TEDSalon NY2011
Daniel Goldstein: The battle between your present and future self
دنیل گلدشتاین : نبرد بین "خود" حال و "خود" آینده
Filmed:
Readability: 3.7
2,548,111 views
هر روز، ما تصمیم‌هایی میگیریم که عواقب خوب یا بدی برای آینده‌مان دارد. (میتوانم این یک بار نخ دندون نکشم؟) دانیل گلدشتاین ابزارهایی میسازد تا به ما نشان میدهد که چگونه خودمان را در طول زمان تصور کنیم و در نتیجه انتخاب‌های هوشمندانه‌تری برای آینده‌مان بکنیم.
Daniel Goldstein - Behavioral economist
Daniel Goldstein studies how we make decisions about our financial selves -- both now and in the future, Full bio
Daniel Goldstein studies how we make decisions about our financial selves -- both now and in the future, Full bio
Double-click the English transcript below to play the video.
00:15
Do you remember the story
0
0
2000
آیا افسانه ادیسه و پریهای دیائی را تو مدرسه راهنمایی یا دبیرستان یادتون میاد؟
00:17
of Odysseus and the Sirens
1
2000
2000
آیا افسانه ادیسه و پریهای دیائی را تو مدرسه راهنمایی یا دبیرستان یادتون میاد؟
00:19
from high school or junior high school?
2
4000
2000
آیا افسانه ادیسه و پریهای دیائی را تو مدرسه راهنمایی یا دبیرستان یادتون میاد؟
00:21
There was this hero, Odysseus, who's heading back home
3
6000
3000
یه قهرمان به اسم ادیسه بود که بعد از جنگ تروجان ، به خونه برمیگشت.
00:24
after the Trojan War.
4
9000
2000
یه قهرمان به اسم ادیسه بود که بعد از جنگ تروجان ، به خونه برمیگشت.
00:26
And he's standing on the deck of his ship,
5
11000
2000
و بر روی عرشه کشتی ایستاده بود،
00:28
he's talking to his first mate,
6
13000
2000
و داشت با دستیار اولش صحبت میکرد،
00:30
and he's saying,
7
15000
2000
می گفت،
00:32
"Tomorrow, we will sail past those rocks,
8
17000
3000
" فردا ما از اون صخره ها رد میشیم
00:35
and on those rocks sit some beautiful women
9
20000
2000
و روی اون صخره ها زنهای زیبایی به اسم سایرن - پری دریایی نشستن
00:37
called Sirens.
10
22000
2000
و روی اون صخره ها زنهای زیبایی به اسم سایرن - پری دریایی نشستن
00:39
And these women sing an enchanting song,
11
24000
3000
اون زنها آوازهای فریبنده ای میخونن،
00:42
a song so alluring
12
27000
2000
آوازهایی که آدم رو جذب میکنن
00:44
that all sailors who hear it
13
29000
2000
تمام دریانوردانی که اونو بشنون
00:46
crash into the rocks and die."
14
31000
2000
به صخره ها میخورن و میمیرن."
00:48
Now you would expect, given that,
15
33000
2000
حالا با توجه به این، شما انتظار دارین
00:50
that they would choose an alternate route around the Sirens,
16
35000
3000
که اونا یه راه جایگزین پیدا کنن و پری ها رو دور بزنن،
00:53
but instead Odysseus says,
17
38000
3000
ولی در عوض ادیسه گفت
00:56
"I want to hear that song.
18
41000
2000
من میخوام اون آواز رو بشنوم
00:58
And so what I'm going to do
19
43000
2000
و بنابراین کاری که میخوام بکنم
01:00
is I'm going to pour wax in the ears
20
45000
2000
اینه که موم میکنم توی گوش
01:02
of you and all the men --
21
47000
2000
تو و همه خدمه کشتی
01:04
stay with me --
22
49000
2000
حواستون باشه
01:06
so that you can't hear the song,
23
51000
2000
که شما نمیتونید آواز رو بشنوید
01:08
and then I'm going to have you tie me to the mast
24
53000
3000
و من ازتون میخوام که من رو به دکل ببندین
01:11
so that I can listen
25
56000
2000
که من بتونم گوش بدم
01:13
and we can all sail by unaffected."
26
58000
2000
و اینجوری ما همه بدون هیچ خطری از اونجا میگذریم
01:15
So this is a captain
27
60000
3000
این یه ناخداست که
01:18
putting the life of every single person on the ship at risk
28
63000
2000
جون تمام افراد روی کشتیش رو به خطر میندازه
01:20
so that he can hear a song.
29
65000
2000
تا بتونه یه آواز رو بشنوه.
01:22
And I'd like to think if this was the case,
30
67000
2000
و من فکر میکنم اگر موضوع این بود،
01:24
they probably would have rehearsed it a few times.
31
69000
3000
اونا این کارو چند بار تمرین میکردن
01:27
Odysseus would have said, "Okay, let's do a dry run.
32
72000
3000
ادیسه میگفت: "خب بیاین یه تمرین جنگی کنیم
01:30
You tie me to the mast, and I'm going to beg and plead.
33
75000
3000
شما من رو به دکل ببندین و من خواهش و تمنا میکنم.
01:33
And no matter what I say, you cannot untie me from the mast.
34
78000
2000
و مهم نیست که من چی میگم، شما نباید من رو از دکل باز کنین
01:35
All right, so tie me to the mast."
35
80000
2000
بسیار خوب، من رو به دکل ببندین."
01:37
And the first mate takes a rope
36
82000
2000
و دستیار اول یه طناب برمیداره
01:39
and ties Odysseus to the mast in a nice knot.
37
84000
3000
و ادیسه رو با یه گره خوب به دکل میبنده
01:42
And Odysseus does his best job playacting
38
87000
2000
و ادیسه هم یه بار بهترین جوری که میتونست فیلم بازی کرد
01:44
and says, "Untie me. Untie me.
39
89000
2000
و گفت،" منو باز کنید، منو باز کنید
01:46
I want to hear that song. Untie me."
40
91000
2000
من میخوام اون صدا رو بشنوم. منو باز کنید"
01:48
And the first mate wisely resists
41
93000
2000
و دستیار اول هوشمندانه مقاومت کرد
01:50
and doesn't untie Odysseus.
42
95000
2000
و طناب ادیسه رو باز نکرد.
01:52
And then Odysseus says, "I see that you can get it.
43
97000
3000
ادیسه گفت: " میبینم که منظورمو فهمیدی.
