TED2010
Michael Shermer: The pattern behind self-deception
Maikls Šermers: Sevis maldināšanas shēma
Filmed:
Readability: 4.3
2,854,890 views
Maiks Šermers apgalvo, ka cilvēku tendenci ticēt dīvainām lietām -- sākot ar citplanētiešu veiktu nolaupīšanu un beidzot ar ūdens meklēšanas rīkstītēm -- rada divas smadzeņu pamatiemaņas, kas nepieciešamas izdzīvošanai. Viņš skaidro, kas ir šīs iemaņas un kā tās ieved mūs nepatikšanās.
Michael Shermer - Skeptic
Michael Shermer debunks myths, superstitions and urban legends -- and explains why we believe them. Along with publishing Skeptic Magazine, he's author of Why People Believe Weird Things and The Mind of the Market. Full bio
Michael Shermer debunks myths, superstitions and urban legends -- and explains why we believe them. Along with publishing Skeptic Magazine, he's author of Why People Believe Weird Things and The Mind of the Market. Full bio
Double-click the English transcript below to play the video.
00:16
So since I was here last in '06,
0
1000
3000
Kopš biju šeit iepriekšējo reizi, 2006. gadā,
00:19
we discovered that global climate change
1
4000
2000
esam atklājuši, ka globālās klimata pārmaiņas
00:21
is turning out to be a pretty serious issue,
2
6000
2000
rādās esam visai nopietna problēma.
00:23
so we covered that fairly extensively
3
8000
2000
Tāpēc mēs šo tēmu diezgan plaši apskatījām
00:25
in Skeptic magazine.
4
10000
2000
žurnālā "Skeptic".
00:27
We investigate all kinds
5
12000
2000
Mēs izmeklējām visādas
00:29
of scientific and quasi-scientific controversies,
6
14000
3000
zinātniskas un šķietami zinātniskas pretrunas.
00:32
but it turns out we don't have to worry about any of this
7
17000
2000
Bet izrādās, nav jāuzraucas par šīm problēmām,
00:34
because the world's going to end in 2012.
8
19000
2000
jo 2012. gadā pienāks pasaules gals.
00:36
Another update:
9
21000
2000
Vēl viens jaunums:
00:38
You will recall I introduced you guys
10
23000
2000
atceraties, es stāstīju par
00:40
to the Quadro Tracker.
11
25000
2000
"Quadro Tracker".
00:42
It's like a water dowsing device.
12
27000
2000
Tas ir līdzīgs ūdens meklēšanas rīkstītei --
00:44
It's just a hollow piece of plastic with an antenna that swivels around.
13
29000
3000
vienkārši tukšs plastmasas gabals ar kustīgu antenu.
00:47
And you walk around, and it points to things.
14
32000
2000
To nēsā apkārt, un rīkstīte norāda uz visādām lietām.
00:49
Like if you're looking for marijuana in students' lockers,
15
34000
3000
Piemēram, ja skolnieku skapīšos meklējat marihuānu,
00:52
it'll point right to somebody.
16
37000
2000
tā uz kādu norādīs.
00:54
Oh, sorry. (Laughter)
17
39000
2000
Vai, piedodiet. (Smiekli)
00:56
This particular one that was given to me
18
41000
2000
Šī rīkstīte, ko man iedeva,
00:58
finds golf balls,
19
43000
2000
atrod golfa bumbiņas,
01:00
especially if you're at a golf course
20
45000
2000
it īpaši tad, ja esat golfa laukumā
01:02
and you check under enough bushes.
21
47000
3000
un pameklējat zem pietiekami daudziem krūmiem.
01:05
Well, under the category of "What's the harm of silly stuff like this?"
22
50000
3000
Runājot par kategoriju "Kādu skādi gan var nodarīt šī muļķīgā padarīšana?" --
01:08
this device, the ADE 651,
23
53000
3000
šī ierīce, "ADE 651",
01:11
was sold to the Iraqi government
24
56000
3000
tika pārdota Irākas valdībai
01:14
for 40,000 dollars apiece.
25
59000
2000
par 40 000 dolāriem gabalā.
01:16
It's just like this one, completely worthless,
26
61000
2000
Tā ir tieši tāda pati kā šī, pilnīgi nederīga,
01:18
in which it allegedly worked by "electrostatic
27
63000
2000
pēc idejas tā darbojās ar "elektrostatisku
01:20
magnetic ion attraction,"
28
65000
3000
magnētisko jonu pievilkšanu",
01:24
which translates to
29
69000
2000
ko citiem vārdiem var pateikt kā
01:26
"pseudoscientific baloney" -- would be the nice word --
30
71000
3000
"pseidozinātniskas blēņas" -- tas būtu jauks apzīmējums --
01:29
in which you string together a bunch of words that sound good,
31
74000
2000
kur sasaista kopā vārdus, kas skan labi,
01:31
but it does absolutely nothing.
32
76000
2000
bet nenozīmē pilnīgi neko.
01:33
In this case, at trespass points,
33
78000
3000
Šajā gadījumā kontrolpunktos
01:36
allowing people to go through
34
81000
2000
cilvēkiem ļāva turpināt ceļu,
01:38
because your little tracker device said they were okay,
35
83000
3000
jo šī mazā ierīce ziņoja, ka viņi ir nekaitīgi,
01:41
actually cost lives.
36
86000
3000
bet rezultātā gāja bojā cilvēki.
01:44
So there is a danger to pseudoscience,
37
89000
2000
Pseidozinātne rada briesmas,
01:46
in believing in this sort of thing.
38
91000
3000
jo cilvēki notic šādām lietām.
01:49
So what I want to talk about today is belief.
39
94000
3000
Šodien vēlos runāt par ticību.
01:52
I want to believe,
40
97000
2000
Es vēlos ticēt,
01:54
and you do too.
41
99000
2000
un jūs arī to vēlaties.
01:56
And in fact, I think my thesis here is that
42
101000
2000
Patiesībā vēlos apgalvot, ka
01:58
belief is the natural state of things.
43
103000
2000
ticība ir dabiskais stāvoklis.
02:00
It is the default option. We just believe.
44
105000
2000
Tā ir noklusējuma iespēja. Mēs vienkārši ticam.
02:02
We believe all sorts of things.
45
107000
2000
Mēs ticam visādām lietām.
02:04
Belief is natural;
46
109000
2000
Ticība ir dabiska.
02:06
disbelief, skepticism, science, is not natural.
47
111000
2000
Neticība, skepse, zinātne -- tās nav dabiskas.
02:08
It's more difficult.
48
113000
2000
Tās ir sarežģītākas.
02:10
It's uncomfortable to not believe things.
49
115000
2000
Ir neērti kaut kam neticēt.
02:12
So like Fox Mulder on "X-Files,"
50
117000
3000
Tāpat kā Foksam Malderam filmā "Slepenās lietas",
02:15
who wants to believe in UFOs? Well, we all do,
51
120000
3000
kurš vēlējās ticēt NLO. Mēs visi vēlamies.
02:18
and the reason for that is because
52
123000
2000
Un šīs vēlmes iemesls ir tas, ka
02:20
we have a belief engine in our brains.
53
125000
3000
mūsu smadzenēs ir ticības mašīna.
