TEDxCaltech
Colin Camerer: When you're making a deal, what's going on in your brain?
Colin Camerer: Nauka o mózgu, teoria gier i małpy
Filmed:
Readability: 3.9
1,516,785 views
Gdy dwoje ludzi chce ubić targu - bez względu na to, czy współzawodniczą czy współpracują - co dzieje się w ich umysłach? Ekonomista behawioralny Colin Camerer przedstawia wyniki badań, które wyjawiają, w jak niewielkim stopniu potrafimy przewidzieć, co myślą inni. Omawia też zaskakujące badanie, wg którego szympansy radzą sobie z tym lepiej niż my, ludzie. (Sfilmowane na TEDxCalTech).
Colin Camerer - Behavioral economist
Colin Camerer is a leading behavioral economist who studies the psychological and neural bases of choice and strategic decision-making. Full bio
Colin Camerer is a leading behavioral economist who studies the psychological and neural bases of choice and strategic decision-making. Full bio
Double-click the English transcript below to play the video.
00:12
I'm going to talk about the strategizing brain.
0
562
2253
Będę mówił o formułowaniu strategii mózgu.
00:14
We're going to use an unusual combination of tools
1
2815
2238
Użyjemy niezwykłej kombinacji narzędzi
00:17
from game theory and neuroscience
2
5053
2013
z teorii gier i neurobiolologii
00:19
to understand how people interact socially when value is on the line.
3
7066
2967
aby zrozumieć interakcje społeczne odnośnie wartości.
00:22
So game theory is a branch of, originally, applied mathematics,
4
10033
3971
Teoria gier jest gałęzią matematyki stosowanej,
00:26
used mostly in economics and political science, a little bit in biology,
5
14004
2986
używanej w ekonomii, naukach politycznych
i co nieco w biologii,
i co nieco w biologii,
00:28
that gives us a mathematical taxonomy of social life
6
16990
3289
dającej nam matematyczną systematykę życia społecznego
00:32
and it predicts what people are likely to do
7
20279
2131
i pozwalającą przewidzieć prawdopodobne
00:34
and believe others will do
8
22410
1194
zachowania ludzkie
00:35
in cases where everyone's actions affect everyone else.
9
23604
3390
w sytuacji kiedy czyjeś działania wpływają na innych.
00:38
That's a lot of things: competition, cooperation, bargaining,
10
26994
3478
Jest tego sporo. Konkurencja, kooperacja, targowanie się,
00:42
games like hide-and-seek, and poker.
11
30472
3291
gra w chowanego, i poker.
00:45
Here's a simple game to get us started.
12
33763
2239
Weźmy na początek prostą grę.
00:48
Everyone chooses a number from zero to 100,
13
36002
2162
Każdy wybierze liczbę od 0 do 100,
00:50
we're going to compute the average of those numbers,
14
38164
2446
i obliczymy średnią z wybranych liczb.
00:52
and whoever's closest to two-thirds of the average wins a fixed prize.
15
40610
4194
Wygrywa ten kto jest najbliżej dwóch trzecich średniej.
00:56
So you want to be a little bit below the average number,
16
44804
2269
Zatem chcesz utrafić poniżej średniej,
00:59
but not too far below, and everyone else wants to be
17
47073
2236
ale tylko odrobinę, i wszyscy pozostali chcą
01:01
a little bit below the average number as well.
18
49309
1945
tego samego.
01:03
Think about what you might pick.
19
51254
2579
Pomyśl, co byś wybrał.
01:05
As you're thinking, this is a toy model of something like
20
53833
3271
To tak jak przy sprzedaży akcji
01:09
selling in the stock market during a rising market. Right?
21
57104
2812
na rynku rosnącym.
01:11
You don't want to sell too early, because you miss out on profits,
22
59916
2225
Nie chcesz sprzedać zbyt wcześnie z uwagi na utratę zysku,
01:14
but you don't want to wait too late
23
62141
2180
i nie chcesz czekać zbyt długo
01:16
to when everyone else sells, triggering a crash.
24
64321
2401
do czasu, kiedy wszyscy sprzedają wywołując spadek.
01:18
You want to be a little bit ahead of the competition, but not too far ahead.
25
66722
2879
Chcesz być przed konkurencją, ale nie za bardzo.
01:21
Okay, here's two theories about how people might think about this,
26
69601
3613
Jak ludzie o tym myśleć? Są dwie teorie,
01:25
and then we'll see some data.
27
73214
1396
a następnie zajmiemy się danymi.
01:26
Some of these will sound familiar because you probably are
28
74610
2191
Niektóre zagadnienia wydadzą się znajome.
01:28
thinking that way. I'm using my brain theory to see.
29
76801
3799
Używam mojej teorii mózgowej.
01:32
A lot of people say, "I really don't know what people are going to pick,
30
80600
3110
Wielu ludzi powie, "Nie wiem, co ludzie wybiorą,
01:35
so I think the average will be 50."
31
83710
1673
więc myślę, że średnia będzie 50."
01:37
They're not being really strategic at all.
32
85383
1911
Nie jest to strategiczne podejście.
01:39
"And I'll pick two-thirds of 50. That's 33." That's a start.
33
87294
3352
"Wybiorę 2/3 z 50, czyli 33." To początek.
01:42
Other people who are a little more sophisticated,
34
90646
1892
Inni, nieco bardziej wyrafinowani.
