TEDGlobal 2011
Tim Harford: Trial, error and the God complex
Tim Harford: Próby, błędy i kompleks Boga
Filmed:
Readability: 4.3
2,044,503 views
Autor książek z dziedziny ekonomii, Tim Harford, bada złożone systemy i znajduje zaskakującą cechę tych z nich, które osiągnęły sukces: zostały stworzone metodą prób i błędów. W tym błyskotliwym wykładzie z TEDGlobal 2011 prosi nas o wykorzystanie przypadkowości naszych poczynań i rozpoczęcie popełniania lepszych błędów.
Tim Harford - Economist, journalist, broadcaster
Tim Harford's writings reveal the economic ideas behind everyday experiences. Full bio
Tim Harford's writings reveal the economic ideas behind everyday experiences. Full bio
Double-click the English transcript below to play the video.
00:15
It's the Second World War.
0
0
2000
Jest druga wojna światowa,
00:17
A German prison camp.
1
2000
3000
niemiecki obóz więzienny,
00:20
And this man,
2
5000
3000
a ten człowiek,
00:23
Archie Cochrane,
3
8000
3000
Archie Cochrane,
00:26
is a prisoner of war and a doctor,
4
11000
3000
jest jeńcem wojennym i lekarzem
00:29
and he has a problem.
5
14000
3000
i ma problem.
00:32
The problem is that the men under his care
6
17000
3000
Problem polega na tym, że ludzie pod jego opieką
00:35
are suffering
7
20000
2000
cierpią na
00:37
from an excruciating and debilitating condition
8
22000
3000
dręczącą i wycieńczającą chorobę,
00:40
that Archie doesn't really understand.
9
25000
3000
której Archie nie rozumie.
00:43
The symptoms
10
28000
2000
Objawy
00:45
are this horrible swelling up of fluids under the skin.
11
30000
3000
to okropne wzbieranie płynów pod skórą.
00:48
But he doesn't know whether it's an infection, whether it's to do with malnutrition.
12
33000
3000
Ale on nie wie czy to infekcja, czy ma to związek z niedożywieniem.
00:51
He doesn't know how to cure it.
13
36000
2000
Nie wie jak to wyleczyć.
00:53
And he's operating in a hostile environment.
14
38000
3000
I działa we wrogim otoczeniu.
00:56
And people do terrible things in wars.
15
41000
2000
A ludzie robią straszne rzeczy podczas wojny.
00:58
The German camp guards, they've got bored.
16
43000
3000
Niemieccy strażnicy obozowi nudzili się.
01:01
They've taken to just firing into the prison camp at random
17
46000
2000
Zaczęli po prostu strzelać na oślep w kierunku obozu
01:03
for fun.
18
48000
2000
dla zabawy.
01:05
On one particular occasion,
19
50000
2000
Pewnego razu
01:07
one of the guards threw a grenade into the prisoners' lavatory
20
52000
3000
jeden ze strażników wrzucił granat do latryny dla więźniów,
01:10
while it was full of prisoners.
21
55000
3000
kiedy było ich tam pełno.
01:13
He said he heard suspicious laughter.
22
58000
2000
Powiedział, że słyszał podejrzany śmiech.
01:15
And Archie Cochrane, as the camp doctor,
23
60000
3000
I Archie Cochrane, jako obozowy lekarz,
01:18
was one of the first men in
24
63000
2000
był jednym z pierwszych,
01:20
to clear up the mess.
25
65000
2000
którzy mieli zrobić z tym porządek.
01:22
And one more thing:
26
67000
2000
I jeszcze jedno:
01:24
Archie was suffering from this illness himself.
27
69000
3000
Archie sam cierpiał z powodu tej choroby.
01:27
So the situation seemed pretty desperate.
28
72000
3000
Więc sytuacja wyglądała na dość beznadziejną.
01:30
But Archie Cochrane
29
75000
2000
Ale Archie Cochrane
01:32
was a resourceful person.
30
77000
3000
był zaradny.
01:35
He'd already smuggled vitamin C into the camp,
31
80000
3000
Już wcześniej przemycił witaminę C do obozu,
01:38
and now he managed
32
83000
2000
a teraz zdołał
01:40
to get hold of supplies of marmite
33
85000
2000
zdobyć zapasy marmite
01:42
on the black market.
34
87000
2000
na czarnym rynku.
01:44
Now some of you will be wondering what marmite is.
35
89000
3000
Teraz niektórzy z was będą się zastanawiać czym jest marmite.
01:47
Marmite is a breakfast spread beloved of the British.
36
92000
3000
Marmite to produkt do smarowania kanapek ukochany przez Brytyjczyków.
01:50
It looks like crude oil.
37
95000
2000
Wygląda jak ropa naftowa.
01:52
It tastes ...
38
97000
2000
Smakuje...
01:54
zesty.
39
99000
2000
pikantnie.
01:56
And importantly,
40
101000
2000
I co ważne,
01:58
it's a rich source
41
103000
2000
jest bogatym źródłem
02:00
of vitamin B12.
42
105000
2000
witaminy B12.
02:02
So Archie splits the men under his care as best he can
43
107000
3000
Więc Archie rozdziela ludzi pod swoją opieką najlepiej jak umie
02:05
into two equal groups.
44
110000
2000
na dwie równe grupy.
02:07
He gives half of them vitamin C.
45
112000
2000
Daje połowie z nich witaminę C.
02:09
He gives half of them vitamin B12.
46
114000
3000
Połowie z nich witaminę B12.
02:12
He very carefully and meticulously notes his results
47
117000
3000
Bardzo dokładnie i pieczołowicie odnotowuje swoje wyniki
02:15
in an exercise book.
48
120000
2000
w zeszycie.
02:17
And after just a few days,
49
122000
2000
I po zaledwie kilku dniach
02:19
it becomes clear
50
124000
2000
staje się jasne,
02:21
that whatever is causing this illness,
51
126000
3000
że cokolwiek nie spowodowało tego schorzenia,
02:24
marmite is the cure.
