TEDGlobal 2010
Laurie Santos: A monkey economy as irrational as ours
Laurie Santos: Economia maimuțelor, la fel de irațională ca a noastră
Filmed:
Readability: 3.3
1,506,660 views
Laurie Santos caută rădăcinile iraționalității umane urmărind felul în care rudele noastre, primatele, iau decizii. O serie isteață de experimente în „maimuțonomie” arată că unele dintre alegerile prostești pe care le facem noi, le fac și maimuțele.
Laurie Santos - Cognitive psychologist
Laurie Santos studies primate psychology and monkeynomics -- testing problems in human psychology on primates, who (not so surprisingly) have many of the same predictable irrationalities we do. Full bio
Laurie Santos studies primate psychology and monkeynomics -- testing problems in human psychology on primates, who (not so surprisingly) have many of the same predictable irrationalities we do. Full bio
Double-click the English transcript below to play the video.
00:17
I want to start my talk today with two observations
0
2000
2000
Vreau să încep prezentarea astăzi cu două observații
00:19
about the human species.
1
4000
2000
despre specia umană.
00:21
The first observation is something that you might think is quite obvious,
2
6000
3000
Prima observație este ceva ce ați putea crede că e chiar evident,
00:24
and that's that our species, Homo sapiens,
3
9000
2000
anume că specia noastră, Homo Sapiens,
00:26
is actually really, really smart --
4
11000
2000
este de fapt foarte, foarte deșteaptă –
00:28
like, ridiculously smart --
5
13000
2000
adică, ridicol de deșteaptă –
00:30
like you're all doing things
6
15000
2000
adică toți faceți lucruri
00:32
that no other species on the planet does right now.
7
17000
3000
pe care nicio altă specie de pe planetă nu le mai face acum.
00:35
And this is, of course,
8
20000
2000
Și asta, bineînțeles,
00:37
not the first time you've probably recognized this.
9
22000
2000
nu este prima dată când probabil v-ați dat seama de asta.
00:39
Of course, in addition to being smart, we're also an extremely vain species.
10
24000
3000
Firește, pe lângă deșteptăciune, mai avem și extrem de mult orgoliu.
00:42
So we like pointing out the fact that we're smart.
11
27000
3000
Deci ne place să scoatem în evidență că suntem deștepți.
00:45
You know, so I could turn to pretty much any sage
12
30000
2000
Știți voi, aș putea să apelez cam la orice on inteligent
00:47
from Shakespeare to Stephen Colbert
13
32000
2000
de la Shakespeare la Stephen Colbert
00:49
to point out things like the fact that
14
34000
2000
pentru a indica lucruri precum faptul că
00:51
we're noble in reason and infinite in faculties
15
36000
2000
suntem nobili în gândire și nelimitați în înzestrări
00:53
and just kind of awesome-er than anything else on the planet
16
38000
2000
și parcă un pic mai minunați decât orice altceva de pe planetă
00:55
when it comes to all things cerebral.
17
40000
3000
când vorbim de toate lucrurile cerebrale.
00:58
But of course, there's a second observation about the human species
18
43000
2000
Dar, bineînţeles, există o a doua observaţie despre specia umană
01:00
that I want to focus on a little bit more,
19
45000
2000
pe care vreau să mă concentrez un pic mai mult,
01:02
and that's the fact that
20
47000
2000
și aceasta este faptul că
01:04
even though we're actually really smart, sometimes uniquely smart,
21
49000
3000
chiar dacă suntem de fapt deștepți, câteodată straniu de deștepți,
01:07
we can also be incredibly, incredibly dumb
22
52000
3000
putem să fim incredibil, incredibil de proști
01:10
when it comes to some aspects of our decision making.
23
55000
3000
când vine vorba de unele aspecte ale luării deciziilor.
01:13
Now I'm seeing lots of smirks out there.
24
58000
2000
Acum văd multe zâmbete pe-acolo.
01:15
Don't worry, I'm not going to call anyone in particular out
25
60000
2000
Stați liniștiți, nu o să strig pe nimeni individual
01:17
on any aspects of your own mistakes.
26
62000
2000
în legătură cu aspectele propriilor greșeli.
01:19
But of course, just in the last two years
27
64000
2000
Dar bineînțeles, numai în ultimii doi ani
01:21
we see these unprecedented examples of human ineptitude.
28
66000
3000
vedem aceste exemple nemaiîntâlnite de prostie omenească.
01:24
And we've watched as the tools we uniquely make
29
69000
3000
Și am văzut cum uneltele pe care doar noi le facem
01:27
to pull the resources out of our environment
30
72000
2000
ca să luăm resursele din mediul înconjurător
01:29
kind of just blow up in our face.
31
74000
2000
ne cam explodează în față.
01:31
We've watched the financial markets that we uniquely create --
32
76000
2000
Am urmărit piețele financiare pe care doar noi le creăm –
01:33
these markets that were supposed to be foolproof --
33
78000
3000
aceste piețe care ar fi trebuit să fie inofensive –
01:36
we've watched them kind of collapse before our eyes.
34
81000
2000
le-am urmărit cum s-au cam prăbușit în fața noastră.
01:38
But both of these two embarrassing examples, I think,
35
83000
2000
Dar ambele exemple rușinoase, cred,
01:40
don't highlight what I think is most embarrassing
36
85000
3000
nu evidențiază ce este cel mai rușinos
01:43
about the mistakes that humans make,
37
88000
2000
despre greșelile pe care le fac oamenii,
01:45
which is that we'd like to think that the mistakes we make
38
90000
3000
și anume că ne-ar plăcea să credem că greșelile noastre
01:48
are really just the result of a couple bad apples
39
93000
2000
sunt doar din cauza câtorva "mere stricate"
01:50
or a couple really sort of FAIL Blog-worthy decisions.
40
95000
3000
sau a două-trei decizii demne de cascadorii râsului.
01:53
But it turns out, what social scientists are actually learning
41
98000
3000
Dar se pare că ceea ce sociologii află de fapt e că
01:56
is that most of us, when put in certain contexts,
42
101000
3000
cei mai mulți dintre noi, puși în anumite contexte,
01:59
will actually make very specific mistakes.
43
104000
3000
vor face de fapt greșeli distinctive.
02:02
The errors we make are actually predictable.
44
107000
2000
Erorile pe care le facem sunt, în realitate, predictibile.
02:04
We make them again and again.
45
109000
2000
Le facem iar și iar.
02:06
And they're actually immune to lots of evidence.
46
111000
2000
Și chiar sunt imune la o mulțime de dovezi.
02:08
When we get negative feedback,
47
113000
2000
Când primim reacții negative,
02:10
we still, the next time we're face with a certain context,
48
115000
3000
tot avem tendința de a face aceleași greșeli,
02:13
tend to make the same errors.
49
118000
2000
data viitoare când suntem într-un anumit context.
02:15
And so this has been a real puzzle to me
50
120000
2000
Și asta a fost un adevărat puzzle pentru mine
02:17
as a sort of scholar of human nature.
51
122000
2000
ca un fel de savant al naturii umane.
02:19
What I'm most curious about is,
52
124000
2000
Lucrul despre care sunt cel mai curioasă este
02:21
how is a species that's as smart as we are
53
126000
3000
cum poate o specie așa inteligentă ca a noastră
02:24
capable of such bad
54
129000
2000
să facă greșeli atât de grave
02:26
and such consistent errors all the time?
55
131000
2000
și atât de consecvente tot timpul?
02:28
You know, we're the smartest thing out there, why can't we figure this out?
56
133000
3000
Ştiţi, suntem cei mai deștepți de-aici, de ce nu putem să rezolvăm problema asta?
02:31
In some sense, where do our mistakes really come from?
57
136000
3000
Într-un fel, de unde apar greșelile noastre de fapt?
02:34
And having thought about this a little bit, I see a couple different possibilities.
58
139000
3000
Și după ce m-am gândit un pic la asta, văd câteva posibilități.
02:37
One possibility is, in some sense, it's not really our fault.