02:23
Essentially, we are pattern-seeking primates.
54
128000
3000
Būtībā mēs esam primāti, kas meklē shēmas.
02:26
We connect the dots: A is connected to B; B is connected to C.
55
131000
3000
Mēs savienojam punktiņus; A ir savienots ar B; B ir saistīts ar C.
02:29
And sometimes A really is connected to B,
56
134000
3000
Un reizēm A tiešām ir saistīts ar B.
02:32
and that's called association learning.
57
137000
2000
To sauc par asociatīvo mācīšanos.
02:34
We find patterns, we make those connections,
58
139000
3000
Mēs atrodam shēmas, veidojam saistības,
02:37
whether it's Pavlov's dog here
59
142000
2000
vai tas būtu Pavlova suns,
02:39
associating the sound of the bell with the food,
60
144000
3000
kas ēdienu saista ar zvana skaņu
02:42
and then he salivates to the sound of the bell,
61
147000
2000
un tāpēc sāk siekaloties, izdzirdot zvana skaņas,
02:44
or whether it's a Skinnerian rat,
62
149000
2000
vai tā būtu Skinera žurka,
02:46
in which he's having an association
63
151000
2000
kurai ir izveidotas asociācijas
02:48
between his behavior and a reward for it,
64
153000
2000
starp uzvedību un atalgojumu,
02:50
and therefore he repeats the behavior.
65
155000
2000
un tāpēc tā atkārto savu uzvedību.
02:52
In fact, what Skinner discovered
66
157000
2000
Faktiski Skiners atklāja, ka tad,
02:54
is that, if you put a pigeon in a box like this,
67
159000
3000
ja balodi ieliek šādā kārbā,
02:57
and he has to press one of these two keys,
68
162000
2000
un tam ir jānospiež kāds no šiem abiem taustiņiem,
02:59
and he tries to figure out what the pattern is,
69
164000
2000
tad balodis mēģina izdomāt shēmu,
03:01
and you give him a little reward in the hopper box there --
70
166000
2000
par ko tam kārbiņā tiek iedots neliels atalgojums.
03:03
if you just randomly assign rewards
71
168000
3000
Ja atalgojumus piešķirat pilnīgi nejauši,
03:06
such that there is no pattern,
72
171000
2000
bez jebkādas shēmas,
03:08
they will figure out any kind of pattern.
73
173000
2000
baloži izgudro kaut kādu shēmu.
03:10
And whatever they were doing just before they got the reward,
74
175000
2000
Vienalga, ko tie darīja tieši pirms atalgojuma saņemšanas,
03:12
they repeat that particular pattern.
75
177000
2000
tie atkārto tieši to pašu darbības shēmu.
03:14
Sometimes it was even spinning around twice counterclockwise,
76
179000
3000
Reizēm tas nozīmēja pat divreiz apgriezties pretēji pulksteņrādītāja virzienam,
03:17
once clockwise and peck the key twice.
77
182000
3000
vienreiz -- pulksteņradītāja virzienā, un tad divreiz paknābāt taustiņu.
03:20
And that's called superstition,
78
185000
2000
Un to sauc par māņticību.
03:22
and that, I'm afraid,
79
187000
2000
Izskatās, ka tieši tā
03:24
we will always have with us.
80
189000
2000
mums nāks līdzi vienmēr.
03:26
I call this process "patternicity" --
81
191000
2000
Es šo procesu saucu par “shēmošanu”,
03:28
that is, the tendency to find meaningful patterns
82
193000
2000
tā ir tendence atrast jēgpilnas shēmas
03:30
in both meaningful and meaningless noise.
83
195000
3000
gan jēgpilnā, gan bezjēdzīgā troksnī.
03:33
When we do this process, we make two types of errors.
84
198000
3000
Veicot šo procesu, mēs pieļaujam divu veidu kļūdas.
03:36
A Type I error, or false positive,
85
201000
2000
1. tipa kļūda jeb aplami pozitīvs secinājums
03:38
is believing a pattern is real
86
203000
2000
ir ticēšana, ka shēma ir īsta,
03:40
when it's not.
87
205000
2000
lai gan tā nav.
03:42
Our second type of error is a false negative.
88
207000
2000
Otra veida kļūda ir aplami negatīvs secinājums.
03:44
A Type II error is not believing
89
209000
2000
2. tipa kļūda ir neticēšana
03:46
a pattern is real when it is.
90
211000
3000
shēmas esamībai, lai gan shēma ir reāla.
03:49
So let's do a thought experiment.
91
214000
2000
Iedomāsimies eksperimentu.
03:51
You are a hominid three million years ago
92
216000
2000
Jūs esat cilvēkveidīga būtne, dzīvojat pirms 3 miljoniem gadu,
03:53
walking on the plains of Africa.
93
218000
3000
pastaigājaties pa Āfrikas plašumiem.
03:56
Your name is Lucy, okay?
94
221000
2000
Pieņemsim, ka jūs sauc Lūsija, labi?
03:58
And you hear a rustle in the grass.
95
223000
2000
Un sadzirdat zālē čaboņu.
04:00
Is it a dangerous predator,
96
225000
2000
Vai tas ir bīstams plēsoņa,
04:02
or is it just the wind?
97
227000
2000
vai tikai vējš?
04:04
Your next decision could be the most important one of your life.
98
229000
3000
Nākamais lēmums var būt vissvarīgākais lēmums jūsu dzīvē.
04:07
Well, if you think that the rustle in the grass is a dangerous predator
99
232000
3000
Ja domājat, ka zāles čaboņu rada bīstams plēsoņa,
04:10
and it turns out it's just the wind,
100
235000
2000
bet izrādās, ka tas bija tikai vējš,
04:12
you've made an error in cognition,
101
237000
2000
esat pieļāvis izziņas kļūdu,
04:14
made a Type I error, false positive.
102
239000
2000
1. tipa kļūdu, aplami pozitīvu.
04:16
But no harm. You just move away.
103
241000
2000
Bet nekas ļauns nav noticis, vienkārši aizejat no turienes.
04:18
You're more cautious. You're more vigilant.
104
243000
2000
Esat uzmanīgāks, ejat piesardzīgāk.
04:20
On the other hand, if you believe that the rustle in the grass is just the wind,
105
245000
2000
No otras puses -- ja domājat, ka zāles čaboņa ir tikai vējš,
04:22
and it turns out it's a dangerous predator,
106
247000
3000
bet izrādās, ka tas ir bīstams plēsoņa,
04:25
you're lunch.
107
250000
2000
jūs kļūstat par pusdienām.
04:27
You've just won a Darwin award.
108
252000
2000
Esat ieguvis Darvina balvu.
04:29
You've been taken out of the gene pool.
109
254000
2000
Jūs tiekat izņemts no gēnu baseina.
04:31
Now the problem here is that
110
256000
2000
Problēma ir tāda, ka
04:33
patternicities will occur whenever the cost
111
258000
2000
shēmošana notiek it visur, kur
04:35
of making a Type I error
112
260000
2000
1. tipa kļūdas pieļaušana
04:37
is less than the cost of making a Type II error.
113
262000
2000
izmaksā mazāk nekā 2. tipa kļūdas pieļaušana.
04:39
This is the only equation in the talk by the way.
