TEDGlobal 2010
Laurie Santos: A monkey economy as irrational as ours
Laurie Santos: Een apeneconomie net zo irrationeel als de onze
Filmed:
Readability: 3.3
1,506,660 views
Laurie Santos zoekt naar de wortels van de menselijke irrationaliteit door te kijken naar de manier waarop onze familieleden, de primaten, beslissingen nemen. Uit een slimme reeks experimenten in 'monkeynomics' blijkt dat sommige van de domme keuzes die wij maken, ook door apen worden gemaakt.
Laurie Santos - Cognitive psychologist
Laurie Santos studies primate psychology and monkeynomics -- testing problems in human psychology on primates, who (not so surprisingly) have many of the same predictable irrationalities we do. Full bio
Laurie Santos studies primate psychology and monkeynomics -- testing problems in human psychology on primates, who (not so surprisingly) have many of the same predictable irrationalities we do. Full bio
Double-click the English transcript below to play the video.
00:17
I want to start my talk today with two observations
0
2000
2000
Ik wil mijn lezing vandaag beginnen met twee vaststellingen
00:19
about the human species.
1
4000
2000
over de menselijke soort.
00:21
The first observation is something that you might think is quite obvious,
2
6000
3000
De eerste lijkt vanzelfsprekend,
00:24
and that's that our species, Homo sapiens,
3
9000
2000
namelijk dat onze soort, Homo sapiens,
00:26
is actually really, really smart --
4
11000
2000
vreselijk slim is -
00:28
like, ridiculously smart --
5
13000
2000
belachelijk slim als je wil -
00:30
like you're all doing things
6
15000
2000
alsof jullie allemaal dingen kunnen doen
00:32
that no other species on the planet does right now.
7
17000
3000
waar geen andere soorten toe in staat zijn.
00:35
And this is, of course,
8
20000
2000
Dat blijkt
00:37
not the first time you've probably recognized this.
9
22000
2000
op allerlei manieren.
00:39
Of course, in addition to being smart, we're also an extremely vain species.
10
24000
3000
Daarnaast zijn we ook een zeer ijdele soort.
00:42
So we like pointing out the fact that we're smart.
11
27000
3000
We wijzen daar ook graag op.
00:45
You know, so I could turn to pretty much any sage
12
30000
2000
Elke wijze
00:47
from Shakespeare to Stephen Colbert
13
32000
2000
van Shakespeare tot Stephen Colbert
00:49
to point out things like the fact that
14
34000
2000
laat ons weten dat we edel zijn
00:51
we're noble in reason and infinite in faculties
15
36000
2000
door de rede, onbeperkt in mogelijkheden
00:53
and just kind of awesome-er than anything else on the planet
16
38000
2000
en ontzagwekkender dan wat dan ook op deze planeet
00:55
when it comes to all things cerebral.
17
40000
3000
als het aankomt op het cerebrale.
00:58
But of course, there's a second observation about the human species
18
43000
2000
Maar er is nog een tweede vaststelling over de menselijke soort
01:00
that I want to focus on a little bit more,
19
45000
2000
waar ik het even over wil hebben,
01:02
and that's the fact that
20
47000
2000
en dat is dat we
01:04
even though we're actually really smart, sometimes uniquely smart,
21
49000
3000
hoe buitengewoon slim we ook zijn
01:07
we can also be incredibly, incredibly dumb
22
52000
3000
we ook ongelooflijk, ongelooflijk dom kunnen zijn
01:10
when it comes to some aspects of our decision making.
23
55000
3000
als het gaat om een aantal aspecten van onze besluitvorming.
01:13
Now I'm seeing lots of smirks out there.
24
58000
2000
Nu zie ik hier heel wat zenuwachtig gegrijns.
01:15
Don't worry, I'm not going to call anyone in particular out
25
60000
2000
Maak je geen zorgen, ik ga niemand naar voren halen
01:17
on any aspects of your own mistakes.
26
62000
2000
om zijn fouten te etaleren.
01:19
But of course, just in the last two years
27
64000
2000
Net in de laatste twee jaar zien we
01:21
we see these unprecedented examples of human ineptitude.
28
66000
3000
ongekende voorbeelden van menselijke onmacht.
01:24
And we've watched as the tools we uniquely make
29
69000
3000
We hebben gezien hoe ons unieke instrumentarium
01:27
to pull the resources out of our environment
30
72000
2000
om grondstoffen aan ons milieu te onttrekken
01:29
kind of just blow up in our face.
31
74000
2000
ons op een verschrikkelijke manier in de steek heeft gelaten.
01:31
We've watched the financial markets that we uniquely create --
32
76000
2000
We hebben gezien hoe onze unieke financiële markten -
01:33
these markets that were supposed to be foolproof --
33
78000
3000
die verondersteld werden onfeilbaar te zijn -
01:36
we've watched them kind of collapse before our eyes.
34
81000
2000
voor onze ogen in elkaar stortten.
01:38
But both of these two embarrassing examples, I think,
35
83000
2000
Maar geen van beide gènante voorbeelden
01:40
don't highlight what I think is most embarrassing
36
85000
3000
benadrukken het meest beschamende
01:43
about the mistakes that humans make,
37
88000
2000
over de fouten die mensen maken,
01:45
which is that we'd like to think that the mistakes we make
38
90000
3000
en dat is dat we graag denken dat de fouten die we maken
01:48
are really just the result of a couple bad apples
39
93000
2000
in feite alleen het resultaat zijn van een paar rotte appels
01:50
or a couple really sort of FAIL Blog-worthy decisions.
40
95000
3000
of een van paar stom toevallige, foute beslissingen.
01:53
But it turns out, what social scientists are actually learning
41
98000
3000
Maar wat sociale wetenschappers leren
01:56
is that most of us, when put in certain contexts,
42
101000
3000
is dat de meesten van ons in bepaalde omstandigheden,
01:59
will actually make very specific mistakes.
43
104000
3000
zeer specifieke fouten gaan maken.
02:02
The errors we make are actually predictable.
44
107000
2000
Die fouten zijn voorspelbaar.
02:04
We make them again and again.
45
109000
2000
We maken ze steeds weer opnieuw.
02:06
And they're actually immune to lots of evidence.
46
111000
2000
En ze zijn in feite immuun voor hopen bewijsmateriaal.
02:08
When we get negative feedback,
47
113000
2000
Als we negatieve feedback krijgen,
02:10
we still, the next time we're face with a certain context,
48
115000
3000
hebben we nog steeds in dezelfde context,
02:13
tend to make the same errors.
49
118000
2000
de neiging om dezelfde fouten te maken.
02:15
And so this has been a real puzzle to me
50
120000
2000
Dat is voor mij, als onderzoeker
02:17
as a sort of scholar of human nature.
51
122000
2000
van de menselijke natuur echt onbegrijpelijk.
02:19
What I'm most curious about is,
52
124000
2000
Waar ik het meest nieuwsgierig naar ben is
02:21
how is a species that's as smart as we are
53
126000
3000
hoe een soort, die zo slim is als wij,
02:24
capable of such bad
54
129000
2000
in staat is om dit soort beslissingsfouten
02:26
and such consistent errors all the time?
55
131000
2000
steeds weer opnieuw te maken?
02:28
You know, we're the smartest thing out there, why can't we figure this out?
56
133000
3000
Waarom kunnen wij als de slimsten dit niet uitvissen?
02:31
In some sense, where do our mistakes really come from?
57
136000
3000
Waar komen die fouten eigenlijk vandaan?
02:34
And having thought about this a little bit, I see a couple different possibilities.
58
139000
3000
En hier zie ik enkele mogelijkheden.
02:37
One possibility is, in some sense, it's not really our fault.
59
142000
3000
Een mogelijkheid is dat het niet echt onze schuld is.
