TED2011
Dan Ariely: Beware conflicts of interest
Dan Ariely: Strzeżcie się konfliktów interesów
Filmed:
Readability: 3.3
1,284,831 views
W tym krótkim wykładzie, psycholog Dan Ariely opowiada dwie osobiste historie, które uwidaczniają naukowe konflikty interesów: Jak głód wiedzy i wgląd mogą być upośledzone, świadomie lub nie, przez krótkowzroczne cele osobiste. Kiedy myślimy o wielkich kwestiach, przypomina nam Ariely, bądźmy świadomi naszych ludzkich mózgów.
Dan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
Double-click the English transcript below to play the video.
00:16
So, I was in the hospital for a long time.
0
1000
3000
Przebywałem w szpitalu przez długi czas.
00:19
And a few years after I left, I went back,
1
4000
3000
Kilka lat po jego opuszczeniu wróciłem tam.
00:22
and the chairman of the burn department was very excited to see me --
2
7000
3000
Ordynator oddziału oparzeń był podekscytowany widząc mnie.
00:25
said, "Dan, I have a fantastic new treatment for you."
3
10000
3000
Powiedział: "Dan, mam dla ciebie fantastyczną terapię."
00:28
I was very excited. I walked with him to his office.
4
13000
2000
Ucieszyłem się i wszedłem z nim do gabinetu.
00:30
And he explained to me that, when I shave,
5
15000
3000
Wyjaśnił mi, że kiedy się golę
00:33
I have little black dots on the left side of my face where the hair is,
6
18000
3000
mam czarne punkty po lewej stronie twarzy tam, gdzie są włosy,
00:36
but on the right side of my face
7
21000
2000
ale po prawej stronie miałem oparzenie,
00:38
I was badly burned so I have no hair,
8
23000
2000
więc nie mam tam włosów
00:40
and this creates lack of symmetry.
9
25000
2000
i to tworzy brak symetrii.
00:42
And what's the brilliant idea he had?
10
27000
2000
Jaki więc miał pomysł?
00:44
He was going to tattoo little black dots
11
29000
2000
Chciał wytatuować małe czarne kropki
00:46
on the right side of my face
12
31000
3000
po prawej stronie mojej twarzy
00:49
and make me look very symmetric.
13
34000
2000
żebym wyglądał symetrycznie.
00:51
It sounded interesting. He asked me to go and shave.
14
36000
3000
Poprosił mnie żebym się ogolił.
00:54
Let me tell you, this was a strange way to shave,
15
39000
2000
Był to dziwny sposób golenia,
00:56
because I thought about it
16
41000
2000
bo myśląc o tym zrozumiałem,
00:58
and I realized that the way I was shaving then
17
43000
2000
że sposób, w jaki goliłem się wtedy
01:00
would be the way I would shave for the rest of my life --
18
45000
2000
będzie tym, na który będę się golił już zawsze
01:02
because I had to keep the width the same.
19
47000
2000
żeby utrzymać stałą szerokość.
01:04
When I got back to his office,
20
49000
2000
Kiedy wróciłem do jego gabinetu
01:06
I wasn't really sure.
21
51000
2000
nie byłem całkiem przekonany.
01:08
I said, "Can I see some evidence for this?"
22
53000
2000
Zapytałem czy ma jakieś dowody?
01:10
So he showed me some pictures
23
55000
2000
Więc pokazał mi jakieś zdjęcia
01:12
of little cheeks with little black dots --
24
57000
2000
policzków z małymi czarnymi kropkami...
01:14
not very informative.
25
59000
2000
Niezbyt pouczające.
01:16
I said, "What happens when I grow older and my hair becomes white?
26
61000
2000
Zapytałem co się stanie gdy posiwieję
01:18
What would happen then?"
27
63000
2000
a moje włosy staną się białe.
01:20
"Oh, don't worry about it," he said.
28
65000
2000
Odpowiedział, że to nie problem:
01:22
"We have lasers; we can whiten it out."
29
67000
3000
"Mamy lasery; możemy to wybielić."