59
142000
3000
O posibilitate este, într-un fel, că de fapt nu este vina noastră.
02:40
Because we're a smart species,
60
145000
2000
Pentru că suntem o specie isteață,
02:42
we can actually create all kinds of environments
61
147000
2000
putem să creăm tot felul de medii
02:44
that are super, super complicated,
62
149000
2000
care sunt super, super complicate,
02:46
sometimes too complicated for us to even actually understand,
63
151000
3000
uneori prea complicate ca să le înțelegem,
02:49
even though we've actually created them.
64
154000
2000
cu toate că noi le-am creat.
02:51
We create financial markets that are super complex.
65
156000
2000
Facem piețe financiare care sunt super-complexe.
02:53
We create mortgage terms that we can't actually deal with.
66
158000
3000
Facem termene ipotecare cu care nu ne descurcăm.
02:56
And of course, if we are put in environments where we can't deal with it,
67
161000
3000
Și, bineînțeles, dacă suntem puși în medii în care nu ne descurcăm,
02:59
in some sense makes sense that we actually
68
164000
2000
într-un fel e logic că, în realitate
03:01
might mess certain things up.
69
166000
2000
stricăm unele lucruri.
03:03
If this was the case, we'd have a really easy solution
70
168000
2000
Dacă ar fi fost așa, am fi avut o soluție foarte simplă
03:05
to the problem of human error.
71
170000
2000
la problema erorii umane.
03:07
We'd actually just say, okay, let's figure out
72
172000
2000
Am fi spus, bine, hai să descoperim
03:09
the kinds of technologies we can't deal with,
73
174000
2000
tipurile de tehnologii cu care nu ne descurcăm,
03:11
the kinds of environments that are bad --
74
176000
2000
mediile care sunt dăunătoare –
03:13
get rid of those, design things better,
75
178000
2000
scăpăm de astea, proiectăm lucrurile mai bine,
03:15
and we should be the noble species
76
180000
2000
și vom fi specia aceea nobilă
03:17
that we expect ourselves to be.
77
182000
2000
care ne așteptăm să fim.
03:19
But there's another possibility that I find a little bit more worrying,
78
184000
3000
Dar mai este o posibilitate, care mi se pare un pic mai îngrijorătoare,
03:22
which is, maybe it's not our environments that are messed up.
79
187000
3000
aceea că poate nu mediile înconjurătoare sunt stricate.
03:25
Maybe it's actually us that's designed badly.
80
190000
3000
Poate chiar noi suntem construiți prost.
03:28
This is a hint that I've gotten
81
193000
2000
Asta e o idee care mi-a venit
03:30
from watching the ways that social scientists have learned about human errors.
82
195000
3000
când am văzut felul în care sociologii au învățat despre erorile umane.
03:33
And what we see is that people tend to keep making errors
83
198000
3000
Și ce vedem e că oamenii continuă să facă greșeli
03:36
exactly the same way, over and over again.
84
201000
3000
în exact același fel, la nesfârșit.
03:39
It feels like we might almost just be built
85
204000
2000
Pare ca și cum aproape am fi construiți
03:41
to make errors in certain ways.
86
206000
2000
să facem greșeli în anumite feluri.
03:43
This is a possibility that I worry a little bit more about,
87
208000
3000
Aceasta este o posibilitate pentru care îmi fac mai multe griji,
03:46
because, if it's us that's messed up,
88
211000
2000
pentru că, dacă noi suntem cei cu probleme,
03:48
it's not actually clear how we go about dealing with it.
89
213000
2000
nu este clar ce facem ca să le rezolvăm.
03:50
We might just have to accept the fact that we're error prone
90
215000
3000
S-ar putea să trebuiască să acceptăm că suntem înclinați să greșim
03:53
and try to design things around it.
91
218000
2000
și să încercăm să proiectăm lucruri care să evite asta.
03:55
So this is the question my students and I wanted to get at.
92
220000
3000
Așadar aceasta este întrebarea la care am vrut să ajungem eu și studenții mei.
03:58
How can we tell the difference between possibility one and possibility two?
93
223000
3000
Cum facem diferența între posibilitatea unu și posibilitatea doi?
04:01
What we need is a population
94
226000
2000
Avem nevoie de o populație
04:03
that's basically smart, can make lots of decisions,
95
228000
2000
care e în principiu deșteaptă, poate lua multe decizii,
04:05
but doesn't have access to any of the systems we have,
96
230000
2000
dar nu are acces la niciun sistem pe care îl avem noi,
04:07
any of the things that might mess us up --
97
232000
2000
oricare dintre lucrurile care ne-ar putea strica –
04:09
no human technology, human culture,
98
234000
2000
fără tehnologie umană, cultură umană,
04:11
maybe even not human language.
99
236000
2000
poate chiar nici limbaj uman.
04:13
And so this is why we turned to these guys here.
100
238000
2000
Și de aceea am apelat la acești tipi.
04:15
These are one of the guys I work with. This is a brown capuchin monkey.
101
240000
3000
Aceștia sunt indivizii cu care lucrez. Acesta este un capucin maro.
04:18
These guys are New World primates,
102
243000
2000
Acestea sunt primate platyrrhini,
04:20
which means they broke off from the human branch
103
245000
2000
ceea ce înseamnă că s-au despărțit de ramura umană
04:22
about 35 million years ago.
104
247000
2000
acum 35 milioane de ani.
04:24
This means that your great, great, great great, great, great --
105
249000
2000
Asta înseamnă că stră, stră, stră, stră, stră, stră –
04:26
with about five million "greats" in there --
106
251000
2000
cu vreo cinci milioane de "stră" –
04:28
grandmother was probably the same great, great, great, great
107
253000
2000
străbunica voastră a fost probabil aceeași stră, stră, stră, stră
04:30
grandmother with five million "greats" in there
108
255000
2000
străbunică, cu cinci milioane de "stră"
04:32
as Holly up here.
109
257000
2000
ca a lui Holly, cea de aici.
04:34
You know, so you can take comfort in the fact that this guy up here is a really really distant,
110
259000
3000
Și, puteți să vă consolați cu ideea că acest individ este o rudă foarte, foarte îndepărtată
04:37
but albeit evolutionary, relative.
111
262000
2000
cu toate că evoluționistă.
04:39
The good news about Holly though is that
112
264000
2000
Totuși, vestea bună despre Holly este că
04:41
she doesn't actually have the same kinds of technologies we do.
113
266000
3000
ea nu are aceleași tehnologii pe care le avem noi.
04:44
You know, she's a smart, very cut creature, a primate as well,
114
269000
3000
Știți, este iteață, o creatură bine croită, și o primată,
04:47
but she lacks all the stuff we think might be messing us up.
115
272000
2000
dar îi lipsesc toate lucrurile despre care credem că ne dau peste cap.
04:49
So she's the perfect test case.
116
274000
2000
Așa că este subiectul perfect de testare.
04:51
What if we put Holly into the same context as humans?
117
276000
3000
Dar dacă am pune-o pe Holly în același context cu oamenii?
04:54
Does she make the same mistakes as us?
118
279000
2000
Va face aceleași greșeli ca și noi?
04:56
Does she not learn from them? And so on.
119
281000
2000
Nu învață din ele? Ș.a.m.d.
04:58
And so this is the kind of thing we decided to do.
120
283000
2000
Așa că acesta e lucrul pe care ne-am hotărât să-l facem.
05:00
My students and I got very excited about this a few years ago.
121
285000
2000
Eu și studenții mei ne-am entuziasmat foarte tare acum câţiva ani.
05:02
We said, all right, let's, you know, throw so problems at Holly,
122
287000
2000
Am zis, bine, să – știți – îi dăm probleme de-astea lui Holly,
05:04
see if she messes these things up.
123
289000
2000
să vedem dacă dă lucrurile peste cap.
05:06
First problem is just, well, where should we start?
124
291000
3000
Prima problemă este, bine, de unde să începem?
05:09
Because, you know, it's great for us, but bad for humans.
