TEDxWinnipeg
Jeff Hancock: The future of lying
Jeff Hancock: Trzy typy (cyfrowego) kłamstwa
Filmed:
Readability: 3.3
1,347,124 views
Któż nie wysłał SMS-a o treści "Jestem w drodze", gdy tak w istocie nie było lub nie podkoloryzował swojego profilu na portalu randkowym? Jednak Jeff Hancock twierdzi, iż anonimowość w Internecie wcale nie zachęca do nieuczciwości. Wręcz przeciwnie: uważa, że możliwość wyszukiwania oraz trwałość informacji w sieci może nas skłaniać do mówienia prawdy.
Jeff Hancock - Psychologist
Jeff Hancock studies how we interact by email, text message and social media blips, seeking to understand how technology mediates communication. Full bio
Jeff Hancock studies how we interact by email, text message and social media blips, seeking to understand how technology mediates communication. Full bio
Double-click the English transcript below to play the video.
00:16
Let me tell you, it has been a fantastic month for deception.
0
381
3713
To był dobry miesiąc dla oszustw.
00:19
And I'm not even talking about the American presidential race. (Laughter)
1
4094
4253
Nie mówię o wyborach prezydenckich w USA (Śmiech)
00:24
We have a high-profile journalist caught for plagiarism,
2
8347
4335
Znany dziennikarz przyłapany na plagiacie,
00:28
a young superstar writer whose book involves
3
12682
2932
młody pisarz, którego książka zawiera
00:31
so many made up quotes that they've pulled it from the shelves;
4
15614
3305
tyle zmyślonych cytatów, że ją wycofano;
00:34
a New York Times exposé on fake book reviews.
5
18919
2598
artykuł New York Times o zmyślonych recenzjach.
00:37
It's been fantastic.
6
21517
1409
Wspaniały miesiąc.
00:38
Now, of course, not all deception hits the news.
7
22926
3851
Nie o każdym oszustwie mówią media.
00:42
Much of the deception is everyday. In fact, a lot of research
8
26777
3679
Większość oszustw ma charakter codzienny.
00:46
shows that we all lie once or twice a day, as Dave suggested.
9
30456
4331
Badania pokazują, że kłamiemy raz czy dwa na dzień.
00:50
So it's about 6:30 now, suggests that most of us should have lied.
10
34787
2933
Jest 18:30, większość z nas już dziś skłamała.
00:53
Let's take a look at Winnipeg. How many of you,
11
37720
1900
Popatrzmy na Winnipeg. Ilu z was
00:55
in the last 24 hours -- think back -- have told a little fib,
12
39620
2927
powiedziało dziś nieprawdę?
00:58
or a big one? How many have told a little lie out there?
13
42547
3551
Jakieś kłamstewko?
01:01
All right, good. These are all the liars.
14
46098
1904
Dobrze. Oto wszyscy kłamcy.
01:03
Make sure you pay attention to them. (Laughter)
15
48002
3293
Zapamiętajcie ich sobie. (Śmiech)
01:07
No, that looked good, it was about two thirds of you.
16
51295
2146
Nieźle, jakieś dwie trzecie sali.
01:09
The other third didn't lie, or perhaps forgot,
17
53441
2852
Pozostali nie skłamali albo zapomnieli,
01:12
or you're lying to me about your lying, which is very,
18
56293
2660
albo kłamią, że nie kłamią.
01:14
very devious. (Laughter) This fits with a lot of the research,
19
58953
4050
Bardzo przebiegłe. (Śmiech)
Według wielu badań
Według wielu badań
01:18
which suggests that lying is very pervasive.
20
63003
3354
kłamstwo jest wszechobecne.
01:22
It's this pervasiveness, combined with the centrality
21
66357
3961
Owa wszechobecność w zestawieniu
01:26
to what it means to be a human, the fact that we can
22
70318
2440
z kwintesencją człowieczeństwa, czyli umiejętnością
01:28
tell the truth or make something up,
23
72758
1880
mówienia prawdy lub fałszu,
01:30
that has fascinated people throughout history.
24
74638
2851
fascynowały ludzi od wieków.
01:33
Here we have Diogenes with his lantern.
25
77489
2629
Oto Diogenes z latarnią.
01:36
Does anybody know what he was looking for?
26
80118
2680
Czy ktoś wie, czego szukał?
01:38
A single honest man, and he died without finding one
27
82798
3784
Jednego uczciwego człowieka, bez skutku.
01:42
back in Greece. And we have Confucius in the East
28
86582
3017
A to Konfucjusz,
01:45
who was really concerned with sincerity,
29
89599
2377
którego zajmowało pojęcie szczerości:
01:47
not only that you walked the walk or talked the talk,
30
91976
3084
nie tylko samo postępowanie według zasad,
01:50
but that you believed in what you were doing.
31
95060
3154
ale też wiara w to, co się robi,
01:54
You believed in your principles.
32
98214
2006
wiara we własne zasady.
01:56
Now my first professional encounter with deception
33
100220
2931
Mój pierwszy zawodowy kontakt z oszustwem
01:59
is a little bit later than these guys, a couple thousand years.
34
103151
3463
nastąpił kilka tysięcy lat później.
02:02
I was a customs officer for Canada back in the mid-'90s.
35
106614
3799
W latach 90. byłem celnikiem w Kanadzie.
02:06
Yeah. I was defending Canada's borders.
36
110413
2826
Strzegłem jej granic.