52
129000
3000
marmite jest lekarstwem.
02:27
So Cochrane then goes to the Germans who are running the prison camp.
53
132000
3000
Więc Cochrane idzie do Niemców, którzy prowadzą obóz jeniecki.
02:30
Now you've got to imagine at the moment --
54
135000
2000
Musicie to sobie wyobrazić -
02:32
forget this photo, imagine this guy
55
137000
2000
zapomnijcie o tej fotografii, wyobraźcie sobie tego gościa
02:34
with this long ginger beard and this shock of red hair.
56
139000
3000
z długą ryżą brodą i burzą rudych włosów.
02:37
He hasn't been able to shave -- a sort of Billy Connolly figure.
57
142000
3000
Nie mógł się ogolić - przypomina Billy'ego Connolly'ego.
02:40
Cochrane, he starts ranting at these Germans
58
145000
2000
Cochrane zaczyna tyradę przed Niemcami
02:42
in this Scottish accent --
59
147000
2000
ze swoim szkockim akcentem -
02:44
in fluent German, by the way, but in a Scottish accent --
60
149000
3000
płynnym niemieckim, tak przy okazji, ale ze szkockim akcentem -
02:47
and explains to them how German culture was the culture
61
152000
3000
i wyjaśnia im jak kultura niemiecka była tą,
02:50
that gave Schiller and Goethe to the world.
62
155000
2000
która dała światu Schillera i Goethego.
02:52
And he can't understand
63
157000
2000
I nie może zrozumieć
02:54
how this barbarism can be tolerated,
64
159000
2000
jak można tolerować takie barbarzyństwo.
02:56
and he vents his frustrations.
65
161000
3000
Daje upust swojej frustracji.
02:59
And then he goes back to his quarters,
66
164000
3000
A potem idzie do swojej kwatery,
03:02
breaks down and weeps
67
167000
3000
załamuje się i płacze
03:05
because he's convinced that the situation is hopeless.
68
170000
3000
ponieważ jest przekonany, że sytuacja jest beznadziejna.
03:10
But a young German doctor
69
175000
3000
Ale młody niemiecki lekarz
03:13
picks up Archie Cochrane's exercise book
70
178000
3000
podnosi zeszyt Archiego Cochrane'a
03:16
and says to his colleagues,
71
181000
4000
i mówi do swoich kolegów,
03:20
"This evidence is incontrovertible.
72
185000
5000
"Dowody są niezaprzeczalne.
03:25
If we don't supply vitamins to the prisoners,
73
190000
3000
Jeśli nie dostarczymy witamin więźniom,
03:28
it's a war crime."
74
193000
2000
będzie to zbrodnia wojenna."
03:30
And the next morning,
75
195000
2000
I następnego dnia
03:32
supplies of vitamin B12 are delivered to the camp,
76
197000
3000
zapasy witaminy B12 są dostarczane do obozu
03:35
and the prisoners begin to recover.
77
200000
3000
i więźniowie zaczynają zdrowieć.
03:39
Now I'm not telling you this story
78
204000
2000
Nie opowiadam wam tej historii
03:41
because I think Archie Cochrane is a dude,
79
206000
2000
dlatego, że myślę, że Archie Cochrane to jest gość,
03:43
although Archie Cochrane is a dude.
80
208000
4000
choć Archie Cochrane to jest gość.
03:47
I'm not even telling you the story
81
212000
2000
Nie opowiadam wam jej nawet
03:49
because I think we should be running
82
214000
2000
dlatego, że uważam, że powinniśmy prowadzić
03:51
more carefully controlled randomized trials
83
216000
2000
dokładniej kontrolowane randomizowane badania,
03:53
in all aspects of public policy,
84
218000
2000
we wszystkich aspektach porządku publicznego,
03:55
although I think that would also be completely awesome.
85
220000
4000
choć uważam, że to także byłoby naprawdę niesamowite.
03:59
I'm telling you this story
86
224000
2000
Opowiadam wam tą historię
04:01
because Archie Cochrane, all his life,
87
226000
3000
ponieważ Archie Cochrane, całe swoje życie,
04:04
fought against a terrible affliction,
88
229000
4000
zmagał się ze strasznym cierpieniem.
04:08
and he realized it was debilitating to individuals
89
233000
4000
I zdał sobie sprawę, że było ono wycieńczające dla jednostek
04:12
and it was corrosive to societies.
90
237000
2000
i zabójcze dla społeczeństw.
04:14
And he had a name for it.
91
239000
2000
I umiał to nazwać.
04:16
He called it the God complex.
92
241000
3000
Nazwał to kompleksem Boga.
04:19
Now I can describe the symptoms of the God complex very, very easily.
93
244000
4000
Mogę opisać objawy kompleksu Boga bardzo, bardzo łatwo.
04:23
So the symptoms of the complex
94
248000
3000
Objawy kompleksu są takie,
04:26
are, no matter how complicated the problem,
95
251000
3000
że bez względu na to jak skomplikowany jest problem,
04:29
you have an absolutely overwhelming belief
96
254000
3000
masz nieodparte wrażenie
04:32
that you are infallibly right in your solution.
97
257000
4000
że twoje rozwiązanie jest bezbłędne.
04:36
Now Archie was a doctor,
98
261000
2000
Archie był lekarzem.
04:38
so he hung around with doctors a lot.
99
263000
2000
Więc wiele przebywał z lekarzami.
04:40
And doctors suffer from the God complex a lot.
100
265000
3000
A wielu lekarzy cierpi na kompleks Boga.
04:43
Now I'm an economist, I'm not a doctor,
101
268000
2000
Jestem ekonomistą, nie lekarzem,
04:45
but I see the God complex around me all the time
102
270000
2000
ale widzę wokół siebie kompleks Boga cały czas
04:47
in my fellow economists.