01:55
All right, untie me now and we'll get some dinner."
44
100000
3000
باشه، حالا منو باز کن بریم شام بخوریم."
01:58
And the first mate hesitates.
45
103000
2000
و دستیار اول مردد شد.
02:00
He's like, "Is this still the rehearsal,
46
105000
2000
اون پیش خودش میگه، " این هنوز تمرینه،
02:02
or should I untie him?"
47
107000
3000
یا من باید بازش کنم؟"
02:05
And the first mate thinks,
48
110000
2000
بعد دستیار اول با خودش فکر میکنه،
02:07
"Well, I guess at some point the rehearsal has to end."
49
112000
3000
"خوب، فکر کنم بالاخره یه جایی تمرین باید تموم بشه."
02:10
So he unties Odysseus, and Odysseus flips out.
50
115000
3000
او ادیسه رو باز میکنه، و ادیسه میپره بیرون.
02:13
He's like, "You idiot. You moron.
51
118000
2000
ادیسه گفت: "ای احمق. ای ابله
02:15
If you do that tomorrow, I'll be dead, you'll be dead,
52
120000
2000
اگه این کار رو فردا بکنی، من میمیرم، شما هم میمیرین،
02:17
every single one of the men will be dead.
53
122000
2000
تک تک افراد میمیرن.
02:19
Now just don't untie me no matter what."
54
124000
3000
حالا هرچی هم که بشه منو باز نمیکنی."
02:22
He throws the first mate to the ground.
55
127000
2000
اون دستیار اولش رو به زمین میندازه.
02:24
This repeats itself through the night --
56
129000
2000
این در طول شب تکرار میشه
02:26
rehearsal, tying to the mast,
57
131000
2000
تمرین، گره زدن به دکل
02:28
conning his way out of it,
58
133000
2000
راه آزاد شدنش رو پیدا میکرد
02:30
beating the poor first mate up mercilessly.
59
135000
3000
بیرحمانه دستیارشو کتک میزد.
02:33
Hilarity ensues.
60
138000
3000
و در نتیجه اش خوشحال میشد
02:36
Tying yourself to a mast
61
141000
2000
بستن خودتون به دکل،
02:38
is perhaps the oldest written example
62
143000
2000
شاید قدیمی ترین مثال نوشته شده باشه
02:40
of what psychologists call a commitment device.
63
145000
3000
از چیزی که روانشناسا بهش میگن دستگاه تعهد.
02:43
A commitment device is a decision that you make
64
148000
3000
دستگاه تعهد، تصمیمی است که شما با خونسردی و آرامش میگیرید تا خودتون را مقید کنید که در هنگامی که هیجان دارید کاری را نکنید که بعدا پشیمون بشید.
02:46
with a cool head to bind yourself
65
151000
3000
دستگاه تعهد، تصمیمی است که شما با خونسردی و آرامش میگیرید تا خودتون را مقید کنید که در هنگامی که هیجان دارید کاری را نکنید که بعدا پشیمون بشید.
02:49
so that you don't do something regrettable
66
154000
2000
دستگاه تعهد، تصمیمی است که شما با خونسردی و آرامش میگیرید تا خودتون را مقید کنید که در هنگامی که هیجان دارید کاری را نکنید که بعدا پشیمون بشید.
02:51
when you have a hot head.
67
156000
3000
دستگاه تعهد، تصمیمی است که شما با خونسردی و آرامش میگیرید تا خودتون را مقید کنید که در هنگامی که هیجان دارید کاری را نکنید که بعدا پشیمون بشید.
02:54
Because there's two heads inside one person
68
159000
2000
وقتی درباره این فکر میکنید در وجود هر فرد دو شخصیت نهفته است
02:56
when you think about it.
69
161000
2000
وقتی درباره این فکر میکنید در وجود هر فرد دو شخصیت نهفته است
02:58
Scholars have long invoked this metaphor of two selves
70
163000
3000
محققین از قدیم به استعاره دو شخصیتی هنگامی که موضوع وسوسه پیش میآمد استناد میکردند.
03:01
when it comes to questions of temptation.
71
166000
3000
محققین از قدیم به استعاره دو شخصیتی هنگامی که موضوع وسوسه پیش میآمد استناد میکردند.
03:04
There is first, the present self.
72
169000
3000
شخصیت اول " خود" حاضر است.
03:07
This is like Odysseus when he's hearing the song.
73
172000
3000
مثل ادیسه وقتی آواز رو میشنوه.
03:10
He just wants to get to the front row.
74
175000
2000
اون فقط میخواد که ردیف اول رو بگیره
03:12
He just thinks about the here and now and the immediate gratification.
75
177000
3000
اون فقط راجع به اینجا و الآن و ارضاء فوری فکر میکنه
03:15
But then there's this other self, the future self.
76
180000
3000
ولی یه "خود " دیگه هم هست، "خود" آینده است.
03:18
This is Odysseus as an old man
77
183000
2000
این ادیسه به عنوان یه پیرمرده
03:20
who wants nothing more than to retire in a sunny villa
78
185000
3000
چیزی را بیشتر از اینکه بازنشستگی را با زنش ، پنه لوپه در یک ویلای آفتابی خارج از ایتاکا بگذرونه نمی خواد.
03:23
with his wife Penelope
79
188000
2000
چیزی را بیشتر از اینکه بازنشستگی را با زنش ، پنه لوپه در یک ویلای آفتابی خارج از ایتاکا بگذرونه نمی خواد.
03:25
outside of Ithaca -- the other one.
80
190000
3000
چیزی را بیشتر از اینکه بازنشستگی را با زنش ، پنه لوپه در یک ویلای آفتابی خارج از ایتاکا بگذرونه نمی خواد.
03:31
So why do we need commitment devices?
81
196000
4000
خب چرا به دستگاه تعهد نیاز داریم؟
03:35
Well resisting temptation is hard,
82
200000
2000
خب مقاومت در برابر وسوسه سخته،
03:37
as the 19th century English economist
83
202000
3000
همونطور که اقتصاددان قرن نوزدهم،
03:40
Nassau William Senior said,
84
205000
2000
ناسائو ویلیام بزرگ گفته
03:42
"To abstain from the enjoyment which is in our power,
85
207000
3000
" پرهیز از لذت که در قدرت ماست،
03:45
or to seek distant rather than immediate results,
86
210000
3000
یا دنبال نتایج بلند مدت بودن به جای نتیجه فوری،
03:48
are among the most painful exertions
87
213000
2000
از دردناک ترین چالش هاست
03:50
of the human will."