125
294000
2000
Pentru că, vă dați seama, este minunat pentru noi, dar rău pentru oameni.
05:11
We make a lot of mistakes in a lot of different contexts.
126
296000
2000
Facem multe greșeli în diverse contexte.
05:13
You know, where are we actually going to start with this?
127
298000
2000
Ştiţi, de unde vom începe de fapt?
05:15
And because we started this work around the time of the financial collapse,
128
300000
3000
Și pentru că am început această muncă în perioada începutului crizei financiare,
05:18
around the time when foreclosures were hitting the news,
129
303000
2000
pe vremea când prescrierile ipotecare ajungeau pe prima pagină,
05:20
we said, hhmm, maybe we should
130
305000
2000
am zis, hmm, poate ar trebui
05:22
actually start in the financial domain.
131
307000
2000
să începem chiar în domeniul financiar.
05:24
Maybe we should look at monkey's economic decisions
132
309000
3000
Poate ar trebui să ne uităm la deciziile economice ale maimuțelor
05:27
and try to see if they do the same kinds of dumb things that we do.
133
312000
3000
și să încercăm să vedem dacă și ele fac aceleași prostii ca și noi.
05:30
Of course, that's when we hit a sort second problem --
134
315000
2000
Desigur, atunci am dat de a doua problemă –
05:32
a little bit more methodological --
135
317000
2000
un pic mai metodologică –
05:34
which is that, maybe you guys don't know,
136
319000
2000
aceea că, poate voi nu știți,
05:36
but monkeys don't actually use money. I know, you haven't met them.
137
321000
3000
dar maimuțele nu folosesc bani. Știu, nu le-ați cunoscut.
05:39
But this is why, you know, they're not in the queue behind you
138
324000
2000
Dar de aceea, știți, ele nu sunt la coadă în spatele vostru
05:41
at the grocery store or the ATM -- you know, they don't do this stuff.
139
326000
3000
la alimentară sau la bancomat – știți voi, ele nu fac asta.
05:44
So now we faced, you know, a little bit of a problem here.
140
329000
3000
Așa că acum, vă dați seama, am dat de o altă mică problemă.
05:47
How are we actually going to ask monkeys about money
141
332000
2000
Cum să le cerem bani maimuțelor
05:49
if they don't actually use it?
142
334000
2000
dacă ele nu îi folosesc?
05:51
So we said, well, maybe we should just, actually just suck it up
143
336000
2000
Și am zis, păi, poate ar trebui să... chiar să tragem aer în piept
05:53
and teach monkeys how to use money.
144
338000
2000
și să le învățăm să folosească banii.
05:55
So that's just what we did.
145
340000
2000
Și asta am și făcut.
05:57
What you're looking at over here is actually the first unit that I know of
146
342000
3000
Ce vedeți aici e de fapt prima unitate monetară ne-omenească
06:00
of non-human currency.
147
345000
2000
despre care știu.
06:02
We weren't very creative at the time we started these studies,
148
347000
2000
Nu eram prea creativi când am început aceste studii,
06:04
so we just called it a token.
149
349000
2000
așa că l-am numit jeton.
06:06
But this is the unit of currency that we've taught our monkeys at Yale
150
351000
3000
Dar asta e unitatea monetară pe care le-am învățat pe maimuțele de la Yale
06:09
to actually use with humans,
151
354000
2000
să o folosească cu oamenii,
06:11
to actually buy different pieces of food.
152
356000
3000
și, efectiv, să cumpere diverse bucăți de mâncare.
06:14
It doesn't look like much -- in fact, it isn't like much.
153
359000
2000
Nu pare mult – de fapt nici nu este mult.
06:16
Like most of our money, it's just a piece of metal.
154
361000
2000
La fel ca mulți dintre banii noștri, e doar o bucată de metal.
06:18
As those of you who've taken currencies home from your trip know,
155
363000
3000
După cum știți cei care ați luat acasă bani din excursii,
06:21
once you get home, it's actually pretty useless.
156
366000
2000
odată ce ajungeți acasă, nu prea mai valorează nimic.
06:23
It was useless to the monkeys at first
157
368000
2000
Era inutilă și pentru maimuțe la început
06:25
before they realized what they could do with it.
158
370000
2000
înainte să își dea seama ce pot face cu ea.
06:27
When we first gave it to them in their enclosures,
159
372000
2000
Prima dată când le-am dat monede în cuști,
06:29
they actually kind of picked them up, looked at them.
160
374000
2000
le-au luat, s-au uitat la ele.
06:31
They were these kind of weird things.
161
376000
2000
Erau ca niște lucruri stranii.
06:33
But very quickly, the monkeys realized
162
378000
2000
Dar destul de repede, maimuțele au înțeles
06:35
that they could actually hand these tokens over
163
380000
2000
că puteau să predea aceste jetoane
06:37
to different humans in the lab for some food.
164
382000
3000
diverșilor oameni din laborator în schimbul hranei.
06:40
And so you see one of our monkeys, Mayday, up here doing this.
165
385000
2000
Și, vedeți aici una dintre maimuțe, Mayday, făcând asta.
06:42
This is A and B are kind of the points where she's sort of a little bit
166
387000
3000
Aici este A și B... sunt puncte în care ea este cumva un pic
06:45
curious about these things -- doesn't know.
167
390000
2000
curioasă despre aceste lucruri – nu știe.
06:47
There's this waiting hand from a human experimenter,
168
392000
2000
Acolo e o mână în așteptare, a unui experimentator uman,
06:49
and Mayday quickly figures out, apparently the human wants this.
169
394000
3000
și Mayday își dă seama imediat, aparent omul vrea asta.
06:52
Hands it over, and then gets some food.
170
397000
2000
Dă jetonul și primește niște mâncare.
06:54
It turns out not just Mayday, all of our monkeys get good
171
399000
2000
Se pare că nu doar Mayday, ci toate maimuțele se pricep să
06:56
at trading tokens with human salesman.
172
401000
2000
schimbe jetoane cu un om vânzător.
06:58
So here's just a quick video of what this looks like.
173
403000
2000
Și aici este doar un scurt videoclip despre cum arată.
07:00
Here's Mayday. She's going to be trading a token for some food
174
405000
3000
Aici este Mayday. Va da un jeton în schimbul mâncării
07:03
and waiting happily and getting her food.
175
408000
3000
și va aștepta mulțumită și va primi mâncarea.
07:06
Here's Felix, I think. He's our alpha male; he's a kind of big guy.
176
411000
2000
Aici e Felix, cred. El e masculul nostru alfa; e destul de mare.
07:08
But he too waits patiently, gets his food and goes on.
177
413000
3000
Dar și el așteaptă răbdător, își primește mâncarea și continuă.
07:11
So the monkeys get really good at this.
178
416000
2000
Și maimuțele devin foarte pricepute la asta.
07:13
They're surprisingly good at this with very little training.
179
418000
3000
Sunt surprinzător de bune la asta fără prea mult antrenament.
07:16
We just allowed them to pick this up on their own.
180
421000
2000
Le-am lăsat să-și dea seama de unele singure.
07:18
The question is: is this anything like human money?
181
423000
2000
Întrebarea este: este la fel ca banii oamenilor?
07:20
Is this a market at all,
182
425000
2000
Este asta o piață,
07:22
or did we just do a weird psychologist's trick
183
427000
2000
sau tocmai am făcut un truc psihologic ciudat
07:24
by getting monkeys to do something,
184
429000
2000
convingând maimuțele să facă ceva,
07:26
looking smart, but not really being smart.
185
431000
2000
părând deștepte, fără să fie de fapt.
07:28
And so we said, well, what would the monkeys spontaneously do
186
433000
3000
Așa că am spus, bine, ce ar face maimuțele în mod spontan
07:31
if this was really their currency, if they were really using it like money?
187
436000
3000
dacă asta ar fi cu adevărat moneda lor, dacă chiar ar folosi-o pe post de bani?
