ABOUT THE SPEAKER
Dan Gilbert - Psychologist; happiness expert
Harvard psychologist Dan Gilbert says our beliefs about what will make us happy are often wrong -- a premise he supports with intriguing research, and explains in his accessible and unexpectedly funny book, Stumbling on Happiness.

Why you should listen

Dan Gilbert believes that, in our ardent, lifelong pursuit of happiness, most of us have the wrong map. In the same way that optical illusions fool our eyes -- and fool everyone's eyes in the same way -- Gilbert argues that our brains systematically misjudge what will make us happy. And these quirks in our cognition make humans very poor predictors of our own bliss.

The premise of his current research -- that our assumptions about what will make us happy are often wrong -- is supported with clinical research drawn from psychology and neuroscience. But his delivery is what sets him apart. His engaging -- and often hilarious -- style pokes fun at typical human behavior and invokes pop-culture references everyone can relate to. This winning style translates also to Gilbert's writing, which is lucid, approachable and laugh-out-loud funny. The immensely readable Stumbling on Happiness, published in 2006, became a New York Times bestseller and has been translated into 20 languages.

In fact, the title of his book could be drawn from his own life. At 19, he was a high school dropout with dreams of writing science fiction. When a creative writing class at his community college was full, he enrolled in the only available course: psychology. He found his passion there, earned a doctorate in social psychology in 1985 at Princeton, and has since won a Guggenheim Fellowship and the Phi Beta Kappa teaching prize for his work at Harvard. He has written essays and articles for The New York Times, Time and even Starbucks, while continuing his research into happiness at his Hedonic Psychology Laboratory.

More profile about the speaker
Dan Gilbert | Speaker | TED.com
TEDGlobal 2005

Dan Gilbert: Why we make bad decisions

Dan Gilbert sobre nossas expectativas equivocadas

Filmed:
5,287,085 views

Dan Gilbert apresenta os dados de sua pesquisa sobre a felicidade – compartilhando alguns testes e experimentos surpreendentes que você mesmo pode experimentar. Assista até o fim para ver uma brilhante sessão de perguntas e respostas com alguns velhos conhecidos do TED.
- Psychologist; happiness expert
Harvard psychologist Dan Gilbert says our beliefs about what will make us happy are often wrong -- a premise he supports with intriguing research, and explains in his accessible and unexpectedly funny book, Stumbling on Happiness. Full bio

Double-click the English transcript below to play the video.