88
215000
2000
که اختیار انسانی در پی داره
03:52
If you set goals for yourself and you're like a lot of other people,
89
217000
3000
اگر برای خودتون هدفهایی دارین و مثل خیلیای دیگه هستین،
03:55
you probably realize
90
220000
2000
احتمالا این موضوع را تشخیص میدهد که اگر اهدافتان از لحاظ فیزیکی غیر ممکن نباشد
03:57
it's not that your goals are physically impossible
91
222000
2000
احتمالا این موضوع را تشخیص میدهد که اگر اهدافتان از لحاظ فیزیکی غیر ممکن نباشد
03:59
that's keeping you from achieving them,
92
224000
2000
شما رو از دستیابی به اون باز نمیدازه
04:01
it's that you lack the self-discipline to stick to them.
93
226000
3000
بلکه این کمبود انضباط شخصی شماست که نمیذاره پایبند اهدافتون باشین
04:04
It's physically possible to lose weight.
94
229000
2000
از نظر فیزیکی کم کردن وزن امکان پذیره.
04:06
It's physically possible to exercise more.
95
231000
3000
از نظر فیزیکی ورزش کردن بیشتر امکان پذیره
04:09
But resisting temptation
96
234000
2000
اما مقاوت کردن در برابر وسوسه
04:11
is hard.
97
236000
2000
سخته.
04:13
The other reason
98
238000
2000
دلیل دیگری
04:15
that it's difficult to resist temptation
99
240000
3000
که مقاومت در برابر وسوسه سخته
04:18
is because it's an unequal battle
100
243000
3000
اینه که این یه نبرد نابرابره
04:21
between the present self and the future self.
101
246000
2000
بین "خود "حال و آینده
04:23
I mean, let's face it, the present self is present.
102
248000
2000
منظورم اینه که ... بزارین باهاش روبرو بشیم، "خود "حال الان وجود داره
04:25
It's in control. It's in power right now.
103
250000
3000
اون کنترل را در دست داره . اون الآن در مسند قدرته.
04:28
It has these strong, heroic arms
104
253000
2000
اون الان این بازوهای قدرتمند رو داره
04:30
that can lift doughnuts into your mouth.
105
255000
2000
که میتونه دونات ها رو در دهانتون بزاره.
04:32
And the future self is not even around.
106
257000
3000
و "خود " آینده حتی این طرفا هم پیداش نیست.
04:35
It's off in the future. It's weak.
107
260000
3000
اون در آینده است. اون ضعیفه.
04:38
It doesn't even have a lawyer present.
108
263000
2000
حتی یه وکیلم در حال حاضر نداره.
04:40
There's nobody to stick up for the future self.
109
265000
2000
هیچ کس نیست که برای "خود" آینده ، خودی نشون بده.
04:42
And so the present self can trounce
110
267000
3000
و اینطوری "خود" حال تمام رویاهای خودشو به دست میاره
04:45
all over its dreams.
111
270000
2000
و اینطوری "خود" حال تمام رویاهای خودشو به دست میاره
04:47
So there's this battle between the two selves that's being fought,
112
272000
4000
پس این جنگ بین دو نفس (خود) ما وجود داره
04:51
and we need commitment devices
113
276000
2000
و ما به دستگاههای تعهد احتیاج داریم
04:53
to level the playing field between the two.
114
278000
3000
تا زمین بازی رو برای این دو تا عادلانه آماده کنیم
04:56
Now I'm a big fan of commitment devices actually.
115
281000
3000
در واقع من یه طرفدار پر و پا قرص دستگاه های تعهد هستم
04:59
Tying yourself to the mast is the oldest one, but there are other ones
116
284000
3000
بستن خودتون به دکل قدیمی ترینشونه، ولی چند تا دیگه هم هست
05:02
such as locking a credit card away with a key
117
287000
4000
مثل قفل کردن کارت اعتباری با رمز
05:06
or not bringing junk food into the house so you won't eat it
118
291000
3000
مثل نیاوردن هله هوله به خونه تا نخوریدش
05:09
or unplugging your Internet connection
119
294000
2000
یا قطع کردن ارتباط اینترنتتون
05:11
so you can use your computer.
120
296000
2000
تا بتونین از کامپیوترتون استفاده کنین.
05:13
I was creating commitment devices of my own
121
298000
2000
من داشتم دستگاه های تعهد خودم رو میساختم
05:15
long before I knew what they were.
122
300000
2000
خیلی قبلتر از اینکه بدونم اونا چین
05:17
So when I was a starving post-doc
123
302000
2000
وقتی یه دانشجوی فقیر فوق دکترا بودم
05:19
at Columbia University,
124
304000
2000
در دانشگاه کلمبیا
05:21
I was deep in a publish-or-perish phase of my career.
125
306000
3000
زندگی حرفه ای من وابسته به منتشر کردن کتاب بود
05:24
I had to write five pages a day
126
309000
2000
باید روزی پنج صفحه مینوشتم
05:26
towards papers
127
311000
2000
روی کاغذ
05:28
or I would have to give up five dollars.
128
313000
3000
یا باید بیخیال پنج دلار میشدم.
05:31
And when you try to execute these commitment devices,
129
316000
3000
و وقتی که میخواین این دستگاه های تعهد رو اجرا کنین،
05:34
you realize the devil is really in the details.
130
319000
2000
میفهمین که شیطون واقعا توی جزئیاته
05:36
Because it's not that easy to get rid of five dollars.
131
321000
3000
چون اونقدرا هم آسون نیست که از شر پنج دلار خلاص بشین.
05:39
I mean, you can't burn it; that's illegal.
132
324000
3000
منظورم اینه که نمیتونین بسوزونینش که؛ این غیر قانونیه.
05:42
And I thought, well I could give it to a charity
133
327000
2000
فکر کردم، خوب میتونم بدمش به خیریه
05:44
or give it to my wife or something like that.
134
329000
2000
یا بدمش به زنم یا یه کاری شبیه اون.
05:46
But then I thought, oh, I'm sending myself mixed messages.
135
331000
2000
ولی فکر کردم، اوه، من دارم به خودم پیام های دوگانه ای میفرستم.
05:48
Because not writing is bad, but giving to charity is good.
136
333000
3000
چون ننوشتن بده، ولی پول دادن به خیریه کار خوبیه.
05:51
So then I would kind of justify not writing
137
336000
2000
پس من به نوعی ننوشتنم رو توجیه میکنم
05:53
by giving a gift.