07:34
Well, you might actually imagine them
188
439000
2000
Păi, ați putea probabil să vi le imaginați
07:36
to do all the kinds of smart things
189
441000
2000
făcând tot felul de lucruri inteligente
07:38
that humans do when they start exchanging money with each other.
190
443000
3000
pe care oamenii le fac atunci când tranzacționează bani între ei.
07:41
You might have them start paying attention to price,
191
446000
3000
Te-ai aștepta să înceapă să fie atente la preț,
07:44
paying attention to how much they buy --
192
449000
2000
atente la cât de mult cumpără –
07:46
sort of keeping track of their monkey token, as it were.
193
451000
3000
să țină cumva minte cum erau jetoanele lor de maimuțe.
07:49
Do the monkeys do anything like this?
194
454000
2000
Fac maimuțele ceva asemănător?
07:51
And so our monkey marketplace was born.
195
456000
3000
Și așa a apărut piața noastră a maimuțelor.
07:54
The way this works is that
196
459000
2000
Felul cum funcționează este că
07:56
our monkeys normally live in a kind of big zoo social enclosure.
197
461000
3000
maimuțele noastre trăiesc de obicei într-un fel de grădină zoologică mare.
07:59
When they get a hankering for some treats,
198
464000
2000
Când li se face dor de niște dulciuri,
08:01
we actually allowed them a way out
199
466000
2000
le-am lăsat o ușă deschisă
08:03
into a little smaller enclosure where they could enter the market.
200
468000
2000
spre o incintă unde puteau să intre în piață.
08:05
Upon entering the market --
201
470000
2000
După ce intrau în piață –
08:07
it was actually a much more fun market for the monkeys than most human markets
202
472000
2000
era o piață mult mai amuzantă pentru maimuțe decât majoritatea piețelor omenești
08:09
because, as the monkeys entered the door of the market,
203
474000
3000
pentru că, imediat ce maimuțele intrau pe ușa pieței,
08:12
a human would give them a big wallet full of tokens
204
477000
2000
un om le dădea un portofel mare, plin de jetoane
08:14
so they could actually trade the tokens
205
479000
2000
ca să poată să facă comerț cu jetoanele
08:16
with one of these two guys here --
206
481000
2000
cu unul dintre cei doi oameni de aici –
08:18
two different possible human salesmen
207
483000
2000
doi potențiali comercianți
08:20
that they could actually buy stuff from.
208
485000
2000
de la care se putea cumpăra.
08:22
The salesmen were students from my lab.
209
487000
2000
Comercianții erau studenți din laboratorul meu.
08:24
They dressed differently; they were different people.
210
489000
2000
S-au îmbrăcat diferit; erau oameni diferiți.
08:26
And over time, they did basically the same thing
211
491000
3000
Și, de-a lungul timpului, au făcut, în esență, același lucru
08:29
so the monkeys could learn, you know,
212
494000
2000
astfel încât maimuțele să poată învăța, ştiţi,
08:31
who sold what at what price -- you know, who was reliable, who wasn't, and so on.
213
496000
3000
cine ce vinde și la ce preț – știți voi, cine era de încredere, cine nu; ș.a.m.d.
08:34
And you can see that each of the experimenters
214
499000
2000
Și puteți vedea că fiecare experimentator
08:36
is actually holding up a little, yellow food dish.
215
501000
3000
ține de fapt o mică farfurie galbenă.
08:39
and that's what the monkey can for a single token.
216
504000
2000
Asta poate primi maimuța pentru un singur jeton.
08:41
So everything costs one token,
217
506000
2000
Deci totul costă un jeton,
08:43
but as you can see, sometimes tokens buy more than others,
218
508000
2000
dar după cum puteți vedea, câteodată jetoanele cumpără mai mult decât altele,
08:45
sometimes more grapes than others.
219
510000
2000
câteodată mai mulți struguri decât altele.
08:47
So I'll show you a quick video of what this marketplace actually looks like.
220
512000
3000
O să vă arăt un scurt film despre cum arată de fapt această piață.
08:50
Here's a monkey-eye-view. Monkeys are shorter, so it's a little short.
221
515000
3000
Iată viziunea maimuțelor. Maimuțele sunt mai scunde, deci este un pic mai scurtă.
08:53
But here's Honey.
222
518000
2000
Dar aici este Honey.
08:55
She's waiting for the market to open a little impatiently.
223
520000
2000
Așteaptă să se deschidă piața, puțin nerăbdătoare.
08:57
All of a sudden the market opens. Here's her choice: one grapes or two grapes.
224
522000
3000
Deodată, se deschide piața. Iată alegerea ei: un strugure sau doi struguri.
09:00
You can see Honey, very good market economist,
225
525000
2000
Vedeți, Honey este un foarte bun economist de piață,
09:02
goes with the guy who gives more.
226
527000
3000
îl alege pe cel ce oferă mai mult.
09:05
She could teach our financial advisers a few things or two.
227
530000
2000
I-ar putea învăța pe consultanții noștri financiari câteva lucruri.
09:07
So not just Honey,
228
532000
2000
Și nu doar Honey,
09:09
most of the monkeys went with guys who had more.
229
534000
3000
cele mai multe maimuțe au ales indivizii care au avut mai mult.
09:12
Most of the monkeys went with guys who had better food.
230
537000
2000
Cele mai multe maimuțe au ales indivizii care aveau mâncare mai bună.
09:14
When we introduced sales, we saw the monkeys paid attention to that.
231
539000
3000
Când am introdus vânzările, am văzut că maimuțele au fost atente la asta.
09:17
They really cared about their monkey token dollar.
232
542000
3000
Chiar le păsa de jetonul-dolar maimuțesc.
09:20
The more surprising thing was that when we collaborated with economists
233
545000
3000
Cel mai surprinzător lucru a fost că atunci când am colaborat cu economiști
09:23
to actually look at the monkeys' data using economic tools,
234
548000
3000
să ne uităm la datele maimuțelor cu instrumente economice,
09:26
they basically matched, not just qualitatively,
235
551000
3000
s-au cam potrivit, nu doar calitativ,
09:29
but quantitatively with what we saw
236
554000
2000
dar și cantitativ cu ce i-am văzut
09:31
humans doing in a real market.
237
556000
2000
pe oameni făcând pe piața reală.
09:33
So much so that, if you saw the monkeys' numbers,
238
558000
2000
Atât de mult încât, dacă ai fi văzut numerele maimuțelor,
09:35
you couldn't tell whether they came from a monkey or a human in the same market.
239
560000
3000
nu ți-ai fi dat seama dacă sunt ale maimuțelor sau ale unor oameni de pe aceeași piață.
09:38
And what we'd really thought we'd done
240
563000
2000
Și ce am crezut că am făcut
09:40
is like we'd actually introduced something
241
565000
2000
e că am introdus ceva
09:42
that, at least for the monkeys and us,
242
567000
2000
care, cel puțin pentru maimuțe și pentru noi,
09:44
works like a real financial currency.
243
569000
2000
funcționează ca o valută financiară reală.
09:46
Question is: do the monkeys start messing up in the same ways we do?
244
571000
3000
Întrebarea este: și maimuțele strică lucrurile în același fel ca și noi?
09:49
Well, we already saw anecdotally a couple of signs that they might.
245
574000
3000
Păi, deja văzusem în mod anecdotic niște semne că s-ar putea.
09:52
One thing we never saw in the monkey marketplace
246
577000
2000
Un lucru pe care nu l-am văzut pe piața maimuțelor
09:54
was any evidence of saving --
247
579000
2000
a fost vreo dovadă de economisire –
09:56
you know, just like our own species.
248
581000
2000
așa, ca specia noastră.
09:58
The monkeys entered the market, spent their entire budget
249
583000
2000
Maimuțele au intrat pe piață, și-au cheltuit tot bugetul
10:00
and then went back to everyone else.
250
585000
2000
și apoi s-au întors la toată lumea.
10:02
The other thing we also spontaneously saw,
251
587000
2000
Celălalt lucru pe care l-am văzut spontan,
10:04
embarrassingly enough,
252
589000
2000
destul de jenant,
10:06
is spontaneous evidence of larceny.