114
264000
2000
Starp citu, šis ir vienīgais vienādojums šajā runā.
04:41
We have a pattern detection problem
115
266000
2000
Mums ir shēmu noteikšanas problēma,
04:43
that is assessing the difference between a Type I and a Type II error
116
268000
3000
kur jāvērtē 1. tipa kļūdas un 2. tipa kļūdas starpība,
04:46
is highly problematic,
117
271000
2000
un tā ir liela problēma,
04:48
especially in split-second, life-and-death situations.
118
273000
3000
it īpaši tad, ja nepilnā sekundē ir jāatrisina dzīvības un nāves situācijas.
04:51
So the default position
119
276000
2000
Tātad noklusējuma pozīcija
04:53
is just: Believe all patterns are real --
120
278000
2000
ir vienkārši "ticēt, ka visas shēmas ir reālas".
04:55
All rustles in the grass are dangerous predators
121
280000
3000
“Visas zāles čaboņas nozīmē bīstamus plēsoņas,
04:58
and not just the wind.
122
283000
2000
nevis tikai vēju".
05:00
And so I think that we evolved ...
123
285000
2000
Es domāju, tāpēc
05:02
there was a natural selection for the propensity for our belief engines,
124
287000
3000
dabiskajā atlasē izdzīvoja mūsu gēni ar tieksmi uz ticību,
05:05
our pattern-seeking brain processes,
125
290000
2000
mūsu shēmu meklēšanas procesi smadzenēs,
05:07
to always find meaningful patterns
126
292000
2000
kas vienmēr meklē jēgpilnas shēmas
05:09
and infuse them with these sort of
127
294000
2000
un ievieš tajās tādu kā
05:11
predatory or intentional agencies that I'll come back to.
128
296000
3000
plēsīgo vai tīšo tēlu, pie kā es vēl atgriezīšos.
05:14
So for example, what do you see here?
129
299000
2000
Piemēram, ko jūs redzat šeit?
05:16
It's a horse head, that's right.
130
301000
2000
Pareizi, tā ir zirga galva.
05:18
It looks like a horse. It must be a horse.
131
303000
2000
Izskatās pēc zirga. Tam jābūt zirgam.
05:20
That's a pattern.
132
305000
2000
Tā ir shēma.
05:22
And is it really a horse?
133
307000
2000
Vai tiešām tas ir zirgs?
05:24
Or is it more like a frog?
134
309000
3000
Vai varbūt drīzāk varde?
05:27
See, our pattern detection device,
135
312000
2000
Mūsu shēmu meklēšanas ierīci
05:29
which appears to be located in the anterior cingulate cortex --
136
314000
3000
-- izskatās, ka tā atrodas smadzeņu garozas priekšējā daļā --
05:32
it's our little detection device there --
137
317000
3000
mūsu mazo noteikšanas ierīci ---
05:35
can be easily fooled, and this is the problem.
138
320000
2000
apmuļķot ir vienkārši, un tā ir problēma.
05:37
For example, what do you see here?
139
322000
2000
Piemēram, ko jūs redzat šeit?
05:39
Yes, of course, it's a cow.
140
324000
3000
Jā, protams, tā ir govs.
05:42
Once I prime the brain -- it's called cognitive priming --
141
327000
3000
Ja smadzenes sagatavoju -- to sauc par kognitīvo sagatavošanu --
05:45
once I prime the brain to see it,
142
330000
2000
ja smadzenēm ir pateikts, kas tām jāredz,
05:47
it pops back out again even without the pattern that I've imposed on it.
143
332000
3000
smadzenes atkal to redz, pat ja nav iepriekš uzliktās shēmas.
05:50
And what do you see here?
144
335000
2000
Un ko redzat šeit?
05:52
Some people see a Dalmatian dog.
145
337000
2000
Daži redz damāciešu šķirnes suni.
05:54
Yes, there it is. And there's the prime.
146
339000
2000
Jā, te tas ir. Un lūk, kur sagatavošana.
05:56
So when I go back without the prime,
147
341000
2000
Kad atgriežos pie attēla bez sagataves,
05:58
your brain already has the model
148
343000
2000
smadzenes jau redz to modeli,
06:00
so you can see it again.
149
345000
2000
tāpēc varat to atkal saskatīt.
06:02
What do you see here?
150
347000
3000
Ko redzat šeit?
06:05
Planet Saturn. Yes, that's good.
151
350000
2000
Planētu Saturns. Labi.
06:07
How about here?
152
352000
3000
Un šeit?
06:10
Just shout out anything you see.
153
355000
3000
Vienkārši pabļaujiet, ja kaut ko redzat.
06:14
That's a good audience, Chris.
154
359000
2000
Laba auditorija, Kriss.
06:16
Because there's nothing in this. Well, allegedly there's nothing.
155
361000
3000
Jo šeit nekā nav. Nu, te it kā nekam nebūtu jābūt.
06:19
This is an experiment done by Jennifer Whitson
156
364000
3000
Šo eksperimentu veica Dženifera Vitsone,
06:22
at U.T. Austin
157
367000
2000
Teksasas Universitātē, Ostinā,
06:24
on corporate environments
158
369000
2000
par korporatīvu vidi
06:26
and whether feelings of uncertainty and out of control
159
371000
3000
un to, vai nenoteiktība un sajūta, ka kaut ko nespēj kontrolēt,
06:29
makes people see illusory patterns.
160
374000
2000
liek cilvēkiem saskatīt maldinošas shēmas.
06:31
That is, almost everybody sees the planet Saturn.
161
376000
3000
Gandrīz visi redz planētu Saturns.
06:34
People that are put in a condition of feeling out of control
162
379000
3000
Cilvēkiem, kam liek justies, ka viņiem trūkst kontroles,
06:37
are more likely to see something in this,
163
382000
2000
ir lielākas iespējas kaut ko saskatīt šajā attēlā,
06:39
which is allegedly patternless.
164
384000
3000
kur teorētiski shēmu nav.
06:42
In other words, the propensity to find these patterns
165
387000
3000
Citiem vārdiem -- tieksme atrast shēmas
06:45
goes up when there's a lack of control.
166
390000
3000
palielinās, ja trūkst kontroles.
06:48
For example, baseball players are notoriously superstitious
167
393000
3000
Piemēram, beisbolisti ir slaveni ar savu māņticību,
06:51
when they're batting,
168
396000
2000
kad viņiem bumba ir jāatsit,
06:53
but not so much when they're fielding.
169
398000
2000
bet nav tik māņticīgi, kad spēlē uz laukuma.
06:55
Because fielders are successful
170
400000
2000
Jo spēlētāji uz laukuma
06:57
90 to 95 percent of the time.
171
402000
2000
veiksmīgi nospēlē 90-95% gadījumu.
06:59
The best batters fail seven out of 10 times.
172
404000
3000
Pat vislabākajiem atsitējiem neveicas 7 reizes no 10.
07:02
So their superstitions, their patternicities,
173
407000
2000
Tāpēc viņu māņticība un shēmošana
07:04
are all associated with feelings of lack of control
174
409000
3000
ir saistītas ar to, ka spēlētājiem trūkst kontroles
07:07
and so forth.
175
412000
2000
un tamlīdzīgām sajūtām.