103
272000
2000
u moich kolegów ekonomistów.
04:49
I see it in our business leaders.
104
274000
2000
Dostrzegam go u naszych liderów biznesu.
04:51
I see it in the politicians we vote for --
105
276000
2000
Widzę to u polityków, na których głosujemy -
04:53
people who, in the face of an incredibly complicated world,
106
278000
4000
ludzie, którzy, w obliczu niezwykle skomplikowanego świata
04:57
are nevertheless absolutely convinced
107
282000
3000
są mimo to absolutnie przekonani,
05:00
that they understand the way that the world works.
108
285000
3000
że rozumieją jak działa świat.
05:03
And you know, with the future billions that we've been hearing about,
109
288000
3000
Biorąc pod uwagę przyszłe miliardy, o których słyszeliśmy,
05:06
the world is simply far too complex
110
291000
2000
świat jest po prostu zbyt skomplikowany
05:08
to understand in that way.
111
293000
2000
by go w taki sposób pojmować.
05:10
Well let me give you an example.
112
295000
2000
Podam wam przykład.
05:12
Imagine for a moment
113
297000
2000
Wyobraźcie sobie na chwilę,
05:14
that, instead of Tim Harford in front of you,
114
299000
2000
że zamiast Tima Harforda stoi przed wami
05:16
there was Hans Rosling presenting his graphs.
115
301000
3000
Hans Rosling i prezentuje swoje wykresy.
05:19
You know Hans:
116
304000
2000
Znacie Hansa:
05:21
the Mick Jagger of TED.
117
306000
2000
Mick Jagger TED'a.
05:23
(Laughter)
118
308000
2000
(Śmiech)
05:25
And he'd be showing you these amazing statistics,
119
310000
2000
I pokazywałby wam te niezwykłe statystyki,
05:27
these amazing animations.
120
312000
2000
te niezwykłe animacje.
05:29
And they are brilliant; it's wonderful work.
121
314000
2000
I one są błyskotliwe, to wspaniała praca.
05:31
But a typical Hans Rosling graph:
122
316000
2000
Ale typowy wykres Hansa Roslinga,
05:33
think for a moment, not what it shows,
123
318000
3000
pomyślcie przez chwilę nie o tym, co pokazuje,
05:36
but think instead about what it leaves out.
124
321000
3000
ale zamiast tego pomyślcie o tym, co pomija.
05:39
So it'll show you GDP per capita,
125
324000
3000
Więc pokaże wam PKB per capita,
05:42
population, longevity,
126
327000
2000
populację, długość życia
05:44
that's about it.
127
329000
2000
i tyle.
05:46
So three pieces of data for each country --
128
331000
2000
Więc trzy rodzaje danych dla każdego kraju -
05:48
three pieces of data.
129
333000
2000
trzy rodzaje informacji.
05:50
Three pieces of data is nothing.
130
335000
2000
Trzy rodzaje danych to nic.
05:52
I mean, have a look at this graph.
131
337000
2000
Spójrzcie na ten wykres.
05:54
This is produced by the physicist Cesar Hidalgo.
132
339000
2000
Stworzył go fizyk Cesar Hidalgo.
05:56
He's at MIT.
133
341000
2000
Jest z MIT.
05:58
Now you won't be able to understand a word of it,
134
343000
2000
Nie będziecie w stanie nic z tego zrozumieć,
06:00
but this is what it looks like.
135
345000
2000
ale tak to wygląda.
06:02
Cesar has trolled the database
136
347000
2000
Cesar zanalizował bazę danych
06:04
of over 5,000 different products,
137
349000
3000
przeszło 5000 różnych produktów
06:07
and he's used techniques of network analysis
138
352000
5000
i użył technik analizy sieciowej
06:12
to interrogate this database
139
357000
2000
by uzyskać dane z tej bazy
06:14
and to graph relationships between the different products.
140
359000
2000
i przedstawić graficznie relacje między poszczególnymi produktami.
06:16
And it's wonderful, wonderful work.
141
361000
2000
I to wspaniała, wspaniała praca.
06:18
You show all these interconnections, all these interrelations.
142
363000
3000
Pokazuje wszystkie te wzajemne powiązania
06:21
And I think it'll be profoundly useful
143
366000
2000
i myślę, że to będzie bardzo przydatne
06:23
in understanding how it is that economies grow.
144
368000
3000
w zrozumieniu na czym polega wzrost ekonomiczny.
06:26
Brilliant work.
145
371000
2000
Wspaniała praca.
06:28
Cesar and I tried to write a piece for The New York Times Magazine
146
373000
2000
Cesar i ja próbowaliśmy napisać artykuł dla New York Times Magazine
06:30
explaining how this works.
147
375000
2000
wyjaśniający jak to działa.
06:32
And what we learned
148
377000
2000
I dowiedzieliśmy się,
06:34
is Cesar's work is far too good to explain
149
379000
2000
że praca Cesara jest o wiele za dobra, by tłumaczyć ją
06:36
in The New York Times Magazine.
150
381000
2000
w New York Times Magazine.
06:40
Five thousand products --
151
385000
3000
5000 produktów -
06:43
that's still nothing.
152
388000
2000
to wciąż nic.
06:45
Five thousand products --
153
390000
2000
5000 produktów -
06:47
imagine counting every product category
154
392000
2000
wyobraźcie sobie odliczanie każdej kategorii produktów
06:49
in Cesar Hidalgo's data.
155
394000
2000
z danych Cesara Hidalgo.
06:51
Imagine you had one second
156
396000
2000
Wyobraźcie sobie, że wysłuchanie jednej kategorii
06:53
per product category.
157
398000
2000
zajmuje sekundę.
06:55
In about the length of this session,
158
400000
3000
W czasie tego wykładu
06:58
you would have counted all 5,000.
159
403000
2000
udałoby się odliczyć wszystkie 5000.