253
591000
2000
este dovada spontană de furt.
10:08
The monkeys would rip-off the tokens at every available opportunity --
254
593000
3000
Maimuțele prădau jetoanele cu fiecare ocazie –
10:11
from each other, often from us --
255
596000
2000
între ele, câteodată de la noi –
10:13
you know, things we didn't necessarily think we were introducing,
256
598000
2000
lucruri pe care nu ne gândeam neapărat că le vom introduce,
10:15
but things we spontaneously saw.
257
600000
2000
dar lucruri pe care le-am văzut spontan.
10:17
So we said, this looks bad.
258
602000
2000
Așa că am zis, asta arată rău.
10:19
Can we actually see if the monkeys
259
604000
2000
Putem vedea dacă maimuțele
10:21
are doing exactly the same dumb things as humans do?
260
606000
3000
fac exact aceleași lucruri prostești ca și oamenii?
10:24
One possibility is just kind of let
261
609000
2000
Una dintre posibilități e, practic, să lăsăm
10:26
the monkey financial system play out,
262
611000
2000
sistemul financiar al maimuțelor să se desfășoare,
10:28
you know, see if they start calling us for bailouts in a few years.
263
613000
2000
știți, să vedem dacă în câțiva ani o să ne cheme să le plătim cauțiunea.
10:30
We were a little impatient so we wanted
264
615000
2000
Eram puțin nerăbdători așa că am vrut
10:32
to sort of speed things up a bit.
265
617000
2000
cumva să iuțim lucrurile un pic.
10:34
So we said, let's actually give the monkeys
266
619000
2000
Așa că am spus, hai să le dăm maimuțelor
10:36
the same kinds of problems
267
621000
2000
aceleași probleme
10:38
that humans tend to get wrong
268
623000
2000
la care oamenii greșesc
10:40
in certain kinds of economic challenges,
269
625000
2000
în anumite tipuri de încercări economice,
10:42
or certain kinds of economic experiments.
270
627000
2000
sau anumite tipuri de experimente economice.
10:44
And so, since the best way to see how people go wrong
271
629000
3000
Și așa, din moment ce cel mai bun mod de a vedea cum greșesc oamenii
10:47
is to actually do it yourself,
272
632000
2000
este să facem asta chiar noi,
10:49
I'm going to give you guys a quick experiment
273
634000
2000
o să vă arăt un mic experiment
10:51
to sort of watch your own financial intuitions in action.
274
636000
2000
ca să vă urmărim propriile intuiții financiare în acțiune.
10:53
So imagine that right now
275
638000
2000
Imaginați-vă că acum
10:55
I handed each and every one of you
276
640000
2000
v-am dat fiecăruia
10:57
a thousand U.S. dollars -- so 10 crisp hundred dollar bills.
277
642000
3000
o mie de dolari americani – deci 10 bancnote noi de o sută de dolari.
11:00
Take these, put it in your wallet
278
645000
2000
Luați-i, puneți-i în buzunar
11:02
and spend a second thinking about what you're going to do with it.
279
647000
2000
și gândiți-vă o secundă ce ați face cu banii.
11:04
Because it's yours now; you can buy whatever you want.
280
649000
2000
Pentru că sunt ai voștri acum; puteți cumpăra ce vreți cu ei.
11:06
Donate it, take it, and so on.
281
651000
2000
Îi donați, îi luați etc.
11:08
Sounds great, but you get one more choice to earn a little bit more money.
282
653000
3000
Sună minunat, dar mai aveți de făcut o alegere pentru a mai câștiga niște bani.
11:11
And here's your choice: you can either be risky,
283
656000
3000
Aveți opțiunile: ori să riscați,
11:14
in which case I'm going to flip one of these monkey tokens.
284
659000
2000
caz în care voi arunca unul dintre aceste jetoane.
11:16
If it comes up heads, you're going to get a thousand dollars more.
285
661000
2000
Dacă este cap, mai primiți o mie de dolari.
11:18
If it comes up tails, you get nothing.
286
663000
2000
Dacă e pajură, nu primiți nimic.
11:20
So it's a chance to get more, but it's pretty risky.
287
665000
3000
Deci aveți o șansă să câștigați mai mult, dar e destul de riscant.
11:23
Your other option is a bit safe. Your just going to get some money for sure.
288
668000
3000
Cealaltă opțiune e o ofertă sigură. Cu sigurantă o să primiți niște bani.
11:26
I'm just going to give you 500 bucks.
289
671000
2000
O să vă dau 500 $.
11:28
You can stick it in your wallet and use it immediately.
290
673000
3000
Puteți să-i băgați în portofel și să-i folosiți imediat.
11:31
So see what your intuition is here.
291
676000
2000
Așa că fiți atenți care vă e intuiția.
11:33
Most people actually go with the play-it-safe option.
292
678000
3000
Cei mai mulți oameni merg pe opțiunea de siguranță.
11:36
Most people say, why should I be risky when I can get 1,500 dollars for sure?
293
681000
3000
Cei mai mulți spun: "De ce să risc, dacă pot obține 1.500$ siguri?"
11:39
This seems like a good bet. I'm going to go with that.
294
684000
2000
Pare un pariu bun. O să aleg asta.
11:41
You might say, eh, that's not really irrational.
295
686000
2000
Ați putea spune: "Ei, asta nu-i cu adevărat irațional."
11:43
People are a little risk-averse. So what?
296
688000
2000
Oamenii au o mică aversiune față de risc. Și ce?
11:45
Well, the "so what?" comes when start thinking
297
690000
2000
Păi, partea cu "și ce?" apare când ne gândim
11:47
about the same problem
298
692000
2000
la aceeași problemă
11:49
set up just a little bit differently.
299
694000
2000
pusă un pic diferit.
11:51
So now imagine that I give each and every one of you
300
696000
2000
Acum imaginați-vă că v-aș da fiecăruia
11:53
2,000 dollars -- 20 crisp hundred dollar bills.
301
698000
3000
2.000 dolari – 20 de bancnote noi de o sută de dolari.
11:56
Now you can buy double to stuff you were going to get before.
302
701000
2000
Acum ați putea să cumpărați de două ori mai multe lucruri ca înainte.
11:58
Think about how you'd feel sticking it in your wallet.
303
703000
2000
Gândiți-vă cum ar fi să-i băgați în portofel.
12:00
And now imagine that I have you make another choice
304
705000
2000
Și acum gândiți-vă că vă pun să faceți o altă alegere.
12:02
But this time, it's a little bit worse.
305
707000
2000
Dar acum e un pic mai rău.
12:04
Now, you're going to be deciding how you're going to lose money,
306
709000
3000
Acum, o să alegeți cum să pierdeți banii,
12:07
but you're going to get the same choice.
307
712000
2000
dar o să aveți aceleași opțiuni.
12:09
You can either take a risky loss --
308
714000
2000
Puteți ori să alegeți o pierdere riscantă –
12:11
so I'll flip a coin. If it comes up heads, you're going to actually lose a lot.
309
716000
3000
o să dau cu banul. Dacă e cap, o să pierdeți mult.
12:14
If it comes up tails, you lose nothing, you're fine, get to keep the whole thing --
310
719000
3000
Dacă e pajură, nu pierdeți nimic, totul e bine, rămâneți cu toată suma –
12:17
or you could play it safe, which means you have to reach back into your wallet
311
722000
3000
sau ați putea să jucați la siguranță, ceea ce înseamnă că băgați mâna în buzunar
12:20
and give me five of those $100 bills, for certain.
312
725000
3000
și îmi dați cinci dintre bancnotele de 100$, în mod sigur.
12:23
And I'm seeing a lot of furrowed brows out there.
313
728000
3000
Și văd destule frunți încruntate pe-aici.
