TEDxCaltech
Colin Camerer: When you're making a deal, what's going on in your brain?
Colin Camerer: Neurociencia, teoría de juegos, monos.
Filmed:
Readability: 3.9
1,516,785 views
Cuando dos personas están tratando de llegar a un acuerdo —ya sea que estén compitiendo o cooperando— ¿qué está sucediendo realmente dentro de sus cerebros? Colin Camerer, economista del comportamiento, muestra la investigación que revela cuán poco somos capaces de predecir lo que otros piensan. Y presenta un estudio inesperado que muestra chimpancés que podrían ser mejores en ello de lo que lo somos nosotros. (Filmado en TEDxCalTech).
Colin Camerer - Behavioral economist
Colin Camerer is a leading behavioral economist who studies the psychological and neural bases of choice and strategic decision-making. Full bio
Colin Camerer is a leading behavioral economist who studies the psychological and neural bases of choice and strategic decision-making. Full bio
Double-click the English transcript below to play the video.
00:12
I'm going to talk about the strategizing brain.
0
562
2253
Voy a hablarles del cerebro estratégico.
00:14
We're going to use an unusual combination of tools
1
2815
2238
Vamos a utilizar una
combinación inusual de herramientas
combinación inusual de herramientas
00:17
from game theory and neuroscience
2
5053
2013
de la teoría de juegos y la neurociencia
00:19
to understand how people interact socially when value is on the line.
3
7066
2967
para entender cómo la gente interactúa
socialmente cuando hay valor en juego.
socialmente cuando hay valor en juego.
00:22
So game theory is a branch of, originally, applied mathematics,
4
10033
3971
La teoría de juegos es, originalmente,
una rama de las matemáticas aplicadas,
una rama de las matemáticas aplicadas,
00:26
used mostly in economics and political science, a little bit in biology,
5
14004
2986
utilizada sobre todo en economía y
ciencia política, un poco en biología,
ciencia política, un poco en biología,
00:28
that gives us a mathematical taxonomy of social life
6
16990
3289
que nos da una taxonomía
matemática de la vida social
matemática de la vida social
00:32
and it predicts what people are likely to do
7
20279
2131
y predice lo que las personas probablemente harán
00:34
and believe others will do
8
22410
1194
y lo que creen que los otros harán
00:35
in cases where everyone's actions affect everyone else.
9
23604
3390
en casos donde las acciones de
todos afectan a todos los demás.
todos afectan a todos los demás.
00:38
That's a lot of things: competition, cooperation, bargaining,
10
26994
3478
Son muchas cosas:
competencia, cooperación, negociación,
competencia, cooperación, negociación,
00:42
games like hide-and-seek, and poker.
11
30472
3291
juegos como el escondite y el póker.
00:45
Here's a simple game to get us started.
12
33763
2239
Este es un juego simple para comenzar.
00:48
Everyone chooses a number from zero to 100,
13
36002
2162
Todos eligen un número de 0 a 100,
00:50
we're going to compute the average of those numbers,
14
38164
2446
calcularemos el promedio de esos números,
00:52
and whoever's closest to two-thirds of the average wins a fixed prize.
15
40610
4194
y quien esté más cerca de los dos tercios
del promedio, gana un premio determinado.
del promedio, gana un premio determinado.
00:56
So you want to be a little bit below the average number,
16
44804
2269
Así que quieren estar un poco por debajo del promedio,
00:59
but not too far below, and everyone else wants to be
17
47073
2236
pero no demasiado, y todo el mundo quiere estar
01:01
a little bit below the average number as well.
18
49309
1945
un poco por debajo del promedio, también.
01:03
Think about what you might pick.
19
51254
2579
Piensen en el que escogerían.
01:05
As you're thinking, this is a toy model of something like
20
53833
3271
Están pensando, este es un modelo elemental
de algo como
de algo como
01:09
selling in the stock market during a rising market. Right?
21
57104
2812
vender en la bolsa en un mercado al alza, ¿verdad?
01:11
You don't want to sell too early, because you miss out on profits,
22
59916
2225
No quieren vender demasiado pronto,
porque pierden ganancias,
porque pierden ganancias,
01:14
but you don't want to wait too late
23
62141
2180
pero no quieren esperar demasiado
01:16
to when everyone else sells, triggering a crash.
24
64321
2401
para cuando todo el mundo vende,
desencadenando un crack.
desencadenando un crack.
01:18
You want to be a little bit ahead of the competition, but not too far ahead.
25
66722
2879
Quieren estar un poco adelante de la competencia,
pero no demasiado por delante.
pero no demasiado por delante.
01:21
Okay, here's two theories about how people might think about this,
26
69601
3613
Bueno, aquí hay dos teorías sobre
cómo la gente podría pensar en esto,
cómo la gente podría pensar en esto,
01:25
and then we'll see some data.
27
73214
1396
y luego veremos algunos datos.
01:26
Some of these will sound familiar because you probably are
28
74610
2191
Algunas les sonarán familiares
porque probablemente están
porque probablemente están
01:28
thinking that way. I'm using my brain theory to see.
29
76801
3799
pensando así. Usaré mi teoría del cerebro para ver.
01:32
A lot of people say, "I really don't know what people are going to pick,
30
80600
3110
Mucha gente dice, "Realmente no sé
lo que los demás van a elegir,
lo que los demás van a elegir,
01:35
so I think the average will be 50."
31
83710
1673
así que creo que el promedio será 50".
01:37
They're not being really strategic at all.
32
85383
1911
No están siendo realmente estratégicos en absoluto.
01:39
"And I'll pick two-thirds of 50. That's 33." That's a start.
33
87294
3352
"Escogeré dos tercios de 50. Es 33". Es un comienzo.