01:25
But I was still concerned,
30
70000
2000
Ale wciąż się martwiłem,
01:27
so I said, "You know what, I'm not going to do it."
31
72000
3000
więc się nie zgodziłem.
01:30
And then came one of the biggest guilt trips of my life.
32
75000
4000
Wtedy wpadłem w najgorsze poczucie winy w życiu.
01:34
This is coming from a Jewish guy, all right, so that means a lot.
33
79000
3000
A jako że jestem Żydem, to znaczy całkiem sporo.
01:37
(Laughter)
34
82000
2000
(Śmiech)
01:39
And he said, "Dan, what's wrong with you?
35
84000
3000
Zapytał: "Dan, co z tobą nie tak?
01:42
Do you enjoy looking non-symmetric?
36
87000
2000
Lubisz wyglądać niesymetrycznie?
01:44
Do you have some kind of perverted pleasure from this?
37
89000
5000
Czerpiesz z tego perwersyjną przyjemność?
01:49
Do women feel pity for you
38
94000
2000
Czy kobiety cię żałują
01:51
and have sex with you more frequently?"
39
96000
3000
i częściej uprawiają z tobą seks?"
01:54
None of those happened.
40
99000
3000
Nic takiego się nie działo.
01:58
And this was very surprising to me,
41
103000
2000
Było dla mnie bardzo zaskakujące,
02:00
because I've gone through many treatments --
42
105000
2000
ponieważ przeszedłem wiele terapii,
02:02
there were many treatments I decided not to do --
43
107000
2000
na inne się nie zdecydowałem
02:04
and I never got this guilt trip to this extent.
44
109000
2000
ale nigdy nie miałem takiego poczucia winy.
02:06
But I decided not to have this treatment.
45
111000
2000
Ale zdecydowałem nie poddawać się temu leczeniu.
02:08
And I went to his deputy and asked him, "What was going on?
46
113000
2000
Zapytałem jego zastępcę "O co tu chodzi?
02:10
Where was this guilt trip coming from?"
47
115000
2000
Skąd się bierze to poczucie winy?"
02:12
And he explained that they have done this procedure on two patients already,
48
117000
4000
Wyjaśnił, że przeprowadzili tę procedurę już na dwóch pacjentach
02:16
and they need the third patient for a paper they were writing.
49
121000
3000
i potrzebują trzeciego pacjenta do artykułu, który piszą.
02:19
(Laughter)
50
124000
2000
(Śmiech)
02:21
Now you probably think that this guy's a schmuck.
51
126000
2000
Myślicie pewne, że ten gość jest głupi.
02:23
Right, that's what he seems like.
52
128000
2000
To prawda, na to wygląda.
02:25
But let me give you a different perspective on the same story.
53
130000
3000
Ale przedstawię wam inne spojrzenie na tę samą historię.
02:28
A few years ago, I was running some of my own experiments in the lab.
54
133000
3000
Kilka lat temu, przeprowadzałem własne
02:31
And when we run experiments,
55
136000
2000
eksperymenty w laboratorium.
02:33
we usually hope that one group will behave differently than another.
56
138000
3000
Miałem nadzieję, że jedna grupa zachowa się inaczej niż inna.
02:36
So we had one group that I hoped their performance would be very high,
57
141000
3000
Była jedna grupa, która miała sobie dobrze radzić
02:39
another group that I thought their performance would be very low,
58
144000
3000
i druga grupa, która miała sobie radzić bardzo źle.
02:42
and when I got the results, that's what we got --
59
147000
2000
Kiedy otrzymałem wyniki, oto co dostałem...
02:44
I was very happy -- aside from one person.
60
149000
3000
Byłem bardzo szczęśliwy ale jedna osoba nie pasowała.
02:47
There was one person in the group
61
152000
2000
Była jedna osoba w grupie,
02:49
that was supposed to have very high performance
62
154000
2000
która miała sobie radzić świetnie,
02:51
that was actually performing terribly.
63
156000
2000
a w rzeczywistości radziła sobie fatalnie.
02:53
And he pulled the whole mean down,
64
158000
2000
Ten facet zaniżał mi średnią,
02:55
destroying my statistical significance of the test.
65
160000
3000
niszcząc istotność statystyczną testu.
02:59
So I looked carefully at this guy.
66
164000
2000
Więc dokładnie przyjrzałem się temu gościowi.
03:01
He was 20-some years older than anybody else in the sample.
67
166000
3000
Był o dwadzieścia kilka lat starszy niż reszta.
03:04
And I remembered that the old and drunken guy
68
169000
2000
Przypomniałem sobie, że starszy i pijany gość
03:06
came one day to the lab
69
171000
2000
przyszedł pewnego dnia do laboratorium
03:08
wanting to make some easy cash
70
173000
2000
chcąc zarobić łatwą kasę
03:10
and this was the guy.
71
175000
2000
i to był ten gość.
03:12
"Fantastic!" I thought. "Let's throw him out.
72
177000
2000
"Fantastycznie!" pomyślałem. "Wyrzućmy go.
03:14
Who would ever include a drunken guy in a sample?"
73
179000
3000
Kto by w ogóle włączał pijanego gościa do próby?"
03:17
But a couple of days later,
74
182000
2000
Ale kilka dni później,
03:19
we thought about it with my students,
75
184000
2000
myśleliśmy o tym z moimi studentami
03:21
and we said, "What would have happened if this drunken guy was not in that condition?
76
186000
3000
i pomyśleliśmy: "Co by się stało, gdyby ten pijany gość
03:24
What would have happened if he was in the other group?
77
189000
2000
był w innej grupie?
03:26
Would we have thrown him out then?"
78
191000
2000
Kto by go wówczas wyrzucił?"
03:28
We probably wouldn't have looked at the data at all,
79
193000
2000
Pewnie wcale nie spojrzelibyśmy na te dane,
03:30
and if we did look at the data,
80
195000
2000
a gdybyśmy na nie spojrzeli,
03:32
we'd probably have said, "Fantastic! What a smart guy who is performing this low,"
81
197000
3000
cieszylibyśmy, że radzi sobie tak fatalnie
03:35
because he would have pulled the mean of the group lower,
82
200000
2000
ponieważ on ściągałby średnią grupy w dół,
03:37
giving us even stronger statistical results than we could.
83
202000
3000
dając nam jeszcze sileniejsze wyniki statystyczne.
03:41
So we decided not to throw the guy out and to rerun the experiment.
84
206000
3000
Nie wyrzuciliśmy go i ponownie przeprowadziliśmy eksperyment.
03:44
But you know, these stories,
85
209000
3000
Ale wiecie, te historie i inne eksperymenty,
03:47
and lots of other experiments that we've done on conflicts of interest,
86
212000
3000
które przeprowadziliśmy o konfliktach interesów,
03:50
basically kind of bring two points
87
215000
2000
wysuwają dwie kwestie
03:52
to the foreground for me.
88
217000
2000
na pierwszy plan.
03:54
The first one is that in life we encounter many people
89
219000
3000
Po pierwsze, w życiu spotykamy wielu ludzi,
03:57
who, in some way or another,
90
222000
3000
którzy na ten czy inny sposób,
04:00
try to tattoo our faces.
91
225000
2000
chcą nam wytatuować twarze.
04:02
They just have the incentives that get them to be blinded to reality
92
227000
3000
Mają motywy, które sprawiają, że są ślepi na rzeczywistość
04:05
and give us advice that is inherently biased.
93
230000
3000
i udzielają nam rad, które są z natury stronnicze.
04:08
And I'm sure that it's something that we all recognize,
94
233000
2000
Wszyscy to rozumiemy
04:10
and we see that it happens.
95
235000
2000
i zdajemy sobie z tego sprawę.
04:12
Maybe we don't recognize it every time,
96
237000
2000
Może nie rozpoznajemy tego za każdym razem,
04:14
but we understand that it happens.
97
239000
2000
ale rozumiemy, że tak się dzieje.
04:16
The most difficult thing, of course, is to recognize
98
241000
2000
Najtrudniej jest oczywiście zrozumieć,
04:18
that sometimes we too
99
243000
2000
że czasem my również
04:20
are blinded by our own incentives.
100
245000
2000
jesteśmy zaślepieni własnymi motywami.
04:22
And that's a much, much more difficult lesson to take into account.
101
247000
3000
To dużo trudniejsze.
04:25
Because we don't see how conflicts of interest work on us.
102
250000
4000
Nie widzimy jak konflikty interesów działają na nas.
04:29
When I was doing these experiments,
103
254000
2000
Kiedy przeprowadzałem te eksperymenty,
04:31
in my mind, I was helping science.
104
256000
2000
uważałem, że pomagam nauce.
04:33
I was eliminating the data
105
258000
2000
Eliminowałem dane,
04:35
to get the true pattern of the data to shine through.
106
260000
2000
by rozbłysła prawdziwa zależność danych.
04:37
I wasn't doing something bad.
107
262000
2000
Nie robiłem niczego złego.
04:39
In my mind, I was actually a knight
108
264000
2000
Widziałem siebie jako rycerza,
04:41
trying to help science move along.
109
266000
2000
który popycha naukę do przodu.
04:43
But this was not the case.
110
268000
2000
Ale to nie była prawda.
04:45
I was actually interfering with the process with lots of good intentions.
111
270000
3000
Ingerowałem w ten proces z masą dobrych intencji.
04:48
And I think the real challenge is to figure out
112
273000
2000
Najtrudniejszym zadaniem jest zobaczyć
04:50
where are the cases in our lives
113
275000
2000
gdzie w naszym życiu są takie przypadki,
04:52
where conflicts of interest work on us,
114
277000
2000
gdzie działają na nas konflikty interesów.
04:54
and try not to trust our own intuition to overcome it,
115
279000
3000
Wtedy nie należy ufać własnej intulicji.
04:57
but to try to do things
116
282000
2000
Trzeba robić wszystko,
04:59
that prevent us from falling prey to these behaviors,
117
284000
2000
by nie stać się ofiarą tych zachowań.
05:01
because we can create lots of undesirable circumstances.
118
286000
3000
Bo stwarzają one wiele niepożądanych okoliczności.
05:05
I do want to leave you with one positive thought.
119
290000
2000
Chcę was zostawić z jedną pozytywną myślą.
05:07
I mean, this is all very depressing, right --
120
292000
2000
To wszystko jest bardzo przygnębiające,
05:09
people have conflicts of interest, we don't see it, and so on.
121
294000
3000
ludzie mają konflikty interesów, co trudno zauważyć.
05:12
The positive perspective, I think, of all of this
122
297000
2000
Ale pozytywną stroną tego wszystkiego jest to,
05:14
is that, if we do understand when we go wrong,
123
299000
3000
że jeśli rozumiemy gdzie popełniamy błąd,
05:17
if we understand the deep mechanisms
124
302000
2000
jeśli zrozumiemy głębokie mechanizmy
05:19
of why we fail and where we fail,
125
304000
2000
tego dlaczego i gdzie zawodzimy
05:21
we can actually hope to fix things.
126
306000
2000
możemy mieć nadzieję wszystko naprawić.
05:23
And that, I think, is the hope. Thank you very much.
127
308000
2000
Bardzo dziękuję.
05:25
(Applause)
128
310000
4000
(Brawa)
ABOUT THE SPEAKER
Dan Ariely - Behavioral economistThe dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why.
Why you should listen
Dan Ariely is a professor of psychology and behavioral economics at Duke University and a founding member of the Center for Advanced Hindsight. He is the author of the bestsellers Predictably Irrational, The Upside of Irrationality, and The Honest Truth About Dishonesty -- as well as the TED Book Payoff: The Hidden Logic that Shapes Our Motivations.
Through his research and his (often amusing and unorthodox) experiments, he questions the forces that influence human behavior and the irrational ways in which we often all behave.
Dan Ariely | Speaker | TED.com