02:40
Because we're a smart species,
60
145000
2000
Omdat we een slimme soort zijn,
02:42
we can actually create all kinds of environments
61
147000
2000
zijn we in staat allerlei
02:44
that are super, super complicated,
62
149000
2000
super, super ingewikkelde omgevingen te creëren,
02:46
sometimes too complicated for us to even actually understand,
63
151000
3000
soms te ingewikkeld om ze nog werkelijk te begrijpen,
02:49
even though we've actually created them.
64
154000
2000
ook al hebben we ze zelf gecreëerd.
02:51
We create financial markets that are super complex.
65
156000
2000
Wij creëren hypercomplexe financiële markten.
02:53
We create mortgage terms that we can't actually deal with.
66
158000
3000
Wij creëren te ingewikkelde hypotheekvoorwaarden.
02:56
And of course, if we are put in environments where we can't deal with it,
67
161000
3000
In situaties waar we niet mee kunnen omgaan,
02:59
in some sense makes sense that we actually
68
164000
2000
is het logisch dat we
03:01
might mess certain things up.
69
166000
2000
er soms een puinhoop van maken.
03:03
If this was the case, we'd have a really easy solution
70
168000
2000
In dat geval zou er een simpele oplossing
03:05
to the problem of human error.
71
170000
2000
zijn voor het probleem van menselijke fouten.
03:07
We'd actually just say, okay, let's figure out
72
172000
2000
Wij hoeven alleen uit te zoeken
03:09
the kinds of technologies we can't deal with,
73
174000
2000
met welke technologieën we niet kunnen omgaan,
03:11
the kinds of environments that are bad --
74
176000
2000
welke soorten situaties onbeheersbaar zijn -
03:13
get rid of those, design things better,
75
178000
2000
ons daarvan ontdoen en de zaken beter ontwerpen,
03:15
and we should be the noble species
76
180000
2000
om de edele soort te zijn
03:17
that we expect ourselves to be.
77
182000
2000
waarop wij ons laten voorstaan.
03:19
But there's another possibility that I find a little bit more worrying,
78
184000
3000
Maar er is nog een verontrustender mogelijkheid.
03:22
which is, maybe it's not our environments that are messed up.
79
187000
3000
Misschien is het niet onze omgeving die in de knoop zit.
03:25
Maybe it's actually us that's designed badly.
80
190000
3000
maar zijn we zelf slecht ontworpen.
03:28
This is a hint that I've gotten
81
193000
2000
Dat is een hint die ik heb gekregen
03:30
from watching the ways that social scientists have learned about human errors.
82
195000
3000
door te kijken naar wat sociale wetenschappers hebben geleerd over menselijke fouten.
03:33
And what we see is that people tend to keep making errors
83
198000
3000
En wat we zien is dat mensen de neiging hebben om dezelfde fouten
03:36
exactly the same way, over and over again.
84
201000
3000
steeds weer opnieuw te begaan.
03:39
It feels like we might almost just be built
85
204000
2000
Het lijkt alsof we werden ontworpen
03:41
to make errors in certain ways.
86
206000
2000
om bepaalde fouten te maken.
03:43
This is a possibility that I worry a little bit more about,
87
208000
3000
Dit is een mogelijkheid waar ik me een klein beetje meer zorgen over maak,
03:46
because, if it's us that's messed up,
88
211000
2000
omdat, als wij in de knoop liggen,
03:48
it's not actually clear how we go about dealing with it.
89
213000
2000
het niet echt duidelijk is hoe we daar verder mee moeten omgaan.
03:50
We might just have to accept the fact that we're error prone
90
215000
3000
We zouden gewoon het feit dat we makkelijk fouten maken kunnen accepteren
03:53
and try to design things around it.
91
218000
2000
en proberen om de dingen daarnaar te ontwerpen.
03:55
So this is the question my students and I wanted to get at.
92
220000
3000
Dat is de vraag waarop wij een antwoord wilden krijgen.
03:58
How can we tell the difference between possibility one and possibility two?
93
223000
3000
Hoe kunnen we het verschil zien tussen mogelijkheid 1 en mogelijkheid 2?
04:01
What we need is a population
94
226000
2000
Wat we nodig hebben is een populatie
04:03
that's basically smart, can make lots of decisions,
95
228000
2000
die slim is, veel besluiten kan nemen,
04:05
but doesn't have access to any of the systems we have,
96
230000
2000
maar geen toegang heeft tot onze systemen,
04:07
any of the things that might mess us up --
97
232000
2000
die ons kunnen verwarren -
04:09
no human technology, human culture,
98
234000
2000
geen menselijke technologie, menselijke cultuur,
04:11
maybe even not human language.
99
236000
2000
misschien zelfs niet de menselijke taal.
04:13
And so this is why we turned to these guys here.
100
238000
2000
En daarom wendden we ons tot deze jongens hier.
04:15
These are one of the guys I work with. This is a brown capuchin monkey.
101
240000
3000
Dit is een van de jongens waar ik mee werk. Het is een bruin kapucijnaapje.
04:18
These guys are New World primates,
102
243000
2000
Het zijn Nieuwe Wereld primaten,
04:20
which means they broke off from the human branch
103
245000
2000
wat betekent dat ze ongeveer 35 miljoen
04:22
about 35 million years ago.
104
247000
2000
jaar geleden van de menselijke tak zijn afgebroken.
04:24
This means that your great, great, great great, great, great --
105
249000
2000
Dat betekent dat jouw groot-, groot-, groot-, groot-, groot-, groot-, groot-,
04:26
with about five million "greats" in there --
106
251000
2000
met ongeveer vijf miljoen "groten" -
04:28
grandmother was probably the same great, great, great, great
107
253000
2000
grootmoeder waarschijnlijk ook de groot-, groot-, groot-,
04:30
grandmother with five million "greats" in there
108
255000
2000
grootmoeder, met ongeveer vijf miljoen "groten",
04:32
as Holly up here.
109
257000
2000
was van Holly hier.
04:34
You know, so you can take comfort in the fact that this guy up here is a really really distant,
110
259000
3000
Dus weet, voor jouw comfort, deze jongen is een heel ver,
04:37
but albeit evolutionary, relative.
111
262000
2000
weliswaar evolutionair, familielid.
04:39
The good news about Holly though is that
112
264000
2000
Het goede nieuws over Holly is echter dat
04:41
she doesn't actually have the same kinds of technologies we do.
113
266000
3000
zij niet over dezelfde technologieën als wij beschikt.
04:44
You know, she's a smart, very cut creature, a primate as well,
114
269000
3000
Ze is een slim, perfect aangepast schepsel, ook een primaat,
04:47
but she lacks all the stuff we think might be messing us up.
115
272000
2000
maar mist alles waarvan we verwachten dat het ons verknoeit.
04:49
So she's the perfect test case.
116
274000
2000
Dus is zij het perfecte onderzoeksobject.
04:51
What if we put Holly into the same context as humans?
117
276000
3000
Wat als we Holly in dezelfde context als mensen plaatsen?
04:54
Does she make the same mistakes as us?
118
279000
2000
Maakt ze dan dezelfde fouten?
04:56
Does she not learn from them? And so on.
119
281000
2000
En leert ze er niet van? En zo verder.
04:58
And so this is the kind of thing we decided to do.
120
283000
2000
En dus dit is wat we besloten te doen.
05:00
My students and I got very excited about this a few years ago.
121
285000
2000
Mijn studenten en ik zijn daar een paar jaar geleden zeer enthousiast over geraakt.
05:02
We said, all right, let's, you know, throw so problems at Holly,
122
287000
2000
Wij zeiden, oke, laten we Holly eens wat problemen voorschotelen,
05:04
see if she messes these things up.
123
289000
2000
en kijken of ze de boel ook verknoeit.
05:06
First problem is just, well, where should we start?