00:18
We all make decisions every day; we want to know
0
0
2000
Todos nós tomamos decisões todos os dias; queremos saber
00:20
what the right thing is to do -- in domains from the financial
1
2000
3000
qual é a coisa certa a fazer - em questões financeiras,
00:23
to the gastronomic to the professional to the romantic.
2
5000
4000
gastronômicas, profissionais, e até românticas.
00:27
And surely, if somebody could really tell us how to do
3
9000
3000
E certamente, se alguém pudesse realmente nos dizer como fazer
00:30
exactly the right thing at all possible times,
4
12000
3000
a coisa certa toda hora,
00:33
that would be a tremendous gift.
5
15000
3000
isso seria um baita dom.
00:36
It turns out that, in fact, the world was given this gift in 1738
6
18000
5000
Acontece que, de fato, o mundo recebeu esse dom em 1738
00:41
by a Dutch polymath named Daniel Bernoulli.
7
23000
3000
de um sábio holandês chamado Daniel Bernoulli.
00:44
And what I want to talk to you about today is what that gift is,
8
26000
3000
E hoje eu quero conversar com vocês sobre o que esse dom é,
00:47
and I also want to explain to you why it is
9
29000
3000
e também explicar porque é que ele
00:50
that it hasn't made a damn bit of difference.
10
32000
3000
não fez diferença alguma.
00:53
Now, this is Bernoulli's gift. This is a direct quote.
11
35000
5000
Agora, esse é o dom de Bernoulli. Esta é uma citação exata.
00:58
And if it looks like Greek to you, it's because, well, it's Greek.
12
40000
3000
E se parece grego para você, é porque, bem, é grego mesmo.
01:02
But the simple English translation -- much less precise,
13
44000
4000
Mas a tradução simples - bem menos precisa,
01:06
but it captures the gist of what Bernoulli had to say -- was this:
14
48000
4000
mas que captura a essência do que Bernoulli tinha pra dizer – era esta:
01:10
The expected value of any of our actions --
15
52000
2000
O valor esperado de qualquer uma de nossa ações -
01:12
that is, the goodness that we can count on getting --
16
54000
4000
quer dizer, o bem que esperamos receber -
01:16
is the product of two simple things:
17
58000
2000
é o produto de dois simples fatores:
01:18
the odds that this action will allow us to gain something,
18
60000
4000
a probabilidade de que esta ação nos beneficiará,
01:22
and the value of that gain to us.
19
64000
3000
e o tamanho deste beneficio para nós.
01:25
In a sense, what Bernoulli was saying is,
20
67000
2000
De um modo, o que Bernoulli disse foi
01:27
if we can estimate and multiply these two things,
21
69000
3000
que se nós estimássemos e multiplicássemos estes dois fatores,
01:30
we will always know precisely how we should behave.
22
72000
3000
nós sempre saberíamos exatamente como agir.
01:33
Now, this simple equation, even for those of you
23
75000
3000
Agora, essa simples equação, mesmo para quem
01:36
who don't like equations, is something that you're quite used to.
24
78000
3000
não gosta de equações, é algo que vocês estão bem acostumados a fazer.
01:39
Here's an example: if I were to tell you, let's play
25
81000
3000
Veja um exemplo: se eu lhe dissesse, vamos jogar
01:42
a little coin toss game, and I'm going to flip a coin,
26
84000
3000
um joguinho de cara ou coroa, eu jogo a moeda,
01:45
and if it comes up heads, I'm going to pay you 10 dollars,
27
87000
3000
e se cair cara eu lhe pago 10 dólares,
01:48
but you have to pay four dollars for the privilege of playing with me,
28
90000
4000
mas você tem que pagar 4 dólares pelo privilégio de jogar comigo,
01:52
most of you would say, sure, I'll take that bet. Because you know
29
94000
3000
A maioria de vocês diria, sim, eu aceito. Porque sabem
01:55
that the odds of you winning are one half, the gain if you do is 10 dollars,
30
97000
5000
que a probabilidade de ganhar é ½ e o lucro se você ganhar é 10 dólares,
02:00
that multiplies to five, and that's more
31
102000
2000
o resultado da multiplicação é cinco, e isto é mais
02:02
than I'm charging you to play. So, the answer is, yes.
32
104000
4000
do que estou lhe cobrando para jogar. Então, a responda é sim.
02:06
This is what statisticians technically call a damn fine bet.
33
108000
4000
Isso é o que estatísticos chamam de uma bela aposta.
02:10
Now, the idea is simple when we're applying it to coin tosses,
34
112000
3000
Agora, essa idéia é simples quando aplicada a jogos de cara e coroa,
02:13
but in fact, it's not very simple in everyday life.
35
115000
4000
mas, de fato, ela não é tão simples no dia-a-dia.
02:17
People are horrible at estimating both of these things,
36
119000
4000
As pessoas são péssimas para estimar esses dois fatores,
02:21
and that's what I want to talk to you about today.
37
123000
2000
e é isso que gostaria de discutir hoje.
02:23
There are two kinds of errors people make when trying to decide
38
125000
3000
Existem dois tipos de erros que as pessoas fazem quando tentam decidir
02:26
what the right thing is to do, and those are
39
128000
2000
a coisa certa a fazer, e estes são
02:28
errors in estimating the odds that they're going to succeed,
40
130000
3000
os erros em estimar a probabilidade de que elas terão sucesso,
02:31
and errors in estimating the value of their own success.
41
133000
4000
e erros em estimar o benefício de seu próprio sucesso.
02:35
Now, let me talk about the first one first.
42
137000
4000
Permita-me falar primeiro sobre o primeiro erro.
02:39
Calculating odds would seem to be something rather easy:
43
141000
2000
Calcular a probabilidade parece ser uma coisa fácil:
02:41
there are six sides to a die, two sides to a coin, 52 cards in a deck.
44
143000
4000
existem seis lados em um dado, dois lados em uma moeda, 52 cartas em um baralho.
02:45
You all know what the likelihood is of pulling the ace of spades
45
147000
4000
Vocês todos sabem qual a probabilidade de tirar o ás de espadas
02:49
or of flipping a heads.
46
151000
1000
ou de tirar cara.
02:50
But as it turns out, this is not a very easy idea to apply
47
152000
5000
Mas na realidade, esta não e uma noção fácil de se aplicar
02:55
in everyday life. That's why Americans spend more --
48
157000
3000
ao dia-a-dia. É por isso que os americanos gastam mais -
02:58
I should say, lose more -- gambling
49
160000
3000
eu diria, perdem mais - apostando
03:01
than on all other forms of entertainment combined.
50
163000
5000
do que em todas as outras formas de entretenimento juntas.
03:06
The reason is, this isn't how people do odds.
51
168000
3000
A razão é que não é assim que as pessoas calculam probabilidades.
03:09
The way people figure odds
52
171000
1000
O maneira que as pessoas calculam probabilidades
03:10
requires that we first talk a bit about pigs.
53
172000
3000
requer primeiro uma conversinha sobre porcos.
03:13
Now, the question I'm going to put to you is whether you think
54
175000
2000
Agora, eu quero que vocês pensem se existem
03:15
there are more dogs or pigs on leashes
55
177000
3000
mais cachorros ou porcos com coleiras
03:18
observed in any particular day in Oxford.
56
180000
3000
vistos em qualquer dia em Oxford.
03:21
And of course, you all know that the answer is dogs.
57
183000
2000
Claro que vocês sabem que a resposta é cachorros.
03:23
And the way that you know that the answer is dogs is
58
185000
3000
E o modo como vocês sabem que a resposta é cachorros é que
03:26
you quickly reviewed in memory the times
59
188000
2000
você rapidamente revisitou na sua memória as vezes
03:28
you've seen dogs and pigs on leashes.
60
190000
2000
que você já viu cachorros e porcos com coleiras.
03:30
It was very easy to remember seeing dogs,
61
192000
3000
Foi fácil se lembrar de ter visto cachorros,
03:33
not so easy to remember pigs. And each one of you assumed
62
195000
3000
mas nem tanto com os porcos. E cada um de vocês presumiu
03:36
that if dogs on leashes came more quickly to your mind,
63
198000
4000
que se cachorros com coleiras vieram mais depressa à mente,
03:40
then dogs on leashes are more probable.
64
202000
2000
então cachorros com coleiras são mais prováveis.
03:42
That's not a bad rule of thumb, except when it is.
65
204000
5000
Essa não é sempre uma regra ruim, exceto quando está errada.
03:47
So, for example, here's a word puzzle.
66
209000
2000
Por exemplo, aqui está um quebra-cabeças de palavras.
03:49
Are there more four-letter English words
67
211000
2000
Existem mais palavras de quatro letras em inglês
03:51
with R in the third place or R in the first place?
68
213000
4000
com a letra R no terceiro lugar ou com o R no começo?
03:55
Well, you check memory very briefly, make a quick scan,
69
217000
3000
Bem, se você consultar sua memória rapidinho, bem rápido mesmo,
03:58
and it's awfully easy to say to yourself, Ring, Rang, Rung,
70
220000
3000
é bem fácil lembrar de palavras como “Ring,” “Rang,” “Rung”
04:01
and very hard to say to yourself, Pare, Park: they come more slowly.
71
223000
7000
e difícil se lembrar de “Pare,” “Park”: você só se lembra delas depois.
04:08
But in fact, there are many more words in the English language
72
230000
2000
Mas de fato, há muito mais palavras na língua inglesa
04:10
with R in the third than the first place.
73
232000
3000
com o R no terceiro lugar do que no começo.
04:13
The reason words with R in the third place come slowly to your mind
74
235000
4000
O motivo porque palavras com R no terceiro lugar vêm à mente devagar
04:17
isn't because they're improbable, unlikely or infrequent.
75
239000
3000
não é porque elas são improváveis ou pouco frequentes.
04:20
It's because the mind recalls words by their first letter.
76
242000
4000
É porque a mente recorda palavras pela primeira letra.
04:24
You kind of shout out the sound, S -- and the word comes.
77
246000
3000
Você meio que diz o som, S - e a palavra vem.
04:27
It's like the dictionary;
78
249000
1000
É como no dicionário;
04:28
it's hard to look things up by the third letter.
79
250000
3000
é difícil procurar as coisas pela terceira letra.
04:31
So, this is an example of how this idea that
80
253000
2000
Então, este é um exemplo de como essa idéia de que
04:33
the quickness with which things come to mind
81
255000
2000
a rapidez com que você se recorda de algo
04:35
can give you a sense of their probability --
82
257000
2000
pode lhe dar uma noção de sua probabilidade -
04:37
how this idea could lead you astray. It's not just puzzles, though.
83
259000
4000
como essa idéia pode lhe enganar. Mas não é só com quebra-cabeças.
04:41
For example, when Americans are asked to estimate the odds
84
263000
3000
Por exemplo, quando se pede a norte-americanos para estimar a probabilidade
04:44
that they will die in a variety of interesting ways --
85
266000
3000
de que vão morrer de diversos modos interessantes -
04:47
these are estimates of number of deaths per year
86
269000
3000
essas são estimativas de números de mortes por ano
04:50
per 200 million U.S. citizens.
87
272000
2000
por 200 milhões de cidadãos norte-americanos.
04:52
And these are just ordinary people like yourselves who are asked
88
274000
2000
E se pede a pessoas comuns como você
04:54
to guess how many people die from tornado, fireworks, asthma, drowning, etc.
89
276000
4000
para estimar quantas pessoas morrem de tornados, fogos de artifício, asma, afogamento etc.
04:58
Compare these to the actual numbers.
90
280000
3000
Compare esses números com os números reais.
05:01
Now, you see a very interesting pattern here, which is first of all,
91
283000
3000
Agora, vocês vêem um padrão interessante aqui, que é primeiramente,
05:04
two things are vastly over-estimated, namely tornadoes and fireworks.
92
286000
5000
que duas coisas são enormemente super-estimadas: tornados e fogos de artifício;
05:09
Two things are vastly underestimated:
93
291000
2000
duas coisas são enormemente subestimadas:
05:11
dying by drowning and dying by asthma. Why?
94
293000
3000
morte por afogamento e morte por asma. Por que?
05:14
When was the last time that you picked up a newspaper
95
296000
3000
Quando foi a última vez que você leu o jornal
05:17
and the headline was, "Boy dies of Asthma?"
96
299000
3000
e a manchete era, “Garoto morre de asma.”?
05:20
It's not interesting because it's so common.
97
302000
3000
Não é tão interessante porque é tão comum.
05:23
It's very easy for all of us to bring to mind instances
98
305000
4000
É facílimo para todos nós recordarmo-nos
05:27
of news stories or newsreels where we've seen
99
309000
3000
de matérias ou manchetes em que vimos
05:30
tornadoes devastating cities, or some poor schmuck
100
312000
2000
tornados destruindo cidades, ou um pobre cara
05:32
who's blown his hands off with a firework on the Fourth of July.
101
314000
4000
que queimou a mão com um foguete no Dia da Independência.
05:36
Drownings and asthma deaths don't get much coverage.
102
318000
3000
Mortes por afogamento e asma não recebem muita atenção.
05:39
They don't come quickly to mind, and as a result,
103
321000
2000
A gente não se lembra tão facilmente delas e consequentemente,
05:41
we vastly underestimate them.
104
323000
2000
nós às subestimamos imensamente.
05:43
Indeed, this is kind of like the Sesame Street game
105
325000
2000
Realmente, isso é mais ou menos como aquele jogo da Vila Sésamo
05:45
of "Which thing doesn't belong?" And you're right to say
106
327000
4000
de “Qual desses não pertence?” E você esta certo em dizer
05:49
it's the swimming pool that doesn't belong, because the swimming pool
107
331000
3000
que a piscina não pertence, porque a piscina
05:52
is the only thing on this slide that's actually very dangerous.
108
334000
4000
é a única coisa nesta tela que é realmente perigosa.
05:56
The way that more of you are likely to die than the combination
109
338000
2000
É mais provável que vocês morram desse modo do que
05:58
of all three of the others that you see on the slide.
110
340000
4000
dos três outros que vocês vêem juntos na tela.
06:02
The lottery is an excellent example, of course -- an excellent test-case
111
344000
4000
A loteria é outro exemplo excelente, claro - é um excelente modo de testar
06:06
of people's ability to compute probabilities.
112
348000
3000
a habilidade das pessoas calcularem probabilidades.
06:09
And economists -- forgive me, for those of you who play the lottery --
113
351000
3000
E economistas - desculpem-me os que jogam na loteria -
06:12