12:26
So maybe you're having the same intuitions
314
731000
2000
Deci probabil aveți aceleași intuiții
12:28
as the subjects that were actually tested in this,
315
733000
2000
ca și subiecții care au fost în realitate testați,
12:30
which is when presented with these options,
316
735000
2000
și anume că dacă li se prezintă aceste opțiuni,
12:32
people don't choose to play it safe.
317
737000
2000
oamenii nu aleg să joace la siguranță.
12:34
They actually tend to go a little risky.
318
739000
2000
Ei tind să meargă la risc.
12:36
The reason this is irrational is that we've given people in both situations
319
741000
3000
Motivul pentru care asta e irațional este că le-am dat oamenilor
12:39
the same choice.
320
744000
2000
în ambele situații aceleași opțiuni.
12:41
It's a 50/50 shot of a thousand or 2,000,
321
746000
3000
Este o șansă de jumătate pentru 1.000 sau 2.000,
12:44
or just 1,500 dollars with certainty.
322
749000
2000
sau doar 1.500$ în mod sigur.
12:46
But people's intuitions about how much risk to take
323
751000
3000
Dar intuiția oamenilor despre cât risc să își asume
12:49
varies depending on where they started with.
324
754000
2000
variază în funcție de unde au început.
12:51
So what's going on?
325
756000
2000
Deci ce se întâmplă?
12:53
Well, it turns out that this seems to be the result
326
758000
2000
Păi, am observat că acesta pare să fie rezultatul
12:55
of at least two biases that we have at the psychological level.
327
760000
3000
a cel puțin două prejudecăți pe care le avem la nivel psihologic.
12:58
One is that we have a really hard time thinking in absolute terms.
328
763000
3000
Una este că ne este foarte greu să gândim în termeni absoluți.
13:01
You really have to do work to figure out,
329
766000
2000
Trebuie făcute eforturi să ne dăm seama,
13:03
well, one option's a thousand, 2,000;
330
768000
2000
păi, o opțiune e o mie, 2.000;
13:05
one is 1,500.
331
770000
2000
alta este 1.500.
13:07
Instead, we find it very easy to think in very relative terms
332
772000
3000
În schimb, ne pare foarte ușor să gândim în termeni relativi
13:10
as options change from one time to another.
333
775000
3000
pe măsură ce opțiunile se schimbă de la un timp la altul.
13:13
So we think of things as, "Oh, I'm going to get more," or "Oh, I'm going to get less."
334
778000
3000
Și ne gândim la lucruri ca „O, o să primesc mai mult” sau „O, o să primesc mai puțin”.
13:16
This is all well and good, except that
335
781000
2000
Toate acestea sunt bune, cu excepția faptului că
13:18
changes in different directions
336
783000
2000
schimbările în diverse direcții
13:20
actually effect whether or not we think
337
785000
2000
chiar afectează dacă gândim sau nu
13:22
options are good or not.
338
787000
2000
că opțiunile sunt bune sau nu.
13:24
And this leads to the second bias,
339
789000
2000
Și asta ne duce la cea de-a doua prejudecată,
13:26
which economists have called loss aversion.
340
791000
2000
pe care economiștii au numit-o frica de pierdere.
13:28
The idea is that we really hate it when things go into the red.
341
793000
3000
Ideea e că urâm atunci când lucrurile ajung la nivelul roșu.
13:31
We really hate it when we have to lose out on some money.
342
796000
2000
Nu ne place deloc când trebuie să pierdem niște bani.
13:33
And this means that sometimes we'll actually
343
798000
2000
Și asta înseamnă că uneori chiar ne vom
13:35
switch our preferences to avoid this.
344
800000
2000
schimba preferințele ca să evităm asta.
13:37
What you saw in that last scenario is that
345
802000
2000
Ce ați văzut în scenariul precedent
13:39
subjects get risky
346
804000
2000
e că subiecții riscă
13:41
because they want the small shot that there won't be any loss.
347
806000
3000
pentru că vor mica posibilitate că nu va fi nicio pierdere.
13:44
That means when we're in a risk mindset --
348
809000
2000
Asta înseamnă că atunci când suntem într-o stare mentală de risc –
13:46
excuse me, when we're in a loss mindset,
349
811000
2000
mă scuzați, când suntem într-o stare de pierdere,
13:48
we actually become more risky,
350
813000
2000
devenim de fapt mai riscanți,
13:50
which can actually be really worrying.
351
815000
2000
ceea ce poate fi chiar îngrijorător.
13:52
These kinds of things play out in lots of bad ways in humans.
352
817000
3000
Aceste lucruri se manifestă în multe feluri negative la oameni.
13:55
They're why stock investors hold onto losing stocks longer --
353
820000
3000
Din cauza lor investitorii în capital așteaptă mai mult până să piardă capital –
13:58
because they're evaluating them in relative terms.
354
823000
2000
pentru că evaluează în termeni relativi.
14:00
They're why people in the housing market refused to sell their house --
355
825000
2000
Sunt aceleași motive pentru care oamenii de pe piața imobiliară refuză să-și vândă casa –
14:02
because they don't want to sell at a loss.
356
827000
2000
pentru că nu vor să o vândă în pierdere.
14:04
The question we were interested in
357
829000
2000
Întrebarea de care am fost interesați
14:06
is whether the monkeys show the same biases.
358
831000
2000
este dacă maimuțele au aceleași prejudecăți.
14:08
If we set up those same scenarios in our little monkey market,
359
833000
3000
Dacă punem la cale aceleași scenarii pe piața noastră a maimuțelor,
14:11
would they do the same thing as people?
360
836000
2000
ar face și ele aceleași lucruri ca oamenii?
14:13
And so this is what we did, we gave the monkeys choices
361
838000
2000
Și asta e ce am făcut, le-am dat opțiuni maimuțelor
14:15
between guys who were safe -- they did the same thing every time --
362
840000
3000
între indivizi care erau siguri – făceau același lucru de fiecare dată –
14:18
or guys who were risky --
363
843000
2000
și indivizi care erau riscanți –
14:20
they did things differently half the time.
364
845000
2000
făceau lucrurile diferit, jumătate din timp.
14:22
And then we gave them options that were bonuses --
365
847000
2000
Și când le-am dat opțiuni care erau bonusuri –
14:24
like you guys did in the first scenario --
366
849000
2000
cum ați făcut voi în primul scenariu –
14:26
so they actually have a chance more,
367
851000
2000
astfel încât să mai aibă o șansă în plus,
14:28
or pieces where they were experiencing losses --
368
853000
3000
sau părți în care experimentau pierderi –
14:31
they actually thought they were going to get more than they really got.
369
856000
2000
chiar credeau că o să obțină mai mult decât au obținut.
14:33
And so this is what this looks like.
370
858000
2000
Și așa arată.
14:35
We introduced the monkeys to two new monkey salesmen.
371
860000
2000
Le-am prezentat maimuțelor doi vânzători.
14:37
The guy on the left and right both start with one piece of grape,
372
862000
2000
Tipul din stânga și cel din dreapta ambii încep cu o boabă de strugure,
14:39
so it looks pretty good.
373
864000
2000
deci arată destul de bine.
14:41
But they're going to give the monkeys bonuses.
374
866000
2000
Dar ei le vor da bonusuri maimuțelor.
14:43
The guy on the left is a safe bonus.
375
868000
2000
Cel din stânga este un bonus sigur.
14:45
All the time, he adds one, to give the monkeys two.
376
870000
3000
Tot timplu el adaugă una, pentru a da maimuțelor două.
14:48
The guy on the right is actually a risky bonus.
377
873000
2000
Cel din dreapta este de fapt un bonus riscant.
14:50
Sometimes the monkeys get no bonus -- so this is a bonus of zero.
378
875000
3000
Câteodată maimuțele nu primesc niciun bonus – deci un bonus de zero.
14:53
Sometimes the monkeys get two extra.
379
878000
3000
Câteodată maimuțele primesc două în plus.
14:56
For a big bonus, now they get three.
380
881000
2000
Pentru un bonus mare, acum primesc trei.
14:58
But this is the same choice you guys just faced.