02:09
You may think that's a weapon right there. In fact,
37
113239
3782
Może się wydawać, że to broń. Tak naprawdę,
02:12
that's a stamp. I used a stamp to defend Canada's borders. (Laughter)
38
117021
5030
to pieczątka. Używałem jej do obrony granic. (Śmiech)
02:17
Very Canadian of me. I learned a lot about deception
39
122051
3537
Bardzo kanadyjskie. Na służbie
02:21
while doing my duty here in customs,
40
125588
3055
wiele się nauczyłem o oszustwie,
02:24
one of which was that most of what I thought I knew about deception was wrong,
41
128643
2884
miałem o nim dużo błędnych wyobrażeń
02:27
and I'll tell you about some of that tonight.
42
131527
1752
i o tym dziś opowiem.
02:29
But even since just 1995, '96, the way we communicate
43
133279
4074
Od lat 90. wiele się w komunikacji zmieniło.
02:33
has been completely transformed. We email, we text,
44
137353
3297
Wysyłamy e-maile, SMS-y,
02:36
we skype, we Facebook. It's insane.
45
140650
2613
używamy Skype'a, Facebooka... to szalone!
02:39
Almost every aspect of human communication's been changed,
46
143263
3261
Zmienił się niemal każdy aspekt ludzkiej komunikacji,
02:42
and of course that's had an impact on deception.
47
146524
2560
co nie pozostało bez wpływu na oszustwo.
02:44
Let me tell you a little bit about a couple of new deceptions
48
149084
2583
Opowiem o nowych oszustwach,
02:47
we've been tracking and documenting.
49
151667
2376
które tropiliśmy i dokumentowaliśmy.
02:49
They're called the Butler, the Sock Puppet
50
154043
4244
Nazywają się Kamerdyner, Kukiełka
02:54
and the Chinese Water Army.
51
158287
2081
i Chińska Armia Wodna.
02:56
It sounds a little bit like a weird book,
52
160368
1897
Brzmi trochę jak z dziwnej książki,
02:58
but actually they're all new types of lies.
53
162265
2133
ale to nowe typy kłamstw.
03:00
Let's start with the Butlers. Here's an example of one:
54
164398
3045
Zacznijmy od Kamerdynerów:
03:03
"On my way." Anybody ever written, "On my way?"
55
167443
3113
"Jestem w drodze" - kto tak napisał,
03:06
Then you've also lied. (Laughter)
56
170556
3763
też skłamał. (Śmiech)
03:10
We're never on our way. We're thinking about going on our way.
57
174319
4197
Nie jesteśmy w drodze, tylko o tym myślimy.
03:14
Here's another one: "Sorry I didn't respond to you earlier.
58
178516
2763
"Przepraszam, że wcześniej nie odpisałem.
03:17
My battery was dead." Your battery wasn't dead.
59
181279
1965
Bateria mi padła" - nie padła.
03:19
You weren't in a dead zone.
60
183244
1876
Nie byliśmy w krainie umarłych.
03:21
You just didn't want to respond to that person that time.
61
185120
1953
Nie chciało się nam wtedy odpisywać.
03:22
Here's the last one: You're talking to somebody,
62
187073
1797
Ostatni przykład: podczas rozmowy
03:24
and you say, "Sorry, got work, gotta go."
63
188870
2490
mówimy "Sorry, mam robotę, lecę".
03:27
But really, you're just bored. You want to talk to somebody else.
64
191360
3797
Mamy dosyć i chcemy porozmawiać z kimś innym.
03:31
Each of these is about a relationship,
65
195157
2416
Każdy przykład jest o stosunkach
03:33
and this is a 24/7 connected world. Once you get my cell phone number,
66
197573
4405
w świecie 24/7. Jeśli dam wam mój numer,
03:37
you can literally be in touch with me 24 hours a day.
67
201978
2965
możemy być w kontakcie 24h na dobę.
03:40
And so these lies are being used by people
68
204943
2369
Używamy tych kłamstw jako bufora,
03:43
to create a buffer, like the butler used to do,
69
207312
2826
- tak, jak byli nim kamerdynerzy -
03:46
between us and the connections to everybody else.
70
210138
3407
pomiędzy nami a resztą świata.
03:49
But they're very special. They use ambiguity
71
213545
1707
Wykorzystują niejasności
03:51
that comes from using technology. You don't know
72
215252
2061
biorące się z technologii.
03:53
where I am or what I'm doing or who I'm with.
73
217313
2948
Nie wiecie, gdzie, z kim i co robię.
03:56
And they're aimed at protecting the relationships.
74
220261
2491
Mają na celu ochronę stosunków.
03:58
These aren't just people being jerks. These are people
75
222752
2581
Nie chodzi o robienie innym świństw.
04:01
that are saying, look, I don't want to talk to you now,
76
225333
2376
"Nie chcę teraz z tobą gadać,
04:03
or I didn't want to talk to you then, but I still care about you.
77
227709
2424
ale nadal mi na tobie zależy".
04:06
Our relationship is still important.
78
230133
2400
ale nadal mi na tobie zależy".
04:08
Now, the Sock Puppet, on the other hand,
79
232533
1514
Kukiełka to inny zwierz.
04:09
is a totally different animal. The sock puppet isn't
80
234047
2343
Nie chodzi o dwuznaczność jako taką.
04:12
about ambiguity, per se. It's about identity.
81
236390
3065
Chodzi o tożsamość.
04:15
Let me give you a very recent example,
82
239455
2002
Podam przykład
04:17
as in, like, last week.
83
241457
1514
z zeszłego tygodnia:
04:18
Here's R.J. Ellory, best-seller author in Britain.