01:42
Other people who are a little more sophisticated,
34
90646
1892
Otras personas que son un poco más sofisticadas,
01:44
using more working memory,
35
92538
1476
utilizan más memoria de trabajo,
01:46
say, "I think people will pick 33 because they're going to pick a response to 50,
36
94014
3904
dicen, "Creo que la gente elegirá 33
porque van a elegir una respuesta a 50,
porque van a elegir una respuesta a 50,
01:49
and so I'll pick 22, which is two-thirds of 33."
37
97918
2968
y así que escogeré 22,
que es dos tercios de 33".
que es dos tercios de 33".
01:52
They're doing one extra step of thinking, two steps.
38
100886
2479
Están haciendo un paso adicional
de pensamiento, dos pasos.
de pensamiento, dos pasos.
01:55
That's better. And of course, in principle,
39
103365
2617
Es mejor. Y por supuesto, en principio,
01:57
you could do three, four or more,
40
105982
1827
uno podría hacer tres, cuatro o más,
01:59
but it starts to get very difficult.
41
107809
1869
pero empieza a volverse muy difícil.
02:01
Just like in language and other domains, we know that it's hard for people to parse
42
109678
2592
Al igual que en el lenguaje y otros dominios,
sabemos que es difícil para la gente analizar
sabemos que es difícil para la gente analizar
02:04
very complex sentences with a kind of recursive structure.
43
112270
3634
oraciones muy complejas con una
especie de estructura recursiva.
especie de estructura recursiva.
02:07
This is called a cognitive hierarchy theory, by the way.
44
115904
1734
Esta se llama teoría jerárquica cognitiva, por cierto.
02:09
It's something that I've worked on and a few other people,
45
117638
2556
Es algo en lo que he trabajado
y algunas otras personas,
y algunas otras personas,
02:12
and it indicates a kind of hierarchy along with
46
120194
2220
e indica una especie de jerarquía junto con
02:14
some assumptions about how many people stop at different steps
47
122414
2254
algunas suposiciones acerca de
cuántas personas paran en distintas etapas
cuántas personas paran en distintas etapas
02:16
and how the steps of thinking are affected
48
124668
1884
y cómo se ven afectados los pasos del pensamiento
02:18
by lots of interesting variables and variant people, as we'll see in a minute.
49
126552
3696
por un montón de variables interesantes y
personas variantes, como veremos en un minuto.
personas variantes, como veremos en un minuto.
02:22
A very different theory, a much more popular one, and an older one,
50
130248
3386
Una teoría muy diferente, una versión
mucho más popular y más antigua
mucho más popular y más antigua
02:25
due largely to John Nash of "A Beautiful Mind" fame,
51
133634
3540
debido en gran parte a la fama del
John Nash de "Una mente brillante",
John Nash de "Una mente brillante",
02:29
is what's called equilibrium analysis.
52
137174
2240
es lo que se llama análisis de equilibrio.
02:31
So if you've ever taken a game theory course at any level,
53
139414
2454
Si alguna vez han hecho un curso
de teoría de juegos en cualquier nivel,
de teoría de juegos en cualquier nivel,
02:33
you will have learned a little bit about this.
54
141868
1713
habrán aprendido un poco sobre esto.
02:35
An equilibrium is a mathematical state in which everybody
55
143581
2855
Un equilibrio es un estado matemático
en que todo el mundo
en que todo el mundo
02:38
has figured out exactly what everyone else will do.
56
146436
2449
ha comprendido exactamente
lo que todo el mundo hará.
lo que todo el mundo hará.
02:40
It is a very useful concept, but behaviorally,
57
148885
2007
Es un concepto muy útil,
pero visto desde el comportamiento,
pero visto desde el comportamiento,
02:42
it may not exactly explain what people do
58
150892
2003
no puede explicar exactamente
lo que las personas harán
lo que las personas harán
02:44
the first time they play these types of economic games
59
152895
2735
la primera vez que juegan
estos tipos de juegos económicos
estos tipos de juegos económicos
02:47
or in situations in the outside world.
60
155630
2333
o en situaciones en el mundo exterior.
02:49
In this case, the equilibrium makes a very bold prediction,
61
157963
2338
En este caso, el equilibrio hace una predicción muy audaz,
02:52
which is everyone wants to be below everyone else,
62
160301
2860
que todo el mundo quiere estar
por debajo de todos los demás,
por debajo de todos los demás,
02:55
therefore they'll play zero.
63
163161
2291
y por lo tanto juegan 0.
02:57
Let's see what happens. This experiment's been done many, many times.
64
165452
3009
Veamos qué pasa. Este experimento
se ha hecho muchas, muchas veces.
se ha hecho muchas, muchas veces.
03:00
Some of the earliest ones were done in the '90s
65
168461
1883
Algunos de los primeros se realizaron en los años 90
03:02
by me and Rosemarie Nagel and others.
66
170344
2645
por mí y Rosemarie Nagel y otros.
03:04
This is a beautiful data set of 9,000 people who wrote in
67
172989
2985
Este es un hermoso conjunto de
datos de 9 000 personas que escribió en
datos de 9 000 personas que escribió en
03:07
to three newspapers and magazines that had a contest.
68
175974
2880
tres periódicos y revistas que tenían un concurso.
03:10
The contest said, send in your numbers
69
178854
1814
El concurso decía: envíen sus números
03:12
and whoever is close to two-thirds of the average will win a big prize.
70
180668
3155
y quien esté cerca de dos tercios del
promedio ganará un gran premio.
promedio ganará un gran premio.
03:15
And as you can see, there's so much data here, you can see the spikes very visibly.
71
183823
3088
Y como pueden ver, hay muchos datos aquí,
pueden ver los picos muy visiblemente.
pueden ver los picos muy visiblemente.
03:18
There's a spike at 33. Those are people doing one step.
72
186911
3381
Hay una punta en el 33.
Son personas que hacen un paso.
Son personas que hacen un paso.
03:22
There is another spike visible at 22.
73
190292
2497
Hay otro punto visible en 22.
03:24
And notice, by the way, that most people pick numbers right around there.
74
192789
2292
Y note, por cierto, que la mayoría de la
gente elige números justo alrededor de allí.
gente elige números justo alrededor de allí.
03:27
They don't necessarily pick exactly 33 and 22.
75
195081
2510
No necesariamente eligen 22 y 33 exactamente.
03:29
There's something a little bit noisy around it.
76
197591
2056
Hay un poco de ruido alrededor de ellos.
03:31
But you can see those spikes, and they're there.
77
199647
1478
Pero pueden ver los picos, y están allí.
03:33
There's another group of people who seem to have
78
201125
1710
Hay otro grupo de personas que parecen tener
03:34
a firm grip on equilibrium analysis,
79
202835
2075
un agarre firme en el análisis de equilibrio,
03:36
because they're picking zero or one.
80
204910
2395
porque escogieron 0 o 1.
03:39
But they lose, right?
81
207305
2089
Pero pierden, ¿verdad?
03:41
Because picking a number that low is actually a bad choice
82
209394
3192
Porque escoger un número tan bajo
es realmente una mala elección
es realmente una mala elección
03:44
if other people aren't doing equilibrium analysis as well.
83
212586
2820
si otras personas no están haciendo
el análisis de equilibrio también.
el análisis de equilibrio también.
03:47
So they're smart, but poor.
84
215406
2112
Por lo que son inteligentes, pero pobres.
03:49
(Laughter)
85
217518
2088
(Risas)
03:51
Where are these things happening in the brain?
86
219606
1969
¿Donde están sucediendo estas cosas en el cerebro?
03:53
One study by Coricelli and Nagel gives a really sharp, interesting answer.
87
221575
3875
Un estudio realizado por Coricelli y Nagel
da una respuesta interesante, realmente aguda.
da una respuesta interesante, realmente aguda.
03:57
So they had people play this game
88
225450
1508
Tenían gente jugando este juego
03:58
while they were being scanned in an fMRI,
89
226958
2217
mientras que se está escaneando en un fMRI
[resonancia magnética]
[resonancia magnética]
04:01
and two conditions: in some trials,
90
229175
2271
y dos condiciones: en algunos ensayos,
04:03
they're told you're playing another person
91
231446
1515
les dicen que está jugando otra persona
04:04
who's playing right now and we're going to match up
92
232961
1588
que está jugando ahora mismo y vamos a probar
04:06
your behavior at the end and pay you if you win.
93
234549
2204
su comportamiento al final y le pagaremos si gana.
04:08
In the other trials, they're told, you're playing a computer.
94
236753
1978
En otros ensayos, les dicen,
juegas contra una computadora.
juegas contra una computadora.
04:10
They're just choosing randomly.
95
238731
1634
Solo está eligiendo al azar.
04:12
So what you see here is a subtraction
96
240365
2077
Así que lo que ven aquí es una sustracción
04:14
of areas in which there's more brain activity
97
242442
2750
de áreas donde hay más actividad cerebral
04:17
when you're playing people compared to playing the computer.
98
245192
2976
cuando juegan con personas en comparación
con jugar con la computadora.
con jugar con la computadora.
04:20
And you see activity in some regions we've seen today,
99
248168
1991
Y pueden ver actividad en algunas
regiones que hemos visto hoy,
regiones que hemos visto hoy,
04:22
medial prefrontal cortex, dorsomedial, however, up here,
100
250159
3237
el corteza prefrontal medial, dorsomedial,
sin embargo, hasta aquí,
sin embargo, hasta aquí,
04:25
ventromedial prefrontal cortex,
101
253396
1851
corteza prefrontal ventromedial,
04:27
anterior cingulate, an area that's involved
102
255247
1354
cíngulo anterior, una zona que se dedica
04:28
in lots of types of conflict resolution, like if you're playing "Simon Says,"
103
256601
3637
en muchos tipos de resolución de conflictos,
como si estás jugando "Simon Dice"
como si estás jugando "Simon Dice"
04:32
and also the right and left temporoparietal junction.
104
260238
3814
y también la unión temporoparietal derecha e izquierda.
04:36
And these are all areas which are fairly reliably known
105
264052
2466
Y estas son todas las áreas que se
conocen razonablemente bien
conocen razonablemente bien
04:38
to be part of what's called a "theory of mind" circuit,
106
266518
2321
como parte de lo que se denomina
el circuito de la "teoría de la mente",
el circuito de la "teoría de la mente",
04:40
or "mentalizing circuit."
107
268839
1901
o "circuito de mentalización".
04:42
That is, it's a circuit that's used to imagine what other people might do.
108
270740
3378
Es decir, es un circuito que se utiliza para
imaginar lo que podrían hacer otras personas.
imaginar lo que podrían hacer otras personas.
04:46
So these were some of the first studies to see this
109
274118
2240
Así que estos fueron algunos de los
primeros estudios para verlo
primeros estudios para verlo
04:48
tied in to game theory.
110
276358
2033
asociado a la teoría de juegos.
04:50
What happens with these one- and two-step types?
111
278391
2240
¿Qué pasa con estos tipos de un paso y dos?
04:52
So we classify people by what they picked,
112
280631
2071
Clasificamos a la gente según lo que escogieron,
04:54
and then we look at the difference between
113
282702
1667
y luego nos fijamos en la diferencia entre
04:56
playing humans versus playing computers,
114
284369
1975
jugar con seres humanos frente a computadoras,
04:58
which brain areas are differentially active.
115
286344
1891
qué áreas del cerebro son activadas diferencialmente.
05:00
On the top you see the one-step players.
116
288235
1752
En la parte superior ven los jugadores de un solo paso.
05:01
There's almost no difference.
117
289987
1520
No hay casi ninguna diferencia.
05:03
The reason is, they're treating other people like a computer, and the brain is too.