but economists, at least among themselves, refer to the lottery
114
354000
3000
mas economistas, pelo menos entre eles, chamam a loteria
06:15
as a stupidity tax, because the odds of getting any payoff
115
357000
5000
de um imposto sobre a estupidez, porque a probabilidade de ganhar qualquer coisa
06:20
by investing your money in a lottery ticket
116
362000
2000
investindo seu dinheiro num bilhete da loteria
06:22
are approximately equivalent to flushing the money
117
364000
2000
é aproximadamente o equivalente a jogar dinheiro no toalete
06:24
directly down the toilet -- which, by the way,
118
366000
2000
e puxar a descarga - o que, a propósito,
06:26
doesn't require that you actually go to the store and buy anything.
119
368000
4000
não requer que você vá até a lotérica e compre algo.
06:30
Why in the world would anybody ever play the lottery?
120
372000
3000
Por que diabos as pessoas jogam na loteria?
06:33
Well, there are many answers, but one answer surely is,
121
375000
3000
Bem, existem muitas explicações, mas uma delas certamente é
06:36
we see a lot of winners. Right? When this couple wins the lottery,
122
378000
4000
que vemos muitos ganhadores. Certo? Quando esse casal ganha na loteria
06:40
or Ed McMahon shows up at your door with this giant check --
123
382000
3000
ou o cara da Mega-Sena aparece na sua porta com um cheque gigante -
06:43
how the hell do you cash things that size, I don't know.
124
385000
3000
como diabos você leva uma coisa daquelas ao banco, eu não tenho a mínima idéia.
06:46
We see this on TV; we read about it in the paper.
125
388000
3000
Nós vemos isso na TV; lemos sobre isso no jornal.
06:49
When was the last time that you saw extensive interviews
126
391000
3000
Quando foi a última vez que você viu uma entrevista
06:52
with everybody who lost?
127
394000
2000
com todo mundo que deixou de ganhar?
06:54
Indeed, if we required that television stations run
128
396000
3000
De fato, se as redes de televisão fossem obrigadas
06:57
a 30-second interview with each loser
129
399000
2000
a entrevistar por 30 segundos cada pessoa que não ganhou
06:59
every time they interview a winner, the 100 million losers
130
401000
4000
cada vez que eles entrevistam um ganhador, os 100 milhões de perdedores
07:03
in the last lottery would require nine-and-a-half years
131
405000
3000
da última loteria iam tomar nove anos e meio
07:06
of your undivided attention just to watch them say,
132
408000
3000
do seu tempo só para assistir eles dizerem,
07:09
"Me? I lost." "Me? I lost."
133
411000
3000
"Eu? Eu não ganhei." "Eu? Eu não ganhei."
07:12
Now, if you watch nine-and-a-half years of television --
134
414000
2000
Agora, se você assistisse televisão por nove anos e meio -
07:14
no sleep, no potty breaks -- and you saw loss after loss after loss,
135
416000
5000
sem dormir, sem ir pro banheiro - e você visse perdedor atrás de perdedor,
07:19
and then at the end there's 30 seconds of, "and I won,"
136
421000
2000
e depois no fim 30 segundos de, “e eu ganhei,”
07:21
the likelihood that you would play the lottery is very small.
137
423000
3000
a probabilidade de que você jogasse na loteria seria bem pequena.
07:24
Look, I can prove this to you: here's a little lottery.
138
426000
3000
Olha só, eu posso provar isto para você: aqui está uma pequena loteria.
07:27
There's 10 tickets in this lottery.
139
429000
2000
Existem 10 bilhetes nessa loteria.
07:29
Nine of them have been sold to these individuals.
140
431000
3000
Nove deles foram vendidos para esses indivíduos.
07:32
It costs you a dollar to buy the ticket and, if you win,
141
434000
3000
Custa um dólar para comprar o bilhete e, se você ganhar,
07:35
you get 20 bucks. Is this a good bet?
142
437000
2000
você ganha vintão. Esta é uma boa aposta?
07:37
Well, Bernoulli tells us it is.
143
439000
1000
Bem, o Bernoulli nos diz que é:
07:38
The expected value of this lottery is two dollars;
144
440000
3000
o valor antecipado dessa loteria é dois dólares;
07:41
this is a lottery in which you should invest your money.
145
443000
3000
esta é uma loteria em que você deveria investir o seu dinheiro.
07:44
And most people say, "OK, I'll play."
146
446000
2000
E a maioria das pessoas diz, "Ok, eu topo."
07:46
Now, a slightly different version of this lottery:
147
448000
3000
Agora, uma versão um pouco diferente desta loteria:
07:49
imagine that the nine tickets are all owned
148
451000
2000
imagine que existem nove bilhetes que são todos
07:51
by one fat guy named Leroy.
149
453000
2000
de um gordão chamado Leroy.
07:53
Leroy has nine tickets; there's one left.
150
455000
2000
Leroy tem nove bilhetes; mas existe outro.
07:55
Do you want it? Most people won't play this lottery.
151
457000
3000
Você o quer? A maioria das pessoas não quer jogar lessa loteria.
07:58
Now, you can see the odds of winning haven't changed,
152
460000
2000
Agora, você percebe que a chance de ganhar não mudou,
08:00
but it's now fantastically easy to imagine who's going to win.
153
462000
5000
mas agora é bem fácil imaginar quem vai ganhar.
08:05
It's easy to see Leroy getting the check, right?
154
467000
3000
É fácil ver o Leroy com o cheque, não é?
08:08
You can't say to yourself, "I'm as likely to win as anybody,"
155
470000
2000
Você não pode se dizer, "Eu tenho a mesma chance de ganhar do que todo mundo,"
08:10
because you're not as likely to win as Leroy.
156
472000
3000
porque é menos provável que você ganhe do que o Leroy.
08:13
The fact that all those tickets are owned by one guy
157
475000
2000
O fato de todos os bilhetes serem de uma só pessoa
08:15
changes your decision to play,
158
477000
2000
muda a sua decisão de jogar,
08:17
even though it does nothing whatsoever to the odds.
159
479000
3000
mesmo não mudando nada da probabilidade de ganhar.
08:20
Now, estimating odds, as difficult as it may seem, is a piece of cake
160
482000
5000
Agora, o cálculo da probabilidade, mesmo parecendo difícil, é mole
08:25
compared to trying to estimate value:
161
487000
2000
comparado com a tentativa de estimar o valor:
08:27
trying to say what something is worth, how much we'll enjoy it,
162
489000
3000
tentar dizer quanto vale algo, quanto vamos gostar daquilo,
08:30
how much pleasure it will give us.
163
492000
3000
quanto prazer aquilo nos dará.
08:33
I want to talk now about errors in value.
164
495000
2000
Agora eu quero falar sobre erros no valor.
08:35
How much is this Big Mac worth? Is it worth 25 dollars?
165
497000
4000
Quanto que vale este Big Mac? Vale 25 dólares?
08:39
Most of you have the intuition that it's not --
166
501000
3000
A maioria de vocês acha que não --
08:42
you wouldn't pay that for it.
167
504000
2000
você não pagaria isso.
08:44
But in fact, to decide whether a Big Mac is worth 25 dollars requires
168
506000
4000
Mas de fato, para decidir se um Big Mac vale 25 dólares requer
08:48
that you ask one, and only one question, which is:
169
510000
3000
que você se pergunte uma, e apenas uma pergunta, que é:
08:51
What else can I do with 25 dollars?
170
513000
2000
O que mais eu posso fazer com 25 dólares?
08:53
If you've ever gotten on one of those long-haul flights to Australia
171
515000
4000
Se você já esteve em um desses vôos longuíssimos para a Austrália
08:57
and realized that they're not going to serve you any food,
172
519000
3000
e percebeu que eles não vão te dar nenhuma comida,
09:00
but somebody in the row in front of you has just opened
173
522000
2000
mas alguém sentado na fileira à frente de você acabou de abrir
09:02
the McDonald's bag, and the smell of golden arches
174
524000
3000
A sacola do McDonald’s, e aquele cheirinho
09:05
is wafting over the seat, you think,
175
527000
3000
chega até você, você pensa,
09:08
I can't do anything else with this 25 dollars for 16 hours.
176
530000
3000
eu não posso fazer mais nada com esses 25 dólares nas próximas 16 horas.
09:11
I can't even set it on fire -- they took my cigarette lighter!
177
533000
3000
eu não posso nem queimá-lo - eles me tiraram o isqueiro!
09:14
Suddenly, 25 dollars for a Big Mac might be a good deal.
178
536000
3000
De repente, 25 dólares por um Big Mac pode parecer um bom negócio.
09:17
On the other hand, if you're visiting an underdeveloped country,
179
539000
2000
Por outro lado, se você estiver visitando um país sub-desenvolvido,
09:19
and 25 dollars buys you a gourmet meal, it's exorbitant for a Big Mac.
180
541000
4000
e 25 dólares compra uma refeição gourmet, é um preço exorbitante por um Big Mac.
09:23
Why were you all sure that the answer to the question was no,
181
545000
3000
Por que você estava tão certo de que sua resposta à pergunta era não,
09:26
before I'd even told you anything about the context?
182
548000
3000
antes de eu lhe contar qualquer coisa sobre o contexto?
09:29
Because most of you compared the price of this Big Mac
183
551000
4000
Por que a maioria de vocês comparou o preço deste Big Mac
09:33
to the price you're used to paying. Rather than asking,
184
555000
3000
com o preço que vocês costumam pagar. Em vez de perguntar,
09:36
"What else can I do with my money," comparing this investment
185
558000
3000
"O que mais eu posso fazer com o meu dinheiro," comparando este investimento
09:39
to other possible investments, you compared to the past.
186
561000
4000
com outros possíveis investimentos, você o comparou com o passado.
09:43
And this is a systematic error people make.
187
565000
2000
E este é um erro sistemático que as pessoas cometem.
09:45
What you knew is, you paid three dollars in the past; 25 is outrageous.
188
567000
5000
O que você sabia é que se você pagou três dólares no passado; 25 é um absurdo.
09:50
This is an error, and I can prove it to you by showing
189
572000
2000
Isto é um erro, e eu posso prová-lo mostrando
09:52
the kinds of irrationalities to which it leads.
190
574000
2000
os tipos de irracionalidades que isto causa.
09:54
For example, this is, of course,
191
576000
3000
Por exemplo, isto é, claro,
09:57
one of the most delicious tricks in marketing,
192
579000
2000
um dos melhores truques do marketing,
09:59
is to say something used to be higher,
193
581000
2000
dizer que algo custumava ser maior,
10:01
and suddenly it seems like a very good deal.
194
583000
3000
e de repente parece um belo negócio.
10:04
When people are asked about these two different jobs:
195
586000
3000
Quando as pessoas são perguntadas sobre estes dois trabalhos diferentes:
10:07
a job where you make 60K, then 50K, then 40K,
196
589000
3000
um que paga 60 mil, depois 50, depois 40,
10:10
a job where you're getting a salary cut each year,
197
592000
2000
um trabalho em que você recebe um corte salarial cada ano,
10:12
and one in which you're getting a salary increase,
198
594000
2000
e um em que você recebe um aumento,
10:14
people like the second job better than the first, despite the fact
199
596000
4000
as pessoas gostam mais da segunda opção do que da primeira, apesar do fato
10:18
they're all told they make much less money. Why?
200
600000
3000
delas serem informadas de que ganhariam menos dinheiro. Por que?
10:21
Because they had the sense that declining wages are worse
201
603000
4000
Porque elas acham que salários em declínio são piores
10:25
than rising wages, even when the total amount of wages is higher
202
607000
4000
que salários em aumento, mesmo quando a quantia total salarial é maior
10:29
in the declining period. Here's another nice example.
203
611000
4000
no período de declínio. Aqui está outro bom exemplo.
10:33
Here's a $2,000 Hawaiian vacation package; it's now on sale for 1,600.
204
615000
5000
Aqui está um pacote turístico de 2 mil dólares pro Havaí; está à venda por 1.600.
10:38
Assuming you wanted to go to Hawaii, would you buy this package?
205
620000
3000
Supondo que você quer ir ao Havaí, você compraria este pacote?
10:41
Most people say they would. Here's a slightly different story:
206
623000
4000
A maioria das pessoas diria que sim. Aqui uma história um pouco diferente:
10:45
$2,000 Hawaiian vacation package is now on sale for 700 dollars,
207
627000
4000
O pacote de férias no Havaí de 2.000 dólares está em promoção por 700 dólares,
10:49
so you decide to mull it over for a week.
208
631000
2000
então você decide pensar a respeito por uma semana.
10:51
By the time you get to the ticket agency, the best fares are gone --
209
633000
2000
Quando você chega na agência de viagens, as melhores tarifas esgotaram -
10:53
the package now costs 1,500. Would you buy it? Most people say, no.
210
635000
5000
o pacote agora custa 1.500 dólares. Você compraria? A maioria das pessoas diz que não.
10:58
Why? Because it used to cost 700, and there's no way I'm paying 1,500
211
640000
4000
Por que? Porque custava $ 700 e eu não pagarei $ 1.500 de jeito nenhum
11:02
for something that was 700 last week.
212
644000
3000
por algo que custava $ 700 semana passada.
11:05
This tendency to compare to the past
213
647000
2000
Essa tendência de comparar com o passado
11:07
is causing people to pass up the better deal. In other words,
214
649000
4000
está fazendo as pessoas perderem o bom negócio. Em outros termos,
11:11
a good deal that used to be a great deal is not nearly as good
215
653000
3000
um bom negócio que costumava ser um ótimo negócio não é tão bom
11:14
as an awful deal that was once a horrible deal.
216
656000
4000
como um mal negócio que uma vez foi um péssimo negócio.
11:18
Here's another example of how comparing to the past
217
660000
2000
Aqui está um outro exemplo de como comparar com o passado
11:20
can befuddle our decisions.
218
662000
4000
pode confundir nossas decisões.
11:24
Imagine that you're going to the theater.
219
666000
2000
Imagine que você vai ao teatro.
11:26
You're on your way to the theater.
220
668000
1000
Você está a caminho do teatro.
11:27
In your wallet you have a ticket, for which you paid 20 dollars.
221
669000
2000
Na sua carteira você tem um ingresso, pelo qual pagou 20 dólares.
11:29
You also have a 20-dollar bill.
222
671000
2000
Você também tem uma nota de 20 dólares.
11:31
When you arrive at the theater,
223
673000
2000
Quando você chega ao teatro,
11:33
you discover that somewhere along the way you've lost the ticket.
224
675000
3000
você descobre que em algum lugar pelo caminho você perdeu o ingresso.
11:36
Would you spend your remaining money on replacing it?
225
678000
3000
Você gastaria seu dinheiro restante para o substituir?
