23
62141
2180
i nie chcesz czekać zbyt długo
01:16
to when everyonekażdy elsejeszcze sellssprzedaje, triggeringWyzwalanie a crashwypadek.
24
64321
2401
do czasu, kiedy wszyscy sprzedają wywołując spadek.
01:18
You want to be a little bitkawałek aheadprzed siebie of the competitionzawody, but not too fardaleko aheadprzed siebie.
25
66722
2879
Chcesz być przed konkurencją, ale nie za bardzo.
01:21
Okay, here'soto jest two theoriesteorie about how people mightmoc think about this,
26
69601
3613
Jak ludzie o tym myśleć? Są dwie teorie,
01:25
and then we'lldobrze see some datadane.
27
73214
1396
a następnie zajmiemy się danymi.
01:26
Some of these will sounddźwięk familiarznajomy because you probablyprawdopodobnie are
28
74610
2191
Niektóre zagadnienia wydadzą się znajome.
01:28
thinkingmyślący that way. I'm usingza pomocą my brainmózg theoryteoria to see.
29
76801
3799
Używam mojej teorii mózgowej.
01:32
A lot of people say, "I really don't know what people are going to pickwybierać,
30
80600
3110
Wielu ludzi powie, "Nie wiem, co ludzie wybiorą,
01:35
so I think the averageśredni will be 50."
31
83710
1673
więc myślę, że średnia będzie 50."
01:37
They're not beingistota really strategicstrategiczny at all.
32
85383
1911
Nie jest to strategiczne podejście.
01:39
"And I'll pickwybierać two-thirdsdwie trzecie of 50. That's 33." That's a startpoczątek.
33
87294
3352
"Wybiorę 2/3 z 50, czyli 33." To początek.
01:42
Other people who are a little more sophisticatedwyrafinowany,
34
90646
1892
Inni, nieco bardziej wyrafinowani.
01:44
usingza pomocą more workingpracujący memorypamięć,
35
92538
1476
używając pamięci roboczej
01:46
say, "I think people will pickwybierać 33 because they're going to pickwybierać a responseodpowiedź to 50,
36
94014
3904
powiedzą, "Sądzę, że ludzie wybiorą 33 aby wybrać odpowiedź do 50,
01:49
and so I'll pickwybierać 22, whichktóry is two-thirdsdwie trzecie of 33."
37
97918
2968
dlatego wybiorę 22 jako 2/3 z 33."
01:52
They're doing one extradodatkowy stepkrok of thinkingmyślący, two stepskroki.
38
100886
2479
To dodatkowy krok w myśleniu, 2 kroki do przodu.
01:55
That's better. And of coursekurs, in principlezasada,
39
103365
2617
Tak jest lepiej. Oczywiście, w zasadzie
01:57
you could do threetrzy, fourcztery or more,
40
105982
1827
można posunąć się dalej, 3, 4 lub więcej,
01:59
but it startszaczyna się to get very difficulttrudny.
41
107809
1869
ale staje sie to bardzo trudne.
02:01
Just like in languagejęzyk and other domainsdomeny, we know that it's hardciężko for people to parseanalizy
42
109678
2592
Podobnie z językiem, trudno jest dokonać analizy
02:04
very complexzłożony sentenceszdań with a kinduprzejmy of recursiverekurencyjny structureStruktura.
43
112270
3634
tego typu złożonych, rekurencyjnych zdań.
02:07
This is callednazywa a cognitivepoznawczy hierarchyhierarchia theoryteoria, by the way.
44
115904
1734
Nazywamy to teorią hierarchii kognitywnej.
02:09
It's something that I've workedpracował on and a fewkilka other people,
45
117638
2556
Pracowałem nad tym z kilkoma innymi .
02:12
and it indicateswskazuje a kinduprzejmy of hierarchyhierarchia alongwzdłuż with
46
120194
2220
Teoria wskazuje na swego rodzaju hierarchię
02:14
some assumptionszałożenia about how manywiele people stop at differentróżne stepskroki
47
122414
2254
wraz z założeniami, jak wiele osób zatrzyma się przy różnych krokach
02:16
and how the stepskroki of thinkingmyślący are affectedafektowany
48
124668
1884
i jak na podejmowane operacje myślowe wpływa
02:18
by lots of interestingciekawy variableszmienne and variantwariant people, as we'lldobrze see in a minutechwila.
49
126552
3696
wiele interesujących zmiennych i różni ludzie, zaraz to zobaczymy.
02:22
A very differentróżne theoryteoria, a much more popularpopularny one, and an olderstarsze one,
50
130248
3386
Zupełnie inna teoria, starsza i popularniejsza
02:25
duez powodu largelyw dużej mierze to JohnJohn NashNash of "A BeautifulPiękne MindUmysł" famesława,
51
133634
3540
dzięki Johnowi Nashowi z filmu "Piękny umysł"
02:29
is what's callednazywa equilibriumrównowaga analysisanaliza.
52
137174
2240
to analiza równowagi ogólnej.
02:31
So if you've ever takenwzięty a gamegra theoryteoria coursekurs at any levelpoziom,
53
139414
2454
Jeśli ukończyliście kurs z teorii gier na dowolnym poziomie
02:33
you will have learnednauczyli a little bitkawałek about this.
54
141868
1713
będziecie coś o tym wiedzieć.
02:35
An equilibriumrównowaga is a mathematicalmatematyczny statestan in whichktóry everybodywszyscy
55
143581
2855
Równowaga to stan w matematyce, w którym każdy
02:38
has figuredwzorzysty out exactlydokładnie what everyonekażdy elsejeszcze will do.
56
146436
2449
odgadł, co dokładnie zrobią wszyscy inni.
02:40
It is a very usefulprzydatny conceptpojęcie, but behaviorallybechawioralny,
57
148885
2007
To bardzo użyteczne pojęcie, ale behawiorystycznie
02:42
it maymoże not exactlydokładnie explainwyjaśniać what people do
58
150892
2003
niekoniecznie wyjaśnia, co zrobią ludzie
02:44
the first time they playgrać these typestypy of economicgospodarczy gamesGry
59
152895
2735
po raz pierwszy grając w gry ekonomiczne
02:47
or in situationssytuacje in the outsidena zewnątrz worldświat.
60
155630
2333
albo w sytuacjach w prawdziwym życiu.