124
291000
3000
Het eerste probleem is alleen waar te beginnen?
05:09
Because, you know, it's great for us, but bad for humans.
125
294000
2000
Want, weet je, het is wel knap voor ons, maar niet zo goed voor de mens.
05:11
We make a lot of mistakes in a lot of different contexts.
126
296000
2000
Wij maken fouten in allerlei omstandigheden.
05:13
You know, where are we actually going to start with this?
127
298000
2000
Waarmee moeten we nu eigenlijk beginnen?
05:15
And because we started this work around the time of the financial collapse,
128
300000
3000
En omdat we met dit werk begonnen rond de tijd van de financiële crisis,
05:18
around the time when foreclosures were hitting the news,
129
303000
2000
rond de tijd dat de eerste inbeslagnames in het nieuws opdoken,
05:20
we said, hhmm, maybe we should
130
305000
2000
zeiden we, hhmm, misschien moeten we
05:22
actually start in the financial domain.
131
307000
2000
toch maar van start gaan in het financiële domein.
05:24
Maybe we should look at monkey's economic decisions
132
309000
3000
Misschien dat we moeten kijken naar de economische beslissingen van apen
05:27
and try to see if they do the same kinds of dumb things that we do.
133
312000
3000
en proberen te zien of ze dezelfde domme dingen doen als wij.
05:30
Of course, that's when we hit a sort second problem --
134
315000
2000
Daar stuitten we op een tweede probleem -
05:32
a little bit more methodological --
135
317000
2000
wat methodologischer van aard -
05:34
which is that, maybe you guys don't know,
136
319000
2000
en dat is dat, misschien weten jullie dat niet,
05:36
but monkeys don't actually use money. I know, you haven't met them.
137
321000
3000
apen geen geld gebruiken. Ik weet het, je bent ze nog niet tegengekomen.
05:39
But this is why, you know, they're not in the queue behind you
138
324000
2000
Daarom staan ze niet in de rij achter je
05:41
at the grocery store or the ATM -- you know, they don't do this stuff.
139
326000
3000
in de supermarkt - daar houden ze zich niet mee bezig.
05:44
So now we faced, you know, a little bit of a problem here.
140
329000
3000
Daar werden we dus met een probleempje geconfronteerd.
05:47
How are we actually going to ask monkeys about money
141
332000
2000
Hoe gaan we apen vragen hoe ze met geld omgaan
05:49
if they don't actually use it?
142
334000
2000
als ze het niet werkelijk gebruiken?
05:51
So we said, well, maybe we should just, actually just suck it up
143
336000
2000
Nou, daar moesten we ons maar bij neerleggen
05:53
and teach monkeys how to use money.
144
338000
2000
en de apen leren hoe met geld om te gaan.
05:55
So that's just what we did.
145
340000
2000
Dat is nu net wat we deden.
05:57
What you're looking at over here is actually the first unit that I know of
146
342000
3000
Waar u hier naar kijkt is het eerste voorbeeld
06:00
of non-human currency.
147
345000
2000
van niet-menselijke valuta.
06:02
We weren't very creative at the time we started these studies,
148
347000
2000
Niet erg creatief
06:04
so we just called it a token.
149
349000
2000
hebben we het maar een token genoemd.
06:06
But this is the unit of currency that we've taught our monkeys at Yale
150
351000
3000
Met deze munteenheid hebben we in Yale onze apen geleerd
06:09
to actually use with humans,
151
354000
2000
om mensen
06:11
to actually buy different pieces of food.
152
356000
3000
te betalen voor voedsel.
06:14
It doesn't look like much -- in fact, it isn't like much.
153
359000
2000
Veel heeft het niet om het lijf.
06:16
Like most of our money, it's just a piece of metal.
154
361000
2000
Het is ook maar een stukje metaal.
06:18
As those of you who've taken currencies home from your trip know,
155
363000
3000
Zoals je wel eens meebrengt van een reis.
06:21
once you get home, it's actually pretty useless.
156
366000
2000
Eenmaal thuis heb je er niks meer aan.
06:23
It was useless to the monkeys at first
157
368000
2000
Eerst vonden de apen er ook niks aan
06:25
before they realized what they could do with it.
158
370000
2000
tot ze beseften wat ze ermee konden doen.
06:27
When we first gave it to them in their enclosures,
159
372000
2000
Toen we ze voor het eerst aan hen gaven,
06:29
they actually kind of picked them up, looked at them.
160
374000
2000
pakten ze ze op om ze te bekijken.
06:31
They were these kind of weird things.
161
376000
2000
Als een soort rare dingen.
06:33
But very quickly, the monkeys realized
162
378000
2000
Maar al zeer snel leerden de apen
06:35
that they could actually hand these tokens over
163
380000
2000
dat zij deze tokens voor voedsel konden ruilen
06:37
to different humans in the lab for some food.
164
382000
3000
met verschillende mensen in het lab.
06:40
And so you see one of our monkeys, Mayday, up here doing this.
165
385000
2000
Dat zie je hier een van onze apen, Mayday, doen.
06:42
This is A and B are kind of the points where she's sort of a little bit
166
387000
3000
Op A en B zie je ze er een beetje nieuwsgierig
06:45
curious about these things -- doesn't know.
167
390000
2000
naar kijken.
06:47
There's this waiting hand from a human experimenter,
168
392000
2000
En hier de wachtende hand van een menselijke experimentator,
06:49
and Mayday quickly figures out, apparently the human wants this.
169
394000
3000
en Mayday heeft snel door dat die mens dat wil hebben.
06:52
Hands it over, and then gets some food.
170
397000
2000
Geeft het af en krijgt dan wat te eten.
06:54
It turns out not just Mayday, all of our monkeys get good
171
399000
2000
Niet alleen Mayday, al onze apen worden goed
06:56
at trading tokens with human salesman.
172
401000
2000
in de handel van tokens met een menselijke verkoper.
06:58
So here's just a quick video of what this looks like.
173
403000
2000
Hier een korte video van hoe dit in zijn werk gaat.
07:00
Here's Mayday. She's going to be trading a token for some food
174
405000
3000
Hier is Mayday. Ze gaat een token ruilen voor wat eten
07:03
and waiting happily and getting her food.
175
408000
3000
en wacht gelukkig op haar eten.
07:06
Here's Felix, I think. He's our alpha male; he's a kind of big guy.
176
411000
2000
Hier is Felix, denk ik. Hij is onze alpha mannetje, een grote kerel.
07:08
But he too waits patiently, gets his food and goes on.
177
413000
3000
Maar ook hij wacht geduldig, krijgt zijn eten en vertrekt.
07:11
So the monkeys get really good at this.
178
416000
2000
De apen worden daar echt goed in.
07:13
They're surprisingly good at this with very little training.
179
418000
3000
Verrassend goed in na een korte training.
07:16
We just allowed them to pick this up on their own.
180
421000
2000
Wij deden niet meer dan ze dit zelf te laten bedenken.
07:18
The question is: is this anything like human money?
181
423000
2000
De vraag is: is dit zoiets als menselijk geld?
07:20
Is this a market at all,
182
425000
2000
Is dit wel een markt,
07:22
or did we just do a weird psychologist's trick
183
427000
2000
of gaat het gewoon om een truc van een rare psycholoog
07:24
by getting monkeys to do something,
184
429000
2000
om apen iets te laten doen,
07:26
looking smart, but not really being smart.
185
431000
2000
om er slim uit te zien zonder echt slim te zijn?
07:28
And so we said, well, what would the monkeys spontaneously do
186
433000
3000
En dus we zeiden, nou ja, wat zouden apen spontaan doen
07:31
if this was really their currency, if they were really using it like money?
187
436000
3000
als dit echt hun munt zou zijn, indien zij het werkelijk als geld gebruikten?