138
338000
2000
چون یه هدیه دادم
05:55
And then I kind of flipped that around and thought,
139
340000
2000
بعدش کل قضیه رو برعکس کردم و فکر کردم
05:57
well I could give it to the neo-Nazis.
140
342000
2000
میتونم بدمش به نئونازی ها.
05:59
But then I was like, that's more bad than writing is good,
141
344000
3000
ولی بعد گفتم، این بدیش بیشتر از خوب بودن نوشتنه،
06:02
and so that wouldn't work.
142
347000
2000
پس اینم خوب نیست.
06:04
So ultimately, I just decided
143
349000
2000
و در نهایت، من تصمیم گرفتم
06:06
I would leave it in an envelope on the subway.
144
351000
3000
که اون رو توی یه پاکت نامه توی مترو بذارم.
06:09
Sometimes a good person would find it,
145
354000
2000
بعضی وقتها یه آدم خوب پیداش میکنه،
06:11
sometimes a bad person would find it.
146
356000
2000
بعضی وقتها یه آدم بد پیداش میکنه.
06:13
On average, it was just a completely pointless exchange of money
147
358000
3000
به طور میانگین، اون یک تبادل بی فایده پول بود
06:16
that I would regret.
148
361000
2000
که من براش متاسفم الان.
06:18
(Laughter)
149
363000
3000
(خنده)
06:21
Such it is with commitment devices.
150
366000
3000
در مورد دستگاه های تعهد داستان اینجوریه
06:24
But despite my like for them,
151
369000
4000
ولی با اینکه من دوستشون دارم،
06:28
there's two nagging concerns
152
373000
2000
ولی دو نگرانی آزاردهنده وجود داره
06:30
that I've always had about commitment devices,
153
375000
2000
که من همیشه در مورد دستگاه های تعهد داشتم،
06:32
and you might feel this if you use them yourself.
154
377000
2000
و شما ممکنه احساسشون کنین اگر خودتون ازشون استفاده کنین.
06:34
So the first is,
155
379000
2000
اولیش اینه
06:36
when you've got one of these devices going,
156
381000
2000
وقتی که از یکی از این دستگاه ها استفاده کنین
06:38
such as this contract to write everyday or pay,
157
383000
3000
مثل این قرارداد که هر روز بنویسین یا پول بدین،
06:41
it's just a constant reminder
158
386000
2000
این فقط یه یادآوری مداومه
06:43
that you have no self-control.
159
388000
2000
که شما روی خودتون کنترل ندارین.
06:45
You're just telling yourself, "Without you, commitment device,
160
390000
2000
به خودتون میگین،" بدون دستگاه تعهد،
06:47
I am nothing, I have no self-discipline."
161
392000
3000
من هیچی نیستم، من هیچ اراده ای ندارم."
06:50
And then when you're ever in a situation
162
395000
2000
و هر زمانی در یک موقعیت هستین
06:52
where you don't have a commitment device in place --
163
397000
3000
که دستگاه تعهد در اختیار نداشته باشین --
06:55
like, "Oh my God, that person's offering me a doughnut,
164
400000
2000
میگین، خدای من، اون شخص به من آجیل پیشنهاد میکنه
06:57
and I have no defense mechanism," --
165
402000
2000
و من هیچ مکانیزم دفاعی ای ندارم،"--
06:59
you just eat it.
166
404000
2000
و اونو میخورین
07:01
So I don't like the way that they take the power away from you.
167
406000
3000
من این روشو که اونا قدرتو از شما بگیرن دوست ندارم.
07:04
I think self-discipline is something, it's like a muscle.
168
409000
3000
من فکر میکنم انظباط شخصی و اراده مثل یک ماهیچه است.
07:07
The more you exercise it, the stronger it gets.
169
412000
3000
هر چقدر بیشتر ازش استفاده کنین، قوی تر میشه
07:10
The other problem with commitment devices
170
415000
2000
مشکل دیگه ای که دستگاههای تعهد دارند
07:12
is that you can always weasel your way out of them.
171
417000
3000
اینه که بالاخره همیشه میشه یجوری دورشون زد.
07:15
You say, "Well, of course I can't write today,
172
420000
2000
مثلا میگین ،" خب من امروز نمیتونم بنویسم،
07:17
because I'm giving a TEDTalk and I have five media interviews,
173
422000
3000
چون من یه تد تاک باید ارائه بدم و مصاحبه مطبوعاتی دارم،
07:20
and then I'm going to a cocktail party and then I'll be drunk after that.
174
425000
3000
و بعدش هم که مهمونیه کوکتل و بعدشم که معلمومه دیگه مست میشم.
07:23
And so there's no way that this is going to work."
175
428000
3000
خُب هیچ راهی امروز برای کار کردن وجود نداره"
07:26
So in effect, you are like Odysseus and the first mate
176
431000
2000
بنابراین شما مثل ادیسه و دستیار اولش میشید
07:28
in one person.
177
433000
2000
هر دو نفر در یک نفر.
07:30
You're putting yourself, you're binding yourself,
178
435000
3000
شما خودتونو میذارین ، خودتون رو میبندین ،
07:33
and you're weaseling your way out of it,
179
438000
2000
و بعد یجوری ازش در میرین،
07:35
and then you're beating yourself up afterwards.
180
440000
2000
و بعدش هی خودتونو سرزنش میکنین.
07:37
So I've been working
181
442000
2000
من تقریبا برای یک دهه بر روی این موضوع کار کردم تا راههایی را برای اینکه مردم ارتباطشان را با "خود" آینده شان بدون استفاده از دستگاه تعهد، تغییر دهند، پیدا کنم
07:39
for about a decade now
182
444000
2000
من تقریبا برای یک دهه بر روی این موضوع کار کردم تا راههایی را برای اینکه مردم ارتباطشان را با "خود" آینده شان بدون استفاده از دستگاه تعهد، تغییر دهند، پیدا کنم
07:41
on finding other ways
183
446000
2000
من تقریبا برای یک دهه بر روی این موضوع کار کردم تا راههایی را برای اینکه مردم ارتباطشان را با "خود" آینده شان بدون استفاده از دستگاه تعهد، تغییر دهند، پیدا کنم
07:43
to change people's relationship to the future self
184
448000
2000
من تقریبا برای یک دهه بر روی این موضوع کار کردم تا راههایی را برای اینکه مردم ارتباطشان را با "خود" آینده شان بدون استفاده از دستگاه تعهد، تغییر دهند، پیدا کنم
07:45
without using commitment devices.