07:00
Now imagine doing the same thing
160
405000
2000
Teraz wyobraźcie sobie robienie tej samej rzeczy
07:02
for every different type of product on sale in Walmart.
161
407000
3000
dla każdego rodzaju produktu w Walmarcie.
07:05
There are 100,000 there. It would take you all day.
162
410000
3000
Jest ich tam 100000. Zabrałoby wam to cały dzień.
07:08
Now imagine trying to count
163
413000
2000
Teraz wyobraźcie sobie, że staracie się policzyć
07:10
every different specific product and service
164
415000
3000
każdy odrębny produkt i usługę
07:13
on sale in a major economy
165
418000
2000
na sprzedaż w dużym mieście
07:15
such as Tokyo, London or New York.
166
420000
2000
jak Tokio, Londyn lub Nowy Jork.
07:17
It's even more difficult in Edinburgh
167
422000
2000
Jest to jeszcze trudniejsze w Edynburgu
07:19
because you have to count all the whisky and the tartan.
168
424000
3000
ponieważ trzeba policzyć całą whisky i tartan.
07:22
If you wanted to count every product and service
169
427000
2000
Gdybyście chcieli policzyć każdy produkt i usługę
07:24
on offer in New York --
170
429000
2000
oferowane w Nowym Jorku -
07:26
there are 10 billion of them --
171
431000
2000
jest ich 10 miliardów -
07:28
it would take you 317 years.
172
433000
3000
zajęłoby to 317 lat.
07:31
This is how complex the economy we've created is.
173
436000
3000
Oto jak złożona jest stworzona przez nas ekonomia.
07:34
And I'm just counting toasters here.
174
439000
2000
A ja tu liczę tylko tostery.
07:36
I'm not trying to solve the Middle East problem.
175
441000
2000
Nie staram się rozwiązać konfliktu na Bliskim Wschodzie.
07:39
The complexity here is unbelievable.
176
444000
3000
Ta złożoność jest niewiarygodna.
07:42
And just a piece of context --
177
447000
2000
I dodam tylko trochę kontekstu -
07:44
the societies in which our brains evolved
178
449000
2000
społeczności, w których ewoluował nasz mózg
07:46
had about 300 products and services.
179
451000
2000
miały około 300 produktów i usług.
07:48
You could count them in five minutes.
180
453000
3000
Moglibyście je wyliczyć w pięć minut.
07:51
So this is the complexity of the world that surrounds us.
181
456000
3000
Więc taka jest złożoność świata, który nas otacza.
07:54
This perhaps is why
182
459000
2000
To pewnie dlatego
07:56
we find the God complex so tempting.
183
461000
3000
kompleks Boga jest dla nas tak kuszący.
07:59
We tend to retreat and say, "We can draw a picture,
184
464000
3000
Mamy tendencję do wycofywania się i mówienia: "Możemy narysować obrazek,
08:02
we can post some graphs,
185
467000
2000
zamieścić jakieś wykresy,
08:04
we get it, we understand how this works."
186
469000
3000
mamy to, rozumiemy jak to działa."
08:07
And we don't.
187
472000
2000
I nie rozumiemy.
08:09
We never do.
188
474000
2000
Nigdy.
08:11
Now I'm not trying to deliver a nihilistic message here.
189
476000
2000
Nie staram się tu szerzyć nihilizmu.
08:13
I'm not trying to say we can't solve
190
478000
2000
Nie chcę powiedzieć, że nie możemy rozwiązać
08:15
complicated problems in a complicated world.
191
480000
2000
skomplikowanych problemów w złożonym świecie.
08:17
We clearly can.
192
482000
2000
Oczywiście możemy.
08:19
But the way we solve them
193
484000
2000
Ale sposób ich rozwiązywania
08:21
is with humility --
194
486000
2000
to pokora -
08:23
to abandon the God complex
195
488000
2000
odrzucenie kompleksu Boga
08:25
and to actually use a problem-solving technique that works.
196
490000
3000
i rzeczywiste używanie techniki rozwiązywania problemów, która jest skuteczna.
08:28
And we have a problem-solving technique that works.
197
493000
3000
A mamy technikę rozwiązywania problemów, która jest skuteczna.
08:31
Now you show me
198
496000
2000
Pokażcie mi teraz
08:33
a successful complex system,
199
498000
2000
udany system złożony,
08:35
and I will show you a system
200
500000
3000
a ja wam pokażę system,
08:38
that has evolved through trial and error.
201
503000
2000
który ewoluował metodą prób i błędów.
08:40
Here's an example.
202
505000
2000
Oto przykład.
08:42
This baby was produced through trial and error.
203
507000
3000
To dziecko zostało stworzone metodą prób i błędów.
08:46
I realize that's an ambiguous statement.
204
511000
3000
Zdaję sobie sprawę, że jest to dość niejasne stwierdzenie.
08:49
Maybe I should clarify it.
205
514000
2000
Może powinienem to wyjaśnić.
08:51
This baby is a human body: it evolved.
206
516000
3000
To dziecko to ludzkie ciało; ono ewoluowało.
08:54
What is evolution?
207
519000
2000
Czym jest ewolucja?
08:56
Over millions of years, variation and selection,
208
521000
3000
Przez miliony lat, zmienność i selekcja,
08:59
variation and selection --
209
524000
3000
zmienność i selekcja -
09:02
trial and error,
210
527000
2000
próby i błędy,
09:04
trial and error.
211
529000
3000
próby i błędy.
09:07
And it's not just biological systems
212
532000
2000
Ale nie tylko systemy biologiczne
09:09
that produce miracles through trial and error.
213
534000
2000
tworzą cuda metodą prób i błędów.
09:11
You could use it in an industrial context.
214
536000
2000
Można by tego użyć w kontekście przemysłowym.
09:13
So let's say you wanted to make detergent.
215
538000
2000
Więc powiedzmy, że chcieliście wyprodukować detergent.