118
291507
2940
La razón es que están tratando a otras personas
como una computadora, y el cerebro lo es también.
como una computadora, y el cerebro lo es también.
05:06
The bottom players, you see all the activity in dorsomedial PFC.
119
294447
4141
En los jugadores de la parte inferior verán
toda la actividad en dorsomedial CPF.
toda la actividad en dorsomedial CPF.
05:10
So we know that those two-step players are doing something differently.
120
298588
2051
Sabemos que los jugadores de dos pasos
están haciendo algo diferente.
están haciendo algo diferente.
05:12
Now if you were to step back and say, "What can we do with this information?"
121
300639
3096
Ahora bien, si tuviera que hacerse a un lado y decir,
"¿Qué podemos hacer con esta información?",
"¿Qué podemos hacer con esta información?",
05:15
you might be able to look at brain activity and say,
122
303735
1821
es posible que pueda mirar la actividad cerebral y decir:
05:17
"This person's going to be a good poker player,"
123
305556
1499
"Esta persona va a ser un buen jugador de póker"
05:19
or, "This person's socially naive,"
124
307055
1929
o, "Esta persona es socialmente ingenua",
05:20
and we might also be able to study things
125
308984
1278
y también podríamos estudiar cosas
05:22
like development of adolescent brains
126
310262
1598
como el desarrollo de cerebros adolescentes
05:23
once we have an idea of where this circuitry exists.
127
311860
3354
una vez que tengamos una
idea de dónde está este circuito.
idea de dónde está este circuito.
05:27
Okay. Get ready.
128
315214
2612
Bien. Prepárense.
05:29
I'm saving you some brain activity,
129
317826
2123
Estoy ahorrándoles alguna actividad cerebral,
05:31
because you don't need to use your hair detector cells.
130
319949
2810
porque no necesitan utilizar
sus células detectoras de pelo.
sus células detectoras de pelo.
05:34
You should use those cells to think carefully about this game.
131
322759
2888
Deben usar esas células con cuidado en este juego.
05:37
This is a bargaining game.
132
325647
1935
Este es un juego de negociación.
05:39
Two players who are being scanned using EEG electrodes
133
327582
2556
Dos jugadores que están siendo escaneados utilizando electrodos EEG
05:42
are going to bargain over one to six dollars.
134
330138
2877
van a negociar de uno a seis dólares.
05:45
If they can do it in 10 seconds, they're going to actually earn that money.
135
333015
2664
Si pueden hacerlo en 10 segundos,
van en realidad a ganar ese dinero.
van en realidad a ganar ese dinero.
05:47
If 10 seconds goes by and they haven't made a deal, they get nothing.
136
335679
3040
Si pasan 10 segundos y no han llegado
a un acuerdo, no consiguen nada.
a un acuerdo, no consiguen nada.
05:50
That's kind of a mistake together.
137
338719
1683
Ese es el tipo de error conjunto.
05:52
The twist is that one player, on the left,
138
340402
2817
El truco es que a un jugador, a la izquierda,
05:55
is informed about how much on each trial there is.
139
343219
2688
se le informa cuánto hay en cada ensayo.
05:57
They play lots of trials with different amounts each time.
140
345907
2232
Juegan un montón de ensayos
con diferentes cantidades cada vez.
con diferentes cantidades cada vez.
06:00
In this case, they know there's four dollars.
141
348139
2241
En este caso, saben que hay cuatro dólares.
06:02
The uninformed player doesn't know,
142
350380
1877
El jugador desinformado no sabe,
06:04
but they know that the informed player knows.
143
352257
2054
pero saben que el jugador informado sabe.
06:06
So the uninformed player's challenge is to say,
144
354311
2059
Así que el reto del jugador desinformado es decir,
06:08
"Is this guy really being fair
145
356370
1470
"¿Es este chico realmente justo
06:09
or are they giving me a very low offer
146
357840
1854
o me están ofreciendo una oferta muy baja
06:11
in order to get me to think that there's only one or two dollars available to split?"
147
359694
3078
con el fin de hacerme pensar que
solo hay 1 o 2 dólares para dividir?",
solo hay 1 o 2 dólares para dividir?",
06:14
in which case they might reject it and not come to a deal.
148
362772
3154
en cuyo caso podrían rechazarla
y no llegar a un acuerdo.
y no llegar a un acuerdo.
06:17
So there's some tension here between trying to get the most money
149
365926
2950
Así que hay cierta tensión aquí entre
el intento de conseguir más dinero
el intento de conseguir más dinero
06:20
but trying to goad the other player into giving you more.
150
368876
2573
pero tratando de conseguir
que el otro jugador le dé más.
que el otro jugador le dé más.
06:23
And the way they bargain is to point on a number line
151
371449
2330
Y la manera en que negocian es
señalando un número en una línea
señalando un número en una línea
06:25
that goes from zero to six dollars,
152
373779
1806
que va de 0 a 6 dólares,
06:27
and they're bargaining over how much the uninformed player gets,
153
375585
2978
y están negociación cuánto recibe el jugador desinformado,
06:30
and the informed player's going to get the rest.
154
378563
1585
y el jugador informado recibirá el resto.
06:32
So this is like a management-labor negotiation
155
380148
2575
Es como una negociación
la dirección-trabajadores
la dirección-trabajadores
06:34
in which the workers don't know how much profits
156
382723
2733
en la que los trabajadores no saben cuántas ganancias
06:37
the privately held company has, right,
157
385456
2667
tiene la empresa privada, cierto,
06:40
and they want to maybe hold out for more money,
158
388123
2368
y ellos pueden quizá rehusarse esperando más dinero,
06:42
but the company might want to create the impression
159
390491
1836
pero la empresa talvez quiere
crear la impresión
crear la impresión
06:44
that there's very little to split: "I'm giving you the most that I can."
160
392327
2932
que hay muy poco para dividir:
"Le estoy dando lo más que puedo".
"Le estoy dando lo más que puedo".
06:47
First some behavior. So a bunch of the subject pairs, they play face to face.
161
395259
4231
Primero unas normas. Se forman
parejas que juegan cara a cara.
parejas que juegan cara a cara.
06:51
We have some other data where they play across computers.
162
399490
1836
Tenemos algunos otros datos
de cuando juegan con computadoras.
de cuando juegan con computadoras.
06:53
That's an interesting difference, as you might imagine.
163
401326
1738
Es una diferencia interesante,
como se pueden imaginar.
como se pueden imaginar.
06:55
But a bunch of the face-to-face pairs
164
403064
2202
Pero un grupo de los pares de cara a cara
06:57
agree to divide the money evenly every single time.
165
405266
3693
acuerdan dividir el dinero uniformemente cada vez.
07:00
Boring. It's just not interesting neurally.
166
408959
2906
Aburrido. Simplemente no
es interesante neurológicamente.
es interesante neurológicamente.
07:03
It's good for them. They make a lot of money.
167
411865
2514
Es bueno para ellos. Hacen un montón de dinero.
07:06
But we're interested in, can we say something about
168
414379
2672
Pero estamos interesados en si podemos decir algo sobre
07:09
when disagreements occur versus don't occur?
169
417051
2536
lo que ocurre cuando hay o no desacuerdos.
07:11
So this is the other group of subjects who often disagree.
170
419587
2357
Así que este es el otro grupo de sujetos
que a menudo no están de acuerdo.
que a menudo no están de acuerdo.
07:13
So they have a chance of -- they bicker and disagree
171
421944
2768
Tienen la oportunidad de pelear y no estar de acuerdo
07:16
and end up with less money.
172
424712
1307
y terminar con menos dinero.
07:18
They might be eligible to be on "Real Housewives," the TV show.
173
426019
3917
Podrían seleccionados para un
"Real Housewives", el programa de televisión.
"Real Housewives", el programa de televisión.
07:21
You see on the left,
174
429936
1936
Lo ven a la izquierda,
07:23
when the amount to divide is one, two or three dollars,
175
431872
2664
cuando la cantidad a dividir es 1, 2 o 3 dólares,
07:26
they disagree about half the time,
176
434536
1648
discrepan la mitad del tiempo,
07:28
and when the amount is four, five, six, they agree quite often.
177
436184
2192
y cuando la cantidad es de 4, 5, 6,
acuerdan más a menudo.
acuerdan más a menudo.
07:30
This turns out to be something that's predicted
178
438376
1874
Esto resulta ser predicho
07:32
by a very complicated type of game theory
179
440250
2204
por un tipo de teoría de juegos muy complicado,
07:34
you should come to graduate school at CalTech and learn about.
180
442454
2809
tienen que venir a graduarse en CalTech y aprenderla.
07:37
It's a little too complicated to explain right now,
181
445263
2172
Es un poco complicado explicarla ahora,
07:39
but the theory tells you that this shape kind of should occur.
182
447435
3416
pero la teoría dice que debería
producirse este tipo de forma.
producirse este tipo de forma.
07:42
Your intuition might tell you that too.
183
450851
2216
Su intuición podría decírselos también.
07:45
Now I'm going to show you the results from the EEG recording.
184
453067
2240
Ahora voy a mostrarle los resultados
de la grabación de EEG.
de la grabación de EEG.
07:47
Very complicated. The right brain schematic
185
455307
2353
Muy complicada. El esquema cerebral derecho
07:49
is the uninformed person, and the left is the informed.
186
457660
2863
es de la persona desinformada,
y el de la izquierda es el informado.
y el de la izquierda es el informado.
07:52
Remember that we scanned both brains at the same time,
187
460523
2800
Recuerden que examinamos los dos cerebros a la vez,
07:55
so we can ask about time-synced activity
188
463323
2392
así que podemos preguntar sobre
su actividad en tiempo sincronizado
su actividad en tiempo sincronizado
07:57
in similar or different areas simultaneously,
189
465715
3224
en áreas similares o diferentes al mismo tiempo,
08:00
just like if you wanted to study a conversation
190
468939
2264
al igual que si quisieran estudiar una conversación
08:03
and you were scanning two people talking to each other
191
471203
1936
y escanean dos personas hablando entre sí
08:05
and you'd expect common activity in language regions
192
473139
2360
y esperarán una actividad común en regiones del lenguaje
08:07
when they're actually kind of listening and communicating.
193
475499
2385
cuando están realmente escuchando y comunicándose.
08:09
So the arrows connect regions that are active at the same time,
194
477884
3927
Así que las flechas conectan regiones
que están activas al mismo tiempo,
que están activas al mismo tiempo,
08:13
and the direction of the arrows flows
195
481811
2040
y la dirección de las flechas fluye
08:15
from the region that's active first in time,
196
483851
2480
de la región que está activa de primero,
08:18
and the arrowhead goes to the region that's active later.
197
486331
3568
y la punta de flecha va a la
región que está activa después.
región que está activa después.
08:21
So in this case, if you look carefully,
198
489899
2216
En este caso, si se mira cuidadosamente,
08:24
most of the arrows flow from right to left.
199
492115
1857
la mayoría de las flechas fluyen de derecha a izquierda.
08:25
That is, it looks as if the uninformed brain activity
200
493972
3280
Es decir, parece como si la
actividad cerebral desinformada
actividad cerebral desinformada
08:29
is happening first,
201
497252
1959
sucediera primero
08:31
and then it's followed by activity in the informed brain.
202
499211
3515
y luego es seguida por la actividad del cerebro informado.
08:34
And by the way, these were trials where their deals were made.
203
502726
3692
Y por cierto, estos son ensayos
donde se hicieron acuerdos.
donde se hicieron acuerdos.
08:38
This is from the first two seconds.
204
506418
1780
Se trata de los primeros dos segundos.
08:40
We haven't finished analyzing this data,
205
508198
1980
No hemos terminado de analizar estos datos,
08:42
so we're still peeking in, but the hope is
206
510178
1900
así que todavía estamos leyéndolos,
pero la esperanza es
pero la esperanza es
08:44
that we can say something in the first couple of seconds
207
512078
2564
que podamos decir algo del primer par de segundos
08:46
about whether they'll make a deal or not,
208
514642
1723
sobre si habrá un acuerdo o no,
08:48
which could be very useful in thinking about avoiding litigation
209
516365
2043
lo que podría ser muy útil pensando en evitar litigios
08:50
and ugly divorces and things like that.
210
518408
1928
y divorcios penosos, y cosas así.
08:52
Those are all cases in which a lot of value is lost
211
520336
2883
Son todos los casos en que se pierde un gran valor
08:55
by delay and strikes.
212
523219
2976
por demora y huelgas.
08:58
Here's the case where the disagreements occur.
213
526195
2030
Aquí es el caso donde se producen los desacuerdos.
09:00
You can see it looks different than the one before.
214
528225
2173
Se puede ver que es diferente al anterior.
09:02
There's a lot more arrows.
215
530398
2249
Hay muchas más flechas.
09:04
That means that the brains are synced up
216
532647
1511
Eso significa que el cerebro se sincroniza hacia arriba
09:06
more closely in terms of simultaneous activity,
217
534158
2552
más cerca en términos de actividad simultánea,
09:08
and the arrows flow clearly from left to right.
218
536710
2010
y las flechas van claramente de izquierda a derecha.
09:10
That is, the informed brain seems to be deciding,
219
538720
2242
Es decir, el cerebro informado parece decidir,
09:12
"We're probably not going to make a deal here."
220
540962
2288
"Probablemente no vamos a hacer un trato aquí".
09:15
And then later there's activity in the uninformed brain.
221
543250
3225
Y luego, más tarde, hay actividad
en el cerebro desinformado.
en el cerebro desinformado.
09:18
Next I'm going to introduce you to some relatives.
222
546475
2503
A continuación voy a presentarles a algunos familiares.
09:20
They're hairy, smelly, fast and strong.
223
548978
2261
Son peludos, malolientes, rápidos y fuertes.
09:23
You might be thinking back to your last Thanksgiving.
224
551239
3190
Podrían estar pensando en su último día de Acción de Gracias.
09:26
Maybe if you had a chimpanzee with you.
225
554429
2693
Tal vez si tuvieron un chimpancé con Uds.
09:29
Charles Darwin and I and you broke off from the family tree
226
557122
3461
Charles Darwin y yo y tú
nos separamos del árbol genealógico
nos separamos del árbol genealógico
09:32
from chimpanzees about five million years ago.
227
560583
2259
de los chimpancés hace unos 5 millones años.
09:34
They're still our closest genetic kin.
228
562842
1968
Todavía son nuestros parientes genéticos más cercanos.
09:36
We share 98.8 percent of the genes.
229
564810
1737
Compartimos el 98,8 % de los genes.
09:38
We share more genes with them than zebras do with horses.
230
566547
2800
Compartimos más genes con ellos
que las cebras con los caballos.
que las cebras con los caballos.
09:41
And we're also their closest cousin.
231
569347
1717
Y somos también sus primos más cercanos.
09:43
They have more genetic relation to us than to gorillas.
232
571064
3002
Tienen más relación genética
con nosotros que con los gorilas.
con nosotros que con los gorilas.
09:46
So how humans and chimpanzees behave differently
233
574066
2528
Así que, qué tan diferentemente se comportan
los seres humanos y los chimpancés
los seres humanos y los chimpancés
09:48
might tell us a lot about brain evolution.
234
576594
2455
puede decirnos mucho sobre la evolución del cerebro.
09:51
So this is an amazing memory test
235
579049
2601
Esta es una increíble prueba de memoria
09:53
from Nagoya, Japan, Primate Research Institute,
236
581650
2816
del Primate Research Institute, de Nagoya, Japón
09:56
where they've done a lot of this research.
237
584466
1778
donde han hecho mucha investigación de este tipo.
09:58
This goes back quite a ways. They're interested in working memory.
238
586244
2340
Esto va hacia mucho tiempo atrás.
Están interesados en la memoria de trabajo.
Están interesados en la memoria de trabajo.
10:00
The chimp is going to see, watch carefully,
239
588584
1772
El chimpancé que verán, observen cuidadosamente,
10:02
they're going to see 200 milliseconds' exposure
240
590356
2202
van a ver la exposición 200 milisegundos
10:04
— that's fast, that's eight movie frames —
241
592558
1994
—eso es rápido, son 8 cuadros de la película—
10:06
of numbers one, two, three, four, five.
242
594552
1951
de números 1, 2, 3, 4, 5.
10:08
Then they disappear and they're replaced by squares,
243
596503
1998
Luego desaparecen y son substituidos por cuadrados,
10:10
and they have to press the squares
244
598501
1755
y tienen que presionar los cuadrados
10:12
that correspond to the numbers from low to high
245
600256
2321
que corresponden a los números de menor a mayor
10:14
to get an apple reward.
246
602577
1339
para obtener una manzana de recompensa.
10:15
Let's see how they can do it.
247
603916
4771
Veamos cómo lo hacen.
10:28
This is a young chimp. The young ones
248
616391
1493
Se trata de un chimpancé joven. Los jóvenes
10:29
are better than the old ones, just like humans.
249
617884
2783
son mejores que los mayores,
como los seres humanos.
como los seres humanos.
10:32
And they're highly experienced, so they've done this
250
620667
1592
Y están muy experimentados,
ya que han hecho esto
ya que han hecho esto
10:34
thousands and thousands of time.
251
622259
1432
miles y miles de veces.
10:35
Obviously there's a big training effect, as you can imagine.
252
623691
2884
Obviamente hay un efecto de entrenamiento,
como se imaginarán.
como se imaginarán.
10:39
(Laughter)
253
627928
1344
(Risas)
10:41
You can see they're very blasé and kind of effortless.
254
629272
1935
Pueden ver están muy indiferentes,
como sin esfuerzo.
como sin esfuerzo.
10:43
Not only can they do it very well, they do it in a sort of lazy way.
255
631207
3928
No solo lo hacen muy bien,
lo hacen con una especie de pereza.
lo hacen con una especie de pereza.
10:47
Right? Who thinks you could beat the chimps?
256
635135
3435
¿Verdad? ¿Quién piensa que los podría vencer?
10:50
Wrong. (Laughter)
257
638570
1596
Equivocado. (Risas)
10:52
We can try. We'll try. Maybe we'll try.
258
640166
2438
Podemos tratar. Intentaremos.
Tal vez intentaremos.
Tal vez intentaremos.
10:54
Okay, so the next part of this study
259
642604
2590
Bien, así que la siguiente parte de este estudio,
10:57
I'm going to go quickly through
260
645194
1596
voy a ir rápidamente,
10:58
is based on an idea of Tetsuro Matsuzawa.
261
646790
2692
está basada en una idea de Tetsuro Matsuzawa.
11:01
He had a bold idea that -- what he called the cognitive trade-off hypothesis.
262
649482
3029
Él tenía una idea audaz que llamó
la hipótesis de intercambio cognitivo.
la hipótesis de intercambio cognitivo.
11:04
We know chimps are faster and stronger.
263
652511
1292
Sabemos que los chimpancés
son más rápidos y más fuertes.
son más rápidos y más fuertes.
11:05
They're also very obsessed with status.
264
653803
1680
También son muy obsesionados con el estatus.
11:07
His thought was, maybe they've preserved brain activities
265
655483
2956
Su pensamiento fue, tal vez han
conservado actividades del cerebro
conservado actividades del cerebro
11:10
and they practice them in development
266
658439
2168
y las practican en el desarrollo,
11:12
that are really, really important to them
267
660607
1851
ya que son muy, muy importantes para ellos
11:14
to negotiate status and to win,
268
662458
2210
para negociar el estatus y ganar,
11:16
which is something like strategic thinking during competition.
269
664668
2998
que es algo así como el pensamiento
estratégico durante la competición.
estratégico durante la competición.
11:19
So we're going to check that out
270
667666
1580
Así que vamos a echar un vistazo
11:21
by having the chimps actually play a game
271
669246
2430
poniendo a los chimpancés jugar un juego
11:23
by touching two touch screens.
272
671676
2638
tocando dos pantallas táctiles.
11:26
The chimps are actually interacting with each other through the computers.
273
674314
2440
Los chimpancés están realmente interactuando
entre sí a través de las computadoras.
entre sí a través de las computadoras.
11:28
They're going to press left or right.
274
676754
1608
Van a presionar la izquierda o la derecha.
11:30
One chimp is called a matcher.
275
678362
2113
Un chimpancé se llama 'matcher'.
11:32
They win if they press left, left,
276
680475
1983
Gana si presionan izquierda, izquierda,
11:34
like a seeker finding someone in hide-and-seek, or right, right.
277
682458
3169
como buscando a alguien en
escondidas, o derecha, derecha.
escondidas, o derecha, derecha.
11:37
The mismatcher wants to mismatch.
278
685627
1228
Los 'mismatcher' quieren discrepancia.
11:38
They want to press the opposite screen of the chimp.
279
686855
3076
Quieren presionar la pantalla
contraria al otro chimpancé.
contraria al otro chimpancé.
11:41
And the rewards are apple cube rewards.
280
689931
2544
Y las recompensas son pedazos de manzana.
11:44
So here's how game theorists look at these data.
281
692475
2528
Aquí está cómo los teóricos de juegos miran estos datos.
11:47
This is a graph of the percentage of times
282
695003
1614
Se trata de un gráfico del porcentaje de veces
11:48
the matcher picked right on the x-axis,
283
696617
2618
que el 'matcher' escogió derecho en el eje de las x,
11:51
and the percentage of times they predicted right
284
699235
1516
y el porcentaje de veces que predijeron bien
11:52
by the mismatcher on the y-axis.
285
700751
2868
al 'mismatcher' en el eje de las y.
11:55
So a point here is the behavior by a pair of players,
286
703619
3200
Un punto aquí es el comportamiento
de un par de jugadores,
de un par de jugadores,
11:58
one trying to match, one trying to mismatch.
287
706819
2216
uno tratando de hacer coincidir,
uno tratando de discrepar.
uno tratando de discrepar.
12:01
The NE square in the middle -- actually NE, CH and QRE --
288
709035
3280
El cuadrante NE en el centro
—realmente NE, CH y QRE—
—realmente NE, CH y QRE—
12:04
those are three different theories of Nash equilibrium, and others,
289
712315
2456
son tres diferentes teorías del equilibrio de Nash, y otros,
12:06
tells you what the theory predicts,
290
714771
2424
lo que predice la teoría,
12:09
which is that they should match 50-50,
291
717195
2272
que es que deben coincidir 50-50,
12:11
because if you play left too much, for example,
292
719467
2168
porque si juegas izquierda demasiado, por ejemplo,
12:13
I can exploit that if I'm the mismatcher by then playing right.
293
721635
2716
puedo aprovechar si soy la 'mismatcher'
jugando a la derecha.
jugando a la derecha.
12:16
And as you can see, the chimps, each chimp is one triangle,
294
724351
2764
Y como pueden ver, los chimpancés,
cada chimpancé es un triángulo,
cada chimpancé es un triángulo,
12:19
are circled around, hovering around that prediction.
295
727115
3847
están circulando alrededor, revoloteando
alrededor de esa predicción.
alrededor de esa predicción.
12:22
Now we move the payoffs.
296
730962
1774
Ahora pasamos a los pagos.
12:24
We're actually going to make the left, left payoff for the matcher a little bit higher.
297
732736
3443
Realmente vamos a hacer el beneficio de la izquierda,
izquierda para el 'matcher', sea un poco mayor.
izquierda para el 'matcher', sea un poco mayor.
12:28
Now they get three apple cubes.
298
736179
1520
Ahora llegan 3 trozos de manzana.
12:29
Game theoretically, that should actually make the mismatcher's behavior shift,
299
737699
2800
Teóricamente, realmente debe cambiar
de comportamiento del 'mismatcher',
de comportamiento del 'mismatcher',
12:32
because what happens is, the mismatcher will think,
300
740499
1590
porque lo que pasa es que el 'mismatcher' va a pensar,
12:34
oh, this guy's going to go for the big reward,
301
742089
1810
oh, este chico va a ir por el gran premio,
12:35
and so I'm going to go to the right, make sure he doesn't get it.
302
743899
3065
y así que voy a ir a la derecha,
asegurándome de que no lo consigue.
asegurándome de que no lo consigue.
12:38
And as you can see, their behavior moves up
303
746964
1665
Y como pueden ver, su comportamiento
se mueve hacia arriba
se mueve hacia arriba
12:40
in the direction of this change in the Nash equilibrium.
304
748629
3448
en la dirección de este cambio en el equilibrio de Nash.
12:44
Finally, we changed the payoffs one more time.
305
752077
2314
Finalmente, cambiamos los pagos una vez más.
12:46
Now it's four apple cubes,
306
754391
1192
Ahora son 4 trozos de manzana,
12:47
and their behavior again moves towards the Nash equilibrium.
307
755583
2172
y su comportamiento se dirige nuevamente
hacia el equilibrio de Nash.
hacia el equilibrio de Nash.
12:49
It's sprinkled around, but if you average the chimps out,
308
757755
2035
Se dispersa, pero en promedio los chimpancés
12:51
they're really, really close, within .01.
309
759790
2190
están muy, muy cerca, dentro del 0,01.
12:53
They're actually closer than any species we've observed.
310
761980
3199
Están realmente más cerca que cualquier
especie que hayamos observado.
especie que hayamos observado.
12:57
What about humans? You think you're smarter than a chimpanzee?
311
765179
3193
¿Qué pasa con los seres humanos?
¿Creen que son más inteligentes que un chimpancé?
¿Creen que son más inteligentes que un chimpancé?
13:00
Here's two human groups in green and blue.
312
768372
3567
Aquí hay dos grupos humanos en verde y azul.
13:03
They're closer to 50-50. They're not responding to payoffs as closely,
313
771939
3744
Están cerca de 50-50. No están respondiendo
a los pagos tan de cerca,
a los pagos tan de cerca,
13:07
and also if you study their learning in the game,
314
775683
1450
y si también estudiamos su aprendizaje en el juego,
13:09
they aren't as sensitive to previous rewards.
315
777133
1985
no son tan sensibles a las recompensas anteriores.
13:11
The chimps are playing better than the humans,
316
779118
1364
Los chimpancés juegan mejor que los seres humanos,
13:12
better in the sense of adhering to game theory.
317
780482
2423
mejor en el sentido de adherirse a la teoría de juegos.
13:14
And these are two different groups of humans
318
782905
1419
Y estos son dos grupos diferentes de seres humanos
13:16
from Japan and Africa. They replicate quite nicely.
319
784324
3196
de Japón y África. Replican muy bien.
13:19
None of them are close to where the chimps are.
320
787520
3235
Ninguno está cerca de donde están los chimpancés.
13:22
So here are some things we learned today.
321
790755
1755
Así que aquí hay algunas
cosas que hemos aprendido hoy.
cosas que hemos aprendido hoy.
13:24
People seem to do a limited amount of strategic thinking
322
792510
1938
La gente parece hacer una cantidad
limitada de pensamiento estratégico
limitada de pensamiento estratégico
13:26
using theory of mind.
323
794448
1811
usando la teoría de la mente.
13:28
We have some preliminary evidence from bargaining
324
796259
1917
Tenemos algunas pruebas preliminares de la negociación
13:30
that early warning signs in the brain might be used to predict
325
798176
2492
que dan alertas tempranas en el
cerebro que pueden utilizarse para predecir
cerebro que pueden utilizarse para predecir
13:32
whether there will be a bad disagreement that costs money,
326
800668
2226
si va a haber un duro desacuerdo que cueste dinero,
13:34
and chimps are better competitors than humans,
327
802894
1840
y que los chimpancés son mejores competidores
que los seres humanos,
que los seres humanos,
13:36
as judged by game theory.
328
804734
2464
según lo juzgado por la teoría de juegos.
13:39
Thank you.
329
807198
1857
Gracias.
13:41
(Applause)
330
809055
3573
(Aplausos)
ABOUT THE SPEAKER
Colin Camerer - Behavioral economistColin Camerer is a leading behavioral economist who studies the psychological and neural bases of choice and strategic decision-making.
Why you should listen
Colin Camerer focuses on brain behavior during decision making, strategizing and market trading. He is the Robert Kirby Professor of Behavioral Finance and Economics at the California Institute of Technology. A child prodigy in his youth, Camerer received a B.A. in quantitative studies from Johns Hopkins when he was just 17 and a PhD in decision theory from the University of Chicago Graduate School of Business when he was 22. Camerer's research departs from previous theory in that it does not assume the mind to be a rational and perfect system, but rather focuses on the limitations of everyday people when they play actual games, and seeks to predict how they will behave in situations that involve strategy. His studies focus on neurological findings from economic experiments in the lab (on humans -- and monkeys!) Camerer is the author of Behavioral Game Theory.
Colin Camerer | Speaker | TED.com