01:44
using more working memory,
35
92538
1476
używając pamięci roboczej
01:46
say, "I think people will pick 33 because they're going to pick a response to 50,
36
94014
3904
powiedzą, "Sądzę, że ludzie wybiorą 33 aby wybrać odpowiedź do 50,
01:49
and so I'll pick 22, which is two-thirds of 33."
37
97918
2968
dlatego wybiorę 22 jako 2/3 z 33."
01:52
They're doing one extra step of thinking, two steps.
38
100886
2479
To dodatkowy krok w myśleniu, 2 kroki do przodu.
01:55
That's better. And of course, in principle,
39
103365
2617
Tak jest lepiej. Oczywiście, w zasadzie
01:57
you could do three, four or more,
40
105982
1827
można posunąć się dalej, 3, 4 lub więcej,
01:59
but it starts to get very difficult.
41
107809
1869
ale staje sie to bardzo trudne.
02:01
Just like in language and other domains, we know that it's hard for people to parse
42
109678
2592
Podobnie z językiem, trudno jest dokonać analizy
02:04
very complex sentences with a kind of recursive structure.
43
112270
3634
tego typu złożonych, rekurencyjnych zdań.
02:07
This is called a cognitive hierarchy theory, by the way.
44
115904
1734
Nazywamy to teorią hierarchii kognitywnej.
02:09
It's something that I've worked on and a few other people,
45
117638
2556
Pracowałem nad tym z kilkoma innymi .
02:12
and it indicates a kind of hierarchy along with
46
120194
2220
Teoria wskazuje na swego rodzaju hierarchię
02:14
some assumptions about how many people stop at different steps
47
122414
2254
wraz z założeniami, jak wiele osób zatrzyma się przy różnych krokach
02:16
and how the steps of thinking are affected
48
124668
1884
i jak na podejmowane operacje myślowe wpływa
02:18
by lots of interesting variables and variant people, as we'll see in a minute.
49
126552
3696
wiele interesujących zmiennych i różni ludzie, zaraz to zobaczymy.
02:22
A very different theory, a much more popular one, and an older one,
50
130248
3386
Zupełnie inna teoria, starsza i popularniejsza
02:25
due largely to John Nash of "A Beautiful Mind" fame,
51
133634
3540
dzięki Johnowi Nashowi z filmu "Piękny umysł"
02:29
is what's called equilibrium analysis.
52
137174
2240
to analiza równowagi ogólnej.
02:31
So if you've ever taken a game theory course at any level,
53
139414
2454
Jeśli ukończyliście kurs z teorii gier na dowolnym poziomie
02:33
you will have learned a little bit about this.
54
141868
1713
będziecie coś o tym wiedzieć.
02:35
An equilibrium is a mathematical state in which everybody
55
143581
2855
Równowaga to stan w matematyce, w którym każdy
02:38
has figured out exactly what everyone else will do.
56
146436
2449
odgadł, co dokładnie zrobią wszyscy inni.
02:40
It is a very useful concept, but behaviorally,
57
148885
2007
To bardzo użyteczne pojęcie, ale behawiorystycznie
02:42
it may not exactly explain what people do
58
150892
2003
niekoniecznie wyjaśnia, co zrobią ludzie
02:44
the first time they play these types of economic games
59
152895
2735
po raz pierwszy grając w gry ekonomiczne
02:47
or in situations in the outside world.
60
155630
2333
albo w sytuacjach w prawdziwym życiu.
02:49
In this case, the equilibrium makes a very bold prediction,
61
157963
2338
W tym przypadku, równowaga przewiduje bardzo odważnie,
02:52
which is everyone wants to be below everyone else,
62
160301
2860
tj. każdy chce być poniżej poziomu innych,
02:55
therefore they'll play zero.
63
163161
2291
dlatego wybierze zero.
02:57
Let's see what happens. This experiment's been done many, many times.
64
165452
3009
Zobaczmy, co się stanie. Eksperyment przeprowadzono wielokrotnie.
03:00
Some of the earliest ones were done in the '90s
65
168461
1883
Najwcześniejsze przeprowadziłem w latach 90-tych
03:02
by me and Rosemarie Nagel and others.
66
170344
2645
razem z Rosemarie Nagel i innymi.
03:04
This is a beautiful data set of 9,000 people who wrote in
67
172989
2985
To piękny zestaw danych nadesłany przez 9.000 ludzi,
03:07
to three newspapers and magazines that had a contest.
68
175974
2880
na konkurs do trzech gazet i magazynów .
03:10
The contest said, send in your numbers
69
178854
1814
Zasady brzmiały: przyślij swoje liczby,
03:12
and whoever is close to two-thirds of the average will win a big prize.
70
180668
3155
kto będzie najbliżej 2/3 średniej, otrzyma wielką nagrodę.
03:15
And as you can see, there's so much data here, you can see the spikes very visibly.
71
183823
3088
Jak widać, jest wiele danych i wyraźny skok.
03:18
There's a spike at 33. Those are people doing one step.
72
186911
3381
Jest skok na 33. To ludzie, którzy zrobili jeden krok.
03:22
There is another spike visible at 22.
73
190292
2497
Drugi jest na 22.
03:24
And notice, by the way, that most people pick numbers right around there.
74
192789
2292
Proszę zauważyć, większość wybiera liczby z tej puli.