11:39
Most people answer, no.
226
681000
3000
A maioria das pessoas responde não.
11:42
Now, let's just change one thing in this scenario.
227
684000
3000
Agora, vamos mudar só uma coisa neste cenário.
11:45
You're on your way to the theater,
228
687000
1000
Você está a caminho do teatro,
11:46
and in your wallet you have two 20-dollar bills.
229
688000
2000
e na sua carteira você tem duas notas de 20 dólares.
11:48
When you arrive you discover you've lost one of them.
230
690000
2000
Quando você chega você descobre que perdeu uma delas.
11:50
Would you spend your remaining 20 dollars on a ticket?
231
692000
2000
Você gastaria os seus 20 dólares restantes com o ingresso?
11:52
Well, of course, I went to the theater to see the play.
232
694000
3000
Bem, é claro: eu vim ao teatro para ver a peça.
11:55
What does the loss of 20 dollars along the way have to do?
233
697000
3000
O que a perda de 20 dólares no caminho tem a ver com isso?
11:58
Now, just in case you're not getting it,
234
700000
3000
Agora, só caso você não esteja percebendo,
12:01
here's a schematic of what happened, OK?
235
703000
2000
aqui está um esquema do que aconteceu, ok?
12:03
(Laughter)
236
705000
1000
(Risos)
12:04
Along the way, you lost something.
237
706000
2000
No caminho, você perdeu algo.
12:06
In both cases, it was a piece of paper.
238
708000
2000
Nos dois casos, foi um pedaço de papel.
12:08
In one case, it had a U.S. president on it; in the other case it didn't.
239
710000
4000
Em um caso, tinha um presidente norte-americano nele; no outro caso não.
12:12
What the hell difference should it make?
240
714000
2000
Que diabos de diferença deveria fazer?
12:14
The difference is that when you lost the ticket you say to yourself,
241
716000
3000
A diferença é que quando você perdeu o ingresso diz para você mesmo,
12:17
I'm not paying twice for the same thing.
242
719000
2000
Eu não vou pagar duas vezes pela mesma coisa.
12:19
You compare the cost of the play now -- 40 dollars --
243
721000
3000
Você compara o custo da peça agora - 40 dólares -
12:22
to the cost that it used to have -- 20 dollars -- and you say it's a bad deal.
244
724000
5000
com o que costumava custar - 20 dólares - e você diz que é um mal negócio.
12:27
Comparing with the past causes many of the problems
245
729000
4000
Comparar com o passado causa muitos problemas
12:31
that behavioral economists and psychologists identify
246
733000
3000
que economistas comportamentais e psicólogos identificam
12:34
in people's attempts to assign value.
247
736000
2000
nas tentativas das pessoas de atribuir valor.
12:36
But even when we compare with the possible, instead of the past,
248
738000
5000
Mas mesmo quando nós comparamos com o possível, ao invés do passado,
12:41
we still make certain kinds of mistakes.
249
743000
2000
ainda cometemos certos tipos de erros.
12:43
And I'm going to show you one or two of them.
250
745000
2000
E vou mostrar um ou dois deles.
12:45
One of the things we know about comparison:
251
747000
3000
Uma das coisas que sabemos sobre comparação:
12:48
that when we compare one thing to the other, it changes its value.
252
750000
3000
que quando comparamos uma coisa com outra, ela muda o seu valor.
12:51
So in 1992, this fellow, George Bush, for those of us who were
253
753000
4000
Então em 1992, este cara, George Bush, que para aqueles de nós que éramos,
12:55
kind of on the liberal side of the political spectrum,
254
757000
3000
do lado liberal do espectro político,
12:58
didn't seem like such a great guy.
255
760000
2000
não parecia um grande cara.
13:00
Suddenly, we're almost longing for him to return.
256
762000
4000
De repente, estamos quase ansiando para ele retornar.
13:04
(Laughter)
257
766000
3000
(Risos)
13:07
The comparison changes how we evaluate him.
258
769000
3000
A comparação muda como o avaliamos.
13:10
Now, retailers knew this long before anybody else did, of course,
259
772000
4000
Agora, os varejistas descobriram isso muito antes que os outros, claro,
13:14
and they use this wisdom to help you --
260
776000
2000
e eles usaram sua sabedoria para o ajudar -
13:16
spare you the undue burden of money.
261
778000
2000
a aliviar o desnecessário fardo do dinheiro.
13:18
And so a retailer, if you were to go into a wine shop
262
780000
3000
Então um varejista, se você fosse a uma loja de vinhos
13:21
and you had to buy a bottle of wine,
263
783000
1000
e tivesse que comprar uma garrafa de vinho,
13:22
and you see them here for eight, 27 and 33 dollars, what would you do?
264
784000
4000
e você os vê aqui por 8, 27 e 33 dólares, o que você faria?
13:26
Most people don't want the most expensive,
265
788000
2000
A maioria das pessoas não quer o mais caro,
13:28
they don't want the least expensive.
266
790000
2000
eles não querem o mais barato.
13:30
So, they will opt for the item in the middle.
267
792000
2000
Então, eles vão optar pelo item do meio.
13:32
If you're a smart retailer, then, you will put a very expensive item
268
794000
3000
Se você é um varejista inteligente, então, você vai colocar um item muito caro
13:35
that nobody will ever buy on the shelf,
269
797000
2000
que ninguém nunca vai comprar na prateleira,
13:37
because suddenly the $33 wine doesn't look as expensive in comparison.
270
799000
6000
porque de repente o vinho de 33 dólares não parece tão caro em comparação.
13:43
So I'm telling you something you already knew:
271
805000
1000
Então estou lhe dizendo algo que você já conhecia:
13:44
namely, that comparison changes the value of things.
272
806000
4000
a saber, que a comparação muda o valor das coisas.
13:48
Here's why that's a problem:
273
810000
1000
Aqui está porque isto é um problema:
13:49
the problem is that when you get that $33 bottle of wine home,
274
811000
6000
o problema é que quando você leva a garrafa de vinho de 33 dólares pra casa,
13:55
it won't matter what it used to be sitting on the shelf next to.
275
817000
4000
não vai importar o que costumava estar ao seu lado na prateleira.
13:59
The comparisons we make when we are appraising value,
276
821000
5000
As comparações que fazemos quando avaliamos o valor,
14:04
where we're trying to estimate how much we'll like things,
277
826000
4000
quando tentamos estimar o quanto gostaremos das coisas,
14:08
are not the same comparisons we'll be making when we consume them.
278
830000
3000
não são as mesmas comparações que faremos quando as consumirmos.
14:11
This problem of shifting comparisons can bedevil
279
833000
4000
Este problema de comparações variantes pode minar
14:15
our attempts to make rational decisions.
280
837000
3000
nossas tentativas de tomar decisões racionais.
14:18
Let me just give you an example.
281
840000
1000
Deixe-me só dar um exemplo.
14:19
I have to show you something from my own lab, so let me sneak this in.
282
841000
4000
Eu tenho que lhe mostrar algo do meu laboratório, então deixe-me colocar isso.
14:23
These are subjects coming to an experiment to be asked
283
845000
2000
Estas são pessoas vindo para uma experiência em que se pergunta
14:25
the simplest of all questions:
284
847000
2000
a mais simples de todas as questões:
14:27
How much will you enjoy eating potato chips one minute from now?
285
849000
4000
Quanto você vai gostar de comer esta batata frita daqui a um minuto?
14:31
They're sitting in a room with potato chips in front of them.
286
853000
3000
Eles estão sentados numa sala com batatas fritas à sua frente.
14:34
For some of the subjects, sitting in the far corner of a room
287
856000
3000
Para algumas pessoas, sentadas no fundo da sala
14:37
is a box of Godiva chocolates, and for others is a can of Spam.
288
859000
5000
é uma caixa de chocolates Godiva, e para outros uma lata de embutido Spam.
14:42
In fact, these items that are sitting in the room change
289
864000
4000
De fato, estes itens que estão na sala alteram
14:46
how much the subjects think they're going to enjoy the potato chips.
290
868000
3000
o quanto as pessoas pensam que vão gostar da batata frita.
14:49
Namely, those who are looking at Spam
291
871000
2000
A saber, aqueles que estão olhando para o Spam
14:51
think potato chips are going to be quite tasty;
292
873000
2000
pensam que batatas fritas serão bem saborosas;
14:53
those who are looking at Godiva chocolate
293
875000
2000
aqueles que estão olhando para o chocolate Godiva
14:55
think they won't be nearly so tasty.
294
877000
2000
pensam que elas não serão tão saborosas assim.
14:57
Of course, what happens when they eat the potato chips?
295
879000
2000
É claro, o que acontece quando eles comem a batata frita?
14:59
Well, look, you didn't need a psychologist to tell you that
296
881000
3000
Bem, olha, você não precisou de um psicólogo para lhe dizer que
15:02
when you have a mouthful of greasy, salty, crispy, delicious snacks,
297
884000
4000
quando você tem uma porção de deliciosos salgadinhos, gordurosos, salgados, crocantes,
15:06
what's sitting in the corner of the room
298
888000
1000
o que está no canto da sala
15:07
makes not a damn bit of difference to your gustatory experience.
299
889000
5000
não faz nenhuma diferença para sua experiência gustativa.
15:12
Nonetheless, their predictions are perverted by a comparison
300
894000
4000
Mesmo assim, suas predições são pervertidas por uma comparação
15:16
that then does not carry through and change their experience.
301
898000
4000
que então não se realiza e muda sua experiência.
15:20
You've all experienced this yourself, even if you've never come
302
902000
2000
Vocês todos já experimentaram isso, mesmo se vocês nunca vieram
15:22
into our lab to eat potato chips. So here's a question:
303
904000
3000
ao nosso laboratório comer batatas fritas, então aqui vai uma pergunta:
15:25
You want to buy a car stereo.
304
907000
2000
Você quer comprar um aparelho de som para carro.
15:27
The dealer near your house sells this particular stereo for 200 dollars,
305
909000
5000
A loja perto da sua casa vende um aparelho específico por 200 dólares,
15:32
but if you drive across town, you can get it for 100 bucks.
306
914000
3000
mas se você for ao outro lado da cidade, você pode comprá-lo por $ 100.
15:35
So would you drive to get 50 percent off, saving 100 dollars?
307
917000
3000
Então você dirigiria para pagar 50% menos, economizando 100 dólares?
15:38
Most people say they would.
308
920000
2000
A maioria das pessoas diz que sim.
15:40
They can't imagine buying it for twice the price
309
922000
2000
Eles nem imaginam comprá-lo pelo dobro do preço
15:42
when, with one trip across town, they can get it for half off.
310
924000
4000
quando, com uma viagem ao outro lado da cidade, eles podem comprá-lo pela metade.
15:46
Now, let's imagine instead you wanted to buy a car that had a stereo,
311
928000
4000
Agora, vamos imaginar que ao invés disso você quer comprar um carro que tem um som,
15:50
and the dealer near your house had it for 31,000.
312
932000
2000
e uma loja perto da sua casa tinha um por $ 31.000.
15:52
But if you drove across town, you could get it for 30,900.
313
934000
5000
Mas se você atravessar a cidade, pode comprá-lo por 30.900.
15:57
Would you drive to get it? At this point, 0.003 savings -- the 100 dollars.
314
939000
4000
Você dirigiria para comprar? Neste ponto, 0,3% de economia - os 100 dólares.
16:01
Most people say, no, I'm going to schlep across town
315
943000
2000
A maioria das pessoas diria "Não, vou cruzar a cidade
16:03
to save 100 bucks on the purchase of a car?
316
945000
3000
para economizar 100 na compra do carro?"
16:06
This kind of thinking drives economists crazy, and it should.
317
948000
4000
Este tipo de pensamento deixa economistas malucos, e deveria mesmo.
16:10
Because this 100 dollars that you save -- hello! --
318
952000
4000
Porque estes 100 dólares que você economiza - alô! -
16:14
doesn't know where it came from.
319
956000
2000
não sabem de onde vieram.
16:16
It doesn't know what you saved it on.
320
958000
2000
Não sabem em que você os economizou.
16:18
When you go to buy groceries with it, it doesn't go,
321
960000
2000
Quando você vai comprar alimentos com ele, ele não diz,
16:20
I'm the money saved on the car stereo, or,
322
962000
3000
Eu sou o dinheiro economizado no som do carro, ou,
16:23
I'm the dumb money saved on the car. It's money.
323
965000
4000
eu sou o dinheiro burro economizado no carro. É dinheiro.
16:27
And if a drive across town is worth 100 bucks, it's worth 100 bucks
324
969000
3000
E se uma viagem através da cidade vale 100 dólares, vale 100 dólares
16:30
no matter what you're saving it on. People don't think that way.
325
972000
3000
não importa com o que você está economizando. As pessoas não pensam desta forma.
16:33
That's why they don't know whether their mutual fund manager
326
975000
2000
É por isso que elas não sabem se seu administrador de fundos
16:35
is taking 0.1 percent or 0.15 percent of their investment,
327
977000
5000
está levando 0,1% ou 0,15% do seu investimento,
16:40
but they clip coupons to save one dollar off of toothpaste.
328
982000
3000
mas elas recortam cupons para economizar um dólar na pasta de dente.
16:43
Now, you can see, this is the problem of shifting comparisons,
329
985000
3000
Então, você pode ver, este é o problema das comparações variantes,
16:46
because what you're doing is, you're comparing the 100 bucks
330
988000
3000
porque o que você está fazendo é, comparando os 100 dólares
16:49
to the purchase that you're making,
331
991000
2000
com a compra que está fazendo,
16:51
but when you go to spend that money you won't be making that comparison.
332
993000
4000
mas quando você vai gastar aquele dinheiro não fará esta comparação.
16:55
You've all had this experience.
333
997000
2000
Todos vocês tiveram esta experiência.
16:57
If you're an American, for example, you've probably traveled in France.
334
999000
4000
Se você é um norte-americano, por exemplo, provavelmente viajou na França.
17:01
And at some point you may have met a couple
335
1003000
2000
E em algum lugar deve ter conhecido um casal
17:03
from your own hometown, and you thought,
336
1005000
1000
da sua cidade natal, e você pensou,
17:04
"Oh, my God, these people are so warm. They're so nice to me.
337
1006000
5000
"Oh, meu Deus, estas pessoas são tão calorosas. São tão legais comigo.
17:09
I mean, compared to all these people who hate me