02:49
In this casewalizka, the equilibriumrównowaga makesczyni a very boldpogrubienie predictionPrognoza,
61
157963
2338
W tym przypadku, równowaga przewiduje bardzo odważnie,
02:52
whichktóry is everyonekażdy wants to be belowponiżej everyonekażdy elsejeszcze,
62
160301
2860
tj. każdy chce być poniżej poziomu innych,
02:55
thereforew związku z tym they'lloni to zrobią playgrać zerozero.
63
163161
2291
dlatego wybierze zero.
02:57
Let's see what happensdzieje się. This experiment'seksperymentu been doneGotowe manywiele, manywiele timesczasy.
64
165452
3009
Zobaczmy, co się stanie. Eksperyment przeprowadzono wielokrotnie.
03:00
Some of the earliestnajwcześniej oneste were doneGotowe in the '90s
65
168461
1883
Najwcześniejsze przeprowadziłem w latach 90-tych
03:02
by me and RosemarieRosemarie NagelNagel and othersinni.
66
170344
2645
razem z Rosemarie Nagel i innymi.
03:04
This is a beautifulpiękny datadane setzestaw of 9,000 people who wrotenapisał in
67
172989
2985
To piękny zestaw danych nadesłany przez 9.000 ludzi,
03:07
to threetrzy newspapersgazety and magazinesczasopisma that had a contestzawody.
68
175974
2880
na konkurs do trzech gazet i magazynów .
03:10
The contestzawody said, sendwysłać in your numbersliczby
69
178854
1814
Zasady brzmiały: przyślij swoje liczby,
03:12
and whoeverktokolwiek is closeblisko to two-thirdsdwie trzecie of the averageśredni will winzdobyć a bigduży prizenagroda.
70
180668
3155
kto będzie najbliżej 2/3 średniej, otrzyma wielką nagrodę.
03:15
And as you can see, there's so much datadane here, you can see the spikeskolce very visiblyWidocznie.
71
183823
3088
Jak widać, jest wiele danych i wyraźny skok.
03:18
There's a spikekolec at 33. Those are people doing one stepkrok.
72
186911
3381
Jest skok na 33. To ludzie, którzy zrobili jeden krok.
03:22
There is anotherinne spikekolec visiblewidoczny at 22.
73
190292
2497
Drugi jest na 22.
03:24
And noticeogłoszenie, by the way, that mostwiększość people pickwybierać numbersliczby right around there.
74
192789
2292
Proszę zauważyć, większość wybiera liczby z tej puli.
03:27
They don't necessarilykoniecznie pickwybierać exactlydokładnie 33 and 22.
75
195081
2510
Niekoniecznie dokładnie 33 i 22.
03:29
There's something a little bitkawałek noisygłośny around it.
76
197591
2056
Jest tam trochę hałasu.
03:31
But you can see those spikeskolce, and they're there.
77
199647
1478
Ale widać tam te skoki.
03:33
There's anotherinne groupGrupa of people who seemwydać się to have
78
201125
1710
Jest inna grupa ludzi, którzy zdają się
03:34
a firmfirma gripuchwyt on equilibriumrównowaga analysisanaliza,
79
202835
2075
dobrze rozumieć analizę równowagi ogólnej,
03:36
because they're pickingowocobranie zerozero or one.
80
204910
2395
bo wybierają zero lub jeden.
03:39
But they losestracić, right?
81
207305
2089
Ale oni przegrają, prawda?
03:41
Because pickingowocobranie a numbernumer that lowNiska is actuallytak właściwie a badzły choicewybór
82
209394
3192
Bo wybór tak niskiej liczby jest właściwie zły
03:44
if other people aren'tnie są doing equilibriumrównowaga analysisanaliza as well.
83
212586
2820
jeśli inni ludzie nie robią analizy równowagi ogólnej.
03:47
So they're smartmądry, but poorubogi.
84
215406
2112
Więc są sprytni, ale biedni.
03:49
(LaughterŚmiech)
85
217518
2088
(Śmiech)
03:51
Where are these things happeningwydarzenie in the brainmózg?
86
219606
1969
Gdzie w mózgu dzieje się to wszystko?
03:53
One studybadanie by CoricelliCoricelli and NagelNagel givesdaje a really sharpostry, interestingciekawy answerodpowiedź.
87
221575
3875
Badanie Coricelli i Nagel daje wyraźną, ciekawą odpowiedź.
03:57
So they had people playgrać this gamegra
88
225450
1508
Polecili ludziom grać w tę grę,
03:58
while they were beingistota scannedzeskanowany in an fMRIfMRI,
89
226958
2217
i skanowali ich za pomocą rezonansu,
04:01
and two conditionswarunki: in some trialspróby,
90
229175
2271
i były dwa warunki: podczas niektórych badań
04:03
they're told you're playinggra anotherinne personosoba
91
231446
1515
powiedziano im, że grasz inną osobę,
04:04
who'skto jest playinggra right now and we're going to matchmecz up
92
232961
1588
która właśnie gra i potem dopasujemy
04:06
your behaviorzachowanie at the endkoniec and payzapłacić you if you winzdobyć.
93
234549
2204
wasze zachowanie i zapłacimy, jeśli wygracie.
04:08
In the other trialspróby, they're told, you're playinggra a computerkomputer.
94
236753
1978
W innych badaniach, grasz rolę komputera.
04:10
They're just choosingwybór randomlylosowo.
95
238731
1634
One wybierają liczby losowo.
04:12
So what you see here is a subtractionodejmowanie
96
240365
2077
To, co tutaj widać, to wynik odejmowania
04:14
of areasobszary in whichktóry there's more brainmózg activityczynność
97
242442
2750
w obszarach większej aktywności mózgu
04:17
when you're playinggra people comparedporównywane to playinggra the computerkomputer.
98
245192
2976
gdy grasz ludzi w porównaniu do komputera.
