TEDGlobal 2010
Laurie Santos: A monkey economy as irrational as ours
Лори Сантос: Маймунска икономика, ирационална като нашата
Filmed:
Readability: 3.3
1,506,660 views
Лори Сантос търси корените на човешката ирационалност, гледайки начина по който нашите предци-примати вземат решения. Серия умни експерименти в "маймуноикономиката" показват, че някои от глупавите избори, които правим, ги правят и маймуните.
Laurie Santos - Cognitive psychologist
Laurie Santos studies primate psychology and monkeynomics -- testing problems in human psychology on primates, who (not so surprisingly) have many of the same predictable irrationalities we do. Full bio
Laurie Santos studies primate psychology and monkeynomics -- testing problems in human psychology on primates, who (not so surprisingly) have many of the same predictable irrationalities we do. Full bio
Double-click the English transcript below to play the video.
00:17
I want to start my talk today with two observations
0
2000
2000
Искам да започна лекцията си днес с две наблюдения
00:19
about the human species.
1
4000
2000
за човешкият вид.
00:21
The first observation is something that you might think is quite obvious,
2
6000
3000
Първото наблюдение е нещо, което можете да помислите, че е доста очевидно,
00:24
and that's that our species, Homo sapiens,
3
9000
2000
и това е, че нашият вид, Хомо сапиенс,
00:26
is actually really, really smart --
4
11000
2000
е всъщност наистина, наистина умен --
00:28
like, ridiculously smart --
5
13000
2000
като, смешно умен --
00:30
like you're all doing things
6
15000
2000
като вие всички правите неща
00:32
that no other species on the planet does right now.
7
17000
3000
които никой друг вид на планетата не прави точно сега.
00:35
And this is, of course,
8
20000
2000
И това, разбира се,
00:37
not the first time you've probably recognized this.
9
22000
2000
не е първият път, в който вие вероятно сте осъзнали това.
00:39
Of course, in addition to being smart, we're also an extremely vain species.
10
24000
3000
Разбира се, освен бидейки умни, ние сме също крайно суетен вид.
00:42
So we like pointing out the fact that we're smart.
11
27000
3000
И обичаме да отбелязваме факта, че сме умни.
00:45
You know, so I could turn to pretty much any sage
12
30000
2000
Така че бих могла да посоча кой да е мъдър човек
00:47
from Shakespeare to Stephen Colbert
13
32000
2000
от Шекспир до Стивън Колберт
00:49
to point out things like the fact that
14
34000
2000
и да отбележа неща като факта, че
00:51
we're noble in reason and infinite in faculties
15
36000
2000
сме благородни в причината и безкрайни в способностите
00:53
and just kind of awesome-er than anything else on the planet
16
38000
2000
и просто някак си по-страхотни от всичко друго на планетата
00:55
when it comes to all things cerebral.
17
40000
3000
когато стане въпрос за всички интелектуални неща.
00:58
But of course, there's a second observation about the human species
18
43000
2000
Но разбира се, има второ наблюдение за човешкият вид
01:00
that I want to focus on a little bit more,
19
45000
2000
на което искам да се фокусирам малко повече,
01:02
and that's the fact that
20
47000
2000
и това е факта, че
01:04
even though we're actually really smart, sometimes uniquely smart,
21
49000
3000
дори това, че сме всъщност доста умни, понякога уникално умни,
01:07
we can also be incredibly, incredibly dumb
22
52000
3000
можем да бъдем също и уникално, невероятно тъпи
01:10
when it comes to some aspects of our decision making.
23
55000
3000
когато се погледнат някои аспекти на нашите решения.
01:13
Now I'm seeing lots of smirks out there.
24
58000
2000
Виждам много самодоволни усмивки там.
01:15
Don't worry, I'm not going to call anyone in particular out
25
60000
2000
Не се безпокойте, няма да посоча някого от вас
01:17
on any aspects of your own mistakes.
26
62000
2000
за някакъв аспект на вашите грешки.
01:19
But of course, just in the last two years
27
64000
2000
Но разбира се, само в последните 2 години
01:21
we see these unprecedented examples of human ineptitude.
28
66000
3000
виждаме тези безпрецедентни примери на човешко абсурдност.
01:24
And we've watched as the tools we uniquely make
29
69000
3000
И ние сме гледали като уредите, които правим уникално
01:27
to pull the resources out of our environment
30
72000
2000
да извличаме ресурсите от нашата околна среда
01:29
kind of just blow up in our face.
31
74000
2000
нещо като удар по лицето ни.
01:31
We've watched the financial markets that we uniquely create --
32
76000
2000
Гледали сме финансовите пазари, които ние уникално създаваме --
01:33
these markets that were supposed to be foolproof --
33
78000
3000
тези пазари, които трябваше да са доказано умни --
01:36
we've watched them kind of collapse before our eyes.
34
81000
2000
гледали сме ги да колабират пред нашите очи.
01:38
But both of these two embarrassing examples, I think,
35
83000
2000
Но и двата тези срамни примера, мисля,
01:40
don't highlight what I think is most embarrassing
36
85000
3000
не подчертават това, което мисля че е най-срамното
01:43
about the mistakes that humans make,
37
88000
2000
за грешките, които хората правят,
01:45
which is that we'd like to think that the mistakes we make
38
90000
3000
което е това, че ние бихме искали да мислим, че грешките които правим,
01:48
are really just the result of a couple bad apples
39
93000
2000
са наистина просто резултат на две лоши ябълки
01:50
or a couple really sort of FAIL Blog-worthy decisions.
40
95000
3000
или две решения, достойни за блога на провалите.
01:53
But it turns out, what social scientists are actually learning
41
98000
3000
Но се се оказва, че това, което социалните учени всъщност учат
01:56
is that most of us, when put in certain contexts,
42
101000
3000
е, че повечето от нас, поставени в опредлен контекст,
01:59
will actually make very specific mistakes.
43
104000
3000
всъщност ще направят много специфични грешки.
02:02
The errors we make are actually predictable.
44
107000
2000
Грешките, които правим са на практика предвидими.
02:04
We make them again and again.
45
109000
2000
Правим ги отново и отново.
02:06
And they're actually immune to lots of evidence.
46
111000
2000
И те са всъщност неподатливи на купищата данни.
02:08
When we get negative feedback,
47
113000
2000
Когато получаваме негативна обратна информация,
02:10
we still, the next time we're face with a certain context,
48
115000
3000
ние, още следващият път, когато се сблъскаме с определен контекст,
02:13
tend to make the same errors.
49
118000
2000
сме склонни да правим същите грешки.
02:15
And so this has been a real puzzle to me
50
120000
2000
И така, това наистина беше сериозна загадка за мен
02:17
as a sort of scholar of human nature.
51
122000
2000
като вид учен на човешката природа.
02:19
What I'm most curious about is,
52
124000
2000
Това, за което съм най-любопитна е,
02:21
how is a species that's as smart as we are
53
126000
3000
как вид, който е толкова умен колкото нас,
02:24
capable of such bad
54
129000
2000
е способен на такива лоши
02:26
and such consistent errors all the time?
55
131000
2000
и такива постоянни грешки през цялото време?
02:28
You know, we're the smartest thing out there, why can't we figure this out?
56
133000
3000
Нали сме най-умното нещо тук, защо не можем да намерим разрешение на това?
02:31
In some sense, where do our mistakes really come from?
57
136000
3000
В някакъв смисъл, от къде наистина идват нашите грешки?
02:34
And having thought about this a little bit, I see a couple different possibilities.
58
139000
3000
И мислейки за това малко, виждам две различни възможности.