09:15
Let's say you're Unilever
216
540000
2000
Powiedzmy, że jesteście Unileverem
09:17
and you want to make detergent in a factory near Liverpool.
217
542000
3000
i chcecie wyprodukować detergent w fabryce niedaleko Liverpoolu.
09:20
How do you do it?
218
545000
2000
Jak to robicie?
09:22
Well you have this great big tank full of liquid detergent.
219
547000
3000
Macie ogromny zbiornik z płynnym detergentem.
09:25
You pump it at a high pressure through a nozzle.
220
550000
2000
Pompujecie go pod dużym ciśnieniem przez dyszę.
09:27
You create a spray of detergent.
221
552000
3000
I tworzycie mgiełkę z detergentu.
09:30
Then the spray dries. It turns into powder.
222
555000
2000
Potem mgiełka wysycha. Zmienia się w proszek.
09:32
It falls to the floor.
223
557000
2000
Spada na ziemię.
09:34
You scoop it up. You put it in cardboard boxes.
224
559000
2000
Zagarniacie go i pakujecie do kartonowych pudełek.
09:36
You sell it at a supermarket.
225
561000
2000
Sprzedajecie go w supermarketach.
09:38
You make lots of money.
226
563000
2000
Zarabiacie krocie.
09:40
How do you design that nozzle?
227
565000
3000
Jak projektujecie tą dyszę?
09:43
It turns out to be very important.
228
568000
3000
Okazuje się to bardzo ważne.
09:46
Now if you ascribe to the God complex,
229
571000
2000
Teraz jeśli przypisać to do kompleksu Boga,
09:48
what you do is you find yourself a little God.
230
573000
3000
znajdujecie sobie małego Boga.
09:51
You find yourself a mathematician; you find yourself a physicist --
231
576000
3000
Znajdujecie matematyka, fizyka -
09:54
somebody who understands the dynamics of this fluid.
232
579000
3000
kogoś, kto rozumie dynamikę tego płynu.
09:57
And he will, or she will,
233
582000
3000
I on, lub ona,
10:00
calculate the optimal design of the nozzle.
234
585000
3000
zaprojektuje optymalny kształt dyszy.
10:03
Now Unilever did this and it didn't work --
235
588000
2000
Unilever tak postąpił i nie podziałało -
10:05
too complicated.
236
590000
2000
było zbyt skomplikowane.
10:07
Even this problem, too complicated.
237
592000
3000
Nawet taki problem - zbyt skomplikowany.
10:10
But the geneticist Professor Steve Jones
238
595000
3000
Ale profesor genetyki, Steve Jones
10:13
describes how Unilever actually did solve this problem --
239
598000
3000
opisuje jak Unilever w rzeczywistości rozwiązał ten problem -
10:16
trial and error,
240
601000
2000
próby i błędy,
10:18
variation and selection.
241
603000
2000
wariacja i selekcja.
10:20
You take a nozzle
242
605000
2000
Bierzecie dyszę
10:22
and you create 10 random variations on the nozzle.
243
607000
4000
i tworzycie 10 losowych wariacji tej dyszy.
10:26
You try out all 10; you keep the one that works best.
244
611000
3000
Wypróbowujecie wszystkie 10, zatrzymujecie tą, która działa najlepiej.
10:29
You create 10 variations on that one.
245
614000
2000
Tworzycie 10 wariacji tej dyszy.
10:31
You try out all 10. You keep the one that works best.
246
616000
3000
Wypróbowujecie wszystkie 10. Zatrzymujecie tą, która działa najlepiej.
10:34
You try out 10 variations on that one.
247
619000
2000
Wypróbowujecie 10 jej wariacji.
10:36
You see how this works, right?
248
621000
2000
Widzicie jak to działa, tak?
10:38
And after 45 generations,
249
623000
2000
I po 45 etapach
10:40
you have this incredible nozzle.
250
625000
2000
macie tą niezwykłą dyszę.
10:42
It looks a bit like a chess piece --
251
627000
2000
Wygląda trochę jak figura w szachach
10:44
functions absolutely brilliantly.
252
629000
3000
i działa absolutnie świetnie.
10:47
We have no idea
253
632000
2000
Nie wiemy
10:49
why it works,
254
634000
2000
dlaczego działa.
10:51
no idea at all.
255
636000
2000
Nie wiemy w ogóle.
10:53
And the moment you step back from the God complex --
256
638000
2000
I w chwili, kiedy cofamy się od kompleksu Boga,
10:55
let's just try to have a bunch of stuff;
257
640000
2000
próbując zebrać po trochu różnych obiektów,
10:57
let's have a systematic way of determining what's working and what's not --
258
642000
3000
mając sposób systematycznego określania, co działa, a co nie -
11:00
you can solve your problem.
259
645000
2000
możemy rozwiązać problem.
11:02
Now this process of trial and error
260
647000
2000
Ten proces prób i błędów
11:04
is actually far more common in successful institutions
261
649000
3000
jest w rzeczywistości bardziej powszechny w instytucjach odnoszących sukcesy
11:07
than we care to recognize.
262
652000
2000
niż chcielibyśmy to przyznać.
11:09
And we've heard a lot about how economies function.
263
654000
3000
I słyszeliśmy wiele o tym, jak działają ekonomie.
11:12
The U.S. economy is still the world's greatest economy.
264
657000
4000
Ekonomia Stanów Zjednoczonych wciąż jest największą na świecie.
11:16
How did it become the world's greatest economy?
265
661000
3000
Jak do tego doszło?
11:19
I could give you all kinds of facts and figures
266
664000
2000
Mógłbym wam podać wiele faktów i liczb
11:21
about the U.S. economy,
267
666000
2000
o ekonomii Stanów Zjednoczonych,
11:23
but I think the most salient one is this:
268
668000
3000
ale najbardziej uderzającym jest to:
11:26
ten percent of American businesses
269
671000
3000
10% biznesów amerykańskich
11:29
disappear every year.