338
1011000
2000
Quer dizer, comparados com todas estas pessoas que me odeiam
17:11
when I try to speak their language and hate me more when I don't,
339
1013000
3000
quando tento falar seu idioma e me odeiam ainda mais quando não tento,
17:14
these people are just wonderful." And so you tour France with them,
340
1016000
3000
estas pessoas são simplesmente maravilhosas." E assim você viaja a França com eles,
17:17
and then you get home and you invite them over for dinner,
341
1019000
2000
e então você volta pra casa e os convida pra jantar,
17:19
and what do you find?
342
1021000
1000
e o que você descobre?
17:20
Compared to your regular friends,
343
1022000
2000
Comparados com seus amigos de sempre,
17:22
they are boring and dull, right? Because in this new context,
344
1024000
4000
eles são cansativos e monótonos, não é? Porque neste novo contexto,
17:26
the comparison is very, very different. In fact, you find yourself
345
1028000
4000
a comparação é muito, muito diferente. De fato, você se vê
17:30
disliking them enough almost to qualify for French citizenship.
346
1032000
3000
não gostando deles quase o suficiente para solicitar cidadania francesa.
17:34
Now, you have exactly the same problem when you shop for a stereo.
347
1036000
3000
Agora, você tem exatamente o mesmo problema quando compra um aparelho de som.
17:37
You go to the stereo store, you see two sets of speakers --
348
1039000
3000
Você vai para a loja de som, você vê dois conjuntos de alto-falantes -
17:40
these big, boxy, monoliths, and these little, sleek speakers,
349
1042000
4000
estes monolitos grandes e massivos, e aqueles alto-falantes pequenos e elegantes,
17:44
and you play them, and you go, you know, I do hear a difference:
350
1046000
2000
e você os liga, e diz, você sabe, eu escuto sim uma diferença:
17:46
the big ones sound a little better.
351
1048000
2000
o grande soa um pouco melhor.
17:48
And so you buy them, and you bring them home,
352
1050000
2000
Então você os compra, e os traz pra casa,
17:50
and you entirely violate the décor of your house.
353
1052000
3000
e você viola completamente a decoração da sua casa.
17:53
And the problem, of course, is that this comparison you made in the store
354
1055000
4000
E o problema, claro, é que a comparação que você fez na loja
17:57
is a comparison you'll never make again.
355
1059000
2000
é uma comparação que você nunca mais fará de novo.
17:59
What are the odds that years later you'll turn on the stereo and go,
356
1061000
2000
Quais as chances de que anos depois você vai ligar o som e dizer,
18:01
"Sounds so much better than those little ones,"
357
1063000
3000
"Soa muito melhor que aqueles outros pequenos,"
18:04
which you can't even remember hearing.
358
1066000
2000
os quais você nem se lembra de ter ouvido.
18:06
The problem of shifting comparisons is even more difficult
359
1068000
3000
O problema de comparações divergentes é ainda mais difícil
18:09
when these choices are arrayed over time.
360
1071000
3000
quando estas escolhas são feitas ao longo do tempo.
18:12
People have a lot of trouble making decisions
361
1074000
3000
As pessoas têm muitos problemas tomando decisões
18:15
about things that will happen at different points in time.
362
1077000
3000
sobre coisas que vão acontecer em pontos diferentes do tempo.
18:18
And what psychologists and behavioral economists have discovered
363
1080000
2000
E o que psicólogos e economistas comportamentais descobriram
18:20
is that by and large people use two simple rules.
364
1082000
3000
é que no geral as pessoas usam duas regras simples.
18:23
So let me give you one very easy problem, a second very easy problem
365
1085000
4000
Então deixe-me lhe dar um problema bem fácil, um segundo problema bem fácil
18:27
and then a third, hard, problem.
366
1089000
1000
e então um terceiro problema difícil.
18:28
Here's the first easy problem:
367
1090000
3000
Aqui está o primeiro problema fácil:
18:31
You can have 60 dollars now or 50 dollars now. Which would you prefer?
368
1093000
3000
Você pode ter 60 dólares agora ou 50 dólares agora. Qual você preferiria?
18:34
This is what we call a one-item IQ test, OK?
369
1096000
3000
Isto é o que chamamos de um teste de QI de um item, certo?
18:37
All of us, I hope, prefer more money, and the reason is,
370
1099000
3000
Todos nós, espero, prefere mais dinheiro, e o motivo é,
18:40
we believe more is better than less.
371
1102000
3000
nós acreditamos que mais é melhor que menos.
18:43
Here's the second problem:
372
1105000
1000
Aqui está o segundo problema:
18:44
You can have 60 dollars today or 60 dollars in a month. Which would you prefer?
373
1106000
4000
Você pode ter 60 dólares hoje ou 60 dólares em um mês. Qual você preferiria?
18:48
Again, an easy decision,
374
1110000
2000
De novo, uma decisão fácil,
18:50
because we all know that now is better than later.
375
1112000
4000
porque todos nós sabemos que agora é melhor que depois.
18:54
What's hard in our decision-making is when these two rules conflict.
376
1116000
3000
O que é difícil na nossa tomada de decisão é quando estas duas regras conflitam.
18:57
For example, when you're offered 50 dollars now or 60 dollars in a month.
377
1119000
4000
Por exemplo, quando lhe oferecem 50 dólares agora ou 60 dólares em um mês.
19:01
This typifies a lot of situations in life in which you will gain
378
1123000
3000
Isto exemplifica muitas situações na vida em que você vai ganhar
19:04
by waiting, but you have to be patient.
379
1126000
3000
por esperar, mas você tem que ser paciente.
19:07
What do we know? What do people do in these kinds of situations?
380
1129000
3000
O que nós sabemos? O que as pessoas fazem neste tipo de situação?
19:10
Well, by and large people are enormously impatient.
381
1132000
4000
Bem, no geral as pessoas são impacientes demais.
19:14
That is, they require interest rates in the hundred
382
1136000
3000
Ou seja, elas requerem taxas de juros de centenas
19:17
or thousands of percents in order to delay gratification
383
1139000
4000
ou milhares por cento para retardar a gratificação
19:21
and wait until next month for the extra 10 dollars.
384
1143000
4000
e esperar até o próximo mês pelos 10 dólares extras.
19:25
Maybe that isn't so remarkable, but what is remarkable is
385
1147000
3000
Talvez isso não seja tão notável, mas o que é notável é
19:28
how easy it is to make this impatience go away by simply changing
386
1150000
4000
quão fácil é fazer esta impaciência sumir simplesmente mudando
19:32
when the delivery of these monetary units will happen.
387
1154000
4000
quando a entrega desta quantia vai acontecer.
19:36
Imagine that you can have 50 dollars in a year -- that's 12 months --
388
1158000
3000
Imagine que você pode ter 50 dólares em um ano - 12 meses -
19:39
or 60 dollars in 13 months.
389
1161000
3000
ou 60 dólares em 13 meses.
19:42
What do we find now?
390
1164000
1000
O que encontramos agora?
19:43
People are gladly willing to wait: as long as they're waiting 12,
391
1165000
3000
As pessoas aguardam com prazer: uma vez que esperem 12,
19:46
they might as well wait 13.
392
1168000
2000
podem igualmente esperar 13.
19:48
What makes this dynamic inconsistency happen?
393
1170000
3000
O que faz esta inconsistência dinâmica acontecer?
19:51
Comparison. Troubling comparison. Let me show you.
394
1173000
4000
Comparação. Comparação complicada. Deixe-me lhe mostrar
19:55
This is just a graph showing the results that I just suggested
395
1177000
3000
Este é só um gráfico com os resultados que eu sugiro
19:58
you would show if I gave you time to respond, which is,
396
1180000
2000
que você mostraria se eu lhe desse tempo para responder, ou seja,
20:00
people find that the subjective value of 50 is higher
397
1182000
3000
as pessoas pensam que o valor subjetivo de 50 é maior
20:03
than the subjective value of 60 when they'll be delivered in now
398
1185000
4000
que o valor subjetivo de 60 quando eles serão entregues hoje
20:07
or one month, respectively -- a 30-day delay --
399
1189000
2000
ou em um mês, respectivamente - uma diferença de 30 dias -
20:09
but they show the reverse pattern when you push the entire decision
400
1191000
4000
mas elas mostram o padrão oposto quando você empurra a decisão
20:13
off into the future a year.
401
1195000
3000
para daqui a um ano.
20:16
Now, why in the world do you get this pattern of results?
402
1198000
4000
Agora, por que é que você encontra este padrão de resultados?
20:20
These guys can tell us.
403
1202000
1000
Estes caras podem nos dizer.
20:21
What you see here are two lads,
404
1203000
3000
O que você vê aqui são dois caras,
20:24
one of them larger than the other: the fireman and the fiddler.
405
1206000
3000
um deles maior que o outro: o bombeiro e o violinista.
20:27
They are going to recede towards the vanishing point in the horizon,
406
1209000
3000
Eles vão se deslocar para trás até o ponto de desaparecer no horizonte,
20:30
and I want you to notice two things.
407
1212000
2000
e quero que você perceba duas coisas.
20:32
At no point will the fireman look taller than the fiddler. No point.
408
1214000
6000
Em nenhum momento o bombeiro parecerá maior que o violinista. Nenhum.
20:38
However, the difference between them seems to be getting smaller.
409
1220000
3000
Entretanto, a diferença entre eles parece estar diminuindo.
20:41
First it's an inch in your view, then it's a quarter-inch,
410
1223000
3000
Primeiro são dois centímetros, depois um centímetro,
20:44
then a half-inch, and then finally they go off the edge of the earth.
411
1226000
4000
depois meio centímetro, e então finalmente eles vão ao fim do mundo.
20:48
Here are the results of what I just showed you.
412
1230000
3000
Aqui estão os resultados do que acabei de lhe mostrar.
20:51
This is the subjective height --
413
1233000
2000
Isto é altura subjetiva -
20:53
the height you saw of these guys at various points.
414
1235000
3000
a altura deles que você viu em diversos pontos.
20:56
And I want you to see that two things are true.
415
1238000
2000
E quero que você veja que duas coisas são verdade.
20:58
One, the farther away they are, the smaller they look;
416
1240000
3000
Um, quanto mais longe eles estão, menores eles parecem;
21:01
and two, the fireman is always bigger than the fiddler.
417
1243000
2000
e dois, o bombeiro é sempre maior que o violinista.
21:03
But watch what happens when we make some of them disappear. Right.
418
1245000
6000
Mas olhe o que acontece quando fazemos um deles desaparecer. Certo.
21:09
At a very close distance, the fiddler looks taller than the fireman,
419
1251000
3000
A uma pequena distância, o violinista parece maior que o bombeiro,
21:12
but at a far distance
420
1254000
2000
mas a uma grande distância
21:14
their normal, their true, relations are preserved.
421
1256000
3000
as suas relações normais, verdadeiras são preservadas.
21:17
As Plato said, what space is to size, time is to value.
422
1259000
5000
Como Platão disse, o que o espaço é para o tamanho, o tempo é para o valor.
21:22
These are the results of the hard problem I gave you:
423
1264000
5000
Estes são os resultados do problema difícil que lhe dei:
21:27
60 now or 50 in a month?
424
1269000
2000
60 agora ou 50 em um mês?
21:29
And these are subjective values,
425
1271000
1000
E estes são valores subjetivos,
21:30
and what you can see is, our two rules are preserved.
426
1272000
2000
e o que você pode ver é, nossas duas regras são preservadas.
21:32
People always think more is better than less:
427
1274000
2000
As pessoas sempre pensam que mais é melhor que menos:
21:34
60 is always better than 50,
428
1276000
2000
60 é sempre melhor que 50;
21:36
and they always think now is better than later:
429
1278000
2000
e elas sempre pensam que agora é melhor que depois:
21:38
the bars on this side are higher than the bars on this side.
430
1280000
3000
as barras deste lado dão maiores que as barras deste lado.
21:41
Watch what happens when we drop some out.
431
1283000
3000
Veja o que acontece quando removemos algumas.
21:44
Suddenly we have the dynamic inconsistency that puzzled us.
432
1286000
3000
De repente temos a inconsistência dinâmica que nos deixou perplexos.
21:47
We have the tendency for people to go for 50 dollars now
433
1289000
4000
Temos a tendência das pessoas quererem 50 dólares agora
21:51
over waiting a month, but not if that decision is far in the future.
434
1293000
3000
ao invés de esperar um mês, mas não se esta decisão estiver muito no futuro.
21:54
Notice something interesting that this implies -- namely, that
435
1296000
4000
Observe algo interessante que isso implica - a saber, que
21:58
when people get to the future, they will change their minds.
436
1300000
4000
quando as pessoas chegam ao futuro, elas mudarão de opinião.
22:02
That is, as that month 12 approaches, you will say,
437
1304000
3000
Ou seja, quando aquele mês 12 chegar, você dirá,
22:05
what was I thinking, waiting an extra month for 60 dollars?
438
1307000
3000
o que eu estava pensando, esperando mais um mês por 60 dólares?
22:08
I'll take the 50 dollars now.
439
1310000
3000
Eu pego os 50 dólares agora.
22:11
Well, the question with which I'd like to end is this:
440
1313000
3000
Bem, a questão com a qual quero terminar é esta:
22:14
If we're so damn stupid, how did we get to the moon?
441
1316000
3000
Se nós somos tão estúpidos, como conseguimos chegar à lua?
22:17
Because I could go on for about two hours with evidence
442
1319000
3000
Porque eu posso continuar por umas duas horas com evidências
22:20
of people's inability to estimate odds and inability to estimate value.
443
1322000
6000
da incapacidade das pessoas para estimar chances e incapacidade para estimar valor.
22:26
The answer to this question, I think, is an answer you've already heard
444
1328000
2000
A resposta para esta pergunta, eu penso, é uma resposta que você já ouviu
22:28
in some of the talks, and I dare say you will hear again:
445
1330000
2000
em algumas das palestras, e eu ouso dizer que você ouvirá de novo:
22:30
namely, that our brains were evolved for a very different world
446
1332000
4000
a saber, que nossos cérebros evoluíram para um mundo muito diferente
22:34
than the one in which we are living.
447
1336000
2000
que este em que vivemos.
22:36
They were evolved for a world
448
1338000
2000