07:34
Well, you might actually imagine them
188
439000
2000
Goed, je zou je kunnen voorstellen dat ze
07:36
to do all the kinds of smart things
189
441000
2000
ook allerlei slimme dingen zouden doen
07:38
that humans do when they start exchanging money with each other.
190
443000
3000
die mensen ook doen wanneer ze beginnen met het uitwisselen van geld.
07:41
You might have them start paying attention to price,
191
446000
3000
Misschien kon je ze interesse laten krijgen in de prijs,
07:44
paying attention to how much they buy --
192
449000
2000
of ze aandacht laten besteden aan hoeveel ze kopen -
07:46
sort of keeping track of their monkey token, as it were.
193
451000
3000
of ze laten bijhouden wat ze aan apengeld uitgeven.
07:49
Do the monkeys do anything like this?
194
454000
2000
Doen de apen zoiets?
07:51
And so our monkey marketplace was born.
195
456000
3000
En zo is onze apenmarkt geboren.
07:54
The way this works is that
196
459000
2000
De manier waarop die werkt is dat
07:56
our monkeys normally live in a kind of big zoo social enclosure.
197
461000
3000
onze apen normaal leven in een soort grote sociale dierentuin.
07:59
When they get a hankering for some treats,
198
464000
2000
Wanneer ze zin krijgen in wat lekkers,
08:01
we actually allowed them a way out
199
466000
2000
lieten we hen naar
08:03
into a little smaller enclosure where they could enter the market.
200
468000
2000
een iets kleinere ruimte gaan, hun markt.
08:05
Upon entering the market --
201
470000
2000
Bij het betreden van de markt -
08:07
it was actually a much more fun market for the monkeys than most human markets
202
472000
2000
eigenlijk een veel leukere markt dan onze menselijke markten
08:09
because, as the monkeys entered the door of the market,
203
474000
3000
omdat ze bij de deur van de markt
08:12
a human would give them a big wallet full of tokens
204
477000
2000
een grote beurs vol tokens kregen
08:14
so they could actually trade the tokens
205
479000
2000
zodat ze de tokens
08:16
with one of these two guys here --
206
481000
2000
met een van deze twee jongens hier konden ruilen -
08:18
two different possible human salesmen
207
483000
2000
twee verschillende menselijke verkopers
08:20
that they could actually buy stuff from.
208
485000
2000
van wie ze de spullen konden kopen.
08:22
The salesmen were students from my lab.
209
487000
2000
De verkopers waren studenten van mijn lab.
08:24
They dressed differently; they were different people.
210
489000
2000
Ze kleedden zich anders, ze waren verschillende mensen.
08:26
And over time, they did basically the same thing
211
491000
3000
En na verloop van tijd deden ze in principe hetzelfde
08:29
so the monkeys could learn, you know,
212
494000
2000
zodat de apen konden leren,
08:31
who sold what at what price -- you know, who was reliable, who wasn't, and so on.
213
496000
3000
wie wat verkocht tegen welke prijs - wie betrouwbaar was, wie niet, en zo verder.
08:34
And you can see that each of the experimenters
214
499000
2000
En je kunt hier zien dat elk van de experimentatoren
08:36
is actually holding up a little, yellow food dish.
215
501000
3000
een klein, geel etensbakje vasthoudt.
08:39
and that's what the monkey can for a single token.
216
504000
2000
Dat is wat de aap krijgt voor één token.
08:41
So everything costs one token,
217
506000
2000
Dus alles kost één token,
08:43
but as you can see, sometimes tokens buy more than others,
218
508000
2000
maar zoals je kunt zien, soms krijg je niet alijd hetzelfde voor één token,
08:45
sometimes more grapes than others.
219
510000
2000
soms meer druiven, soms minder.
08:47
So I'll show you a quick video of what this marketplace actually looks like.
220
512000
3000
Op deze video kan je dat zien.
08:50
Here's a monkey-eye-view. Monkeys are shorter, so it's a little short.
221
515000
3000
Vanop de ooghoogte van een aap die wat kleiner is dan wij.
08:53
But here's Honey.
222
518000
2000
Hier is Honey.
08:55
She's waiting for the market to open a little impatiently.
223
520000
2000
Ze wacht een beetje ongeduldig op het opengaan van de markt.
08:57
All of a sudden the market opens. Here's her choice: one grapes or two grapes.
224
522000
3000
Plots gaat de markt open. Hier is haar keuze: én druif of twee druiven.
09:00
You can see Honey, very good market economist,
225
525000
2000
U kunt zien dat Honey, als zeer goede markt-econoom,
09:02
goes with the guy who gives more.
226
527000
3000
naar de man gaat die meer geeft.
09:05
She could teach our financial advisers a few things or two.
227
530000
2000
Ze zou onze financiële adviseurs een paar dingen kunnen leren.
09:07
So not just Honey,
228
532000
2000
Niet alleen Honey, maar grootste deel
09:09
most of the monkeys went with guys who had more.
229
534000
3000
van de apen gingen naar de jongens die meer aanboden.
09:12
Most of the monkeys went with guys who had better food.
230
537000
2000
Het merendeel van de apen ging naar de jongens met het beste voedsel.
09:14
When we introduced sales, we saw the monkeys paid attention to that.
231
539000
3000
Toen wij koopjes aanboden, zagen we dat de apen daar aandacht voor hadden.
09:17
They really cared about their monkey token dollar.
232
542000
3000
Ze geven echt om hun de waarde van hun apengeld.
09:20
The more surprising thing was that when we collaborated with economists
233
545000
3000
Des te verrassender was dat toen we samenwerkten met economen
09:23
to actually look at the monkeys' data using economic tools,
234
548000
3000
om te kijken naar de apengegevens met behulp van economische instrumenten.
09:26
they basically matched, not just qualitatively,
235
551000
3000
Ze komen overeen, niet alleen kwalitatief,
09:29
but quantitatively with what we saw
236
554000
2000
maar ook kwantitatief, met wat we
09:31
humans doing in a real market.
237
556000
2000
mensen zien doen op een echte markt.
09:33
So much so that, if you saw the monkeys' numbers,
238
558000
2000
Zozeer zelfs dat, indien je naar de apendata keek,
09:35
you couldn't tell whether they came from a monkey or a human in the same market.
239
560000
3000
je kon niet zeggen of ze van een aap of van een mens kwamen.
09:38
And what we'd really thought we'd done
240
563000
2000
Dus konden we zeggen
09:40
is like we'd actually introduced something
241
565000
2000
dat we,
09:42
that, at least for the monkeys and us,
242
567000
2000
althans voor de apen en ons,
09:44
works like a real financial currency.
243
569000
2000
een echte financiële munt hadden ingevoerd.
09:46
Question is: do the monkeys start messing up in the same ways we do?
244
571000
3000
De vraag is nu: gaan de apen nu ook alles verpesten net zoals wij?
09:49
Well, we already saw anecdotally a couple of signs that they might.
245
574000
3000
Nou, we zagen al vlug een paar voorvallen die daarop konden wijzen.
09:52
One thing we never saw in the monkey marketplace
246
577000
2000
Wat we nooit hebben gezien bij de apen
09:54
was any evidence of saving --
247
579000
2000
was enig bewijs van sparen -
09:56
you know, just like our own species.
248
581000
2000
zoals wij dat doen..
09:58
The monkeys entered the market, spent their entire budget
249
583000
2000
Op de markt gekomen, gaven de apen hun hele budget uit
10:00
and then went back to everyone else.
250
585000
2000
en gingen dan terug naar de anderen.
10:02
The other thing we also spontaneously saw,
251
587000
2000
Wat we ook zagen is,
10:04
embarrassingly enough,
252
589000
2000
beschamend genoeg,
10:06
is spontaneous evidence of larceny.
253
591000
2000
spontaan bewijs van diefstal.