381
883000
2000
Dar asta e aceeași alegere pe care ați avut-o și voi.
15:00
Do the monkeys actually want to play it safe
382
885000
3000
Vor maimuțele să joace la siguranță
15:03
and then go with the guy who's going to do the same thing on every trial,
383
888000
2000
și să aleagă vânzătorul care va face același lucru de fiecare dată,
15:05
or do they want to be risky
384
890000
2000
sau vor să riște
15:07
and try to get a risky, but big, bonus,
385
892000
2000
și să încerce să primească un bonus riscant, dar mare,
15:09
but risk the possibility of getting no bonus.
386
894000
2000
însă riscând posibilitatea de a nu primi nimic.
15:11
People here played it safe.
387
896000
2000
Oamenii de aici au jucat la siguranță.
15:13
Turns out, the monkeys play it safe too.
388
898000
2000
Se pare că și maimuțele joacă la siguranță.
15:15
Qualitatively and quantitatively,
389
900000
2000
Cantitativ și calitativ,
15:17
they choose exactly the same way as people,
390
902000
2000
ele aleg exact în același fel ca oamenii,
15:19
when tested in the same thing.
391
904000
2000
când sunt testați în aceleași condiții.
15:21
You might say, well, maybe the monkeys just don't like risk.
392
906000
2000
Ați putea să spuneți, bine, poate maimuțelor nu le place riscul.
15:23
Maybe we should see how they do with losses.
393
908000
2000
Poate ar trebui să vedem cum se descurcă cu pierderile.
15:25
And so we ran a second version of this.
394
910000
2000
Și așa că am făcut o a doua variantă a testului.
15:27
Now, the monkeys meet two guys
395
912000
2000
Acum maimuțele întâlnesc două persoane
15:29
who aren't giving them bonuses;
396
914000
2000
care nu le dau bonusuri;
15:31
they're actually giving them less than they expect.
397
916000
2000
le dau de fapt mai puțin decât s-ar aștepta.
15:33
So they look like they're starting out with a big amount.
398
918000
2000
Și pare că încep cu o sumă mare.
15:35
These are three grapes; the monkey's really psyched for this.
399
920000
2000
Aceștia sunt trei struguri mari; maimuțele sunt entuziasmate de asta.
15:37
But now they learn these guys are going to give them less than they expect.
400
922000
3000
Dar acum învață că oamenii le vor da mai puțin decât se așteaptă.
15:40
They guy on the left is a safe loss.
401
925000
2000
Tipul din stânga este pierdere sigură.
15:42
Every single time, he's going to take one of these away
402
927000
3000
De fiecare dată va lua una
15:45
and give the monkeys just two.
403
930000
2000
și le va da maimuțelor doar două.
15:47
the guy on the right is the risky loss.
404
932000
2000
Tipul din dreapta este pierderea riscantă.
15:49
Sometimes he gives no loss, so the monkeys are really psyched,
405
934000
3000
Câteodată nu dă nicio pierdere, așa că maimuțele sunt atrase,
15:52
but sometimes he actually gives a big loss,
406
937000
2000
dar câteodată dă pierderi chiar mari,
15:54
taking away two to give the monkeys only one.
407
939000
2000
luând două pentru a-i da maimuței doar una.
15:56
And so what do the monkeys do?
408
941000
2000
Deci ce fac maimuțele?
15:58
Again, same choice; they can play it safe
409
943000
2000
Din nou, aceeași alegere; pot să joace la siguranță
16:00
for always getting two grapes every single time,
410
945000
3000
pentru a primi de fiecare dată două boabe de strugure,
16:03
or they can take a risky bet and choose between one and three.
411
948000
3000
sau pot să facă un pariu riscant și să aleagă între una și trei.
16:06
The remarkable thing to us is that, when you give monkeys this choice,
412
951000
3000
Lucrul remarcabil pentru noi este că, atunci când le dai maimuțelor această alegere,
16:09
they do the same irrational thing that people do.
413
954000
2000
și ele fac același lucru irațional ca oamenii.
16:11
They actually become more risky
414
956000
2000
Ele devin mai riscante
16:13
depending on how the experimenters started.
415
958000
3000
în funcție de cum este pornit experimentul.
16:16
This is crazy because it suggests that the monkeys too
416
961000
2000
Asta este nebunie pentru că sugerează că și maimuțele
16:18
are evaluating things in relative terms
417
963000
2000
evaluează lucrurile în termeni relativi
16:20
and actually treating losses differently than they treat gains.
418
965000
3000
și chiar tratează pierderile diferit față de câștiguri.
16:23
So what does all of this mean?
419
968000
2000
Așadar, ce înseamnă toate astea?
16:25
Well, what we've shown is that, first of all,
420
970000
2000
Păi, ce am arătat este că, în primul rând,
16:27
we can actually give the monkeys a financial currency,
421
972000
2000
putem să le dăm maimuțelor valută financiară,
16:29
and they do very similar things with it.
422
974000
2000
și fac lucruri similare cu ea.
16:31
They do some of the smart things we do,
423
976000
2000
Fac unele lucruri deștepte pe care le facem și noi,
16:33
some of the kind of not so nice things we do,
424
978000
2000
unele lucruri nu prea bune pe care le facem,
16:35
like steal it and so on.
425
980000
2000
cum ar fi furatul ș.a.m.d.
16:37
But they also do some of the irrational things we do.
426
982000
2000
Dar ele fac și unele lucruri iraționale pe care le facem.
16:39
They systematically get things wrong
427
984000
2000
În mod sistematic încurcă lucrurile
16:41
and in the same ways that we do.
428
986000
2000
și în același fel în care le încurcăm și noi.
16:43
This is the first take-home message of the Talk,
429
988000
2000
Acesta este primul mesaj de luat acasă din prezentare,
16:45
which is that if you saw the beginning of this and you thought,
430
990000
2000
acela că dacă ați văzut începutul și v-ați gândit,
16:47
oh, I'm totally going to go home and hire a capuchin monkey financial adviser.
431
992000
2000
O, mă duc acasă și sigur îmi angajez un capucin pe post de consultant financiar.
16:49
They're way cuter than the one at ... you know --
432
994000
2000
Sunt mai drăguți decât cel de la... știți voi –
16:51
Don't do that; they're probably going to be just as dumb
433
996000
2000
Nu faceți asta; și ei vor fi probabil la fel de proști
16:53
as the human one you already have.
434
998000
3000
ca cel uman pe care îl aveți deja.
16:56
So, you know, a little bad -- Sorry, sorry, sorry.
435
1001000
2000
Deci, știți, un pic mai rău –– Scuze, scuze, scuze.
16:58
A little bad for monkey investors.
436
1003000
2000
Un pic mai rău pentru investitorii maimuțe.
17:00
But of course, you know, the reason you're laughing is bad for humans too.
437
1005000
3000
Dar desigur, știți, motivul pentru care râdeți e că e rău și pentru oameni.
17:03
Because we've answered the question we started out with.
438
1008000
3000
Pentru că am răspuns la întrebarea cu care am început.
17:06
We wanted to know where these kinds of errors came from.
439
1011000
2000
Am vrut să vedem de unde vin aceste tipuri de erori.
17:08
And we started with the hope that maybe we can
440
1013000
2000
Și am început cu speranța că poate putem
17:10
sort of tweak our financial institutions,
441
1015000
2000
cumva să ne reglăm instituțiile financiare,
17:12
tweak our technologies to make ourselves better.
442
1017000
3000
să ne reglăm tehnologiile ca să ne facem mai buni.
17:15
But what we've learn is that these biases might be a deeper part of us than that.
443
1020000
3000
Dar ce-am învățat e că aceste prejudecăți ar putea fi o parte mai adâncă din noi decât atât.
17:18
In fact, they might be due to the very nature
444
1023000
2000
De fapt, ar putea să fie cauzate chiar de natura
17:20
of our evolutionary history.
445
1025000
2000
istoriei noastre evoluționiste.
