TEDxWinnipeg
Jeff Hancock: The future of lying
Jeff Hancock: A (digitális) hazugságok három típusa
Filmed:
Readability: 3.3
1,347,124 views
Ki ne küldött volna már SMS-t azzal a szöveggel, hogy "Úton vagyok.", miközben ez nem volt igaz, vagy ne hallgatta volna már el némileg az igazságot az online társkereső adatlapján? Jeff Hancock ugyanakkor nem hiszi, hogy az internet névtelensége megtévesztésre ösztönöz. Sőt, állítása szerint az információ kereshetősége és állandósága miatt még akár őszintébbek is lehetünk az interneten.
Jeff Hancock - Psychologist
Jeff Hancock studies how we interact by email, text message and social media blips, seeking to understand how technology mediates communication. Full bio
Jeff Hancock studies how we interact by email, text message and social media blips, seeking to understand how technology mediates communication. Full bio
Double-click the English transcript below to play the video.
00:16
Let me tell you, it has been a fantastic month for deception.
0
381
3713
Mondhatom, fantasztikus hónapja volt ez a megtévesztésnek.
00:19
And I'm not even talking about the American presidential race. (Laughter)
1
4094
4253
És még csak nem is az amerikai elnökjelöltek versengéséről beszélek. (Nevetés)
00:24
We have a high-profile journalist caught for plagiarism,
2
8347
4335
Van egy plágiumon kapott jól ismert újságírónk,
00:28
a young superstar writer whose book involves
3
12682
2932
egy fiatal szupersztár írónk, kinek könyve
00:31
so many made up quotes that they've pulled it from the shelves;
4
15614
3305
annyi kitalált idézetet tartalmaz, hogy lekerült a polcokról;
00:34
a New York Times exposé on fake book reviews.
5
18919
2598
egy leleplező cikkünk a hamis könyvajánlókról a New York Timesban.
00:37
It's been fantastic.
6
21517
1409
Fantasztikus volt!
00:38
Now, of course, not all deception hits the news.
7
22926
3851
Persze nem minden megtévesztés válik hírré.
00:42
Much of the deception is everyday. In fact, a lot of research
8
26777
3679
Sok megtévesztés teljesen mindennapos. Igazából számos kutatás
00:46
shows that we all lie once or twice a day, as Dave suggested.
9
30456
4331
azt mutatja, hogy mindannyian hazudunk egyszer vagy kétszer naponta, ahogy Dave is utalt rá.
00:50
So it's about 6:30 now, suggests that most of us should have lied.
10
34787
2933
Tehát körülbelül fél hét van most, eszerint legtöbbünknek már hazudnia kellett.
00:53
Let's take a look at Winnipeg. How many of you,
11
37720
1900
Nézzük csak Winnipeget! Az elmúlt 24 órában
00:55
in the last 24 hours -- think back -- have told a little fib,
12
39620
2927
hányan füllentettek Önök közül egy kicsit vagy egy jó nagyot? Emlékezzenek csak vissza!
00:58
or a big one? How many have told a little lie out there?
13
42547
3551
Hányan mondtak odakint egy kisebb hazugságot?
01:01
All right, good. These are all the liars.
14
46098
1904
Jó, rendben. Ezek a hazugok.
01:03
Make sure you pay attention to them. (Laughter)
15
48002
3293
Nézzék meg őket jó alaposan! (Nevetés)
01:07
No, that looked good, it was about two thirds of you.
16
51295
2146
Nem, ez jól nézett ki. Nagyjából a kétharmaduk volt.
01:09
The other third didn't lie, or perhaps forgot,
17
53441
2852
A maradék harmad nem hazudott, vagy talán feledékeny,
01:12
or you're lying to me about your lying, which is very,
18
56293
2660
esetleg hazudtak nekem a hazugságukról, ami nagyon-nagyon
01:14
very devious. (Laughter) This fits with a lot of the research,
19
58953
4050
fondorlatos. (Nevetés) Mindez illeszkedik számos kutatáshoz,
01:18
which suggests that lying is very pervasive.
20
63003
3354
melyek arra utalnak, hogy a hazugság nagyon elterjedt.
01:22
It's this pervasiveness, combined with the centrality
21
66357
3961
Ez az elterjedtség az, ami az emberi mivoltunk jelentésének
01:26
to what it means to be a human, the fact that we can
22
70318
2440
központi kérdésével együtt, azzal a ténnyel együtt, hogy mondhatunk igazat
01:28
tell the truth or make something up,
23
72758
1880
vagy kitalálhatunk valamit,
01:30
that has fascinated people throughout history.
24
74638
2851
ez volt, ami a történelem során végig lenyűgözte az embereket.
01:33
Here we have Diogenes with his lantern.
25
77489
2629
Itt van nekünk Diogenész a lámpásával.
01:36
Does anybody know what he was looking for?
26
80118
2680
Tudja valaki, hogy mit keresett?
01:38
A single honest man, and he died without finding one
27
82798
3784
Egyetlen őszinte embert - és meghalt anélkül, hogy annak idején
01:42
back in Greece. And we have Confucius in the East
28
86582
3017
megtalálta volna Görögországban. És van Konfuciuszunk keleten,
01:45
who was really concerned with sincerity,
29
89599
2377
akire igazán jellemző volt az őszinteség.
01:47
not only that you walked the walk or talked the talk,
30
91976
3084
Nem csak abban az értelemben, hogy megtesszük, amit kimondunk,
01:50
but that you believed in what you were doing.
31
95060
3154
hanem hogy hiszünk is abban, amit teszünk.
01:54
You believed in your principles.
32
98214
2006
Hiszünk az elveinkben.
01:56
Now my first professional encounter with deception
33
100220
2931
Nos, az első hivatalos találkozásom a megtévesztéssel
01:59
is a little bit later than these guys, a couple thousand years.
34
103151
3463
ezeknél a fickóknál kicsivel később történt, pár ezer évvel később.
02:02
I was a customs officer for Canada back in the mid-'90s.
35
106614
3799
A '90-es évek közepén vámtisztviselő voltam Kanadában.
02:06
Yeah. I was defending Canada's borders.
36
110413
2826
Igen. Kanada határait védtem.