185
450000
2000
من تقریبا برای یک دهه بر روی این موضوع کار کردم تا راههایی را برای اینکه مردم ارتباطشان را با "خود" آینده شان بدون استفاده از دستگاه تعهد، تغییر دهند، پیدا کنم
07:47
In particular, I'm interested in the relationship
186
452000
3000
بطور خاص من علاقه به رابطه با" خود "مالی آینده دارم.
07:50
to the future financial self.
187
455000
3000
بطور خاص من علاقه به رابطه با" خود "مالی آینده دارم.
07:54
And this is a timely issue.
188
459000
2000
چون این موضوع وابسته یه زمانه.
07:56
I'm talking about the topic of saving.
189
461000
2000
در مورد موضوع پس انداز کردن حرف میزنم.
07:58
Now saving is a classic two selves problem.
190
463000
2000
پس انداز کردن الان یه موضوع کلاسیک "خود" دوگانه است.
08:00
The present self does not want to save at all.
191
465000
3000
"خود"حال اصلا نمیخواد پس انداز کنه.
08:03
It wants to consume.
192
468000
2000
اون میخواد مصرف کنه.
08:05
Whereas the future self wants the present self to save.
193
470000
3000
ولی "خود" آینده میخواد "خود" حال پس انداز کنه.
08:09
So this is a timely problem.
194
474000
2000
پس این موضوع بسته یه زمانه.
08:11
We look at the savings rate
195
476000
2000
ما به مقدار پس انداز نگاه میکنیم
08:13
and it has been declining since the 1950s.
196
478000
3000
ومیبینیم از سال 1950 کم شده.
08:16
At the same time, the Retirement Risk Index,
197
481000
3000
و این در حالیه که نمودار ریسک بازنشستگی،
08:19
the chance of not being able to meet your needs in retirement,
198
484000
3000
نشون میده که شانس نرسیدن به اونچه نیاز دارین بعد از بازنشستگی
08:22
has been increasing.
199
487000
2000
افزایش پیدا کرده.
08:24
And we're at a situation now
200
489000
2000
ما در شرایطی هستیم که بر اساس پیش بینی موسسه مک کینزی، در ازای هر سه نفری که در سالهای افزایش جمعیت به دنیا میان،
08:26
where for every three baby boomers,
201
491000
2000
ما در شرایطی هستیم که بر اساس پیش بینی موسسه مک کینزی، در ازای هر سه نفری که در سالهای افزایش جمعیت به دنیا میان،
08:28
the McKinsey Global Institute predicts
202
493000
2000
ما در شرایطی هستیم که بر اساس پیش بینی موسسه مک کینزی، در ازای هر سه نفری که در سالهای افزایش جمعیت به دنیا میان،
08:30
that two will not be able to meet their pre-retirement needs
203
495000
4000
دو نفراز آنها در حالی که بازنشسته میشوند قادر نخواهند بود که به برآورد نیازهای خود قبل از بانشستگی برسند .
08:34
while they're in retirement.
204
499000
2000
دو نفراز آنها در حالی که بازنشسته میشوند قادر نخواهند بود که به برآورد نیازهای خود قبل از بانشستگی برسند .
08:36
So what can we do about this?
205
501000
3000
پس ما چه کاری راجع به این موضوع میتونیم انجام بدیم ؟
08:39
There's a philosopher, Derek Parfit,
206
504000
3000
فیلسوفی هست به اسم درک پارفیت،
08:42
who said some words that were inspiring to my coauthors and I.
207
507000
3000
که جملاتش من و همکارهامو تحت تاثیر قرار داده.
08:45
He said that, "We might neglect our future selves
208
510000
3000
او گفته، ما به خاطر ضعف در باورهایمان ممکنه که در مورد "خود" آینده مان عفلت کنیم
08:48
because of some failure of belief or imagination."
209
513000
4000
او گفته، ما به خاطر ضعف در باورهایمان ممکنه که در مورد "خود" آینده مان عفلت کنیم
08:52
That is to say,
210
517000
2000
این بدین معناست که،
08:54
we somehow might not believe that we're going to get old,
211
519000
3000
ممکنه ما یجورایی باور نداشته باشیم که پیر میشیم،
08:57
or we might not be able to imagine
212
522000
2000
یا ممکنه نتونیم تصور کنیم که
08:59
that we're going to get old some day.
213
524000
2000
یه روزی بالاخره پا به سن میذاریم.
09:01
On the one hand, it sounds ridiculous.
214
526000
2000
از طرفی این به نظر مسخره میاد.
09:03
Of course, we know that we're going to get old.
215
528000
2000
معلومه میدونیم که ما پیر میشیم.
09:05
But aren't there things that we believe and don't believe at the same time?
216
530000
3000
ولی مگه چیزایی نیستن که ما هم باورشون داریم هم نداریم ؟
09:08
So my coauthors and I have used computers,
217
533000
3000
خُب من و همکارام از راینه استفاده کردیم،
09:11
the greatest tool of our time,
218
536000
2000
بزرگترین ابزار عصر،
09:13
to assist people's imagination
219
538000
2000
که به تصور مردم کمک کنیم
09:15
and help them imagine what it might be like
220
540000
3000
بهشون کمک کنیم تا تصور کنن که رفتن به آینده چطور خواهد بود.
09:18
to go into the future.
221
543000
2000
بهشون کمک کنیم تا تصور کنن که رفتن به آینده چطور خواهد بود.
09:20
And I'll show you some of these tools right here.
222
545000
3000
و من یه چند تا از این ابزارها رو اینجا نشونتون میدم.
09:23
The first is called the distribution builder.
223
548000
2000
اولی رو بهش میگن توزیع ساز.
09:25
It shows people what the future might be like
224
550000
3000
به مردم نشون میده که آینده ممکنه چطوری باشه
09:28
by showing them a hundred equally probable outcomes
225
553000
3000
با نشون دادن صد پیشامد ممکن با احتمالات یکسان
09:31
that might be obtained in the future.
226
556000
2000
که ممکنه در آینده رخ بدن.
09:33
Each outcome is shown by one of these markers,
227
558000
3000
هر پیشامد با یکی از این نشانه ها نشون داده شده،
09:36
and each sits on a row
228
561000
2000
و هر کدوم تو یه ردیف میشینه
09:38
that represents a level of wealth and retirement.
229
563000
2000
که نشانگر میزان دارایی و بازنشستگیه.