07:10
What do you see in this particular one here, in this field?
176
415000
3000
Ko jūs redzat šajā attēlā, šajā laukā?
07:13
Anybody see an object there?
177
418000
2000
Vai kāds tur kaut ko redz?
07:15
There actually is something here,
178
420000
2000
Tur tiešām kaut kas ir,
07:17
but it's degraded.
179
422000
2000
tikai tas ir graudains.
07:19
While you're thinking about that,
180
424000
2000
Kamēr par to domājat,
07:21
this was an experiment done by Susan Blackmore,
181
426000
2000
varu pastāstīt, ka šo eksperimentu veica Sūzana Blekmora,
07:23
a psychologist in England,
182
428000
2000
Anglijas psiholoģe,
07:25
who showed subjects this degraded image
183
430000
2000
kas pētāmajiem subjektiem rādīja šo graudaino attēlu
07:27
and then ran a correlation between
184
432000
2000
un pēc tam pārbaudīja saistību ar
07:29
their scores on an ESP test:
185
434000
2000
viņu ESP pārbaužu rezultātiem --
07:31
How much did they believe in the paranormal,
186
436000
2000
cik ļoti viņi tic paranormālām,
07:33
supernatural, angels and so forth.
187
438000
3000
pārdabiskām lietām, eņģeļiem un tamlīdzīgi.
07:36
And those who scored high on the ESP scale,
188
441000
3000
Un cilvēkiem, kam ESP skalā bija augsti rezultāti,
07:39
tended to not only see
189
444000
2000
bija tendence ne tikai redzēt
07:41
more patterns in the degraded images
190
446000
2000
vairāk shēmu šajos graudainajos attēlos,
07:43
but incorrect patterns.
191
448000
2000
bet redzēt arī nepareizas shēmas.
07:45
Here is what you show subjects.
192
450000
2000
Lūk, viņiem tika rādīts šis.
07:47
The fish is degraded 20 percent, 50 percent
193
452000
3000
Zivs attēls ir graudaināks par 20%, 50%
07:50
and then the one I showed you,
194
455000
2000
un tas, ko rādīju jums,
07:52
70 percent.
195
457000
2000
par 70%.
07:54
A similar experiment was done by another [Swiss] psychologist
196
459000
2000
Līdzīgu eksperimentu veica Šveices psihologs
07:56
named Peter Brugger,
197
461000
2000
Pīters Brugers,
07:58
who found significantly more meaningful patterns
198
463000
3000
kurš atklāja, ka būtiski lielāks skaits jēgpilnu shēmu
08:01
were perceived on the right hemisphere,
199
466000
2000
tika uztverts ar labo smadzeņu daivu,
08:03
via the left visual field, than the left hemisphere.
200
468000
3000
kreisajā vizuālajā laukā, nekā labajā daivā.
08:06
So if you present subjects the images such
201
471000
2000
Ja subjektiem rādāt attēlus tā, lai
08:08
that it's going to end up on the right hemisphere instead of the left,
202
473000
3000
tie drīzāk nokļūtu labajā daivā, nevis kreisajā,
08:11
then they're more likely to see patterns
203
476000
2000
pastāv lielāka iespēja, ka viņi saskatīs shēmas,
08:13
than if you put it on the left hemisphere.
204
478000
2000
nekā tad, ja attēli nokļūtu kreisajā daivā.
08:15
Our right hemisphere appears to be
205
480000
2000
Izskatās, ka liela daļa shēmošanas
08:17
where a lot of this patternicity occurs.
206
482000
2000
notiek smadzeņu labajā daivā.
08:19
So what we're trying to do is bore into the brain
207
484000
2000
Mēs mēģinām urbties smadzenēs,
08:21
to see where all this happens.
208
486000
2000
lai redzētu, kur tas viss notiek.
08:23
Brugger and his colleague, Christine Mohr,
209
488000
3000
Brugers un viņa kolēģe, Kristīna Mora,
08:26
gave subjects L-DOPA.
210
491000
2000
testa subjektiem deva L-DOPA.
08:28
L-DOPA's a drug, as you know, given for treating Parkinson's disease,
211
493000
3000
L-DOPA ir zāles, ar ko ārstē Parkinsona slimību,
08:31
which is related to a decrease in dopamine.
212
496000
3000
kura ir saistīta ar dopamīna samazināšanos.
08:34
L-DOPA increases dopamine.
213
499000
2000
L-DOPA palielina dopamīna daudzumu.
08:36
An increase of dopamine caused
214
501000
2000
Paaugstināts dopamīna līmenis
08:38
subjects to see more patterns
215
503000
2000
lika subjektiem saskatīt vairāk shēmu
08:40
than those that did not receive the dopamine.
216
505000
2000
nekā saskatīja tie, kuri dopamīnu nesaņēma.
08:42
So dopamine appears to be the drug
217
507000
2000
Izskatās, ka dopamīns ir zāles,
08:44
associated with patternicity.
218
509000
2000
kas saistītas ar shēmošanu.
08:46
In fact, neuroleptic drugs
219
511000
2000
Faktiski neiroleptiskās zāles,
08:48
that are used to eliminate psychotic behavior,
220
513000
2000
kas tiek izmantotas psihisko traucējumu mazināšanai,
08:50
things like paranoia, delusions
221
515000
2000
tādām lietām kā paranoja, mānijas
08:52
and hallucinations,
222
517000
2000
un halucinācijas,
08:54
these are patternicities.
223
519000
2000
šīs zāles veicina shēmošanu.
08:56
They're incorrect patterns. They're false positives. They're Type I errors.
224
521000
3000
Tās ir nepareizas shēmas, aplami pozitīvi secinājumi, 1. tipa kļūdas.
08:59
And if you give them drugs
225
524000
2000
Ja šiem cilvēkiem dod
09:01
that are dopamine antagonists,
226
526000
2000
dopamīna pretlīdzekļus,
09:03
they go away.
227
528000
2000
shēmošana pazūd.
09:05
That is, you decrease the amount of dopamine,
228
530000
2000
Tā tiek mazināts dopamīna daudzums,
09:07
and their tendency to see
229
532000
2000
un tendence saskatīt
09:09
patterns like that decreases.
230
534000
2000
šādas shēmas mazinās.
09:11
On the other hand, amphetamines like cocaine
231
536000
3000
No otras puses -- tādi amfetamīni kā kokaīns
09:14
are dopamine agonists.
232
539000
2000
darbojas kā dopamīna veicinātāji.
09:16
They increase the amount of dopamine.
233
541000
2000
Tie palielina dopamīna daudzumu.
09:18
So you're more likely to feel in a euphoric state,
234
543000
3000
Tāpēc ir lielāka iespēja sajust eiforiju,
09:21
creativity, find more patterns.
235
546000
2000
radošumu, atrast vairāk shēmu.
09:23
In fact, I saw Robin Williams recently
236
548000
2000
Nesen redzēju, kā Robins Viljamss
09:25
talk about how he thought he was much funnier
237
550000
2000
stāstīja, ka viņš domāja, ka bija daudz smieklīgāks,
09:27
when he was doing cocaine, when he had that issue, than now.
238
552000
3000
kad lietoja kokaīnu, kad viņam bija šī problēma, nevis tagad.