Eles evoluíram para um mundo
22:38
in which people lived in very small groups,
449
1340000
2000
em que as pessoas viviam em grupos bem pequenos,
22:40
rarely met anybody who was terribly different from themselves,
450
1342000
3000
raramente conheciam alguém que era muito diferente de si mesmos,
22:43
had rather short lives in which there were few choices
451
1345000
3000
tinham vidas relativamente curtas nas quais havia poucas escolhas
22:46
and the highest priority was to eat and mate today.
452
1348000
5000
e a máxima prioridade era comer e acasalar hoje.
22:51
Bernoulli's gift, Bernoulli's little formula, allows us, it tells us
453
1353000
5000
O dom de Bernoulli, sua pequena fórmula, nos possibilita, nos diz
22:56
how we should think in a world for which nature never designed us.
454
1358000
5000
como devemos pensar em um mundo para o qual a natureza nunca nos projetou.
23:01
That explains why we are so bad at using it, but it also explains
455
1363000
4000
Isto explica porque somos tão ruins em usá-la, mas também explica
23:05
why it is so terribly important that we become good, fast.
456
1367000
5000
porque é tão importante que nos tornemos bons, rápidos.
23:10
We are the only species on this planet
457
1372000
2000
Nós somos a única espécie neste planeta
23:12
that has ever held its own fate in its hands.
458
1374000
4000
que já teve o próprio destino em suas mãos.
23:16
We have no significant predators,
459
1378000
2000
Não temos predadores significantes,
23:18
we're the masters of our physical environment;
460
1380000
2000
somos os dominantes do nosso ambiente físico;
23:20
the things that normally cause species to become extinct
461
1382000
3000
as coisas que normalmente causam a extinção das espécies
23:23
are no longer any threat to us.
462
1385000
3000
não apresentam mais ameaça alguma para nós.
23:26
The only thing -- the only thing -- that can destroy us and doom us
463
1388000
5000
A única coisa - única coisa - que pode nos destruir e nos condenar
23:31
are our own decisions.
464
1393000
2000
são nossas próprias decisões.
23:33
If we're not here in 10,000 years, it's going to be because
465
1395000
4000
Se não estivermos aqui em 10.000 anos, será porque
23:37
we could not take advantage of the gift given to us
466
1399000
4000
não conseguimos tirar vantagem do dom que nos foi dado
23:41
by a young Dutch fellow in 1738,
467
1403000
3000
por um jovem cara holandês em 1738,
23:44
because we underestimated the odds of our future pains
468
1406000
4000
porque subestimamos as chances das nossas dores futuras
23:48
and overestimated the value of our present pleasures.
469
1410000
4000
e superestimamos o valor dos nossos prazeres atuais.
23:52
Thank you.
470
1414000
1000
Obrigado.
23:53
(Applause)
471
1415000
10000
(Aplauso)
24:03
Chris Anderson: That was remarkable.
472
1425000
3000
Chris Anderson: Isto foi notável.
24:06
We have time for some questions for Dan Gilbert. One and two.
473
1428000
5000
Nós temos tempo para algumas perguntas para Dan Gilbert. Um e dois.
24:11
Bill Lyell: Would you say that this mechanism
474
1433000
3000
Bill Lyell: Você diria que este mecanismo
24:14
is in part how terrorism actually works to frighten us,
475
1436000
4000
é em parte como o terrorismo realmente trabalha para nos amedrontar,
24:18
and is there some way that we could counteract that?
476
1440000
4000
e há alguma maneira pela qual poderíamos contrapor isto?
24:22
Dan Gilbert: I actually was consulting recently
477
1444000
1000
Dan Gilbert: Eu estava na verdade dando consultoria recentemente
24:23
with the Department of Homeland Security, which generally believes
478
1445000
3000
ao Departamento de Segurança Nacional, que normalmente acredita
24:26
that American security dollars should go to making borders safer.
479
1448000
4000
que os dólares de segurança norte-americanos deveriam tornar as fronteiras mais seguras.
24:30
I tried to point out to them that terrorism was a name
480
1452000
3000
Eu tentei argumentar para eles que terrorismo era um nome
24:33
based on people's psychological reaction to a set of events,
481
1455000
4000
baseado na reação psicológica das pessoas a um conjunto de eventos,
24:37
and that if they were concerned about terrorism they might ask
482
1459000
2000
e que se eles estavam preocupados com terrorismo eles poderiam perguntar
24:39
what causes terror and how can we stop people from being terrified,
483
1461000
3000
o que causa terror e como podemos impedir que pessoas fiquem aterrorizadas,
24:42
rather than -- not rather than, but in addition to
484
1464000
3000
ao invés de - não ao invés, mas em adicional a
24:45
stopping the atrocities that we're all concerned about.
485
1467000
3000
interromper as atrocidades com as quais estamos todos preocupados.
24:48
Surely the kinds of play that at least American media give to --
486
1470000
6000
Com certeza o tipo de tratamento que pelo menos a mídia norte-americana dá para -
24:54
and forgive me, but in raw numbers these are very tiny accidents.
487
1476000
5000
e me desculpe, mas em números frios estes são apenas pequenos acidentes.
24:59
We already know, for example, in the United States,
488
1481000
2000
Nós já sabemos, por exemplo, que nos Estados Unidos,
25:01
more people have died as a result of not taking airplanes --
489
1483000
4000
mais pessoas morreram como resultado de não tomar aviões -
25:05
because they were scared -- and driving on highways,
490
1487000
2000
porque estavam apavoradas - e dirigindo em auto-estradas,
25:07
than were killed in 9/11. OK?
491
1489000
2000
do que as que foram mortas no 11 de Setembro. Ok?
25:09
If I told you that there was a plague
492
1491000
2000
Se eu lhe dissesse que há uma praga
25:11
that was going to kill 15,000 Americans next year,
493
1493000
3000
que vai matar 15.000 norte-americanos no próximo ano,
25:14
you might be alarmed if you didn't find out it was the flu.
494
1496000
3000
você estaria apavorado se não soubesse que se trata da gripe.
25:17
These are small-scale accidents, and we should be wondering
495
1499000
3000
Estes são acidentes em pequena escala, e deveríamos nos perguntar
25:20
whether they should get the kind of play,
496
1502000
2000
se eles deveriam ganhar o tipo de atenção,
25:22
the kind of coverage, that they do.
497
1504000
2000
o tipo de cobertura, que recebem.
25:24
Surely that causes people to overestimate the likelihood
498
1506000
3000
Certamente isto faz com que as pessoas superestimem a probabilidade
25:27
that they'll be hurt in these various ways,
499
1509000
2000
de que serão atingidos de todas estas formas,
25:29
and gives power to the very people who want to frighten us.
500
1511000
2000
e dá poder exatamente às pessoas que querem nos apavorar.
25:31
CA: Dan, I'd like to hear more on this. So, you're saying
501
1513000
2000
CA: Dan, gostaria de ouvir mais a respeito. Então, você está dizendo
25:33
that our response to terror is, I mean, it's a form of mental bug?
502
1515000
4000
que a nossa resposta ao terror é, quero dizer, é uma forma de defeito mental?
25:37
Talk more about it.
503
1519000
1000
Fale mais sobre isso.
25:38
DG: It's out-sized. I mean, look.
504
1520000
3000
DG: É superestimado. Quero dizer, veja.
25:41
If Australia disappears tomorrow,
505
1523000
2000
Se a Austrália desaparecer amanhã,
25:43
terror is probably the right response.
506
1525000
2000
o terror é provavelmente a resposta certa.
25:45
That's an awful large lot of very nice people. On the other hand,
507
1527000
5000
É uma enorme quantidade de gente super legal. Por outro lado,
25:50
when a bus blows up and 30 people are killed,
508
1532000
3000
quando um ônibus explode e 30 pessoas morrem,
25:53
more people than that were killed
509
1535000
2000
mais pessoas do que isto morreram
25:55
by not using their seatbelts in the same country.
510
1537000
3000
por não ter usado seus cintos de segurança no mesmo país.
25:58
Is terror the right response?
511
1540000
1000
O terror é a resposta certa?
25:59
CA: What causes the bug? Is it the drama of the event --
512
1541000
4000
CA: O que causa este defeito? É o drama do evento --
26:03
that it's so spectacular?
513
1545000
1000
que é tão espetacular?
26:04
Is it the fact that it's an intentional attack by, quote, outsiders?
514
1546000
3000
É o fato de ser um ataque internacional por, entre aspas, forasteiros?
26:07
What is it?
515
1549000
1000
O que é?
26:08
DG: Yes. It's a number of things, and you hit on several of them.
516
1550000
3000
DG: Sim. São várias coisas, e você tocou em diversas delas.
26:11
First, it's a human agent trying to kill us --
517
1553000
2000
Primeiro, é um agente humano tentando nos matar -
26:13
it's not a tree falling on us by accident.
518
1555000
3000
não é uma árvore caindo em nós por acidente.
26:16
Second, these are enemies who may want to strike and hurt us again.
519
1558000
3000
Segundo, estes inimigos que podem querer nos atacar e atingir de novo.
26:19
People are being killed for no reason instead of good reason --
520
1561000
3000
As pessoas estão sendo mortas sem nenhuma razão ao invés de por uma razão -
26:22
as if there's good reason, but sometimes people think there are.
521
1564000
3000
como se houvesse boa razão, mas às vezes as pessoas pensam que há.
26:25
So there are a number of things that together
522
1567000
2000
Então há várias coisas que juntas
26:27
make this seem like a fantastic event, but let's not play down
523
1569000
3000
fazem isto parecer um evento fantástico, mas não vamos dar menos importância
26:30
the fact that newspapers sell when people see something in it
524
1572000
4000
ao fato de que se vende jornais quando as pessoas vêem coisas neles
26:34
they want to read. So there's a large role here played by the media,
525
1576000
3000
que querem ler. Então há um papel importante da mídia,
26:37
who want these things to be
526
1579000
2000
que quer que estas coisas sejam
26:39
as spectacular as they possibly can.
527
1581000
4000
tão espetaculares quanto possível.
26:43
CA: I mean, what would it take to persuade our culture to downplay it?
528
1585000
6000
CA: Quer dizer, o que seria preciso para persuadir nossa cultura a minimizar isto?
26:49
DG: Well, go to Israel. You know,
529
1591000
1000
DG: Bem, vá a Israel. Você sabe,
26:50
go to Israel. And a mall blows up,
530
1592000
2000
vá a Israel. E um shopping center explode,
26:52
and then everybody's unhappy about it, and an hour-and-a-half later --
531
1594000
3000
e então todos estão infelizes com isso, e uma hora e meia depois -
26:55
at least when I was there, and I was 150 feet from the mall
532
1597000
3000
pelo menos quando estive lá, e eu estava a 30 metros do shopping
26:58
when it blew up -- I went back to my hotel
533
1600000
2000
quando ele explodiu -- Eu voltei ao meu hotel
27:00
and the wedding that was planned was still going on.
534
1602000
3000
e o casamento que estava planejado continuava acontecendo.
27:03
And as the Israeli mother said,
535
1605000
1000
E a mãe israelense disse,
27:04
she said, "We never let them win by stopping weddings."
536
1606000
4000
ela disse, "Nunca os deixamos vencer interrompendo casamentos."
27:08
I mean, this is a society that has learned --
537
1610000
1000
Quero dizer, esta é uma sociedade que aprendeu -
27:09
and there are others too -- that has learned to live
538
1611000
2000
e há outras também - que aprendeu a viver
27:11
with a certain amount of terrorism and not be quite as upset by it,
539
1613000
5000
com uma certa quantidade de terrorismo e não se afetar tanto,
27:16
shall I say, as those of us who have not had many terror attacks.
540
1618000
3000
posso dizer, como aqueles de nós que não sofreram muitos ataques terroristas.
27:19
CA: But is there a rational fear that actually,
541
1621000
3000
CA: Mas há um medo racional de que na verdade,
27:22
the reason we're frightened about this is because we think that
542
1624000
3000
a razão pela qual estamos morrendo de medo é porque pensamos que
27:25
the Big One is to come?
543
1627000
1000
o Grande Ataque virá?
27:26
DG: Yes, of course. So, if we knew that this was the worst attack
544
1628000
4000
DG: Sim, é claro. Então, se soubéssemos que este seria o pior ataque
27:30
there would ever be, there might be more and more buses of 30 people --
545
1632000
4000
que haveria, haveria mais e mais ônibus de 30 pessoas -
27:34
we would probably not be nearly so frightened.
546
1636000
2000
nós provavelmente não nos assustaríamos tanto.
27:36
I don't want to say -- please, I'm going to get quoted somewhere
547
1638000
2000
Eu não quero dizer -- por favor, vou ser citado em algum lugar
27:38
as saying, "Terrorism is fine and we shouldn't be so distressed."
548
1640000
4000
como se dissesse, "Terrorismo é normal e não deveríamos nos preocupar tanto."
27:42
That's not my point at all.
549
1644000
2000
Este não é de forma alguma meu ponto.
27:44
What I'm saying is that, surely, rationally,
550
1646000
2000
O que estou dizendo é que, claro, racionalmente,
27:46
our distress about things that happen, about threats,
551
1648000
4000
nossa aflição sobre coisas que acontecem, sobre ameaças,
27:50
should be roughly proportional to the size of those threats
552
1652000
3000
deveria ser aproximadamente proporcional ao tamanho destas ameaças
27:53
and threats to come.
553
1655000
2000
e ameaças futuras.
27:55
I think in the case of terrorism, it isn't.
554
1657000
3000
Eu acho que no caso do terrorismo, não é.
27:58
And many of the things we've heard about from our speakers today --
555
1660000
2000
E muitas das coisas que ouvimos dos palestrantes hoje -
28:00
how many people do you know got up and said,
556
1662000
2000
quantas pessoas você conhece que se levantaram e disseram,
28:02
Poverty! I can't believe what poverty is doing to us.
557
1664000
4000
Pobreza! Não consigo acreditar no que a pobreza está fazendo conosco.
28:06
People get up in the morning; they don't care about poverty.
558
1668000
2000
As pessoas se levantam de manhã; elas não ligam pra pobreza.
28:08
It's not making headlines, it's not making news, it's not flashy.
559
1670000
2000
Não está nas manchetes; não está nas notícias, não chama a atenção.
28:10
There are no guns going off.
560
1672000
2000
Não há armas disparando.
28:12
I mean, if you had to solve one of these problems, Chris,
561
1674000
2000
Quero dizer, se você tivesse que resolver um destes problemas, Chris,