04:20
And you see activityczynność in some regionsregiony we'vemamy seenwidziany todaydzisiaj,
99
248168
1991
Widać aktywność w rejonach takich jak
04:22
medialprzyśrodkowej prefrontalprzedczołowej cortexkora, dorsomedialgrzbietowej przyśrodkowej, howeverjednak, up here,
100
250159
3237
kora przedczołowa, część grzbietowo-przyśrodkowa, ale tutaj
04:25
ventromedialventromedial prefrontalprzedczołowej cortexkora,
101
253396
1851
brzuszno-przyśrodkowa kora przedczołowa,
04:27
anteriorprzedniej cingulatezakrętu, an areapowierzchnia that's involvedzaangażowany
102
255247
1354
przednia część kory mózgowej obręczy, biorąca udział
04:28
in lots of typestypy of conflictkonflikt resolutionrozkład, like if you're playinggra "SimonSimon SaysMówi,"
103
256601
3637
w rozwiązywaniu konfliktów, np. w grze "Szymon mówi"
04:32
and alsorównież the right and left temporoparietaltemporoparietal junctionskrzyżowania.
104
260238
3814
ale również w prawego i lewego skrzyżowania skroniowo-potylicznego.
04:36
And these are all areasobszary whichktóry are fairlydość reliablyniezawodnie knownznany
105
264052
2466
To obszary, które są stosunkowo dobrze znane
04:38
to be partczęść of what's callednazywa a "theoryteoria of mindumysł" circuitobwód,
106
266518
2321
jako część obiegu "teorii umysłu"
04:40
or "mentalizingmentalizing circuitobwód."
107
268839
1901
albo "obwodu mentalnego".
04:42
That is, it's a circuitobwód that's used to imaginewyobrażać sobie what other people mightmoc do.
108
270740
3378
Tzn. jest to obwód, który używa się do wyobrażania, co zrobią inni.
04:46
So these were some of the first studiesstudia to see this
109
274118
2240
To były jedne z pierwszych badań łączące to
04:48
tiedprzywiązane in to gamegra theoryteoria.
110
276358
2033
z teorią gier.
04:50
What happensdzieje się with these one-jedno- and two-stepdwuetapowa typestypy?
111
278391
2240
Co dzieje się z osobami stosującymi 1- i 2 krok?
04:52
So we classifyklasyfikować people by what they pickeddoborowy,
112
280631
2071
Jeśli zaklasyfikujemy ludzi wg tego, co wybierają,
04:54
and then we look at the differenceróżnica betweenpomiędzy
113
282702
1667
i potem popatrzymy na różnice pomiędzy
04:56
playinggra humansludzie versusprzeciw playinggra computerskomputery,
114
284369
1975
odgrywaniem człowieka i komputera,
04:58
whichktóry brainmózg areasobszary are differentiallyróżnie activeaktywny.
115
286344
1891
jakie obszary mózgu są w różny sposób aktywne.
05:00
On the topTop you see the one-stepjednoetapowy playersgracze.
116
288235
1752
Na samej górze są gracze 1 kroku.
05:01
There's almostprawie no differenceróżnica.
117
289987
1520
Nie ma prawie żadnej różnicy.
05:03
The reasonpowód is, they're treatingleczenie other people like a computerkomputer, and the brainmózg is too.
118
291507
2940
Dlatego, że traktują innych ludzi jak komputer, tak samo czyni mózg.
05:06
The bottomDolny playersgracze, you see all the activityczynność in dorsomedialgrzbietowej przyśrodkowej PFCPFC.
119
294447
4141
Gracze z dolnej puli, widać aktywność w części grzbietowo-przyśrodkowej.
05:10
So we know that those two-stepdwuetapowa playersgracze are doing something differentlyróżnie.
120
298588
2051
Ci, którzy wykonują dwa kroki, robią coś trochę inaczej.
05:12
Now if you were to stepkrok back and say, "What can we do with this informationInformacja?"
121
300639
3096
Zróbmy krok w tył pytając "Co zrobimy z tą informacją?"
05:15
you mightmoc be ablezdolny to look at brainmózg activityczynność and say,
122
303735
1821
- możemy spojrzeć na aktywność mózgu i rzec:
05:17
"This person'sosoby going to be a good pokerPoker playergracz,"
123
305556
1499
"Ta osoba będzie dobrym graczem w pokera",
05:19
or, "This person'sosoby sociallyspołecznie naivenaiwny,"
124
307055
1929
"Ta osoba jest społecznie naiwna",
05:20
and we mightmoc alsorównież be ablezdolny to studybadanie things
125
308984
1278
możemy również badać zjawiska jak
05:22
like developmentrozwój of adolescentmłodzieży brainsmózg
126
310262
1598
rozwój mózgu u nastolatków,
05:23
oncepewnego razu we have an ideapomysł of where this circuitryzespół obwodów elektrycznych existsistnieje.
127
311860
3354
odkąd wiemy, gdzie istnieje ten obwód.
05:27
Okay. Get readygotowy.
128
315214
2612
Przygotujcie się.
05:29
I'm savingoszczędność you some brainmózg activityczynność,
129
317826
2123
Zostawiłem na koniec trochę aktywności mózgu,
05:31
because you don't need to use your hairwłosy detectorczujki cellskomórki.
130
319949
2810
bo nie muszą państwo użyć komórek wykrywających włosy.
05:34
You should use those cellskomórki to think carefullyostrożnie about this gamegra.
131
322759
2888
Powinni państwo pomyśleć uważnie o tej grze.
05:37
This is a bargainingtargowanie gamegra.
132
325647
1935
To gra w targowanie się.
05:39
Two playersgracze who are beingistota scannedzeskanowany usingza pomocą EEGEEG electrodeselektrody
133
327582
2556
Dwóch graczy skanuje się używając elektrod EEG,
05:42
are going to bargainokazja over one to sixsześć dollarsdolarów.
134
330138
2877
podczas gdy oni targują się o 1 -6 dolarów.
05:45
If they can do it in 10 secondstowary drugiej jakości, they're going to actuallytak właściwie earnZarabiaj that moneypieniądze.
135
333015
2664
Jeśli zrobią to w 10 sekund, zarobią te pieniądze.
05:47
If 10 secondstowary drugiej jakości goesidzie by and they haven'tnie mam madezrobiony a dealsprawa, they get nothing.
136
335679
3040
Jeśli minie 10 sekund i nie ubiją interesu, nic nie dostaną.
05:50
That's kinduprzejmy of a mistakebłąd togetherRazem.
137
338719
1683
To rodzaj wspólnego błędu.
05:52
The twistTwist is that one playergracz, on the left,
138
340402
2817
Podstęp jest taki, że jeden gracz, na lewo,
05:55
is informedpowiadomiony about how much on eachkażdy trialpróba there is.