02:09
You may think that's a weapon right there. In fact,
37
113239
3782
Azt gondolhatják, hogy fegyver is akad ott. Valójában csak
02:12
that's a stamp. I used a stamp to defend Canada's borders. (Laughter)
38
117021
5030
egy pecsét. Egy pecséttel védelmeztem Kanada határait. (Nevetés)
02:17
Very Canadian of me. I learned a lot about deception
39
122051
3537
Nagyon kanadai tőlem. Sokat tanultam a megtévesztésről
02:21
while doing my duty here in customs,
40
125588
3055
mialatt vámosként szolgáltam.
02:24
one of which was that most of what I thought I knew about deception was wrong,
41
128643
2884
Például, hogy a megtévesztésről való addigi tudásom javarészt hibás.
02:27
and I'll tell you about some of that tonight.
42
131527
1752
Néhányról mesélni is fogok ma.
02:29
But even since just 1995, '96, the way we communicate
43
133279
4074
De már 1995-96 óta is teljesen átalakult
02:33
has been completely transformed. We email, we text,
44
137353
3297
a kommunikáció módja. E-mailezünk, sms-ezünk,
02:36
we skype, we Facebook. It's insane.
45
140650
2613
skype-olunk, facebookozunk. Ez őrület!
02:39
Almost every aspect of human communication's been changed,
46
143263
3261
Az emberi kommunikáció majd minden aspektusa megváltozott,
02:42
and of course that's had an impact on deception.
47
146524
2560
és ez persze hatással volt a megtévesztésre is.
02:44
Let me tell you a little bit about a couple of new deceptions
48
149084
2583
Hadd meséljek egy kicsit néhány újfajta megtévesztésről,
02:47
we've been tracking and documenting.
49
151667
2376
melyeket megfigyeltünk és dokumentáltunk.
02:49
They're called the Butler, the Sock Puppet
50
154043
4244
Komornyiknak, zoknibábnak
02:54
and the Chinese Water Army.
51
158287
2081
és kínai nethadseregnek hívják őket.
02:56
It sounds a little bit like a weird book,
52
160368
1897
Ez kicsit úgy hangzik, mint egy hátborzongató könyv,
02:58
but actually they're all new types of lies.
53
162265
2133
de igazából ezek a hazugságok új típusai.
03:00
Let's start with the Butlers. Here's an example of one:
54
164398
3045
Kezdjük a komornyikokkal. Itt egy példa:
03:03
"On my way." Anybody ever written, "On my way?"
55
167443
3113
"Úton vagyok." Írta már bárki valaha: "Úton vagyok."?
03:06
Then you've also lied. (Laughter)
56
170556
3763
Akkor te is hazudtál már. (Nevetés)
03:10
We're never on our way. We're thinking about going on our way.
57
174319
4197
Soha nem vagyunk úton. Arra gondolunk, hogy úton vagyunk.
03:14
Here's another one: "Sorry I didn't respond to you earlier.
58
178516
2763
Itt egy másik: "Bocs, hogy nem válaszoltam korábban.
03:17
My battery was dead." Your battery wasn't dead.
59
181279
1965
Lemerült az akksim." Nem merült le az akkumulátorod.
03:19
You weren't in a dead zone.
60
183244
1876
Térerőd is volt.
03:21
You just didn't want to respond to that person that time.
61
185120
1953
Csak nem akartál pont akkor válaszolni az illetőnek.
03:22
Here's the last one: You're talking to somebody,
62
187073
1797
Itt az utolsó: Beszélgetsz valakivel,
03:24
and you say, "Sorry, got work, gotta go."
63
188870
2490
és azt mondod: "Bocs, dolgom van, mennem kell."
03:27
But really, you're just bored. You want to talk to somebody else.
64
191360
3797
De igazából csak unatkozol. Valaki mással szeretnél beszélgetni.
03:31
Each of these is about a relationship,
65
195157
2416
Mindegyik eset egy kapcsolatról szól,
03:33
and this is a 24/7 connected world. Once you get my cell phone number,
66
197573
4405
és ez egy éjjel-nappal összekapcsolt világ. Ha egyszer megkapod a mobilom számát,
03:37
you can literally be in touch with me 24 hours a day.
67
201978
2965
szó szerint a nap 24 órájában kapcsolatba léphetsz velem.
03:40
And so these lies are being used by people
68
204943
2369
Így ezeket a hazugságokat arra használják az emberek,
03:43
to create a buffer, like the butler used to do,
69
207312
2826
hogy egy ütközőt gyártsanak, mint ahogy korábban a komornyik csinálta,
03:46
between us and the connections to everybody else.
70
210138
3407
saját magunk és a másokkal történő érintkezések közé.
03:49
But they're very special. They use ambiguity
71
213545
1707
De ezek nagyon különlegesek. A technológia használatából eredő
03:51
that comes from using technology. You don't know
72
215252
2061
félreérthetőséget használják fel. Nem tudod,
03:53
where I am or what I'm doing or who I'm with.
73
217313
2948
hol vagyok, mit csinálok vagy kivel vagyok.
03:56
And they're aimed at protecting the relationships.
74
220261
2491
Céljuk pedig a kapcsolataink védelme.
03:58
These aren't just people being jerks. These are people
75
222752
2581
Nem egyszerűen illetlen emberekről van szó. Ezek azok,
04:01
that are saying, look, I don't want to talk to you now,
76
225333
2376
akik azt mondják, hogy nézd, nem akarok most beszélni veled,
04:03
or I didn't want to talk to you then, but I still care about you.
77
227709
2424
vagy nem akartam akkor beszélni veled, de még mindig törődöm veled.
04:06
Our relationship is still important.
78
230133
2400
A kapcsolatunk még mindig fontos.
04:08
Now, the Sock Puppet, on the other hand,
79
232533
1514
Nos, a zoknibáb ugyanakkor
04:09
is a totally different animal. The sock puppet isn't
80
234047
2343
egy egészen más tészta. A zoknibáb nem
04:12
about ambiguity, per se. It's about identity.
81
236390
3065
a félreérthetőségről szól, hanem az identitásról.
04:15
Let me give you a very recent example,
82
239455
2002
Hadd említsek egy egészen aktuális,
04:17
as in, like, last week.
83
241457
1514
múlt heti példát.
04:18
Here's R.J. Ellory, best-seller author in Britain.
84
242971
3268
Itt van R.J. Ellory, brit bestseller író.
04:22
Here's one of his bestselling books.
85
246239
2020
Itt az egyik sikerkönyve.