28:14
which would you solve? Terrorism or poverty?
562
1676000
2000
qual você resolveria? Terrorismo ou pobreza?
28:16
(Laughter)
563
1678000
4000
(Risos)
28:20
(Applause)
564
1682000
2000
(Aplauso)
28:22
That's a tough one.
565
1684000
2000
Esta é difícil.
28:24
CA: There's no question.
566
1686000
1000
CA: Sem dúvida.
28:25
Poverty, by an order of magnitude, a huge order of magnitude,
567
1687000
4000
Pobreza, por uma ordem de grandeza, uma enorme ordem de grandeza,
28:29
unless someone can show that there's, you know,
568
1691000
3000
a não ser que alguém possa provar que há, você sabe,
28:32
terrorists with a nuke are really likely to come.
569
1694000
4000
que terroristas com uma arma nuclear podem um dia atacar.
28:36
The latest I've read, seen, thought
570
1698000
2000
O que eu tenho lido e visto ultimamente, ao contrário
28:38
is that it's incredibly hard for them to do that.
571
1700000
4000
é que é incrivelmente difícil para eles fazerem isto.
28:42
If that turns out to be wrong, we all look silly,
572
1704000
2000
Sse isto estiver errado, todos parecemos bobos,
28:44
but with poverty it's a bit --
573
1706000
2000
mas com a pobreza é um pouco -
28:46
DG: Even if that were true, still more people die from poverty.
574
1708000
3000
DG: Mesmo se isso fosse verdade, ainda mais pessoas morrem pela pobreza.
28:53
CA: We've evolved to get all excited
575
1715000
1000
CA: Nós evoluimos para ficarmos todos excitados
28:54
about these dramatic attacks. Is that because in the past,
576
1716000
3000
com estes ataques dramáticos. É porque no passado,
28:57
in the ancient past, we just didn't understand things like disease
577
1719000
3000
num passado ancestral, nós simplesmente não entendemos coisas como doenças
29:00
and systems that cause poverty and so forth,
578
1722000
2000
e sistemas que causam pobreza e assim por diante,
29:02
and so it made no sense for us as a species to put any energy
579
1724000
4000
e então não fez sentido para nós como espécie gastar energia alguma
29:06
into worrying about those things?
580
1728000
2000
em se preocupar com estas coisas?
29:08
People died; so be it.
581
1730000
2000
Pessoas morreram; deixe estar.
29:10
But if you got attacked, that was something you could do something about.
582
1732000
2000
Mas se você foi atacado, isto é algo contra o que você pode fazer algo.
29:12
And so we evolved these responses.
583
1734000
2000
e então evoluímos nossas respostas.
29:14
Is that what happened?
584
1736000
1000
Foi isso que aconteceu?
29:15
DG: Well, you know, the people who are most skeptical
585
1737000
3000
DG: Bem, você sabe, as pessoas que são mais céticas
29:18
about leaping to evolutionary explanations for everything
586
1740000
2000
sobre usar explicações evolucionistas para tudo
29:20
are the evolutionary psychologists themselves.
587
1742000
2000
são os próprios psicólogos evolucionistas.
29:22
My guess is that there's nothing quite that specific
588
1744000
3000
Meu palpite é que não há nada tão específico assim
29:25
in our evolutionary past. But rather, if you're looking for
589
1747000
2000
no nosso passado evolucionário. Mas ao contrário, se estiver buscando
29:27
an evolutionary explanation, you might say
590
1749000
2000
uma explicação evolucionaista, você poderia dizer
29:29
that most organisms are neo-phobic -- that is, they're a little scared
591
1751000
4000
que a maioria dos organismos são neo-fóbicos - quer dizer, eles são um pouco apavorados
29:33
of stuff that's new and different.
592
1755000
1000
com coisas novas e diferentes.
29:34
And there's a good reason to be,
593
1756000
2000
E há uma boa razão para ser,
29:36
because old stuff didn't eat you. Right?
594
1758000
1000
porque coisas antigas não comiam você. Certo?
29:37
Any animal you see that you've seen before is less likely
595
1759000
3000
Qualquer animal que você veja que já tenha visto antes é menos provável
29:40
to be a predator than one that you've never seen before.
596
1762000
3000
de ser um predador do que um que você nunca viu antes.
29:43
So, you know, when a school bus is blown up and we've never seen this before,
597
1765000
3000
Então, você sabe, quando um ônibus escolar explode e nunca vimos isso antes,
29:46
our general tendency is to orient towards
598
1768000
2000
nossa tendência geral de nos orientar para
29:48
that which is new and novel is activated.
599
1770000
5000
aquilo que é novo é ativada.
29:53
I don't think it's quite as specific a mechanism
600
1775000
2000
Não acho que seja um mecanismo tão específico
29:55
as the one you alluded to, but maybe a more fundamental one underlying it.
601
1777000
2000
como o que você se referiu, mas talvez um mais fundamental por debaixo.
30:01
Jay Walker: You know, economists love to talk about
602
1783000
5000
Jay Walker: Você sabe, economistas adoram falar sobre
30:06
the stupidity of people who buy lottery tickets. But I suspect
603
1788000
4000
a estupidez das pessoas que compram bilhetes de loteria. Mas eu suspeito
30:10
you're making the exact same error you're accusing those people of,
604
1792000
3000
que você está cometendo exatamente o mesmo erro que você acusa naquelas pessoas,
30:13
which is the error of value.
605
1795000
1000
que é o erro do valor.
30:14
I know, because I've interviewed
606
1796000
1000
Eu sei, porque eu entrevistei
30:15
about 1,000 lottery buyers over the years.
607
1797000
2000
mais ou menos 1.000 apostadores por alguns anos.
30:17
It turns out that the value of buying a lottery ticket is not winning.
608
1799000
4000
Acontece que o valor de comprar um bilhete de loteria não é ganhar.
30:21
That's what you think it is. All right?
609
1803000
2000
Isto é o que você pensa que é. Certo?
30:23
The average lottery buyer buys about 150 tickets a year,
610
1805000
3000
O apostador comum compra cerca de 150 bilhetes por ano,
30:26
so the buyer knows full well that he or she is going to lose,
611
1808000
4000
então o apostador sabe muito bem que ele ou ela vai perder,
30:30
and yet she buys 150 tickets a year. Why is that?
612
1812000
3000
e ainda assim ela compra 150 bilhetes num ano. Porque isso?
30:33
It's not because she is stupid or he is stupid.
613
1815000
4000
Não é porque ela é estúpida ou ele é estúpido.
30:37
It's because the anticipation of possibly winning
614
1819000
3000
É porque a antecipação do ganho possível
30:40
releases serotonin in the brain, and actually provides a good feeling
615
1822000
4000
libera serotonina no cérebro, e na verdade proporciona uma sensação boa
30:44
until the drawing indicates you've lost.
616
1826000
2000
até a apuração indicar que você perdeu.
30:46
Or, to put it another way, for the dollar investment,
617
1828000
3000
Ou, para colocar de outra forma, pelo investimento do dinheiro,
30:49
you can have a much better feeling than flushing the money
618
1831000
3000
você pode ter uma sensação bem melhor do que jogando o dinheiro
30:52
down the toilet, which you cannot have a good feeling from.
619
1834000
3000
pelo vaso sanitário, do qual você não pode tirar uma boa sensação.
30:55
Now, economists tend to --
620
1837000
2000
Então, economistas tendem a -
30:57
(Applause)
621
1839000
3000
(Aplauso)
31:00
-- economists tend to view the world
622
1842000
1000
- economistas tendem a ver o mundo
31:01
through their own lenses, which is:
623
1843000
2000
através de sua própria lente, que é:
31:03
this is just a bunch of stupid people.
624
1845000
2000
é só um monte de gente estúpida.
31:05
And as a result, many people look at economists as stupid people.
625
1847000
4000
E como resultado, muitas pessoas olham os economistas como gente estúpida.
31:09
And so fundamentally, the reason we got to the moon is,
626
1851000
3000
Então fundamentalmente, a razão pela qual chegamos à lua é,
31:12
we didn't listen to the economists. Thank you very much.
627
1854000
3000
nós não escutamos os economistas. Muito obrigado.
31:15
(Applause)
628
1857000
5000
(Aplauso)
31:20
DG: Well, no, it's a great point. It remains to be seen
629
1862000
3000
DG: Bem, não, é um ótimo ponto. Ainda está em aberto
31:23
whether the joy of anticipation is exactly equaled
630
1865000
4000
se a alegria da antecipação se equivale exatamente
31:27
by the amount of disappointment after the lottery. Because remember,
631
1869000
3000
à quantidade de desapontamento após a loteria. Porque lembre,
31:30
people who didn't buy tickets don't feel awful the next day either,
632
1872000
3000
as pessoas que não compraram bilhetes também não se sentem mal no dia seguinte,
31:33
even though they don't feel great during the drawing.
633
1875000
2000
apesar de não se sentirem ótimas durante a apuração.
31:35
I would disagree that people know they're not going to win.
634
1877000
2000
Eu discordaria que as pessoas sabem que não vão ganhar.
31:37
I think they think it's unlikely, but it could happen,
635
1879000
3000
Eu acho que elas pensam que é improvável, mas poderia acontecer,
31:40
which is why they prefer that to the flushing.
636
1882000
3000
o que é a razão pela qual eles preferem isto a dar a descarga.
31:43
But certainly I see your point: that there can be
637
1885000
3000
Mas certamente percebo o seu ponto: que pode haver
31:46
some utility to buying a lottery ticket other than winning.
638
1888000
4000
alguma utilidade em comprar um bilhete de loteria além de ganhar.
31:50
Now, I think there's many good reasons not to listen to economists.
639
1892000
3000
Agora, eu acho que há muitas boas razões para não escutar os economistas.
31:53
That isn't one of them, for me, but there's many others.
640
1895000
3000
Esta não é uma delas, para mim, mas há muitas outras.
31:56
CA: Last question.
641
1898000
2000
CA: Última pergunta.
31:58
Aubrey de Grey: My name's Aubrey de Grey, from Cambridge.
642
1900000
3000
Aubrey de Grey: Meu nome é Aubrey de Grey, de Cambridge.
32:01
I work on the thing that kills more people than anything else kills --
643
1903000
4000
Eu trabalho na coisa que mata mais pessoas do que qualquer outra coisa -
32:05
I work on aging -- and I'm interested in doing something about it,
644
1907000
2000
Eu trabalho com envelhecimento -- e estou interessado em fazer algo sobre isto,
32:07
as we'll all hear tomorrow.
645
1909000
1000
como todos vamos ouvir amanhã.
32:08
I very much resonate with what you're saying,
646
1910000
3000
Eu penso muito de acordo com o que você está dizendo,
32:11
because it seems to me that the problem
647
1913000
2000
porque me parece que o problema
32:13
with getting people interested in doing anything about aging
648
1915000
3000
em fazer as pessoas se interessarem em fazer algo sobre envelhecimento
32:16
is that by the time aging is about to kill you it looks like cancer
649
1918000
3000
é que quando o envelhecimento estiver quase lhe matando ele parece câncer
32:19
or heart disease or whatever. Do you have any advice?
650
1921000
3000
ou ataque cardíaco ou algo mais. Você tem algum conselho?
32:22
(Laughter)
651
1924000
3000
(Risos)
32:25
DG: For you or for them?
652
1927000
1000
DG: Para você ou para eles?
32:26
AdG: In persuading them.
653
1928000
1000
AdG: Para os persuadir.
32:27
DG: Ah, for you in persuading them.
654
1929000
2000
DG: Ah, para você os persuadir.
32:29
Well, it's notoriously difficult to get people to be farsighted.
655
1931000
3000
Bem, é notadamente difícil fazer as pessoas enxergarem longe.
32:32
But one thing that psychologists have tried that seems to work
656
1934000
4000
Mas uma coisa que psicólogos tentaram e que parece funcionar
32:36
is to get people to imagine the future more vividly.
657
1938000
3000
é fazer as pessoas imaginarem o futuro de maneira mais clara.
32:39
One of the problems with making decisions about the far future
658
1941000
3000
Um dos problemas em tomar decisões sobre o futuro distante
32:42
and the near future is that we imagine the near future
659
1944000
3000
e sobre o futuro próximo é que imaginamos que o futuro próximo
32:45
much more vividly than the far future.
660
1947000
2000
muito mais claramente do que o futuro distante.
32:47
To the extent that you can equalize the amount of detail
661
1949000
4000
Tão logo você consiga equilibrar a quantidade de detalhe
32:51
that people put into the mental representations
662
1953000
2000
que as pessoas põem nas representações mentais
32:53
of near and far future, people begin to make decisions
663
1955000
2000
do futuro próximo e do distante, as pessoas começam a tomar decisões
32:55
about the two in the same way.
664
1957000
2000
sobre os dois da mesma forma.
32:57
So, would you like to have an extra 100,000 dollars when you're 65
665
1959000
5000
Então, você gostaria de ter mais 100.000 dólares quando tiver 65 anos
33:02
is a question that's very different than,
666
1964000
1000
é uma pergunta que é muito diferente de,
33:03
imagine who you'll be when you're 65: will you be living,
667
1965000
4000
imagine quem você será quando tiver 65: estará vivendo,
33:07
what will you look like, how much hair will you have,
668
1969000
2000
como você se parecerá, quanto cabelo terá,
33:09
who will you be living with.
669
1971000
1000
com quem estará vivendo.
33:10
Once we have all the details of that imaginary scenario,
670
1972000
3000
Uma vez que temos todos os detalhes daquele cenário imaginário,
33:13
suddenly we feel like it might be important to save
671
1975000
2000
de repente sentimos que é importante economizar
33:15
so that that guy has a little retirement money.
672
1977000
3000
para que aquele cara tenha um pouco de dinheiro para aposentadoria.
33:18
But these are tricks around the margins.
673
1980000
2000
Mas isto são pegadinhas nas margens.
33:20
I think in general you're battling a very fundamental human tendency,
674
1982000
3000
Eu penso que no geral você está enfrentando uma tendência humana fundamental,
33:23
which is to say, "I'm here today,
675
1985000
2000
que é dizer, "Estou aqui hoje,
33:25
and so now is more important than later."
676
1987000
3000
então agora é mais importante que depois."
33:28
CA: Dan, thank you. Members of the audience,
677
1990000
2000
CA: Dan, obrigado. Membros da platéia,
33:30
that was a fantastic session. Thank you.
678
1992000
1000
esta foi uma apresentação fantástica. Obrigado.
33:31
(Applause)
679
1993000
2000
(Aplauso)
Translated by Valerio Matias
Reviewed by Leandro Cianconi