09:30
So perhaps more dopamine
239
555000
2000
Iespējams, lielāks dopamīna daudzums
09:32
is related to more creativity.
240
557000
2000
ir saistīts ar lielāku radošumu.
09:34
Dopamine, I think, changes
241
559000
2000
Manuprāt, dopamīns maina
09:36
our signal-to-noise ratio.
242
561000
2000
mūsu signāla un trokšņa attiecību --
09:38
That is, how accurate we are
243
563000
2000
veidu, cik precīzi
09:40
in finding patterns.
244
565000
2000
atrodam shēmas.
09:42
If it's too low, you're more likely to make too many Type II errors.
245
567000
3000
Ja attiecība ir pārāk zema, ir lielāka iespēja pieļaut pārāk daudz 2. tipa kļūdu.
09:45
You miss the real patterns. You don't want to be too skeptical.
246
570000
2000
Reālās shēmas paslīd nemanītas. Pārlieka skepse nav laba lieta.
09:47
If you're too skeptical, you'll miss the really interesting good ideas.
247
572000
3000
Ja esat pārlieku skeptiski, palaižat garām interesantas un labas idejas.
09:51
Just right, you're creative, and yet you don't fall for too much baloney.
248
576000
3000
Ja tā ir pareizajā daudzumā, esat radošs, bet pārlieku neuzķeraties uz blēņām.
09:54
Too high and maybe you see patterns everywhere.
249
579000
3000
Ja attiecība ir par augstu, shēmas varat saskatīt itin visur.
09:57
Every time somebody looks at you, you think people are staring at you.
250
582000
3000
Katru reizi, kad kāds uz jums paskatās, jūs domājat, ka cilvēki uz jums blenž.
10:00
You think people are talking about you.
251
585000
2000
Domājat, ka cilvēki jūs aprunā.
10:02
And if you go too far on that, that's just simply
252
587000
2000
Ja ar to aizraujaties pārlieku, to vienkārši
10:04
labeled as madness.
253
589000
2000
var nosaukt par trakumu.
10:06
It's a distinction perhaps we might make
254
591000
2000
Šo atšķirību mēs varētu manīt
10:08
between two Nobel laureates, Richard Feynman
255
593000
2000
starp diviem Nobela laureātiem -- Ričardu Fainmenu
10:10
and John Nash.
256
595000
2000
un Džonu Nešu.
10:12
One sees maybe just the right number
257
597000
2000
Viens varbūt saskata tieši pareizo
10:14
of patterns to win a Nobel Prize.
258
599000
2000
shēmu skaitu, lai saņemtu Nobela prēmiju.
10:16
The other one also, but maybe too many patterns.
259
601000
2000
Otrs tāpat, bet varbūt pārāk daudzas shēmas.
10:18
And we then call that schizophrenia.
260
603000
3000
Un tad mēs to saucam par šizofrēniju.
10:21
So the signal-to-noise ratio then presents us with a pattern-detection problem.
261
606000
3000
Signāla un trokšņa attiecība mums sniedz shēmu noteikšanas problēmu.
10:24
And of course you all know exactly
262
609000
2000
Protams, jūs visi skaidri
10:26
what this is, right?
263
611000
2000
zināt, kas tas ir, vai ne?
10:28
And what pattern do you see here?
264
613000
2000
Un kādu shēmu saskatāt šeit?
10:30
Again, I'm putting your anterior cingulate cortex to the test here,
265
615000
3000
Jau atkal -- es pārbaudu jūsu smadzeņu garozas priekšējo daļu,
10:33
causing you conflicting pattern detections.
266
618000
3000
liekot noteikt pretrunīgas shēmas.
10:36
You know, of course, this is Via Uno shoes.
267
621000
2000
Protams, šie ir "Via Uno" apavi.
10:38
These are sandals.
268
623000
3000
Tās ir sandales.
10:41
Pretty sexy feet, I must say.
269
626000
3000
Jāatzīst, seksīga kājiņa.
10:44
Maybe a little Photoshopped.
270
629000
2000
Varbūt mazliet piestrādāts ar Photoshop.
10:46
And of course, the ambiguous figures
271
631000
2000
Protams, divdomīgās figūras,
10:48
that seem to flip-flop back and forth.
272
633000
2000
kas šķiet pārslēdzamies turp un atpakaļ.
10:50
It turns out what you're thinking about a lot
273
635000
2000
Izrādās, tas, par ko daudz domājat,
10:52
influences what you
274
637000
2000
ietekmē to, ko jums ir
10:54
tend to see.
275
639000
2000
tendence saskatīt.
10:56
And you see the lamp here, I know.
276
641000
2000
Un šeit jūs redzat lampu, es zinu.
10:58
Because the lights on here.
277
643000
3000
Jo seit ir ieslēgtas gaismas.
11:01
Of course, thanks to the environmentalist movement
278
646000
2000
Protams, vides aktīvistu kustības dēļ
11:03
we're all sensitive to the plight of marine mammals.
279
648000
3000
mēs visi emocionāli uztveram jūras zīdītāju jautājumus.
11:06
So what you see in this particular ambiguous figure
280
651000
3000
Tāpēc šeit, šajā neskaidrajā attēlā, jūs,
11:09
is, of course, the dolphins, right?
281
654000
2000
protams, saskatāt delfīnus, vai ne?
11:11
You see a dolphin here,
282
656000
2000
Šeit jūs redzat delfīnu.
11:13
and there's a dolphin,
283
658000
2000
Un te ir delfīns.
11:15
and there's a dolphin.
284
660000
2000
Un tur ir delfīns.
11:17
That's a dolphin tail there, guys.
285
662000
3000
Un šeit ir delfīna aste.
11:20
(Laughter)
286
665000
3000
(Smiekli)
11:25
If we can give you conflicting data, again,
287
670000
3000
Ja varam jums iedod konfliktējošus datus, atkal,
11:28
your ACC is going to be going into hyperdrive.
288
673000
3000
jūsu ACC strādās hiperaktīvi.
11:31
If you look down here, it's fine. If you look up here, then you get conflicting data.
289
676000
3000
Ja skatāties lejā, viss ir labi. Ja paskatāties te augšā, saņemat pretrunīgus datus.
11:34
And then we have to flip the image
290
679000
2000
Un tad ir jāapgriež attēls,
11:36
for you to see that it's a set up.
291
681000
2000
lai jūs redzētu, ka tas ir iestudēts.
11:40
The impossible crate illusion.
292
685000
2000
Neiespējamās kastes ilūzija.
11:42
It's easy to fool the brain in 2D.
293
687000
2000
Smadzenes apmānīt 2D ir vienkārši.
11:44
So you say, "Aw, come on Shermer, anybody can do that
294
689000
2000
Jūs sakāt: "Nu, beidz, Šermer, ikviens to var izdarīt,
11:46
in a Psych 101 text with an illusion like that."
295
691000
2000
psiholoģijas ievadlekcijās ir teksts ar tādu ilūziju".
11:48
Well here's the late, great Jerry Andrus'
296
693000
2000
Šeit būs nelaiķa Džerija Andresa
11:50
"impossible crate" illusion in 3D,
297
695000
3000
”neiespējamās kastes” ilūzija 3D,
11:53
in which Jerry is standing inside
298
698000
2000
kurā Džerijs stāv neiespējamās
11:55
the impossible crate.
299
700000
2000
kastes iekšpusē.
11:57
And he was kind enough to post this
300
702000
2000
Un viņš bija tik laipns, ka publicēja šo
11:59
and give us the reveal.
301
704000
2000
un atklāja, kā tas izdevies.
12:01
Of course, camera angle is everything. The photographer is over there,
302
706000
3000
Protams, visu izšķir fotoaparāta leņķis. Fotogrāfs ir, lūk, tur.
12:04
and this board appears to overlap with this one, and this one with that one, and so on.
303
709000
3000
Un izskatās, ka šis dēlis pārklājas ar to, un tas -- ar to tur, un tādā garā,
12:07
But even when I take it away,
304
712000
2000
bet pat tad, ja to noņemu,
12:09
the illusion is so powerful because of how are brains are wired
305
714000
2000
ilūzija ir tik spēcīga, jo mūsu smadzenes ir ierīkotas tā,
12:11
to find those certain kinds of patterns.
306
716000
3000
lai atrastu noteiktus shēmu veidus.
12:14
This is a fairly new one
307
719000
2000
Šī ir diezgan jauna,
12:16
that throws us off because of the conflicting patterns
308
721000
2000
un tā mūs apstulbina pretrunīgo shēmu dēļ,
12:18
of comparing this angle with that angle.
309
723000
3000
salīdzinot šo leņķi ar to.
12:21
In fact, it's the exact same picture side by side.
310
726000
3000
Patiesībā tie ir divi vienādi attēli -- salikti blakus.
12:24
So what you're doing is comparing that angle
311
729000
2000
Jūs salīdzināt to leņķi,
12:26
instead of with this one, but with that one.
312
731000
2000
nevis šo, bet to tur.
12:28
And so your brain is fooled.
313
733000
2000
Tāpēc jūsu smadzenes tiek apmuļķotas.
12:30
Yet again, your pattern detection devices are fooled.
314
735000
2000
Atkal -- tiek apmuļķotas shēmu noteikšanas ierīces.
12:32
Faces are easy to see
315
737000
2000
Sejas saskatīt ir vienkārši,
12:34
because we have an additional evolved
316
739000
2000
jo deniņu daivā mums ir papildus
12:36
facial recognition software
317
741000
2000
izstrādājusies seju
12:38
in our temporal lobes.
318
743000
3000
atpazīšanas programmatūra.
12:41
Here's some faces on the side of a rock.
319
746000
3000
Lūk, dažas sejas uz klints virsmas.
12:44
I'm actually not even sure if this is -- this might be Photoshopped.
320
749000
3000
Es neesmu īsti pārliecināts -- šis varbūt ir izveidots ar Photoshop.
12:47
But anyway, the point is still made.
321
752000
2000
Jebkurā gadījumā, mana doma ir skaidra.
12:49
Now which one of these looks odd to you?
322
754000
2000
Kurš no šiem jums liekas dīvains?
12:51
In a quick reaction, which one looks odd?
323
756000
2000
Atbildiet ātri -- kurš izskatās dīvaini?
12:53
The one on the left. Okay. So I'll rotate it
324
758000
2000
Kreisais attēls, labi. Es to apgriezīšu,
12:55
so it'll be the one on the right.
325
760000
2000
lai tas atrastos pa labi.
12:57
And you are correct.
326
762000
2000
Un jums taisnība.
12:59
A fairly famous illusion -- it was first done with Margaret Thatcher.
327
764000
3000
Visai slavena ilūzija -- vispirms tika izveidota ar Margaretu Tečeri.
13:02
Now, they trade up the politicians every time.
328
767000
2000
Viņi katru reizi izmanto aktuālos politiķus.
13:04
Well, why is this happening?
329
769000
2000
Kāpēc tas notiek?
13:06
Well, we know exactly where it happens,
330
771000
2000
Mēs precīzi zinām, kur tas notiek --
13:08
in the temporal lobe, right across, sort of above your ear there,
331
773000
3000
tas ir deniņu daivā, aptuveni tieši virs auss.
13:11
in a little structure called the fusiform gyrus.
332
776000
3000
Mazā struktūrā, ko dēvē par vārpstveida kroku.
13:14
And there's two types of cells that do this,
333
779000
2000
To dara diva veida šūnas,
13:16
that record facial features either globally,
334
781000
3000
kas ieraksta sejas īpatnības -- gan globālās,
13:19
or specifically these large, rapid-firing cells,
335
784000
2000
gan konkrētās. Šīs lielās, ātri reaģējošās šūnas
13:21
first look at the general face.
336
786000
2000
vispirms skatās uz vispārējo seju.
13:23
So you recognize Obama immediately.
337
788000
2000
Jūs nekavējoties atpazināt Obamu.
13:25
And then you notice something quite
338
790000
2000
Un pēc tam pamanījāt kaut ko
13:27
a little bit odd about the eyes and the mouth.
339
792000
2000
mazliet dīvainu viņa acīs un mutē.
13:29
Especially when they're upside down,
340
794000
2000
It īpaši tad, ja attēlu apgriež.
13:31
you're engaging that general facial recognition software there.
341
796000
3000
Jūs ieslēdzat vispārējo seju atpazīšanas programmatūru.
13:34
Now I said back in our little thought experiment,
342
799000
3000
Iepriekš stāstīju par iedomāto eksperimentu,
13:37
you're a hominid walking on the plains of Africa.
343
802000
2000
kad cilvēkveidīga būtne pastaigājas Āfrikas klajumos.
13:39
Is it just the wind or a dangerous predator?
344
804000
3000
Vai tas ir tikai vējš vai bīstams plēsoņa?
13:42
What's the difference between those?
345
807000
2000
Kāda ir atšķirība starp tiem?
13:44
Well, the wind is inanimate;
346
809000
2000
Vējš ir nedzīvs;
13:46
the dangerous predator is an intentional agent.
347
811000
2000
bīstamais plēsoņa ir dzīva būtne.
13:48
And I call this process agenticity.
348
813000
2000
Es šo procesu dēvēju par būtniskošanu.
13:50
That is the tendency to infuse patterns
349
815000
2000
Tā ir tendence iedvest shēmās
13:52
with meaning, intention and agency,
350
817000
2000
nozīmi, nolūku, spēku,
13:54
often invisible beings from the top down.
351
819000
3000
bieži vien no augstākās līdz zemākajai neredzamajai būtnei.
13:57
This is an idea that we got
352
822000
2000
Šo ideju mēs guvām
13:59
from a fellow TEDster here, Dan Dennett,
353
824000
2000
no TEDera Dena Deneta,
14:01
who talked about taking the intentional stance.
354
826000
2000
kurš runāja par tīšo attieksmi.
14:03
So it's a type of that expanded to explain, I think, a lot of different things:
355
828000
3000
Tādu ideju var izvērst, manuprāt, lai skaidrotu daudz dažādu lietu:
14:06
souls, spirits, ghosts, gods, demons, angels,
356
831000
3000
dvēseles, garus, spokus, dievus, dēmonus, eņģeļus,
14:09
aliens, intelligent designers,
357
834000
2000
citplanētiešus, inteliģentos radītājus,
14:11
government conspiracists
358
836000
2000
valdības sazvērestības
14:13
and all manner of invisible agents
359
838000
2000
un visādus neredzamos aģentus
14:15
with power and intention, are believed
360
840000
2000
ar spēku un nolūku, par kuriem tic,
14:17
to haunt our world and control our lives.
361
842000
2000
ka tie vajā mūsu pasauli un kontrolē mūsu dzīves.
14:19
I think it's the basis of animism
362
844000
2000
Manuprāt tā veidojas animisma,
14:21
and polytheism and monotheism.
363
846000
3000
politeisma un monoteisma pamats.
14:24
It's the belief that aliens are somehow
364
849000
2000
Tā ir ticība, ka citlpanētieši ir kaut kā
14:26
more advanced than us, more moral than us,
365
851000
2000
attīstītāki nekā mēs, morālāki par mums,
14:28
and the narratives always are
366
853000
2000
un vienmēr tiek runāts, ka
14:30
that they're coming here to save us and rescue us from on high.
367
855000
3000
viņi nāk šurp, lai mūs izglabtu un izpestītu.
14:33
The intelligent designer's always portrayed
368
858000
2000
Inteliģentais radītājs vienmēr tiek aprakstīts
14:35
as this super intelligent, moral being
369
860000
3000
kā ārkārtīgi inteliģenta, morāla būtne,
14:38
that comes down to design life.
370
863000
2000
kas nolaižas, lai izveidotu dzīvību.
14:40
Even the idea that government can rescue us --
371
865000
2000
Pat doma, ka valdība var mūs izglābt.
14:42
that's no longer the wave of the future,
372
867000
2000
Tas vairs nav nākotnes vilnis.
14:44
but that is, I think, a type of agenticity:
373
869000
2000
Bet manuprāt, tas ir būtniskošanas veids,
14:46
projecting somebody up there,
374
871000
2000
tur augšā projicējot kādu būtni,
14:48
big and powerful, will come rescue us.
375
873000
2000
lielu un varenu, kas nāks mūs izglābt.
14:50
And this is also, I think, the basis of conspiracy theories.
376
875000
2000
Manuprāt, tas ir arī sazvērestības teoriju pamats.
14:52
There's somebody hiding behind there pulling the strings,
377
877000
3000
Kāds aiz visa tā slēpjas, rausta aukliņas,
14:55
whether it's the Illuminati
378
880000
2000
vai tie būtu Iluminati pārstāvji,
14:57
or the Bilderbergers.
379
882000
2000
vai Bilderberger grupas biedri.
14:59
But this is a pattern detection problem, isn't it?
380
884000
2000
Tā ir shēmu atpazīšanas problēma, vai ne?
15:01
Some patterns are real and some are not.
381
886000
2000
Dažas shēmas ir īstas, bet dažas nav.
15:03
Was JFK assassinated by a conspiracy or by a lone assassin?
382
888000
3000
Vai Džonu Kenediju noslepkavoja sazvērestība vai vientuļš slepkava?
15:06
Well, if you go there -- there's people there on any given day --
383
891000
3000
Ja turp aizejat -- tur katru dienu ir ļaudis --
15:09
like when I went there, here -- showing me where the different shooters were.
384
894000
3000
es arī biju -- šeit man rāda, kur atradās dažādie šāvēji.
15:12
My favorite one was he was in the manhole.
385
897000
3000
Mana mīļākā teorija ir tāda, ka slepkava bija kanalizācijas lūkā.
15:15
And he popped out at the last second, took that shot.
386
900000
3000
Viņš izleca pēdējā sekundē un izšāva.
15:18
But of course, Lincoln was assassinated by a conspiracy.
387
903000
2000
Bet, protams, Linkolna slepkavība notika sazvērestības dēļ.
15:20
So we can't just uniformly dismiss
388
905000
2000
Tāpēc nevar vienmēr noliegt
15:22
all patterns like that.
389
907000
2000
tādas shēmas.
15:24
Because, let's face it, some patterns are real.
390
909000
2000
Būsim reālisti -- dažas shēmas ir īstas.
15:26
Some conspiracies really are true.
391
911000
2000
Dažas sazvērestības ir reālas.
15:30
Explains a lot, maybe.
392
915000
2000
Varbūt tas daudz ko izskaidro.
15:32
And 9/11 has a conspiracy theory. It is a conspiracy.
393
917000
3000
Par 9/11 arī ir sazvērestības teorijas. Tā ir sazvērastība.
15:35
We did a whole issue on it.
394
920000
2000
Mēs par to sarakstījām veselu speciālizlaidumu.
15:37
Nineteen members of Al Queda plotting to fly planes into buildings
395
922000
2000
19 Al Queda dalībnieku plāni ar lidmašīnām ietriekties ēkās
15:39
constitutes a conspiracy.
396
924000
2000
atbilst sazvērestības definīcijai.
15:41
But that's not what the "9/11 truthers" think.
397
926000
2000
Bet "9/11 patiesības meklētāji" domā citādi.
15:43
They think it was an inside job by the Bush administration.
398
928000
3000
Viņi uzskata, ka to paveica Buša administrācija.
15:46
Well, that's a whole other lecture.
399
931000
2000
Nu, par to jālasa cita lekcija.
15:48
You know how we know that 9/11
400
933000
2000
Bet zināt, kā mēs zinām, ka 9/11
15:50
was not orchestrated by the Bush administration?
401
935000
2000
nenotika Buša administrācijas vadībā?
15:52
Because it worked.
402
937000
2000
Jo tas izdevās.
15:54
(Laughter)
403
939000
3000
(Smiekli)
15:57
(Applause)
404
942000
3000
(Aplausi)
16:00
So we are natural-born dualists.
405
945000
2000
Mēs jau pēc dabas esam duālisti.
16:02
Our agenticity process comes from
406
947000
2000
Mūsu būtniskošanas process ir radies
16:04
the fact that we can enjoy movies like these.
407
949000
2000
tādēļ, ka mums patīk šāda veida filmas.
16:06
Because we can imagine, in essence,
408
951000
2000
Tāpēc, ka spējam iedomāties
16:08
continuing on.
409
953000
2000
būtības turpinājumu.
16:10
We know that if you stimulate the temporal lobe,
410
955000
2000
Ja stimulē deniņu daivu,
16:12
you can produce a feeling of out-of-body experiences,
411
957000
2000
var izraisīt ārpusķermeņa sajūtas,
16:14
near-death experiences,
412
959000
2000
nāves tuvuma pieredzi,
16:16
which you can do by just touching an electrode to the temporal lobe there.
413
961000
3000
ko varat izdarīt, vienkārši pieliekot elektrodu pie deniņu daivas.
16:19
Or you can do it through loss of consciousness,
414
964000
2000
To var izdarīt arī, zaudējot samaņu,
16:21
by accelerating in a centrifuge.
415
966000
2000
ieliekot paātrinātā centrifūgā.
16:23
You get a hypoxia, or a lower oxygen.
416
968000
3000
Tā izraisa hipoksiju -- skābekļa trūkumu.
16:26
And the brain then senses
417
971000
2000
Un tad smadzenes gūst
16:28
that there's an out-of-body experience.
418
973000
2000
ārpusķermeņa sajūtas.
16:30
You can use -- which I did, went out and did --
419
975000
2000
Varat izmantot -- un es to izmantoju --
16:32
Michael Persinger's God Helmet,
420
977000
2000
Maikla Persingera Dieva ķiveri,
16:34
that bombards your temporal lobes with electromagnetic waves.
421
979000
2000
kas smadzeņu daivas bombardē ar elektromagnētiskiem viļņiem.
16:36
And you get a sense of out-of-body experience.
422
981000
3000
Un gūstat ārpusķermeņa sajūtas.
16:39
So I'm going to end here with a short video clip
423
984000
2000
Beigšu šo runu ar īsu video,
16:41
that sort of brings all this together.
424
986000
2000
kas sniedz tādu kā kopsavilkumu.
16:43
It's just a minute and a half.
425
988000
2000
Tas ir vienu ar pusi minūti garš.
16:45
It ties together all this into the power of expectation and the power of belief.
426
990000
3000
Tajā viss šis tiek saistīts ar pieņēmumu ietekmi un ticības spēku.
16:48
Go ahead and roll it.
427
993000
2000
Aiziet, rādiet video.
16:50
Narrator: This is the venue they chose for their fake auditions
428
995000
3000
Teicējs: šī ir vieta, kur viņi izlēma veikt neīstu aktieru atlasi
16:53
for an advert for lip balm.
429
998000
2000
lūpu balzama reklāmai.
16:55
Woman: We're hoping we can use part of this
430
1000000
2000
Sieviete: Ceram, ka varēsim šo izmantot kā daļu
16:57
in a national commercial, right?
431
1002000
2000
no valsts līmeņa reklāmas.
16:59
And this is test on some lip balms
432
1004000
2000
Šis ir noteiktu lūpu balzamu tests,
17:01
that we have over here.
433
1006000
2000
balzami ir šeit.
17:03
And these are our models who are going to help us,
434
1008000
2000
Šie ir mūsu modeļi, kas palīdzēs,
17:05
Roger and Matt.
435
1010000
2000
Rodžers un Mets.
17:07
And we have our own lip balm,
436
1012000
2000
Mums ir pašiem savs lūpu balzams,
17:09
and we have a leading brand.
437
1014000
2000
un viens vadošais zīmols.
17:11
Would you have any problem
438
1016000
2000
Vai jums ir iebildumi pret
17:13
kissing our models to test it?
439
1018000
2000
modeļu skūpstīšanu, lai to pārbaudītu?
17:15
Girl: No.
440
1020000
2000
Meitene: Nē.
17:17
Woman: You wouldn't? (Girl: No.) Woman: You'd think that was fine.
441
1022000
2000
Sieviete: Nav iebildumu? (Meitene: Nē.) Sieviete: Domājat, ka tas ir pieņemami?
17:19
Girl: That would be fine. (Woman: Okay.)
442
1024000
2000
Meiten: Nav iebildumu. (Sieviete: Labi.)
17:21
So this is a blind test.
443
1026000
3000
Tas ir aklais tests.
17:24
I'm going to ask you to go ahead
444
1029000
2000
Palūgšu jums
17:26
and put a blindfold on.
445
1031000
2000
aizsiet acis.
17:29
Kay, now can you see anything? (Girl: No.)
446
1034000
3000
Tā, vai varat kaut ko redzēt? (Meitene: Nē.)
17:32
Pull it so you can't even see down. (Girl: Okay.)
447
1037000
2000
Pavelciet, lai nevarētu redzēt uz leju. (Meitene: Labi.)
17:34
Woman: It's completely blind now, right?
448
1039000
2000
Sieviete: Neredzat pilnīgi neko, vai ne?
17:36
Girl: Yes. (Woman: Okay.)
449
1041000
2000
Meitene: Jā. (Sieviete: Labi.)
17:38
Now, what I'm going to be looking for in this test
450
1043000
3000
Tā, šajā testā vēlos uzzināt,
17:41
is how it protects your lips,
451
1046000
3000
kā balzams aizsargā jūsu lūpas,
17:44
the texture, right,
452
1049000
2000
tā tekstūru un
17:46
and maybe if you can discern any flavor or not.
453
1051000
3000
varbūt to, vai varat atšķirt kādu aromātu.
17:49
Girl: Okay. (Woman: Have you ever done a kissing test before?)
454
1054000
3000
Meitene: Labi. (Sieviete: Vai iepriekš esat veikusi skūpstīšanās testu?)
17:52
Girl: No.
455
1057000
2000
Meitene: Nē.
17:54
Woman: Take a step here.
456
1059000
2000
Sieviete: Pasperiet soli uz šejieni.
17:56
Okay, now I'm going to ask you to pucker up.
457
1061000
2000
Labi, tagad savelciet lūpas uz augšu.
17:58
Pucker up big and lean in just a little bit, okay?
458
1063000
3000
Savelciet lūpas un mazliet paliecieties.
18:06
(Music)
459
1071000
4000
(Mūzika)
18:10
(Laughter)
460
1075000
5000
(Smiekli)
18:19
(Laughter)
461
1084000
3000
(Smiekli)
18:30
Woman: Okay.
462
1095000
2000
Labi.
18:32
And, Jennifer, how did that feel?
463
1097000
2000
Dženifer, kāda bija sajūta?
18:34
Jennifer: Good.
464
1099000
2000
Dženifera: Laba.
18:36
(Laughter)
465
1101000
7000
(Smiekli)
18:43
Girl: Oh my God!
466
1108000
2000
Meitene: Ak mans dievs.
18:45
(Laughter)
467
1110000
4000
(Smiekli)
18:50
Michael Shermer: Thank you very much. Thank you. Thanks.
468
1115000
3000
Maikls Šermers: Liels paldies. Paldies jums. Paldies
ABOUT THE SPEAKER
Michael Shermer - SkepticMichael Shermer debunks myths, superstitions and urban legends -- and explains why we believe them. Along with publishing Skeptic Magazine, he's author of Why People Believe Weird Things and The Mind of the Market.
Why you should listen
As founder and publisher of Skeptic Magazine, Michael Shermer has exposed fallacies behind intelligent design, 9/11 conspiracies, the low-carb craze, alien sightings and other popular beliefs and paranoias. But it's not about debunking for debunking's sake. Shermer defends the notion that we can understand our world better only by matching good theory with good science.
Shermer's work offers cognitive context for our often misguided beliefs: In the absence of sound science, incomplete information can powerfully combine with the power of suggestion (helping us hear Satanic lyrics when "Stairway to Heaven" plays backwards, for example). In fact, a common thread that runs through beliefs of all sorts, he says, is our tendency to convince ourselves: We overvalue the shreds of evidence that support our preferred outcome, and ignore the facts we aren't looking for.
He writes a monthly column for Scientific American, and is an adjunct at Claremont Graduate University and Chapman University. His latest book is The Believing Brain: From Ghosts and Gods to Politics and Conspiracies—How We Construct Beliefs and Reinforce Them as Truths. He is also the author of The Mind of the Market, on evolutionary economics, Why Darwin Matters: Evolution and the Case Against Intelligent Design, and The Science of Good and Evil. And his next book is titled The Moral Arc of Science.
Michael Shermer | Speaker | TED.com