84
242971
3268
R. J. Ellory, autor bestsellerów.
04:22
Here's one of his bestselling books.
85
246239
2020
Mamy jego książkę
04:24
Here's a reviewer online, on Amazon.
86
248259
3413
i recenzję online, na Amazonie,
04:27
My favorite, by Nicodemus Jones, is,
87
251672
2657
od Nicodemusa Jonesa:
04:30
"Whatever else it might do, it will touch your soul."
88
254329
3808
"Ta książka na pewno cię poruszy".
04:34
And of course, you might suspect
89
258137
1403
Oczywiście, można podejrzewać,
04:35
that Nicodemus Jones is R.J. Ellory.
90
259540
2627
że Nicodemus Jones to R. J. Ellory.
04:38
He wrote very, very positive reviews about himself. Surprise, surprise.
91
262167
4687
Napisał o sobie bardzo przychylne recenzje.
04:42
Now this Sock Puppet stuff isn't actually that new.
92
266854
3260
Kukiełka nie jest niczym nowym.
04:46
Walt Whitman also did this back in the day,
93
270114
3167
Walt Whitman też się do tego uciekł
04:49
before there was Internet technology. Sock Puppet
94
273281
3055
zanim powstał Internet.
04:52
becomes interesting when we get to scale,
95
276336
2768
Kukiełka jest interesująca na dużą skalę,
04:55
which is the domain of the Chinese Water Army.
96
279104
2518
a to domena Chińskiej Armii Wodnej.
04:57
Chinese Water Army refers to thousands of people
97
281622
2436
Są to tysiące ludzi w Chinach,
04:59
in China that are paid small amounts of money
98
284058
3048
którzy za drobną opłatą
05:03
to produce content. It could be reviews. It could be
99
287106
3034
tworzą treści. Mogą to być opinie,
05:06
propaganda. The government hires these people,
100
290140
2559
ale też propaganda. Takich ludzi
05:08
companies hire them, all over the place.
101
292699
2628
zatrudnia rząd i przedsiębiorstwa.
05:11
In North America, we call this Astroturfing,
102
295327
3617
W Ameryce Płn. nazywamy to Astroturfing.
05:14
and Astroturfing is very common now. There's a lot of concerns about it.
103
298944
3438
Wzbudza wiele obaw.
05:18
We see this especially with product reviews, book reviews,
104
302382
3227
Chodzi zwłaszcza o opinie, recenzje książek,
05:21
everything from hotels to whether that toaster is a good toaster or not.
105
305609
4795
od standardu hoteli do tosterów.
05:26
Now, looking at these three reviews, or these three types of deception,
106
310404
3918
Patrząc na te trzy rodzaje oszustwa,
05:30
you might think, wow, the Internet is really making us
107
314322
2737
można by pomyśleć, że Internet
05:32
a deceptive species, especially when you think about
108
317059
3209
czyni z nas gatunek oszustów,
05:36
the Astroturfing, where we can see deception brought up to scale.
109
320268
4602
zwłaszcza Astroturfing, który potęguje kłamstwo.
05:40
But actually, what I've been finding is very different from that.
110
324870
4738
Dokonałem jednak innych odkryć.
05:45
Now, let's put aside the online anonymous sex chatrooms,
111
329608
3249
Zapomnijmy o sex chatroomach,
05:48
which I'm sure none of you have been in.
112
332857
1899
których nikt z was nie odwiedza.
05:50
I can assure you there's deception there.
113
334756
2329
Tam dopiero kwitnie oszustwo.
05:52
And let's put aside the Nigerian prince who's emailed you
114
337085
2709
Odłóżmy na bok nigeryjskiego księcia,
05:55
about getting the 43 million out of the country. (Laughter)
115
339794
3228
który oferuje 43 mln dolarów. (Śmiech)
05:58
Let's forget about that guy, too.
116
343022
1680
Zapomnijmy też o tym facecie.
06:00
Let's focus on the conversations between our friends
117
344702
2944
Skupmy się na naszych bliskich,
06:03
and our family and our coworkers and our loved ones.
118
347646
2147
czy znajomych z pracy.
06:05
Those are the conversations that really matter.
119
349793
2408
Rozmowy z nimi naprawdę się liczą.
06:08
What does technology do to deception with those folks?
120
352201
4240
Jak ma się technologia do ich kłamstw?
06:12
Here's a couple of studies. One of the studies we do
121
356441
3075
Oto kilka badań. Pierwsze nazywamy dziennikiem.
06:15
are called diary studies, in which we ask people to record
122
359516
3371
Prosimy o zapisywanie
06:18
all of their conversations and all of their lies for seven days,
123
362887
3566
wszystkich rozmów i kłamstw przez tydzień.
06:22
and what we can do then is calculate how many lies took place
124
366453
3105
Potem obliczamy, ile kłamstw przypadło
06:25
per conversation within a medium, and the finding
125
369558
2948
na konwersację w danym medium.
06:28
that we get that surprises people the most is that email
126
372506
2524
Zaskakujące, że e-mail
06:30
is the most honest of those three media.
127
375030
3279
to najbardziej "szczere" medium.
06:34
And it really throws people for a loop because we think,
128
378309
2401
To naprawdę zdumiewa ludzi,
06:36
well, there's no nonverbal cues, so why don't you lie more?
129
380710
3736
Brak tu sygnałów niewerbalnych,
więc czemu nie kłamiemy więcej?
więc czemu nie kłamiemy więcej?
06:40
The phone, in contrast, the most lies.