02:37
One possibility is, in some sense, it's not really our fault.
59
142000
3000
Една възможност е в някакъв смисъл, не е наистина наша вината.
02:40
Because we're a smart species,
60
145000
2000
Защото ние сме умен вид,
02:42
we can actually create all kinds of environments
61
147000
2000
можем всъщност да създадем всякакви видове околна среда
02:44
that are super, super complicated,
62
149000
2000
които са супер, супер сложни,
02:46
sometimes too complicated for us to even actually understand,
63
151000
3000
понякога твърде сложни дори да ги разберем,
02:49
even though we've actually created them.
64
154000
2000
въпреки, че ние всъщност сме ги създали.
02:51
We create financial markets that are super complex.
65
156000
2000
Създавааме финансови пазари, които са супер слосни.
02:53
We create mortgage terms that we can't actually deal with.
66
158000
3000
Създаваме ипотечни термини, с които не можем всъщност да се справим.
02:56
And of course, if we are put in environments where we can't deal with it,
67
161000
3000
И разбира се ако сме поставени в среда, в която не можем да се оправим,
02:59
in some sense makes sense that we actually
68
164000
2000
някак си има логика в това, че в действителност
03:01
might mess certain things up.
69
166000
2000
можем да объркаме определени неща.
03:03
If this was the case, we'd have a really easy solution
70
168000
2000
Ако това е случаят, бихме имали наистина лесно решение
03:05
to the problem of human error.
71
170000
2000
на проблема на човешката грешка.
03:07
We'd actually just say, okay, let's figure out
72
172000
2000
Просто бихме казали, ок, нека да разберем
03:09
the kinds of technologies we can't deal with,
73
174000
2000
видовете технологии, с които не можем да се справим,
03:11
the kinds of environments that are bad --
74
176000
2000
видовете околна среда, които са лоши --
03:13
get rid of those, design things better,
75
178000
2000
да се отървем от тях, да проектираме нещата по-добре,
03:15
and we should be the noble species
76
180000
2000
и трябва да станем възвишеният вид,
03:17
that we expect ourselves to be.
77
182000
2000
който очакваме да бъдем.
03:19
But there's another possibility that I find a little bit more worrying,
78
184000
3000
Но има друга възможност, която намирам за малко по-тревожеща,
03:22
which is, maybe it's not our environments that are messed up.
79
187000
3000
която е, че може би не нашите околни среди са объркани.
03:25
Maybe it's actually us that's designed badly.
80
190000
3000
Може би всъщност ние сме замислени лошо.
03:28
This is a hint that I've gotten
81
193000
2000
Това е загатване, което получих
03:30
from watching the ways that social scientists have learned about human errors.
82
195000
3000
като гледах как социалните учени са изучавали човешките грешки.
03:33
And what we see is that people tend to keep making errors
83
198000
3000
И това, което виждаме е, че хората имат тенденция да правят грешки
03:36
exactly the same way, over and over again.
84
201000
3000
точно по същият начин, отново и отново.
03:39
It feels like we might almost just be built
85
204000
2000
Изглежда, че ние сякаш сме създадени
03:41
to make errors in certain ways.
86
206000
2000
да правим грешки по определен начин.
03:43
This is a possibility that I worry a little bit more about,
87
208000
3000
Това е възможност, за която се притеснявам малко повече,
03:46
because, if it's us that's messed up,
88
211000
2000
защото ако сме ние, които сме сбъркани,
03:48
it's not actually clear how we go about dealing with it.
89
213000
2000
не е никак ясно как ще се справим с това.
03:50
We might just have to accept the fact that we're error prone
90
215000
3000
Можем просто да приемем факта, че сме склонни към грешки
03:53
and try to design things around it.
91
218000
2000
и да опитаме да проектираме неща около това
03:55
So this is the question my students and I wanted to get at.
92
220000
3000
Така че, това е въпросът, който моите студенти и аз искахме да разгледаме.
03:58
How can we tell the difference between possibility one and possibility two?
93
223000
3000
Как можем да открием разликата между едната и другата възможност?
04:01
What we need is a population
94
226000
2000
Това, което ни трябва е популация,
04:03
that's basically smart, can make lots of decisions,
95
228000
2000
която е всъщност умна, може да взема много решения,
04:05
but doesn't have access to any of the systems we have,
96
230000
2000
но няма достъп до никоя от системите, които имаме,
04:07
any of the things that might mess us up --
97
232000
2000
никое от нещата, които могат да се объркат --
04:09
no human technology, human culture,
98
234000
2000
никоя човешка технология, човешка култура,
04:11
maybe even not human language.
99
236000
2000
може би дори човешки език.
04:13
And so this is why we turned to these guys here.
100
238000
2000
Ето защо се обърнахме към тези същества тук.
04:15
These are one of the guys I work with. This is a brown capuchin monkey.
101
240000
3000
Тези са едни от съществата с които работя. Това е кафява маймуна капуцин.
04:18
These guys are New World primates,
102
243000
2000
Тези същества са примати от Новия Свят,
04:20
which means they broke off from the human branch
103
245000
2000
което значи, че са се отделили от човешкото разклонение
04:22
about 35 million years ago.
104
247000
2000
преди около 35 милиона години.
04:24
This means that your great, great, great great, great, great --
105
249000
2000
Това означава, че вашата пра-пра-пра-пра-пра-пра --
04:26
with about five million "greats" in there --
106
251000
2000
с около пет милиона "пра" там --
04:28
grandmother was probably the same great, great, great, great
107
253000
2000
прабаба е вероятно същата пра-пра-пра-пра
04:30
grandmother with five million "greats" in there
108
255000
2000
прабаба с пет милиона "пра" там
04:32
as Holly up here.
109
257000
2000
като Холи тук.
04:34
You know, so you can take comfort in the fact that this guy up here is a really really distant,
110
259000
3000
Така че можете да е успокоите с факта, че това същество тук е наистина, наистина далечен,
04:37
but albeit evolutionary, relative.
111
262000
2000
но въпреки това еволюционен, роднина.
04:39
The good news about Holly though is that
112
264000
2000
Добрата новина за Холи е, че
04:41
she doesn't actually have the same kinds of technologies we do.
113
266000
3000
тя няма достъп до същите технологии като нас.
04:44
You know, she's a smart, very cut creature, a primate as well,
114
269000
3000
Знаете, тя е умна, много мило същество, примат също,
04:47
but she lacks all the stuff we think might be messing us up.
115
272000
2000
но й липсва всичко, което мислим, че може би ни обърква.
04:49
So she's the perfect test case.
116
274000
2000
Така че тя е отличният случай за тест.
04:51
What if we put Holly into the same context as humans?
117
276000
3000
Какво ще стане ако сложим Холи в същият контекст като хората?
04:54
Does she make the same mistakes as us?
118
279000
2000
Дали ще прави същите грешки като нас?
04:56
Does she not learn from them? And so on.
119
281000
2000
Дали ще учи от тях? И така нататък.
04:58
And so this is the kind of thing we decided to do.
120
283000
2000
И така това е нещото, което решихме да направим.
05:00
My students and I got very excited about this a few years ago.
121
285000
2000
Моите студенти и аз се развълнувахме за това преди няколко години.
05:02
We said, all right, let's, you know, throw so problems at Holly,
122
287000
2000
Казахме си: добре, нека да позатрудним Холи,
05:04
see if she messes these things up.
123
289000
2000
да видим как тя ще обърка нещата.
05:06
First problem is just, well, where should we start?
124
291000
3000
Първият проблем е: откъде да започнем?
05:09
Because, you know, it's great for us, but bad for humans.
125
294000
2000
Защото, знаете, страхотно е за нас, но лошо за хората.
05:11
We make a lot of mistakes in a lot of different contexts.
126
296000
2000
Правим много грешки в много различни контексти.
05:13
You know, where are we actually going to start with this?
127
298000
2000
Откъде да се захванем с това?
05:15
And because we started this work around the time of the financial collapse,
128
300000
3000
И защото започнахме тази работа около времето на финансовия колапс,
05:18
around the time when foreclosures were hitting the news,
129
303000
2000
около времето, когато пресрочени ипотеки се появяваха в новините,
05:20
we said, hhmm, maybe we should
130
305000
2000
казахме си: хм, може би трябва
05:22
actually start in the financial domain.
131
307000
2000
наистина да започнем от финансовата сфера.
05:24
Maybe we should look at monkey's economic decisions
132
309000
3000
Може би трябва да погледнем икономическите решения на маймуните
05:27
and try to see if they do the same kinds of dumb things that we do.
133
312000
3000
и да опитаме да видим дали те правят същите глупави неща, които правим и ние.
05:30
Of course, that's when we hit a sort second problem --
134
315000
2000
Разбира се, тогава се сблъскахме с втори проблем --
05:32
a little bit more methodological --
135
317000
2000
малко по-методологичен --
05:34
which is that, maybe you guys don't know,
136
319000
2000
който е, че може би вие, хора, не знаете,
05:36
but monkeys don't actually use money. I know, you haven't met them.
137
321000
3000
но маймуните всъщност не използват пари. Зная, не сте ги срещали.
05:39
But this is why, you know, they're not in the queue behind you
138
324000
2000
Но ето защо те не са на опашката зад вас
05:41
at the grocery store or the ATM -- you know, they don't do this stuff.
139
326000
3000
в магазина за плодове и зеленчуци или пред банкомата -- те не правят това.
05:44
So now we faced, you know, a little bit of a problem here.
140
329000
3000
Ето, че се сблъскахме с малък проблем.
05:47
How are we actually going to ask monkeys about money
141
332000
2000
Как всъщност ще питаме маймуните за пари,
05:49
if they don't actually use it?
142
334000
2000
ако те всъщност не ги ползват?
05:51
So we said, well, maybe we should just, actually just suck it up
143
336000
2000
Казахме си: може би трябва просто да ги подмамим
05:53
and teach monkeys how to use money.
144
338000
2000
и да научим маймуните как да ползват пари.
05:55
So that's just what we did.
145
340000
2000
Така че точно това направихме.
05:57
What you're looking at over here is actually the first unit that I know of
146
342000
3000
Това което виждате тук е всъщност първото нещо, което знам за
06:00
of non-human currency.
147
345000
2000
не-човешка валута.
06:02
We weren't very creative at the time we started these studies,
148
347000
2000
Не бяхме много креативни по времето, когато стартирахме тези изследвания,
06:04
so we just called it a token.
149
349000
2000
така че го нарекохме просто жетон.
06:06
But this is the unit of currency that we've taught our monkeys at Yale
150
351000
3000
Но това е валута, която представихме на нашите маймуни в Йейл
06:09
to actually use with humans,
151
354000
2000
да я използват с хората,
06:11
to actually buy different pieces of food.
152
356000
3000
да си купуват различни парчета храна.
06:14
It doesn't look like much -- in fact, it isn't like much.
153
359000
2000
Не изглежда като много пари -- всъщност, никак не са много.
06:16
Like most of our money, it's just a piece of metal.
154
361000
2000
Като повечето нашите пари, е просто парче метал.
06:18
As those of you who've taken currencies home from your trip know,
155
363000
3000
Тези от вас, които са взимали валути у дома от вашето пътешествие знаят,
06:21
once you get home, it's actually pretty useless.
156
366000
2000
веднъж като се приберете у дома, всъщност са доста безполезни.
06:23
It was useless to the monkeys at first
157
368000
2000
Беше безполезно първоначално и за маймуните
06:25
before they realized what they could do with it.
158
370000
2000
преди да осъзнаят какво могат да правят с това.
06:27
When we first gave it to them in their enclosures,
159
372000
2000
Когато за пръв път им го дадохме,
06:29
they actually kind of picked them up, looked at them.
160
374000
2000
те ги събраха, погледнаха ги.
06:31
They were these kind of weird things.
161
376000
2000
Те бяха едни странни неща.
06:33
But very quickly, the monkeys realized
162
378000
2000
Но много бързо маймуните осъзнаха,
06:35
that they could actually hand these tokens over
163
380000
2000
че могат да дават тази жетони на
06:37
to different humans in the lab for some food.
164
382000
3000
различни хора в лабораторията за храна.
06:40
And so you see one of our monkeys, Mayday, up here doing this.
165
385000
2000
И така виждате една от нашите маймуни, Мейдей, да прави това.
06:42
This is A and B are kind of the points where she's sort of a little bit
166
387000
3000
Това е А и Б са вид точки, където тя е някакси малко
06:45
curious about these things -- doesn't know.
167
390000
2000
любопитна за тези неща -- не знае.
06:47
There's this waiting hand from a human experimenter,
168
392000
2000
Ето тази чакаща ръка от човешки екпериментатор,
06:49
and Mayday quickly figures out, apparently the human wants this.
169
394000
3000
и Мейдей бързо разбира, очевидно че човека иска това.
06:52
Hands it over, and then gets some food.
170
397000
2000
Дава го и тогава получава храна.
06:54
It turns out not just Mayday, all of our monkeys get good
171
399000
2000
Излиза, че не само Мейдей, всички наши маймуни стават добри
06:56
at trading tokens with human salesman.
172
401000
2000
в търговията с жетони с човека-продавач.
06:58
So here's just a quick video of what this looks like.
173
403000
2000
Ето бързо видео как изглежда това.
07:00
Here's Mayday. She's going to be trading a token for some food
174
405000
3000
Това е Мейдей. Тя ще изтъргува жетон за храна
07:03
and waiting happily and getting her food.
175
408000
3000
и ще чака щастливо да си получи храната.
07:06
Here's Felix, I think. He's our alpha male; he's a kind of big guy.
176
411000
2000
Това е Феликс, мисля. Той е нашият алфа-мъжкар; голям мъжага.
07:08
But he too waits patiently, gets his food and goes on.
177
413000
3000
Но той също чака търпеливо, получава храната си и продължава.
07:11
So the monkeys get really good at this.
178
416000
2000
Така че маймуните стават наистина добри в това.
07:13
They're surprisingly good at this with very little training.
179
418000
3000
Те са учудващо добри в това с много малко упражняване.
07:16
We just allowed them to pick this up on their own.
180
421000
2000
Ние просто им позволихме да свикнат с това сами.
07:18
The question is: is this anything like human money?
181
423000
2000
Въпросът е: това прилича ли на човешки пари?
07:20
Is this a market at all,
182
425000
2000
Това пазар ли е въобще,
07:22
or did we just do a weird psychologist's trick
183
427000
2000
или ние просто направихме странен психологичен трик
07:24
by getting monkeys to do something,
184
429000
2000
като накарахме маймуните да направят нещо,
07:26
looking smart, but not really being smart.
185
431000
2000
изглеждайки умни, без наистина да са умни.
07:28
And so we said, well, what would the monkeys spontaneously do
186
433000
3000
Казахме си: какво ще направят спонтанно маймуните
07:31
if this was really their currency, if they were really using it like money?
187
436000
3000
ако това беше наистина тяхна валута, ако те наистина я използваха като пари?
07:34
Well, you might actually imagine them
188
439000
2000
Е, можете всъщност да си ги представите
07:36
to do all the kinds of smart things
189
441000
2000
да правят много умни неща,
07:38
that humans do when they start exchanging money with each other.
190
443000
3000
които хората правят, когато започнат да разменят пари един с друг.
07:41
You might have them start paying attention to price,
191
446000
3000
Можете да ги накарате да започнат да обръщат внимание на цената,
07:44
paying attention to how much they buy --
192
449000
2000
да обръщат внимание колко купуват --
07:46
sort of keeping track of their monkey token, as it were.
193
451000
3000
един вид следене на техния маймунски жетон.
07:49
Do the monkeys do anything like this?
194
454000
2000
Маймуните правят ли нещо такова?
07:51
And so our monkey marketplace was born.
195
456000
3000
И така нашият маймунски пазар беше роден.
07:54
The way this works is that
196
459000
2000
Начина, по който работи е, че
07:56
our monkeys normally live in a kind of big zoo social enclosure.
197
461000
3000
нашите маймуни обикновено живеят в голяма зоологическа градина.
07:59
When they get a hankering for some treats,
198
464000
2000
Когато получат сигнал за някакви заплахи,
08:01
we actually allowed them a way out
199
466000
2000
ние им позволихме да се оттеглят
08:03
into a little smaller enclosure where they could enter the market.
200
468000
2000
към по-малко пространство, където можеха да се включат в пазара.
08:05
Upon entering the market --
201
470000
2000
При влизането на пазара --
08:07
it was actually a much more fun market for the monkeys than most human markets
202
472000
2000
беше всъщност много по-весел пазар за маймуните отколкото пазарите на хората
08:09
because, as the monkeys entered the door of the market,
203
474000
3000
защото, когато маймуните минаваха през вратата на пазара,
08:12
a human would give them a big wallet full of tokens
204
477000
2000
човек им даваше голям портфейл пълен с жетони,
08:14
so they could actually trade the tokens
205
479000
2000
така че те можеха да търгуват с жетоните
08:16
with one of these two guys here --
206
481000
2000
с един от тези двамата тук --
08:18
two different possible human salesmen
207
483000
2000
двама различни възможни продавача-човека
08:20
that they could actually buy stuff from.
208
485000
2000
от които можеха реално да си купят неща.
08:22
The salesmen were students from my lab.
209
487000
2000
Продавачите бяха студенти от моята лаборатория.
08:24
They dressed differently; they were different people.
210
489000
2000
Те бяха облечени различно; те бяха различни хора.
08:26
And over time, they did basically the same thing
211
491000
3000
И с времето, те правеха основно едно и също нещо,
08:29
so the monkeys could learn, you know,
212
494000
2000
така че маймуните да можеха да учат,
08:31
who sold what at what price -- you know, who was reliable, who wasn't, and so on.
213
496000
3000
кой какво продава и на каква цена -- кой беше сигурен, кой не беше и т.н.
08:34
And you can see that each of the experimenters
214
499000
2000
И можете да видите, че всеки от експериментаторите
08:36
is actually holding up a little, yellow food dish.
215
501000
3000
всъщност държи малка, жълта чиния с грозде,
08:39
and that's what the monkey can for a single token.
216
504000
2000
и това е, което маймуната може да купи за един жетон.
08:41
So everything costs one token,
217
506000
2000
Всичко струва един жетон,
08:43
but as you can see, sometimes tokens buy more than others,
218
508000
2000
но както можете да видите, понякога жетоните купуват повече,
08:45
sometimes more grapes than others.
219
510000
2000
понякога повече грозде от други.
08:47
So I'll show you a quick video of what this marketplace actually looks like.
220
512000
3000
Така,че ще ви покажа кратко видео как изглежда този пазар.
08:50
Here's a monkey-eye-view. Monkeys are shorter, so it's a little short.
221
515000
3000
Ето изглед от позицията на маймуна. Маймуните са по-ниски, така че е малко ниско.
08:53
But here's Honey.
222
518000
2000
Ето я Хъни.
08:55
She's waiting for the market to open a little impatiently.
223
520000
2000
Тя чака пазара да отвори малко нетърпеливо.
08:57
All of a sudden the market opens. Here's her choice: one grapes or two grapes.
224
522000
3000
Изведнъж пазара отваря. Ето нейният избор: едно зърно грозде или две.
09:00
You can see Honey, very good market economist,
225
525000
2000
Можете да видите Хъни, много добър пазарен икономист,
09:02
goes with the guy who gives more.
226
527000
3000
избира човека, който дава повече.
09:05
She could teach our financial advisers a few things or two.
227
530000
2000
Тя можеше та учи нашите финансови съветници едно или две неща.
09:07
So not just Honey,
228
532000
2000
И не само Хъни.
09:09
most of the monkeys went with guys who had more.
229
534000
3000
повечето от маймуните избраха човека, който имаше повече.
09:12
Most of the monkeys went with guys who had better food.
230
537000
2000
Повечето от маймуните избраха човека, който имаше по-добра храна.
09:14
When we introduced sales, we saw the monkeys paid attention to that.
231
539000
3000
Когато представихме продажбитете, видяхме маймуните да обръщат внимание на това.
09:17
They really cared about their monkey token dollar.
232
542000
3000
Те наистина се интересуваха за техния маймунски жетонов долар.
09:20
The more surprising thing was that when we collaborated with economists
233
545000
3000
По-изненадащото нещо беше, че когато работихме заедно с икономисти
09:23
to actually look at the monkeys' data using economic tools,
234
548000
3000
да разгледаме данните на маймуните, използвайки икономически инструменти,
09:26
they basically matched, not just qualitatively,
235
551000
3000
те основно съвпадаха, не само качествено,
09:29
but quantitatively with what we saw
236
554000
2000
но количествено с това, което сме виждали
09:31
humans doing in a real market.
237
556000
2000
да правят хората на истинския пазар.
09:33
So much so that, if you saw the monkeys' numbers,
238
558000
2000
Ако видите данните на маймуните,
09:35
you couldn't tell whether they came from a monkey or a human in the same market.
239
560000
3000
не бихте могли да кажете дали са дошли от хора или от маймуни на същия пазар.
09:38
And what we'd really thought we'd done
240
563000
2000
И това, което наистина мислехме, че бяхме направили
09:40
is like we'd actually introduced something
241
565000
2000
е, че действително бяхме представили нещо,
09:42
that, at least for the monkeys and us,
242
567000
2000
което, най-малкото за маймуните и нас,
09:44
works like a real financial currency.
243
569000
2000
работи като истинска финансова валута.
09:46
Question is: do the monkeys start messing up in the same ways we do?
244
571000
3000
Въпросът е: маймуните започват ли да объркват като нас?
09:49
Well, we already saw anecdotally a couple of signs that they might.
245
574000
3000
Е, вече видяхме анекдотично два знака, че те могат.
09:52
One thing we never saw in the monkey marketplace
246
577000
2000
Едно нещо, което никога не видяхме на маймунския пазар
09:54
was any evidence of saving --
247
579000
2000
беше някакво доказателство за спестяване --
09:56
you know, just like our own species.
248
581000
2000
знаете, точно като нашият вид.
09:58
The monkeys entered the market, spent their entire budget
249
583000
2000
Маймуните влизаха на пазара, изхарчваха целия си бюджет
10:00
and then went back to everyone else.
250
585000
2000
и тогава се връщаха при другите.
10:02
The other thing we also spontaneously saw,
251
587000
2000
Другото нещо, което също спонтанно видяхме,
10:04
embarrassingly enough,
252
589000
2000
доста притеснително,
10:06
is spontaneous evidence of larceny.
253
591000
2000
е спонтанно доказателство за кражба.
10:08
The monkeys would rip-off the tokens at every available opportunity --
254
593000
3000
Маймуните крадяха жетоните при всяка възможност --
10:11
from each other, often from us --
255
596000
2000
една от друга, често от нас --
10:13
you know, things we didn't necessarily think we were introducing,
256
598000
2000
знаете, неща които не мислехме, че сме представили,
10:15
but things we spontaneously saw.
257
600000
2000
но неща, които спонтанно видяхме.
10:17
So we said, this looks bad.
258
602000
2000
Казахме си: това изглежда лошо.
10:19
Can we actually see if the monkeys
259
604000
2000
Можем ли всъщност да видим дали маймуните
10:21
are doing exactly the same dumb things as humans do?
260
606000
3000
правят точно същите глупави неща като хората?
10:24
One possibility is just kind of let
261
609000
2000
Една възможност е просто да оставим
10:26
the monkey financial system play out,
262
611000
2000
маймунската финансова система да си продължи,
10:28
you know, see if they start calling us for bailouts in a few years.
263
613000
2000
за да видим дали ще ни се обадят да ги спасим след няколко години.
10:30
We were a little impatient so we wanted
264
615000
2000
Ние бяхме малко нетърпеливи, така че искахме
10:32
to sort of speed things up a bit.
265
617000
2000
един вид да ускорим малко нещата.
10:34
So we said, let's actually give the monkeys
266
619000
2000
Казахме си: нека реално да дадем на маймуните
10:36
the same kinds of problems
267
621000
2000
същите проблеми, при които
10:38
that humans tend to get wrong
268
623000
2000
хората грешат обикновено
10:40
in certain kinds of economic challenges,
269
625000
2000
в определени икономически предизвикателства
10:42
or certain kinds of economic experiments.
270
627000
2000
или определени икономически експерименти.
10:44
And so, since the best way to see how people go wrong
271
629000
3000
И така, тъй като най-добрият начин да видим как хората грешат
10:47
is to actually do it yourself,
272
632000
2000
е да го направим самите ние.
10:49
I'm going to give you guys a quick experiment
273
634000
2000
Ще ви дам, хора, един бърз експеримент
10:51
to sort of watch your own financial intuitions in action.
274
636000
2000
един вид да видите вашата собствена финансова интуиция в действие.
10:53
So imagine that right now
275
638000
2000
Представете си, че точно сега
10:55
I handed each and every one of you
276
640000
2000
ви дам на всеки от вас
10:57
a thousand U.S. dollars -- so 10 crisp hundred dollar bills.
277
642000
3000
хиляда американски долара -- 10 стотачки.
11:00
Take these, put it in your wallet
278
645000
2000
Вземете ги, сложете ги в порфейла си
11:02
and spend a second thinking about what you're going to do with it.
279
647000
2000
и отделете секунда да помислите за това какво ще направите с тях.
11:04
Because it's yours now; you can buy whatever you want.
280
649000
2000
Защото са ваши сега -- можете да си купите каквото си искате.
11:06
Donate it, take it, and so on.
281
651000
2000
Да ги дарите, да ги вземете, и т.н.
11:08
Sounds great, but you get one more choice to earn a little bit more money.
282
653000
3000
Звучи прекрасно, но получавате още един шанс да спечелите малко повече пари.
11:11
And here's your choice: you can either be risky,
283
656000
3000
И ето вашия избор: можете да рискувате,
11:14
in which case I'm going to flip one of these monkey tokens.
284
659000
2000
в който случай ще обърна един от тези маймунски жетони.
11:16
If it comes up heads, you're going to get a thousand dollars more.
285
661000
2000
ако се падне ези, ще вземете още хиляда долара.
11:18
If it comes up tails, you get nothing.
286
663000
2000
ак осе падне тура, взимате нищо.
11:20
So it's a chance to get more, but it's pretty risky.
287
665000
3000
Така че е късмет да спечелите повече, но е доста рисковано.
11:23
Your other option is a bit safe. Your just going to get some money for sure.
288
668000
3000
Другият ви избор е по-сигурен. Вие ще спечелите пари със сигурност.
11:26
I'm just going to give you 500 bucks.
289
671000
2000
Просто ще ви дам $500.
11:28
You can stick it in your wallet and use it immediately.
290
673000
3000
Можете да ги приберете в портфейла си и да ги ползвате незабавно.
11:31
So see what your intuition is here.
291
676000
2000
Вижте каква е вашата интуиция тук.
11:33
Most people actually go with the play-it-safe option.
292
678000
3000
Повечето хора всъщност избират сигурната опция.
11:36
Most people say, why should I be risky when I can get 1,500 dollars for sure?
293
681000
3000
Повечето хора казват: защо да рискувам, като мога да взема със сигурност $1500?
11:39
This seems like a good bet. I'm going to go with that.
294
684000
2000
Това изглежда добър залог. Ще избера него.
11:41
You might say, eh, that's not really irrational.
295
686000
2000
Можете да кажете: е, това не е ирационално.
11:43
People are a little risk-averse. So what?
296
688000
2000
Хората са малко предразположени към риск. И какво?
11:45
Well, the "so what?" comes when start thinking
297
690000
2000
Е, "и какво"? идва, когато започне мисленето
11:47
about the same problem
298
692000
2000
за същият проблем,
11:49
set up just a little bit differently.
299
694000
2000
погледнат малко по-различно.
11:51
So now imagine that I give each and every one of you
300
696000
2000
И така, сега си представете, че давам на всеки от вас
11:53
2,000 dollars -- 20 crisp hundred dollar bills.
301
698000
3000
$2000 -- 20 стотачки.
11:56
Now you can buy double to stuff you were going to get before.
302
701000
2000
Сега можете да купите двойно повече неща от преди.
11:58
Think about how you'd feel sticking it in your wallet.
303
703000
2000
Помислете как бихте си ги сложили в портфейла.
12:00
And now imagine that I have you make another choice
304
705000
2000
И сега предствате си, че имате друг избор
12:02
But this time, it's a little bit worse.
305
707000
2000
Но този път е малко по- лош.
12:04
Now, you're going to be deciding how you're going to lose money,
306
709000
3000
Сега вие ще решите как ще изгубите пари,
12:07
but you're going to get the same choice.
307
712000
2000
но ще получите същият избор.
12:09
You can either take a risky loss --
308
714000
2000
Можете или да вземете рискована загуба --
12:11
so I'll flip a coin. If it comes up heads, you're going to actually lose a lot.
309
716000
3000
така че ще теглим жребий. Ако се падне ези, ще загубите много.
12:14
If it comes up tails, you lose nothing, you're fine, get to keep the whole thing --
310
719000
3000
ако се падне тура, не губите нищо, добре сте, запазвате всичко --
12:17
or you could play it safe, which means you have to reach back into your wallet
311
722000
3000
или можете да играете на сигурно, което означава, че трябва да бръкнете обратно в портфейла си
12:20
and give me five of those $100 bills, for certain.
312
725000
3000
и да ми дадете пет от тези банкноти по $100, със сигурност.
12:23
And I'm seeing a lot of furrowed brows out there.
313
728000
3000
Виждам много намръщени вежди там.
12:26
So maybe you're having the same intuitions
314
731000
2000
Така че може би имате същата интуиция
12:28
as the subjects that were actually tested in this,
315
733000
2000
като субектите, които бяха тествани в това,
12:30
which is when presented with these options,
316
735000
2000
които, когато им са представени тези опции,
12:32
people don't choose to play it safe.
317
737000
2000
хората не избират да играят на сигурно.
12:34
They actually tend to go a little risky.
318
739000
2000
Те всъщност рискуват малко.
12:36
The reason this is irrational is that we've given people in both situations
319
741000
3000
Това е ирационално, защото ние сме дали на хората и в двете ситуации
12:39
the same choice.
320
744000
2000
същият избор.
12:41
It's a 50/50 shot of a thousand or 2,000,
321
746000
3000
Това е 50 на 50 избор на хиляда или 2000,
12:44
or just 1,500 dollars with certainty.
322
749000
2000
или просто $1500 със сигурност.
12:46
But people's intuitions about how much risk to take
323
751000
3000
Но интуицията на хората за това колко риск да поемат,
12:49
varies depending on where they started with.
324
754000
2000
варира зависейки от къде са започнали.
12:51
So what's going on?
325
756000
2000
Така че какво става?
12:53
Well, it turns out that this seems to be the result
326
758000
2000
Излиза, че това изглежда да е резултата
12:55
of at least two biases that we have at the psychological level.
327
760000
3000
за най-малко два предрасъдъка, които имаме на психологическо ниво.
12:58
One is that we have a really hard time thinking in absolute terms.
328
763000
3000
Единият е, че наистина срещаме трудност да мислим в абсолютен смисъл.
13:01
You really have to do work to figure out,
329
766000
2000
Вие наистина трябва да поработите за да разберете,
13:03
well, one option's a thousand, 2,000;
330
768000
2000
че, единият избор е хиляда, 2000;
13:05
one is 1,500.
331
770000
2000
а другият е 1500.
13:07
Instead, we find it very easy to think in very relative terms
332
772000
3000
Вместо това, много лесно мислим в относителни термини
13:10
as options change from one time to another.
333
775000
3000
когато изборите се променят от един към друг.
13:13
So we think of things as, "Oh, I'm going to get more," or "Oh, I'm going to get less."
334
778000
3000
Мислим за нещата като: "О, Ще взема повече," или "О, ще взема по-малко."
13:16
This is all well and good, except that
335
781000
2000
Това всичко е добре, с изключение че
13:18
changes in different directions
336
783000
2000
промените в различни посоки
13:20
actually effect whether or not we think
337
785000
2000
имат ефект върху това дали възприемаме
13:22
options are good or not.
338
787000
2000
възможностите за добри или лоши.
13:24
And this leads to the second bias,
339
789000
2000
И това ни води до вторият предрасъдък,
13:26
which economists have called loss aversion.
340
791000
2000
който икономистите са нарекли нежелание за загуба.
13:28
The idea is that we really hate it when things go into the red.
341
793000
3000
Идеята е, че ние наистина мразим да губим.
13:31
We really hate it when we have to lose out on some money.
342
796000
2000
Ние наистина мразим, когато трябва да загубим пари.
13:33
And this means that sometimes we'll actually
343
798000
2000
И това означава, че понякога ние ще
13:35
switch our preferences to avoid this.
344
800000
2000
променим нашите предпочитания, за да избегнем това.
13:37
What you saw in that last scenario is that
345
802000
2000
Това, което видяхте в този последен сценарий е, че
13:39
subjects get risky
346
804000
2000
субектите поемат рискове,
13:41
because they want the small shot that there won't be any loss.
347
806000
3000
защото те искат малкият избор, с който няма да има загуба.
13:44
That means when we're in a risk mindset --
348
809000
2000
Това означава, когато сме склонни да мислим рисково --
13:46
excuse me, when we're in a loss mindset,
349
811000
2000
извинете ме, когато сме склонни да мислим за загуби,
13:48
we actually become more risky,
350
813000
2000
всъщност ставаме по-рисковани в действията си,
13:50
which can actually be really worrying.
351
815000
2000
което може да бъде наистина тревожно.
13:52
These kinds of things play out in lots of bad ways in humans.
352
817000
3000
Тези неща се проявяват в много случаи при хората.
13:55
They're why stock investors hold onto losing stocks longer --
353
820000
3000
Те са причината инвеститорите да се въздържат от губене на акции по-дълго --
13:58
because they're evaluating them in relative terms.
354
823000
2000
защото те ги преценяват относително.
14:00
They're why people in the housing market refused to sell their house --
355
825000
2000
Ето защо хората на пазара на къщи отказват да продадат къщата си --
14:02
because they don't want to sell at a loss.
356
827000
2000
защото те не искат да продават на загуба.
14:04
The question we were interested in
357
829000
2000
Въпросът, който ни интересуваше,
14:06
is whether the monkeys show the same biases.
358
831000
2000
е дали маймуните показват същият предрасъдък.
14:08
If we set up those same scenarios in our little monkey market,
359
833000
3000
Ако приложим същите сценарии в нашият малък маймунски пазар,
14:11
would they do the same thing as people?
360
836000
2000
те биха ли направили същото като хора?
14:13
And so this is what we did, we gave the monkeys choices
361
838000
2000
И така, ето какво направихме: дадохме на маймуните избори
14:15
between guys who were safe -- they did the same thing every time --
362
840000
3000
между хора, които бяха сигурни -- те правеха същото нещо всеки път --
14:18
or guys who were risky --
363
843000
2000
или хора, които действаха рисковано --
14:20
they did things differently half the time.
364
845000
2000
те правеха различни неща половината пъти.
14:22
And then we gave them options that were bonuses --
365
847000
2000
И тогава им дадохме избори, които бяха бонуси --
14:24
like you guys did in the first scenario --
366
849000
2000
както вие хора направихте в първият сценарий --
14:26
so they actually have a chance more,
367
851000
2000
така че те имаха шанс повече,
14:28
or pieces where they were experiencing losses --
368
853000
3000
или парчета, където те преживяваха загуби --
14:31
they actually thought they were going to get more than they really got.
369
856000
2000
те всъщност мислеха, че ще получат повече отколкото получиха.
14:33
And so this is what this looks like.
370
858000
2000
Ето как изглежда това.
14:35
We introduced the monkeys to two new monkey salesmen.
371
860000
2000
Представихме маймуните на двама нови продавача.
14:37
The guy on the left and right both start with one piece of grape,
372
862000
2000
Този вляво и вдясно започнаха с едно зърно грозде,
14:39
so it looks pretty good.
373
864000
2000
така че изглежда доста добре.
14:41
But they're going to give the monkeys bonuses.
374
866000
2000
Но те ще дадат на маймуните бонуси.
14:43
The guy on the left is a safe bonus.
375
868000
2000
Този в ляво е сигурен бонус.
14:45
All the time, he adds one, to give the monkeys two.
376
870000
3000
През цялото време той добавя едно, за да даде на маймуните две.
14:48
The guy on the right is actually a risky bonus.
377
873000
2000
Този в дясно е всъщност рисков бонус.
14:50
Sometimes the monkeys get no bonus -- so this is a bonus of zero.
378
875000
3000
Понякога маймуните не получават бонус -- така че това е нулев бонус.
14:53
Sometimes the monkeys get two extra.
379
878000
3000
Понякога маймуните получават две зърна екстра.
14:56
For a big bonus, now they get three.
380
881000
2000
За голям бонус, сега получават три.
14:58
But this is the same choice you guys just faced.
381
883000
2000
Но това е същият избор, с който се сблъскахте и вие.
15:00
Do the monkeys actually want to play it safe
382
885000
3000
Маймуните всъщност искат ли да постъпят сигурно
15:03
and then go with the guy who's going to do the same thing on every trial,
383
888000
2000
и тогава да отидат с този, който ще направи същото нещо всеки път,
15:05
or do they want to be risky
384
890000
2000
или искат да рискуват
15:07
and try to get a risky, but big, bonus,
385
892000
2000
и да опитат да вземат рискован, но голям бонус,
15:09
but risk the possibility of getting no bonus.
386
894000
2000
но да рискуват възможността да не вземат никакъв бонус?
15:11
People here played it safe.
387
896000
2000
Хората тук играха на сигурно.
15:13
Turns out, the monkeys play it safe too.
388
898000
2000
Излиза, че маймуните също избират сигурността.
15:15
Qualitatively and quantitatively,
389
900000
2000
Качаствено и количествено,
15:17
they choose exactly the same way as people,
390
902000
2000
те избират точно същото като хората,
15:19
when tested in the same thing.
391
904000
2000
когато са тествани за същото.
15:21
You might say, well, maybe the monkeys just don't like risk.
392
906000
2000
Можете да кажете, че маймуните просто не обичат риска.
15:23
Maybe we should see how they do with losses.
393
908000
2000
Може би трябва да видим как реагират на загуби.
15:25
And so we ran a second version of this.
394
910000
2000
И така изпълнихме втора версия на това.
15:27
Now, the monkeys meet two guys
395
912000
2000
Сега маймуните се срещат с двама
15:29
who aren't giving them bonuses;
396
914000
2000
които не им дават бонуси;
15:31
they're actually giving them less than they expect.
397
916000
2000
те всъщност им дават по-малко, отколкото очакват.
15:33
So they look like they're starting out with a big amount.
398
918000
2000
Изглеждат сякаш започват с голяма сума.
15:35
These are three grapes; the monkey's really psyched for this.
399
920000
2000
Тези са три зърна грозде; маймуните наистина усетиха това.
15:37
But now they learn these guys are going to give them less than they expect.
400
922000
3000
Но сега те научават, че тези хора ще им дадат по-малко отколкото очакват.
15:40
They guy on the left is a safe loss.
401
925000
2000
Този вляво е сигурна загуба.
15:42
Every single time, he's going to take one of these away
402
927000
3000
Всеки път, той ще вземе едно зърно от тях
15:45
and give the monkeys just two.
403
930000
2000
и ще даде на маймуните само две.
15:47
the guy on the right is the risky loss.
404
932000
2000
Този вдясно е рискована загуба.
15:49
Sometimes he gives no loss, so the monkeys are really psyched,
405
934000
3000
Понякога той не дава загуба, така че маймуните усещат,
15:52
but sometimes he actually gives a big loss,
406
937000
2000
но понякога дава голяма загуба,
15:54
taking away two to give the monkeys only one.
407
939000
2000
отнемайки две, за да даде на маймуните само едно.
15:56
And so what do the monkeys do?
408
941000
2000
И така, какво правят маймуните?
15:58
Again, same choice; they can play it safe
409
943000
2000
Отново, същият избор; могат да изберат сигурното
16:00
for always getting two grapes every single time,
410
945000
3000
и винаги да получават две зърна всеки път,
16:03
or they can take a risky bet and choose between one and three.
411
948000
3000
или могат да вземат рискован залог и да изберат между едно и три.
16:06
The remarkable thing to us is that, when you give monkeys this choice,
412
951000
3000
Забележителното нещо за нас е, че когато дадеш на маймуните този избор,
16:09
they do the same irrational thing that people do.
413
954000
2000
те правят същото нелогично нещо, което правят и хората.
16:11
They actually become more risky
414
956000
2000
Те стават по-склонни към риск
16:13
depending on how the experimenters started.
415
958000
3000
зависейки от това как са започнали експериментите.
16:16
This is crazy because it suggests that the monkeys too
416
961000
2000
Това е лудост, защото предполага, че маймуните също
16:18
are evaluating things in relative terms
417
963000
2000
оценяват нещата относително
16:20
and actually treating losses differently than they treat gains.
418
965000
3000
и третират загубите различно от придобивките.
16:23
So what does all of this mean?
419
968000
2000
И така, какво означава всичко това?
16:25
Well, what we've shown is that, first of all,
420
970000
2000
Ами, това което показахме е, че първо,
16:27
we can actually give the monkeys a financial currency,
421
972000
2000
можем на практика да дадем на маймуните финансова валута,
16:29
and they do very similar things with it.
422
974000
2000
и те правят много подобни неща с нея.
16:31
They do some of the smart things we do,
423
976000
2000
Те правят някои от умните неща, които правим и ние,
16:33
some of the kind of not so nice things we do,
424
978000
2000
някои от не толкова приятните неща, които правим ние,
16:35
like steal it and so on.
425
980000
2000
като краденето и т.н.
16:37
But they also do some of the irrational things we do.
426
982000
2000
Но те също правят някои от нелогичните неща, които правим и ние.
16:39
They systematically get things wrong
427
984000
2000
Те систематично грешат нещата
16:41
and in the same ways that we do.
428
986000
2000
и то по същия начин като нас.
16:43
This is the first take-home message of the Talk,
429
988000
2000
Това е първият извод от лекцията,
16:45
which is that if you saw the beginning of this and you thought,
430
990000
2000
че ако сте видели началото на това и сте мислели,
16:47
oh, I'm totally going to go home and hire a capuchin monkey financial adviser.
431
992000
2000
о, аз определено отивам у дома и наемам маймуна капуцин за финансов съветник.
16:49
They're way cuter than the one at ... you know --
432
994000
2000
Те са далеч по-сладки от тези в... знаете --
16:51
Don't do that; they're probably going to be just as dumb
433
996000
2000
Не правете това, те вероятно ще са толкова глупави,
16:53
as the human one you already have.
434
998000
3000
колкото и човека, който вече имате.
16:56
So, you know, a little bad -- Sorry, sorry, sorry.
435
1001000
2000
Това е малко лошо -- Съжалявам, съжалявам, съжалявам.
16:58
A little bad for monkey investors.
436
1003000
2000
Малко лошо за инвеститорите-маймуни.
17:00
But of course, you know, the reason you're laughing is bad for humans too.
437
1005000
3000
Но разбира се, знаете, причината за това, че се смеете е лошо за хората също.
17:03
Because we've answered the question we started out with.
438
1008000
3000
Защото сме отговорили на въпроса с който започнахме.
17:06
We wanted to know where these kinds of errors came from.
439
1011000
2000
Искахме да знаем откъде идват тези грешки.
17:08
And we started with the hope that maybe we can
440
1013000
2000
И започнахме с надеждата, че може би можем
17:10
sort of tweak our financial institutions,
441
1015000
2000
някак да подобрим нашите финансови институции,
17:12
tweak our technologies to make ourselves better.
442
1017000
3000
да подобрим нашите технологии, да направим себе си по-добри.
17:15
But what we've learn is that these biases might be a deeper part of us than that.
443
1020000
3000
Но това, което научихме е, че тези предразсъдъци може да са по-дълбока част от нас.
17:18
In fact, they might be due to the very nature
444
1023000
2000
Всъщност, те може да са присъщи точно на природата
17:20
of our evolutionary history.
445
1025000
2000
на нашата еволюционна история.
17:22
You know, maybe it's not just humans
446
1027000
2000
Знаете, може би не са само хората
17:24
at the right side of this chain that's duncey.
447
1029000
2000
в дясната страна на тази верига, които са глупаци.
17:26
Maybe it's sort of duncey all the way back.
448
1031000
2000
Може би е вид глупост по целия път назад.
17:28
And this, if we believe the capuchin monkey results,
449
1033000
3000
И това, ако вярваме на резултатите от маймуната-капуцин,
17:31
means that these duncey strategies
450
1036000
2000
означава, че тези глупави стратегии
17:33
might be 35 million years old.
451
1038000
2000
може да са стари 35 милиона години.
17:35
That's a long time for a strategy
452
1040000
2000
Това е дълго време за стратегия.
17:37
to potentially get changed around -- really, really old.
453
1042000
3000
потенциално да бъде заменена -- наистина, наистина стара.
17:40
What do we know about other old strategies like this?
454
1045000
2000
Какво знаем за други стари стратегии като тази?
17:42
Well, one thing we know is that they tend to be really hard to overcome.
455
1047000
3000
Едно нещо което знаем е, че те са наистина трудни за преодоляване.
17:45
You know, think of our evolutionary predilection
456
1050000
2000
Помислете за нашето еволюционно предразположение
17:47
for eating sweet things, fatty things like cheesecake.
457
1052000
3000
да ядем сладки неща, неща от които напълняваме, като чийзкейка.
17:50
You can't just shut that off.
458
1055000
2000
Не можете просто да го изключите.
17:52
You can't just look at the dessert cart as say, "No, no, no. That looks disgusting to me."
459
1057000
3000
Не можете просто да погледнете количката с десерти и да кажете, " Не, не, не. Това е отвратително за мен."
17:55
We're just built differently.
460
1060000
2000
Ние просто сме направени различно.
17:57
We're going to perceive it as a good thing to go after.
461
1062000
2000
Ние ще го възприемаме като нещо добро за нас.
17:59
My guess is that the same thing is going to be true
462
1064000
2000
Моето предположение е, че същото нещо ще е вярно
18:01
when humans are perceiving
463
1066000
2000
когато хората възприемат
18:03
different financial decisions.
464
1068000
2000
различни финансови решения.
18:05
When you're watching your stocks plummet into the red,
465
1070000
2000
Когато гледате вашите акции да губят стойност,
18:07
when you're watching your house price go down,
466
1072000
2000
когато гледате цената на къщата ви да спада,
18:09
you're not going to be able to see that
467
1074000
2000
няма да можете да видите това
18:11
in anything but old evolutionary terms.
468
1076000
2000
в нищо друго освен в стар еволюционен смисъл.
18:13
This means that the biases
469
1078000
2000
Това означава, че предразсъдъците,
18:15
that lead investors to do badly,
470
1080000
2000
които доведоха инвеститорите да направят лошо,
18:17
that lead to the foreclosure crisis
471
1082000
2000
което доведе до кризата с пресрочените ипотеки
18:19
are going to be really hard to overcome.
472
1084000
2000
ще бъдат наистина трудни за преодоляване.
18:21
So that's the bad news. The question is: is there any good news?
473
1086000
2000
Това е лошата новина. Въпросът е: има ли някаква добра новина?
18:23
I'm supposed to be up here telling you the good news.
474
1088000
2000
Предполага се, че съм тук за да ви кажа добрата новина.
18:25
Well, the good news, I think,
475
1090000
2000
Е, добрата новина, мисля,
18:27
is what I started with at the beginning of the Talk,
476
1092000
2000
е това, с което започнах в началото на лекцията,
18:29
which is that humans are not only smart;
477
1094000
2000
което е, че хората са не само умни;
18:31
we're really inspirationally smart
478
1096000
2000
ние сме наистина вдъхновяващо умни
18:33
to the rest of the animals in the biological kingdom.
479
1098000
3000
сравнени с останалите животни в биологическото царство.
18:36
We're so good at overcoming our biological limitations --
480
1101000
3000
Ние сме толкова добри в преодоляването на нашите биологически ограничения --
18:39
you know, I flew over here in an airplane.
481
1104000
2000
знаете, прелетях тук със самолет.
18:41
I didn't have to try to flap my wings.
482
1106000
2000
Не трябваше да опитам да махам с криле.
18:43
I'm wearing contact lenses now so that I can see all of you.
483
1108000
3000
Нося контактни лещи, за да мога да ви видя всички.
18:46
I don't have to rely on my own near-sightedness.
484
1111000
3000
Не трябва да разчитам на моето късогледство.
18:49
We actually have all of these cases
485
1114000
2000
Ние всъщност имаме всички тези случаи
18:51
where we overcome our biological limitations
486
1116000
3000
в които преодоляваме нашите биологически ограничения
18:54
through technology and other means, seemingly pretty easily.
487
1119000
3000
чрез технологиите и други начини, изглеждайки доста лесно.
18:57
But we have to recognize that we have those limitations.
488
1122000
3000
Но трябва да признаем, че имаме тези ограничения.
19:00
And here's the rub.
489
1125000
2000
И ето изненадата.
19:02
It was Camus who once said that, "Man is the only species
490
1127000
2000
Камю, веднъж каза, че "Човекът е единственият вид,
19:04
who refuses to be what he really is."
491
1129000
3000
който отказва да бъде това, което наистина е."
19:07
But the irony is that
492
1132000
2000
Но иронията е, че това
19:09
it might only be in recognizing our limitations
493
1134000
2000
може да стане само като признаем своите ограничения.
19:11
that we can really actually overcome them.
494
1136000
2000
Тогава можем наистина да ги предолеем.
19:13
The hope is that you all will think about your limitations,
495
1138000
3000
Надеждата е, че всички ще си помислите за вашите ограничения,
19:16
not necessarily as unovercomable,
496
1141000
3000
не непременно като непреодолими,
19:19
but to recognize them, accept them
497
1144000
2000
но да ги признаем, да ги приемем
19:21
and then use the world of design to actually figure them out.
498
1146000
3000
и тогава да използваме света на дизайна, за да ги разберем.
19:24
That might be the only way that we will really be able
499
1149000
3000
Това може да е единствения начин, по който ще можем
19:27
to achieve our own human potential
500
1152000
2000
да постигнем нашият собствен човешки потенциал
19:29
and really be the noble species we hope to all be.
501
1154000
3000
и наистина да бъдем благородният вид, който се надяваме да бъдем.,
19:32
Thank you.
502
1157000
2000
Благодря ви.
19:34
(Applause)
503
1159000
5000
(Аплодисменти)
ABOUT THE SPEAKER
Laurie Santos - Cognitive psychologistLaurie Santos studies primate psychology and monkeynomics -- testing problems in human psychology on primates, who (not so surprisingly) have many of the same predictable irrationalities we do.
Why you should listen
Laurie Santos runs the Comparative Cognition Laboratory (CapLab) at Yale, where she and collaborators across departments (from psychology to primatology to neurobiology) explore the evolutionary origins of the human mind by studying lemurs, capuchin monkeys and other primates. The twist: Santos looks not only for positive humanlike traits, like tool-using and altruism, but irrational ones, like biased decisionmaking.
In elegant, carefully constructed experiments, Santos and CapLab have studied how primates understand and categorize objects in the physical world -- for instance, that monkeys understand an object is still whole even when part of it is obscured. Going deeper, their experiments also search for clues that primates possess a theory of mind -- an ability to think about what other people think.
Most recently, the lab has been looking at behaviors that were once the province mainly of novelists: jealousy, frustration, judgment of others' intentions, poor economic choices. In one experiment, Santos and her team taught monkeys to use a form of money, tradeable for food. When certain foods became cheaper, monkeys would, like humans, overbuy. As we humans search for clues to our own irrational behaviors, Santos' research suggests that the source of our genius for bad decisions might be our monkey brains.
Laurie Santos | Speaker | TED.com