139
343219
2688
wie, jak dużo jest do wygrania w każdej próbie.
05:57
They playgrać lots of trialspróby with differentróżne amountskwoty eachkażdy time.
140
345907
2232
Jest dużo badań, w każdym inna suma.
06:00
In this casewalizka, they know there's fourcztery dollarsdolarów.
141
348139
2241
W tym przypadku, wiedzą, że to 4 dolary.
06:02
The uninformednieświadomych playergracz doesn't know,
142
350380
1877
Niepoinformowany gracz nie wie,
06:04
but they know that the informedpowiadomiony playergracz knowswie.
143
352257
2054
ale wie, że poinformowany wie.
06:06
So the uninformednieświadomych player'sgracza challengewyzwanie is to say,
144
354311
2059
Wyzwanie dla niepoinformowanego to mówić:
06:08
"Is this guy really beingistota fairtargi
145
356370
1470
"Czy ten facet naprawdę jest fair
06:09
or are they givingdający me a very lowNiska offeroferta
146
357840
1854
czy daje mi bardzo niską ofertę
06:11
in orderzamówienie to get me to think that there's only one or two dollarsdolarów availabledostępny to splitrozdzielać?"
147
359694
3078
abym myślał, że do podziału są tylko góra dwa dolary?"
06:14
in whichktóry casewalizka they mightmoc rejectodrzucić it and not come to a dealsprawa.
148
362772
3154
- w tym przypadku mogą nie ubić interesu.
06:17
So there's some tensionnapięcie here betweenpomiędzy tryingpróbować to get the mostwiększość moneypieniądze
149
365926
2950
Jest napięcie między chęcią zdobycia jak najwięcej kasy
06:20
but tryingpróbować to goadpoganiać the other playergracz into givingdający you more.
150
368876
2573
a próbą wciągnięcia gracza, aby dał nam więcej.
06:23
And the way they bargainokazja is to pointpunkt on a numbernumer linelinia
151
371449
2330
Sposób targowania się wskazuje na numer linii
06:25
that goesidzie from zerozero to sixsześć dollarsdolarów,
152
373779
1806
od zera do sześciu dolarów,
06:27
and they're bargainingtargowanie over how much the uninformednieświadomych playergracz getsdostaje,
153
375585
2978
a targują się o to, ile dostanie niepoinformowany,
06:30
and the informedpowiadomiony player'sgracza going to get the restodpoczynek.
154
378563
1585
a poinformowany dostanie resztę.
06:32
So this is like a management-laborzarządzania, pracy negotiationnegocjacja
155
380148
2575
To jak negocjacje o organizacji pracy,
06:34
in whichktóry the workerspracownicy don't know how much profitszyski
156
382723
2733
gdy pracownicy nie wiedzą, jak wielkie profity
06:37
the privatelyprywatnie heldtrzymany companyfirma has, right,
157
385456
2667
ma firma w rękach prywatnych,
06:40
and they want to maybe holdutrzymać out for more moneypieniądze,
158
388123
2368
i chcą wytrzymać, aby dostać więcej pieniędzy,
06:42
but the companyfirma mightmoc want to createStwórz the impressionwrażenie
159
390491
1836
ale firma chce stworzyć wrażenie,
06:44
that there's very little to splitrozdzielać: "I'm givingdający you the mostwiększość that I can."
160
392327
2932
że jest bardzo mało do podziału: "Daję najwięcej, jak mogę".
06:47
First some behaviorzachowanie. So a bunchwiązka of the subjectPrzedmiot pairspary, they playgrać facetwarz to facetwarz.
161
395259
4231
Najpierw, zachowanie. Wiele z par badanych gra twarzą w twarz.
06:51
We have some other datadane where they playgrać acrossprzez computerskomputery.
162
399490
1836
Mamy inne dane, gdy grają przeciwko komputerom.
06:53
That's an interestingciekawy differenceróżnica, as you mightmoc imaginewyobrażać sobie.
163
401326
1738
To ciekawa różnica, jak można sobie wyobrazić.
06:55
But a bunchwiązka of the face-to-facetwarzą w twarz pairspary
164
403064
2202
Ale część z graczy twarzą w twarz
06:57
agreeZgodzić się to dividepodzielić the moneypieniądze evenlyrównomiernie everykażdy singlepojedynczy time.
165
405266
3693
zgodziła się podzielić pieniądze po równo za każdym razem.
07:00
BoringWytaczanie. It's just not interestingciekawy neurallyneurally.
166
408959
2906
Nudne. To nie jest ciekawe dla neuronów.
07:03
It's good for them. They make a lot of moneypieniądze.
167
411865
2514
To dobre dla nich. Zarabiają sporo pieniędzy.
07:06
But we're interestedzainteresowany in, can we say something about
168
414379
2672
Nas interesuje to, czy można porównać sytuacje
07:09
when disagreementsnieporozumienia occurpojawić się versusprzeciw don't occurpojawić się?
169
417051
2536
gdy brakuje porozumienia z tymi, gdzie ono jest?
07:11
So this is the other groupGrupa of subjectstematy who oftenczęsto disagreenie zgadzać się.
170
419587
2357
Jest inna grupa badanych, którzy często się nie zgadzają.
07:13
So they have a chanceszansa of -- they bickerBicker and disagreenie zgadzać się
171
421944
2768
Mają oni szansę - często nie zgadzają się i sprzeczają się
07:16
and endkoniec up with lessmniej moneypieniądze.
172
424712
1307
a na koniec mają mniej pieniędzy.
07:18
They mightmoc be eligiblekwalifikujące się to be on "RealPrawdziwe HousewivesGospodynie domowe," the TVTELEWIZOR showpokazać.
173
426019
3917
Nadali by się do programu "Prawdziwa pani domu".
07:21
You see on the left,
174
429936
1936
Na lewo widać, że
07:23
when the amountilość to dividepodzielić is one, two or threetrzy dollarsdolarów,
175
431872
2664
gdy suma do podziału to 1, 2, 3 dolary
07:26
they disagreenie zgadzać się about halfpół the time,
176
434536
1648
przez połowę czasu nie zgadzają się,
07:28
and when the amountilość is fourcztery, fivepięć, sixsześć, they agreeZgodzić się quitecałkiem oftenczęsto.
177
436184
2192
a gdy suma jest 4- , całkiem często się zgadzają
07:30
This turnsskręca out to be something that's predictedprzewidywane
178
438376
1874
Okazuje się, że zostało to przewidziane
07:32
by a very complicatedskomplikowane typerodzaj of gamegra theoryteoria
179
440250
2204
przez bardzo skomplikowaną teorię gier
07:34
you should come to graduateukończyć schoolszkoła at CalTechCalTech and learnuczyć się about.
180
442454
2809
o której można się nauczyć na studiach podyplomowych.
07:37
It's a little too complicatedskomplikowane to explainwyjaśniać right now,
181
445263
2172
To trochę za trudne do wyjaśnienia teraz,
07:39
but the theoryteoria tellsmówi you that this shapekształt kinduprzejmy of should occurpojawić się.
182
447435
3416
ale teoria mówi, że ten kształt powinien się pojawić.
07:42
Your intuitionintuicja mightmoc tell you that too.
183
450851
2216
Intuicja może powiedzieć to samo.
07:45
Now I'm going to showpokazać you the resultswyniki from the EEGEEG recordingnagranie.
184
453067
2240
Teraz pokażę wyniki z nagrań EEG.
07:47
Very complicatedskomplikowane. The right brainmózg schematicschematyczny
185
455307
2353
Bardzo skomplikowane. Schemat mózgu po prawej
07:49
is the uninformednieświadomych personosoba, and the left is the informedpowiadomiony.
186
457660
2863
to niepoinformowany, a lewa - poinformowany gracz.
07:52
RememberNależy pamiętać that we scannedzeskanowany bothobie brainsmózg at the samepodobnie time,
187
460523
2800
Oba mózgi skanowano w tym samym czasie
07:55
so we can askzapytać about time-syncedczas synchronizacji activityczynność
188
463323
2392
możemy pytać o aktywność schynchronizowaną czasowo
07:57
in similarpodobny or differentróżne areasobszary simultaneouslyrównocześnie,
189
465715
3224
jednocześnie na tych samych czy podobnych obszarach.
08:00
just like if you wanted to studybadanie a conversationrozmowa
190
468939
2264
Tak jakby chciało się badać rozmowę,
08:03
and you were scanningłów two people talkingmówić to eachkażdy other
191
471203
1936
skanując rozmówców,
08:05
and you'dty byś expectoczekiwać commonpospolity activityczynność in languagejęzyk regionsregiony
192
473139
2360
- oczekuje się aktywności w rejonach odpowiedzialnych za język
08:07
when they're actuallytak właściwie kinduprzejmy of listeningsłuchający and communicatingprzyległy.
193
475499
2385
kiedy słuchają i komunikują się.
08:09
So the arrowsstrzałki connectpołączyć regionsregiony that are activeaktywny at the samepodobnie time,
194
477884
3927
Strzałki łączą obszary aktywne jednocześnie,
08:13
and the directionkierunek of the arrowsstrzałki flowsprzepływy
195
481811
2040
a ich kierunek płynie
08:15
from the regionregion that's activeaktywny first in time,
196
483851
2480
od najwcześniej aktywnego obszaru
08:18
and the arrowheadgrot strzałki goesidzie to the regionregion that's activeaktywny laterpóźniej.
197
486331
3568
a strzałka do obszaru aktywnego najpóźniej.
08:21
So in this casewalizka, if you look carefullyostrożnie,
198
489899
2216
W tym przypadku, popatrzmy uważnie,
08:24
mostwiększość of the arrowsstrzałki flowpływ from right to left.
199
492115
1857
większość strzałek idzie od prawej do lewej.
08:25
That is, it lookswygląda as if the uninformednieświadomych brainmózg activityczynność
200
493972
3280
Wygląda na to, że aktywność mózgu niepoinformowanego
08:29
is happeningwydarzenie first,
201
497252
1959
jest najpierw,
08:31
and then it's followedśledzić by activityczynność in the informedpowiadomiony brainmózg.
202
499211
3515
a za nią aktywność poinformowanego.
08:34
And by the way, these were trialspróby where theirich dealsoferty were madezrobiony.
203
502726
3692
Były również próby, gdy dobito targu.
08:38
This is from the first two secondstowary drugiej jakości.
204
506418
1780
To pochodzi z pierwszych dwóch sekund.
08:40
We haven'tnie mam finishedskończone analyzinganalizowanie this datadane,
205
508198
1980
Nie skończyliśmy analizy tych danych,
08:42
so we're still peekingwgląd in, but the hopenadzieja is
206
510178
1900
więc nadal do nich zaglądamy, ale jest nadzieja,
08:44
that we can say something in the first couplepara of secondstowary drugiej jakości
207
512078
2564
że możemy powiedzieć w pierwszych sekundach,
08:46
about whetherczy they'lloni to zrobią make a dealsprawa or not,
208
514642
1723
czy ubiją interes czy nie,
08:48
whichktóry could be very usefulprzydatny in thinkingmyślący about avoidingunikanie litigationspór
209
516365
2043
co pomoże uniknąć spraw sądowych,
08:50
and uglybrzydki divorcesrozwody and things like that.
210
518408
1928
brzydkich rozwodów i tak dalej.
08:52
Those are all casesprzypadki in whichktóry a lot of valuewartość is lostStracony
211
520336
2883
To przypadki, gdy jest utrata wartości
08:55
by delayopóźnienie and strikesUderzenia.
212
523219
2976
poprzez opóźnienie i strajki.
08:58
Here'sTutaj jest the casewalizka where the disagreementsnieporozumienia occurpojawić się.
213
526195
2030
Przypadek, gdzie dochodzi do niezgody.
09:00
You can see it lookswygląda differentróżne than the one before.
214
528225
2173
Widać, że wygląda dużo inaczej niż poprzedni.
09:02
There's a lot more arrowsstrzałki.
215
530398
2249
Jest dużo więcej strzałek.
09:04
That meansznaczy that the brainsmózg are syncedzsynchronizowane up
216
532647
1511
Znaczy to, że mózgi są bardziej zsynchronizowane
09:06
more closelydokładnie in termswarunki of simultaneousJednoczesne activityczynność,
217
534158
2552
jeśli chodzi o jednoczesną aktywność,
09:08
and the arrowsstrzałki flowpływ clearlywyraźnie from left to right.
218
536710
2010
a strzałki biegną od lewej do prawej.
09:10
That is, the informedpowiadomiony brainmózg seemswydaje się to be decidingdecydowanie,
219
538720
2242
Tzn. poinformowany podejmuje decyzję.
09:12
"We're probablyprawdopodobnie not going to make a dealsprawa here."
220
540962
2288
"Pewnie nie dobijemy targu".
09:15
And then laterpóźniej there's activityczynność in the uninformednieświadomych brainmózg.
221
543250
3225
A potem jest aktywność w niepoinformowanym mózgu.
09:18
NextNastępny I'm going to introduceprzedstawiać you to some relativeskrewni.
222
546475
2503
Następnie przedstawię państwu paru krewnych.
09:20
They're hairyOwłosione, smellyśmierdzący, fastszybki and strongsilny.
223
548978
2261
Są owłosieni, śmierdzący, szybcy i silni.
09:23
You mightmoc be thinkingmyślący back to your last ThanksgivingŚwięto Dziękczynienia.
224
551239
3190
Może myślicie państwo o ostatnim Święcie Dziękczynienia.
09:26
Maybe if you had a chimpanzeeszympans with you.
225
554429
2693
Może gdybyście mieli ze sobą szympansa.
09:29
CharlesCharles DarwinDarwin and I and you brokezepsuł się off from the familyrodzina treedrzewo
226
557122
3461
Karol Darwin i ja oderwaliśmy się od drzewa genealogicznego
09:32
from chimpanzeesszympansy about fivepięć millionmilion yearslat agotemu.
227
560583
2259
szympansów jakieś 5 milionów lat temu.
09:34
They're still our closestnajbliższy geneticgenetyczny kinkin.
228
562842
1968
Nadal są naszymi najbliższymi krewnymi.
09:36
We sharedzielić 98.8 percentprocent of the genesgeny.
229
564810
1737
Mamy 98,8 % identycznych genów.
09:38
We sharedzielić more genesgeny with them than zebraszebry do with horseskonie.
230
566547
2800
Mamy więcej wspólnych genów niż zebry z końmi.
09:41
And we're alsorównież theirich closestnajbliższy cousinkuzyn.
231
569347
1717
I my też jesteśmy ich najbliższym kuzynem.
09:43
They have more geneticgenetyczny relationRelacja to us than to gorillasgoryle.
232
571064
3002
Mają więcej genetycznych związków z nami niż z gorylami.
09:46
So how humansludzie and chimpanzeesszympansy behavezachować się differentlyróżnie
233
574066
2528
To, jak różnie zachowują się ludzie i szympansy
09:48
mightmoc tell us a lot about brainmózg evolutionewolucja.
234
576594
2455
może powiedzieć wiele o ewolucji mózgu.
09:51
So this is an amazingniesamowity memorypamięć testtest
235
579049
2601
Jest wspaniały test na pamięć
09:53
from NagoyaNagoya, JapanJaponia, PrimatePrymas ResearchBadania InstituteInstytut,
236
581650
2816
z Instytutu Badań nad Naczelnymi w Nagoya, Japonii,
09:56
where they'veoni doneGotowe a lot of this researchBadania.
237
584466
1778
gdzie wykonano dużo badań.
09:58
This goesidzie back quitecałkiem a wayssposoby. They're interestedzainteresowany in workingpracujący memorypamięć.
238
586244
2340
Są zainteresowani pamięcią operacyjną.
10:00
The chimpszympans is going to see, watch carefullyostrożnie,
239
588584
1772
Szympans zobaczy, obejrzy uważnie,
10:02
they're going to see 200 milliseconds'milisekund exposureekspozycji
240
590356
2202
zobaczą przez 200 milisekund
10:04
— that's fastszybki, that's eightosiem moviefilm framesramki
241
592558
1994
-- to szybko, to osiem klatek filmowych --
10:06
of numbersliczby one, two, threetrzy, fourcztery, fivepięć.
242
594552
1951
liczby jeden, dwa, trzy, cztery, pięć.
10:08
Then they disappearznikać and they're replacedzastąpiony by squareskwadraty,
243
596503
1998
Potem znikną i zostaną zastąpione przez kwadraty,
10:10
and they have to pressnaciśnij the squareskwadraty
244
598501
1755
małpy muszą nacisnąć kwadraty
10:12
that correspondodpowiadać to the numbersliczby from lowNiska to highwysoki
245
600256
2321
odpowiadające liczbom od najmniejszej do największej
10:14
to get an applejabłko rewardnagroda.
246
602577
1339
aby otrzymać nagrodę: jabłko.
10:15
Let's see how they can do it.
247
603916
4771
Zobaczmy jak sobie poradzą.
10:28
This is a youngmłody chimpszympans. The youngmłody oneste
248
616391
1493
To młody szympans. Młode
10:29
are better than the oldstary oneste, just like humansludzie.
249
617884
2783
są lepsze od starych, tak jak u ludzi.
10:32
And they're highlywysoko experienceddoświadczony, so they'veoni doneGotowe this
250
620667
1592
Mają wielkie doświadczenie, robiły to ćwiczenie
10:34
thousandstysiące and thousandstysiące of time.
251
622259
1432
już setki tysięcy razy.
10:35
ObviouslyOczywiście there's a bigduży trainingtrening effectefekt, as you can imaginewyobrażać sobie.
252
623691
2884
Oczywiście jest ogromny wpływ treningu, jak można przypuszczać.
10:39
(LaughterŚmiech)
253
627928
1344
(Śmiech)
10:41
You can see they're very blasBlasé and kinduprzejmy of effortlessbez wysiłku.
254
629272
1935
Widać, że są zblazowane i robią to bez wysiłku.
10:43
Not only can they do it very well, they do it in a sortsortować of lazyleniwy way.
255
631207
3928
Nie tylko wychodzi im to dobrze, ale robią to na luzie.
10:47
Right? Who thinksmyśli you could beatbić the chimpsszympansy?
256
635135
3435
Kto myśli, że może pobić szympansy?
10:50
WrongŹle. (LaughterŚmiech)
257
638570
1596
Nieprawda. (Śmiech)
10:52
We can try. We'llMy będziemy try. Maybe we'lldobrze try.
258
640166
2438
Możemy spróbować. Spróbujemy.
10:54
Okay, so the nextNastępny partczęść of this studybadanie
259
642604
2590
Następna część tego badania
10:57
I'm going to go quicklyszybko throughprzez
260
645194
1596
którą szybko omówię,
10:58
is basedna podstawie on an ideapomysł of TetsuroTetsuro MatsuzawaMatsuzawa.
261
646790
2692
opiera się na pomyśle Tetsuro Matsuzawa.
11:01
He had a boldpogrubienie ideapomysł that -- what he callednazywa the cognitivepoznawczy trade-offkompromis hypothesishipoteza.
262
649482
3029
Miał odważną teorię - nazwał ją hipotezą kognitywnego kompromisu.
11:04
We know chimpsszympansy are fasterszybciej and strongersilniejszy.
263
652511
1292
Szympansy są szybsze i silniejsze.
11:05
They're alsorównież very obsessedobsesję with statusstatus.
264
653803
1680
Mają obsesję na punkcie statusu.
11:07
His thought was, maybe they'veoni preservedzachowane brainmózg activitieszajęcia
265
655483
2956
Pomyślał, że może zachowały aktywność mózgu
11:10
and they practicećwiczyć them in developmentrozwój
266
658439
2168
i ćwiczą je w rozwijaniu
11:12
that are really, really importantważny to them
267
660607
1851
tego, co dla nich naprawdę ważne,
11:14
to negotiatenegocjować statusstatus and to winzdobyć,
268
662458
2210
aby negocjować status i wygrać,
11:16
whichktóry is something like strategicstrategiczny thinkingmyślący duringpodczas competitionzawody.
269
664668
2998
coś w rodzaju myślenia strategicznego podczas konkursu.
11:19
So we're going to checkczek that out
270
667666
1580
Więc zamierzaliśmy sprawdzić to,
11:21
by havingmający the chimpsszympansy actuallytak właściwie playgrać a gamegra
271
669246
2430
zmuszając szympansy do gry
11:23
by touchingwzruszające two touchdotknąć screensekrany.
272
671676
2638
w której dotykają dwóch ekranów.
11:26
The chimpsszympansy are actuallytak właściwie interactinginterakcja with eachkażdy other throughprzez the computerskomputery.
273
674314
2440
Szympansy wchodzą w interakcję ze sobą przez komputery.
11:28
They're going to pressnaciśnij left or right.
274
676754
1608
Mają nacisnąć lewo lub prawo.
11:30
One chimpszympans is callednazywa a matcherMatcher.
275
678362
2113
Jeden nazywa się odpowiednikiem.
11:32
They winzdobyć if they pressnaciśnij left, left,
276
680475
1983
Wygrają jeśli nacisną lewy i lewy,
11:34
like a seekerosoba ubiegająca się findingodkrycie someonektoś in hide-and-seekzabawa w chowanego, or right, right.
277
682458
3169
jak szukający odnajdujący kogoś w zabawie w chowanego, albo prawy i prawy.
11:37
The mismatchermismatcher wants to mismatchniezgodność.
278
685627
1228
Drugi chce połączyć niewłaściwie.
11:38
They want to pressnaciśnij the oppositenaprzeciwko screenekran of the chimpszympans.
279
686855
3076
Chcą nacisnąć na ekran po przeciwnej stronie.
11:41
And the rewardsNagrody are applejabłko cubesześcian rewardsNagrody.
280
689931
2544
Nagrodą są kostki jabłkowe.
11:44
So here'soto jest how gamegra theoristsTeoretycy look at these datadane.
281
692475
2528
Tak na te dane patrzą teoretycy gier.
11:47
This is a graphwykres of the percentageodsetek of timesczasy
282
695003
1614
To wykres przedstawiający procentowo,
11:48
the matcherMatcher pickeddoborowy right on the x-axisoś x,
283
696617
2618
ile razy odpowiednik wybrał na prawo od osi x,
11:51
and the percentageodsetek of timesczasy they predictedprzewidywane right
284
699235
1516
i procent, ile razy przewidzieli prawidłowo
11:52
by the mismatchermismatcher on the y-axisoś y.
285
700751
2868
zachowanie drugiego na osi y.
11:55
So a pointpunkt here is the behaviorzachowanie by a pairpara of playersgracze,
286
703619
3200
Chodzi o zachowanie pary graczy,
11:58
one tryingpróbować to matchmecz, one tryingpróbować to mismatchniezgodność.
287
706819
2216
jeden chce połączyć prawidłowo, drugi nieprawidłowo.
12:01
The NENE squareplac in the middleśrodkowy -- actuallytak właściwie NENE, CHCH and QREQRE --
288
709035
3280
Kwadrat NE w środku - właściwie NE, CH i QRE -
12:04
those are threetrzy differentróżne theoriesteorie of NashNash equilibriumrównowaga, and othersinni,
289
712315
2456
te trzy rożne teorie równowagi Nasha i inne,
12:06
tellsmówi you what the theoryteoria predictsprzewiduje,
290
714771
2424
mówią, co przewiduje teoria,
12:09
whichktóry is that they should matchmecz 50-50,
291
717195
2272
czyli że powinni dopasować 50 do 50
12:11
because if you playgrać left too much, for exampleprzykład,
292
719467
2168
bo jeśli gra idzie za bardzo w lewo,
12:13
I can exploitwykorzystać that if I'm the mismatchermismatcher by then playinggra right.
293
721635
2716
mogę wykorzystać tę sytuację grając w prawo.
12:16
And as you can see, the chimpsszympansy, eachkażdy chimpszympans is one triangletrójkąt,
294
724351
2764
Jak widać, szympansy reprezentują trójkąty,
12:19
are circledkrążyły around, hoveringunoszące się around that predictionPrognoza.
295
727115
3847
otoczone wokół, unosząc się wokół przewidywań.
12:22
Now we moveruszaj się the payoffswypłaty.
296
730962
1774
Teraz przejdźmy do wypłaty.
12:24
We're actuallytak właściwie going to make the left, left payoffwypłata for the matcherMatcher a little bitkawałek higherwyższy.
297
732736
3443
Zamierzamy dać graczowi po lewej trochę większą wypłatę.
12:28
Now they get threetrzy applejabłko cubeskostki.
298
736179
1520
Teraz dostaną trzy kostki jabłka.
12:29
GameGra theoreticallyteoretycznie, that should actuallytak właściwie make the mismatcher'smismatcher's behaviorzachowanie shiftprzesunięcie,
299
737699
2800
To powinno zmienić zachowanie tego, który nie dopasowuje,
12:32
because what happensdzieje się is, the mismatchermismatcher will think,
300
740499
1590
bo pomyśli on, że
12:34
oh, this guy'sfaceta going to go for the bigduży rewardnagroda,
301
742089
1810
ten facet dostanie większą nagrodę,
12:35
and so I'm going to go to the right, make sure he doesn't get it.
302
743899
3065
więc pójdę na prawo, upewniając się,.że jej nie dostanie.
12:38
And as you can see, theirich behaviorzachowanie movesporusza się up
303
746964
1665
Jak widać, ich zachowanie przesuwa się w górę
12:40
in the directionkierunek of this changezmiana in the NashNash equilibriumrównowaga.
304
748629
3448
w stronę zmiany w równowadze Nasha.
12:44
FinallyWreszcie, we changedzmienione the payoffswypłaty one more time.
305
752077
2314
W końcu, zmieniliśmy wypłatę jeszcze raz.
12:46
Now it's fourcztery applejabłko cubeskostki,
306
754391
1192
Teraz to cztery kostki jabłkowe,
12:47
and theirich behaviorzachowanie again movesporusza się towardsw kierunku the NashNash equilibriumrównowaga.
307
755583
2172
a zachowanie zwierząt przesuwa się w stronę równowagi Nasha.
12:49
It's sprinkledposypane around, but if you averageśredni the chimpsszympansy out,
308
757755
2035
Jest rozsypane, ale jeśli uśredni się wyniki,
12:51
they're really, really closeblisko, withinw ciągu .01.
309
759790
2190
są bardzo blisko, w zakresie 0,1.
12:53
They're actuallytak właściwie closerbliższy than any speciesgatunki we'vemamy observedzauważony.
310
761980
3199
Są właściwie bliżej niż jakikolwiek obserwowany gatunek.
12:57
What about humansludzie? You think you're smartermądrzejszy than a chimpanzeeszympans?
311
765179
3193
A co z ludźmi? Myślicie, że jesteście mądrzejsi niż szympans?
13:00
Here'sTutaj jest two humanczłowiek groupsgrupy in greenZielony and blueniebieski.
312
768372
3567
To dwie grupy ludzi na zielono i niebiesko.
13:03
They're closerbliższy to 50-50. They're not respondingodpowiadać to payoffswypłaty as closelydokładnie,
313
771939
3744
Są bliżej 50 na 50. Nie reagują na wypłaty w takim stopniu,
13:07
and alsorównież if you studybadanie theirich learninguczenie się in the gamegra,
314
775683
1450
również jeśli bada się, jak uczą się w grze,
13:09
they aren'tnie są as sensitivewrażliwy to previouspoprzedni rewardsNagrody.
315
777133
1985
nie są tak wrażliwi na wcześniejsze nagrody.
13:11
The chimpsszympansy are playinggra better than the humansludzie,
316
779118
1364
Szympansy grają lepiej niż ludzie,
13:12
better in the sensesens of adheringstosując to gamegra theoryteoria.
317
780482
2423
tj. bardziej przystają do teorii gier.
13:14
And these are two differentróżne groupsgrupy of humansludzie
318
782905
1419
To są dwie różne grupy ludzi
13:16
from JapanJaponia and AfricaAfryka. They replicatereplika quitecałkiem nicelyładnie.
319
784324
3196
z Japonii i Afryki. Kopiują to całkiem ładnie.
13:19
NoneBrak of them are closeblisko to where the chimpsszympansy are.
320
787520
3235
Ale żadna z nich nie zbliżyła się do szympansów.
13:22
So here are some things we learnednauczyli todaydzisiaj.
321
790755
1755
Dzisiaj dowiedzieliśmy się paru rzeczy.
13:24
People seemwydać się to do a limitedograniczony amountilość of strategicstrategiczny thinkingmyślący
322
792510
1938
Ludzie w ograniczonym stopniu myślą strategicznie
13:26
usingza pomocą theoryteoria of mindumysł.
323
794448
1811
wykorzystując teorię umysłu.
13:28
We have some preliminarywstępny evidencedowód from bargainingtargowanie
324
796259
1917
Z badań targowania mamy wstępne wyniki, że
13:30
that earlywcześnie warningostrzeżenie signsznaki in the brainmózg mightmoc be used to predictprzepowiadać, wywróżyć
325
798176
2492
wczesne sygnały ostrzegawcze w mózgu mogą przewidzieć,
13:32
whetherczy there will be a badzły disagreementnieporozumienia that costskoszty moneypieniądze,
326
800668
2226
czy nastąpi poważne nieporozumienie, kosztujące pieniądze,
13:34
and chimpsszympansy are better competitorskonkurenci than humansludzie,
327
802894
1840
a szympansy radzą sobie lepiej niż ludzie,
13:36
as judgedoceniane by gamegra theoryteoria.
328
804734
2464
jeśli chodzi o teorię gier.
13:39
Thank you.
329
807198
1857
Dziękuję państwu.
13:41
(ApplauseAplauz)
330
809055
3573
(Brawa)

▲Back to top

ABOUT THE SPEAKER
Colin Camerer - Behavioral economist
Colin Camerer is a leading behavioral economist who studies the psychological and neural bases of choice and strategic decision-making.

Why you should listen

Colin Camerer focuses on brain behavior during decision making, strategizing and market trading. He is the Robert Kirby Professor of Behavioral Finance and Economics at the California Institute of Technology. A child prodigy in his youth, Camerer received a B.A. in quantitative studies from Johns Hopkins when he was just 17 and a PhD in decision theory from the University of Chicago Graduate School of Business when he was 22. Camerer's research departs from previous theory in that it does not assume the mind to be a rational and perfect system, but rather focuses on the limitations of everyday people when they play actual games, and seeks to predict how they will behave in situations that involve strategy. His studies focus on neurological findings from economic experiments in the lab (on humans -- and monkeys!) Camerer is the author of Behavioral Game Theory.

More profile about the speaker
Colin Camerer | Speaker | TED.com