09:40
Being up at the top
230
565000
2000
بالا بودن
09:42
means that you're enjoying a high income in retirement.
231
567000
2000
یه این معنیه که شما از یه در آمد بالا به هنگام بازنشستگی لذت میبرید.
09:44
Being down at the bottom
232
569000
2000
پایین بودن
09:46
means that you're struggling to make ends meet.
233
571000
2000
به این معنیه که به سختی میتونین تا آخر ماه سر کنین.
09:48
When you make an investment,
234
573000
2000
وقتی سرمایه گذاری میکنین،
09:50
what you're really saying is, "I accept
235
575000
2000
چیزی که واقعا میگین اینه که ، "من قبول میکنم
09:52
that any one of these 100 things
236
577000
2000
که هرکدوم از این صد تا
09:54
could happen to me and determine my wealth."
237
579000
2000
ممکنه برام پیش بیاد و دارایی من رو رقم بزنه."
09:56
Now you can try to move your outcomes around.
238
581000
3000
حالا میتونین سعی کنین با این نتایج کنار بیاین.
09:59
You can try to manipulate your fate, like this person is doing,
239
584000
3000
میتونین سرنوشتتونو تغییر بدین، همینطور که این فرد انجام میده،
10:02
but it costs you something to do it.
240
587000
2000
ولی این برای شما بهایی در بر خواهد داشت.
10:04
It means that you have to save more today.
241
589000
4000
یعنی مجبورید امروز بیشتر پس انداز کنید.
10:08
Once you find an investment that you're happy with,
242
593000
2000
وقتی که سرمایه گذاریی رو که دوس دارین پیدا کردین،
10:10
what people do is they click "done"
243
595000
2000
کاری که مردم میکنن اینه که دیگه رو "انجام" کلیک میکنن
10:12
and the markers begin to disappear,
244
597000
2000
و نشونه ها آروم و یکی یکی شروع به محو شدن میکنند.
10:14
slowly, one by one.
245
599000
2000
و نشونه ها آروم و یکی یکی شروع به محو شدن میکنند.
10:16
It simulates what it is like to invest in something
246
601000
2000
این شبیه سازی میکنه که واقعا سرمایه گذاری کردن رو چیزی چطوریه
10:18
and to watch that investment pan out.
247
603000
3000
و میشه دید که سرمایه گذاری نتیجه میده.
10:21
At the end, there will only be one marker left standing
248
606000
3000
در آخر فقط یه نشونه میمونه،
10:24
and it will determine our wealth in retirement.
249
609000
3000
واون دارایی ما رو در بازنشستگی رقم تعیین میکنه.
10:27
Yes, this person retired
250
612000
2000
بله، این فرد بازنشسته شد
10:29
at 150 percent of their working income in retirement.
251
614000
4000
با 150 درصد حقوق دریافتیش به هنگام بازنشستگی.
10:33
They're making more money while retired
252
618000
2000
اونا وقتی بازنشسته میشن بیشتر هم پول درمیارند.
10:35
than they were making while they were working.
253
620000
2000
از چیزی که وقتی کار میکردند در میاوردند.
10:37
If you're like most people,
254
622000
2000
اگه مثل اکثر آدمایین،
10:39
just seeing that gave you a small sense of elation and joy --
255
624000
4000
فقط دیدن همین بهتون یه حس خوب و لذتبخشی میده --
10:43
just to think about making
256
628000
2000
فقط فکر کردن در مورد اینکه
10:45
50 percent more money in retirement than before.
257
630000
3000
50 درصد بیشتر از قبل موقع بازنشستگی پول دربیارین.
10:48
However, had you ended up on the very bottom,
258
633000
2000
هرچند اگر کارتان به پایین نمودار میکشید،
10:50
it might have given you a slight sense
259
635000
2000
ممکن بود به شما حس خفیف
10:52
of dread and/or nausea
260
637000
2000
ترس ویا دل آشوب دست بدهد
10:54
thinking about struggling to get by in retirement.
261
639000
4000
وقتی به سختیهای دوران بازنشستگی فکر کنید.
10:58
By using this tool over and over
262
643000
2000
با استفاده مکرر از این ابزار
11:00
and simulating outcome after outcome,
263
645000
3000
و شبیه سازی نتایج یکی بعد از دیگری،
11:03
people can understand
264
648000
2000
مردم میتوانند درک کنند
11:05
that the investments and savings that they undertake today
265
650000
3000
که سرمایه گذاریها و پس اندازهایی که امروز میکنند
11:08
determine their well-being in the future.
266
653000
2000
آینده بهتری را برایشان رقم میزند.
11:10
Now people are motivated through emotions,
267
655000
3000
حالا مردم از طریق احساسات دارای انگیزه شده اند،
11:13
but different people find different things motivating.
268
658000
3000
ولی آدمای مختلف با چیزای مختلف دارای انگیزه میشن.
11:16
This is a simulation
269
661000
3000
این یه شبیه سازیه
11:19
that uses graphics,
270
664000
2000
که از تصویرسازی استفاده میکنه،
11:21
but other people find motivating what money can buy,
271
666000
2000
ولی آدمای دیگه با اینکه پول چه چیزایی میتونه بخره دارای انگیزه میشن،
11:23
not just numbers.
272
668000
2000
نه فقط اعداد و ارقام.
11:25
So here I made a distribution builder
273
670000
2000
بنابراین من اینجا یه توزیع ساز درست کردم
11:27
where instead of showing numerical outcomes,
274
672000
3000
که به جای نشون دادن نتایج عددی،
11:30
I show people what those outcomes will get you,
275
675000
3000
یه مردم نشون میدم اون نتایج چی براشون در پی خواهد داشت،
11:33
in particular apartments that you can afford
276
678000
2000
در آپارتمانهای خاصی که در وسع شماست
11:35
if you're retiring on 3,000, 2,500,
277
680000
3000
اگه با 2500 ، 3000 بازنشسته میشین،
11:38
2,000 dollars per month and so on.
278
683000
3000
2000 دلار در ماه و از این قبیل.
11:41
As you move down the ladder of apartments,
279
686000
2000
همینطور که از پلکان آپارتمانها پایین میرین
11:43
you see that they get worse and worse.
280
688000
3000
میبینین که اونا بدتر و بدتر میشن.
11:46
Some of them look like places I lived in as a graduate student.
281
691000
4000
بعضی از اونا شبیه جاهایی هستن که من وقتی دانشجوی کارشناسی ارشد بودم توش زندگی میکردم.
11:50
And as you get to the very bottom,
282
695000
4000
و وقتی به انتهای انتها میرسین،
11:54
you're faced with the unfortunate reality
283
699000
2000
شما با این واقعیت تلخ روبرو میشین
11:56
that if you don't save anything for retirement,
284
701000
2000
که اگه چیزی برای بازنشستگی پس انداز نکنین،
11:58
you won't be able to afford any housing at all.
285
703000
3000
شما قادر به پرداخت هزینه هیچ آپارتمانی نخواهید بود.
12:01
Those are actual pictures of actual apartments
286
706000
2000
اونا عکسای واقعی از آپارتمانای واقعی هستن
12:03
renting for that amount
287
708000
2000
که به اون مقدار اجاره داده میشن
12:05
as advertised on the Internet.
288
710000
2000
همونطور که در اینترنت تبلیغ شدن.
12:07
The last thing I'll show you,
289
712000
2000
آخرین چیزی که به شما نشون خواهم داد،
12:09
the last behavioral time machine,
290
714000
2000
آخرین ماشین زمان رفتاری ،
12:11
is something that I created with Hal Hershfield,
291
716000
3000
چیزیه که با "هل هرشفیلد " ساختم
12:14
who was introduced to me by my coauthor on a previous project,
292
719000
3000
کسی که همکارم بیل شارپ تو یه پروژه قبلی بهم معرفی کرد،
12:17
Bill Sharpe.
293
722000
2000
کسی که همکارم بیل شارپ تو یه پروژه قبلی بهم معرفی کرد،
12:19
And what it is
294
724000
2000
واون
12:21
is an exploration into virtual reality.
295
726000
2000
یه مکاشفه در حقیقت مجازیه.
12:23
So what we do is we take pictures of people --
296
728000
3000
خب کاری که ما میکنیم اینه که از مردم عکس میگیریم
12:26
in this case, college-age people --
297
731000
2000
در این مورد از مردم در سنین دانشگاه --
12:28
and we use software to age them
298
733000
2000
و ما از نرم افزار استفاده میکنیم تا سنشون رو بالا ببریم
12:30
and show these people what they'll look like
299
735000
3000
و به اونا نشون بدیم وقتی پیر بشن چه شکلی میشن
12:33
when they're 60, 70, 80 years old.
300
738000
2000
وقتی 60، 70، 80 ساشئن بشه.
12:35
And we try to test
301
740000
2000
و سعی میکنیم ببینیم
12:37
whether actually assisting your imagination
302
742000
3000
که کمک یه قدرت تصور شما
12:40
by looking at the face of your future self
303
745000
2000
با نگاه کردن به چهره "خود" آیندتون
12:42
can change you investment behavior.
304
747000
2000
میتونه رفتار شما رو در مورد سرمایه گذاری تغییر بده.
12:44
So this is one of our experiments.
305
749000
3000
پس این یکی از آزمایشای ماست.
12:47
Here we see the face of the young subject on the left.
306
752000
3000
اینجا چهره سوژه جوان رو در سمت چپ میبینیم.
12:50
He's given a control
307
755000
2000
بهش این کنترل رو دادیم
12:52
that allows him to adjust his savings rate.
308
757000
2000
که مقدار پس انداز رو تنظیم کنه
12:54
As he moves his savings rate down,
309
759000
2000
وقتی میزان پس انداز رو پایین میبره،
12:56
it means that he's saving zero
310
761000
2000
به این معناست که پس انداز نمیکنه
12:58
when it's all the way here at the left.
311
763000
2000
وقتی کاملاه اینجا سمت چپه
13:00
You can see his current annual income --
312
765000
2000
میتونین میزان درآمد سالانشو ببینین --
13:02
this is the percentage of his paycheck that he can take home today --
313
767000
3000
این درصدی از حقوق دریافتیشه که میتونه به خودش به خونه ببره
13:05
is quite high, 91 percent,
314
770000
2000
که خیلی بالاست، 91 درصد،
13:07
but his retirement income is quite low.
315
772000
2000
ولی درآمد بازنشستگیش خیلی کمه.
13:09
He's going to retire on 44 percent
316
774000
2000
اون قراره بازنشست بشه با 44 درصد
13:11
of what he earned while he was working.
317
776000
3000
میزان درآمدی که وقتی کار میکرد داشت
13:14
If he saves the maximum legal amount,
318
779000
3000
اگه حداکثر میزان قانونی رو پس انداز کنه،
13:17
his retirement income goes up,
319
782000
2000
درآمد بازنشستگیش بالا میره،
13:19
but he's unhappy
320
784000
2000
ولی اون خوشحال نیست
13:21
because now he has less money on the left-hand side to spend today.
321
786000
3000
چون اون الان در دست چپ میزان کمتری پول برای خرج امروزش داره.
13:25
Other conditions show people the future self.
322
790000
3000
شرایط دیگه ای به مردم خود آیندشون رو نشون میدن.
13:28
And from the future self's point of view, everything is in reverse.
323
793000
3000
و از دید خود آینده همه چیز برعکسه.
13:31
If you save very little,
324
796000
2000
اگه خیلی کم پس انداز کنین،
13:33
the future self is unhappy
325
798000
2000
"خود" آینده خوشحال نیست
13:35
living on 44 percent of the income.
326
800000
3000
با 44 درصد این درآمد زندگی میکنه
13:38
Whereas if the present self saves a lot,
327
803000
3000
در حالیکه اگه "خود" حال زیاد پس انداز کنه،
13:41
the future self is delighted,
328
806000
2000
"خود" آینده خوشحال میشه،
13:43
where the income is close up near 100 percent.
329
808000
3000
چون درآمد یه چیزی حدود 100 درصد میشه.
13:46
To bring this to a wider audience,
330
811000
3000
برای اینکه این موضوع رو به گوش مخاطبای بیشتری برسونم
13:49
I've been working with Hal and Allianz
331
814000
3000
با "هل "و " الینز" کار میکردم
13:52
to create something we call the behavioral time machine,
332
817000
3000
که چیزی رو که بهش میگیم ماشین زمان رفتاری درست کنیم،
13:55
in which you not only get to see yourself in the future,
333
820000
3000
که توش نه تنها میتونین خودتونو در آینده ببینین،
13:58
but you get to see anticipated emotional reactions
334
823000
3000
بلکه میتونین واکنشهایی رو هم که انتظار میره ببینین
14:01
to different levels of retirement wealth.
335
826000
3000
نسبت به مقادیر مختلفی از دارایی.
14:04
So for instance,
336
829000
2000
به عنوان مثال،
14:06
here is somebody using the tool.
337
831000
2000
اینجا یه کسی داره از این ابزار استفاده میکنه.
14:08
And just watch the facial expressions
338
833000
2000
فقط به حالات چهرش نگاه کنید
14:10
as they move the slider.
339
835000
2000
وقتی نشونگر رو حرکت میدن
14:12
The younger face gets happier and happier, saving nothing.
340
837000
2000
چهره جوان خوشحال و خوشحالتر میشه، چیزی پس انداز نمیکنه.
14:14
The older face is miserable.
341
839000
2000
چهره پیر ناراحته.
14:16
And slowly, slowly we're bringing it up to a moderate savings rate.
342
841000
2000
و آروم روم میاریمش به مقدار متوسط پس انداز.
14:18
And then it's a high savings rate.
343
843000
2000
و بعد میزان پس انداز زیاد.
14:20
The younger face is getting unhappy.
344
845000
2000
چهره جوان ناراحت میشه.
14:22
The older face is quite pleased
345
847000
2000
چهره پیر کاملا خوشحال و راضیه
14:24
with the decision.
346
849000
3000
در مورد این تصمیم.
14:27
We're going to see if this has an effect on what people do.
347
852000
2000
میخوایم ببینیم این تو تصمیم که مردم میگیرن تاثیری داره.
14:29
And what's nice about it
348
854000
2000
و چیزی که خوبه در مورد این قضیه
14:31
is it's not something that biasing people actually,
349
856000
3000
اینه که چیزی نیست که واقعا مردم روبه اشتباه بندازه،
14:34
because as one face smiles,
350
859000
2000
چون همینطور که یه چهره لبحند میزنه،
14:36
the other face frowns.
351
861000
2000
چهره دیگه اخمو هست.
14:38
It's not telling you which way to put the slider,
352
863000
2000
اون به شما نمیگه کدوم طرف نشونگر رو حرکت بدید،
14:40
it's just reminding you that you are
353
865000
3000
فقط به شما یادآوری میکنه که شما
14:43
connected to and legally tied to
354
868000
2000
با آیندتون در ارتباط و از لحاظ قانوتی به آن گره خوردید
14:45
this future self.
355
870000
2000
با آیندتون در ارتباط و از لحاظ قانوتی به آن گره خوردید
14:47
Your decisions today are going to determine its well-being.
356
872000
3000
تصمیمهای شما امروز خوشبختی اون رو رقم میزنه.
14:50
And that's something that's easy to forget.
357
875000
3000
و این چیزیه که به آسونی از یاد میره.
14:53
This use of virtual reality
358
878000
3000
این کاربرد واقعیت مجازی
14:56
is not just good for making people look older.
359
881000
2000
فقط به درد پیرکردن افراد نمیخوره.
14:58
There are programs you can get
360
883000
2000
برنامه هایی هستند که میتونین به دست بیارین
15:00
to see how people might look
361
885000
2000
که ببینید مردم چه شکلی میشن اگر سیگار بکشند، و یا اگر زیادی در معرض نور افتاب قرار بگیرند
15:02
if they smoke, if they get too much exposure to the sun,
362
887000
3000
که ببینید مردم چه شکلی میشن اگر سیگار بکشند، و یا اگر زیادی در معرض نور افتاب قرار بگیرند
15:05
if they gain weight and so on.
363
890000
2000
اگه اضافه وزن داشته باشن و از این قبیل.
15:07
And what's good is,
364
892000
2000
و چیزی که خوبه اینه که
15:09
unlike in the experiments that Hal and myself ran with Russ Smith,
365
894000
3000
برخلاف آزمایشهایی که من و هل و راس اسمیت انجام دادیم،
15:12
you don't have to program these by yourself
366
897000
2000
شما مجبور نیستید خودتون برنامه نویس کنید
15:14
in order to see the virtual reality.
367
899000
3000
که بتونید واقعیت مجازی رو ببینید.
15:17
There are applications you can get on smartphones for just a few dollars
368
902000
3000
برنامه هایی هستند که میتونین در ازای چند دلار روی گوشیهای هوشمندتون بگیرین
15:20
that do the same thing.
369
905000
2000
که همینکارو میکنن.
15:22
This is actually a picture of Hal, my coauthor.
370
907000
2000
این یه عکس واقعی از هل، همکارمه.
15:24
You might recognize him from the previous demos.
371
909000
3000
شما میتونین از نمونه نمایشی گذشته بشناسینش.
15:27
And just for kicks we ran his picture
372
912000
3000
و محض خنده ما از عکس اون استفاده کردیم
15:30
through the balding, aging and weight gain software
373
915000
3000
تو برنامه های کچل کردن، پیر کردن و افزایش وزن.
15:33
to see how he would look.
374
918000
2000
که ببینینم چه جوری دیده میشیم.
15:35
Hal is here, so I think we owe it to him as well as yourself
375
920000
3000
هل خودش اینجاست پس فکر میکنیم ما اینو مدیون او و همینطور شما هستیم
15:38
to disabuse you of that last image.
376
923000
3000
که شما رو در مورد اون آخرین عکس از اشتباه دربیاریم.
15:42
And I'll close it there.
377
927000
2000
و من همینجا دیگه تموم میکنم.
15:44
On behalf of Hal and myself,
378
929000
2000
از طرف هل و خودم،
15:46
I wish all the best to your present and future selves.
379
931000
2000
بهترینها رو برای" خود "حال و آیندتون آرزو میکنم.
15:48
Thank you.
380
933000
2000
متشکرم.
15:50
(Applause)
381
935000
3000
(تشویق)
ABOUT THE SPEAKER
Daniel Goldstein - Behavioral economistDaniel Goldstein studies how we make decisions about our financial selves -- both now and in the future,
Why you should listen
Daniel Goldstein studies decision-making -- especially how humans make economic and social decisions over the course of our lives, and how we can give ourselves the right incentives, reminders, and rules of thumb to make long-term smart choices rather than short-term fun choices. He runs the blog Decision Science News. Dan is Principal Researcher at Microsoft Research, a former professor at London Business School, and member of the academic advisory board of the Behavioural Insights Team in the UK (aka the Nudge Unit). In 2015, he became President of the Society for Judgment and Decision Making, the largest academic society in Behavioral Economics.
Daniel Goldstein | Speaker | TED.com