03:27
They don't necessarily pick exactly 33 and 22.
75
195081
2510
Niekoniecznie dokładnie 33 i 22.
03:29
There's something a little bit noisy around it.
76
197591
2056
Jest tam trochę hałasu.
03:31
But you can see those spikes, and they're there.
77
199647
1478
Ale widać tam te skoki.
03:33
There's another group of people who seem to have
78
201125
1710
Jest inna grupa ludzi, którzy zdają się
03:34
a firm grip on equilibrium analysis,
79
202835
2075
dobrze rozumieć analizę równowagi ogólnej,
03:36
because they're picking zero or one.
80
204910
2395
bo wybierają zero lub jeden.
03:39
But they lose, right?
81
207305
2089
Ale oni przegrają, prawda?
03:41
Because picking a number that low is actually a bad choice
82
209394
3192
Bo wybór tak niskiej liczby jest właściwie zły
03:44
if other people aren't doing equilibrium analysis as well.
83
212586
2820
jeśli inni ludzie nie robią analizy równowagi ogólnej.
03:47
So they're smart, but poor.
84
215406
2112
Więc są sprytni, ale biedni.
03:49
(Laughter)
85
217518
2088
(Śmiech)
03:51
Where are these things happening in the brain?
86
219606
1969
Gdzie w mózgu dzieje się to wszystko?
03:53
One study by Coricelli and Nagel gives a really sharp, interesting answer.
87
221575
3875
Badanie Coricelli i Nagel daje wyraźną, ciekawą odpowiedź.
03:57
So they had people play this game
88
225450
1508
Polecili ludziom grać w tę grę,
03:58
while they were being scanned in an fMRI,
89
226958
2217
i skanowali ich za pomocą rezonansu,
04:01
and two conditions: in some trials,
90
229175
2271
i były dwa warunki: podczas niektórych badań
04:03
they're told you're playing another person
91
231446
1515
powiedziano im, że grasz inną osobę,
04:04
who's playing right now and we're going to match up
92
232961
1588
która właśnie gra i potem dopasujemy
04:06
your behavior at the end and pay you if you win.
93
234549
2204
wasze zachowanie i zapłacimy, jeśli wygracie.
04:08
In the other trials, they're told, you're playing a computer.
94
236753
1978
W innych badaniach, grasz rolę komputera.
04:10
They're just choosing randomly.
95
238731
1634
One wybierają liczby losowo.
04:12
So what you see here is a subtraction
96
240365
2077
To, co tutaj widać, to wynik odejmowania
04:14
of areas in which there's more brain activity
97
242442
2750
w obszarach większej aktywności mózgu
04:17
when you're playing people compared to playing the computer.
98
245192
2976
gdy grasz ludzi w porównaniu do komputera.
04:20
And you see activity in some regions we've seen today,
99
248168
1991
Widać aktywność w rejonach takich jak
04:22
medial prefrontal cortex, dorsomedial, however, up here,
100
250159
3237
kora przedczołowa, część grzbietowo-przyśrodkowa, ale tutaj
04:25
ventromedial prefrontal cortex,
101
253396
1851
brzuszno-przyśrodkowa kora przedczołowa,
04:27
anterior cingulate, an area that's involved
102
255247
1354
przednia część kory mózgowej obręczy, biorąca udział
04:28
in lots of types of conflict resolution, like if you're playing "Simon Says,"
103
256601
3637
w rozwiązywaniu konfliktów, np. w grze "Szymon mówi"
04:32
and also the right and left temporoparietal junction.
104
260238
3814
ale również w prawego i lewego skrzyżowania skroniowo-potylicznego.
04:36
And these are all areas which are fairly reliably known
105
264052
2466
To obszary, które są stosunkowo dobrze znane
04:38
to be part of what's called a "theory of mind" circuit,
106
266518
2321
jako część obiegu "teorii umysłu"
04:40
or "mentalizing circuit."
107
268839
1901
albo "obwodu mentalnego".
04:42
That is, it's a circuit that's used to imagine what other people might do.
108
270740
3378
Tzn. jest to obwód, który używa się do wyobrażania, co zrobią inni.
04:46
So these were some of the first studies to see this
109
274118
2240
To były jedne z pierwszych badań łączące to
04:48
tied in to game theory.
110
276358
2033
z teorią gier.
04:50
What happens with these one- and two-step types?
111
278391
2240
Co dzieje się z osobami stosującymi 1- i 2 krok?
04:52
So we classify people by what they picked,
112
280631
2071
Jeśli zaklasyfikujemy ludzi wg tego, co wybierają,
04:54
and then we look at the difference between
113
282702
1667
i potem popatrzymy na różnice pomiędzy
04:56
playing humans versus playing computers,
114
284369
1975
odgrywaniem człowieka i komputera,
04:58
which brain areas are differentially active.
115
286344
1891
jakie obszary mózgu są w różny sposób aktywne.
05:00
On the top you see the one-step players.
116
288235
1752
Na samej górze są gracze 1 kroku.
05:01
There's almost no difference.
117
289987
1520
Nie ma prawie żadnej różnicy.
05:03
The reason is, they're treating other people like a computer, and the brain is too.
118
291507
2940
Dlatego, że traktują innych ludzi jak komputer, tak samo czyni mózg.
05:06
The bottom players, you see all the activity in dorsomedial PFC.