270
674000
3000
znika co roku.
11:32
That is a huge failure rate.
271
677000
3000
To duży odsetek niepowodzeń.
11:35
It's far higher than the failure rate of, say, Americans.
272
680000
2000
Jest znacznie większy niż odsetek niepowodzeń, powiedzmy, Amerykanów.
11:37
Ten percent of Americans don't disappear every year.
273
682000
3000
10% Amerykanów nie znika co roku.
11:40
Which leads us to conclude
274
685000
2000
Co prowadzi nas do wniosku,
11:42
American businesses fail faster than Americans,
275
687000
3000
że amerykańskie biznesy ponoszą porażki szybciej niż Amerykanie
11:45
and therefore American businesses are evolving faster than Americans.
276
690000
3000
i dlatego amerykańskie biznesy ewoluują szybciej niż Amerykanie.
11:48
And eventually, they'll have evolved to such a high peak of perfection
277
693000
3000
I w końcu ewoluują do takiej perfekcji,
11:51
that they will make us all their pets --
278
696000
3000
że wszystkich nas ujarzmią -
11:54
(Laughter)
279
699000
2000
(Śmiech)
11:56
if, of course, they haven't already done so.
280
701000
3000
o ile, oczywiście, już tego nie zrobiły.
11:59
I sometimes wonder.
281
704000
3000
Czasem się nad tym zastanawiam.
12:02
But it's this process of trial and error
282
707000
2000
Ale to ten proces prób i błędów
12:04
that explains this great divergence,
283
709000
4000
wyjaśnia tak wielką różnorodność,
12:08
this incredible performance of Western economies.
284
713000
3000
te niewiarygodne postępy zachodnich ekonomii.
12:11
It didn't come because you put some incredibly smart person in charge.
285
716000
3000
Nie stało się tak dlatego, że jakaś bardzo mądra osoba tym kierowała.
12:14
It's come through trial and error.
286
719000
2000
Doszło do tego przez próby i błędy.
12:16
Now I've been sort of banging on about this
287
721000
2000
Gadam o tym
12:18
for the last couple of months,
288
723000
2000
przez ostatnie kilka miesięcy
12:20
and people sometimes say to me,
289
725000
2000
i ludzie czasem mi mówią:
12:22
"Well Tim, it's kind of obvious.
290
727000
2000
"Wiesz, Tim, to dość oczywiste.
12:24
Obviously trial and error is very important.
291
729000
2000
Oczywiście próby i błędy są bardzo ważne.
12:26
Obviously experimentation is very important.
292
731000
2000
Oczywiście eksperymentowanie jest bardzo ważne.
12:28
Now why are you just wandering around saying this obvious thing?"
293
733000
3000
Dlaczego chodzisz i powtarzasz tę oczywistość?"
12:31
So I say, okay, fine.
294
736000
2000
Więc mówię: W porządku.
12:33
You think it's obvious?
295
738000
2000
Uważacie, że to oczywiste?
12:35
I will admit it's obvious
296
740000
2000
Przyznam, że to oczywiste,
12:37
when schools
297
742000
2000
kiedy szkoły
12:39
start teaching children
298
744000
3000
zaczną uczyć dzieci,
12:42
that there are some problems that don't have a correct answer.
299
747000
3000
że są takie problemy, na które nie ma właściwej odpowiedzi.
12:45
Stop giving them lists of questions
300
750000
3000
Pzestaną dawać im listy pytań,
12:48
every single one of which has an answer.
301
753000
2000
z których każde ma odpowiedź.
12:50
And there's an authority figure in the corner
302
755000
2000
A w kącie, za biurkiem nauczyciela siedzi
12:52
behind the teacher's desk who knows all the answers.
303
757000
2000
autorytet, który zna wszystkie odpowiedzi.
12:54
And if you can't find the answers,
304
759000
2000
I jeśli nie możesz znaleźć odpowiedzi,
12:56
you must be lazy or stupid.
305
761000
2000
musisz być leniwy albo głupi.
12:58
When schools stop doing that all the time,
306
763000
2000
Kiedy szkoły przestaną wciąż tak postępować,
13:00
I will admit that, yes,
307
765000
2000
wtedy przyznam, że tak,
13:02
it's obvious that trial and error is a good thing.
308
767000
2000
to oczywiste, że próby i błędy są dobrą rzeczą.
13:04
When a politician stands up
309
769000
3000
Kiedy polityk wstanie
13:07
campaigning for elected office
310
772000
2000
podczas kampanii wyborczej
13:09
and says, "I want to fix our health system.
311
774000
2000
i powie: "Chcę naprawić nasz system ochrony zdrowia.
13:11
I want to fix our education system.
312
776000
2000
Chcę naprawić nas system edukacji.
13:13
I have no idea how to do it.
313
778000
3000
Nie mam pojęcia jak to zrobić.
13:16
I have half a dozen ideas.
314
781000
2000
Mam pół tuzina idei.
13:18
We're going to test them out. They'll probably all fail.
315
783000
3000
Wypróbujemy je. Prawdopodobnie wszystkie zawiodą.
13:21
Then we'll test some other ideas out.
316
786000
2000
Potem wypróbujemy inne pomysły.
13:23
We'll find some that work. We'll build on those.
317
788000
2000
Znajdziemy takie, które są skuteczne. Będziemy na nich bazować.
13:25
We'll get rid of the ones that don't." --
318
790000
2000
Pozbędziemy się tych nieskutecznych."
13:27
when a politician campaigns on that platform,
319
792000
3000
Kiedy polityk będzie tak prowadził swoją kampanię,
13:30
and more importantly, when voters like you and me
320
795000
3000
a co ważniejsze, kiedy głosujący jak ty i ja
13:33
are willing to vote for that kind of politician,
321
798000
2000
będą chcieli głosować na takiego polityka,
13:35
then I will admit
322
800000
2000
wówczas przyznam,
13:37
that it is obvious that trial and error works, and that -- thank you.