10:08
The monkeys would rip-off the tokens at every available opportunity --
254
593000
3000
De apen pikten de tokens bij elke gelegenheid -
10:11
from each other, often from us --
255
596000
2000
van elkaar, vaak van ons -
10:13
you know, things we didn't necessarily think we were introducing,
256
598000
2000
dingen die we niet wilden uitlokken,
10:15
but things we spontaneously saw.
257
600000
2000
maar die we spontaan zagen gebeuren.
10:17
So we said, this looks bad.
258
602000
2000
Dus zeiden we: dit ziet er slecht uit.
10:19
Can we actually see if the monkeys
259
604000
2000
Zien we nu de apen
10:21
are doing exactly the same dumb things as humans do?
260
606000
3000
precies dezelfde domme dingen doen als mensen?
10:24
One possibility is just kind of let
261
609000
2000
Een mogelijkheid was om
10:26
the monkey financial system play out,
262
611000
2000
het aapfinanciële systeem te laten uitspelen,
10:28
you know, see if they start calling us for bailouts in a few years.
263
613000
2000
en te kijken of ze na een paar jaar in de problemen zouden geraken.
10:30
We were a little impatient so we wanted
264
615000
2000
Daarvoor waren we een beetje te ongeduldig dus wilden
10:32
to sort of speed things up a bit.
265
617000
2000
we de zaken een beetje versnellen.
10:34
So we said, let's actually give the monkeys
266
619000
2000
We begonnen met de apen
10:36
the same kinds of problems
267
621000
2000
dezelfde soort problemen voor te schotelen
10:38
that humans tend to get wrong
268
623000
2000
waarbij mensen de neiging hebben om in de fout te gaan
10:40
in certain kinds of economic challenges,
269
625000
2000
bij sommige economische uitdagingen,
10:42
or certain kinds of economic experiments.
270
627000
2000
of economische experimenten.
10:44
And so, since the best way to see how people go wrong
271
629000
3000
En omdat de beste manier om dat na te gaan
10:47
is to actually do it yourself,
272
632000
2000
het zelf ondervinden is,
10:49
I'm going to give you guys a quick experiment
273
634000
2000
ga ik jullie nu aan een kort experiment onderwerpen
10:51
to sort of watch your own financial intuitions in action.
274
636000
2000
waarbij je je eigen financiële intuïtie in actie kan zien.
10:53
So imagine that right now
275
638000
2000
Stel dat ik nu
10:55
I handed each and every one of you
276
640000
2000
aan ieder van jullie
10:57
a thousand U.S. dollars -- so 10 crisp hundred dollar bills.
277
642000
3000
1000 dollar geef - 10 nieuwe honderd dollar biljetten.
11:00
Take these, put it in your wallet
278
645000
2000
Pak ze aan, steek ze in je portemonnee
11:02
and spend a second thinking about what you're going to do with it.
279
647000
2000
en denk even na wat je ermee gaat doen.
11:04
Because it's yours now; you can buy whatever you want.
280
649000
2000
Omdat het geld nu van jou is, kan je kopen wat je wil,
11:06
Donate it, take it, and so on.
281
651000
2000
het weggeven, het sparen, enzovoort.
11:08
Sounds great, but you get one more choice to earn a little bit more money.
282
653000
3000
OK, maar je krijgt een kans op wat meer geld.
11:11
And here's your choice: you can either be risky,
283
656000
3000
Of je kan wat riskeren, en in dat geval
11:14
in which case I'm going to flip one of these monkey tokens.
284
659000
2000
gooi ik een zo'n apentoken op.
11:16
If it comes up heads, you're going to get a thousand dollars more.
285
661000
2000
Kop en dan krijg je nog eens duizend dollar.
11:18
If it comes up tails, you get nothing.
286
663000
2000
Bij munt krijg je niets.
11:20
So it's a chance to get more, but it's pretty risky.
287
665000
3000
Je hebt een kans om meer te krijgen, maar het is erg riskant.
11:23
Your other option is a bit safe. Your just going to get some money for sure.
288
668000
3000
Je andere optie is een je veiliger. Je krijgt zeker wat geld.
11:26
I'm just going to give you 500 bucks.
289
671000
2000
Ik geef je dan 500 dollar.
11:28
You can stick it in your wallet and use it immediately.
290
673000
3000
Je doet ermee wat je wil.
11:31
So see what your intuition is here.
291
676000
2000
Wat zegt je intuïtie hier?
11:33
Most people actually go with the play-it-safe option.
292
678000
3000
De meeste mensen kiezen voor de veilige optie.
11:36
Most people say, why should I be risky when I can get 1,500 dollars for sure?
293
681000
3000
De meeste mensen kiezen voor de zekere 1500 dollar.
11:39
This seems like a good bet. I'm going to go with that.
294
684000
2000
Dit lijkt me een goede gok. Ik kies voor het zekere.
11:41
You might say, eh, that's not really irrational.
295
686000
2000
Wat niet zo irrationeel lijkt.
11:43
People are a little risk-averse. So what?
296
688000
2000
Mensen zijn een beetje risicomijdend. Dus wat?
11:45
Well, the "so what?" comes when start thinking
297
690000
2000
Nou, de "dus wat?" komt wanneer je begint na te denken
11:47
about the same problem
298
692000
2000
over hetzelfde probleem
11:49
set up just a little bit differently.
299
694000
2000
maar net een beetje anders opgezet.
11:51
So now imagine that I give each and every one of you
300
696000
2000
Stel je voor dat ik ieder van u
11:53
2,000 dollars -- 20 crisp hundred dollar bills.
301
698000
3000
2000 dollar zou geven - 20 mooie honderd dollarbiljetten.
11:56
Now you can buy double to stuff you were going to get before.
302
701000
2000
Nu kan je twee keer zoveel dingen kopen als de eerste keer.
11:58
Think about how you'd feel sticking it in your wallet.
303
703000
2000
Denk na over hoe het aanvoelt in je portemonnee.
12:00
And now imagine that I have you make another choice
304
705000
2000
En stel nu dat ik je een andere keuze laat maken.
12:02
But this time, it's a little bit worse.
305
707000
2000
Maar deze keer is het een beetje lastiger.
12:04
Now, you're going to be deciding how you're going to lose money,
306
709000
3000
Je moet beslissen hoe je geld gaat verliezen,
12:07
but you're going to get the same choice.
307
712000
2000
maar je gaat dezelfde keuze krijgen.
12:09
You can either take a risky loss --
308
714000
2000
Je kan kiezen tussen een riskant verlies -
12:11
so I'll flip a coin. If it comes up heads, you're going to actually lose a lot.
309
716000
3000
ik gooi een muntstuk op. Kop en je bent het hele bedrag kwijt.
12:14
If it comes up tails, you lose nothing, you're fine, get to keep the whole thing --
310
719000
3000
Munt en je verliest niets, je mag alles houden -
12:17
or you could play it safe, which means you have to reach back into your wallet
311
722000
3000
of je kan op veilig spelen, wat betekent dat je me
12:20
and give me five of those $100 bills, for certain.
312
725000
3000
500 dollar moet teruggeven.
12:23
And I'm seeing a lot of furrowed brows out there.
313
728000
3000
En nu zie ik hier heel wat gefronste wenkbrauwen.
12:26
So maybe you're having the same intuitions
314
731000
2000
Dus misschien heb je dezelfde intuïtie
12:28
as the subjects that were actually tested in this,
315
733000
2000
als onze proefpersonen,
12:30
which is when presented with these options,
316
735000
2000
en die in dit geval
12:32
people don't choose to play it safe.
317
737000
2000
niet op veilig te speelden.
12:34
They actually tend to go a little risky.
318
739000
2000
De meesten neigen naar het riskante..
12:36
The reason this is irrational is that we've given people in both situations
319
741000
3000
Dit is irrationeel omdat het in beide situaties
12:39
the same choice.
320
744000
2000
om dezelfde keuze gaat.
12:41
It's a 50/50 shot of a thousand or 2,000,
321
746000
3000
Het is of een 50/50 kans op 1000 of 2000
12:44
or just 1,500 dollars with certainty.
322
749000
2000
of 1500 dollar met zekerheid.
12:46
But people's intuitions about how much risk to take
323
751000
3000
Maar menselijke intuïtie over hoeveel risico te nemen
12:49
varies depending on where they started with.
324
754000
2000
hangt af van de uitgangssituatie.
12:51
So what's going on?
325
756000
2000
Waardoor?
12:53
Well, it turns out that this seems to be the result
326
758000
2000
Nou, dit komt doordat we met ten minste
12:55
of at least two biases that we have at the psychological level.
327
760000
3000
twee psychologische vooroordelen zijn behept.
12:58
One is that we have a really hard time thinking in absolute terms.
328
763000
3000
Een daarvan is dat we niet goed zijn om te denken in absolute termen.
13:01
You really have to do work to figure out,
329
766000
2000
Je moet het echt uitcijferen.
13:03
well, one option's a thousand, 2,000;
330
768000
2000
Een optie is 1000 of 2000 dollar;
13:05
one is 1,500.
331
770000
2000
de andere 1500 dollar.
13:07
Instead, we find it very easy to think in very relative terms
332
772000
3000
Daarentegen zijn we goed in het denken in relatieve termen
13:10
as options change from one time to another.
333
775000
3000
als je voor de keuze staat.
13:13
So we think of things as, "Oh, I'm going to get more," or "Oh, I'm going to get less."
334
778000
3000
We denken : "Oh, ik ga meer krijgen," of "Oh, ik ga minder krijgen."
13:16
This is all well and good, except that
335
781000
2000
Dit is allemaal goed en wel, behalve dat
13:18
changes in different directions
336
783000
2000
veranderingen in verschillende richtingen
13:20
actually effect whether or not we think
337
785000
2000
daadwerkelijk onze keuzes beïnvloeden
13:22
options are good or not.
338
787000
2000
over wat goed of niet goed is.
13:24
And this leads to the second bias,
339
789000
2000
En dit leidt tot onze tweede neiging, die
13:26
which economists have called loss aversion.
340
791000
2000
economen 'afkeer van verlies' noemen.
13:28
The idea is that we really hate it when things go into the red.
341
793000
3000
Het idee is dat we het echt haten om in het rood gaan.
13:31
We really hate it when we have to lose out on some money.
342
796000
2000
We hebben er echt een hekel aan om wat geld te verliezen.
13:33
And this means that sometimes we'll actually
343
798000
2000
En dit betekent dat we soms onze keuzes
13:35
switch our preferences to avoid this.
344
800000
2000
aanpassen om dit te voorkomen.
13:37
What you saw in that last scenario is that
345
802000
2000
Wat je zag in dat laatste scenario is dat
13:39
subjects get risky
346
804000
2000
mensen riskant gedrag gaan vertonen
13:41
because they want the small shot that there won't be any loss.
347
806000
3000
omdat ze gaan voor de kleine kans om geen verlies te lijden.
13:44
That means when we're in a risk mindset --
348
809000
2000
Dat betekent dat wanneer we denken een risico te nemen -
13:46
excuse me, when we're in a loss mindset,
349
811000
2000
of liever gezegd, aan een mogelijk verlies,
13:48
we actually become more risky,
350
813000
2000
we meer geneigd zijn tot risico's,
13:50
which can actually be really worrying.
351
815000
2000
wat eigenlijk echt verontrustend is.
13:52
These kinds of things play out in lots of bad ways in humans.
352
817000
3000
Dit speelt de mens op allerlei manieren parten.
13:55
They're why stock investors hold onto losing stocks longer --
353
820000
3000
Dit verklaart waarom beleggers hun aandelen langer blijven aanhouden -
13:58
because they're evaluating them in relative terms.
354
823000
2000
omdat ze ze in relatieve termen toetsen.
14:00
They're why people in the housing market refused to sell their house --
355
825000
2000
Daarom weigerden mensen op de woningmarkt hun huis te verkopen -
14:02
because they don't want to sell at a loss.
356
827000
2000
omdat ze niet willen verkopen met verlies.
14:04
The question we were interested in
357
829000
2000
De vraag die ons interesseerde was
14:06
is whether the monkeys show the same biases.
358
831000
2000
of de apen op dezelfde basis zouden reageren.
14:08
If we set up those same scenarios in our little monkey market,
359
833000
3000
Als we hetzelfde scenario opzetten op onze kleine apenmarkt,
14:11
would they do the same thing as people?
360
836000
2000
zouden ze dan hetzelfde doen als mensen?
14:13
And so this is what we did, we gave the monkeys choices
361
838000
2000
Dus gaven we de apen keuzes
14:15
between guys who were safe -- they did the same thing every time --
362
840000
3000
tussen veilige verkopers - zij deden keer op keer hetzelfde -
14:18
or guys who were risky --
363
843000
2000
of risico-verkopers -
14:20
they did things differently half the time.
364
845000
2000
die deden de dingen de helft van de tijd anders.
14:22
And then we gave them options that were bonuses --
365
847000
2000
En dan gaven we hen de keuze voor bonussen -
14:24
like you guys did in the first scenario --
366
849000
2000
zoals jullie deden in het eerste scenario -
14:26
so they actually have a chance more,
367
851000
2000
zodat ze daadwerkelijk een kans meer hebben,
14:28
or pieces where they were experiencing losses --
368
853000
3000
of gevallen waar ze verlies leden -
14:31
they actually thought they were going to get more than they really got.
369
856000
2000
omdat ze dachten meer te krijgen dan wat ze in werkelijkheid kregen.
14:33
And so this is what this looks like.
370
858000
2000
En dus is dit hoe het eruitziet.
14:35
We introduced the monkeys to two new monkey salesmen.
371
860000
2000
We hebben de apen laten kennismaken met twee nieuwe verkopers.
14:37
The guy on the left and right both start with one piece of grape,
372
862000
2000
De man links en rechts beginnen beiden met één druif,
14:39
so it looks pretty good.
373
864000
2000
dus het ziet er redelijk goed uit.
14:41
But they're going to give the monkeys bonuses.
374
866000
2000
Maar ze gaan de apen bonussen geven.
14:43
The guy on the left is a safe bonus.
375
868000
2000
De man aan de linkerkant is een veilige bonus.
14:45
All the time, he adds one, to give the monkeys two.
376
870000
3000
Elke keer voegt hij er een druif bij, om de apen er twee te geven.
14:48
The guy on the right is actually a risky bonus.
377
873000
2000
De man aan de rechterkant is een riskante bonus.
14:50
Sometimes the monkeys get no bonus -- so this is a bonus of zero.
378
875000
3000
Soms krijgen de apen geen bonus - dat is dus een nulbonus.
14:53
Sometimes the monkeys get two extra.
379
878000
3000
Soms krijgen de apen er twee extra.
14:56
For a big bonus, now they get three.
380
881000
2000
Een grote bonus, nu krijgen ze er drie.
14:58
But this is the same choice you guys just faced.
381
883000
2000
Maar dat is dezelfde keuze waarmee jullie zojuist werden geconfronteerd.
15:00
Do the monkeys actually want to play it safe
382
885000
3000
Willen de apen op veilig spelen
15:03
and then go with the guy who's going to do the same thing on every trial,
383
888000
2000
en verdergaan met de man die bij elke proef hetzelfde gaat doen,
15:05
or do they want to be risky
384
890000
2000
of willen ze wat riskeren
15:07
and try to get a risky, but big, bonus,
385
892000
2000
om een riskante, maar grote, bonus te krijgen
15:09
but risk the possibility of getting no bonus.
386
894000
2000
maar ook het risico lopen om geen bonus te krijgen?
15:11
People here played it safe.
387
896000
2000
Mensen speelden hier op veilig.
15:13
Turns out, the monkeys play it safe too.
388
898000
2000
En het blijkt dat de apen dat ook doen.
15:15
Qualitatively and quantitatively,
389
900000
2000
Kwalitatief en kwantitatief
15:17
they choose exactly the same way as people,
390
902000
2000
kiezen ze precies op dezelfde manier als mensen,
15:19
when tested in the same thing.
391
904000
2000
wanneer getest in dezelfde zaak.
15:21
You might say, well, maybe the monkeys just don't like risk.
392
906000
2000
Misschien houden apen gewoon niet van risico's.
15:23
Maybe we should see how they do with losses.
393
908000
2000
Misschien moeten we eens kijken wat ze doen bij verlies.
15:25
And so we ran a second version of this.
394
910000
2000
En dus voerden we een tweede versie van dit experiment uit.
15:27
Now, the monkeys meet two guys
395
912000
2000
Nu voeren we twee verkopers op
15:29
who aren't giving them bonuses;
396
914000
2000
die hen geen bonussen geven;
15:31
they're actually giving them less than they expect.
397
916000
2000
ze geven ze minder dan ze verwachten.
15:33
So they look like they're starting out with a big amount.
398
918000
2000
Dus beginnen ze met een grote hoeveelheid.
15:35
These are three grapes; the monkey's really psyched for this.
399
920000
2000
Dit zijn drie druiven; de aap is er helemaal klaar voor.
15:37
But now they learn these guys are going to give them less than they expect.
400
922000
3000
Maar nu leren ze dat deze verkopers minder gaan geven dan ze verwachten.
15:40
They guy on the left is a safe loss.
401
925000
2000
De kerel aan de linkerzijde betekent een zeker verlies.
15:42
Every single time, he's going to take one of these away
402
927000
3000
Elke keer neemt hij een van deze weg
15:45
and give the monkeys just two.
403
930000
2000
en geeft de apen er slechts twee.
15:47
the guy on the right is the risky loss.
404
932000
2000
De man aan de rechterkant is het risicovolle verlies.
15:49
Sometimes he gives no loss, so the monkeys are really psyched,
405
934000
3000
Soms geeft hij geen verlies, wat de apen accepteren,
15:52
but sometimes he actually gives a big loss,
406
937000
2000
maar soms geeft hij in feite een groot verlies,
15:54
taking away two to give the monkeys only one.
407
939000
2000
door er twee weg te nemen en de apen slechts één druif te geven.
15:56
And so what do the monkeys do?
408
941000
2000
En dus wat doen de apen nu?
15:58
Again, same choice; they can play it safe
409
943000
2000
Nogmaals, dezelfde keuze, ze kunnen op veilig spelen
16:00
for always getting two grapes every single time,
410
945000
3000
door altijd voor twee druiven te gaan,
16:03
or they can take a risky bet and choose between one and three.
411
948000
3000
of ze kunnen het risico lopen en kans maken op één of op drie.
16:06
The remarkable thing to us is that, when you give monkeys this choice,
412
951000
3000
Het merkwaardige voor ons is dat, wanneer je apen deze keuze geeft,
16:09
they do the same irrational thing that people do.
413
954000
2000
zij hetzelfde irrationele gedrag als dat van mensen vertonen.
16:11
They actually become more risky
414
956000
2000
Ze nemen meer risico's
16:13
depending on how the experimenters started.
415
958000
3000
afhankelijk van hoe de onderzoekers begonnen.
16:16
This is crazy because it suggests that the monkeys too
416
961000
2000
Dit is te gek omdat het suggereert dat de apen ook
16:18
are evaluating things in relative terms
417
963000
2000
dingen in relatieve termen beoordelen
16:20
and actually treating losses differently than they treat gains.
418
965000
3000
en ze verliezen anders dan winsten behandelen.
16:23
So what does all of this mean?
419
968000
2000
Dus wat betekent dit alles?
16:25
Well, what we've shown is that, first of all,
420
970000
2000
Nou, wat we zien is dat we in de eerste plaats
16:27
we can actually give the monkeys a financial currency,
421
972000
2000
de apen een financiële valuta geven,
16:29
and they do very similar things with it.
422
974000
2000
en ze doen er gelijkaardige dingen mee.
16:31
They do some of the smart things we do,
423
976000
2000
Ze doen een aantal van de slimme dingen die we doen,
16:33
some of the kind of not so nice things we do,
424
978000
2000
maar ook sommige van de niet zo aardige dingen,
16:35
like steal it and so on.
425
980000
2000
zoals stelen en zo verder.
16:37
But they also do some of the irrational things we do.
426
982000
2000
Maar ook een deel van onze irrationele dingen.
16:39
They systematically get things wrong
427
984000
2000
Ze slaan systematisch de bal mis
16:41
and in the same ways that we do.
428
986000
2000
net als wij.
16:43
This is the first take-home message of the Talk,
429
988000
2000
De eerste les die we hieruit kunnen leren
16:45
which is that if you saw the beginning of this and you thought,
430
990000
2000
is dat waar je in het begin misschien dacht
16:47
oh, I'm totally going to go home and hire a capuchin monkey financial adviser.
431
992000
2000
een kapucijnaapje als financiële adviseur in te huren -
16:49
They're way cuter than the one at ... you know --
432
994000
2000
want ze zijn leuker dan die ... je weet wel -
16:51
Don't do that; they're probably going to be just as dumb
433
996000
2000
Doe het niet, ze zijn waarschijnlijk net zo dom
16:53
as the human one you already have.
434
998000
3000
als de menselijke adviseur die je nu al hebt.
16:56
So, you know, a little bad -- Sorry, sorry, sorry.
435
1001000
2000
Dus, je weet wel, een beetje slecht - Sorry, sorry, sorry.
16:58
A little bad for monkey investors.
436
1003000
2000
Een beetje slecht voor aap beleggers.
17:00
But of course, you know, the reason you're laughing is bad for humans too.
437
1005000
3000
Maar natuurlijk, je weet wel, de reden waarom je lacht is ook slecht voor mensen.
17:03
Because we've answered the question we started out with.
438
1008000
3000
Omdat we het antwoord op de vraag hebben gevonden.
17:06
We wanted to know where these kinds of errors came from.
439
1011000
2000
We wilden weten waar dit soort fouten vandaan kwamen.
17:08
And we started with the hope that maybe we can
440
1013000
2000
En we begonnen met de hoop dat we misschien
17:10
sort of tweak our financial institutions,
441
1015000
2000
onze financiële instellingen een beetje konden bijsturen,
17:12
tweak our technologies to make ourselves better.
442
1017000
3000
of onze technologieën konden verbeteren.
17:15
But what we've learn is that these biases might be a deeper part of us than that.
443
1020000
3000
Maar we vonden dat deze neigingen misschien diep in ons zitten geworteld.
17:18
In fact, they might be due to the very nature
444
1023000
2000
Zij kunnen te wijten zijn aan de aard
17:20
of our evolutionary history.
445
1025000
2000
van onze evolutionaire geschiedenis.
17:22
You know, maybe it's not just humans
446
1027000
2000
Misschien zijn het niet alleen de mensen
17:24
at the right side of this chain that's duncey.
447
1029000
2000
aan de rechterkant van deze keten die dom zijn.
17:26
Maybe it's sort of duncey all the way back.
448
1031000
2000
Misschien is die domheid er al van in het begin.
17:28
And this, if we believe the capuchin monkey results,
449
1033000
3000
En dit, als we mogen geloven in de resultaten van de kapucijnaapjes
17:31
means that these duncey strategies
450
1036000
2000
betekent dat deze domme strategieën
17:33
might be 35 million years old.
451
1038000
2000
wel eens 35 miljoen jaar oud zouden kunnen zijn.
17:35
That's a long time for a strategy
452
1040000
2000
Dat betekent dat deze strategie
17:37
to potentially get changed around -- really, really old.
453
1042000
3000
al heel, heel oud is.
17:40
What do we know about other old strategies like this?
454
1045000
2000
Wat weten we over andere oude strategieën?
17:42
Well, one thing we know is that they tend to be really hard to overcome.
455
1047000
3000
We weten dat ze zeer moeilijk te overwinnen zijn.
17:45
You know, think of our evolutionary predilection
456
1050000
2000
Denk aan onze evolutionaire voorliefde
17:47
for eating sweet things, fatty things like cheesecake.
457
1052000
3000
voor zoetigheid, voor vette dingen zoals kaastaart.
17:50
You can't just shut that off.
458
1055000
2000
Je kunt dat niet zomaar uitschakelen.
17:52
You can't just look at the dessert cart as say, "No, no, no. That looks disgusting to me."
459
1057000
3000
Niemand zegt bij het dessert: "Nee, nee, nee. Dat ziet er walgelijk uit voor mij."
17:55
We're just built differently.
460
1060000
2000
Wij zitten anders in elkaar.
17:57
We're going to perceive it as a good thing to go after.
461
1062000
2000
We zien dat als iets begerenswaardig.
17:59
My guess is that the same thing is going to be true
462
1064000
2000
Mijn gok is dat hetzelfde gaat waar zijn
18:01
when humans are perceiving
463
1066000
2000
wanneer het gaat over het nemen van
18:03
different financial decisions.
464
1068000
2000
verschillende financiële beslissingen.
18:05
When you're watching your stocks plummet into the red,
465
1070000
2000
Wanneer u uw aandelen in het rood ziet duiken,
18:07
when you're watching your house price go down,
466
1072000
2000
als je de prijs van je huis naar beneden ziet gaan,
18:09
you're not going to be able to see that
467
1074000
2000
dan kan je dat niet anders zien
18:11
in anything but old evolutionary terms.
468
1076000
2000
dan in die oude evolutionaire termen.
18:13
This means that the biases
469
1078000
2000
Dit betekent dat de vooroordelen,
18:15
that lead investors to do badly,
470
1080000
2000
die ertoe leiden dat beleggers het slecht doen
18:17
that lead to the foreclosure crisis
471
1082000
2000
of de inbeslagname crisis veroorzaken,
18:19
are going to be really hard to overcome.
472
1084000
2000
echt moeilijk te overwinnen zullen zijn.
18:21
So that's the bad news. The question is: is there any good news?
473
1086000
2000
Dus dat is het slechte nieuws. De vraag is: is er ook goed nieuws?
18:23
I'm supposed to be up here telling you the good news.
474
1088000
2000
Ik wordt verondersteld om hier het goede nieuws te vertellen .
18:25
Well, the good news, I think,
475
1090000
2000
Nou, het goede nieuws, denk ik,
18:27
is what I started with at the beginning of the Talk,
476
1092000
2000
is waarmee ik de toespraak ben begonnen,
18:29
which is that humans are not only smart;
477
1094000
2000
dat is dat mensen niet alleen slim zijn,
18:31
we're really inspirationally smart
478
1096000
2000
we zijn echt inspirerend slim zijn vergeleken met
18:33
to the rest of the animals in the biological kingdom.
479
1098000
3000
de rest van het dierenrijk.
18:36
We're so good at overcoming our biological limitations --
480
1101000
3000
We zijn zo goed in het overkomen van onze biologische beperkingen -
18:39
you know, I flew over here in an airplane.
481
1104000
2000
weet je, ik vloog hier naartoe in een vliegtuig.
18:41
I didn't have to try to flap my wings.
482
1106000
2000
Ik hoefde niet met vleugels te flapperen.
18:43
I'm wearing contact lenses now so that I can see all of you.
483
1108000
3000
Ik draag contactlenzen zodat ik jullie allemaal kan zien.
18:46
I don't have to rely on my own near-sightedness.
484
1111000
3000
Ik hoef niet te vertrouwen op mijn eigen bijziendheid.
18:49
We actually have all of these cases
485
1114000
2000
Wij hebben eigenlijk in al deze gevallen
18:51
where we overcome our biological limitations
486
1116000
3000
onze biologische beperkingen overwonnen
18:54
through technology and other means, seemingly pretty easily.
487
1119000
3000
met technologie en andere middelen, ogenschijnlijk gemakkelijk.
18:57
But we have to recognize that we have those limitations.
488
1122000
3000
Maar we moeten erkennen dat we die beperkingen hebben.
19:00
And here's the rub.
489
1125000
2000
En hier zit hem de kneep.
19:02
It was Camus who once said that, "Man is the only species
490
1127000
2000
Het was Camus die ooit zei "De mens is de enige soort is
19:04
who refuses to be what he really is."
491
1129000
3000
die weigert te zijn wat hij werkelijk is."
19:07
But the irony is that
492
1132000
2000
Maar de ironie is dat we
19:09
it might only be in recognizing our limitations
493
1134000
2000
alleen in het erkennen van onze beperkingen
19:11
that we can really actually overcome them.
494
1136000
2000
we ze echt kunnen overwinnen.
19:13
The hope is that you all will think about your limitations,
495
1138000
3000
De hoop zit hierin dat jullie allemaal zullen nadenken over je beperkingen.
19:16
not necessarily as unovercomable,
496
1141000
3000
Niet noodzakelijkerwijs als onoverkomelijk,
19:19
but to recognize them, accept them
497
1144000
2000
maar om ze te herkennen, te accepteren
19:21
and then use the world of design to actually figure them out.
498
1146000
3000
en dan gebruik te maken van onze vaardigheden om ze op te lossen.
19:24
That might be the only way that we will really be able
499
1149000
3000
Dat zou de enige manier kunnen zijn waarop we echt in staat zullen zijn
19:27
to achieve our own human potential
500
1152000
2000
ons eigen menselijk potentieel te verwezenlijken
19:29
and really be the noble species we hope to all be.
501
1154000
3000
en de edele soort te worden die we allemaal hopen te zijn.
19:32
Thank you.
502
1157000
2000
Dank u.
19:34
(Applause)
503
1159000
5000
(Applaus)
ABOUT THE SPEAKER
Laurie Santos - Cognitive psychologistLaurie Santos studies primate psychology and monkeynomics -- testing problems in human psychology on primates, who (not so surprisingly) have many of the same predictable irrationalities we do.
Why you should listen
Laurie Santos runs the Comparative Cognition Laboratory (CapLab) at Yale, where she and collaborators across departments (from psychology to primatology to neurobiology) explore the evolutionary origins of the human mind by studying lemurs, capuchin monkeys and other primates. The twist: Santos looks not only for positive humanlike traits, like tool-using and altruism, but irrational ones, like biased decisionmaking.
In elegant, carefully constructed experiments, Santos and CapLab have studied how primates understand and categorize objects in the physical world -- for instance, that monkeys understand an object is still whole even when part of it is obscured. Going deeper, their experiments also search for clues that primates possess a theory of mind -- an ability to think about what other people think.
Most recently, the lab has been looking at behaviors that were once the province mainly of novelists: jealousy, frustration, judgment of others' intentions, poor economic choices. In one experiment, Santos and her team taught monkeys to use a form of money, tradeable for food. When certain foods became cheaper, monkeys would, like humans, overbuy. As we humans search for clues to our own irrational behaviors, Santos' research suggests that the source of our genius for bad decisions might be our monkey brains.
Laurie Santos | Speaker | TED.com