119
294447
4141
Gracze z dolnej puli, widać aktywność w części grzbietowo-przyśrodkowej.
05:10
So we know that those two-step players are doing something differently.
120
298588
2051
Ci, którzy wykonują dwa kroki, robią coś trochę inaczej.
05:12
Now if you were to step back and say, "What can we do with this information?"
121
300639
3096
Zróbmy krok w tył pytając "Co zrobimy z tą informacją?"
05:15
you might be able to look at brain activity and say,
122
303735
1821
- możemy spojrzeć na aktywność mózgu i rzec:
05:17
"This person's going to be a good poker player,"
123
305556
1499
"Ta osoba będzie dobrym graczem w pokera",
05:19
or, "This person's socially naive,"
124
307055
1929
"Ta osoba jest społecznie naiwna",
05:20
and we might also be able to study things
125
308984
1278
możemy również badać zjawiska jak
05:22
like development of adolescent brains
126
310262
1598
rozwój mózgu u nastolatków,
05:23
once we have an idea of where this circuitry exists.
127
311860
3354
odkąd wiemy, gdzie istnieje ten obwód.
05:27
Okay. Get ready.
128
315214
2612
Przygotujcie się.
05:29
I'm saving you some brain activity,
129
317826
2123
Zostawiłem na koniec trochę aktywności mózgu,
05:31
because you don't need to use your hair detector cells.
130
319949
2810
bo nie muszą państwo użyć komórek wykrywających włosy.
05:34
You should use those cells to think carefully about this game.
131
322759
2888
Powinni państwo pomyśleć uważnie o tej grze.
05:37
This is a bargaining game.
132
325647
1935
To gra w targowanie się.
05:39
Two players who are being scanned using EEG electrodes
133
327582
2556
Dwóch graczy skanuje się używając elektrod EEG,
05:42
are going to bargain over one to six dollars.
134
330138
2877
podczas gdy oni targują się o 1 -6 dolarów.
05:45
If they can do it in 10 seconds, they're going to actually earn that money.
135
333015
2664
Jeśli zrobią to w 10 sekund, zarobią te pieniądze.
05:47
If 10 seconds goes by and they haven't made a deal, they get nothing.
136
335679
3040
Jeśli minie 10 sekund i nie ubiją interesu, nic nie dostaną.
05:50
That's kind of a mistake together.
137
338719
1683
To rodzaj wspólnego błędu.
05:52
The twist is that one player, on the left,
138
340402
2817
Podstęp jest taki, że jeden gracz, na lewo,
05:55
is informed about how much on each trial there is.
139
343219
2688
wie, jak dużo jest do wygrania w każdej próbie.
05:57
They play lots of trials with different amounts each time.
140
345907
2232
Jest dużo badań, w każdym inna suma.
06:00
In this case, they know there's four dollars.
141
348139
2241
W tym przypadku, wiedzą, że to 4 dolary.
06:02
The uninformed player doesn't know,
142
350380
1877
Niepoinformowany gracz nie wie,
06:04
but they know that the informed player knows.
143
352257
2054
ale wie, że poinformowany wie.
06:06
So the uninformed player's challenge is to say,
144
354311
2059
Wyzwanie dla niepoinformowanego to mówić:
06:08
"Is this guy really being fair
145
356370
1470
"Czy ten facet naprawdę jest fair
06:09
or are they giving me a very low offer
146
357840
1854
czy daje mi bardzo niską ofertę
06:11
in order to get me to think that there's only one or two dollars available to split?"
147
359694
3078
abym myślał, że do podziału są tylko góra dwa dolary?"
06:14
in which case they might reject it and not come to a deal.
148
362772
3154
- w tym przypadku mogą nie ubić interesu.
06:17
So there's some tension here between trying to get the most money
149
365926
2950
Jest napięcie między chęcią zdobycia jak najwięcej kasy
06:20
but trying to goad the other player into giving you more.
150
368876
2573
a próbą wciągnięcia gracza, aby dał nam więcej.
06:23
And the way they bargain is to point on a number line
151
371449
2330
Sposób targowania się wskazuje na numer linii
06:25
that goes from zero to six dollars,
152
373779
1806
od zera do sześciu dolarów,
06:27
and they're bargaining over how much the uninformed player gets,
153
375585
2978
a targują się o to, ile dostanie niepoinformowany,
06:30
and the informed player's going to get the rest.
154
378563
1585
a poinformowany dostanie resztę.
06:32
So this is like a management-labor negotiation
155
380148
2575
To jak negocjacje o organizacji pracy,
06:34
in which the workers don't know how much profits
156
382723
2733
gdy pracownicy nie wiedzą, jak wielkie profity
06:37
the privately held company has, right,
157
385456
2667
ma firma w rękach prywatnych,
06:40
and they want to maybe hold out for more money,
158
388123
2368
i chcą wytrzymać, aby dostać więcej pieniędzy,
06:42
but the company might want to create the impression
159
390491
1836
ale firma chce stworzyć wrażenie,
06:44
that there's very little to split: "I'm giving you the most that I can."
160
392327
2932
że jest bardzo mało do podziału: "Daję najwięcej, jak mogę".
06:47
First some behavior. So a bunch of the subject pairs, they play face to face.
161
395259
4231
Najpierw, zachowanie. Wiele z par badanych gra twarzą w twarz.
06:51
We have some other data where they play across computers.