17:22
You know, maybe it's not just humans
446
1027000
2000
Și, știți, poate nu doar oamenii
17:24
at the right side of this chain that's duncey.
447
1029000
2000
sunt în partea dreaptă a acestui lanț care e tont.
17:26
Maybe it's sort of duncey all the way back.
448
1031000
2000
Poate că este tont pe toată lungimea.
17:28
And this, if we believe the capuchin monkey results,
449
1033000
3000
Și asta, dacă credem rezultatele cu capucinii,
17:31
means that these duncey strategies
450
1036000
2000
înseamnă că aceste strategii nătânge
17:33
might be 35 million years old.
451
1038000
2000
ar putea să aibă 35 milioane de ani.
17:35
That's a long time for a strategy
452
1040000
2000
Este mult timp pentru o strategie
17:37
to potentially get changed around -- really, really old.
453
1042000
3000
să fie schimbată – foarte, foarte veche.
17:40
What do we know about other old strategies like this?
454
1045000
2000
Ce știm despre alte strategii vechi ca aceasta?
17:42
Well, one thing we know is that they tend to be really hard to overcome.
455
1047000
3000
Păi, un lucru pe care îl știm e că ele tind să fie foarte greu de depășit.
17:45
You know, think of our evolutionary predilection
456
1050000
2000
Știți, gândiți-vă la predilecția noastră evoluționistă
17:47
for eating sweet things, fatty things like cheesecake.
457
1052000
3000
pentru a mânca lucruri dulci, lucruri grase cum ar fi plăcinta cu brânză.
17:50
You can't just shut that off.
458
1055000
2000
Nu poți pur și simplu să oprești asta.
17:52
You can't just look at the dessert cart as say, "No, no, no. That looks disgusting to me."
459
1057000
3000
Nu poți să te uiți la căruciorul cu deserturi și să spui „Nu, nu, nu. E dezgustător”.
17:55
We're just built differently.
460
1060000
2000
Suntem construiți diferit.
17:57
We're going to perceive it as a good thing to go after.
461
1062000
2000
O să îl percepem ca pe un lucru bun după care să ne ghidăm.
17:59
My guess is that the same thing is going to be true
462
1064000
2000
Estimarea mea este că același lucru o să fie adevărat
18:01
when humans are perceiving
463
1066000
2000
când oamenii percep
18:03
different financial decisions.
464
1068000
2000
decizii financiare diferite.
18:05
When you're watching your stocks plummet into the red,
465
1070000
2000
Când îți privești capitalul că intră în zona roșie,
18:07
when you're watching your house price go down,
466
1072000
2000
când îți vezi prețul casei mergând în jos,
18:09
you're not going to be able to see that
467
1074000
2000
nu o să poți vedea asta
18:11
in anything but old evolutionary terms.
468
1076000
2000
decât în termeni evoluționiști.
18:13
This means that the biases
469
1078000
2000
Asta înseamnă că erorile cognitive
18:15
that lead investors to do badly,
470
1080000
2000
care îi fac pe investitori să nu fie performanți,
18:17
that lead to the foreclosure crisis
471
1082000
2000
care duc la criza prescrierilor
18:19
are going to be really hard to overcome.
472
1084000
2000
vor fi foarte greu de depășit.
18:21
So that's the bad news. The question is: is there any good news?
473
1086000
2000
Așa că, vești proaste. Întrebarea este: sunt și vești bune?
18:23
I'm supposed to be up here telling you the good news.
474
1088000
2000
Eu ar fi trebuit să fiu aici spunându-vă veștile bune.
18:25
Well, the good news, I think,
475
1090000
2000
Păi, veștile bune, cred,
18:27
is what I started with at the beginning of the Talk,
476
1092000
2000
sunt ceea ce am zis la începutul prezentării,
18:29
which is that humans are not only smart;
477
1094000
2000
că oamenii nu sunt doar deștepți;
18:31
we're really inspirationally smart
478
1096000
2000
inteligența noastră inspiră
18:33
to the rest of the animals in the biological kingdom.
479
1098000
3000
restul animalelor din biosferă.
18:36
We're so good at overcoming our biological limitations --
480
1101000
3000
Suntem așa de buni la depășirea limitărilor biologice –
18:39
you know, I flew over here in an airplane.
481
1104000
2000
știți, am zburat până aici într-un avion.
18:41
I didn't have to try to flap my wings.
482
1106000
2000
Nu a trebuit să încerc să dau din aripi.
18:43
I'm wearing contact lenses now so that I can see all of you.
483
1108000
3000
Port lentile de contact acum ca să vă văd pe toți.
18:46
I don't have to rely on my own near-sightedness.
484
1111000
3000
Nu trebuie să mă bazez pe prezbitismul meu.
18:49
We actually have all of these cases
485
1114000
2000
Avem de fapt toate aceste cazuri
18:51
where we overcome our biological limitations
486
1116000
3000
în care ne depășim limitările biologice
18:54
through technology and other means, seemingly pretty easily.
487
1119000
3000
prin tehnologie și alte metode, aparent foarte ușor.
18:57
But we have to recognize that we have those limitations.
488
1122000
3000
Dar trebuie să recunoastem că avem aceste limitări.
19:00
And here's the rub.
489
1125000
2000
Și uite care e treaba.
19:02
It was Camus who once said that, "Man is the only species
490
1127000
2000
Camus a spus odată că „Omul este singura specie
19:04
who refuses to be what he really is."
491
1129000
3000
care refuză să fie ceea ce este cu adevărat.”
19:07
But the irony is that
492
1132000
2000
Dar ironia e că
19:09
it might only be in recognizing our limitations
493
1134000
2000
doar recunoscându-ne limitările
19:11
that we can really actually overcome them.
494
1136000
2000
le putem depăși cu adevărat.
19:13
The hope is that you all will think about your limitations,
495
1138000
3000
Speranța e că toți vă veți gândi la limitările voastre,
19:16
not necessarily as unovercomable,
496
1141000
3000
nu neapărat ca de nedepășit,
19:19
but to recognize them, accept them
497
1144000
2000
dar ca să le recunoașteți, să le acceptați
19:21
and then use the world of design to actually figure them out.
498
1146000
3000
și să folosiți apoi lumea proiectării pentru a le remedia.
19:24
That might be the only way that we will really be able
499
1149000
3000
Aceasta s-ar putea să fie singura metodă prin care am putea
19:27
to achieve our own human potential
500
1152000
2000
să ne atingem potențialul uman
19:29
and really be the noble species we hope to all be.
501
1154000
3000
și să fim cu adevărat specia nobilă care sperăm să fim.
19:32
Thank you.
502
1157000
2000
Vă mulțumesc.
19:34
(Applause)
503
1159000
5000
(Aplauze)
ABOUT THE SPEAKER
Laurie Santos - Cognitive psychologistLaurie Santos studies primate psychology and monkeynomics -- testing problems in human psychology on primates, who (not so surprisingly) have many of the same predictable irrationalities we do.
Why you should listen
Laurie Santos runs the Comparative Cognition Laboratory (CapLab) at Yale, where she and collaborators across departments (from psychology to primatology to neurobiology) explore the evolutionary origins of the human mind by studying lemurs, capuchin monkeys and other primates. The twist: Santos looks not only for positive humanlike traits, like tool-using and altruism, but irrational ones, like biased decisionmaking.
In elegant, carefully constructed experiments, Santos and CapLab have studied how primates understand and categorize objects in the physical world -- for instance, that monkeys understand an object is still whole even when part of it is obscured. Going deeper, their experiments also search for clues that primates possess a theory of mind -- an ability to think about what other people think.
Most recently, the lab has been looking at behaviors that were once the province mainly of novelists: jealousy, frustration, judgment of others' intentions, poor economic choices. In one experiment, Santos and her team taught monkeys to use a form of money, tradeable for food. When certain foods became cheaper, monkeys would, like humans, overbuy. As we humans search for clues to our own irrational behaviors, Santos' research suggests that the source of our genius for bad decisions might be our monkey brains.
Laurie Santos | Speaker | TED.com