04:24
Here's a reviewer online, on Amazon.
86
248259
3413
Itt egy online ajánló az Amazonon
04:27
My favorite, by Nicodemus Jones, is,
87
251672
2657
kedvencemtől, Nicodemus Jonestól:
04:30
"Whatever else it might do, it will touch your soul."
88
254329
3808
"Mi mást is tehetne, megérinti majd a lelkedet."
04:34
And of course, you might suspect
89
258137
1403
És természetesen talán sejted,
04:35
that Nicodemus Jones is R.J. Ellory.
90
259540
2627
hogy Nicodemus Jones maga R.J. Ellory.
04:38
He wrote very, very positive reviews about himself. Surprise, surprise.
91
262167
4687
Nagyon-nagyon pozitív kritikát írt magáról. Igazán meglepő.
04:42
Now this Sock Puppet stuff isn't actually that new.
92
266854
3260
Nos, ez a zoknibáb dolog tulajdonképpen nem valami újdonság.
04:46
Walt Whitman also did this back in the day,
93
270114
3167
Walt Whitman is csinálta ezt annak idején,
04:49
before there was Internet technology. Sock Puppet
94
273281
3055
még az internet előtt. A zoknibáb
04:52
becomes interesting when we get to scale,
95
276336
2768
akkor válik érdekessé, mikor magasabbra helyezzük a lécet.
04:55
which is the domain of the Chinese Water Army.
96
279104
2518
Ez pedig már a kínai nethadsereg terepe.
04:57
Chinese Water Army refers to thousands of people
97
281622
2436
A kínai nethadsereg azon kínaiak ezreire utal,
04:59
in China that are paid small amounts of money
98
284058
3048
akiknek kisebb pénzösszegeket fizetnek
05:03
to produce content. It could be reviews. It could be
99
287106
3034
tartalomgyártásért. Ezek lehetnek ajánlások, lehet propaganda.
05:06
propaganda. The government hires these people,
100
290140
2559
A kormányzat alkalmazza ezeket az embereket,
05:08
companies hire them, all over the place.
101
292699
2628
cégek felbérlik őket, mindenhol.
05:11
In North America, we call this Astroturfing,
102
295327
3617
Észak-Amerikában ezt astroturfingnek hívjuk.
05:14
and Astroturfing is very common now. There's a lot of concerns about it.
103
298944
3438
A manipulált kampány manapság igen gyakori. Elég sok probléma van vele.
05:18
We see this especially with product reviews, book reviews,
104
302382
3227
Különösen termékajánlásoknál, könyvértékeléseknél láthatjuk,
05:21
everything from hotels to whether that toaster is a good toaster or not.
105
305609
4795
hotelektől kezdve mindenhol, egész addig, hogy egy kenyérpirító jó-e vagy sem.
05:26
Now, looking at these three reviews, or these three types of deception,
106
310404
3918
Nos, ezt a három értékelést, illetve a megtévesztésnek ezt a három típusát látva
05:30
you might think, wow, the Internet is really making us
107
314322
2737
azt gondolhatjuk, hogy az internet tényleg egy megtévesztő
05:32
a deceptive species, especially when you think about
108
317059
3209
fajjá tesz minket, különösen, ha az astroturfingre gondolunk,
05:36
the Astroturfing, where we can see deception brought up to scale.
109
320268
4602
ahol jócskán tapasztalhatjuk az átverést.
05:40
But actually, what I've been finding is very different from that.
110
324870
4738
De igazából, amire rábukkantam, az nagyon különbözik ettől.
05:45
Now, let's put aside the online anonymous sex chatrooms,
111
329608
3249
Tegyük hát félre az internet anonim, szexuális témájú csevegőszobáit,
05:48
which I'm sure none of you have been in.
112
332857
1899
melyekben Önök közül bizonyára senki nem járt még.
05:50
I can assure you there's deception there.
113
334756
2329
Biztosíthatom Önöket, hogy ott jelen van a megtévesztés.
05:52
And let's put aside the Nigerian prince who's emailed you
114
337085
2709
És tegyük félre a nigériai herceget, aki e-mailt küld nekünk,
05:55
about getting the 43 million out of the country. (Laughter)
115
339794
3228
hogy a 43 milliót kijuttassa az országból. (Nevetés)
05:58
Let's forget about that guy, too.
116
343022
1680
Felejtsük el ezt a fickót is!
06:00
Let's focus on the conversations between our friends
117
344702
2944
Összpontosítsunk a beszélgetésekre a barátainkkal,
06:03
and our family and our coworkers and our loved ones.
118
347646
2147
a családunkkal, a munkatársainkkal és a szeretteinkkel.
06:05
Those are the conversations that really matter.
119
349793
2408
Ezek azok a társalgások, melyek igazán számítanak.
06:08
What does technology do to deception with those folks?
120
352201
4240
Mit tesz a technológia ezeknek az embereknek a megtévesztésével?
06:12
Here's a couple of studies. One of the studies we do
121
356441
3075
Íme néhány kutatás. Az egyik vizsgálatunkat
06:15
are called diary studies, in which we ask people to record
122
359516
3371
naplózásnak neveztük. Ebben arra kértünk embereket, rögzítsék
06:18
all of their conversations and all of their lies for seven days,
123
362887
3566
minden beszélgetésüket és mindegyik hazugságukat hét napon keresztül.
06:22
and what we can do then is calculate how many lies took place
124
366453
3105
Ezután kiszámíthattuk, hogy hány hazugság esett
06:25
per conversation within a medium, and the finding
125
369558
2948
beszélgetésenként egy adott médiumra. Az embereket
06:28
that we get that surprises people the most is that email
126
372506
2524
leginkább meglepő következtetésünk az volt, hogy az e-mail
06:30
is the most honest of those three media.
127
375030
3279
a legőszintébb a három vizsgált médiatípus közül.
06:34
And it really throws people for a loop because we think,
128
378309
2401
Ez pedig tényleg meglepő, mert azt gondoljuk,
06:36
well, there's no nonverbal cues, so why don't you lie more?
129
380710
3736
hogy ott nincsenek nonverbális jelzések, szóval miért ne hazudnánk többet?
06:40
The phone, in contrast, the most lies.
130
384446
4304
Ezzel szemben a telefon hazudik a leginkább.