162
399490
1836
Mamy inne dane, gdy grają przeciwko komputerom.
06:53
That's an interesting difference, as you might imagine.
163
401326
1738
To ciekawa różnica, jak można sobie wyobrazić.
06:55
But a bunch of the face-to-face pairs
164
403064
2202
Ale część z graczy twarzą w twarz
06:57
agree to divide the money evenly every single time.
165
405266
3693
zgodziła się podzielić pieniądze po równo za każdym razem.
07:00
Boring. It's just not interesting neurally.
166
408959
2906
Nudne. To nie jest ciekawe dla neuronów.
07:03
It's good for them. They make a lot of money.
167
411865
2514
To dobre dla nich. Zarabiają sporo pieniędzy.
07:06
But we're interested in, can we say something about
168
414379
2672
Nas interesuje to, czy można porównać sytuacje
07:09
when disagreements occur versus don't occur?
169
417051
2536
gdy brakuje porozumienia z tymi, gdzie ono jest?
07:11
So this is the other group of subjects who often disagree.
170
419587
2357
Jest inna grupa badanych, którzy często się nie zgadzają.
07:13
So they have a chance of -- they bicker and disagree
171
421944
2768
Mają oni szansę - często nie zgadzają się i sprzeczają się
07:16
and end up with less money.
172
424712
1307
a na koniec mają mniej pieniędzy.
07:18
They might be eligible to be on "Real Housewives," the TV show.
173
426019
3917
Nadali by się do programu "Prawdziwa pani domu".
07:21
You see on the left,
174
429936
1936
Na lewo widać, że
07:23
when the amount to divide is one, two or three dollars,
175
431872
2664
gdy suma do podziału to 1, 2, 3 dolary
07:26
they disagree about half the time,
176
434536
1648
przez połowę czasu nie zgadzają się,
07:28
and when the amount is four, five, six, they agree quite often.
177
436184
2192
a gdy suma jest 4- , całkiem często się zgadzają
07:30
This turns out to be something that's predicted
178
438376
1874
Okazuje się, że zostało to przewidziane
07:32
by a very complicated type of game theory
179
440250
2204
przez bardzo skomplikowaną teorię gier
07:34
you should come to graduate school at CalTech and learn about.
180
442454
2809
o której można się nauczyć na studiach podyplomowych.
07:37
It's a little too complicated to explain right now,
181
445263
2172
To trochę za trudne do wyjaśnienia teraz,
07:39
but the theory tells you that this shape kind of should occur.
182
447435
3416
ale teoria mówi, że ten kształt powinien się pojawić.
07:42
Your intuition might tell you that too.
183
450851
2216
Intuicja może powiedzieć to samo.
07:45
Now I'm going to show you the results from the EEG recording.
184
453067
2240
Teraz pokażę wyniki z nagrań EEG.
07:47
Very complicated. The right brain schematic
185
455307
2353
Bardzo skomplikowane. Schemat mózgu po prawej
07:49
is the uninformed person, and the left is the informed.
186
457660
2863
to niepoinformowany, a lewa - poinformowany gracz.
07:52
Remember that we scanned both brains at the same time,
187
460523
2800
Oba mózgi skanowano w tym samym czasie
07:55
so we can ask about time-synced activity
188
463323
2392
możemy pytać o aktywność schynchronizowaną czasowo
07:57
in similar or different areas simultaneously,
189
465715
3224
jednocześnie na tych samych czy podobnych obszarach.
08:00
just like if you wanted to study a conversation
190
468939
2264
Tak jakby chciało się badać rozmowę,
08:03
and you were scanning two people talking to each other
191
471203
1936
skanując rozmówców,
08:05
and you'd expect common activity in language regions
192
473139
2360
- oczekuje się aktywności w rejonach odpowiedzialnych za język
08:07
when they're actually kind of listening and communicating.
193
475499
2385
kiedy słuchają i komunikują się.
08:09
So the arrows connect regions that are active at the same time,
194
477884
3927
Strzałki łączą obszary aktywne jednocześnie,
08:13
and the direction of the arrows flows
195
481811
2040
a ich kierunek płynie
08:15
from the region that's active first in time,
196
483851
2480
od najwcześniej aktywnego obszaru
08:18
and the arrowhead goes to the region that's active later.
197
486331
3568
a strzałka do obszaru aktywnego najpóźniej.
08:21
So in this case, if you look carefully,
198
489899
2216
W tym przypadku, popatrzmy uważnie,
08:24
most of the arrows flow from right to left.
199
492115
1857
większość strzałek idzie od prawej do lewej.
08:25
That is, it looks as if the uninformed brain activity
200
493972
3280
Wygląda na to, że aktywność mózgu niepoinformowanego
08:29
is happening first,
201
497252
1959
jest najpierw,
08:31
and then it's followed by activity in the informed brain.
202
499211
3515
a za nią aktywność poinformowanego.
08:34
And by the way, these were trials where their deals were made.
203
502726
3692
Były również próby, gdy dobito targu.
08:38
This is from the first two seconds.
204
506418
1780
To pochodzi z pierwszych dwóch sekund.
08:40
We haven't finished analyzing this data,
205
508198
1980
Nie skończyliśmy analizy tych danych,
08:42
so we're still peeking in, but the hope is
206
510178
1900
więc nadal do nich zaglądamy, ale jest nadzieja,
08:44
that we can say something in the first couple of seconds
207
512078
2564
że możemy powiedzieć w pierwszych sekundach,
08:46
about whether they'll make a deal or not,
208
514642
1723
czy ubiją interes czy nie,
08:48
which could be very useful in thinking about avoiding litigation
209
516365
2043
co pomoże uniknąć spraw sądowych,
08:50
and ugly divorces and things like that.
210
518408
1928
brzydkich rozwodów i tak dalej.
08:52
Those are all cases in which a lot of value is lost
211
520336
2883
To przypadki, gdy jest utrata wartości
08:55
by delay and strikes.
212
523219
2976
poprzez opóźnienie i strajki.
08:58
Here's the case where the disagreements occur.
213
526195
2030
Przypadek, gdzie dochodzi do niezgody.
09:00
You can see it looks different than the one before.
214
528225
2173
Widać, że wygląda dużo inaczej niż poprzedni.
09:02
There's a lot more arrows.
215
530398
2249
Jest dużo więcej strzałek.
09:04
That means that the brains are synced up
216
532647
1511
Znaczy to, że mózgi są bardziej zsynchronizowane
09:06
more closely in terms of simultaneous activity,
217
534158
2552
jeśli chodzi o jednoczesną aktywność,
09:08
and the arrows flow clearly from left to right.
218
536710
2010
a strzałki biegną od lewej do prawej.
09:10
That is, the informed brain seems to be deciding,
219
538720
2242
Tzn. poinformowany podejmuje decyzję.
09:12
"We're probably not going to make a deal here."
220
540962
2288
"Pewnie nie dobijemy targu".
09:15
And then later there's activity in the uninformed brain.
221
543250
3225
A potem jest aktywność w niepoinformowanym mózgu.
09:18
Next I'm going to introduce you to some relatives.
222
546475
2503
Następnie przedstawię państwu paru krewnych.
09:20
They're hairy, smelly, fast and strong.
223
548978
2261
Są owłosieni, śmierdzący, szybcy i silni.
09:23
You might be thinking back to your last Thanksgiving.
224
551239
3190
Może myślicie państwo o ostatnim Święcie Dziękczynienia.
09:26
Maybe if you had a chimpanzee with you.
225
554429
2693
Może gdybyście mieli ze sobą szympansa.
09:29
Charles Darwin and I and you broke off from the family tree
226
557122
3461
Karol Darwin i ja oderwaliśmy się od drzewa genealogicznego
09:32
from chimpanzees about five million years ago.
227
560583
2259
szympansów jakieś 5 milionów lat temu.
09:34
They're still our closest genetic kin.
228
562842
1968
Nadal są naszymi najbliższymi krewnymi.
09:36
We share 98.8 percent of the genes.
229
564810
1737
Mamy 98,8 % identycznych genów.
09:38
We share more genes with them than zebras do with horses.
230
566547
2800
Mamy więcej wspólnych genów niż zebry z końmi.
09:41
And we're also their closest cousin.
231
569347
1717
I my też jesteśmy ich najbliższym kuzynem.
09:43
They have more genetic relation to us than to gorillas.
232
571064
3002
Mają więcej genetycznych związków z nami niż z gorylami.
09:46
So how humans and chimpanzees behave differently
233
574066
2528
To, jak różnie zachowują się ludzie i szympansy
09:48
might tell us a lot about brain evolution.
234
576594
2455
może powiedzieć wiele o ewolucji mózgu.
09:51
So this is an amazing memory test
235
579049
2601
Jest wspaniały test na pamięć
09:53
from Nagoya, Japan, Primate Research Institute,
236
581650
2816
z Instytutu Badań nad Naczelnymi w Nagoya, Japonii,
09:56
where they've done a lot of this research.
237
584466
1778
gdzie wykonano dużo badań.
09:58
This goes back quite a ways. They're interested in working memory.
238
586244
2340
Są zainteresowani pamięcią operacyjną.
10:00
The chimp is going to see, watch carefully,
239
588584
1772
Szympans zobaczy, obejrzy uważnie,
10:02
they're going to see 200 milliseconds' exposure
240
590356
2202
zobaczą przez 200 milisekund
10:04
— that's fast, that's eight movie frames —
241
592558
1994
-- to szybko, to osiem klatek filmowych --
10:06
of numbers one, two, three, four, five.
242
594552
1951
liczby jeden, dwa, trzy, cztery, pięć.
10:08
Then they disappear and they're replaced by squares,
243
596503
1998
Potem znikną i zostaną zastąpione przez kwadraty,
10:10
and they have to press the squares
244
598501
1755
małpy muszą nacisnąć kwadraty
10:12
that correspond to the numbers from low to high
245
600256
2321
odpowiadające liczbom od najmniejszej do największej
10:14
to get an apple reward.
246
602577
1339
aby otrzymać nagrodę: jabłko.
10:15
Let's see how they can do it.
247
603916
4771
Zobaczmy jak sobie poradzą.
10:28
This is a young chimp. The young ones
248
616391
1493
To młody szympans. Młode
10:29
are better than the old ones, just like humans.
249
617884
2783
są lepsze od starych, tak jak u ludzi.
10:32
And they're highly experienced, so they've done this
250
620667
1592
Mają wielkie doświadczenie, robiły to ćwiczenie
10:34
thousands and thousands of time.
251
622259
1432
już setki tysięcy razy.
10:35
Obviously there's a big training effect, as you can imagine.
252
623691
2884
Oczywiście jest ogromny wpływ treningu, jak można przypuszczać.
10:39
(Laughter)
253
627928
1344
(Śmiech)
10:41
You can see they're very blasé and kind of effortless.
254
629272
1935
Widać, że są zblazowane i robią to bez wysiłku.
10:43
Not only can they do it very well, they do it in a sort of lazy way.
255
631207
3928
Nie tylko wychodzi im to dobrze, ale robią to na luzie.
10:47
Right? Who thinks you could beat the chimps?
256
635135
3435
Kto myśli, że może pobić szympansy?
10:50
Wrong. (Laughter)
257
638570
1596
Nieprawda. (Śmiech)
10:52
We can try. We'll try. Maybe we'll try.
258
640166
2438
Możemy spróbować. Spróbujemy.
10:54
Okay, so the next part of this study
259
642604
2590
Następna część tego badania
10:57
I'm going to go quickly through
260
645194
1596
którą szybko omówię,
10:58
is based on an idea of Tetsuro Matsuzawa.
261
646790
2692
opiera się na pomyśle Tetsuro Matsuzawa.
11:01
He had a bold idea that -- what he called the cognitive trade-off hypothesis.
262
649482
3029
Miał odważną teorię - nazwał ją hipotezą kognitywnego kompromisu.
11:04
We know chimps are faster and stronger.
263
652511
1292
Szympansy są szybsze i silniejsze.
11:05
They're also very obsessed with status.
264
653803
1680
Mają obsesję na punkcie statusu.
11:07
His thought was, maybe they've preserved brain activities
265
655483
2956
Pomyślał, że może zachowały aktywność mózgu
11:10
and they practice them in development
266
658439
2168
i ćwiczą je w rozwijaniu
11:12
that are really, really important to them
267
660607
1851
tego, co dla nich naprawdę ważne,
11:14
to negotiate status and to win,
268
662458
2210
aby negocjować status i wygrać,
11:16
which is something like strategic thinking during competition.
269
664668
2998
coś w rodzaju myślenia strategicznego podczas konkursu.
11:19
So we're going to check that out
270
667666
1580
Więc zamierzaliśmy sprawdzić to,
11:21
by having the chimps actually play a game
271
669246
2430
zmuszając szympansy do gry
11:23
by touching two touch screens.
272
671676
2638
w której dotykają dwóch ekranów.
11:26
The chimps are actually interacting with each other through the computers.
273
674314
2440
Szympansy wchodzą w interakcję ze sobą przez komputery.
11:28
They're going to press left or right.
274
676754
1608
Mają nacisnąć lewo lub prawo.
11:30
One chimp is called a matcher.
275
678362
2113
Jeden nazywa się odpowiednikiem.
11:32
They win if they press left, left,
276
680475
1983
Wygrają jeśli nacisną lewy i lewy,
11:34
like a seeker finding someone in hide-and-seek, or right, right.
277
682458
3169
jak szukający odnajdujący kogoś w zabawie w chowanego, albo prawy i prawy.
11:37
The mismatcher wants to mismatch.
278
685627
1228
Drugi chce połączyć niewłaściwie.
11:38
They want to press the opposite screen of the chimp.
279
686855
3076
Chcą nacisnąć na ekran po przeciwnej stronie.
11:41
And the rewards are apple cube rewards.
280
689931
2544
Nagrodą są kostki jabłkowe.
11:44
So here's how game theorists look at these data.
281
692475
2528
Tak na te dane patrzą teoretycy gier.
11:47
This is a graph of the percentage of times
282
695003
1614
To wykres przedstawiający procentowo,
11:48
the matcher picked right on the x-axis,
283
696617
2618
ile razy odpowiednik wybrał na prawo od osi x,
11:51
and the percentage of times they predicted right
284
699235
1516
i procent, ile razy przewidzieli prawidłowo
11:52
by the mismatcher on the y-axis.
285
700751
2868
zachowanie drugiego na osi y.
11:55
So a point here is the behavior by a pair of players,
286
703619
3200
Chodzi o zachowanie pary graczy,
11:58
one trying to match, one trying to mismatch.
287
706819
2216
jeden chce połączyć prawidłowo, drugi nieprawidłowo.
12:01
The NE square in the middle -- actually NE, CH and QRE --
288
709035
3280
Kwadrat NE w środku - właściwie NE, CH i QRE -
12:04
those are three different theories of Nash equilibrium, and others,
289
712315
2456
te trzy rożne teorie równowagi Nasha i inne,
12:06
tells you what the theory predicts,
290
714771
2424
mówią, co przewiduje teoria,
12:09
which is that they should match 50-50,
291
717195
2272
czyli że powinni dopasować 50 do 50
12:11
because if you play left too much, for example,
292
719467
2168
bo jeśli gra idzie za bardzo w lewo,
12:13
I can exploit that if I'm the mismatcher by then playing right.
293
721635
2716
mogę wykorzystać tę sytuację grając w prawo.
12:16
And as you can see, the chimps, each chimp is one triangle,
294
724351
2764
Jak widać, szympansy reprezentują trójkąty,
12:19
are circled around, hovering around that prediction.
295
727115
3847
otoczone wokół, unosząc się wokół przewidywań.
12:22
Now we move the payoffs.
296
730962
1774
Teraz przejdźmy do wypłaty.
12:24
We're actually going to make the left, left payoff for the matcher a little bit higher.
297
732736
3443
Zamierzamy dać graczowi po lewej trochę większą wypłatę.
12:28
Now they get three apple cubes.
298
736179
1520
Teraz dostaną trzy kostki jabłka.
12:29
Game theoretically, that should actually make the mismatcher's behavior shift,
299
737699
2800
To powinno zmienić zachowanie tego, który nie dopasowuje,
12:32
because what happens is, the mismatcher will think,
300
740499
1590
bo pomyśli on, że
12:34
oh, this guy's going to go for the big reward,
301
742089
1810
ten facet dostanie większą nagrodę,
12:35
and so I'm going to go to the right, make sure he doesn't get it.
302
743899
3065
więc pójdę na prawo, upewniając się,.że jej nie dostanie.
12:38
And as you can see, their behavior moves up
303
746964
1665
Jak widać, ich zachowanie przesuwa się w górę
12:40
in the direction of this change in the Nash equilibrium.
304
748629
3448
w stronę zmiany w równowadze Nasha.
12:44
Finally, we changed the payoffs one more time.
305
752077
2314
W końcu, zmieniliśmy wypłatę jeszcze raz.
12:46
Now it's four apple cubes,
306
754391
1192
Teraz to cztery kostki jabłkowe,
12:47
and their behavior again moves towards the Nash equilibrium.
307
755583
2172
a zachowanie zwierząt przesuwa się w stronę równowagi Nasha.
12:49
It's sprinkled around, but if you average the chimps out,
308
757755
2035
Jest rozsypane, ale jeśli uśredni się wyniki,
12:51
they're really, really close, within .01.
309
759790
2190
są bardzo blisko, w zakresie 0,1.
12:53
They're actually closer than any species we've observed.
310
761980
3199
Są właściwie bliżej niż jakikolwiek obserwowany gatunek.
12:57
What about humans? You think you're smarter than a chimpanzee?
311
765179
3193
A co z ludźmi? Myślicie, że jesteście mądrzejsi niż szympans?
13:00
Here's two human groups in green and blue.
312
768372
3567
To dwie grupy ludzi na zielono i niebiesko.
13:03
They're closer to 50-50. They're not responding to payoffs as closely,
313
771939
3744
Są bliżej 50 na 50. Nie reagują na wypłaty w takim stopniu,
13:07
and also if you study their learning in the game,
314
775683
1450
również jeśli bada się, jak uczą się w grze,
13:09
they aren't as sensitive to previous rewards.
315
777133
1985
nie są tak wrażliwi na wcześniejsze nagrody.
13:11
The chimps are playing better than the humans,
316
779118
1364
Szympansy grają lepiej niż ludzie,
13:12
better in the sense of adhering to game theory.
317
780482
2423
tj. bardziej przystają do teorii gier.
13:14
And these are two different groups of humans
318
782905
1419
To są dwie różne grupy ludzi
13:16
from Japan and Africa. They replicate quite nicely.
319
784324
3196
z Japonii i Afryki. Kopiują to całkiem ładnie.
13:19
None of them are close to where the chimps are.
320
787520
3235
Ale żadna z nich nie zbliżyła się do szympansów.
13:22
So here are some things we learned today.
321
790755
1755
Dzisiaj dowiedzieliśmy się paru rzeczy.
13:24
People seem to do a limited amount of strategic thinking
322
792510
1938
Ludzie w ograniczonym stopniu myślą strategicznie
13:26
using theory of mind.
323
794448
1811
wykorzystując teorię umysłu.
13:28
We have some preliminary evidence from bargaining
324
796259
1917
Z badań targowania mamy wstępne wyniki, że
13:30
that early warning signs in the brain might be used to predict
325
798176
2492
wczesne sygnały ostrzegawcze w mózgu mogą przewidzieć,
13:32
whether there will be a bad disagreement that costs money,
326
800668
2226
czy nastąpi poważne nieporozumienie, kosztujące pieniądze,
13:34
and chimps are better competitors than humans,
327
802894
1840
a szympansy radzą sobie lepiej niż ludzie,
13:36
as judged by game theory.
328
804734
2464
jeśli chodzi o teorię gier.
13:39
Thank you.
329
807198
1857
Dziękuję państwu.
13:41
(Applause)
330
809055
3573
(Brawa)
ABOUT THE SPEAKER
Colin Camerer - Behavioral economistColin Camerer is a leading behavioral economist who studies the psychological and neural bases of choice and strategic decision-making.
Why you should listen
Colin Camerer focuses on brain behavior during decision making, strategizing and market trading. He is the Robert Kirby Professor of Behavioral Finance and Economics at the California Institute of Technology. A child prodigy in his youth, Camerer received a B.A. in quantitative studies from Johns Hopkins when he was just 17 and a PhD in decision theory from the University of Chicago Graduate School of Business when he was 22. Camerer's research departs from previous theory in that it does not assume the mind to be a rational and perfect system, but rather focuses on the limitations of everyday people when they play actual games, and seeks to predict how they will behave in situations that involve strategy. His studies focus on neurological findings from economic experiments in the lab (on humans -- and monkeys!) Camerer is the author of Behavioral Game Theory.
Colin Camerer | Speaker | TED.com