130
384446
4304
Przez telefon kłamiemy najwięcej,
06:44
Again and again and again we see the phone is the device
131
388750
1946
Przez telefon kłamiemy najwięcej,
06:46
that people lie on the most, and perhaps because of the Butler Lie ambiguities I was telling you about.
132
390696
4718
być może ze względu na kłamstwo typu kamerdyner.
06:51
This tends to be very different from what people expect.
133
395414
3975
To odbiega od powszechnych oczekiwań.
06:55
What about résumés? We did a study in which we had
134
399389
3224
A co z CV? Przeprowadziliśmy badanie,
06:58
people apply for a job, and they could apply for a job
135
402613
2544
w którym ludzie ubiegają się o pracę
07:01
either with a traditional paper résumé, or on LinkedIn,
136
405157
3514
albo na papierowym CV,
07:04
which is a social networking site like Facebook,
137
408671
2822
albo na serwisie społecznościowym LinkedIn.
07:07
but for professionals -- involves the same information as a résumé.
138
411493
3567
W obu przypadkach CV zawiera te same informacje.
07:10
And what we found, to many people's surprise,
139
415060
2614
Ku ogólnemu zaskoczeniu,
07:13
was that those LinkedIn résumés were more honest
140
417674
2795
CV na LinkedIn były bardziej zgodne z prawdą
07:16
on the things that mattered to employers, like your
141
420469
1824
co do punktów interesujących pracodawcę,
07:18
responsibilities or your skills at your previous job.
142
422293
4151
jak obowiązki lub umiejętności z poprzedniej pracy.
07:22
How about Facebook itself?
143
426444
2296
A co z Facebookiem?
07:24
You know, we always think that hey, there are these
144
428740
1882
Często myślimy, że to tylko
07:26
idealized versions, people are just showing the best things
145
430622
2129
wyidealizowana wersja, ludzie pokazują tylko to,
07:28
that happened in their lives. I've thought that many times.
146
432751
2656
co im w życiu wyszło. Myślałem tak wiele razy.
07:31
My friends, no way they can be that cool and have good of a life.
147
435407
3068
Moi znajomi nie są aż tak "cool".
07:34
Well, one study tested this by examining people's personalities.
148
438475
3821
Pewne badanie to zweryfikowało.
07:38
They had four good friends of a person judge their personality.
149
442296
4218
Czterech przyjaciół danej osoby
07:42
Then they had strangers, many strangers,
150
446514
1956
oceniało jej osobowość.
07:44
judge the person's personality just from Facebook,
151
448470
2528
Potem na podstawie Facebooka, oceniali nieznajomi.
07:46
and what they found was those judgments of the personality
152
450998
2429
Okazało się, że te oceny
07:49
were pretty much identical, highly correlated,
153
453427
2509
były niemal identyczne, wysoce skorelowane,
07:51
meaning that Facebook profiles really do reflect our actual personality.
154
455936
4373
co oznacza, że Facebook odzwierciedla osobowość.
07:56
All right, well, what about online dating?
155
460309
2572
A co z randkami online?
07:58
I mean, that's a pretty deceptive space.
156
462881
1500
Jest to bardzo grząski grunt.
08:00
I'm sure you all have "friends" that have used online dating. (Laughter)
157
464381
3535
Zapewne macie "znajomych", którzy z tego korzystali. (Śmiech)
08:03
And they would tell you about that guy that had no hair
158
467916
2058
Na pewno mówili wam o gościu, który okazał się łysy,
08:05
when he came, or the woman that didn't look at all like her photo.
159
469974
3030
a pewna pani nie wyglądała jak na zdjęciu.
08:08
Well, we were really interested in it, and so what we did
160
473004
3136
Zainteresowało nas to,
08:12
is we brought people, online daters, into the lab,
161
476140
3107
więc zaprosiliśmy internetowych randkowiczów
08:15
and then we measured them. We got their height
162
479247
1480
do laboratorium. Zmierzyliśmy ich,
08:16
up against the wall, we put them on a scale, got their weight --
163
480727
3881
zważyliśmy, co zachwyciło panie,
08:20
ladies loved that -- and then we actually got their driver's license to get their age.
164
484608
3895
i sprawdziliśmy ich wiek.
08:24
And what we found was very, very interesting.
165
488503
4311
Wyniki są bardzo ciekawe.
08:28
Here's an example of the men and the height.
166
492814
3929
Oto mężczyźni i ich wzrost.
08:32
Along the bottom is how tall they said they were in their profile.
167
496743
2470
Na dole wzrost widniejący na profilu.
08:35
Along the y-axis, the vertical axis, is how tall they actually were.
168
499213
4862
Wzdłuż osi y (pionowej) rzeczywisty wzrost.
08:39
That diagonal line is the truth line. If their dot's on it,
169
504075
3076
Przekątna to linii prawdy. Jeśli punkt jest na niej,
08:43
they were telling exactly the truth.
170
507151
1554
profil mówił prawdę.
08:44
Now, as you see, most of the little dots are below the line.
171
508705
3113
Większość punktów jest jednak poniżej linii.
08:47
What it means is all the guys were lying about their height.
172
511818
2867
Panowie kłamali.
08:50
In fact, they lied about their height about nine tenths of an inch,
173
514685
2941
Oszukiwali na około 2 centymetry.
08:53
what we say in the lab as "strong rounding up." (Laughter)
174
517626
6276
Nazywamy to "mocnym zaokrągleniem w górę". (Śmiech)
08:59
You get to 5'8" and one tenth, and boom! 5'9".
175
523902
4503
Ze 172,5 robi się nagle 175 cm!
09:04
But what's really important here is, look at all those dots.
176
528405
1998
Ale spójrzmy na wszystkie te punkty.
09:06
They are clustering pretty close to the truth. What we found
177
530403
2566
Są bardzo blisko prawdy.
09:08
was 80 percent of our participants did indeed lie
178
532969
2408
80 % badanych rzeczywiście skłamała,
09:11
on one of those dimensions, but they always lied by a little bit.
179
535377
3595
ale zawsze tylko odrobinę.
09:14
One of the reasons is pretty simple. If you go to a date,
180
538972
3024
Powód jest prosty: jeśli pójdą na randkę,
09:17
a coffee date, and you're completely different than what you said,
181
541996
3601
a wyglądają zupełnie inaczej niż podali,
09:21
game over. Right? So people lied frequently, but they lied
182
545597
3619
koniec imprezy. Ludzie kłamali często,
09:25
subtly, not too much. They were constrained.
183
549216
3469
ale subtelnie. Kłamstwo było ograniczone.
09:28
Well, what explains all these studies? What explains the fact
184
552685
2887
Co wyjaśniają te badania? Co wyjaśnia fakt,
09:31
that despite our intuitions, mine included,
185
555572
4635
że mimo naszej intuicji
09:36
a lot of online communication, technologically-mediated
186
560207
3529
mnóstwo interakcji za pośrednictwem technologii
09:39
communication, is more honest than face to face?
187
563736
4028
jest bardziej uczciwych niż twarzą w twarz?
09:43
That really is strange. How do we explain this?
188
567764
2489
To naprawdę dziwne. Jak to wyjaśnić?
09:46
Well, to do that, one thing is we can look at the deception-detection literature.
189
570253
3379
Można zajrzeć do literatury wykrywania oszustwa.
09:49
It's a very old literature by now, it's coming up on 50 years.
190
573632
4345
To już stara literatura, ma blisko 50 lat.
09:53
It's been reviewed many times. There's been thousands of trials,
191
577977
2662
Poprawiano ją wiele razy. Tysiące prób,
09:56
hundreds of studies, and there's some really compelling findings.
192
580639
3981
setki badań i kilka bardzo istotnych wniosków.
10:00
The first is, we're really bad at detecting deception,
193
584620
3236
Po pierwsze: jesteśmy kiepscy
w wykrywaniu oszustwa.
w wykrywaniu oszustwa.
10:03
really bad. Fifty-four percent accuracy on average when you have to tell
194
587856
4116
Średnio mamy skuteczność rzędu 54%,
10:07
if somebody that just said a statement is lying or not.
195
591972
3384
gdy musimy orzec, czy ktoś kłamie, czy nie.
10:11
That's really bad. Why is it so bad?
196
595356
3192
To słabo. Dlaczego aż tak słabo?
10:14
Well it has to do with Pinocchio's nose.
197
598548
2530
Ma to związek z nosem Pinokia.
10:16
If I were to ask you guys, what do you rely on
198
601078
2359
Na co zwracacie uwagę,
10:19
when you're looking at somebody and you want to find out
199
603437
2245
gdy patrzycie na kogoś
10:21
if they're lying? What cue do you pay attention to?
200
605682
2930
i chcecie ustalić czy kłamie?
10:24
Most of you would say that one of the cues you look at
201
608612
2430
Większość z was powie, że na oczy.
10:26
is the eyes. The eyes are the window to the soul.
202
611042
2728
Oczy są zwierciadłem duszy.
10:29
And you're not alone. Around the world, almost every culture,
203
613770
2403
Nie wy jedni. Prawie każda kultura,
10:32
one of the top cues is eyes. But the research
204
616173
2863
uznaje oczy za wskazówkę.
10:34
over the last 50 years says there's actually no reliable cue
205
619036
3824
Ale badania z ostatnich 50 lat mówią,
10:38
to deception, which blew me away, and it's one of
206
622860
2997
że nie ma niezawodnego sygnału,
10:41
the hard lessons that I learned when I was customs officer.
207
625857
2355
czego nauczyłem się na własnej skórze, jako celnik.
10:44
The eyes do not tell us whether somebody's lying or not.
208
628212
2430
Oczy nie mówią nam, czy ktoś kłamie czy nie.
10:46
Some situations, yes -- high stakes, maybe their pupils dilate,
209
630642
3018
W niektórych sytuacjach rozszerzają się źrenice,
10:49
their pitch goes up, their body movements change a little bit,
210
633660
3504
głos idzie w górę, zmienia się mowa ciała,
10:53
but not all the time, not for everybody, it's not reliable.
211
637164
4832
ale niezawsze i nie u wszystkich.
10:57
Strange. The other thing is that just because you can't see me
212
641996
3378
Z drugiej strony to, że mnie nie widzisz,
11:01
doesn't mean I'm going to lie. It's common sense,
213
645374
2419
nie znaczy, że skłamię.
11:03
but one important finding is that we lie for a reason.
214
647793
2907
Kłamiemy, bo mamy powód.
11:06
We lie to protect ourselves or for our own gain
215
650700
2367
Kłamiemy, aby się chronić
11:08
or for somebody else's gain.
216
653067
2827
lub dla korzyści - swojej lub cudzej.
11:11
So there are some pathological liars, but they make up
217
655894
1930
Zdarzają się notoryczni kłamcy,
11:13
a tiny portion of the population. We lie for a reason.
218
657824
3513
lecz to niewielka część populacji.
11:17
Just because people can't see us doesn't mean
219
661337
1631
Brak kontaktu wzrokowego nie oznacza,
11:18
we're going to necessarily lie.
220
662968
2271
że skłamiemy.
11:21
But I think there's actually something much more
221
665239
1553
Ale myślę, że jest w tym coś
11:22
interesting and fundamental going on here. The next big
222
666792
3274
bardziej interesującego i elementarnego.
11:25
thing for me, the next big idea, we can find by going
223
670066
3797
Kolejną rzecz można odkryć
11:29
way back in history to the origins of language.
224
673863
3139
poprzez dotarcie do początków języka.
11:32
Most linguists agree that we started speaking somewhere
225
677002
3887
Językoznawcy uważają, że zaczęliśmy mówić
11:36
between 50,000 and 100,000 years ago. That's a long time ago.
226
680889
3168
50 do 100 tys. lat temu.
11:39
A lot of humans have lived since then.
227
684057
2616
Od tego czasu żyło mnóstwo ludzi.
11:42
We've been talking, I guess, about fires and caves
228
686673
2423
Rozmawiano, jak sądzę, o pożarach i jaskiniach
11:44
and saber-toothed tigers. I don't know what they talked about,
229
689096
3107
czy o tygrysach szablozębnych.
11:48
but they were doing a lot of talking, and like I said,
230
692203
2518
Rozmawiano dużo
11:50
there's a lot of humans evolving speaking,
231
694721
2545
i żyło mnóstwo ludzi rozwijających mowę,
11:53
about 100 billion people in fact.
232
697266
2806
jakieś 100 miliardów ludzi.
11:55
What's important though is that writing only emerged
233
700072
2782
Co istotne, pismo pojawiło się
11:58
about 5,000 years ago. So what that means is that
234
702854
3587
dopiero około 5000 lat temu.
12:02
all the people before there was any writing,
235
706441
2392
Zatem wszystkie słowa
12:04
every word that they ever said, every utterance
236
708833
5586
ludzi żyjących wcześniej,
12:10
disappeared. No trace. Evanescent. Gone.
237
714419
4752
wszystkie wypowiedzi zniknęły bez śladu.
12:15
So we've been evolving to talk in a way in which
238
719171
4065
Nasza mowa ewoluowała nierejestrowana
12:19
there is no record. In fact, even the next big change
239
723236
5917
Co więcej, przełom w piśmie
12:25
to writing was only 500 years ago now,
240
729153
2468
dokonał się raptem 500 lat temu,
12:27
with the printing press, which is very recent in our past,
241
731621
2379
dzięki wynalezieniu prasy drukarskiej,
12:29
and literacy rates remained incredibly low right up until World War II,
242
734000
4242
a piśmienność była znikoma aż do II wojny światowej,
12:34
so even the people of the last two millennia,
243
738242
3384
więc nawet słowa ludzi ostatnich dwóch tysiącleci
12:37
most of the words they ever said -- poof! -- disappeared.
244
741626
5032
zniknęły - bęc!
12:42
Let's turn to now, the networked age.
245
746658
3591
Spójrzmy na teraźniejszą erę sieci.
12:46
How many of you have recorded something today?
246
750249
4712
Ilu z was coś dziś zapisało?
12:50
Anybody do any writing today? Did anybody write a word?
247
754961
3177
Czy ktoś napisał chociaż słówko?
12:54
It looks like almost every single person here recorded something.
248
758138
4226
Niemal wszyscy coś zapisali..
12:58
In this room, right now, we've probably recorded more
249
762364
3048
Same osoby na tej sali napisały pewnie więcej,
13:01
than almost all of human pre-ancient history.
250
765412
4542
niż zapisano w prawie całej prehistorii.
13:05
That is crazy. We're entering this amazing period
251
769954
3230
Zdumiewające. Wkraczamy w czas
13:09
of flux in human evolution where we've evolved to speak
252
773184
4015
ciągłych zmian w ewolucji człowieka,
13:13
in a way in which our words disappear, but we're in
253
777199
2701
w którym nasze słowa, co prawda, znikają,
13:15
an environment where we're recording everything.
254
779900
2903
ale żyjemy w środowisku, w którym zapisujemy wszystko.
13:18
In fact, I think in the very near future, it's not just
255
782803
2337
Myślę, że w niedalekiej przyszłości, nie tylko to,
13:21
what we write that will be recorded, everything we do
256
785140
2349
co możemy zapisać będzie rejestrowane.
13:23
will be recorded.
257
787489
2333
Rejestrowane będzie wszystko, co robimy.
13:25
What does that mean? What's the next big idea from that?
258
789822
4456
Co to oznacza? Jaka myśl się za tym kryje?
13:30
Well, as a social scientist, this is the most amazing thing
259
794278
4250
To moje największe marzenie jako socjologa.
13:34
I have ever even dreamed of. Now, I can look at
260
798528
3547
Mogę spojrzeć na wszystkie te słowa,
13:37
all those words that used to, for millennia, disappear.
261
802075
3611
które umykały zapisowi przez tysiąclecia.
13:41
I can look at lies that before were said and then gone.
262
805686
4248
Mogę zobaczyć kłamstwa, zanim zostały powiedziane.
13:45
You remember those Astroturfing reviews that we were
263
809934
3520
Wróćmy na chwilę do Astroturfingu.
13:49
talking about before? Well, when they write a fake review,
264
813454
3503
Fałszywa recenzja zostaje zamieszczona
13:52
they have to post it somewhere, and it's left behind for us.
265
816957
2704
pozostawiona nam do oceny.
13:55
So one thing that we did, and I'll give you an example of
266
819661
2435
Podam przykład w odniesieniu do analizy języka.
13:57
looking at the language, is we paid people
267
822096
2495
Zapłaciliśmy kilku ludziom za zmyślenie recenzji.
14:00
to write some fake reviews. One of these reviews is fake.
268
824591
3535
Jedna z tych opinii jest fałszywa.
14:04
The person never was at the James Hotel.
269
828126
1943
Jej autor nigdy nie był w James Hotel.
14:05
The other review is real. The person stayed there.
270
830069
2922
Druga opinia jest autentyczna.
14:08
Now, your task now is to decide
271
832991
3527
Waszym zadaniem jest zdecydować,
14:12
which review is fake?
272
836518
4073
która opinia jest fałszywa.
14:16
I'll give you a moment to read through them.
273
840591
4186
Dam wam chwilę na przeczytanie.
14:20
But I want everybody to raise their hand at some point.
274
844777
2287
Chcę, by każdy podniósł rękę.
14:22
Remember, I study deception. I can tell if you don't raise your hand.
275
847064
4231
Pamiętajcie: badam oszustwo.
Będę wiedział, jeśli nie podniesiecie ręki.
Będę wiedział, jeśli nie podniesiecie ręki.
14:27
All right, how many of you believe that A is the fake?
276
851295
4570
Ilu z was uważa że opinia A jest fałszywa?
14:33
All right. Very good. About half.
277
857894
2142
Dobrze. Około połowa.
14:35
And how many of you think that B is?
278
860036
3615
Kto uważa, że to B jest fałszywa?
14:39
All right. Slightly more for B.
279
863651
2529
Zatem nieco więcej głosów na B.
14:42
Excellent. Here's the answer.
280
866180
2592
Znakomicie! Oto odpowiedź:
14:44
B is a fake. Well done second group. You dominated the first group. (Laughter)
281
868772
6581
B jest fałszywa. Brawa dla drugiej grupy - zdominowaliście pierwszą. (Śmiech)
14:51
You're actually a little bit unusual. Every time we demonstrate this,
282
875353
2846
To dość nietypowe.
14:54
it's usually about a 50-50 split, which fits
283
878199
2746
Zwykle dochodzi do podziału 50-50,
14:56
with the research, 54 percent. Maybe people here
284
880945
2646
zgodnie z badaniami 54%.
14:59
in Winnipeg are more suspicious and better at figuring it out.
285
883591
3770
Może ludzie z Winnipeg są bardziej podejrzliwi
15:03
Those cold, hard winters, I love it.
286
887361
2688
przez te surowe zimy, uwielbiam ten klimat.
15:05
All right, so why do I care about this?
287
890049
3054
Dlaczego mnie to zajmuje?
15:09
Well, what I can do now with my colleagues in computer science
288
893103
3268
Wraz z informatykami
15:12
is we can create computer algorithms that can analyze
289
896371
3232
mogę stworzyć algorytmy,
15:15
the linguistic traces of deception.
290
899603
2900
które analizują językowe ślady oszustwa.
15:18
Let me highlight a couple of things here
291
902503
1833
Chciałbym naświetlić kilka rzeczy
15:20
in the fake review. The first is that liars tend to think
292
904336
3443
w fałszywej opinii. Po pierwsze,
15:23
about narrative. They make up a story:
293
907779
1588
kłamcy zmyślają historyjkę.
15:25
Who? And what happened? And that's what happened here.
294
909367
3186
Kto? Co się stało? I to widać.
15:28
Our fake reviewers talked about who they were with
295
912553
2289
Nasi fałszywi opiniodawcy podali, z kim byli
15:30
and what they were doing. They also used the first person singular, I,
296
914842
4765
i co robili. Używali też zaimka "ja" o wiele częściej
15:35
way more than the people that actually stayed there.
297
919607
2469
niż faktyczni goście hotelu.
15:37
They were inserting themselves into the hotel review,
298
922076
4696
"Wstawiali się" w opinię,
15:42
kind of trying to convince you they were there.
299
926772
1696
by przekonać nas, że tam byli.
15:44
In contrast, the people that wrote the reviews that were actually there,
300
928468
4015
Ludzie, którzy faktycznie tam byli,
15:48
their bodies actually entered the physical space,
301
932483
2432
których ciała faktycznie znalazły się w danej przestrzeni,
15:50
they talked a lot more about spatial information.
302
934915
2899
skupiali się bardziej na informacji przestrzennej,
15:53
They said how big the bathroom was, or they said,
303
937814
2517
wielkości łazienek,
15:56
you know, here's how far shopping is from the hotel.
304
940331
4520
czy odległości do centrum handlowego.
16:00
Now, you guys did pretty well. Most people perform at chance at this task.
305
944851
4161
Większość ludzi zgaduje.
16:04
Our computer algorithm is very accurate, much more accurate
306
949012
2758
Nasz algorytm jest bardzo dokładny,
16:07
than humans can be, and it's not going to be accurate all the time.
307
951770
3291
bardziej niż człowiek, lecz nie zawsze.
16:10
This isn't a deception-detection machine to tell
308
955061
2030
To nie jest wykrywacz kłamstw
16:12
if your girlfriend's lying to you on text messaging.
309
957091
2501
i nie stwierdzi, czy dziewczyna okłamuje nas SMS-em.
16:15
We believe that every lie now, every type of lie --
310
959592
3564
Uważamy, że każdy rodzaj kłamstwa,
16:19
fake hotel reviews, fake shoe reviews,
311
963156
3787
fałszywe recenzje, opinie o butach,
16:22
your girlfriend cheating on you with text messaging --
312
966943
2914
kłamstwa dziewczyny przez SMS,
16:25
those are all different lies. They're going to have
313
969857
1505
będzie miał odmienne wzory językowe.
16:27
different patterns of language. But because everything's
314
971362
2859
Ale ponieważ wszystko podlega zapisowi,
16:30
recorded now, we can look at all of those kinds of lies.
315
974221
4689
możemy się temu przyjrzeć.
16:34
Now, as I said, as a social scientist, this is wonderful.
316
978910
3993
Dla socjologa to wspaniałe.
16:38
It's transformational. We're going to be able to learn
317
982903
2087
To przełomowe. Będziemy mogli dowiedzieć się
16:40
so much more about human thought and expression,
318
984990
3802
znacznie więcej o myślach i wypowiedziach,
16:44
about everything from love to attitudes,
319
988792
4398
o wszystkim, od miłości do postawy,
16:49
because everything is being recorded now, but
320
993190
1960
bo wszystko jest zapisywane,
16:51
what does it mean for the average citizen?
321
995150
2404
lecz co to oznacza dla przeciętnego obywatela?
16:53
What does it mean for us in our lives?
322
997554
2802
Co to oznacza dla naszego życia?
16:56
Well, let's forget deception for a bit. One of the big ideas,
323
1000356
3673
Odłóżmy oszustw no bok.
16:59
I believe, is that we're leaving these huge traces behind.
324
1004029
3688
Jak sądzę, zostawiamy po sobie ogromne ślady.
17:03
My outbox for email is massive,
325
1007717
3216
Moja skrzynka mailowa jest ogromna
17:06
and I never look at it. I write all the time,
326
1010933
3337
i nigdy jej nie przeglądam. Piszę maile cały czas,
17:10
but I never look at my record, at my trace.
327
1014270
3438
ale nigdy nie patrzę na moje zapisy, ślady.
17:13
And I think we're going to see a lot more of that,
328
1017708
1567
Myślę, że będziemy mogli zastanowić się,
17:15
where we can reflect on who we are by looking at
329
1019275
3161
kim jesteśmy, patrząc na to,
17:18
what we wrote, what we said, what we did.
330
1022436
3618
co napisaliśmy, co powiedzieliśmy czy zrobiliśmy.
17:21
Now, if we bring it back to deception, there's a couple
331
1026054
2272
Wracając do oszustwa: jest kilka rzeczy,
17:24
of take-away things here.
332
1028326
1977
które można z tego wynieść.
17:26
First, lying online can be very dangerous, right?
333
1030303
4488
Kłamstwo online może być niebezpieczne, prawda?
17:30
Not only are you leaving a record for yourself on your machine,
334
1034791
2706
Zostawiamy zapis nie tylko w maszynie,
17:33
but you're leaving a record on the person that you were lying to,
335
1037497
4275
lecz również adresatowi kłamstwa,
17:37
and you're also leaving them around for me to analyze
336
1041772
1760
a także mnie do analizy
17:39
with some computer algorithms.
337
1043532
1454
za pomocą algorytmów.
17:40
So by all means, go ahead and do that, that's good.
338
1044986
3173
Bardzo proszę, kłamcie nadal.
17:44
But when it comes to lying and what we want to do
339
1048159
4154
Jeśli chodzi o kłamstwo i to, co chcemy zrobić
17:48
with our lives, I think we can go back to
340
1052313
2553
z naszym życiem, myślę, że możemy wrócić
17:50
Diogenes and Confucius. And they were less concerned
341
1054866
3749
do Diogenesa i Konfucjusza. Mniej zajmowało ich,
17:54
about whether to lie or not to lie, and more concerned about
342
1058615
2832
czy skłamać, czy nie. Chodziło im
17:57
being true to the self, and I think this is really important.
343
1061447
3285
o uczciwość wobec siebie - to naprawdę ważne.
18:00
Now, when you are about to say or do something,
344
1064732
4183
Zanim coś zrobimy lub powiemy,
18:04
we can think, do I want this to be part of my legacy,
345
1068915
4560
rozważmy, czy chcemy, by było to częścią naszej spuścizny,
18:09
part of my personal record?
346
1073475
2713
częścią świadectwa o nas samych.
18:12
Because in the digital age we live in now,
347
1076188
2657
Bowiem w erze cyfrowej,
18:14
in the networked age, we are all leaving a record.
348
1078845
4464
w dobie Internetu wszyscy zostawiamy ślad.
18:19
Thank you so much for your time,
349
1083309
1695
Dziękuję bardzo za uwagę
18:20
and good luck with your record. (Applause)
350
1085004
4447
i powodzenia w zostawianiu śladów. (Brawa)
ABOUT THE SPEAKER
Jeff Hancock - PsychologistJeff Hancock studies how we interact by email, text message and social media blips, seeking to understand how technology mediates communication.
Why you should listen
Jeff Hancock is fascinated by the words we choose when sending text messages, composing emails and writing online profiles. An Associate Professor of Cognitive Science and Communications at Cornell University, his research has focused on how people use deception and irony when communicating through cell phones and online platforms. His idea: that while the impersonality of online interaction can encourage mild fibbing, the fact that it leaves a permanent record of verifiable facts actually keeps us on the straight and narrow.
Hancock has also studied how we form impressions of others online, how we manage others' impressions of ourselves, and how individual personalities interact with online groups.
Jeff Hancock | Speaker | TED.com