323
802000
3000
że to oczywiste, że próby i błędy działają i że to... Dziękuję.
13:40
(Applause)
324
805000
4000
(Oklaski)
13:44
Until then, until then
325
809000
3000
Do tego czasu
13:47
I'm going to keep banging on about trial and error
326
812000
2000
będę gadał o próbach i błędach
13:49
and why we should abandon the God complex.
327
814000
3000
i tym dlaczego powinniśmy porzucić kompleks Boga.
13:52
Because it's so hard
328
817000
3000
Ponieważ tak trudno
13:55
to admit our own fallibility.
329
820000
2000
jest się nam przyznać do własnej omylności.
13:57
It's so uncomfortable.
330
822000
2000
To takie niewygodne.
13:59
And Archie Cochrane understood this as well as anybody.
331
824000
3000
I Archie Cochrane bardzo dobrze to rozumiał.
14:02
There's this one trial he ran
332
827000
2000
Jest takie jedno badanie, które przeprowadził
14:04
many years after World War II.
333
829000
2000
wiele lat po drugiej wojnie światowej.
14:06
He wanted to test out
334
831000
3000
Chciał sprawdzić
14:09
the question of, where is it
335
834000
2000
kwestię tego, gdzie
14:11
that patients should recover
336
836000
2000
pacjent powinien zdrowieć
14:13
from heart attacks?
337
838000
2000
po ataku serca?
14:15
Should they recover in a specialized cardiac unit in hospital,
338
840000
3000
Czy powinien dochodzić do zdrowia na specjalistycznym szpitalnym oddziale kardiologicznym,
14:18
or should they recover at home?
339
843000
3000
czy w domu?
14:21
All the cardiac doctors tried to shut him down.
340
846000
3000
Wszyscy kardiolodzy chcieli go uciszyć.
14:24
They had the God complex in spades.
341
849000
3000
Mieli bardzo rozwinięty kompleks Boga.
14:27
They knew that their hospitals were the right place for patients,
342
852000
3000
Wiedzieli, że ich szpitale są właściwym miejscem dla pacjentów.
14:30
and they knew it was very unethical
343
855000
2000
I wiedzieli, że to bardzo nieetyczne
14:32
to run any kind of trial or experiment.
344
857000
3000
przeprowadzać jakiekolwiek badanie czy eksperyment.
14:35
Nevertheless, Archie managed to get permission to do this.
345
860000
2000
Jednak Archiemu udało się zdobyć pozwolenie na zrobienie tego.
14:37
He ran his trial.
346
862000
2000
Przeprowadził to badanie.
14:39
And after the trial had been running for a little while,
347
864000
2000
A po projekcie, który realizował przez jakiś czas,
14:41
he gathered together all his colleagues
348
866000
2000
zebrał wszystkich swoich kolegów razem
14:43
around his table,
349
868000
2000
wokół swojego stołu
14:45
and he said, "Well, gentlemen,
350
870000
2000
i powiedział: "Panowie,
14:47
we have some preliminary results.
351
872000
2000
mamy pewne wyniki wstępne.
14:49
They're not statistically significant.
352
874000
2000
Nie są one statystycznie znaczące.
14:51
But we have something.
353
876000
3000
Ale to już coś.
14:54
And it turns out that you're right and I'm wrong.
354
879000
3000
I okazuje się, że wy macie rację, a ja się mylę.
14:57
It is dangerous for patients
355
882000
2000
Dochodzenie do zdrowia po zawale serca w domu
14:59
to recover from heart attacks at home.
356
884000
2000
jest niebezpieczne dla pacjentów.
15:01
They should be in hospital."
357
886000
3000
Powinni być w szpitalu."
15:04
And there's this uproar, and all the doctors start pounding the table
358
889000
2000
I powstaje wrzawa, a wszyscy lekarze uderzają w stół
15:06
and saying, "We always said you were unethical, Archie.
359
891000
3000
i mówią: "Zawsze ci mówiliśmy, że jesteś nieetyczny, Archie.
15:09
You're killing people with your clinical trials. You need to shut it down now.
360
894000
3000
Zabijasz ludzi swoimi badaniami klinicznymi. Powinieneś teraz przestać.
15:12
Shut it down at once."
361
897000
2000
Przestań natychmiast."
15:14
And there's this huge hubbub.
362
899000
2000
I powstaje ogromny zgiełk.
15:16
Archie lets it die down.
363
901000
2000
Archie pozwala mu ucichnąć.
15:18
And then he says, "Well that's very interesting, gentlemen,
364
903000
2000
I wówczas mówi: "To bardzo interesujące, panowie,
15:20
because when I gave you the table of results,
365
905000
3000
ponieważ kiedy pokazałem wam tabelę z wynikami,
15:23
I swapped the two columns around.
366
908000
4000
zamieniłem miejscami te dwie kolumny.
15:27
It turns out your hospitals are killing people,
367
912000
2000
Okazuje się, że wasze szpitale zabijają ludzi,
15:29
and they should be at home.
368
914000
2000
którzy powinni być w domu.
15:31
Would you like to close down the trial now,
369
916000
3000
Chcielibyście teraz zamknąć badanie,
15:34
or should we wait until we have robust results?"
370
919000
3000
czy poczekać aż będziemy mieli solidne wyniki?"
15:38
Tumbleweed
371
923000
2000
W pomieszczeniu
15:40
rolls through the meeting room.
372
925000
3000
aż się kotłuje.
15:43
But Cochrane would do that kind of thing.
373
928000
3000
Cochrane naprawdę zrobił coś takiego.
15:46
And the reason he would do that kind of thing
374
931000
2000
I przyczyną, dla której to zrobił
15:48
is because he understood
375
933000
2000
jest to, że rozumiał,
15:50
it feels so much better
376
935000
2000
iż znacznie lepiej
15:52
to stand there and say,
377
937000
2000
jest tam stanąć i powiedzieć
15:54
"Here in my own little world,
378
939000
2000
"To mój mały świat,
15:56
I am a god, I understand everything.
379
941000
2000
jestem bogiem, wszystko rozumiem.
15:58
I do not want to have my opinions challenged.
380
943000
2000
Nie chcę żeby ktoś podważał moje wnioski.
16:00
I do not want to have my conclusions tested."
381
945000
3000
Nie chcę by ktoś sprawdzał moje wnioski."
16:03
It feels so much more comfortable
382
948000
2000
Jest znacznie wygodniej
16:05
simply to lay down the law.
383
950000
3000
po prostu ustanawiać prawo.
16:08
Cochrane understood
384
953000
2000
Cochrane rozumiał,
16:10
that uncertainty, that fallibility,
385
955000
2000
że niepewność, omylność,
16:12
that being challenged, they hurt.
386
957000
2000
podważanie opinii bolą.
16:14
And you sometimes need to be shocked out of that.
387
959000
4000
A czasem trzeba się uwolnić od takiego myślenia.
16:18
Now I'm not going to pretend that this is easy.
388
963000
3000
Nie będę udawał, że to proste.
16:21
It isn't easy.
389
966000
2000
To nie jest proste.
16:23
It's incredibly painful.
390
968000
2000
To niezwykle bolesne.
16:25
And since I started talking about this subject
391
970000
2000
I od czasu, kiedy zacząłem mówić na ten temat
16:27
and researching this subject,
392
972000
2000
i robić o nim badania,
16:29
I've been really haunted by something
393
974000
2000
prześladowało mnie coś, co
16:31
a Japanese mathematician said on the subject.
394
976000
2000
powiedział o tym japoński matematyk.
16:33
So shortly after the war,
395
978000
2000
Więc krótko po wojnie
16:35
this young man, Yutaka Taniyama,
396
980000
3000
ten młody człowiek, Yutaka Taniyama,
16:38
developed this amazing conjecture
397
983000
2000
opracował to niezwykłe przypuszczenie
16:40
called the Taniyama-Shimura Conjecture.
398
985000
2000
zwane Przypuszczeniem Taniyama-Shimura.
16:42
It turned out to be absolutely instrumental
399
987000
3000
Okazało się ono niezwykle pomocne
16:45
many decades later
400
990000
2000
wiele dziesiątek lat później
16:47
in proving Fermat's Last Theorem.
401
992000
2000
w dowodzeniu Ostatniego Twierdzenia Fermata.
16:49
In fact, it turns out it's equivalent
402
994000
2000
W rzeczywistości okazuje się ono tak znaczące,
16:51
to proving Fermat's Last Theorem.
403
996000
2000
jak samo dowiedzenie Ostatniego Twierdzenia Fermata.
16:53
You prove one, you prove the other.
404
998000
4000
Jeśli dowiedziesz jednego z nich, dowiedziesz i drugiego.
16:57
But it was always a conjecture.
405
1002000
3000
Ale zawsze było to przypuszczenie.
17:00
Taniyama tried and tried and tried
406
1005000
3000
Taniyama próbował i próbował, i próbował
17:03
and he could never prove that it was true.
407
1008000
3000
i nigdy nie mógł dowieść jego prawdy.
17:06
And shortly before his 30th birthday in 1958,
408
1011000
3000
I krótko przed swoimi 30-stymi urodzinami w 1958 roku,
17:09
Yutaka Taniyama killed himself.
409
1014000
4000
Yutaka Taniyama się zabił.
17:13
His friend, Goro Shimura --
410
1018000
2000
Jego przyjaciel, Goro Shimura -
17:15
who worked on the mathematics with him --
411
1020000
2000
który pracował z nim nad równaniami -
17:17
many decades later, reflected on Taniyama's life.
412
1022000
3000
wiele dziesiątek lat później wspominał życie Taniyamy.
17:22
He said,
413
1027000
3000
Powiedział,
17:25
"He was not a very careful person
414
1030000
2000
"On nie był zbyt ostrożną osobą
17:27
as a mathematician.
415
1032000
2000
jako matematyk.
17:29
He made a lot of mistakes.
416
1034000
3000
Popełniał wiele błędów.
17:32
But he made mistakes in a good direction.
417
1037000
4000
Ale robił je w dobrym kierunku.
17:36
I tried to emulate him,
418
1041000
3000
Chciałem go naśladować,
17:39
but I realized
419
1044000
2000
ale zdałem sobie sprawę,
17:41
it is very difficult
420
1046000
2000
że jest bardzo trudno
17:43
to make good mistakes."
421
1048000
3000
popełniać dobre błędy."
17:46
Thank you.
422
1051000
2000
Dziękuję.
17:48
(Applause)
423
1053000
12000
(Oklaski)
ABOUT THE SPEAKER
Tim Harford - Economist, journalist, broadcasterTim Harford's writings reveal the economic ideas behind everyday experiences.
Why you should listen
In the Undercover Economist column he writes for the Financial Times, Tim Harford looks at familiar situations in unfamiliar ways and explains the fundamental principles of the modern economy. He illuminates them with clear writing and a variety of examples borrowed from daily life.
His book, Adapt: Why Success Always Starts With Failure, argues that the world has become far too unpredictable and complex for today's challenges to be tackled with ready-made solutions and expert opinions. Instead, Harford suggests, we need to learn to embrace failure and to constantly adapt, to improvise rather than plan, to work from the bottom up rather than the top down. His next book, Messy: Thriving in a Tidy-Minded World will be published in September 2016.
Harford also presents the BBC radio series More or Less, a rare broadcast program devoted, as he says, to "the powerful, sometimes beautiful, often abused but ever ubiquitous world of numbers."
He says: "I’d like to see many more complex problems approached with a willingness to experiment."
Tim Harford | Speaker | TED.com