06:44
Again and again and again we see the phone is the device
131
388750
1946
Újra és újra és újra azt látjuk, hogy a telefon az az eszköz,
06:46
that people lie on the most, and perhaps because of the Butler Lie ambiguities I was telling you about.
132
390696
4718
amin keresztül a leginkább hazudunk, és talán a már említett komornyikok kétértelműsége miatt.
06:51
This tends to be very different from what people expect.
133
395414
3975
Ez nagyon eltér a várakozásainktól.
06:55
What about résumés? We did a study in which we had
134
399389
3224
Mi a helyzet az önéletrajzokkal? Végeztünk egy kutatást állásra
06:58
people apply for a job, and they could apply for a job
135
402613
2544
pályázó emberekkel. Egy munkára jelentkezhettek
07:01
either with a traditional paper résumé, or on LinkedIn,
136
405157
3514
vagy egy hagyományos papíralapú életrajzzal, vagy a LinkedInen keresztül,
07:04
which is a social networking site like Facebook,
137
408671
2822
mely egy olyan közösségi oldal, mint a Facebook,
07:07
but for professionals -- involves the same information as a résumé.
138
411493
3567
csak szakembereknek -- ugyanazokat az információkat tartalmazza, mint az önéletrajz.
07:10
And what we found, to many people's surprise,
139
415060
2614
És amit tapasztaltunk, sokak meglepetésére,
07:13
was that those LinkedIn résumés were more honest
140
417674
2795
hogy a LinkedIn-önéletrajzok őszintébbek voltak
07:16
on the things that mattered to employers, like your
141
420469
1824
a munkaadók számára fontos dolgokban, mint például
07:18
responsibilities or your skills at your previous job.
142
422293
4151
a korábbi munkahelyen betöltött felelősségi körök és az elsajátított készségek.
07:22
How about Facebook itself?
143
426444
2296
Mi a helyzet magával a Facebookkal?
07:24
You know, we always think that hey, there are these
144
428740
1882
Tudják, mindig azt hisszük, hogy "Hé, itt vannak ezek
07:26
idealized versions, people are just showing the best things
145
430622
2129
az idealizált verziók, az emberek csak a legjobb dolgokat mutatják abból,
07:28
that happened in their lives. I've thought that many times.
146
432751
2656
ami velük történt. Én már többször gondoltam ezt.
07:31
My friends, no way they can be that cool and have good of a life.
147
435407
3068
Az ismerőseim semmiképp sem lehetnek olyan menők, és nem lehet olyan jó az életük.
07:34
Well, one study tested this by examining people's personalities.
148
438475
3821
Nos, egy kutatás ezzel foglalkozott az emberek személyiségét vizsgálva.
07:38
They had four good friends of a person judge their personality.
149
442296
4218
A résztvevők jellemét négy közeli barát ítélte meg.
07:42
Then they had strangers, many strangers,
150
446514
1956
Aztán idegenek, sok idegen értékelte
07:44
judge the person's personality just from Facebook,
151
448470
2528
az alanyok jellemét csak a Facebook alapján,
07:46
and what they found was those judgments of the personality
152
450998
2429
és kiderült, hogy a személyiség értékelései
07:49
were pretty much identical, highly correlated,
153
453427
2509
nagymértékben egyeztek, erős összefüggést mutattak.
07:51
meaning that Facebook profiles really do reflect our actual personality.
154
455936
4373
Eszerint a Facebook-profilok valóban tükrözik igazi személyiségünket.
07:56
All right, well, what about online dating?
155
460309
2572
Rendben. De mi a helyzet az online társkeresőkkel?
07:58
I mean, that's a pretty deceptive space.
156
462881
1500
Úgy értem, ezek nagyon félrevezető helyek.
08:00
I'm sure you all have "friends" that have used online dating. (Laughter)
157
464381
3535
Biztos vagyok benne, hogy mindenkinek vannak "ismerősei", akik vettek már igénybe online társkeresőt. (Nevetés)
08:03
And they would tell you about that guy that had no hair
158
467916
2058
Ők pedig mesélhettek arról a srácról, akinek nem volt haja
08:05
when he came, or the woman that didn't look at all like her photo.
159
469974
3030
mikor találkoztak, vagy a nőről, aki egyáltalán nem úgy nézett ki, mint a fényképen.
08:08
Well, we were really interested in it, and so what we did
160
473004
3136
Nos, ez minket komolyan érdekelt, úgyhogy bevittünk embereket,
08:12
is we brought people, online daters, into the lab,
161
476140
3107
online randizókat a laborba,
08:15
and then we measured them. We got their height
162
479247
1480
és megmértük őket. Falhoz állítva őket
08:16
up against the wall, we put them on a scale, got their weight --
163
480727
3881
megkaptuk a magasságukat, mérlegre állítva a testsúlyukat.
08:20
ladies loved that -- and then we actually got their driver's license to get their age.
164
484608
3895
A hölgyek imádták. Majd elkértük a jogosítványukat, hogy az életkorukat megtudjuk.
08:24
And what we found was very, very interesting.
165
488503
4311
És amit tapasztaltunk, az nagyon-nagyon érdekes volt.
08:28
Here's an example of the men and the height.
166
492814
3929
Itt egy példa a férfiakról és a testmagasságról.
08:32
Along the bottom is how tall they said they were in their profile.
167
496743
2470
Alul végig azt látjuk, hogy saját bevallásuk alapján milyen magasságot tüntettek fel az adatlapjukon.
08:35
Along the y-axis, the vertical axis, is how tall they actually were.
168
499213
4862
Az y tengelyen, a függőleges tengelyen végig az látható, hogy milyen magasak voltak valójában.
08:39
That diagonal line is the truth line. If their dot's on it,
169
504075
3076
Az átlós vonal az igazság vonala. Akiknek a pontja rajta van,
08:43
they were telling exactly the truth.
170
507151
1554
azok pontosan az igazat mondták.
08:44
Now, as you see, most of the little dots are below the line.
171
508705
3113
Nos, mint látják, a legtöbb kicsi pont a vonal alatt van.
08:47
What it means is all the guys were lying about their height.
172
511818
2867
Ez azt jelenti, hogy a srácok hazudtak a magasságukról.
08:50
In fact, they lied about their height about nine tenths of an inch,
173
514685
2941
Tulajdonképpen nagyjából két centit hazudtak a magasságukból,
08:53
what we say in the lab as "strong rounding up." (Laughter)
174
517626
6276
amit mi a laborban "erős felfelé kerekítés"-nek hívunk. (Nevetés)
08:59
You get to 5'8" and one tenth, and boom! 5'9".
175
523902
4503
Elérsz 173 cm-ig, még egy tized, és bumm! 175 cm.
09:04
But what's really important here is, look at all those dots.
176
528405
1998
De, ami itt igazán fontos, hogy elnézve azokat a pontokat,
09:06
They are clustering pretty close to the truth. What we found
177
530403
2566
egész szépen közelítenek az igazsághoz. Azt tapasztaltuk,
09:08
was 80 percent of our participants did indeed lie
178
532969
2408
hogy a résztvevőink 80 százaléka tényleg ezen dimenziók valamelyikében hazudott,
09:11
on one of those dimensions, but they always lied by a little bit.
179
535377
3595
de mindig csak egy kicsit.
09:14
One of the reasons is pretty simple. If you go to a date,
180
538972
3024
Az egyik magyarázat meglehetősen egyszerű. Ha randizni megyünk,
09:17
a coffee date, and you're completely different than what you said,
181
541996
3601
egy kávéra, és teljesen másmilyenek vagyunk, mint amit mondtunk,
09:21
game over. Right? So people lied frequently, but they lied
182
545597
3619
vége a játéknak. Igaz? Szóval az emberek sűrűn hazudtak, de csak óvatosan,
09:25
subtly, not too much. They were constrained.
183
549216
3469
nem túl sokat. Korlátozva voltak.
09:28
Well, what explains all these studies? What explains the fact
184
552685
2887
Nos, mi magyarázza ezeket a kutatásokat? Mi magyarázza a tényt,
09:31
that despite our intuitions, mine included,
185
555572
4635
hogy megérzéseink ellenére, a sajátjaimat is beleértve,
09:36
a lot of online communication, technologically-mediated
186
560207
3529
számos online kommunikáció, technológiai eszközök által közvetített
09:39
communication, is more honest than face to face?
187
563736
4028
kommunikáció sokkal őszintébb, mint a szemtől szembeni?
09:43
That really is strange. How do we explain this?
188
567764
2489
Ez igazán furcsa. Mivel magyarázzuk ezt?
09:46
Well, to do that, one thing is we can look at the deception-detection literature.
189
570253
3379
Nos, erre egy lehetőség a megtévesztés felismerésének szakirodalmi vizsgálata.
09:49
It's a very old literature by now, it's coming up on 50 years.
190
573632
4345
Ez ma már egy nagyon régi, 50 éves múlttal rendelkező irodalom.
09:53
It's been reviewed many times. There's been thousands of trials,
191
577977
2662
Többször áttekintették már. Kísérletek ezreit,
09:56
hundreds of studies, and there's some really compelling findings.
192
580639
3981
tanulmányok százait tartalmazza, és van néhány igazán lenyűgöző következtetés.
10:00
The first is, we're really bad at detecting deception,
193
584620
3236
Az első, hogy tényleg rosszak vagyunk a megtévesztés felismerésében,
10:03
really bad. Fifty-four percent accuracy on average when you have to tell
194
587856
4116
igazán rosszak. Átlagosan 54 százalékos a pontosság, mikor meg kell mondanunk
10:07
if somebody that just said a statement is lying or not.
195
591972
3384
valakinek a megnyilatkozása alapján, hogy hazudott-e vagy sem.
10:11
That's really bad. Why is it so bad?
196
595356
3192
Ez tényleg pocsék. Miért ilyen rossz ez?
10:14
Well it has to do with Pinocchio's nose.
197
598548
2530
Nos, mindennek köze van Pinokkió orrához.
10:16
If I were to ask you guys, what do you rely on
198
601078
2359
Ha megkérdezném Önöket, hogy mire támaszkodnak,
10:19
when you're looking at somebody and you want to find out
199
603437
2245
mikor ránéznek valakire, és ki akarják találni,
10:21
if they're lying? What cue do you pay attention to?
200
605682
2930
hogy hazudik-e? Milyen jelre figyelnek?
10:24
Most of you would say that one of the cues you look at
201
608612
2430
Legtöbben azt mondanák, hogy az egyik jel, amire figyelnek,
10:26
is the eyes. The eyes are the window to the soul.
202
611042
2728
az a szem. A szem a lélek tükre.
10:29
And you're not alone. Around the world, almost every culture,
203
613770
2403
És ezzel nincsenek egyedül. Világszerte, majd minden kultúrában
10:32
one of the top cues is eyes. But the research
204
616173
2863
a legfontosabb jelek egyike a szem. Azonban az elmúlt 50 év
10:34
over the last 50 years says there's actually no reliable cue
205
619036
3824
kutatásai szerint igazából nem megbízható jele
10:38
to deception, which blew me away, and it's one of
206
622860
2997
a megtévesztésnek, ami lesújtott engem, és egyike volt
10:41
the hard lessons that I learned when I was customs officer.
207
625857
2355
a kemény leckéknek, amiket vámtisztviselőként megtanultam.
10:44
The eyes do not tell us whether somebody's lying or not.
208
628212
2430
A szem nem árulja el nekünk, hogy valaki hazudik-e vagy sem.
10:46
Some situations, yes -- high stakes, maybe their pupils dilate,
209
630642
3018
Bizonyos esetekben igen -- ha nagy a tét, a pupillák kitágulhatnak,
10:49
their pitch goes up, their body movements change a little bit,
210
633660
3504
emelkedhet a hangmagasság, kicsit változhat a test mozgása,
10:53
but not all the time, not for everybody, it's not reliable.
211
637164
4832
de nem mindig, nem mindenkinél, nem megbízható módon.
10:57
Strange. The other thing is that just because you can't see me
212
641996
3378
Különös. A másik dolog, hogy pusztán azért, mert te nem látsz engem,
11:01
doesn't mean I'm going to lie. It's common sense,
213
645374
2419
még nem feltétlenül fogok hazudni. Ez kézenfekvő.
11:03
but one important finding is that we lie for a reason.
214
647793
2907
Az azonban fontos következtetés, hogy egy dolog miatt hazudunk.
11:06
We lie to protect ourselves or for our own gain
215
650700
2367
Azért hazudunk, hogy megvédjük magunkat vagy saját érdekből
11:08
or for somebody else's gain.
216
653067
2827
vagy valaki más érdekében.
11:11
So there are some pathological liars, but they make up
217
655894
1930
Van néhány beteges hazudozó, de ők a népességnek
11:13
a tiny portion of the population. We lie for a reason.
218
657824
3513
csak egy kis hányadát alkotják. Egy okból hazudunk.
11:17
Just because people can't see us doesn't mean
219
661337
1631
Pusztán az, hogy az emberek nem látnak minket, még nem jelenti azt,
11:18
we're going to necessarily lie.
220
662968
2271
hogy szükségképpen hazudni fogunk.
11:21
But I think there's actually something much more
221
665239
1553
De azt gondolom, hogy valójában van itt egy sokkal
11:22
interesting and fundamental going on here. The next big
222
666792
3274
érdekesebb és alapvetőbb folyamat. A következő nagy
11:25
thing for me, the next big idea, we can find by going
223
670066
3797
dolog számomra, a következő nagy gondolat, hogy megtalálhatjuk a történelemben
11:29
way back in history to the origins of language.
224
673863
3139
a nyelv eredetéhez visszavezető utat.
11:32
Most linguists agree that we started speaking somewhere
225
677002
3887
A legtöbb nyelvész egyetért abban, hogy valamikor
11:36
between 50,000 and 100,000 years ago. That's a long time ago.
226
680889
3168
50 000 - 100 000 évvel ezelőtt kezdtünk beszélni. Tehát elég régen.
11:39
A lot of humans have lived since then.
227
684057
2616
Egy csomó ember élt már azóta.
11:42
We've been talking, I guess, about fires and caves
228
686673
2423
Gondolom, tűzről, barlangokról
11:44
and saber-toothed tigers. I don't know what they talked about,
229
689096
3107
és kardfogú tigrisekről beszélgettünk. Nem tudom, miről folyt az eszmecsere,
11:48
but they were doing a lot of talking, and like I said,
230
692203
2518
de sokat beszélgettek, és mint mondtam,
11:50
there's a lot of humans evolving speaking,
231
694721
2545
egy csomó ember fejlesztette tovább a beszédet,
11:53
about 100 billion people in fact.
232
697266
2806
valójában mintegy 100 milliárd ember.
11:55
What's important though is that writing only emerged
233
700072
2782
A lényeges azonban az, hogy az írás csak nagyjából
11:58
about 5,000 years ago. So what that means is that
234
702854
3587
5000 évvel ezelőtt jelent meg. Tehát ez azt jelenti, hogy
12:02
all the people before there was any writing,
235
706441
2392
az írás létezése előtt minden ember,
12:04
every word that they ever said, every utterance
236
708833
5586
minden szó, amit ők valaha kimondtak, minden megnyilatkozás
12:10
disappeared. No trace. Evanescent. Gone.
237
714419
4752
eltűnt. Nyoma veszett. Elillant. Elveszett.
12:15
So we've been evolving to talk in a way in which
238
719171
4065
Tehát a beszéd olyan formáját fejlesztettük ki, amelyik
12:19
there is no record. In fact, even the next big change
239
723236
5917
nem rögzíthető. Valójában még az írást követő nagy változás
12:25
to writing was only 500 years ago now,
240
729153
2468
is csak 500 évvel ezelőtt ment végbe
12:27
with the printing press, which is very recent in our past,
241
731621
2379
a nyomtatással, ami múltunk egészen közeli fejleménye,
12:29
and literacy rates remained incredibly low right up until World War II,
242
734000
4242
és az írni tudók aránya hihetetlenül alacsony maradt egészen a második világháborúig.
12:34
so even the people of the last two millennia,
243
738242
3384
Szóval még az előző két évezred embereinek legtöbb
12:37
most of the words they ever said -- poof! -- disappeared.
244
741626
5032
kimondott szava is -- Huss! -- eltűnt.
12:42
Let's turn to now, the networked age.
245
746658
3591
Nézzük most a hálózatok korát!
12:46
How many of you have recorded something today?
246
750249
4712
Önök közül hányan jegyeztek fel ma már valamit?
12:50
Anybody do any writing today? Did anybody write a word?
247
754961
3177
Valaki írt ma már bármit is? Leírt valaki egyetlen szót?
12:54
It looks like almost every single person here recorded something.
248
758138
4226
Úgy tűnik, majdnem minden jelenlévő rögzített valamit.
12:58
In this room, right now, we've probably recorded more
249
762364
3048
Pont most, ebben a teremben talán már többet örökítettünk meg,
13:01
than almost all of human pre-ancient history.
250
765412
4542
mint szinte az egész emberiség az ókort megelőzően.
13:05
That is crazy. We're entering this amazing period
251
769954
3230
Ez őrület! Belépünk az emberi evolúció alakulásának ebbe a csodálatos időszakába,
13:09
of flux in human evolution where we've evolved to speak
252
773184
4015
ahol kifejlesztettük a beszédnek azt a formáját,
13:13
in a way in which our words disappear, but we're in
253
777199
2701
ahol a szavaink eltűnnek, de egy olyan közegben élünk,
13:15
an environment where we're recording everything.
254
779900
2903
ahol mindent rögzítünk.
13:18
In fact, I think in the very near future, it's not just
255
782803
2337
Sőt, úgy gondolom, hogy az egészen közeli jövőben nem csupán
13:21
what we write that will be recorded, everything we do
256
785140
2349
az lesz megörökítve, amit leírunk. Minden tevékenységünk
13:23
will be recorded.
257
787489
2333
rögzítve lesz.
13:25
What does that mean? What's the next big idea from that?
258
789822
4456
Hogy ez mit jelent? Milyen újabb nagy felfedezés következik ebből?
13:30
Well, as a social scientist, this is the most amazing thing
259
794278
4250
Nos, társadalomtudósként ez a legcsodálatosabb dolog,
13:34
I have ever even dreamed of. Now, I can look at
260
798528
3547
amiről valaha is álmodhattam. Tanulmányozhatom mindazokat a szavakat,
13:37
all those words that used to, for millennia, disappear.
261
802075
3611
melyek évezredeken keresztül csak eltűntek.
13:41
I can look at lies that before were said and then gone.
262
805686
4248
Vizsgálhatom a hazugságokat, melyeket korábban csak kimondtak, majd elvesztek.
13:45
You remember those Astroturfing reviews that we were
263
809934
3520
Emlékeznek azokra az astroturfing ajánlásokra, melyekről
13:49
talking about before? Well, when they write a fake review,
264
813454
3503
korábban beszéltünk? Nos, mikor egy hamis véleményt megírunk,
13:52
they have to post it somewhere, and it's left behind for us.
265
816957
2704
közzé kell tennünk valahol, és azt magunk után hagyjuk.
13:55
So one thing that we did, and I'll give you an example of
266
819661
2435
Szóval az egyik dolog, amit csináltunk, és fogok majd mutatni egy példát
13:57
looking at the language, is we paid people
267
822096
2495
a nyelvi elemzésre, hogy fizettünk embereknek
14:00
to write some fake reviews. One of these reviews is fake.
268
824591
3535
néhány hamis vélemény megírásáért. Az egyik ajánlás ezek közül hamis.
14:04
The person never was at the James Hotel.
269
828126
1943
Az illető soha nem járt a James Hotelben.
14:05
The other review is real. The person stayed there.
270
830069
2922
A másik ajánlás valódi. Az illető megszállt ott.
14:08
Now, your task now is to decide
271
832991
3527
Nos, az Önök feladata most eldönteni,
14:12
which review is fake?
272
836518
4073
hogy melyik értékelés a hamis.
14:16
I'll give you a moment to read through them.
273
840591
4186
Adok egy kis időt átolvasni őket.
14:20
But I want everybody to raise their hand at some point.
274
844777
2287
Viszont azt szeretném, hogy mindenki emelje fel a kezét valamelyiknél.
14:22
Remember, I study deception. I can tell if you don't raise your hand.
275
847064
4231
Ne feledjék, a megtévesztést tanulmányozom. Meg tudom mondani, ha nem emelik fel a kezüket.
14:27
All right, how many of you believe that A is the fake?
276
851295
4570
Rendben. Hányan gondolják Önök közül, hogy az A a hamis?
14:33
All right. Very good. About half.
277
857894
2142
Rendben. Nagyon jó. Körülbelül a társaság fele.
14:35
And how many of you think that B is?
278
860036
3615
És hányan gondolják, hogy a B?
14:39
All right. Slightly more for B.
279
863651
2529
Jól van. Kicsivel többen.
14:42
Excellent. Here's the answer.
280
866180
2592
Kiváló. Íme a válasz.
14:44
B is a fake. Well done second group. You dominated the first group. (Laughter)
281
868772
6581
A B a hamis. Szép volt második csoport! Felülkerekedtek az első csoporton. (Nevetés)
14:51
You're actually a little bit unusual. Every time we demonstrate this,
282
875353
2846
Ez kissé tényleg szokatlan. Minden alkalommal, amikor ezt bemutatjuk,
14:54
it's usually about a 50-50 split, which fits
283
878199
2746
általában nagyjából fele-fele az arány, ami illeszkedik
14:56
with the research, 54 percent. Maybe people here
284
880945
2646
a kutatás 54 százalékjához. Talán az emberek itt
14:59
in Winnipeg are more suspicious and better at figuring it out.
285
883591
3770
Winnipegben gyanakvóbbak, és inkább kitalálják ezt.
15:03
Those cold, hard winters, I love it.
286
887361
2688
Azok a hideg, kemény telek! Imádom!
15:05
All right, so why do I care about this?
287
890049
3054
Rendben. Hogy miért is érdekel ez engem?
15:09
Well, what I can do now with my colleagues in computer science
288
893103
3268
Nos, amit jelenleg tehetünk a számítógép-tudományban dolgozó munkatársaimmal együtt,
15:12
is we can create computer algorithms that can analyze
289
896371
3232
hogy olyan számítógépes algoritmusokat hozunk létre, melyek elemezni tudják
15:15
the linguistic traces of deception.
290
899603
2900
a megtévesztés nyelvi jeleit.
15:18
Let me highlight a couple of things here
291
902503
1833
Hadd emeljek ki pár dolgot itt
15:20
in the fake review. The first is that liars tend to think
292
904336
3443
a hamis ajánlásban. Az első, hogy a hazugok hajlamosak történetet kitalálni.
15:23
about narrative. They make up a story:
293
907779
1588
Kreálnak egy sztorit:
15:25
Who? And what happened? And that's what happened here.
294
909367
3186
Mi történt és kivel? Itt is ez a helyzet.
15:28
Our fake reviewers talked about who they were with
295
912553
2289
A mi álajánlóink arról beszéltek, hogy kivel voltak,
15:30
and what they were doing. They also used the first person singular, I,
296
914842
4765
és mit csináltak. Inkább használták az egyes szám első személyt, az "én" -t is,
15:35
way more than the people that actually stayed there.
297
919607
2469
mint azok, akik valóban megszálltak a hotelben.
15:37
They were inserting themselves into the hotel review,
298
922076
4696
Úgy helyezkedtek bele az értékelői szerepbe,
15:42
kind of trying to convince you they were there.
299
926772
1696
hogy meggyőzhessenek minket róla, jártak ott.
15:44
In contrast, the people that wrote the reviews that were actually there,
300
928468
4015
Ezzel szemben azok az ajánlók, akik tényleg voltak ott,
15:48
their bodies actually entered the physical space,
301
932483
2432
a testükkel tényleg beléptek a fizikai térbe,
15:50
they talked a lot more about spatial information.
302
934915
2899
sokkal inkább írtak le térbeli információkat.
15:53
They said how big the bathroom was, or they said,
303
937814
2517
Elmondták, hogy milyen nagy volt a fürdőszoba, vagy elmesélték mondjuk, hogy
15:56
you know, here's how far shopping is from the hotel.
304
940331
4520
a szállodától milyen távolságra lehet vásárolni.
16:00
Now, you guys did pretty well. Most people perform at chance at this task.
305
944851
4161
Nos, Önök egész jók voltak. A legtöbben találomra végzik el ezt a feladatot.
16:04
Our computer algorithm is very accurate, much more accurate
306
949012
2758
A számítógépes algoritmusunk nagyon pontos, sokkal pontosabb,
16:07
than humans can be, and it's not going to be accurate all the time.
307
951770
3291
mint az emberek, pedig nem akar mindig pontos lenni.
16:10
This isn't a deception-detection machine to tell
308
955061
2030
Ez nem egy megtévesztést felismerő készülék, amelyik elárulja,
16:12
if your girlfriend's lying to you on text messaging.
309
957091
2501
ha a barátnőd hazudik neked az SMS-ben.
16:15
We believe that every lie now, every type of lie --
310
959592
3564
Úgy gondoljuk, hogy minden hazugság, a hazugság minden fajtája --
16:19
fake hotel reviews, fake shoe reviews,
311
963156
3787
a hamis szállásajánlók, a cipőkről írt hamis vélemények,
16:22
your girlfriend cheating on you with text messaging --
312
966943
2914
mikor a barátnőd SMS-ben ver át téged --
16:25
those are all different lies. They're going to have
313
969857
1505
ezek mind különböző hazugságok. Különböző
16:27
different patterns of language. But because everything's
314
971362
2859
nyelvi mintázatokkal rendelkeznek. De mivel ma már mindent
16:30
recorded now, we can look at all of those kinds of lies.
315
974221
4689
rögzítünk, meg tudjuk vizsgálni a hazugság ezen típusainak mindegyikét.
16:34
Now, as I said, as a social scientist, this is wonderful.
316
978910
3993
Nos, ahogy említettem, egy társadalomtudós számára ez csodálatos.
16:38
It's transformational. We're going to be able to learn
317
982903
2087
Korszakalkotó. Képesek leszünk sokkal többet
16:40
so much more about human thought and expression,
318
984990
3802
megtudni az emberi gondolkodásról és kifejezésmódról,
16:44
about everything from love to attitudes,
319
988792
4398
mindenről a szerelemtől kezdve az attitűdökig,
16:49
because everything is being recorded now, but
320
993190
1960
hiszen ma mindent rögzítünk.
16:51
what does it mean for the average citizen?
321
995150
2404
De mit jelent mindez az átlagember számára?
16:53
What does it mean for us in our lives?
322
997554
2802
Mit jelent mindez számunkra, a saját életünkben?
16:56
Well, let's forget deception for a bit. One of the big ideas,
323
1000356
3673
Nos, felejtsük el egy kicsit a megtévesztést! Az egyik nagy elgondolás úgy vélem,
16:59
I believe, is that we're leaving these huge traces behind.
324
1004029
3688
hogy hátrahagyjuk ezeket az óriási nyomokat.
17:03
My outbox for email is massive,
325
1007717
3216
A kimenő e-mailjeim mappája dugig van,
17:06
and I never look at it. I write all the time,
326
1010933
3337
és soha nem nézek bele. Állandóan írok,
17:10
but I never look at my record, at my trace.
327
1014270
3438
de soha nem nézek a lenyomatomra, a nyomomra.
17:13
And I think we're going to see a lot more of that,
328
1017708
1567
És úgy gondolom, sokkal több alkalmunk lesz
17:15
where we can reflect on who we are by looking at
329
1019275
3161
eltűnődni rajta, hogy kik vagyunk, miközben átnézzük,
17:18
what we wrote, what we said, what we did.
330
1022436
3618
mit írtunk, mit mondtunk és mit tettünk korábban.
17:21
Now, if we bring it back to deception, there's a couple
331
1026054
2272
Nos, visszatérve a megtévesztésre, van itt pár
17:24
of take-away things here.
332
1028326
1977
megfontolásra érdemes dolog.
17:26
First, lying online can be very dangerous, right?
333
1030303
4488
Először is nagyon veszélyes lehet hazudni az interneten. Igaz?
17:30
Not only are you leaving a record for yourself on your machine,
334
1034791
2706
Nem csak a gépünkön hagyunk nyomot magunkról,
17:33
but you're leaving a record on the person that you were lying to,
335
1037497
4275
hanem azon az illetőn is, akinek nem mondtunk igazat,
17:37
and you're also leaving them around for me to analyze
336
1041772
1760
és nyomot hagynak nekem is, hogy elemezzem
17:39
with some computer algorithms.
337
1043532
1454
néhány számítógépes algoritmus segítségével.
17:40
So by all means, go ahead and do that, that's good.
338
1044986
3173
Tehát mindenképpen haladunk előre és ezt csináljuk. Ez jó.
17:44
But when it comes to lying and what we want to do
339
1048159
4154
De amikor a hazugsághoz érünk, és ahhoz, hogy mit akarunk csinálni
17:48
with our lives, I think we can go back to
340
1052313
2553
az életünkkel, azt hiszem visszamehetünk
17:50
Diogenes and Confucius. And they were less concerned
341
1054866
3749
Diogenészig és Konfuciuszig. Ők kevésbé aggódtak amiatt,
17:54
about whether to lie or not to lie, and more concerned about
342
1058615
2832
hogy hazudjanak-e vagy se, és inkább arra törekedtek,
17:57
being true to the self, and I think this is really important.
343
1061447
3285
hogy önmagukhoz őszinték legyenek, és úgy gondolom, ez igazán fontos.
18:00
Now, when you are about to say or do something,
344
1064732
4183
Nos, amikor mondani vagy tenni készülünk valamit,
18:04
we can think, do I want this to be part of my legacy,
345
1068915
4560
átgondolhatjuk, hogy szeretnénk-e azt örökségünk részének tudni,
18:09
part of my personal record?
346
1073475
2713
a személyes lenyomatunk darabjának.
18:12
Because in the digital age we live in now,
347
1076188
2657
Hiszen a digitális korban, amiben élünk,
18:14
in the networked age, we are all leaving a record.
348
1078845
4464
a hálózati korban, mindannyian hagyunk egy lenyomatot.
18:19
Thank you so much for your time,
349
1083309
1695
Nagyon köszönöm az idejüket,
18:20
and good luck with your record. (Applause)
350
1085004
4447
és sok szerencsét a lenyomatukhoz! (Taps)
ABOUT THE SPEAKER
Jeff Hancock - PsychologistJeff Hancock studies how we interact by email, text message and social media blips, seeking to understand how technology mediates communication.
Why you should listen
Jeff Hancock is fascinated by the words we choose when sending text messages, composing emails and writing online profiles. An Associate Professor of Cognitive Science and Communications at Cornell University, his research has focused on how people use deception and irony when communicating through cell phones and online platforms. His idea: that while the impersonality of online interaction can encourage mild fibbing, the fact that it leaves a permanent record of verifiable facts actually keeps us on the straight and narrow.
Hancock has also studied how we form impressions of others online, how we manage others' impressions of ourselves, and how individual personalities interact with online groups.
Jeff Hancock | Speaker | TED.com