▲Back to top

ABOUT THE SPEAKER
Dan Gilbert - Psychologist; happiness expert
Harvard psychologist Dan Gilbert says our beliefs about what will make us happy are often wrong -- a premise he supports with intriguing research, and explains in his accessible and unexpectedly funny book, Stumbling on Happiness.

Why you should listen

Dan Gilbert believes that, in our ardent, lifelong pursuit of happiness, most of us have the wrong map. In the same way that optical illusions fool our eyes -- and fool everyone's eyes in the same way -- Gilbert argues that our brains systematically misjudge what will make us happy. And these quirks in our cognition make humans very poor predictors of our own bliss.

The premise of his current research -- that our assumptions about what will make us happy are often wrong -- is supported with clinical research drawn from psychology and neuroscience. But his delivery is what sets him apart. His engaging -- and often hilarious -- style pokes fun at typical human behavior and invokes pop-culture references everyone can relate to. This winning style translates also to Gilbert's writing, which is lucid, approachable and laugh-out-loud funny. The immensely readable Stumbling on Happiness, published in 2006, became a New York Times bestseller and has been translated into 20 languages.

In fact, the title of his book could be drawn from his own life. At 19, he was a high school dropout with dreams of writing science fiction. When a creative writing class at his community college was full, he enrolled in the only available course: psychology. He found his passion there, earned a doctorate in social psychology in 1985 at Princeton, and has since won a Guggenheim Fellowship and the Phi Beta Kappa teaching prize for his work at Harvard. He has written essays and articles for The New York Times, Time and even Starbucks, while continuing his research into happiness at his Hedonic Psychology Laboratory.

More profile about the speaker
Dan Gilbert | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee