ABOUT THE SPEAKER
Dan Gilbert - Psychologist; happiness expert
Harvard psychologist Dan Gilbert says our beliefs about what will make us happy are often wrong -- a premise he supports with intriguing research, and explains in his accessible and unexpectedly funny book, Stumbling on Happiness.

Why you should listen

Dan Gilbert believes that, in our ardent, lifelong pursuit of happiness, most of us have the wrong map. In the same way that optical illusions fool our eyes -- and fool everyone's eyes in the same way -- Gilbert argues that our brains systematically misjudge what will make us happy. And these quirks in our cognition make humans very poor predictors of our own bliss.

The premise of his current research -- that our assumptions about what will make us happy are often wrong -- is supported with clinical research drawn from psychology and neuroscience. But his delivery is what sets him apart. His engaging -- and often hilarious -- style pokes fun at typical human behavior and invokes pop-culture references everyone can relate to. This winning style translates also to Gilbert's writing, which is lucid, approachable and laugh-out-loud funny. The immensely readable Stumbling on Happiness, published in 2006, became a New York Times bestseller and has been translated into 20 languages.

In fact, the title of his book could be drawn from his own life. At 19, he was a high school dropout with dreams of writing science fiction. When a creative writing class at his community college was full, he enrolled in the only available course: psychology. He found his passion there, earned a doctorate in social psychology in 1985 at Princeton, and has since won a Guggenheim Fellowship and the Phi Beta Kappa teaching prize for his work at Harvard. He has written essays and articles for The New York Times, Time and even Starbucks, while continuing his research into happiness at his Hedonic Psychology Laboratory.

More profile about the speaker
Dan Gilbert | Speaker | TED.com
TEDGlobal 2005

Dan Gilbert: Why we make bad decisions

Ο Dan Gilbert για τις εσφαλμένες μας προσδοκίες

Filmed:
5,287,085 views

Ο Νταν Γκίλμπερτ παρουσιάζει την έρευνα και τα στοιχεία από την εξερεύνησή που έκανε στην ευτυχία -- μοιραζόμενος μερικά εκπληκτικά τεστ και πειράματα τα οποία μπορείτε να δοκιμάσετε στους εαυτούς σας. Παρακολουθήστε την ομιλία μέχρι το τέλος για μια σπινθηροβόλα στιχομυθία μεταξύ μερικών γνώριμων προσώπων του TED.
- Psychologist; happiness expert
Harvard psychologist Dan Gilbert says our beliefs about what will make us happy are often wrong -- a premise he supports with intriguing research, and explains in his accessible and unexpectedly funny book, Stumbling on Happiness. Full bio

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

00:18
We all make decisionsαποφάσεων everyκάθε day; we want to know
0
0
2000
Παίρνουμε αποφάσεις κάθε μέρα. Θέλουμε να ξέρουμε
00:20
what the right thing is to do -- in domainsτομείς from the financialχρηματοοικονομική
1
2000
3000
τι είναι σωστότερο να κάνουμε -- σε θέματα από οικονομικά
00:23
to the gastronomicΓαστρονομική to the professionalεπαγγελματίας to the romanticρομαντικός.
2
5000
4000
έως γαστρονομικά και επαγγελματικα έως ρομαντικά.
00:27
And surelyασφαλώς, if somebodyκάποιος could really tell us how to do
3
9000
3000
Και σίγουρα, αν κάποιος πραγματικά μπορούσε να μας πει πως θα κάνουμε
00:30
exactlyακριβώς the right thing at all possibleδυνατόν timesφορές,
4
12000
3000
το σωστό σε όλες τις περιπτώσεις,
00:33
that would be a tremendousκαταπληκτικός giftδώρο.
5
15000
3000
αυτό θα ήταν ένα καταπληκτικό δώρο.
00:36
It turnsστροφές out that, in factγεγονός, the worldκόσμος was givenδεδομένος this giftδώρο in 1738
6
18000
5000
Στην πραγματικότητα αυτό το δώρο δόθηκε στον κόσμο το έτος 1738
00:41
by a DutchΟλλανδικά polymathπολυμαθής namedόνομα DanielΔανιήλ BernoulliΟ Μπερνούλι.
7
23000
3000
από τον Ολλανδό πολυμαθή Ντανιέλ Μπερνούλλι.
00:44
And what I want to talk to you about todayσήμερα is what that giftδώρο is,
8
26000
3000
Αυτό για το οποίο θέλω να σας μιλήσω σήμερα είναι το τι είναι αυτό το δώρο,
00:47
and I alsoεπίσης want to explainεξηγώ to you why it is
9
29000
3000
και θέλω επίσης να σας εξηγήσω γιατί
00:50
that it hasn'tδεν έχει madeέκανε a damnδεκάρα bitκομμάτι of differenceδιαφορά.
10
32000
3000
αυτό δεν έκανε καμία απολύτως διαφορά.
00:53
Now, this is Bernoulli'sΤου Μπερνούλι giftδώρο. This is a directαπευθείας quoteπαραθέτω, αναφορά.
11
35000
5000
Αυτό είναι το δώρο του Μπερνούλλι, επ'ακριβώς.
00:58
And if it looksφαίνεται like GreekΕλληνικά to you, it's because, well, it's GreekΕλληνικά.
12
40000
3000
Αν σας φαίνεται... ελληνικό, είναι επειδή είναι όντως... στα ελληνικά!
01:02
But the simpleαπλός EnglishΑγγλικά translationμετάφραση -- much lessπιο λιγο preciseακριβής,
13
44000
4000
Αλλά η απλή μετάφρασή του στα Αγγλικά -- πολύ λιγότερο ακριβής,
01:06
but it capturesσυλλαμβάνει the gistGIST of what BernoulliΟ Μπερνούλι had to say -- was this:
14
48000
4000
αλλά που περιέχει την ουσία αυτού που ήθελε να πει ο Benroulli -- ήταν αυτό:
01:10
The expectedαναμενόμενος valueαξία of any of our actionsΕνέργειες --
15
52000
2000
Η αναμενόμενη αξία οποιασδήποτε πράξης μας --
01:12
that is, the goodnessκαλοσύνη that we can countμετρώ on gettingνα πάρει --
16
54000
4000
δηλαδή το καλό που μπορούμε υπολογίσουμε ότι θα λάβουμε
01:16
is the productπροϊόν of two simpleαπλός things:
17
58000
2000
είναι το γινόμενο δύο απλών πραγμάτων:
01:18
the oddsπιθανότητα that this actionδράση will allowεπιτρέπω us to gainκέρδος something,
18
60000
4000
της πιθανότητας να κερδίσουμε κάτι από αυτή την πράξη
01:22
and the valueαξία of that gainκέρδος to us.
19
64000
3000
και της αξίας αυτού του κέρδους για εμάς.
01:25
In a senseέννοια, what BernoulliΟ Μπερνούλι was sayingρητό is,
20
67000
2000
Κατα κάποιο τρόπο, αυτό που έλεγε ο Μπερνούλλι είναι ότι
01:27
if we can estimateεκτίμηση and multiplyπολλαπλασιάζω these two things,
21
69000
3000
αν μπορούμε να εκτιμήσουμε και να πολλαπλασιάσουμε αυτά τα δύο πράγματα
01:30
we will always know preciselyακριβώς how we should behaveσυμπεριφέρομαι.
22
72000
3000
θα μπορούμε πάντα να ξέρουμε ακριβώς πως θα πρέπει να πράξουμε.
01:33
Now, this simpleαπλός equationεξίσωση, even for those of you
23
75000
3000
Τώρα, αυτή η απλή εξίσωση, ακόμη και για αυτούς από σας
01:36
who don't like equationsεξισώσεις, is something that you're quiteαρκετά used to.
24
78000
3000
που δεν τους αρέσουν οι εξισώσεις, είναι κάτι με το οποίο είστε αρκετά εξοικειωμένοι.
01:39
Here'sΕδώ είναι an exampleπαράδειγμα: if I were to tell you, let's playπαίζω
25
81000
3000
Ορίστε ένα παράδειγμα: αν σας έλεγα, ας παίξουμε
01:42
a little coinκέρμα tossτινάσσω gameπαιχνίδι, and I'm going to flipαναρρίπτω a coinκέρμα,
26
84000
3000
ένα μικρό παιχνίδι κορώνα-γράμματα, και πετάξω το κέρμα,
01:45
and if it comesέρχεται up headsκεφάλια, I'm going to payπληρωμή you 10 dollarsδολάρια,
27
87000
3000
και αν έρθει κορώνα, θα σας πληρώσω 10 δολλάρια,
01:48
but you have to payπληρωμή fourτέσσερα dollarsδολάρια for the privilegeπρονόμιο of playingπαιχνίδι with me,
28
90000
4000
αλλά πρέπει να πληρώσετε τέσσερα δολλάρια για το δικαίωμα να παίξετε μαζί μου,
01:52
mostπλέον of you would say, sure, I'll take that betστοίχημα. Because you know
29
94000
3000
οι περισσότεροι από εσάς θα λέγατε, σίγουρα θα στοιχηματίσω. Γιατί γνωρίζετε
01:55
that the oddsπιθανότητα of you winningεπιτυχής are one halfΉμισυ, the gainκέρδος if you do is 10 dollarsδολάρια,
30
97000
5000
ότι οι πιθανότητες να κερδίσετε είναι ½, και το κέρδος αν συμβεί αυτό, θα είναι 10 δολλάρια
02:00
that multipliesπολλαπλασιάζει to fiveπέντε, and that's more
31
102000
2000
που μας δίνει γινόμενο 5 και αυτό είναι περισσότερο
02:02
than I'm chargingφόρτισης you to playπαίζω. So, the answerαπάντηση is, yes.
32
104000
4000
απ' ό,τι σας χρεώνω εγώ για να παίξετε. Άρα η απάντηση είναι ναι.
02:06
This is what statisticiansστατιστικολόγοι technicallyτεχνικά call a damnδεκάρα fine betστοίχημα.
33
108000
4000
Αυτό είναι που οι στατιστικολόγοι αποκαλούν "διαολεμένα καλό στοίχημα".
02:10
Now, the ideaιδέα is simpleαπλός when we're applyingεφαρμόζοντας it to coinκέρμα tossesπετάει,
34
112000
3000
Τώρα, η ιδέα είναι απλή όταν την εφαρμόζουμε στο κορώνα-γράμματα,
02:13
but in factγεγονός, it's not very simpleαπλός in everydayκάθε μέρα life.
35
115000
4000
αλλά δεν είναι και τόσο απλή στην καθημερινή ζωή.
02:17
People are horribleφρικτός at estimatingεκτίμηση bothκαι τα δυο of these things,
36
119000
4000
Οι άνθρωποι είναι απαίσιοι στο να εκτιμούν σωστά αυτά τα δύο πράγματα,
02:21
and that's what I want to talk to you about todayσήμερα.
37
123000
2000
και για αυτό ακριβώς θέλω να σας μιλήσω σήμερα.
02:23
There are two kindsείδη of errorsσφάλματα people make when tryingπροσπαθεί to decideαποφασίζω
38
125000
3000
Υπάρχουν δύο ειδών λάθη που κάνουν οι άνθρωποι προσπαθώντας να αποφασίσουν
02:26
what the right thing is to do, and those are
39
128000
2000
ποια είναι η σωστή επιλογή, και αυτά είναι
02:28
errorsσφάλματα in estimatingεκτίμηση the oddsπιθανότητα that they're going to succeedπετυχαίνω,
40
130000
3000
λάθη στην εκτίμηση των πιθανοτήτων που πρόκειται να επιτύχουν
02:31
and errorsσφάλματα in estimatingεκτίμηση the valueαξία of theirδικα τους ownτα δικά successεπιτυχία.
41
133000
4000
και λάθη στην εκτίμηση της αξίας της επιτυχίας τους.
02:35
Now, let me talk about the first one first.
42
137000
4000
Τώρα θα μιλήσω πρώτα για το πρώτο.
02:39
CalculatingΤον υπολογισμό των oddsπιθανότητα would seemφαίνομαι to be something ratherμάλλον easyεύκολος:
43
141000
2000
Ο υπολογισμός πιθανοτήτων είναι φαινομενικά κάτι αρκετά εύκολο:
02:41
there are sixέξι sidesπλευρές to a dieκαλούπι, two sidesπλευρές to a coinκέρμα, 52 cardsκαρτέλλες in a deckκατάστρωμα.
44
143000
4000
υπάρχουν έξι πλευρές σε ένα ζάρι, δύο πλευρές σε ένα νόμισμα, 52 κάρτες σε μια τράπουλα.
02:45
You all know what the likelihoodπιθανότητα is of pullingτραβώντας the aceΆσσος of spadesσπαθιά
45
147000
4000
Όλοι γνωρίζετε ποιά είναι η πιθανότητα να τραβήξετε άσο μπαστούνι
02:49
or of flippingρίχνεις a headsκεφάλια.
46
151000
1000
ή να τύχει κορώνα.
02:50
But as it turnsστροφές out, this is not a very easyεύκολος ideaιδέα to applyισχύουν
47
152000
5000
Αλλά όπως προκύπτει τελικά, δεν είναι και πολύ εύκολο να εφαρμοστεί αυτή η ιδέα
02:55
in everydayκάθε μέρα life. That's why AmericansΟι Αμερικανοί spendδαπανήσει more --
48
157000
3000
στην καθημερινή ζωή. Γι' αυτό το λόγο οι Αμερικάνοι ξοδεύουν περισσότερα --
02:58
I should say, loseχάνω more -- gamblingτυχερά παιχνίδια
49
160000
3000
ή, σωστότερα, χάνουν περισσότερα -- στο τζόγο
03:01
than on all other formsμορφές of entertainmentψυχαγωγία combinedσε συνδυασμό.
50
163000
5000
από ότι σε όλες τις άλλες μορφές διασκέδασης μαζί.
03:06
The reasonλόγος is, this isn't how people do oddsπιθανότητα.
51
168000
3000
Ο λόγος είναι ότι oi άνθρωποι δεν υπολογίζουν έτσι τις πιθανότητες.
03:09
The way people figureεικόνα oddsπιθανότητα
52
171000
1000
Για να καταλάβουμε πως οι άνθρωποι υπολογίζουν τις πιθανότητες
03:10
requiresαπαιτεί that we first talk a bitκομμάτι about pigsχοίρους.
53
172000
3000
θα πρέπει πρώτα να μιλήσουμε λίγο για... γουρούνια.
03:13
Now, the questionερώτηση I'm going to put to you is whetherκατά πόσο you think
54
175000
2000
Τώρα η ερώτηση που πρόκειται να σας κάνω είναι εάν νομίζετε
03:15
there are more dogsΣκύλοι or pigsχοίρους on leashesλουριά
55
177000
3000
ότι είναι περισσότεροι οι σκύλοι ή τα γουρούνια με λουρί
03:18
observedπαρατηρηθεί in any particularιδιαιτερος day in OxfordΟξφόρδη.
56
180000
3000
που παρατηρούνται μια συγκεκριμένη μέρα στην Οξφόρδη.
03:21
And of courseσειρά μαθημάτων, you all know that the answerαπάντηση is dogsΣκύλοι.
57
183000
2000
Φυσικά όλοι γνωρίζετε ότι η απάντηση είναι οι σκύλοι.
03:23
And the way that you know that the answerαπάντηση is dogsΣκύλοι is
58
185000
3000
Και ο τρόπος που ξέρετε ότι η απάντηση είναι οι σκύλοι είναι ότι
03:26
you quicklyγρήγορα reviewedεπανεξεταστεί in memoryμνήμη the timesφορές
59
188000
2000
ανακαλέσατε γρήγορα στη μνήμη σας τις φορές
03:28
you've seenείδα dogsΣκύλοι and pigsχοίρους on leashesλουριά.
60
190000
2000
που έχετε δει σκύλους και γουρούνια σε λουριά.
03:30
It was very easyεύκολος to rememberθυμάμαι seeingβλέπων dogsΣκύλοι,
61
192000
3000
Ήταν πολύ εύκολο να θυμηθείτε σκύλους,
03:33
not so easyεύκολος to rememberθυμάμαι pigsχοίρους. And eachκαθε one of you assumedθεωρείται ότι
62
195000
3000
αλλά όχι τόσο εύκολο να θυμηθείτε γουρούνια. Και κάθε ένας από εσάς υπέθεσε
03:36
that if dogsΣκύλοι on leashesλουριά cameήρθε more quicklyγρήγορα to your mindμυαλό,
63
198000
4000
ότι αφού τα σκυλιά με λουρί ήρθαν πιο γρήγορα στο μυαλό σας,
03:40
then dogsΣκύλοι on leashesλουριά are more probableπιθανή.
64
202000
2000
τότε τα σκυλιά με λουρί είναι πιο πιθανά.
03:42
That's not a badκακό ruleκανόνας of thumbαντίχειρας, exceptεκτός when it is.
65
204000
5000
Αυτός δεν είναι κακός σα γενικός κανόνας, εκτός από τις φορές που... είναι.
03:47
So, for exampleπαράδειγμα, here'sεδώ είναι a wordλέξη puzzleπαζλ.
66
209000
2000
Οπότε, για παράδειγμα, ορίστε μια λεκτική άσκηση:
03:49
Are there more four-letterτέσσερα γράμματα EnglishΑγγλικά wordsλόγια
67
211000
2000
Υπάρχουν περισσότερες Αγγλικές λέξεις τεσσάρων γραμμάτων
03:51
with R in the thirdτρίτος placeθέση or R in the first placeθέση?
68
213000
4000
με το R στην τρίτη θέση ή με το R στην πρώτη θέση?
03:55
Well, you checkέλεγχος memoryμνήμη very brieflyεν ολίγοις, make a quickγρήγορα scanσάρωση,
69
217000
3000
Λοιπόν ελέγχετε την μνήμη σας πολύ σύντομα, κάνετε μια γρήγορη σάρωση
03:58
and it's awfullyφοβερά easyεύκολος to say to yourselfσύ ο ίδιος, RingΔαχτυλίδι, RangΧτύπησε, RungΣκαλί,
70
220000
3000
και είναι πολύ εύκολο να θυμηθείτε τα Ring, Rang, Rung,
04:01
and very hardσκληρά to say to yourselfσύ ο ίδιος, PareΠΑΡΕ, ParkΠάρκο: they come more slowlyαργά.
71
223000
7000
και πολύ δύσκολο να θυμηθείτε τα Pare, Park: αυτά έρχονται πιο αργά.
04:08
But in factγεγονός, there are manyΠολλά more wordsλόγια in the EnglishΑγγλικά languageΓλώσσα
72
230000
2000
Αλλά στην πραγματικότητα, υπάρχουν πολύ περισσότερες λέξεις στην Αγγλική γλώσσα
04:10
with R in the thirdτρίτος than the first placeθέση.
73
232000
3000
με το R στην τρίτη παρά με το R στην πρώτη θέση.
04:13
The reasonλόγος wordsλόγια with R in the thirdτρίτος placeθέση come slowlyαργά to your mindμυαλό
74
235000
4000
Ο λόγος που οι λέξεις με το R στην τρίτη θέση έρχονται αργά στο μυαλό σας
04:17
isn't because they're improbableαπίθανο, unlikelyαπίθανος or infrequentσπάνια.
75
239000
3000
δεν είναι ότι είναι απίθανες ή σπανιες.
04:20
It's because the mindμυαλό recallsανακλήσεις wordsλόγια by theirδικα τους first letterεπιστολή.
76
242000
4000
Είναι γιατί το μυαλό ανακαλεί τις λέξεις με το πρώτο τους γράμμα.
04:24
You kindείδος of shoutκραυγή out the soundήχος, S -- and the wordλέξη comesέρχεται.
77
246000
3000
Σκέφτεστε το φθόγγο στο μυαλό σας, S -- και η λέξη έρχεται.
04:27
It's like the dictionaryλεξικό;
78
249000
1000
Είναι σαν το λεξικό,
04:28
it's hardσκληρά to look things up by the thirdτρίτος letterεπιστολή.
79
250000
3000
είναι δύσκολο να αναζητήσεις κάτι με βάση το τρίτο γράμμα.
04:31
So, this is an exampleπαράδειγμα of how this ideaιδέα that
80
253000
2000
Άρα, αυτό είναι ένα παράδειγμα του πώς η ιδέα ότι
04:33
the quicknessταχύτητα with whichοι οποίες things come to mindμυαλό
81
255000
2000
η ταχύτητα με την οποία κάποια πράγματα έρχονται στο μυαλό
04:35
can give you a senseέννοια of theirδικα τους probabilityπιθανότητα --
82
257000
2000
μπορεί να σας δώσει μια αίσθηση για την πιθανότητά τους --
04:37
how this ideaιδέα could leadΟΔΗΓΩ you astrayπαραστρατημένος. It's not just puzzlesΣυναρμολογούμενα παιχνίδια-σπαζοκεφαλιές, thoughαν και.
83
259000
4000
πώς αυτή η ιδέα μπορεί να σας οδηγήσει σε λάθος δρόμο. Και δεν ισχύει μόνο στις ασκήσεις.
04:41
For exampleπαράδειγμα, when AmericansΟι Αμερικανοί are askedερωτηθείς to estimateεκτίμηση the oddsπιθανότητα
84
263000
3000
Για παράδειγμα, όταν οι Αμερικάνοι καλούνται να υπολογίσουν τις πιθανότητες
04:44
that they will dieκαλούπι in a varietyποικιλία of interestingενδιαφέρων waysτρόπους --
85
266000
3000
να πεθάνουν με διάφορους... ενδιαφέροντες τρόπους --
04:47
these are estimatesυπολογίζει of numberαριθμός of deathsθανάτους perανά yearέτος
86
269000
3000
Αυτά είναι εκτιμήσεις των αριθμών των θανάτων ανά χρόνο
04:50
perανά 200 millionεκατομμύριο U.S. citizensοι πολίτες.
87
272000
2000
ανά 200 εκατομμύρια Αμερικάνους πολίτες.
04:52
And these are just ordinaryσυνήθης people like yourselvesσείς οι ίδιοι who are askedερωτηθείς
88
274000
2000
Και αυτοί είναι συνηθισμένοι άνθρωποι σαν εσάς που τους ζητήθηκε
04:54
to guessεικασία how manyΠολλά people dieκαλούπι from tornadoανεμοστρόβιλος, fireworksπυροτεχνήματα, asthmaάσθμα, drowningπνιγμός, etcκαι τα λοιπα.
89
276000
4000
να μαντέψουν πόσοι άνθρωποι πεθαίνουν από τυφώνα, άσθμα, πνιγμό, και τα λοιπά.
04:58
CompareΣυγκρίνετε these to the actualπραγματικός numbersαριθμούς.
90
280000
3000
Συγκρίνετε αυτούς με τους πραγματικούς αριθμούς.
05:01
Now, you see a very interestingενδιαφέρων patternπρότυπο here, whichοι οποίες is first of all,
91
283000
3000
Τώρα, βλέπετε ένα πολύ ενδιαφέρον μοτίβο εδώ, το οποίο είναι πρώτα απ' όλα ότι
05:04
two things are vastlyευρέως over-estimatedαυτορύθµιση, namelyκαι συγκεκριμένα tornadoesανεμοστρόβιλοι and fireworksπυροτεχνήματα.
92
286000
5000
δύο πράγματα υπερεκτιμούνται, οι τυφώνες και τα πυροτεχνήματα,
05:09
Two things are vastlyευρέως underestimatedυποτιμάται:
93
291000
2000
δύο πράγματα υποτιμούνται:
05:11
dyingβαφή by drowningπνιγμός and dyingβαφή by asthmaάσθμα. Why?
94
293000
3000
ο θάνατος από πνιγμό και ο θάνατος από άσθμα. Γιατί;
05:14
When was the last time that you pickedεκλεκτός up a newspaperεφημερίδα
95
296000
3000
Πότε ήταν η τελευταία φορά που πήρατε μια εφημερίδα
05:17
and the headlineεπικεφαλίδα was, "BoyΑγόρι diesπεθαίνει of AsthmaΆσθμα?"
96
299000
3000
και ο κύριος τίτλος ήταν, "Αγόρι πεθαίνει απο άσθμα!";
05:20
It's not interestingενδιαφέρων because it's so commonκοινός.
97
302000
3000
Δεν είναι ενδιαφέρον ακριβώς γιατί είναι τόσο συνηθισμένο.
05:23
It's very easyεύκολος for all of us to bringνα φερεις to mindμυαλό instancesπεριπτώσεις
98
305000
4000
Είναι πολύ εύκολο για όλους μας να θυμηθούμε παραδείγματα
05:27
of newsΝέα storiesιστορίες or newsreelsΕπίκαιρα where we'veέχουμε seenείδα
99
309000
3000
από ιστορίες στις ειδήσεις όπου έχουμε δει
05:30
tornadoesανεμοστρόβιλοι devastatingκαταστροφικά citiesπόλεις, or some poorΦτωχός schmuckSchmuck
100
312000
2000
τυφώνες να καταστρέφουν πόλεις ή κάποιον άτυχο
05:32
who'sποιος είναι blownανοιγμένος his handsτα χέρια off with a fireworkπυροτέχνημα on the FourthΤέταρτη of JulyΙούλιος.
101
314000
4000
που τίναξε τα χέρια με ένα πυροτέχνημα την 4η Ιουλίου.
05:36
DrowningsΠνιγμοί and asthmaάσθμα deathsθανάτους don't get much coverageκάλυψη.
102
318000
3000
Οι θάνατοι από πνιγμό και άσθμα δεν καλύπτονται αρκετά.
05:39
They don't come quicklyγρήγορα to mindμυαλό, and as a resultαποτέλεσμα,
103
321000
2000
Δεν έρχονται γρήγορα στο μυαλό, και σαν αποτέλεσμα,
05:41
we vastlyευρέως underestimateυποτιμώ them.
104
323000
2000
τους υποτιμούμε.
05:43
IndeedΠράγματι, this is kindείδος of like the SesameΣουσάμι StreetΟδός gameπαιχνίδι
105
325000
2000
Είναι σαν εκείνο το παιχνίδι στο "Σουσάμι Άνοιξε":
05:45
of "WhichΟποία thing doesn't belongανήκω?" And you're right to say
106
327000
4000
"Ποιο από αυτά δεν ταιριάζει με τα υπολοιπα?" Και θα είχατε δίκιο αν λέγατε
05:49
it's the swimmingκολύμπι poolπισίνα that doesn't belongανήκω, because the swimmingκολύμπι poolπισίνα
107
331000
3000
ότι είναι η πισίνα αυτό που δέν ανήκει, γιατί η πισίνα
05:52
is the only thing on this slideολίσθηση that's actuallyπράγματι very dangerousεπικίνδυνος.
108
334000
4000
είναι το μόνο πράγμα στην εικόνα που είναι πράγματικά πολύ επικίνδυνο.
05:56
The way that more of you are likelyπιθανός to dieκαλούπι than the combinationσυνδυασμός
109
338000
2000
Είναι ο τρόπος που οι περισσότεροι από εσάς είναι πιθανότερο να πεθάνετε, παρά με τον συνδυασμό
05:58
of all threeτρία of the othersοι υπολοιποι that you see on the slideολίσθηση.
110
340000
4000
και των τριών άλλων που βλέπετε στην εικόνα.
06:02
The lotteryΛοταρία is an excellentΘαυμάσιο exampleπαράδειγμα, of courseσειρά μαθημάτων -- an excellentΘαυμάσιο test-caseυπόθεση δοκιμή
111
344000
4000
Το λαχείο είναι ένα εξαιρετικό παράδειγμα, φυσικά -- ένα εξαιρετικό παράδειγμα δοκιμής
06:06
of people'sτων ανθρώπων abilityικανότητα to computeυπολογίζω probabilitiesπιθανότητες.
112
348000
3000
της ικανότητας των ανθρώπων να υπολογίζουν πιθανότητες.
06:09
And economistsοικονομολόγους -- forgiveσυγχωρώ me, for those of you who playπαίζω the lotteryΛοταρία --
113
351000
3000
Οι οικονομολόγοι -- συγχωρήστε με, αυτοί που παίζετε στο λαχείο --
06:12
but economistsοικονομολόγους, at leastελάχιστα amongαναμεταξύ themselvesτους εαυτούς τους, referαναφέρομαι to the lotteryΛοταρία
114
354000
3000
αλλά οι οικονομολόγοι, τουλάχιστον μεταξύ τους, αναφέρονται στο λαχείο
06:15
as a stupidityβλακεία taxφόρος, because the oddsπιθανότητα of gettingνα πάρει any payoffεξόφληση
115
357000
5000
ως φόρο βλακεία, γιατί οι πιθανότητες να υπάρξει κάποιο κέρδος
06:20
by investingεπενδύοντας your moneyχρήματα in a lotteryΛοταρία ticketεισιτήριο
116
362000
2000
επενδύοντας τα χρήματά σας σε ένα λαχείο
06:22
are approximatelyκατά προσέγγιση equivalentισοδύναμος to flushingέξαψη the moneyχρήματα
117
364000
2000
είναι περίπου ίσο με το να τα πετάξετε
06:24
directlyκατευθείαν down the toiletτουαλέτα -- whichοι οποίες, by the way,
118
366000
2000
κατευθείαν στην τουαλέτα -- κάτι, για το οποίο
06:26
doesn't requireαπαιτώ that you actuallyπράγματι go to the storeκατάστημα and buyαγορά anything.
119
368000
4000
δεν χρειάζεται καν να πάτε στο μαγαζί και να αγοράσετε τίποτα.
06:30
Why in the worldκόσμος would anybodyοποιοσδήποτε ever playπαίζω the lotteryΛοταρία?
120
372000
3000
Για ποιο λόγο θα μπορούσε κανείς να παίξει στο λαχείο;
06:33
Well, there are manyΠολλά answersαπαντήσεις, but one answerαπάντηση surelyασφαλώς is,
121
375000
3000
Υπάρχουν πολλές απαντήσεις, αλλά μια από αυτές σίγουρα είναι
06:36
we see a lot of winnersνικητές. Right? When this coupleζευγάρι winsκερδίζει the lotteryΛοταρία,
122
378000
4000
ότι βλέπουμε πολλούς νικητές. Σωστά; Όταν ένα ζευγάρι κερδίζει το λαχείο,
06:40
or EdEd McMahonMcMahon showsδείχνει up at your doorθύρα with this giantγίγαντας checkέλεγχος --
123
382000
3000
ή ο Ed McMahon εμφανίζεται στην πόρτα σου με την τεράστια επιταγή --
06:43
how the hellκόλαση do you cashτοις μετρητοις things that sizeμέγεθος, I don't know.
124
385000
3000
πώς στο διάβολο θα εξαργυρώσεις τόσο τεράστια επιταγή, δεν ξέρω!
06:46
We see this on TVΤΗΛΕΌΡΑΣΗ; we readανάγνωση about it in the paperχαρτί.
125
388000
3000
Το βλέπουμε στην τηλεόραση, το διαβάζουμε στην εφημερίδα.
06:49
When was the last time that you saw extensiveεκτεταμένη interviewsσυνεντεύξεις
126
391000
3000
Πότε ήταν η τελευταία φορά που είδατε εκτενή συνέντευξη
06:52
with everybodyόλοι who lostχαμένος?
127
394000
2000
με όλους τους χαμένους;
06:54
IndeedΠράγματι, if we requiredαπαιτείται that televisionτηλεόραση stationsσταθμούς runτρέξιμο
128
396000
3000
Πράγματι, αν ζητούσαμε να δείξει η τηλεόραση
06:57
a 30-second interviewσυνέντευξη with eachκαθε loserηττημένος
129
399000
2000
μια συνέντευξη 30 δευτερολέπτων για κάθε χαμένο
06:59
everyκάθε time they interviewσυνέντευξη a winnerνικητής, the 100 millionεκατομμύριο losersχαμένοι
130
401000
4000
κάθε φορά που παίρνουν συνέντευξη από κάποιο νικητή, τα 100 εκατομμύρια των χαμένων
07:03
in the last lotteryΛοταρία would requireαπαιτώ nine-and-a-halfεννέα-και-α-μισό yearsχρόνια
131
405000
3000
στην τελευταία κλήρωση θα χρειάζονταν εννιάμισι χρόνια
07:06
of your undividedεξ αδιαιρέτου attentionπροσοχή just to watch them say,
132
408000
3000
της αμέριστης προσοχής σας μόνο για να τους παρακολουθείτε να λένε,
07:09
"Me? I lostχαμένος." "Me? I lostχαμένος."
133
411000
3000
"Εγώ; Έχασα." "Εγώ; Έχασα."
07:12
Now, if you watch nine-and-a-halfεννέα-και-α-μισό yearsχρόνια of televisionτηλεόραση --
134
414000
2000
Τώρα, αν παρακολουθήσετε εννιάμιση χρόνια τηλεόραση --
07:14
no sleepύπνος, no pottyΓιογιό breaksφρένα -- and you saw lossαπώλεια after lossαπώλεια after lossαπώλεια,
135
416000
5000
χωρίς ύπνο και διαλείμματα για τουαλέτα -- και δείτε τους χαμένους τον έναν μετά τον άλλον,
07:19
and then at the endτέλος there's 30 secondsδευτερολέπτων of, "and I wonΚέρδισε,"
136
421000
2000
και στο τέλος υπάρχουν 30 δευτερόλεπτα με, "και εγώ κέρδισα",
07:21
the likelihoodπιθανότητα that you would playπαίζω the lotteryΛοταρία is very smallμικρό.
137
423000
3000
η πιθανότητα να συμμετείχατε στην κλήρωση είναι πολύ μικρή.
07:24
Look, I can proveαποδεικνύω this to you: here'sεδώ είναι a little lotteryΛοταρία.
138
426000
3000
Ορίστε, μπορώ να σας το αποδείξω: να μια μικρή κλήρωση.
07:27
There's 10 ticketsεισιτήρια in this lotteryΛοταρία.
139
429000
2000
Υπάρχουν 10 λαχνοί σε αυτή την κλήρωση.
07:29
NineΕννέα of them have been soldπωληθεί to these individualsτα άτομα.
140
431000
3000
9 από αυτους έχουν πουληθεί σε αυτούς τους ανθρώπους.
07:32
It costsδικαστικά έξοδα you a dollarδολάριο to buyαγορά the ticketεισιτήριο and, if you winνίκη,
141
434000
3000
Κοστίζει 1 δολλάριο η αγορά του λαχνού, και αν κερδίσετε,
07:35
you get 20 bucksδολάρια. Is this a good betστοίχημα?
142
437000
2000
παίρνετε 20. Είναι αυτό ένα καλό στοίχημα;
07:37
Well, BernoulliΟ Μπερνούλι tellsλέει us it is.
143
439000
1000
Ο Bernoulli μας λέει ότι είναι:
07:38
The expectedαναμενόμενος valueαξία of this lotteryΛοταρία is two dollarsδολάρια;
144
440000
3000
Η αναμενόμενη αξία της κλήρωσης είναι 2 δολλάρια,
07:41
this is a lotteryΛοταρία in whichοι οποίες you should investεπενδύω your moneyχρήματα.
145
443000
3000
αυτή είναι μια κλήρωση στην οποία οφείλετε να επενύσετε να χρήματά σας.
07:44
And mostπλέον people say, "OK, I'll playπαίζω."
146
446000
2000
Και οι περισσότεροι άνθρωποι λένε, "Εντάξει, θα παίξω."
07:46
Now, a slightlyελαφρώς differentδιαφορετικός versionεκδοχή of this lotteryΛοταρία:
147
448000
3000
Τώρα, μια λίγο διαφορετική εκδοχή της κλήρωσης:
07:49
imagineφαντάζομαι that the nineεννέα ticketsεισιτήρια are all ownedανήκει
148
451000
2000
υποθέστε ότι 9 εισητήρια ανήκουν
07:51
by one fatΛίπος guy namedόνομα LeroyLeroy.
149
453000
2000
σε 1 χοντρό τύπο που λέγεται Leroy.
07:53
LeroyLeroy has nineεννέα ticketsεισιτήρια; there's one left.
150
455000
2000
Ο Leroy έχει 9 εισητήρια; έχει μείνει 1.
07:55
Do you want it? MostΠερισσότερα people won'tσυνηθισμένος playπαίζω this lotteryΛοταρία.
151
457000
3000
Το θέλετε; Οι περισσότεροι άνθρωποι δεν θα συμμετείχαν σε αυτήν την κλήρωση.
07:58
Now, you can see the oddsπιθανότητα of winningεπιτυχής haven'tδεν έχουν changedάλλαξε,
152
460000
2000
Μπορείτε να δείτε ότι οι πιθανότητες κέρδους δεν έχουν αλλάξει,
08:00
but it's now fantasticallyφανταστικά easyεύκολος to imagineφαντάζομαι who'sποιος είναι going to winνίκη.
153
462000
5000
αλλά τώρα είναι πολύ εύκολο να φανταστείτε ποιος πρόκειται να κερδίσει.
08:05
It's easyεύκολος to see LeroyLeroy gettingνα πάρει the checkέλεγχος, right?
154
467000
3000
Είναι εύκολο να δείτε τον Leroy να παίρνει την επιταγή, έτσι;
08:08
You can't say to yourselfσύ ο ίδιος, "I'm as likelyπιθανός to winνίκη as anybodyοποιοσδήποτε,"
155
470000
2000
Δεν μπορείτε να πείτε στον εαυτό σας, "Είναι το ίδιο πιθανό να κερδίσω όσο είναι για οποιονδήποτε άλλο,"
08:10
because you're not as likelyπιθανός to winνίκη as LeroyLeroy.
156
472000
3000
γιατί δεν είναι το ίδιο πιθανό να κερδίσετε όσο είναι ο Leroy.
08:13
The factγεγονός that all those ticketsεισιτήρια are ownedανήκει by one guy
157
475000
2000
Το γεγονός ότι όλα τα εισητήρια ανήκουν σε ένα τύπο
08:15
changesαλλαγές your decisionαπόφαση to playπαίζω,
158
477000
2000
αλλάζει την απόφασή σας να παίξετε,
08:17
even thoughαν και it does nothing whatsoeverαπολύτως to the oddsπιθανότητα.
159
479000
3000
παρ'όλο που δεν αλλάζουν καθόλου οι πιθανότητες.
08:20
Now, estimatingεκτίμηση oddsπιθανότητα, as difficultδύσκολος as it mayενδέχεται seemφαίνομαι, is a pieceκομμάτι of cakeκέικ
160
482000
5000
Τώρα, ο υπολογισμός της πιθανότητας, όσο δύσκολος και να φαίνεται, είναι παιχνιδάκι
08:25
comparedσε συγκριση to tryingπροσπαθεί to estimateεκτίμηση valueαξία:
161
487000
2000
συγκρινόμενος με την προσπάθεια υπολογισμού της αξίας:
08:27
tryingπροσπαθεί to say what something is worthαξία, how much we'llΚαλά enjoyαπολαμβάνω it,
162
489000
3000
το να βρούμε πόσο αξίζει κάτι, πόσο θα το απολαύσουμε,
08:30
how much pleasureευχαρίστηση it will give us.
163
492000
3000
πόση ευχαρίστηση θα μας δώσει.
08:33
I want to talk now about errorsσφάλματα in valueαξία.
164
495000
2000
Θέλω να μιλήσω τώρα για λάθη στον υπολογισμό της αξίας.
08:35
How much is this BigΜεγάλο MacMac worthαξία? Is it worthαξία 25 dollarsδολάρια?
165
497000
4000
Πόσο αξίζει ένα Big Mac; Αξίζει 25 δολλάρια;
08:39
MostΠερισσότερα of you have the intuitionδιαίσθηση that it's not --
166
501000
3000
Οι περισσότεροι από εσάς έχουν τη διαίσθηση πως όχι --
08:42
you wouldn'tδεν θα ήταν payπληρωμή that for it.
167
504000
2000
δεν θα πληρώνατε για αυτό.
08:44
But in factγεγονός, to decideαποφασίζω whetherκατά πόσο a BigΜεγάλο MacMac is worthαξία 25 dollarsδολάρια requiresαπαιτεί
168
506000
4000
Αλλα στην πραγματικότητα για να αποφασίσετε αν ένα Big Mac αξίζει 25 δολλάρια χρειάζετε
08:48
that you askπαρακαλώ one, and only one questionερώτηση, whichοι οποίες is:
169
510000
3000
να κάνετε μία και μόνο ερώτηση, την εξής:
08:51
What elseαλλού can I do with 25 dollarsδολάρια?
170
513000
2000
Τί άλλο μπορώ να κάνω με 25 δολλάρια;
08:53
If you've ever gottenπήρε on one of those long-haulμεγάλων αποστάσεων flightsπτήσεις to AustraliaΑυστραλία
171
515000
4000
Αν βρισκόσασταν σε μια από εκείνες τις βαρετές πτήσεις προς την Αυστραλία
08:57
and realizedσυνειδητοποίησα that they're not going to serveσερβίρισμα you any foodτροφή,
172
519000
3000
και αντιλαμβανόσασταν ότι δεν πρόκειται να σας σερβιριστεί φαγητό,
09:00
but somebodyκάποιος in the rowσειρά in frontεμπρός of you has just openedάνοιξε
173
522000
2000
αλλά κάποιος στην μπροστινή σειρά μόλις άνοιξε
09:02
the McDonald'sMcDonald's bagτσάντα, and the smellμυρωδιά of goldenχρυσαφένιος archesΚαμάρες
174
524000
3000
την τσάντα των McDonald's και οι μυρωδιές
09:05
is waftingwafting over the seatέδρα, you think,
175
527000
3000
απλώνονται προς εσάς, σκέφτεστε,
09:08
I can't do anything elseαλλού with this 25 dollarsδολάρια for 16 hoursώρες.
176
530000
3000
δεν μπορώ να κάνω κατι άλλο με αυτά τα 25 δολλάρια για 16 ώρες.
09:11
I can't even setσειρά it on fireΦωτιά -- they tookπήρε my cigaretteτσιγάρο lighterαναπτήρας!
177
533000
3000
Δεν μπορώ ούτε να τους βάλω φωτιά -- μου πήραν τον αναπτήρα!
09:14
SuddenlyΞαφνικά, 25 dollarsδολάρια for a BigΜεγάλο MacMac mightθα μπορούσε be a good dealσυμφωνία.
178
536000
3000
Ξαφνικά, 25 δολλάρια για ένα Big Mac μπόρεί να είναι μια καλή συμφωνία.
09:17
On the other handχέρι, if you're visitingεπίσκεψη an underdevelopedυποανάπτυκτες countryΧώρα,
179
539000
2000
Από την άλλη, αν επισκέπτεστε μια μη-ανεπτυγμένη χώρα
09:19
and 25 dollarsδολάρια buysαγοράζει you a gourmetγκουρμέ mealγεύμα, it's exorbitantυπέρογκες for a BigΜεγάλο MacMac.
180
541000
4000
και με 25 δολλάρια μπορείτε να αγοράσετε ένα εκλεκτό γεύμα, είναι εξωφρενικό ποσό για ένα Big Mac.
09:23
Why were you all sure that the answerαπάντηση to the questionερώτηση was no,
181
545000
3000
Γιατί ήσασταν όλοι σίγουροι ότι η απάντηση είναι όχι,
09:26
before I'd even told you anything about the contextσυμφραζόμενα?
182
548000
3000
πρίν σας πω οτιδήποτε για το γενικότερο πλαίσιο;
09:29
Because mostπλέον of you comparedσε συγκριση the priceτιμή of this BigΜεγάλο MacMac
183
551000
4000
Επειδή οι περισσότεροι από εσάς συγκρίνατε την τιμή αυτού του Big Mac
09:33
to the priceτιμή you're used to payingδικαιούχος. RatherΜάλλον than askingζητώντας,
184
555000
3000
με την τιμή που συνηθίζετε να πληρώνετε. Αντί να ρωτήσετε,
09:36
"What elseαλλού can I do with my moneyχρήματα," comparingσύγκριση this investmentεπένδυση
185
558000
3000
"Τι άλλο μπορώ να κάνω με τα χρήματά μου," συγκρίνοντας την επένδυσή σας
09:39
to other possibleδυνατόν investmentsεπενδύσεις, you comparedσε συγκριση to the pastτο παρελθόν.
186
561000
4000
με άλλες πιθανές επενδύσεις, την συγκρίνατε με το παρελθόν.
09:43
And this is a systematicσυστηματική errorλάθος people make.
187
565000
2000
Και αυτό είναι ένα συστηματικό λάθος των ανθρώπων.
09:45
What you knewήξερε is, you paidεπί πληρωμή threeτρία dollarsδολάρια in the pastτο παρελθόν; 25 is outrageousαποτρόπαιος.
188
567000
5000
Αυτό που γνωρίζετε είναι ότι. πληρώσατε 3 δολλάρια στο παρελθόν -- 25 είναι εξοργιστικό.
09:50
This is an errorλάθος, and I can proveαποδεικνύω it to you by showingεπίδειξη
189
572000
2000
Αυτό είναι λάθος και μπορώ να σας το αποδείξω δείχνοντάς σας
09:52
the kindsείδη of irrationalitiesirrationalities to whichοι οποίες it leadsοδηγεί.
190
574000
2000
το είδος των παραλογισμών στους οποίους οδηγεί.
09:54
For exampleπαράδειγμα, this is, of courseσειρά μαθημάτων,
191
576000
3000
Για παράδειγμα, αυτό είναι, φυσικά,
09:57
one of the mostπλέον deliciousνόστιμα tricksκόλπα in marketingεμπορία,
192
579000
2000
ένα από τα ποιό απολαυστικά τρυκ στις διαφημίσεις
09:59
is to say something used to be higherπιο ψηλά,
193
581000
2000
είναι να πείς ότι κάτι ήταν ακριβότερο πριν,
10:01
and suddenlyξαφνικά it seemsφαίνεται like a very good dealσυμφωνία.
194
583000
3000
και ξαφνικά φαίνεται σαν μια πολύ καλή προσφορά.
10:04
When people are askedερωτηθείς about these two differentδιαφορετικός jobsθέσεις εργασίας:
195
586000
3000
Όταν οι άνθρωποι ερωτούνται για αυτές τις δύο διαφορετικές δουλειές:
10:07
a jobδουλειά where you make 60K, then 50K, then 40K,
196
589000
3000
μια δουλειά όπου πληρώνεσαι 60.000 δολλάρια το χρόνο, μετά 50, μετά 40.
10:10
a jobδουλειά where you're gettingνα πάρει a salaryμισθός cutΤομή eachκαθε yearέτος,
197
592000
2000
δηλαδή μια δουλειά όπου ο μισθός σου μειώνεται κάθε χρόνο,
10:12
and one in whichοι οποίες you're gettingνα πάρει a salaryμισθός increaseαυξάνουν,
198
594000
2000
και μια όπου ο μισθός σου αυξάνεται
10:14
people like the secondδεύτερος jobδουλειά better than the first, despiteπαρά the factγεγονός
199
596000
4000
ο κόσμος προτιμά τη δεύτερη δουλειά περισσότερο, παρ'ολο που
10:18
they're all told they make much lessπιο λιγο moneyχρήματα. Why?
200
600000
3000
τους εξηγείται ότι θα βγάζουν πολύ λιγότερα χρήματα. Γιατί;
10:21
Because they had the senseέννοια that decliningφθίνουσα wagesμισθοί are worseχειρότερος
201
603000
4000
Επειδή όλοι έχουν την αίσθηση ότι οι φθίνοντες μισθοί είναι χειρότεροι
10:25
than risingαυξανόμενες wagesμισθοί, even when the totalσύνολο amountποσό of wagesμισθοί is higherπιο ψηλά
202
607000
4000
από τους αυξανόμενους, ακόμα κι αν το συνολικό ποσό των μισθών είναι υψηλότερο
10:29
in the decliningφθίνουσα periodπερίοδος. Here'sΕδώ είναι anotherαλλο niceόμορφη exampleπαράδειγμα.
203
611000
4000
σε μια φθίνουσα πορεία. Ορίστε άλλο ένα ωραίο παράδειγμα:
10:33
Here'sΕδώ είναι a $2,000 HawaiianΤης Χαβάης vacationπαραθεριστικές κατοικίες packageπακέτο; it's now on saleπώληση for 1,600.
204
615000
5000
Εδώ έχουμε ένα πακέτο διακοπών για τη Χαβάη των 2.000 δολλαρίων, και τώρα είναι σε προσφορά για 1.600.
10:38
AssumingΥποθέτοντας ότι you wanted to go to HawaiiΧαβάη, would you buyαγορά this packageπακέτο?
205
620000
3000
Υποθέτοντας ότι θέλετε να πάτε στη Χαβάη, θα αγοράζατε αυτό το πακέτο;
10:41
MostΠερισσότερα people say they would. Here'sΕδώ είναι a slightlyελαφρώς differentδιαφορετικός storyιστορία:
206
623000
4000
Οι περισσότεροι άνθρωποι λένε, ναι. Ας αλλάξουμε λίγο την ιστορία τώρα:
10:45
$2,000 HawaiianΤης Χαβάης vacationπαραθεριστικές κατοικίες packageπακέτο is now on saleπώληση for 700 dollarsδολάρια,
207
627000
4000
Το αρχικό πακέτο των 2.000 δολλαρίων είναι τώρα σε προσφορά για 700 δολλάρια,
10:49
so you decideαποφασίζω to mullΜαλ it over for a weekεβδομάδα.
208
631000
2000
οπότε σκέφτεστε την απόφασή σας για μια εβδομάδα.
10:51
By the time you get to the ticketεισιτήριο agencyπρακτορείο, the bestκαλύτερος faresναύλοι are goneχαμένος --
209
633000
2000
Μέχρι να πάτε στο ταξιδιωτικό γραφείο, η προσφορά έχει λήξει --
10:53
the packageπακέτο now costsδικαστικά έξοδα 1,500. Would you buyαγορά it? MostΠερισσότερα people say, no.
210
635000
5000
το πακέτο κοστίζει τώρα 1.500. Θα το αγοράσετε; Οι περισσότεροι λένε, όχι.
10:58
Why? Because it used to costκόστος 700, and there's no way I'm payingδικαιούχος 1,500
211
640000
4000
Γιατί; Επειδή πριν κόστιζε 700, και σιγά μην πληρώσω 1.500
11:02
for something that was 700 last weekεβδομάδα.
212
644000
3000
για κάτι που ήταν 700 πριν μια εβδομάδα!
11:05
This tendencyτάση to compareσυγκρίνω to the pastτο παρελθόν
213
647000
2000
Αυτή η τάση να συγκρίνουμε με το παρελθόν
11:07
is causingπροκαλώντας people to passπέρασμα up the better dealσυμφωνία. In other wordsλόγια,
214
649000
4000
κάνει ανθρώπους να απορρίπτουν καλές προσφορές. Με άλλα λόγια,
11:11
a good dealσυμφωνία that used to be a great dealσυμφωνία is not nearlyσχεδόν as good
215
653000
3000
η καλή προσφορά που παλιά ήταν τέλεια, δεν είναι τόσο καλή
11:14
as an awfulαπαίσιος dealσυμφωνία that was onceμια φορά a horribleφρικτός dealσυμφωνία.
216
656000
4000
όσο μια κακή προσφορά που ήταν κάποτε απαίσια.
11:18
Here'sΕδώ είναι anotherαλλο exampleπαράδειγμα of how comparingσύγκριση to the pastτο παρελθόν
217
660000
2000
Ορίστε άλλο ένα παράδειγμα όπου η σύγκριση με το παρελθόν
11:20
can befuddleαποπροσανατολίσει our decisionsαποφάσεων.
218
662000
4000
μπορεί να μπερδέψει τις αποφάσεις μας.
11:24
ImagineΦανταστείτε that you're going to the theaterθέατρο.
219
666000
2000
Ας πούμε ότι πηγαίνετε στο θέατρο.
11:26
You're on your way to the theaterθέατρο.
220
668000
1000
Είστε στο δρόμο για το θέατρο.
11:27
In your walletπορτοφόλι you have a ticketεισιτήριο, for whichοι οποίες you paidεπί πληρωμή 20 dollarsδολάρια.
221
669000
2000
Μέσα στο πορτοφόλι σας έχετε ένα εισιτήριο, για το οποίο πληρώσατε 20 δολλάρια.
11:29
You alsoεπίσης have a 20-dollar-δολάριο billνομοσχέδιο.
222
671000
2000
Έχετε επίσης ένα 20δόλλαρο.
11:31
When you arriveφθάνω at the theaterθέατρο,
223
673000
2000
Όταν φτάνετε στο θέατρο,
11:33
you discoverανακαλύπτω that somewhereκάπου alongκατά μήκος the way you've lostχαμένος the ticketεισιτήριο.
224
675000
3000
ανακαλύπτετε ότι κατά κάποιον τρόπο χάσατε το εισιτήριο.
11:36
Would you spendδαπανήσει your remainingπαραμένων moneyχρήματα on replacingαντικατάσταση it?
225
678000
3000
Θα ξοδεύατε τα υπόλοιπα χρήματά σας για να αγοράσετε καινούριο;
11:39
MostΠερισσότερα people answerαπάντηση, no.
226
681000
3000
Οι περισσότεροι άνθρωποι απαντούν, όχι.
11:42
Now, let's just changeαλλαγή one thing in this scenarioσενάριο.
227
684000
3000
Τώρα, ας αλλάξουμε ένα στοιχείο του σεναρίου.
11:45
You're on your way to the theaterθέατρο,
228
687000
1000
Είστε στο δρόμο για το θέατρο,
11:46
and in your walletπορτοφόλι you have two 20-dollar-δολάριο billsλογαριασμοί.
229
688000
2000
και μέσα στο πορτοφόλι σας έχετε δύο 20δόλλαρα.
11:48
When you arriveφθάνω you discoverανακαλύπτω you've lostχαμένος one of them.
230
690000
2000
Όταν φτάνετε, ανακαλύπτετε ότι έχετε χάσει το ένα από αυτά.
11:50
Would you spendδαπανήσει your remainingπαραμένων 20 dollarsδολάρια on a ticketεισιτήριο?
231
692000
2000
Θα ξοδεύατε τα 20 δολλάρια που σας έμειναν για ένα εισιτήριο;
11:52
Well, of courseσειρά μαθημάτων, I wentπήγε to the theaterθέατρο to see the playπαίζω.
232
694000
3000
Ναι, φυσικά: Πήγα στο θέατρο για να δω το έργο!
11:55
What does the lossαπώλεια of 20 dollarsδολάρια alongκατά μήκος the way have to do?
233
697000
3000
Τι σχέση έχει η απώλεια του 20δόλλαρου με αυτό;
11:58
Now, just in caseπερίπτωση you're not gettingνα πάρει it,
234
700000
3000
Τώρα, σε περίπτωση που δεν το καταλαβαίνετε,
12:01
here'sεδώ είναι a schematicσχηματικός of what happenedσυνέβη, OK?
235
703000
2000
ορίστε μια απεικόνιση του τι συνέβη, εντάξει;
12:03
(LaughterΤο γέλιο)
236
705000
1000
(Γέλια)
12:04
AlongΚατά μήκος the way, you lostχαμένος something.
237
706000
2000
Στην πορεία, χάσατε κάτι.
12:06
In bothκαι τα δυο casesπεριπτώσεις, it was a pieceκομμάτι of paperχαρτί.
238
708000
2000
Και στις δύο περιπτώσεις ήταν ένα κομμάτι χαρτί.
12:08
In one caseπερίπτωση, it had a U.S. presidentΠρόεδρος on it; in the other caseπερίπτωση it didn't.
239
710000
4000
Στη μία περίπτωση είχε εναν πρόεδρο των Η.Π. πάνω του. Στην άλλη περίπτωση δεν είχε.
12:12
What the hellκόλαση differenceδιαφορά should it make?
240
714000
2000
Ποια στο καλό είναι η διαφορά;
12:14
The differenceδιαφορά is that when you lostχαμένος the ticketεισιτήριο you say to yourselfσύ ο ίδιος,
241
716000
3000
Η διαφορά ειναι ότι όταν χάσατε το εισιτήριο λέτε στον εαυτό σας,
12:17
I'm not payingδικαιούχος twiceεις διπλούν for the sameίδιο thing.
242
719000
2000
δεν πληρώνω δύο φορές για το ίδιο πράγμα.
12:19
You compareσυγκρίνω the costκόστος of the playπαίζω now -- 40 dollarsδολάρια --
243
721000
3000
Συγκρίνετε το κόστος της παράστασης τώρα -- 40 δολλάρια --
12:22
to the costκόστος that it used to have -- 20 dollarsδολάρια -- and you say it's a badκακό dealσυμφωνία.
244
724000
5000
με το συνηθισμένο κόστος -- 20 δολλάρια -- και λέτε ότι είναι ασύμφορο.
12:27
ComparingΣύγκριση with the pastτο παρελθόν causesαιτίες manyΠολλά of the problemsπροβλήματα
245
729000
4000
Το να συγκρίνουμε με το παρελθόν προκαλεί πολλά από τα προβλήματα
12:31
that behavioralσυμπεριφορική economistsοικονομολόγους and psychologistsψυχολόγους identifyαναγνωρίζω
246
733000
3000
τα οποία αναγνωρίζουν οι συμπεριφορικοί οικονομολόγοι και ψυχολόγοι
12:34
in people'sτων ανθρώπων attemptsπροσπάθειες to assignαναθέτω valueαξία.
247
736000
2000
στην προσπάθεια των ανθρώπων να καθορίσουν αξία.
12:36
But even when we compareσυγκρίνω with the possibleδυνατόν, insteadαντι αυτου of the pastτο παρελθόν,
248
738000
5000
Αλλά ακόμα και όταν συγκρίνουμε με τη δυνατότητα, αντί για το παρελθόν,
12:41
we still make certainβέβαιος kindsείδη of mistakesλάθη.
249
743000
2000
πάλι κάνουμε κάποια είδη λαθών.
12:43
And I'm going to showπροβολή you one or two of them.
250
745000
2000
Και τώρα πρόκειται να σας δείξω δύο από αυτά.
12:45
One of the things we know about comparisonσύγκριση:
251
747000
3000
Ένα από τα πράγματα που ξέρουμε για τη σύγκριση:
12:48
that when we compareσυγκρίνω one thing to the other, it changesαλλαγές its valueαξία.
252
750000
3000
ότι όταν συγκρίνουμε κάτι με κάτι άλλο, αλλάζει η αξία του.
12:51
So in 1992, this fellowσύντροφος, GeorgeΓιώργος BushΟ Μπους, for those of us who were
253
753000
4000
Το 1992, λοιπόν, ο Τζωρτζ Μπους, για αυτούς από εμάς που ήταν
12:55
kindείδος of on the liberalφιλελεύθερη sideπλευρά of the politicalπολιτικός spectrumφάσμα,
254
757000
3000
στη φιλελεύθερη πλευρά του πολιτικού φάσματος
12:58
didn't seemφαίνομαι like suchτέτοιος a great guy.
255
760000
2000
δεν τον θεωρούσαμε και καταπληκτικό τυπά.
13:00
SuddenlyΞαφνικά, we're almostσχεδόν longingλαχτάρα for him to returnΕΠΙΣΤΡΟΦΗ.
256
762000
4000
Ξαφνικά, τον νοσταλγούμε και θέλουμε να επιστρέψει.
13:04
(LaughterΤο γέλιο)
257
766000
3000
(Γέλια)
13:07
The comparisonσύγκριση changesαλλαγές how we evaluateαξιολογώ him.
258
769000
3000
Η σύγκριση αλλάζει το πως τον αξιολογούμε.
13:10
Now, retailersλιανοπωλητές knewήξερε this long before anybodyοποιοσδήποτε elseαλλού did, of courseσειρά μαθημάτων,
259
772000
4000
Οι πωλητές φυσικά, το γνώριζαν αυτό πολύ πριν από οποιονδήποτε άλλο
13:14
and they use this wisdomσοφία to help you --
260
776000
2000
και χρησιμοποιούν αυτή την γνώση για να σας βοηθήσουν --
13:16
spareεφεδρικός you the undueαδικαιολόγητη burdenβάρος of moneyχρήματα.
261
778000
2000
να ξεφορτωθείτε το βάρος των... χρημάτων σας.
13:18
And so a retailerκατάστημα λιανικής, if you were to go into a wineκρασί shopκατάστημα
262
780000
3000
Οπότε ο πωλητής, αν μπαίνατε στην κάβα του
13:21
and you had to buyαγορά a bottleμπουκάλι of wineκρασί,
263
783000
1000
για να αγοράσετε ένα μπουκάλι κρασί,
13:22
and you see them here for eightοκτώ, 27 and 33 dollarsδολάρια, what would you do?
264
784000
4000
και τα βλέπετε εκεί για 8, 27 και 33 δολλάρια, τι θα κάνατε;
13:26
MostΠερισσότερα people don't want the mostπλέον expensiveακριβός,
265
788000
2000
Οι περισσότεροι άνθρωποι δεν θέλουν το πιο ακριβό,
13:28
they don't want the leastελάχιστα expensiveακριβός.
266
790000
2000
δεν θέλουν το πιο φτηνό.
13:30
So, they will optεπιλέγω for the itemείδος in the middleΜέσης.
267
792000
2000
Οπότε θα προτιμήσουν το μεσαίο.
13:32
If you're a smartέξυπνος retailerκατάστημα λιανικής, then, you will put a very expensiveακριβός itemείδος
268
794000
3000
Αν είσαι ένας έξυπνος πωλητής, τότε, θα βάλεις ένα πολύ ακριβό αντικείμενο
13:35
that nobodyκανείς will ever buyαγορά on the shelfράφι,
269
797000
2000
στο ράφι, το οποίο κανείς ποτέ δεν πρόκειται να αγοράσει,
13:37
because suddenlyξαφνικά the $33 wineκρασί doesn't look as expensiveακριβός in comparisonσύγκριση.
270
799000
6000
γιατί ξαφνικά το 33 δολλαρίων κρασί δεν φαίνεται τόσο ακριβό σε σύγκριση.
13:43
So I'm tellingαποτελεσματικός you something you alreadyήδη knewήξερε:
271
805000
1000
Άρα σας λέω κάτι που ήδη γνωρίζατε:
13:44
namelyκαι συγκεκριμένα, that comparisonσύγκριση changesαλλαγές the valueαξία of things.
272
806000
4000
ότι η σύγκριση αλλάζει την αξία των πραγμάτων.
13:48
Here'sΕδώ είναι why that's a problemπρόβλημα:
273
810000
1000
Να γιατί αυτό είναι πρόβλημα:
13:49
the problemπρόβλημα is that when you get that $33 bottleμπουκάλι of wineκρασί home,
274
811000
6000
το πρόβλημα έίναι ότι όταν πάρετε το 33 δολλαρίων μπουκάλι στο σπίτι,
13:55
it won'tσυνηθισμένος matterύλη what it used to be sittingσυνεδρίαση on the shelfράφι nextεπόμενος to.
275
817000
4000
δεν θα έχει σημασία δίπλα σε τι ήταν τοποθετημένο στο ράφι.
13:59
The comparisonsσυγκρίσεις we make when we are appraisingαξιολόγηση valueαξία,
276
821000
5000
Οι συγκρίσεις που συμβαίνουν όταν ορίζουμε μια αξία,
14:04
where we're tryingπροσπαθεί to estimateεκτίμηση how much we'llΚαλά like things,
277
826000
4000
όπου προσπαθούμε να υπολογίσουμε πόσο θα μας αρέσει κάτι,
14:08
are not the sameίδιο comparisonsσυγκρίσεις we'llΚαλά be makingκατασκευή when we consumeκαταναλώνω them.
278
830000
3000
δεν είναι ίδιες με τις συγκρίσεις που θα κάνουμε όταν θα τα καταναλώνουμε.
14:11
This problemπρόβλημα of shiftingμετατόπιση comparisonsσυγκρίσεις can bedevilενοχλώ
279
833000
4000
Το πρόβλημα της εναλλασσόμενες συγκρίσεις δυσχεραίνουν
14:15
our attemptsπροσπάθειες to make rationalλογικός decisionsαποφάσεων.
280
837000
3000
τις προσπάθειές μας να λάβουμε λογικές αποφάσεις.
14:18
Let me just give you an exampleπαράδειγμα.
281
840000
1000
Να σας δώσω ένα παράδειγμα.
14:19
I have to showπροβολή you something from my ownτα δικά labεργαστήριο, so let me sneakΈρπω this in.
282
841000
4000
Πρέπει να σας δείξω κάτι δικό μου, οπότε επιλέγω αυτό.
14:23
These are subjectsμαθήματα comingερχομός to an experimentπείραμα to be askedερωτηθείς
283
845000
2000
Αυτά είναι άτομα που έρχονται για ένα πείραμα όπου θα ερωτηθούν
14:25
the simplestαπλούστερη of all questionsερωτήσεις:
284
847000
2000
την απλούστερη όλων των ερωτήσεων:
14:27
How much will you enjoyαπολαμβάνω eatingτρώει potatoπατάτα chipsτσιπ one minuteλεπτό from now?
285
849000
4000
Πόσο θα απολαύσετε τα πατατάκια που θα φάτε σε ένα λεπό από τώρα;
14:31
They're sittingσυνεδρίαση in a roomδωμάτιο with potatoπατάτα chipsτσιπ in frontεμπρός of them.
286
853000
3000
Κάθονται σε ένα δωμάτιο με πατατάκια μπροστά τους.
14:34
For some of the subjectsμαθήματα, sittingσυνεδρίαση in the farμακριά cornerγωνία of a roomδωμάτιο
287
856000
3000
Για κάποια άτομα, στην άλλη άκρη του δωματίου
14:37
is a boxκουτί of GodivaGodiva chocolatesσοκολάτες, and for othersοι υπολοιποι is a can of SpamSpam.
288
859000
5000
υπάρχει ένα κουτί με ακριβά σοκολατάκια, και για άλλους μια φθηνή κονσέρβα πάριζα.
14:42
In factγεγονός, these itemsαντικειμένων that are sittingσυνεδρίαση in the roomδωμάτιο changeαλλαγή
289
864000
4000
Όντως, αυτά τα αντικείμενα που βρίσκονται στο δωμάτιο αλλάζουν
14:46
how much the subjectsμαθήματα think they're going to enjoyαπολαμβάνω the potatoπατάτα chipsτσιπ.
290
868000
3000
το πόσο τα άτομα νομίζουν ότι θα απολαύσουν τα πατατάκια.
14:49
NamelyΔηλαδή, those who are looking at SpamSpam
291
871000
2000
Συγκεκριμένα, αυτοί που κοιτάζουν την κονσέρβα
14:51
think potatoπατάτα chipsτσιπ are going to be quiteαρκετά tastyνόστιμο;
292
873000
2000
πιστεύουν ότι τα πατατάκια θα είναι πολύ νόστιμα,
14:53
those who are looking at GodivaGodiva chocolateσοκολάτα
293
875000
2000
ενώ αυτοί που κοιτάζουν τα σοκολατάκια
14:55
think they won'tσυνηθισμένος be nearlyσχεδόν so tastyνόστιμο.
294
877000
2000
πιστεύουν ότι δε θα είναι και τόσο νόστιμα.
14:57
Of courseσειρά μαθημάτων, what happensσυμβαίνει when they eatτρώω the potatoπατάτα chipsτσιπ?
295
879000
2000
Φυσικά, τι συμβαίνει όταν τρώνε τα πατατάκια;
14:59
Well, look, you didn't need a psychologistψυχολόγος to tell you that
296
881000
3000
Ε, δε χρειάζεται να είσαι ψυχολόγος για να ξέρεις ότι
15:02
when you have a mouthfulμπουκιά of greasyλιπαρή, saltyαλμυρό, crispyτραγανό, deliciousνόστιμα snacksσνακ,
297
884000
4000
όταν έχεις το στόμα σου γεμάτο με λαδερά, αλατισμένα, τραγανά, νόμιστα πατατάκια,
15:06
what's sittingσυνεδρίαση in the cornerγωνία of the roomδωμάτιο
298
888000
1000
το τι βρίσκεται στην άλλη άκρη του δωματίου
15:07
makesκάνει not a damnδεκάρα bitκομμάτι of differenceδιαφορά to your gustatoryγευστική experienceεμπειρία.
299
889000
5000
δεν παίζει κανένα απολύτως ρόλο στη γαστρονομική σου εμπειρία.
15:12
NonethelessΠαρόλα αυτά, theirδικα τους predictionsΠρογνωστικά are pervertedδιεστραμμένος by a comparisonσύγκριση
300
894000
4000
Παρ'όλα αυτά, οι προβλέψεις τους διαστρεβλώνονται από μια σύγκριση
15:16
that then does not carryμεταφέρω throughδιά μέσου and changeαλλαγή theirδικα τους experienceεμπειρία.
301
898000
4000
η οποία δεν έχει καν την ικανότητα να επηρεάσει την ίδια την εμπειρία.
15:20
You've all experiencedέμπειρος this yourselfσύ ο ίδιος, even if you've never come
302
902000
2000
Όλοι το έχετε βιώσει αυτό, ακόμα κι αν δεν έχετε έρθει
15:22
into our labεργαστήριο to eatτρώω potatoπατάτα chipsτσιπ. So here'sεδώ είναι a questionερώτηση:
303
904000
3000
στο εργαστήριό μας για να φάτε πατατάκια, οπότε ιδού ένα ερώτημα:
15:25
You want to buyαγορά a carαυτοκίνητο stereoστέρεο.
304
907000
2000
Θέλετε να αγοράσετε ένα στερεοφωνικό για το αυτοκίνητο.
15:27
The dealerέμπορος nearκοντά your houseσπίτι sellsπωλεί this particularιδιαιτερος stereoστέρεο for 200 dollarsδολάρια,
305
909000
5000
Ο πωλητής κοντά στο σπίτι σας πουλάει το συγκεκριμένο στέρεο για 200 δολλάρια,
15:32
but if you driveοδηγώ acrossαπέναντι townπόλη, you can get it for 100 bucksδολάρια.
306
914000
3000
αλλά αν πάτε στην άλλη άκρη της πόλης, μπορείτε να το πάρετε για 100 δολάρια.
15:35
So would you driveοδηγώ to get 50 percentτοις εκατό off, savingοικονομία 100 dollarsδολάρια?
307
917000
3000
Θα πηγαίνατε να πάρετε την 50% έκπτωση, γλιτώνοντας 100 δολλάρια;
15:38
MostΠερισσότερα people say they would.
308
920000
2000
Οι περισσότεροι λένε, ναι.
15:40
They can't imagineφαντάζομαι buyingεξαγορά it for twiceεις διπλούν the priceτιμή
309
922000
2000
Δεν πρόκειται να πληρώσουν τα διπλά
15:42
when, with one tripταξίδι acrossαπέναντι townπόλη, they can get it for halfΉμισυ off.
310
924000
4000
όταν, με μια βόλτα στην πόλη, μπορούν να το πάρουν για τα μισά.
15:46
Now, let's imagineφαντάζομαι insteadαντι αυτου you wanted to buyαγορά a carαυτοκίνητο that had a stereoστέρεο,
311
928000
4000
Τώρα, ας φανταστούμε ότι θέλατε να πάρετε ένα αυτοκίνητο το οποίο είχε στέρεο,
15:50
and the dealerέμπορος nearκοντά your houseσπίτι had it for 31,000.
312
932000
2000
και ο πωλητής κοντά στο σπίτι σας το πουλούσε για 31.000 δολλάρια.
15:52
But if you droveοδήγησε acrossαπέναντι townπόλη, you could get it for 30,900.
313
934000
5000
Αλλά αν πάτε στην άλλη άκρη της πόλης, θα το παίρνατε για 30.900.
15:57
Would you driveοδηγώ to get it? At this pointσημείο, 0.003 savingsοικονομίες -- the 100 dollarsδολάρια.
314
939000
4000
Θα πηγαίνατε να το πάρετε; Σε αυτή την περίπτωση, το κέρδος είναι 0,3% - 100 δολλάρια.
16:01
MostΠερισσότερα people say, no, I'm going to schlepschlep acrossαπέναντι townπόλη
315
943000
2000
Οι περισσότεροι άνθρωποι λένε, όχι, σιγά μην τρέχω μέχρι την άλλη άκρη της πόλης
16:03
to saveαποθηκεύσετε 100 bucksδολάρια on the purchaseαγορά of a carαυτοκίνητο?
316
945000
3000
για να γλιτώσω 100 δολλάρια στην αγορά ενός αυτοκινήτου.
16:06
This kindείδος of thinkingσκέψη drivesδίσκους economistsοικονομολόγους crazyτρελός, and it should.
317
948000
4000
Αυτού του είδους οι συλλογισμοί τρελαίνουν τους οικονομολόγους, και είναι λογικό.
16:10
Because this 100 dollarsδολάρια that you saveαποθηκεύσετε -- helloΧαίρετε! --
318
952000
4000
Γιατί αυτά το 100δόλλαρο που γλιτώνετε -- Σκεφτείτε το! --
16:14
doesn't know where it cameήρθε from.
319
956000
2000
δε γνωρίζει από πού προήλθε.
16:16
It doesn't know what you savedαποθηκεύονται it on.
320
958000
2000
Δεν ξέρει από πού το αποταμιεύσατε.
16:18
When you go to buyαγορά groceriesείδη παντοπωλείου with it, it doesn't go,
321
960000
2000
Όταν πάτε να αγοράσετε φρούτα με αυτό, δε θα πει:
16:20
I'm the moneyχρήματα savedαποθηκεύονται on the carαυτοκίνητο stereoστέρεο, or,
322
962000
3000
"Είμαι τα χρήματα του στερεοφωνικού!" ή
16:23
I'm the dumbχαζός moneyχρήματα savedαποθηκεύονται on the carαυτοκίνητο. It's moneyχρήματα.
323
965000
4000
"Είμαι τα χαζά χρήματα που γλίτωσες από το αυτοκίνητο." Είναι χρήματα.
16:27
And if a driveοδηγώ acrossαπέναντι townπόλη is worthαξία 100 bucksδολάρια, it's worthαξία 100 bucksδολάρια
324
969000
3000
Και αν το να πας στην άλλη άκρη της πόλης αξίζει 100 δολλάρια, τότε αξίζει 100 δολλάρια
16:30
no matterύλη what you're savingοικονομία it on. People don't think that way.
325
972000
3000
άσχετα από το πώς τα αποταμιεύεις. Οι άνθρωποι δε σκέφτονται έτσι.
16:33
That's why they don't know whetherκατά πόσο theirδικα τους mutualαμοιβαίος fundκεφάλαιο managerδιευθυντής
326
975000
2000
Και γι'αυτό δεν ξέρουν αν ο λογιστής τους
16:35
is takingλήψη 0.1 percentτοις εκατό or 0.15 percentτοις εκατό of theirδικα τους investmentεπένδυση,
327
977000
5000
τους παίρνει 0.1% ή 0.15% από τις επενδύσεις τους,
16:40
but they clipσυνδετήρας couponsκουπόνια to saveαποθηκεύσετε one dollarδολάριο off of toothpasteοδοντόκρεμα.
328
982000
3000
αλλά φυλάσσουν τα κουπόνια για να γλιτώσουν ένα δολλάριο από την οδοντόκρεμα.
16:43
Now, you can see, this is the problemπρόβλημα of shiftingμετατόπιση comparisonsσυγκρίσεις,
329
985000
3000
Τώρα, μπορείτε να δείτε, αυτό είναι ένα πρόβλημα μετάθεσης συγκρίσεων,
16:46
because what you're doing is, you're comparingσύγκριση the 100 bucksδολάρια
330
988000
3000
γιατί συγκρίνετε τα 100 δολλάρια
16:49
to the purchaseαγορά that you're makingκατασκευή,
331
991000
2000
με την αγορά που κάνετε,
16:51
but when you go to spendδαπανήσει that moneyχρήματα you won'tσυνηθισμένος be makingκατασκευή that comparisonσύγκριση.
332
993000
4000
ενώ όταν πάτε να ξοδέψετε τα χρήματα αυτά δε θα κάνετε αυτή τη σύγκριση.
16:55
You've all had this experienceεμπειρία.
333
997000
2000
Όλοι έχετε βιώσει αυτή την εμπειρία.
16:57
If you're an AmericanΑμερικανική, for exampleπαράδειγμα, you've probablyπιθανώς traveledΤαξίδεψε in FranceΓαλλία.
334
999000
4000
Αν είστε Αμερικάνος, για παράδειγμα, πιθανώς να έχετε επισκεφτεί τη Γαλλία.
17:01
And at some pointσημείο you mayενδέχεται have metσυνάντησε a coupleζευγάρι
335
1003000
2000
Και σε κάποια φάση, μπορεί να συναντήσατε ένα άλλο ζευγάρι
17:03
from your ownτα δικά hometownιδιαίτερη πατρίδα, and you thought,
336
1005000
1000
από την ίδια πόλη με εσάς, και να σκεφτήκατε,
17:04
"Oh, my God, these people are so warmζεστός. They're so niceόμορφη to me.
337
1006000
5000
"Θεέ μου, αυτοί οι άνθρωποι είναι πολύ ζεστοί! Είναι πολύ καλοί μαζί μου!
17:09
I mean, comparedσε συγκριση to all these people who hateμισώ me
338
1011000
2000
Σε σύγκριση με τους άλλους ανθρώπους εδώ που με μισούν
17:11
when I try to speakμιλώ theirδικα τους languageΓλώσσα and hateμισώ me more when I don't,
339
1013000
3000
όταν προσπαθώ να μιλήσω τη γλώσσα τους και με μισούν περισσότερο όταν δεν το κάνω,
17:14
these people are just wonderfulεκπληκτικός." And so you tourπεριοδεία FranceΓαλλία with them,
340
1016000
3000
αυτοί εδώ οι άνθρωποι είναι θαυμάσιοι!" Και έτσι περνάτε τις διακοπές σας μαζί τους,
17:17
and then you get home and you inviteκαλώ them over for dinnerβραδινό,
341
1019000
2000
και όταν επιστρέφετε στην πατρίδα και τους προσκαλείτε για δείπνο,
17:19
and what do you find?
342
1021000
1000
τι ανακαλύπτετε;
17:20
ComparedΣε σύγκριση με to your regularτακτικός friendsοι φιλοι,
343
1022000
2000
Σε σύγκριση με τους κανονικούς σας φίλους
17:22
they are boringβαρετό and dullαμβλύς, right? Because in this newνέος contextσυμφραζόμενα,
344
1024000
4000
αυτοί εδώ είναι βαρετοί και ανιαροί, σωστά; Γιατί σε αυτό το νέο περιβάλλον,
17:26
the comparisonσύγκριση is very, very differentδιαφορετικός. In factγεγονός, you find yourselfσύ ο ίδιος
345
1028000
4000
η σύγκριση είναι πολύ, πολύ διαφορετική. Στην πραγματικότητα, πιάνετε τον εαυτό σας
17:30
dislikingαντιπάθειας them enoughαρκετά almostσχεδόν to qualifyέχω τα προσόντα for FrenchΓαλλικά citizenshipιθαγένεια.
346
1032000
3000
να τους αντιπαθεί αρκετά ώστε να πληρούν τις προϋποθέσεις για γαλλική υπηκοότητα!
17:34
Now, you have exactlyακριβώς the sameίδιο problemπρόβλημα when you shopκατάστημα for a stereoστέρεο.
347
1036000
3000
Τώρα, έχετε ακριβώς το ίδιο πρόβλημα όταν ψωνίζετε στέρεο.
17:37
You go to the stereoστέρεο storeκατάστημα, you see two setsσκηνικά of speakersΗχεία --
348
1039000
3000
Πάτε στο μαγαζί, βλέπετε δύο σετ ηχείων --
17:40
these bigμεγάλο, boxyboxy, monolithsμονόλιθους, and these little, sleekλείος speakersΗχεία,
349
1042000
4000
κάτι τους τεράστιους μονόλιθους, και κάτι μικρούλικα ηχειάκια,
17:44
and you playπαίζω them, and you go, you know, I do hearακούω a differenceδιαφορά:
350
1046000
2000
και τα ακούτε, και λέτε: "Ναι ναι, αντιλαμβάνομαι τη διαφορά!
17:46
the bigμεγάλο onesαυτές soundήχος a little better.
351
1048000
2000
Τα μεγάλα ακούγονται λίγο καλύτερα!
17:48
And so you buyαγορά them, and you bringνα φερεις them home,
352
1050000
2000
Και τα αγοράζετε, και τα πάτε σπίτι,
17:50
and you entirelyεξ ολοκλήρου violateπαραβιάζω the décorcor of your houseσπίτι.
353
1052000
3000
και βιάζετε εντελώς την αισθητική του σπιτιού σας.
17:53
And the problemπρόβλημα, of courseσειρά μαθημάτων, is that this comparisonσύγκριση you madeέκανε in the storeκατάστημα
354
1055000
4000
Και το πρόβλημα, φυσικά, είναι ότι η σύγκριση που κάνατε στο μαγαζί
17:57
is a comparisonσύγκριση you'llθα το κάνετε never make again.
355
1059000
2000
είναι μια σύγκριση που δε θα κάνετε ποτέ ξανά.
17:59
What are the oddsπιθανότητα that yearsχρόνια laterαργότερα you'llθα το κάνετε turnστροφή on the stereoστέρεο and go,
356
1061000
2000
Ποιες είναι οι πιθανότητες μετά από χρόνια να ανοίξετε το στέρεο και να πείτε:
18:01
"SoundsΉχοι so much better than those little onesαυτές,"
357
1063000
3000
"Ακούγεται πολύ καλύτερα από εκείνα τα μικρά."
18:04
whichοι οποίες you can't even rememberθυμάμαι hearingακρόαση.
358
1066000
2000
τα οποία πλέον δε θυμόσαστε καν πώς ακούγονταν.
18:06
The problemπρόβλημα of shiftingμετατόπιση comparisonsσυγκρίσεις is even more difficultδύσκολος
359
1068000
3000
Το πρόβλημα με τη μεταθετημένη σύγκριση είναι ακόμα πιο δύσκολο
18:09
when these choicesεπιλογές are arrayedμαζεύτηκαν over time.
360
1071000
3000
όταν αυτές οι επιλογές κατανέμονται στο βάθος χρόνου.
18:12
People have a lot of troubleταλαιπωρία makingκατασκευή decisionsαποφάσεων
361
1074000
3000
Οι άνθρωποι έχουν μεγάλο πρόβλημα στο να παίρνουν αποφάσεις
18:15
about things that will happenσυμβεί at differentδιαφορετικός pointsσημεία in time.
362
1077000
3000
για πράγματα που θα συμβούν σε διαφορετικά χρονίκα σημεία.
18:18
And what psychologistsψυχολόγους and behavioralσυμπεριφορική economistsοικονομολόγους have discoveredανακαλύφθηκε
363
1080000
2000
Και αυτό που έχουν ανακαλύψει οι ψυχολόγοι και οι συμπεριφορικοί οικονομολόγοι
18:20
is that by and largeμεγάλο people use two simpleαπλός rulesκανόνες.
364
1082000
3000
είναι ότι κατά κανόνα οι άνθρωποι χρησιμοποιούν δύο κανόνες.
18:23
So let me give you one very easyεύκολος problemπρόβλημα, a secondδεύτερος very easyεύκολος problemπρόβλημα
365
1085000
4000
Ας σας δώσω ένα εύκολο πρόβλημα, ένα πολύ εύκολο πρόβλημα,
18:27
and then a thirdτρίτος, hardσκληρά, problemπρόβλημα.
366
1089000
1000
και ένα δύσκολο πρόβλημα.
18:28
Here'sΕδώ είναι the first easyεύκολος problemπρόβλημα:
367
1090000
3000
Ορίστε το πρώτο εύκολο πρόβλημα:
18:31
You can have 60 dollarsδολάρια now or 50 dollarsδολάρια now. WhichΟποία would you preferπροτιμώ?
368
1093000
3000
Μπορείτε να έχετε 60 δολλάρια τώρα ή 50 δολλάρια τώρα. Τι θα προτιμούσατε;
18:34
This is what we call a one-itemένα στοιχείο IQIQ testδοκιμή, OK?
369
1096000
3000
Αυτό είναι σαν τεστ ευφυΐας μιας ερώτησης, ε;
18:37
All of us, I hopeελπίδα, preferπροτιμώ more moneyχρήματα, and the reasonλόγος is,
370
1099000
3000
Όλοι μας, πιστεύω, προτιμούμε περισσότερα χρήματα και ο λόγος είναι γιατί
18:40
we believe more is better than lessπιο λιγο.
371
1102000
3000
πιστεύουμε ότι τα περισσότερα είναι καλύτερο από τα λιγότερα.
18:43
Here'sΕδώ είναι the secondδεύτερος problemπρόβλημα:
372
1105000
1000
Ορίστε το δεύτερο πρόβλημα:
18:44
You can have 60 dollarsδολάρια todayσήμερα or 60 dollarsδολάρια in a monthμήνας. WhichΟποία would you preferπροτιμώ?
373
1106000
4000
Μπορείτε να έχετε 60 δολλάρια σήμερα ή 60 δολλάρια σε ένα μήνα. Τι προτιμάτε;
18:48
Again, an easyεύκολος decisionαπόφαση,
374
1110000
2000
Πάλι είναι μια εύκολη απόφαση,
18:50
because we all know that now is better than laterαργότερα.
375
1112000
4000
γιατί όλοι ξέρουμε ότι το τώρα είναι καλύτερο από το αργότερα.
18:54
What's hardσκληρά in our decision-makingλήψη αποφάσης is when these two rulesκανόνες conflictσύγκρουση.
376
1116000
3000
Αυτό που δυσκολεύει τη λήψη αποφάσεων είναι όταν αυτοί οι δύο κανόνες συγκρούονται.
18:57
For exampleπαράδειγμα, when you're offeredπροσφέρονται 50 dollarsδολάρια now or 60 dollarsδολάρια in a monthμήνας.
377
1119000
4000
Για παράδειγμα, όταν σου προσφέρουν 50 δολλάρια τώρα ή 60 δολλάρια σε ένα μήνα.
19:01
This typifiesχαρακτηρίζει a lot of situationsκαταστάσεις in life in whichοι οποίες you will gainκέρδος
378
1123000
3000
Αυτό χαρακτηρίζει πολλές καταστάσεις στη ζωή όπου θα κερδίσεις
19:04
by waitingαναμονή, but you have to be patientυπομονετικος.
379
1126000
3000
περιμένοντας, αλλά πρέπει να έχεις υπομονή.
19:07
What do we know? What do people do in these kindsείδη of situationsκαταστάσεις?
380
1129000
3000
Τι ξέρουμε; Τι κάνουν οι άνθρωποι σε αυτές τις καταστάσεις;
19:10
Well, by and largeμεγάλο people are enormouslyπολύ impatientανυπόμονος.
381
1132000
4000
Ε, λοιπόν, κατά κανόνα οι άνθρωποι είναι απίστευτα ανυπόμονοι.
19:14
That is, they requireαπαιτώ interestενδιαφέρον ratesτιμές in the hundredεκατό
382
1136000
3000
Δηλαδή, απαιτούν αποδόσεις της τάξης του 100%
19:17
or thousandsχιλιάδες of percentspercents in orderΣειρά to delayκαθυστέρηση gratificationικανοποίηση
383
1139000
4000
ή του 1000% για να δεχτούν να περιμένουν
19:21
and wait untilμέχρις ότου nextεπόμενος monthμήνας for the extraεπιπλέον 10 dollarsδολάρια.
384
1143000
4000
και να παραλάβουν σε ένα μήνα τα υπόλοιπα 10 δολλάρια.
19:25
Maybe that isn't so remarkableαξιοσημείωτος, but what is remarkableαξιοσημείωτος is
385
1147000
3000
Ίσως αυτό δεν είναι και τόσο αξιοσημείωτο, αλλά αυτό που είναι αξιοσημείωτο είναι
19:28
how easyεύκολος it is to make this impatienceανυπομονησία go away by simplyαπλά changingαλλάζοντας
386
1150000
4000
το πόσο εύκολο είναι να κάνει κανείς αυτή την ανυπομονησία να εξαφανιστεί, αλλάζοντας
19:32
when the deliveryδιανομή of these monetaryνομισματική unitsμονάδες will happenσυμβεί.
387
1154000
4000
το πότε αυτή η παράδοση των χρημάτων θα συμβεί.
19:36
ImagineΦανταστείτε that you can have 50 dollarsδολάρια in a yearέτος -- that's 12 monthsμήνες --
388
1158000
3000
Φανταστείτε ότι μπορείτε να έχετε 50 δολλάρια σε ένα χρόνο -- δηλαδή 12 μήνες --
19:39
or 60 dollarsδολάρια in 13 monthsμήνες.
389
1161000
3000
ή 60 δολλάρια σε 13 μήνες.
19:42
What do we find now?
390
1164000
1000
Τι γίνεται τώρα;
19:43
People are gladlyευχαρίστως willingπρόθυμος to wait: as long as they're waitingαναμονή 12,
391
1165000
3000
Ο κόσμος είναι πολύ πρόθυμος να περιμένει: εφόσον θα περιμένει για 12,
19:46
they mightθα μπορούσε as well wait 13.
392
1168000
2000
σιγά, ας περιμένει για 13.
19:48
What makesκάνει this dynamicδυναμικός inconsistencyασυνέπεια happenσυμβεί?
393
1170000
3000
Τι προκαλεί αυτή τη δυναμική ασυνέπεια;
19:51
ComparisonΣύγκριση. TroublingΑνησυχητικές comparisonσύγκριση. Let me showπροβολή you.
394
1173000
4000
Η σύγκριση. Μπερδεμένη σύγκριση. Να σας δείξω:
19:55
This is just a graphγραφική παράσταση showingεπίδειξη the resultsΑποτελέσματα that I just suggestedπρότεινε
395
1177000
3000
Αυτό είναι ένα γράφημα που δείχνει τα αποτελέσματα αυτού που είπα
19:58
you would showπροβολή if I gaveέδωσε you time to respondαπαντώ, whichοι οποίες is,
396
1180000
2000
ότι θα δείχνατε αν σας έδειχνα χρόνο να απαντήσετε, τα οποία είναι,
20:00
people find that the subjectiveυποκειμενικός valueαξία of 50 is higherπιο ψηλά
397
1182000
3000
οι άνθρωποι βρίσκουν ότι η υποκειμενική αξία των 50 είναι υψηλότερη
20:03
than the subjectiveυποκειμενικός valueαξία of 60 when they'llθα το κάνουν be deliveredπαραδόθηκε in now
398
1185000
4000
από την υποκειμενική αξία των 60 όταν θα παραδωθούν τώρα
20:07
or one monthμήνας, respectivelyαντίστοιχα -- a 30-day-ημέρα delayκαθυστέρηση --
399
1189000
2000
ή σε ένα μήνα, αντίστοιχα -- μια καθυστέρηση 30 ημερών --
20:09
but they showπροβολή the reverseΑΝΤΙΣΤΡΟΦΗ patternπρότυπο when you pushΣπρώξτε the entireολόκληρος decisionαπόφαση
400
1191000
4000
αλλά δείχνουν το αντίστροφο μοτίβο όταν σπρώξουμε ολόκληρη την απόφαση
20:13
off into the futureμελλοντικός a yearέτος.
401
1195000
3000
στο βάθος ενός χρόνου.
20:16
Now, why in the worldκόσμος do you get this patternπρότυπο of resultsΑποτελέσματα?
402
1198000
4000
Τώρα, για ποιο λόγο προκύπτει αυτό το αποτέλεσμα;
20:20
These guys can tell us.
403
1202000
1000
Αυτοί εδώ μπορούν να μας πουν.
20:21
What you see here are two ladsπαλικάρια,
404
1203000
3000
Βλέπετε εδώ δύο ανθρώπους,
20:24
one of them largerμεγαλύτερος than the other: the firemanπυροσβέστης and the fiddlerΒιολάρης.
405
1206000
3000
ο ένας από αυτούς είναι ψηλότερος από τον άλλον: ο πυροσβέστης και ο βιολιστής.
20:27
They are going to recedeυποχωρούν towardsπρος the vanishingνα εξαφανιστεί pointσημείο in the horizonορίζοντας,
406
1209000
3000
Θα αρχίσουν να φεύγουν προς το τέλος του ορίζοντα,
20:30
and I want you to noticeειδοποίηση two things.
407
1212000
2000
και θέλω να προσέξετε δύο πράγματα.
20:32
At no pointσημείο will the firemanπυροσβέστης look tallerπιο ΨΗΛΟΣ than the fiddlerΒιολάρης. No pointσημείο.
408
1214000
6000
Ποτέ δεν πρόκειται ο πυροσβέστης να είναι ψηλότερος από το βιολιστή. Ποτέ.
20:38
HoweverΩστόσο, the differenceδιαφορά betweenμεταξύ them seemsφαίνεται to be gettingνα πάρει smallerμικρότερος.
409
1220000
3000
Ωστόσο, η διαφορά μεταξύ τους φαίνεται να γίνεται μικρότερη.
20:41
First it's an inchίντσα in your viewθέα, then it's a quarter-inchτέταρτο ιντσών,
410
1223000
3000
Πρωτα είναι μερικά εκατοστά, όπως το βλέπετε, μετά λιγότερα,
20:44
then a half-inchμισή ίντσα, and then finallyτελικά they go off the edgeάκρη of the earthγη.
411
1226000
4000
μετά μόλις ένα εκατοστό, και στο τέλος εξαφανίζονται στην άκρη του πλανήτη.
20:48
Here are the resultsΑποτελέσματα of what I just showedέδειξε you.
412
1230000
3000
Αυτά είναι τα αποτελέσματα αυτού που σας έδειξα.
20:51
This is the subjectiveυποκειμενικός heightύψος --
413
1233000
2000
Αυτό είναι το υποκειμενικό ύψος --
20:53
the heightύψος you saw of these guys at variousδιάφορος pointsσημεία.
414
1235000
3000
το ύψος που είδατε στους τυπάδες στα διάφορα σημεία.
20:56
And I want you to see that two things are trueαληθής.
415
1238000
2000
Και θέλω να δείτε ότι δύο πράγματα ισχύουν.
20:58
One, the fartherμακρύτερα away they are, the smallerμικρότερος they look;
416
1240000
3000
Πρώτον, όσο πιο μακριά είναι, τόσο μικρότεροι φαίνονται.
21:01
and two, the firemanπυροσβέστης is always biggerμεγαλύτερος than the fiddlerΒιολάρης.
417
1243000
2000
Δεύτερον, o πυροσβέστης είναι πάντα ψηλότερος από το βιολιστή.
21:03
But watch what happensσυμβαίνει when we make some of them disappearεξαφανίζομαι. Right.
418
1245000
6000
Αλλά κοιτάξτε τι συμβαίνει όταν κάνουμε μερικά απο αυτά να εξαφαναιστούν. Ωραία.
21:09
At a very closeΚοντά distanceαπόσταση, the fiddlerΒιολάρης looksφαίνεται tallerπιο ΨΗΛΟΣ than the firemanπυροσβέστης,
419
1251000
3000
Σε πολύ κοντινή απόσταση, ο βιολιστής φαίνεται ψηλότερος από τον πυροσβέστη,
21:12
but at a farμακριά distanceαπόσταση
420
1254000
2000
αλλά σε μακρινή απόσταση
21:14
theirδικα τους normalκανονικός, theirδικα τους trueαληθής, relationsσυγγένειες are preservedκονσέρβες.
421
1256000
3000
οι κανονικές, οι πραγματικές τους σχέσεις διατηρούνται.
21:17
As PlatoΟ Πλάτων said, what spaceχώρος is to sizeμέγεθος, time is to valueαξία.
422
1259000
5000
Όπως είπε ο Πλάτωνας, ο χρόνος είναι για την αξία, ό,τι ο χώρος για το μέγεθος.
21:22
These are the resultsΑποτελέσματα of the hardσκληρά problemπρόβλημα I gaveέδωσε you:
423
1264000
5000
Αυτά είναι τα αποτελέσματα του δύσκολου προβλήματος που σας έδωσα:
21:27
60 now or 50 in a monthμήνας?
424
1269000
2000
60 τώρα ή 50 σε ένα μήνα;
21:29
And these are subjectiveυποκειμενικός valuesαξίες,
425
1271000
1000
Και αυτές είναι οι υποκειμενικές αξίες,
21:30
and what you can see is, our two rulesκανόνες are preservedκονσέρβες.
426
1272000
2000
και όπως βλέπετε, οι δύο κανόνες μας διατηρούνται.
21:32
People always think more is better than lessπιο λιγο:
427
1274000
2000
Οι άνθρωποι πάντα πιστεύουν ότι το περισσότερο είναι καλύτερο από το λιγότερο
21:34
60 is always better than 50,
428
1276000
2000
το 60 είναι πάντα καλύτερο από το 50,
21:36
and they always think now is better than laterαργότερα:
429
1278000
2000
και πάντα πιστεύουν ότι το τώρα είναι καλύτερο από το αργότερα:
21:38
the barsμπαρ on this sideπλευρά are higherπιο ψηλά than the barsμπαρ on this sideπλευρά.
430
1280000
3000
τα γραφήματα σε αυτή την πλευρά είναι υψηλότερα από την άλλη πλευρά.
21:41
Watch what happensσυμβαίνει when we dropπτώση some out.
431
1283000
3000
Κοιτάξτε τι γίνεται αν αφαιρέσουμε μερικές από αυτές.
21:44
SuddenlyΞαφνικά we have the dynamicδυναμικός inconsistencyασυνέπεια that puzzledπροβλημάτισε us.
432
1286000
3000
Ξαφνικά έχουμε τη δυναμική ασυνέπεια που μας μπέρδεψε.
21:47
We have the tendencyτάση for people to go for 50 dollarsδολάρια now
433
1289000
4000
Έχουμε μια τάση των ανθρώπων να προτιμούν τα 50 δολλάρια τώρα
21:51
over waitingαναμονή a monthμήνας, but not if that decisionαπόφαση is farμακριά in the futureμελλοντικός.
434
1293000
3000
αντί να περιμένουν ένα μήνα, αλλά όχι αν αυτή η απόφαση βρίσκεται μακριά στο μέλλον.
21:54
NoticeΕιδοποίηση something interestingενδιαφέρων that this impliesσυνεπάγεται -- namelyκαι συγκεκριμένα, that
435
1296000
4000
Προσέξτε κάτι ενδιαφέρον που υπονοείται -- ότι
21:58
when people get to the futureμελλοντικός, they will changeαλλαγή theirδικα τους mindsμυαλά.
436
1300000
4000
όταν φτάσει το μέλλον, αυτοί οι άνθρωποι θα αλλάξουν γνώμη.
22:02
That is, as that monthμήνας 12 approachesπροσεγγίσεις, you will say,
437
1304000
3000
Δηλαδή, όταν φτάσει ο 12ος μήνας, θα λένε,
22:05
what was I thinkingσκέψη, waitingαναμονή an extraεπιπλέον monthμήνας for 60 dollarsδολάρια?
438
1307000
3000
"Τι σκεφτόμουν; Να περιμένω άλλο ένα μήνα για 60 δολλάρια;
22:08
I'll take the 50 dollarsδολάρια now.
439
1310000
3000
Προτιμώ τα 50 τώρα!"
22:11
Well, the questionερώτηση with whichοι οποίες I'd like to endτέλος is this:
440
1313000
3000
Το ερώτημα με το οποίο θα ήθελα να καταλήξω είναι το εξής:
22:14
If we're so damnδεκάρα stupidηλίθιος, how did we get to the moonφεγγάρι?
441
1316000
3000
Αν είμαστε τόσο ηλίθιοι, πώς πήγαμε στο φεγγάρι;
22:17
Because I could go on for about two hoursώρες with evidenceαπόδειξη
442
1319000
3000
Γιατί θα μπορούσα να μιλάω για ώρες για το ότι
22:20
of people'sτων ανθρώπων inabilityαδυναμία to estimateεκτίμηση oddsπιθανότητα and inabilityαδυναμία to estimateεκτίμηση valueαξία.
443
1322000
6000
οι άνθρωποι είναι ανίκανοι να τιμολογήσουν πιθανότητες και αξία.
22:26
The answerαπάντηση to this questionερώτηση, I think, is an answerαπάντηση you've alreadyήδη heardακούσει
444
1328000
2000
Η απάντηση σε αυτό το ερώτημα, νομίζω, είναι η απάντηση που έχετε ήδη ακούσει
22:28
in some of the talksσυνομιλίες, and I dareτολμώ say you will hearακούω again:
445
1330000
2000
σε μερικές άλλες ομιλίες, και τολμώ να πω ότι θα την ξανακούσετε:
22:30
namelyκαι συγκεκριμένα, that our brainsμυαλά were evolvedεξελίχθηκε for a very differentδιαφορετικός worldκόσμος
446
1332000
4000
Οι εγκεφαλοί μας εξελίχθηκαν σε ένα πολύ διαφορετικό κόσμο
22:34
than the one in whichοι οποίες we are livingζωή.
447
1336000
2000
από αυτόν στον οποίο ζούμε.
22:36
They were evolvedεξελίχθηκε for a worldκόσμος
448
1338000
2000
Εξελίχθηκαν σε έναν κόσμο
22:38
in whichοι οποίες people livedέζησε in very smallμικρό groupsομάδες,
449
1340000
2000
όπου οι άνθρωποι ζούσαν σε μικρές ομάδες,
22:40
rarelyσπάνια metσυνάντησε anybodyοποιοσδήποτε who was terriblyτρομερά differentδιαφορετικός from themselvesτους εαυτούς τους,
450
1342000
3000
σπάνια συναντούσαν κάποιον που να ήταν ιδιαίτερα διαφορετικός από τους ίδιους,
22:43
had ratherμάλλον shortμικρός livesζωή in whichοι οποίες there were fewλίγοι choicesεπιλογές
451
1345000
3000
είχαν σχετικά μικρές ζωές με λίγες επιλογές
22:46
and the highestύψιστος priorityπροτεραιότητα was to eatτρώω and mateMate todayσήμερα.
452
1348000
5000
και οι υψηλότερες προτεραιότητες της κάθε ημέρας ήταν το φαγητό και το ζευγάρωμα.
22:51
Bernoulli'sΤου Μπερνούλι giftδώρο, Bernoulli'sΤου Μπερνούλι little formulaτύπος, allowsεπιτρέπει us, it tellsλέει us
453
1353000
5000
Το δώρο του Μπερνούλι, ο τύπος του, μας επιτρέπει, μας λέει
22:56
how we should think in a worldκόσμος for whichοι οποίες natureφύση never designedσχεδιασμένο us.
454
1358000
5000
πώς πρέπει να σκεφτόμαστε σε έναν κόσμο για τον οποίο η φύση δε μας σχεδίασε.
23:01
That explainsεξηγεί why we are so badκακό at usingχρησιμοποιώντας it, but it alsoεπίσης explainsεξηγεί
455
1363000
4000
Αυτό εξηγεί γιατί είμαστε τόσο κακοί να τον χρησιμοποιούμε, αλλά επίσης εξηγεί
23:05
why it is so terriblyτρομερά importantσπουδαίος that we becomeγίνομαι good, fastγρήγορα.
456
1367000
5000
γιατί είναι τόσο σημαντικό να γίνουμε καλοί σε αυτό, γρήγορα.
23:10
We are the only speciesείδος on this planetπλανήτης
457
1372000
2000
Είμαστε το μοναδικό είδος στον πλανήτη
23:12
that has ever heldπου πραγματοποιήθηκε its ownτα δικά fateμοίρα in its handsτα χέρια.
458
1374000
4000
που έχει την ίδια του τη μοίρα στα χέρια του.
23:16
We have no significantσημαντικός predatorsαρπακτικά ζώα,
459
1378000
2000
Δεν έχουμε σπουδαίους θηρευτές,
23:18
we're the mastersπλοιάρχων of our physicalφυσικός environmentπεριβάλλον;
460
1380000
2000
είμαστε οι κυρίαρχοι του φυσικού μας περιβάλλοντος,
23:20
the things that normallyκανονικά causeαιτία speciesείδος to becomeγίνομαι extinctεξαφανισμένος
461
1382000
3000
τα πράγματα που συνήθουν προκαλούν τα είδη να εξαφανίζονται
23:23
are no longerμακρύτερα any threatαπειλή to us.
462
1385000
3000
πλέον δεν αποτελούν απειλή για εμάς.
23:26
The only thing -- the only thing -- that can destroyκαταστρέφω us and doomμοίρα us
463
1388000
5000
Το μόνο πράγμα -- το μοναδικό πράγμα -- που μπορεί να μας καταστρέψει και αφανήσει
23:31
are our ownτα δικά decisionsαποφάσεων.
464
1393000
2000
είναι οι ίδιες οι αποφάσεις μας.
23:33
If we're not here in 10,000 yearsχρόνια, it's going to be because
465
1395000
4000
Αν δεν είμαστε εδώ σε 10.000 χρόνια, θα είναι επειδή
23:37
we could not take advantageπλεονέκτημα of the giftδώρο givenδεδομένος to us
466
1399000
4000
δε μπορούσαμε να εκμεταλλευτούμε το δώρο που μας έδωσε
23:41
by a youngνεαρός DutchΟλλανδικά fellowσύντροφος in 1738,
467
1403000
3000
ένας νεαρός Ολλανδός το 1738,
23:44
because we underestimatedυποτιμάται the oddsπιθανότητα of our futureμελλοντικός painsκόποι
468
1406000
4000
επειδή υποτιμήσαμε τις πιθανότητες των μελλοντικών μας πόνων
23:48
and overestimatedυπερεκτιμάται the valueαξία of our presentπαρόν pleasuresτις απολαύσεις.
469
1410000
4000
και υπερτιμήσαμε την αξία των παροδικών απολαύσεων.
23:52
Thank you.
470
1414000
1000
Σας ευχαριστώ.
23:53
(ApplauseΧειροκροτήματα)
471
1415000
10000
(Χειροκρότημα)
24:03
ChrisChris AndersonΆντερσον: That was remarkableαξιοσημείωτος.
472
1425000
3000
Κρις Άντερσον: Ήταν εκπληκτικό!
24:06
We have time for some questionsερωτήσεις for DanDan GilbertGilbert. One and two.
473
1428000
5000
Έχουμε χρόνο για λίγες ερωτήσεις για το Νταν Γκίλμπερτ. Ένα και δύο.
24:11
BillBill LyellΛάιελ: Would you say that this mechanismμηχανισμός
474
1433000
3000
Μπιλ Λάιελ: Θα λέγατε ότι αυτός ο μηχανισμός
24:14
is in partμέρος how terrorismτρομοκρατία actuallyπράγματι worksεργοστάσιο to frightenτρομάζει us,
475
1436000
4000
φταίει που η τρομοκρατία καταφέρνει να μας τρομοκρατεί,
24:18
and is there some way that we could counteractαντενεργώ that?
476
1440000
4000
και υπάρχει κάποιος τρόπος που θα μπορούσαμε να το αντιμετωπίσουμε αυτό;
24:22
DanDan GilbertGilbert: I actuallyπράγματι was consultingδιαβούλευση recentlyπρόσφατα
477
1444000
1000
Νταν Γκίλμπερτ: Βασικά, τις προάλλες συμβουλευόμουν
24:23
with the DepartmentΤμήμα of HomelandΠατρίδα SecurityΑσφάλεια, whichοι οποίες generallyγενικά believesπιστεύει
478
1445000
3000
με το Τμήμα Ασφαλείας Πατρίδας, το οποίο γενικά πιστεύει
24:26
that AmericanΑμερικανική securityασφάλεια dollarsδολάρια should go to makingκατασκευή bordersσύνορα saferασφαλέστερα.
479
1448000
4000
ότι τα αμερικάνικα χρήματα πρέπει να ξοδευτούν για την ασφάλεια των συνόρων.
24:30
I triedδοκιμασμένος to pointσημείο out to them that terrorismτρομοκρατία was a nameόνομα
480
1452000
3000
Προσπάθησα να τους εξηγήσω ότι η τρομοκρατία είναι ένα όνομα
24:33
basedμε βάση on people'sτων ανθρώπων psychologicalψυχολογικός reactionαντίδραση to a setσειρά of eventsγεγονότα,
481
1455000
4000
βασισμένο στην ψυχολογική αντίδραση των ανθρώπων για κάποια σύνολα γεγονότων,
24:37
and that if they were concernedενδιαφερόμενος about terrorismτρομοκρατία they mightθα μπορούσε askπαρακαλώ
482
1459000
2000
και ότι αν όντως τους απασχολούσε η τρομοκρατία, θα έπρεπε να ρωτήσουν
24:39
what causesαιτίες terrorτρόμος and how can we stop people from beingνα εισαι terrifiedτρομοκρατημένος,
483
1461000
3000
τι είναι αυτό που προκαλεί τρόμο και πώς μπορούμε να σταματήσουμε τους ανθρώπους από το να τρομοκρατούνται,
24:42
ratherμάλλον than -- not ratherμάλλον than, but in additionπρόσθεση to
484
1464000
3000
αντί για -- όχι "αντί για", αλλά εκτός από
24:45
stoppingστάθμευση the atrocitiesθηριωδίες that we're all concernedενδιαφερόμενος about.
485
1467000
3000
το να σταματήσουμε τα αποτρόπαια πράγματα για τα οποία ανησυχούμε.
24:48
SurelyΣίγουρα the kindsείδη of playπαίζω that at leastελάχιστα AmericanΑμερικανική mediaμεσο ΜΑΖΙΚΗΣ ΕΝΗΜΕΡΩΣΗΣ give to --
486
1470000
6000
Σίγουρα ο τρόπος που τα ΜΜΕ αντιμετωπίζουν το θέμα --
24:54
and forgiveσυγχωρώ me, but in rawακατέργαστος numbersαριθμούς these are very tinyμικροσκοπικός accidentsατυχήματα.
487
1476000
5000
και συγχωρέστε με, αλλά σε καθαρούς αριθμούς αυτά είναι πολύ μικροσκοπικά ατυχήματα.
24:59
We alreadyήδη know, for exampleπαράδειγμα, in the UnitedΕνωμένοι StatesΚράτη μέλη,
488
1481000
2000
Γνωρίζουμε ήδη, για παράδειγμα, ότι στις Ηνωμένες Πολιτείες,
25:01
more people have diedπέθανε as a resultαποτέλεσμα of not takingλήψη airplanesαεροπλάνα --
489
1483000
4000
περισσότεροι έχουν πεθάνει επειδή δεν πήραν αεροπλάνο --
25:05
because they were scaredφοβισμένος -- and drivingοδήγηση on highwaysαυτοκινητόδρομους,
490
1487000
2000
επειδή φοβούνταν -- και οδηγούσαν σε εθνικές οδούς,
25:07
than were killedσκοτώθηκαν in 9/11. OK?
491
1489000
2000
από όσους σκοτώθηκαν την 11η Σεπτεμβρίου. Εντάξει;
25:09
If I told you that there was a plagueπανούκλα
492
1491000
2000
Αν σας έλεγα ότι υπάρχει μια αρρώστια
25:11
that was going to killσκοτώνω 15,000 AmericansΟι Αμερικανοί nextεπόμενος yearέτος,
493
1493000
3000
που θα σκοτώσει 15.000 Αμερικάνους τον επόμενο χρόνο,
25:14
you mightθα μπορούσε be alarmedανησυχεί if you didn't find out it was the fluγρίπη.
494
1496000
3000
θα τρομάξετε, μέχρι να συνειδητοποιήσετε ότι πρόκειται για τη γρίππη.
25:17
These are small-scaleμικρής κλίμακας accidentsατυχήματα, and we should be wonderingαναρωτιούνται
495
1499000
3000
Αυτά είναι ατυχήματα μικρού μεγέθους, και οφείλουμε να αναρωτηθούμε
25:20
whetherκατά πόσο they should get the kindείδος of playπαίζω,
496
1502000
2000
αν πρέπει όντως να απολαμβάνουν την προσοχή,
25:22
the kindείδος of coverageκάλυψη, that they do.
497
1504000
2000
την κάλυψη, που δεχονται.
25:24
SurelyΣίγουρα that causesαιτίες people to overestimateυπερεκτίμηση the likelihoodπιθανότητα
498
1506000
3000
Σίγουρα αυτό κάνει τους ανθρώπυος να υπερτιμούν την πιθανότητα
25:27
that they'llθα το κάνουν be hurtπλήγμα in these variousδιάφορος waysτρόπους,
499
1509000
2000
ότι θα πάθουν κάτι με όλους αυτούς τους ποικίλους τρόπους,
25:29
and givesδίνει powerεξουσία to the very people who want to frightenτρομάζει us.
500
1511000
2000
και δίνει ισχύ στους ίδιους τους ανθρώπους που θέλουν να μας τρομοκρατήσουν.
25:31
CACA: DanDan, I'd like to hearακούω more on this. So, you're sayingρητό
501
1513000
2000
Κ.Α.: Νταν, θα ήθελα να ακούσω περισσότερα για αυτό. Δηλαδή, λες
25:33
that our responseαπάντηση to terrorτρόμος is, I mean, it's a formμορφή of mentalδιανοητικός bugέντομο?
502
1515000
4000
ότι η αντίδρασή μας στον τρόμο, είναι ένα είδος διανοητικού ελαττώματος;
25:37
Talk more about it.
503
1519000
1000
Πες μας περισσότερα για αυτό.
25:38
DGΓΔ: It's out-sizedέξω-μεγέθους. I mean, look.
504
1520000
3000
Ντ.Γκ.: Είναι υπερδιογκωμένο. Δηλαδή, κοίτα,
25:41
If AustraliaΑυστραλία disappearsεξαφανίζεται tomorrowαύριο,
505
1523000
2000
αν η Αυστραλία εξαφανιστεί αύριο,
25:43
terrorτρόμος is probablyπιθανώς the right responseαπάντηση.
506
1525000
2000
ο τρόμος είναι μια καλή αντίδραση.
25:45
That's an awfulαπαίσιος largeμεγάλο lot of very niceόμορφη people. On the other handχέρι,
507
1527000
5000
Μιλάμε για ένα τεράστιο αριθμό πολύ καλών ανθρώπων. Από την άλλη,
25:50
when a busλεωφορείο blowsχτυπήματα up and 30 people are killedσκοτώθηκαν,
508
1532000
3000
όταν ένα λεωφορείο ανατινάζεται και 30 άτομα σκοτώνονται,
25:53
more people than that were killedσκοτώθηκαν
509
1535000
2000
ενώ περισσότεροι σκοτώθηκαν
25:55
by not usingχρησιμοποιώντας theirδικα τους seatbeltsζώνες αυτοκινήτου in the sameίδιο countryΧώρα.
510
1537000
3000
επειδή δε φορούσαν ζώνες ασφαλείας σε ολόκληρη τη χώρα.
25:58
Is terrorτρόμος the right responseαπάντηση?
511
1540000
1000
Είναι ο τρόμος η σωστή απόκριση;
25:59
CACA: What causesαιτίες the bugέντομο? Is it the dramaΔράμα of the eventΕκδήλωση --
512
1541000
4000
Κ.Α.: Και τι είναι αυτό που προκαλεί τη σύγχυση; Είναι το δράμα του γεγονότος --
26:03
that it's so spectacularθεαματικός?
513
1545000
1000
το ότι είναι τόσο θεαματικό;
26:04
Is it the factγεγονός that it's an intentionalεκ προθέσεως attackεπίθεση by, quoteπαραθέτω, αναφορά, outsidersξένους?
514
1546000
3000
Είναι το γεγονός ότι πρόκειται για μια προμελετημένη πράξη από... "ξένους";
26:07
What is it?
515
1549000
1000
Τι είναι;
26:08
DGΓΔ: Yes. It's a numberαριθμός of things, and you hitΚτύπημα on severalαρκετά of them.
516
1550000
3000
Ντ.Γκ.: Ναι, είναι διάφορα, και πέτυχες μερικά από αυτά.
26:11
First, it's a humanο άνθρωπος agentπαράγοντα tryingπροσπαθεί to killσκοτώνω us --
517
1553000
2000
Πρώτον, είναι ένας ανθρώπινος παράγοντας που θέλει να μας σκοτώσει --
26:13
it's not a treeδέντρο fallingπτώση on us by accidentατύχημα.
518
1555000
3000
Δεν είναι ένα δέντρο που έπεσε πάνω μας κατά τύχη.
26:16
SecondΔεύτερη, these are enemiesεχθρούς who mayενδέχεται want to strikeαπεργία and hurtπλήγμα us again.
519
1558000
3000
Δεύτερον, πρόκειται για εχθρούς που προσπαθούν ενεργά να μας βλάψουν και θα το ξανακάνουν.
26:19
People are beingνα εισαι killedσκοτώθηκαν for no reasonλόγος insteadαντι αυτου of good reasonλόγος --
520
1561000
3000
Άνθρωποι σκοτώνονται χωρίς λογο αντί για καλό λόγο --
26:22
as if there's good reasonλόγος, but sometimesωρες ωρες people think there are.
521
1564000
3000
λες και υπάρχει καλός λόγος, αλλά μερικές φορές οι άνθρωποι πιστεύουν ότι υπάρχει.
26:25
So there are a numberαριθμός of things that togetherμαζί
522
1567000
2000
Οπότε υπάρχει ένας αριθμός παραγόντων που όλοι μαζί
26:27
make this seemφαίνομαι like a fantasticφανταστικός eventΕκδήλωση, but let's not playπαίζω down
523
1569000
3000
κάνουν αυτό να φαίνεται ως κάτι ξεχωριστό, αλλά ας μην αποσιωπήσουμε
26:30
the factγεγονός that newspapersεφημερίδες sellΠουλώ when people see something in it
524
1572000
4000
το γεγονός ότι οι εφημαρίδες πωλούνται ευκολότερα όταν οι άνθρωποι βλέπουν κάτι
26:34
they want to readανάγνωση. So there's a largeμεγάλο roleρόλος here playedέπαιξε by the mediaμεσο ΜΑΖΙΚΗΣ ΕΝΗΜΕΡΩΣΗΣ,
525
1576000
3000
που θέλουν να διαβάσουν. Συνεπώς, τα ΜΜΕ παίζουν τεραστιο ρόλο εδώ,
26:37
who want these things to be
526
1579000
2000
που θέλουν αυτά τα πράγματα να είναι
26:39
as spectacularθεαματικός as they possiblyπιθανώς can.
527
1581000
4000
όσο το δυνατόν πιο θεαματικά.
26:43
CACA: I mean, what would it take to persuadeπείθω our cultureΠολιτισμός to downplayυποβαθμίσω it?
528
1585000
6000
Κ.Α.: Και τι θα μπορούσε να πείσει τον πολιτισμό μας να χαλαρώσει;
26:49
DGΓΔ: Well, go to IsraelΙσραήλ. You know,
529
1591000
1000
Ντ.Γκ: Να πάμε στο Ισραήλ. Σοβαρά,
26:50
go to IsraelΙσραήλ. And a mallεμπορικό κέντρο blowsχτυπήματα up,
530
1592000
2000
πηγαίνετε στο Ισραήλ. Και όταν ένα εμπορικό κέντρο ανατινάζεται,
26:52
and then everybody'sΌλοι είναι unhappyδυστυχής about it, and an hour-and-a-halfμιάμιση ώρα laterαργότερα --
531
1594000
3000
και όλοι είναι στενοχωρημένοι με αυτό, μιάμιση ώρα αργότερα --
26:55
at leastελάχιστα when I was there, and I was 150 feetπόδια from the mallεμπορικό κέντρο
532
1597000
3000
τουλάιχστον όσο ήμουν εγώ εκεί, και βρισκόμουν 50 μέτρα από το εμπορικό κέντρο
26:58
when it blewφύσηξε up -- I wentπήγε back to my hotelξενοδοχειο
533
1600000
2000
όταν ανατινάχθηκε -- γύρισα πίσω στο ξενοδοχείο μου
27:00
and the weddingΓάμος that was plannedσχεδιασμένος was still going on.
534
1602000
3000
και ο γάμος που είχε σχεδιαστεί να γίνει εκεί συνεχιζόταν κανονικά.
27:03
And as the IsraeliΙσραηλινή motherμητέρα said,
535
1605000
1000
Και όπως μου είπε μια Ισραηλινή μητέρα,
27:04
she said, "We never let them winνίκη by stoppingστάθμευση weddingsγάμους."
536
1606000
4000
μου είπε: "Δεν τους αφήνουμε να νικήσουν με το να σταματάμε τους γάμους."
27:08
I mean, this is a societyκοινωνία that has learnedέμαθα --
537
1610000
1000
Και αυτή είναι μια κοινωνία που έχει μάθει --
27:09
and there are othersοι υπολοιποι too -- that has learnedέμαθα to liveζω
538
1611000
2000
και υπάρχουν και άλλες -- που έχει μάθει να ζει
27:11
with a certainβέβαιος amountποσό of terrorismτρομοκρατία and not be quiteαρκετά as upsetαναστατωμένος by it,
539
1613000
5000
με ένα ποσό τρομοκρατίας και να μην αναστατώνεται από αυτό,
27:16
shallθα I say, as those of us who have not had manyΠολλά terrorτρόμος attacksεπιθέσεις.
540
1618000
3000
ας πούμε, όσο αυτούς από εμάς που δεν έχουν βιώσει πολλές επιθέσεις.
27:19
CACA: But is there a rationalλογικός fearφόβος that actuallyπράγματι,
541
1621000
3000
Κ.Α.: Ναι, αλλά υπάρχει κάποιος λογικός φόβος που, δηλαδή,
27:22
the reasonλόγος we're frightenedτρομαγμένα about this is because we think that
542
1624000
3000
ο λόγος που φοβόμαστε για αυτό είναι επειδή σκεφτόμαστε
27:25
the BigΜεγάλο One is to come?
543
1627000
1000
ότι η Μεγάλη Επίθεση δεν έχει έρθει ακόμα;
27:26
DGΓΔ: Yes, of courseσειρά μαθημάτων. So, if we knewήξερε that this was the worstχειριστός attackεπίθεση
544
1628000
4000
Ντ.Γκ: Ναι, φυσικά. Αν ξέραμε ότι αυτή ήταν η χειρότερη επίθεση
27:30
there would ever be, there mightθα μπορούσε be more and more busesλεωφορεία of 30 people --
545
1632000
4000
που θα μπορούσε να γίνει, και υπήρχαν όλο και περισσότερα λεωφορεία με 30 άτομα --
27:34
we would probablyπιθανώς not be nearlyσχεδόν so frightenedτρομαγμένα.
546
1636000
2000
δε θα τρομάζαμε τόσο πολύ.
27:36
I don't want to say -- please, I'm going to get quotedεισηγμένες somewhereκάπου
547
1638000
2000
Δε θέλω να πω -- πωπω, κάποιος θα πάρει τα λόγια μου κάπου
27:38
as sayingρητό, "TerrorismΤρομοκρατία is fine and we shouldn'tδεν θα έπρεπε be so distressedαναξιοπαθούντα."
548
1640000
4000
ότι λέω: "Η τρομοκρατία είναι μια χαρούλα και δεν πρέπει να ταραζόμαστε."
27:42
That's not my pointσημείο at all.
549
1644000
2000
Δεν εννοώ καθόλου αυτό.
27:44
What I'm sayingρητό is that, surelyασφαλώς, rationallyορθολογικά,
550
1646000
2000
Αυτό που λέω είναι, ότι σύμφωνα με τη λογική,
27:46
our distressδυσφορία about things that happenσυμβεί, about threatsαπειλές,
551
1648000
4000
ο βαθμός της αναστάτωσής μας για τα πράγματα που συμβαίνουν, για τις απειλές,
27:50
should be roughlyχονδρικά proportionalαναλογικά to the sizeμέγεθος of those threatsαπειλές
552
1652000
3000
θα πρέπει να είναι ανάλογος με το μέγεθος αυτών των απειλών
27:53
and threatsαπειλές to come.
553
1655000
2000
και τον πραγμάτων που θα συμβούν.
27:55
I think in the caseπερίπτωση of terrorismτρομοκρατία, it isn't.
554
1657000
3000
Πιστεύω ότι στην περίπτωση της τρομοκρατίας, δεν είναι.
27:58
And manyΠολλά of the things we'veέχουμε heardακούσει about from our speakersΗχεία todayσήμερα --
555
1660000
2000
Και πολλά από τα πράγματα που ακούσαμε από τους ομιλητές μας σήμερα --
28:00
how manyΠολλά people do you know got up and said,
556
1662000
2000
πόσους ανθρώπους ξέρετε που σηκώνονται το πρωί και λένε
28:02
PovertyΤης φτώχειας! I can't believe what povertyφτώχεια is doing to us.
557
1664000
4000
"Η φτώχεια! Τι θα κάνουμε για τη φτώχεια;!"
28:06
People get up in the morningπρωί; they don't careΦροντίδα about povertyφτώχεια.
558
1668000
2000
Ο κόσμος σηκώνεται το πρωί, και δε νοιάζεται για τη φτώχεια.
28:08
It's not makingκατασκευή headlinesπρωτοσέλιδα, it's not makingκατασκευή newsΝέα, it's not flashyφανταχτερός.
559
1670000
2000
Δεν κάνει πρωτοσέλιδα, δεν κάνει επικεφαλίδες, δεν είναι θεαματική.
28:10
There are no gunsόπλα going off.
560
1672000
2000
Δεν έχει πυροβολισμούς.
28:12
I mean, if you had to solveλύσει one of these problemsπροβλήματα, ChrisChris,
561
1674000
2000
Θέλω να πω, αν μπορούσες να διορθώσεις ένα πρόβλημα, Κρις,
28:14
whichοι οποίες would you solveλύσει? TerrorismΤρομοκρατία or povertyφτώχεια?
562
1676000
2000
ποιο θα έλυνες; Την τρομοκρατία ή τη φτώχεια;
28:16
(LaughterΤο γέλιο)
563
1678000
4000
(Γελια)
28:20
(ApplauseΧειροκροτήματα)
564
1682000
2000
(Χειροκρότημα)
28:22
That's a toughσκληρός one.
565
1684000
2000
Δύσκολη ερώτηση.
28:24
CACA: There's no questionερώτηση.
566
1686000
1000
Κ.Α.: Θέλει και ερώτημα;
28:25
PovertyΤης φτώχειας, by an orderΣειρά of magnitudeμέγεθος, a hugeτεράστιος orderΣειρά of magnitudeμέγεθος,
567
1687000
4000
Τη φτώχεια, καθαρά από πλευράς μεγέθους, τεράστιου μεγέθους,
28:29
unlessεκτός someoneκάποιος can showπροβολή that there's, you know,
568
1691000
3000
εκτός κι αν αποδεικνυόταν ότι υπάρχουν
28:32
terroristsτρομοκράτες with a nukenuke are really likelyπιθανός to come.
569
1694000
4000
τρομοκράτες με πυρηνική βόμβα που έρχεται.
28:36
The latestαργότερο I've readανάγνωση, seenείδα, thought
570
1698000
2000
Από όσα έχω διαβάσει, ακούσει, ή δει,
28:38
is that it's incrediblyαπίστευτα hardσκληρά for them to do that.
571
1700000
4000
αυτό είναι τρομερά δύσκολο για αυτούς.
28:42
If that turnsστροφές out to be wrongλανθασμένος, we all look sillyανόητος,
572
1704000
2000
Αν τελικά κάνουμε λάθος, θα φανούμε πολύ ανόητοι,
28:44
but with povertyφτώχεια it's a bitκομμάτι --
573
1706000
2000
αλλά με την φτώχεια είναι λίγο --
28:46
DGΓΔ: Even if that were trueαληθής, still more people dieκαλούπι from povertyφτώχεια.
574
1708000
3000
Ντ.Γκ.: Ακόμα κι αν αυτό ήταν αληθές, και πάλι πιο πολλοί πεθαίνουν από τη φτώχεια.
28:53
CACA: We'veΈχουμε evolvedεξελίχθηκε to get all excitedερεθισμένος
575
1715000
1000
Κ.Α.: Έχουμε εξελιχθεί να μαγνητιζόμαστε
28:54
about these dramaticδραματικός attacksεπιθέσεις. Is that because in the pastτο παρελθόν,
576
1716000
3000
από τέτοιες δραματικές επιθέσεις. Μήπως είναι επειδή στο παρελθόν,
28:57
in the ancientαρχαίος pastτο παρελθόν, we just didn't understandκαταλαβαίνουν things like diseaseασθένεια
577
1719000
3000
στο αρχαίο παρελθόν, δεν αντιλαμβανόμασταν πράγματα όπως η αρρώστια
29:00
and systemsσυστήματα that causeαιτία povertyφτώχεια and so forthΕμπρός,
578
1722000
2000
και συστήματα που προκαλούν φτώχεια κτλ,
29:02
and so it madeέκανε no senseέννοια for us as a speciesείδος to put any energyενέργεια
579
1724000
4000
και έτσι δεν έβγαζε νόημα για μας ως είδος να καταναλώνουμε ενέργεια
29:06
into worryingανησυχητικό about those things?
580
1728000
2000
για να ασχοληθούμε με κάτι τέτοιο;
29:08
People diedπέθανε; so be it.
581
1730000
2000
"Κάποιοι πέθαναν, τι να κάνουμε..."
29:10
But if you got attackedεπίθεση, that was something you could do something about.
582
1732000
2000
Αλλά αν μας επιτίθονται, μπορούμε να κάνουμε κάτι για αυτό,
29:12
And so we evolvedεξελίχθηκε these responsesαπαντήσεις.
583
1734000
2000
και έτσι εξελιχθήκαμε να αντιδρούμε έτσι.
29:14
Is that what happenedσυνέβη?
584
1736000
1000
Αυτό ήταν που συνέβη;
29:15
DGΓΔ: Well, you know, the people who are mostπλέον skepticalδύσπιστος
585
1737000
3000
Ντ.Γκ.: Ξέρεις, οι άνθρωποι που είναι περισσότερο σκεπτικιστές
29:18
about leapingπηδώντας to evolutionaryεξελικτική explanationsεξηγήσεις for everything
586
1740000
2000
στο να πηδούν σε εξελικτικές εξηγήσεις για τα πάντα
29:20
are the evolutionaryεξελικτική psychologistsψυχολόγους themselvesτους εαυτούς τους.
587
1742000
2000
είναι οι ίδιοι οι εξελικτικοί ψυχολόγοι.
29:22
My guessεικασία is that there's nothing quiteαρκετά that specificειδικός
588
1744000
3000
Η άποψή μου είναι ότι δεν υπάρχει κάτι τόσο συγκεκριμένο
29:25
in our evolutionaryεξελικτική pastτο παρελθόν. But ratherμάλλον, if you're looking for
589
1747000
2000
στο εξελικτικό μας παρελθόν. Αλλά όμως, αν ψάχνεις για
29:27
an evolutionaryεξελικτική explanationεξήγηση, you mightθα μπορούσε say
590
1749000
2000
μια εξελικτική εξήγηση, μπορείς να πεις
29:29
that mostπλέον organismsοργανισμούς are neo-phobicNeo-φοβική -- that is, they're a little scaredφοβισμένος
591
1751000
4000
ότι οι περισσότεροι οργανισμοί είναι νεο-φοβικοί -- δηλαδή, φοβούνται
29:33
of stuffυλικό that's newνέος and differentδιαφορετικός.
592
1755000
1000
οτιδήποτε είναι νέο και διαφορετικό.
29:34
And there's a good reasonλόγος to be,
593
1756000
2000
Και υπάρχει καλός λόγος να είναι,
29:36
because oldπαλαιός stuffυλικό didn't eatτρώω you. Right?
594
1758000
1000
γιατί τα παλιά πράγαμτα δε σε τρώγανε. Σωστά;
29:37
Any animalζώο you see that you've seenείδα before is lessπιο λιγο likelyπιθανός
595
1759000
3000
Οποιοδήποτε ζώο βλέπεις και έχεις δει πριν είναι λιγότερο πιθανό
29:40
to be a predatorαρπακτικό than one that you've never seenείδα before.
596
1762000
3000
να είναι θηρευτής σε σχέση με κάποιο που δεν έχεις δει ποτέ ξανά.
29:43
So, you know, when a schoolσχολείο busλεωφορείο is blownανοιγμένος up and we'veέχουμε never seenείδα this before,
597
1765000
3000
Οπότε, όταν το λεωοφρείο ανατινάζεται και δεν έχουμε ξαναδεί κάτι τέτοιο,
29:46
our generalγενικός tendencyτάση is to orientOrient towardsπρος
598
1768000
2000
η γενική μας τάση να ασχοληθούμε
29:48
that whichοι οποίες is newνέος and novelμυθιστόρημα is activatedενεργοποιείται.
599
1770000
5000
με αυτό που είναι νέο ενεργοποιείται.
29:53
I don't think it's quiteαρκετά as specificειδικός a mechanismμηχανισμός
600
1775000
2000
Δε νομίζω ότι είναι κάτι τόσο συγκεκριμενοποιημένος μηχανισμός
29:55
as the one you alludedυπαινίχθηκε to, but maybe a more fundamentalθεμελιώδης one underlyingυποκείμενο it.
601
1777000
2000
όπως αυτός που υπονόησες, αλλά μάλλον ένας πιο θεμελιώδης που υπόκειται.
30:01
JayJay WalkerWalker: You know, economistsοικονομολόγους love to talk about
602
1783000
5000
Τζέι Γουώκερ: Ξέρετε, οι οικονομολόγοι λατρεύουν να μιλούν
30:06
the stupidityβλακεία of people who buyαγορά lotteryΛοταρία ticketsεισιτήρια. But I suspectύποπτος
603
1788000
4000
για τη χαζομάρα των ανθρώπων που αγοράζουν λαχεία. Αλλά εγώ υποπτεύομαι
30:10
you're makingκατασκευή the exactακριβής sameίδιο errorλάθος you're accusingκατηγορώντας those people of,
604
1792000
3000
ότι κάνετε το ίδιο λάθος που με αυτούς που κατηγορείτε,
30:13
whichοι οποίες is the errorλάθος of valueαξία.
605
1795000
1000
δηλαδή λάθος στην αξιολόγηση.
30:14
I know, because I've interviewedσυνέντευξη
606
1796000
1000
Το ξέρω, γιατί έχω πάρει συνέντευξη
30:15
about 1,000 lotteryΛοταρία buyersαγοραστές over the yearsχρόνια.
607
1797000
2000
από 1.000 αγοραστές λαχείων μέσα στα χρόνια.
30:17
It turnsστροφές out that the valueαξία of buyingεξαγορά a lotteryΛοταρία ticketεισιτήριο is not winningεπιτυχής.
608
1799000
4000
Και τελικά η αξία της αγοράς ενός λαχείου δεν είναι η δυνητική νίκη.
30:21
That's what you think it is. All right?
609
1803000
2000
Αυτό είναι που νομίζετε εσείς. Σωστά;
30:23
The averageμέση τιμή lotteryΛοταρία buyerαγοραστή buysαγοράζει about 150 ticketsεισιτήρια a yearέτος,
610
1805000
3000
Ο μέσος αγοραστής λαχείων αγοράζει 150 λαχεία το χρόνο,
30:26
so the buyerαγοραστή knowsξέρει fullγεμάτος well that he or she is going to loseχάνω,
611
1808000
4000
οπότε ο αγοραστής γνωρίζει πλήρως ότι θα χάσει,
30:30
and yetΑκόμη she buysαγοράζει 150 ticketsεισιτήρια a yearέτος. Why is that?
612
1812000
3000
αλλά παρ'όλα αυτά αγοράζει 150 λαχεία το χρόνο. Γιατί το κάνει;
30:33
It's not because she is stupidηλίθιος or he is stupidηλίθιος.
613
1815000
4000
Δεν το κάνει επειδή είναι χαζός.
30:37
It's because the anticipationαναμονή of possiblyπιθανώς winningεπιτυχής
614
1819000
3000
Το κάνει επειδή η προσμονή της πιθανής νίκης
30:40
releasesκυκλοφορίες serotoninσεροτονίνη in the brainεγκέφαλος, and actuallyπράγματι providesπαρέχει a good feelingσυναισθημα
615
1822000
4000
εκκρίνει σεροτονίνη στον εγκέφαλο, και παρέχει ένα ευχάριστο συναίσθημα
30:44
untilμέχρις ότου the drawingσχέδιο indicatesυποδηλώνει you've lostχαμένος.
616
1826000
2000
μέχρι την κλήρωση που σου λέει ότι έχασες.
30:46
Or, to put it anotherαλλο way, for the dollarδολάριο investmentεπένδυση,
617
1828000
3000
Ή, για το πούμε αλλιώς, για την επένδυση του δολλαρίου,
30:49
you can have a much better feelingσυναισθημα than flushingέξαψη the moneyχρήματα
618
1831000
3000
λαμβάνεις πολύ καλύτερο συναίσθημα από το να τα πετάς στην του
30:52
down the toiletτουαλέτα, whichοι οποίες you cannotδεν μπορώ have a good feelingσυναισθημα from.
619
1834000
3000
στην τουαλέτα, πράγμα που δε σου δίνει ωραία συναισθήματα.
30:55
Now, economistsοικονομολόγους tendτείνω to --
620
1837000
2000
Τώρα, οι οικονομολόγοι τείνουν να --
30:57
(ApplauseΧειροκροτήματα)
621
1839000
3000
(Χειροκρότημα)
31:00
-- economistsοικονομολόγους tendτείνω to viewθέα the worldκόσμος
622
1842000
1000
-- οι οικονομολόγοι τείνουν να βλέπουν τον κόσμο
31:01
throughδιά μέσου theirδικα τους ownτα δικά lensesΦακοί, whichοι οποίες is:
623
1843000
2000
μέσα από τους δικούς τους φακούς, οι οποίοι είναι:
31:03
this is just a bunchδέσμη of stupidηλίθιος people.
624
1845000
2000
"Αυτοί εδώ είναι χαζοί άνθρωποι."
31:05
And as a resultαποτέλεσμα, manyΠολλά people look at economistsοικονομολόγους as stupidηλίθιος people.
625
1847000
4000
Και ως αποτέλεσμα αυτού, πολλοί άλλοι βλέπουν τους οικονομολόγους ως χαζούς ανθρώπους.
31:09
And so fundamentallyθεμελιωδώς, the reasonλόγος we got to the moonφεγγάρι is,
626
1851000
3000
Και μάλιστα, ο λόγος που πήγαμε στο φεγγάρι είναι
31:12
we didn't listen to the economistsοικονομολόγους. Thank you very much.
627
1854000
3000
επειδή δεν ακούγαμε τους οικονομολόγους. Ευχαριστώ πολύ.
31:15
(ApplauseΧειροκροτήματα)
628
1857000
5000
(Χειροκρότημα)
31:20
DGΓΔ: Well, no, it's a great pointσημείο. It remainsλείψανα to be seenείδα
629
1862000
3000
Ντ.Γκ.: Ναι, όχι, είναι πολύ καλό επιχείρημα. Μένει μόνο να δούμε
31:23
whetherκατά πόσο the joyΧαρά of anticipationαναμονή is exactlyακριβώς equaledισοφάρισε
630
1865000
4000
αν η ευτυχία της προσμονής είναι ίση
31:27
by the amountποσό of disappointmentαπογοήτευση after the lotteryΛοταρία. Because rememberθυμάμαι,
631
1869000
3000
με την ποσότητα της απογοήτευσης μετά την κλήρωση. Γιατί, να θυμάστε,
31:30
people who didn't buyαγορά ticketsεισιτήρια don't feel awfulαπαίσιος the nextεπόμενος day eitherείτε,
632
1872000
3000
αυτοί που δεν αγόρασαν λαχείο δε νιώθουν άσχημα την άλλη μέρα,
31:33
even thoughαν και they don't feel great duringστη διάρκεια the drawingσχέδιο.
633
1875000
2000
παρ'όλο που δεν ένιωθαν ωραία κατά τη διάρκεια της εβδομάδας.
31:35
I would disagreeδιαφωνώ that people know they're not going to winνίκη.
634
1877000
2000
Και θα διαφωνήσω ότι ξέρουν ότι δεν πρόκειται να κερδίσουν.
31:37
I think they think it's unlikelyαπίθανος, but it could happenσυμβεί,
635
1879000
3000
Νομίζω ότι πιστεύουν πως είναι απίθανο, αλλά θα μπορούσε να συμβεί,
31:40
whichοι οποίες is why they preferπροτιμώ that to the flushingέξαψη.
636
1882000
3000
και γι'αυτό το προτιμούν από την τουαλέτα.
31:43
But certainlyσίγουρα I see your pointσημείο: that there can be
637
1885000
3000
Αλλά σίγουρα μπορώ να αντιληφθώ το επιχείρημά σας: Ότι μπορεί να υπάρξει
31:46
some utilityχρησιμότητα to buyingεξαγορά a lotteryΛοταρία ticketεισιτήριο other than winningεπιτυχής.
638
1888000
4000
μια χρησιμότητα στο να αγοράσει κανείς ένα λαχείο πέραν της νίκης.
31:50
Now, I think there's manyΠολλά good reasonsαιτιολογικό not to listen to economistsοικονομολόγους.
639
1892000
3000
Τώρα, νομίζω ότι υπάρχουν πολλοί λόγοι να μην ακούμε τους οικονομολόγους.
31:53
That isn't one of them, for me, but there's manyΠολλά othersοι υπολοιποι.
640
1895000
3000
Αυτό δεν ανήκει σε αυτούς, για μένα, αλλά και για πολλούς άλλους.
31:56
CACA: Last questionερώτηση.
641
1898000
2000
Κ.Α.: Τελευταία ερώτηση.
31:58
AubreyAubrey dede GreyΓκρι: My name'sτο όνομα του AubreyAubrey dede GreyΓκρι, from CambridgeΚέμπριτζ.
642
1900000
3000
Ώμπρυ ντε Γκρέι: Με λένε Ώμπρυ ντε Γκρέι, από το Κέημπριτζ.
32:01
I work on the thing that killsσκοτώνει more people than anything elseαλλού killsσκοτώνει --
643
1903000
4000
Μελετώ αυτό που σκοτώνει περισσότερους ανθρώπους από ότιδήποτε άλλο --
32:05
I work on agingγηράσκων -- and I'm interestedενδιαφερόμενος in doing something about it,
644
1907000
2000
δουλεύω για τη γήρανση -- και με ενδιαφέρει να κάνω κάτι για αυτή.
32:07
as we'llΚαλά all hearακούω tomorrowαύριο.
645
1909000
1000
όπως θα ακούσετε αύριο.
32:08
I very much resonateηχώ with what you're sayingρητό,
646
1910000
3000
Συντονίζομαι αρκετά με αυτά που λέτε,
32:11
because it seemsφαίνεται to me that the problemπρόβλημα
647
1913000
2000
γιατί μου φαίνεται εμένα ότι το πρόβλημα
32:13
with gettingνα πάρει people interestedενδιαφερόμενος in doing anything about agingγηράσκων
648
1915000
3000
του να κάνεις ανθρώπους να ενδιαφερθούν να κάνουν κάτι για τη γήρανση
32:16
is that by the time agingγηράσκων is about to killσκοτώνω you it looksφαίνεται like cancerΚαρκίνος
649
1918000
3000
είναι ότι όταν η γήρανση φτάσει στο σημείο να σε σκοτώσει, μοιάζει με καρκίνο
32:19
or heartκαρδιά diseaseασθένεια or whateverοτιδήποτε. Do you have any adviceσυμβουλή?
650
1921000
3000
ή καρδιοπάθεια ή κάτι τέτοιο. Έχετε κάποια συμβουλή;
32:22
(LaughterΤο γέλιο)
651
1924000
3000
(Γέλια)
32:25
DGΓΔ: For you or for them?
652
1927000
1000
Ντ.Γκ.: Για σας ή για αυτούς;
32:26
AdGADG ΑΛΟΥΜΙΝΙΟΝ ΤΗΣ ΕΛΛΑΔΟΣ: In persuadingνα πείσει them.
653
1928000
1000
Ω.ντ.Γκ.: Για να τους πείσουμε.
32:27
DGΓΔ: AhΑχ, for you in persuadingνα πείσει them.
654
1929000
2000
Ντ.Γκ.: Α, για να τους πείσουμε.
32:29
Well, it's notoriouslyεμφανώς difficultδύσκολος to get people to be farsightedδιορατική.
655
1931000
3000
Είναι όντως εξαιρετικά δύσκολο να κάνεις τους ανθρώπους να σκέφτονται μακροπρόθεσμα.
32:32
But one thing that psychologistsψυχολόγους have triedδοκιμασμένος that seemsφαίνεται to work
656
1934000
4000
Αλλά ένα πράγμα που οι ψυχολόγοι έχουν δοκιμάσει και φαίνεται να λειτουργεί
32:36
is to get people to imagineφαντάζομαι the futureμελλοντικός more vividlyζωηρά.
657
1938000
3000
είναι να κάνουν τους ανθρώπους να φαντάζονται το μέλλον πιο ζωντανά.
32:39
One of the problemsπροβλήματα with makingκατασκευή decisionsαποφάσεων about the farμακριά futureμελλοντικός
658
1941000
3000
Ένα από τα προβλήματα με το να παίρνει κανείς αποφάσεις για το μακρινό μέλλον
32:42
and the nearκοντά futureμελλοντικός is that we imagineφαντάζομαι the nearκοντά futureμελλοντικός
659
1944000
3000
και το κοντινό μέλλον είναι ότι φανταζόμαστε το κοντινό μέλλον
32:45
much more vividlyζωηρά than the farμακριά futureμελλοντικός.
660
1947000
2000
πολύ πιο ζωντανά από το μακρινό.
32:47
To the extentέκταση that you can equalizeεξισώστε the amountποσό of detailλεπτομέρεια
661
1949000
4000
Σε σημείο που μπορούμε να εξισώσουμε την ποσότητα της λεπτομέρειας
32:51
that people put into the mentalδιανοητικός representationsαναπαραστάσεις
662
1953000
2000
που βάζουν οι άνθρωποι στις νοητές αναπαραστάσεις
32:53
of nearκοντά and farμακριά futureμελλοντικός, people beginαρχίζουν to make decisionsαποφάσεων
663
1955000
2000
του κοντινού και μακρινού μέλλοντος, οι άνθρωποι παίρνουν αποφάσεις
32:55
about the two in the sameίδιο way.
664
1957000
2000
για αυτά τα δύο με τον ίδιο τρόπο.
32:57
So, would you like to have an extraεπιπλέον 100,000 dollarsδολάρια when you're 65
665
1959000
5000
Οπότε, το "θα ήθελες να έχεις έξτρα 100.000 δολλάρια όταν είσαι 65;"
33:02
is a questionερώτηση that's very differentδιαφορετικός than,
666
1964000
1000
είναι μια ερώτηση πολύ διαφορετική από,
33:03
imagineφαντάζομαι who you'llθα το κάνετε be when you're 65: will you be livingζωή,
667
1965000
4000
"φαντάσου ποιος θα είσαι όταν είσαι 65, πού θα ζεις,
33:07
what will you look like, how much hairμαλλιά will you have,
668
1969000
2000
πώς θα είσαι, πόσα μαλλιά θα έχεις,
33:09
who will you be livingζωή with.
669
1971000
1000
με ποιον θα ζεις;"
33:10
OnceΜια φορά we have all the detailsΛεπτομέριες of that imaginaryφανταστικό scenarioσενάριο,
670
1972000
3000
Όταν έχουμε όλες αυτές τις λεπτομέρειες στο φανταστικό σενάριο,
33:13
suddenlyξαφνικά we feel like it mightθα μπορούσε be importantσπουδαίος to saveαποθηκεύσετε
671
1975000
2000
ξαφνικά νιώθουμε ίσως είναι σημαντικό να αποταμιεύσουμε
33:15
so that that guy has a little retirementσυνταξιοδότηση moneyχρήματα.
672
1977000
3000
ώστε αυτός ο τυπάς να έχει λίγα λεφτά για τη σύνταξή του.
33:18
But these are tricksκόλπα around the marginsπεριθώρια.
673
1980000
2000
Αλλά αυτά είναι κολπάκια και τεχνάσματα.
33:20
I think in generalγενικός you're battlingπολεμώντας a very fundamentalθεμελιώδης humanο άνθρωπος tendencyτάση,
674
1982000
3000
Νομίζω ότι γενικώς πολεμάτε ενάντια σε μια πολύ θεμελιώδη ανθρώπινη τάση,
33:23
whichοι οποίες is to say, "I'm here todayσήμερα,
675
1985000
2000
η οποία είναι: "Είμαι εδώ σήμερα,
33:25
and so now is more importantσπουδαίος than laterαργότερα."
676
1987000
3000
και το τώρα είναι πιο σημαντικό από το αργότερα."
33:28
CACA: DanDan, thank you. MembersΜέλη of the audienceακροατήριο,
677
1990000
2000
Κ.Α.: Νταν, σε ευχαριστώ. Αγαπητό κοινό,
33:30
that was a fantasticφανταστικός sessionσυνεδρία. Thank you.
678
1992000
1000
αυτή ήταν μια φανταστική συνεδρία. Σας ευχαριστώ.
33:31
(ApplauseΧειροκροτήματα)
679
1993000
2000
(Χειροκρότημα)
Translated by Chris Philippidis
Reviewed by Alexandros Tzaferidis

▲Back to top

ABOUT THE SPEAKER
Dan Gilbert - Psychologist; happiness expert
Harvard psychologist Dan Gilbert says our beliefs about what will make us happy are often wrong -- a premise he supports with intriguing research, and explains in his accessible and unexpectedly funny book, Stumbling on Happiness.

Why you should listen

Dan Gilbert believes that, in our ardent, lifelong pursuit of happiness, most of us have the wrong map. In the same way that optical illusions fool our eyes -- and fool everyone's eyes in the same way -- Gilbert argues that our brains systematically misjudge what will make us happy. And these quirks in our cognition make humans very poor predictors of our own bliss.

The premise of his current research -- that our assumptions about what will make us happy are often wrong -- is supported with clinical research drawn from psychology and neuroscience. But his delivery is what sets him apart. His engaging -- and often hilarious -- style pokes fun at typical human behavior and invokes pop-culture references everyone can relate to. This winning style translates also to Gilbert's writing, which is lucid, approachable and laugh-out-loud funny. The immensely readable Stumbling on Happiness, published in 2006, became a New York Times bestseller and has been translated into 20 languages.

In fact, the title of his book could be drawn from his own life. At 19, he was a high school dropout with dreams of writing science fiction. When a creative writing class at his community college was full, he enrolled in the only available course: psychology. He found his passion there, earned a doctorate in social psychology in 1985 at Princeton, and has since won a Guggenheim Fellowship and the Phi Beta Kappa teaching prize for his work at Harvard. He has written essays and articles for The New York Times, Time and even Starbucks, while continuing his research into happiness at his Hedonic Psychology Laboratory.

More profile about the speaker
Dan Gilbert | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee