TEDGlobal 2010
Laurie Santos: A monkey economy as irrational as ours
Лори Сантос: Люди так же иррациональны в экономике как и обезьяны
Filmed:
Readability: 3.3
1,506,660 views
Лори Сантос ищет истоки человеческой непоследовательности, наблюдая за тем, как принимают решения наши дальние родственники -- приматы. Ряд искусных экспериментов с "обезьяномикой" показывают, что некоторые глупые решения, которые принимают люди, свойственно принимать и обезъянам тоже.
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
Я хочу начать свой сегодняшний рассказ с результата двух наблюдений
00:19
about the human species.
1
4000
2000
над человеческими созданиями.
00:21
The first observation is something that you might think is quite obvious,
2
6000
3000
Первое наблюдение покажется вам крайне очевидным,
00:24
and that's that our species, Homo sapiens,
3
9000
2000
и состоит оно в том, что наш вид, Homo sapiens,
00:26
is actually really, really smart --
4
11000
2000
на самом деле очень--очень умный
00:28
like, ridiculously smart --
5
13000
2000
безумно сообразительный,
00:30
like you're all doing things
6
15000
2000
мы все сейчас делаем вещи
00:32
that no other species on the planet does right now.
7
17000
3000
которые не может сделать ни один другой вид на планете.
00:35
And this is, of course,
8
20000
2000
И это, конечно же,
00:37
not the first time you've probably recognized this.
9
22000
2000
не первый раз, когда вы это заметили.
00:39
Of course, in addition to being smart, we're also an extremely vain species.
10
24000
3000
Кроме того, что мы очень умные, мы еще и крайне тщеславный вид.
00:42
So we like pointing out the fact that we're smart.
11
27000
3000
И поэтому мы любим показывать, что мы очень умные.
00:45
You know, so I could turn to pretty much any sage
12
30000
2000
Я могу апеллировать практически к любому философу, знаете ли,
00:47
from Shakespeare to Stephen Colbert
13
32000
2000
от Шекспира до Стивена Колберта,
00:49
to point out things like the fact that
14
34000
2000
чтоб показать, что
00:51
we're noble in reason and infinite in faculties
15
36000
2000
наши побуждения благородны, а способности бесконечны
00:53
and just kind of awesome-er than anything else on the planet
16
38000
2000
и что мы круче любого на этой планете
00:55
when it comes to all things cerebral.
17
40000
3000
в мозговитости.
00:58
But of course, there's a second observation about the human species
18
43000
2000
Но, конечно, есть и второе наблюдение, касающееся человеческого рода,
01:00
that I want to focus on a little bit more,
19
45000
2000
на котором я хочу чуть больше сосредоточиться,
01:02
and that's the fact that
20
47000
2000
и это тот факт, что,
01:04
even though we're actually really smart, sometimes uniquely smart,
21
49000
3000
несмотря на то, что мы действительно очень умные, подчас беспрецедентно умные,
01:07
we can also be incredibly, incredibly dumb
22
52000
3000
мы все равно можем быть чрезвычайно--чрезвычайно тупыми
01:10
when it comes to some aspects of our decision making.
23
55000
3000
в некоторых частях принятия решений.
01:13
Now I'm seeing lots of smirks out there.
24
58000
2000
Я вижу, многие ухмыляются тут.
01:15
Don't worry, I'm not going to call anyone in particular out
25
60000
2000
Не бойтесь, я не собираюсь выставлять напоказ
01:17
on any aspects of your own mistakes.
26
62000
2000
ничьи личные ошибки.
01:19
But of course, just in the last two years
27
64000
2000
Но, конечно, последние два года
01:21
we see these unprecedented examples of human ineptitude.
28
66000
3000
мы могли наблюдать беспрецедентные примеры человеческой глупости.
01:24
And we've watched as the tools we uniquely make
29
69000
3000
И мы видели как инструменты, которые мы сделали
01:27
to pull the resources out of our environment
30
72000
2000
для высасывания ресурсов из окружающей среды,
01:29
kind of just blow up in our face.
31
74000
2000
просто выходят из-под контроля у нас на глазах.
01:31
We've watched the financial markets that we uniquely create --
32
76000
2000
Мы видели как финансовые рынки, которые мы же создали --
01:33
these markets that were supposed to be foolproof --
33
78000
3000
рынки, которые уж точно должны были обладать защитой "от дурака" --
01:36
we've watched them kind of collapse before our eyes.
34
81000
2000
разлетелись в пух и прах перед самым нашим носом.
01:38
But both of these two embarrassing examples, I think,
35
83000
2000
Но оба этих досадных примера, думаю,
01:40
don't highlight what I think is most embarrassing
36
85000
3000
не подчеркивают наиболее, на мой взгляд, смущающую вещь --
01:43
about the mistakes that humans make,
37
88000
2000
ошибки, которые делают люди.
01:45
which is that we'd like to think that the mistakes we make
38
90000
3000
И мы склонны думать, что эти ошибки
01:48
are really just the result of a couple bad apples
39
93000
2000
являются результатом пары неверных
01:50
or a couple really sort of FAIL Blog-worthy decisions.
40
95000
3000
или действительно провальных решений.
01:53
But it turns out, what social scientists are actually learning
41
98000
3000
Но недавные социологические исследования показывают,
01:56
is that most of us, when put in certain contexts,
42
101000
3000
что большинство из нас, будучи поставленными в определенные условия,
01:59
will actually make very specific mistakes.
43
104000
3000
действительно делают совершенно характерные ошибки.
02:02
The errors we make are actually predictable.
44
107000
2000
И эти ошибки, на самом деле, предсказуемы.
02:04
We make them again and again.
45
109000
2000
И мы делаем их снова и снова,
02:06
And they're actually immune to lots of evidence.
46
111000
2000
несмотря на многочисленные свидетельства.
02:08
When we get negative feedback,
47
113000
2000
И даже понимая, что это было ошибкой,
02:10
we still, the next time we're face with a certain context,
48
115000
3000
все равно в следующий раз в подобной ситуации
02:13
tend to make the same errors.
49
118000
2000
мы скорей всего сделаем такую же ошибку.
02:15
And so this has been a real puzzle to me
50
120000
2000
Это всегда меня очень удивляло
02:17
as a sort of scholar of human nature.
51
122000
2000
как исследователя человеческой природы.
02:19
What I'm most curious about is,
52
124000
2000
А больше всего мне интересно,
02:21
how is a species that's as smart as we are
53
126000
3000
почему такой умный вид как человек,
02:24
capable of such bad
54
129000
2000
делает такие глупые ошибки
02:26
and such consistent errors all the time?
55
131000
2000
с таким завидным постоянством?
02:28
You know, we're the smartest thing out there, why can't we figure this out?
56
133000
3000
Мы же самые умные существа на земле, почему же мы не можем это выяснить?
02:31
In some sense, where do our mistakes really come from?
57
136000
3000
В самом деле, какова причина наших ошибок?
02:34
And having thought about this a little bit, I see a couple different possibilities.
58
139000
3000
И после некоторых раздумий, мне приходят в голову несколько разных возможных причин.
02:37
One possibility is, in some sense, it's not really our fault.
59
142000
3000
Первая -- это вообще не наша вина.
02:40
Because we're a smart species,
60
145000
2000
Из-за того, что мы очень умные,
02:42
we can actually create all kinds of environments
61
147000
2000
мы на самом деле можем создавать разные окружения,
02:44
that are super, super complicated,
62
149000
2000
порой крайне--крайне запутанные,
02:46
sometimes too complicated for us to even actually understand,
63
151000
3000
иногда слишком сложно устроенные даже для понимания
02:49
even though we've actually created them.
64
154000
2000
их собственных создателей.
02:51
We create financial markets that are super complex.
65
156000
2000
Мы создали очень сложно устроенные финансовые рынки.
02:53
We create mortgage terms that we can't actually deal with.
66
158000
3000
Мы придумали условия для закладных с которыми мы не можем справиться.
02:56
And of course, if we are put in environments where we can't deal with it,
67
161000
3000
И, конечно, если нас поместить в окружение, которое мы не умеем контролировать,
02:59
in some sense makes sense that we actually
68
164000
2000
в определенном смысле, логично, что мы
03:01
might mess certain things up.
69
166000
2000
можем запутаться в ситуации.
03:03
If this was the case, we'd have a really easy solution
70
168000
2000
Но если б это было единственной причиной, то у нас бы было простое решение
03:05
to the problem of human error.
71
170000
2000
проблемы человеческих ошибок.
03:07
We'd actually just say, okay, let's figure out
72
172000
2000
Мы бы могли сказать, окей, разберемся --
03:09
the kinds of technologies we can't deal with,
73
174000
2000
те технологии, с которыми мы не можем справиться,
03:11
the kinds of environments that are bad --
74
176000
2000
те окружения, которые сложны --
03:13
get rid of those, design things better,
75
178000
2000
избавимся от них или сделаем лучше,
03:15
and we should be the noble species
76
180000
2000
и станем наконец теми самыми высокоразвитыми существами,
03:17
that we expect ourselves to be.
77
182000
2000
которыми мы себя и считаем.
03:19
But there's another possibility that I find a little bit more worrying,
78
184000
3000
Но есть и еще одна возможная причина, которая вызывает беспокойство.
03:22
which is, maybe it's not our environments that are messed up.
79
187000
3000
Дело в том, что, возможно, окружения не являются причиной наших затруднений.
03:25
Maybe it's actually us that's designed badly.
80
190000
3000
Возможно, причина в нас самих.
03:28
This is a hint that I've gotten
81
193000
2000
Эта мысль возникла у меня,
03:30
from watching the ways that social scientists have learned about human errors.
82
195000
3000
когда я наблюдала, каким образом социологи получили информацию о людских ошибках.
03:33
And what we see is that people tend to keep making errors
83
198000
3000
И мы видим, что люди склонны совершать ошибки
03:36
exactly the same way, over and over again.
84
201000
3000
действуя одинаково снова и снова.
03:39
It feels like we might almost just be built
85
204000
2000
И, похоже, что мы созданы так, что мы будем все время
03:41
to make errors in certain ways.
86
206000
2000
совершать определенные ошибки.
03:43
This is a possibility that I worry a little bit more about,
87
208000
3000
И вот такая возможная причина ошибок беспокоит меня больше всего,
03:46
because, if it's us that's messed up,
88
211000
2000
потому что, если дело в нас,
03:48
it's not actually clear how we go about dealing with it.
89
213000
2000
то не очень-то понятно, как в этом случае быть.
03:50
We might just have to accept the fact that we're error prone
90
215000
3000
Мы можем просто принять тот факт, что мы склонны к ошибкам,
03:53
and try to design things around it.
91
218000
2000
и уже строить свои системы с поправкой на это.
03:55
So this is the question my students and I wanted to get at.
92
220000
3000
Итак, мы с моими студентами хотели изучить этот вопрос.
03:58
How can we tell the difference between possibility one and possibility two?
93
223000
3000
Как мы можем различить две наших гипотезы?
04:01
What we need is a population
94
226000
2000
Для этого нам нужна популяция животных,
04:03
that's basically smart, can make lots of decisions,
95
228000
2000
которые по сути умные, могут принимать множество решений,
04:05
but doesn't have access to any of the systems we have,
96
230000
2000
но у которых нет доступа к системам, которые есть у нас --
04:07
any of the things that might mess us up --
97
232000
2000
к любым вещам, которые нас путают --
04:09
no human technology, human culture,
98
234000
2000
никаких человеческих технологий, культуры,
04:11
maybe even not human language.
99
236000
2000
и даже, наверное, человеческого языка.
04:13
And so this is why we turned to these guys here.
100
238000
2000
И вот почему мы стали работать вот с этими ребятами.
04:15
These are one of the guys I work with. This is a brown capuchin monkey.
101
240000
3000
Вот это один из пацанов, с которыми я работаю. Это обезьяна -- бурый черноголовый капуцин.
04:18
These guys are New World primates,
102
243000
2000
Это приматы Нового Света,
04:20
which means they broke off from the human branch
103
245000
2000
и они эволюционно отделились от людей
04:22
about 35 million years ago.
104
247000
2000
где-то 35 миллионов лет назад.
04:24
This means that your great, great, great great, great, great --
105
249000
2000
Это означает, что ваша прапрапрапра...
04:26
with about five million "greats" in there --
106
251000
2000
и еще пять миллионов пра --
04:28
grandmother was probably the same great, great, great, great
107
253000
2000
бабушка, возможно, была и прапрапрапра...
04:30
grandmother with five million "greats" in there
108
255000
2000
бабушкой с теми же пятью миллионами пра
04:32
as Holly up here.
109
257000
2000
Холли, изображенной здесь.
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
Ну знаете, не волнуйтесь -- все-таки мы с этим дружком находимся в очень-очень далеком
04:37
but albeit evolutionary, relative.
111
262000
2000
эволюционном родстве.
04:39
The good news about Holly though is that
112
264000
2000
Что хорошо в Холли,
04:41
she doesn't actually have the same kinds of technologies we do.
113
266000
3000
это то, что ей недоступны технологии, которые есть у нас.
04:44
You know, she's a smart, very cut creature, a primate as well,
114
269000
3000
Плюс, это очень умное и складное существо, примат, к тому же,
04:47
but she lacks all the stuff we think might be messing us up.
115
272000
2000
и для нее отсутствуют те факторы, которые могут нас -- людей -- путать при принятии решений.
04:49
So she's the perfect test case.
116
274000
2000
Итак, это идеальный тест кейс.
04:51
What if we put Holly into the same context as humans?
117
276000
3000
Что если мы поместим Холли в то же окружение, в котором находятся люди?
04:54
Does she make the same mistakes as us?
118
279000
2000
Будет ли она делать те же ошибки, что и мы?
04:56
Does she not learn from them? And so on.
119
281000
2000
Будет ли она на них учиться? И так далее.
04:58
And so this is the kind of thing we decided to do.
120
283000
2000
Вот это мы и решили проверить.
05:00
My students and I got very excited about this a few years ago.
121
285000
2000
Несколько лет назад мы с моими студентами загорелись этой идеей.
05:02
We said, all right, let's, you know, throw so problems at Holly,
122
287000
2000
Мы сказали, окей, давайте предложим Холли решить эти вопросы,
05:04
see if she messes these things up.
123
289000
2000
и посмотрим, сделает ли она ошибки.
05:06
First problem is just, well, where should we start?
124
291000
3000
Первая проблема -- с чего же нам начать?
05:09
Because, you know, it's great for us, but bad for humans.
125
294000
2000
Потому что, знаете, это здорово для нас, но плохо для людей.
05:11
We make a lot of mistakes in a lot of different contexts.
126
296000
2000
Мы делаем множество различных ошибок в тонне различных контекстов.
05:13
You know, where are we actually going to start with this?
127
298000
2000
Так с каких же нам начинать?
05:15
And because we started this work around the time of the financial collapse,
128
300000
3000
Мы начали нашу работу во время финансового кризиса,
05:18
around the time when foreclosures were hitting the news,
129
303000
2000
в разгаре новостей о глобальных потерях прав выкупа закладных.
05:20
we said, hhmm, maybe we should
130
305000
2000
И мы подумали -- может, нам дейсвительно стоит начать
05:22
actually start in the financial domain.
131
307000
2000
с финансовой стороны жизни.
05:24
Maybe we should look at monkey's economic decisions
132
309000
3000
Может, нам стоит посмотреть, как обезьяны принимают свои финансовые решения
05:27
and try to see if they do the same kinds of dumb things that we do.
133
312000
3000
и попробовать понять, делают ли они такие же глупые вещи как мы.
05:30
Of course, that's when we hit a sort second problem --
134
315000
2000
И тут, конечно, перед нами встала вторая проблема --
05:32
a little bit more methodological --
135
317000
2000
методологического рода --
05:34
which is that, maybe you guys don't know,
136
319000
2000
которая состоит в том, если вы, ребят, не в курсе --
05:36
but monkeys don't actually use money. I know, you haven't met them.
137
321000
3000
но обезьяны вообще-то не пользюются деньгами. И даже никогда с ними не встречались в своей жизни.
05:39
But this is why, you know, they're not in the queue behind you
138
324000
2000
Поэтому они не стоят вместе с вами в очереди
05:41
at the grocery store or the ATM -- you know, they don't do this stuff.
139
326000
3000
в магазе или в банкомат -- у них нет таких штук.
05:44
So now we faced, you know, a little bit of a problem here.
140
329000
3000
Ну вот и столкнулись мы с этой проблемой.
05:47
How are we actually going to ask monkeys about money
141
332000
2000
Как же нам определить, как обезьяны поступают с деньгами,
05:49
if they don't actually use it?
142
334000
2000
если они их вовсе не используют?
05:51
So we said, well, maybe we should just, actually just suck it up
143
336000
2000
Ну и мы решили, что, наверное, должны смириться
05:53
and teach monkeys how to use money.
144
338000
2000
и научить обезьян пользоваться деньгами.
05:55
So that's just what we did.
145
340000
2000
Так мы и сделали.
05:57
What you're looking at over here is actually the first unit that I know of
146
342000
3000
Вот здесь вы, вообще-то, видите первую в мире денежную единицу,
06:00
of non-human currency.
147
345000
2000
которой пользуются не люди.
06:02
We weren't very creative at the time we started these studies,
148
347000
2000
В начале наших исследований нам в голову не пришло ничего более креативного,
06:04
so we just called it a token.
149
349000
2000
чем назвать это просто жетоном.
06:06
But this is the unit of currency that we've taught our monkeys at Yale
150
351000
3000
Но это именно та денежная единица, которой мы научили пользоваться наших обезьян в Йеле,
06:09
to actually use with humans,
151
354000
2000
на которые они действительно могли покупать у людей
06:11
to actually buy different pieces of food.
152
356000
3000
различную пищу.
06:14
It doesn't look like much -- in fact, it isn't like much.
153
359000
2000
Это не кажется чем-то особенным -- на самом деле, в этом и нет ничего особенного.
06:16
Like most of our money, it's just a piece of metal.
154
361000
2000
Как и большинство наших денег -- это просто кусок железки.
06:18
As those of you who've taken currencies home from your trip know,
155
363000
3000
Те из вас, кто брал домой какую-то валюту из путешествия знают,
06:21
once you get home, it's actually pretty useless.
156
366000
2000
что дома она становится довольно бесполезной.
06:23
It was useless to the monkeys at first
157
368000
2000
Она и казалась бесполезной обезьянам поначалу.
06:25
before they realized what they could do with it.
158
370000
2000
Пока они не поняли, чего они могут с ее помощью добиться.
06:27
When we first gave it to them in their enclosures,
159
372000
2000
Когда мы в первый раз дали им эти деньги,
06:29
they actually kind of picked them up, looked at them.
160
374000
2000
они просто взяли их стали на них смотреть,
06:31
They were these kind of weird things.
161
376000
2000
как на какие-то странные штуки.
06:33
But very quickly, the monkeys realized
162
378000
2000
Но обезьяны быстро поняли,
06:35
that they could actually hand these tokens over
163
380000
2000
что они могут обмениваться этими жетонами
06:37
to different humans in the lab for some food.
164
382000
3000
с разными людьми в лаборатории и получать за это еду.
06:40
And so you see one of our monkeys, Mayday, up here doing this.
165
385000
2000
Здесь вы видите одну из наших обезьян по имени Мейдей, которая это делает.
06:42
This is A and B are kind of the points where she's sort of a little bit
166
387000
3000
На картинках A и B видно, что она еще сомневается,
06:45
curious about these things -- doesn't know.
167
390000
2000
но уже появляется какой-то интерес.
06:47
There's this waiting hand from a human experimenter,
168
392000
2000
Вот это рука ожидающего экспериментатора
06:49
and Mayday quickly figures out, apparently the human wants this.
169
394000
3000
и Мейдей очень быстро понимает, что, несомненно, человек хочет эти жетоны.
06:52
Hands it over, and then gets some food.
170
397000
2000
Она передает их ему и получает еду.
06:54
It turns out not just Mayday, all of our monkeys get good
171
399000
2000
Оказывается, не только Мейдей, но и все обезьяны получают еду
06:56
at trading tokens with human salesman.
172
401000
2000
обмениваясь с людьми--продавцами жетонами.
06:58
So here's just a quick video of what this looks like.
173
403000
2000
Вот небольшое видео, которое показывает, как это выглядит.
07:00
Here's Mayday. She's going to be trading a token for some food
174
405000
3000
Вот Мейдей. Тут она собирается поменять жетон на еду.
07:03
and waiting happily and getting her food.
175
408000
3000
Минуты счастливого ожидания, и вот она получает свою еду.
07:06
Here's Felix, I think. He's our alpha male; he's a kind of big guy.
176
411000
2000
Вот это Феликс. Это альфа самец. Большой парень.
07:08
But he too waits patiently, gets his food and goes on.
177
413000
3000
Но он тоже терпеливо ожидает и получает свою еду.
07:11
So the monkeys get really good at this.
178
416000
2000
Итак, у обезьян все хорошо получается.
07:13
They're surprisingly good at this with very little training.
179
418000
3000
Очень хорошо даже после небольшой тренировки.
07:16
We just allowed them to pick this up on their own.
180
421000
2000
Мы просто позволили им самим со всем разобраться.
07:18
The question is: is this anything like human money?
181
423000
2000
Вопрос в том, является ли это аналогом наших денег?
07:20
Is this a market at all,
182
425000
2000
Можно ли это считать рынком
07:22
or did we just do a weird psychologist's trick
183
427000
2000
или мы просто проделали некий психологический трюк,
07:24
by getting monkeys to do something,
184
429000
2000
заставив обезьян проделывать что-то,
07:26
looking smart, but not really being smart.
185
431000
2000
что выглядит умным, но на самом деле таковым не является.
07:28
And so we said, well, what would the monkeys spontaneously do
186
433000
3000
И тогда мы подумали, что бы обезьяны делали самопроизвольно,
07:31
if this was really their currency, if they were really using it like money?
187
436000
3000
если б это действительно была их валюта, если б они действительно использовали эти жетоны как мы -- деньги?
07:34
Well, you might actually imagine them
188
439000
2000
Ну, вы можете представить,
07:36
to do all the kinds of smart things
189
441000
2000
что они совершают всякие толковые поступки
07:38
that humans do when they start exchanging money with each other.
190
443000
3000
как и люди, которые начинают обмениваться деньгами друг с другом.
07:41
You might have them start paying attention to price,
191
446000
3000
Вы можете приучить их обращать внимание на цену,
07:44
paying attention to how much they buy --
192
449000
2000
обращать внимание на то, сколько они покупают --
07:46
sort of keeping track of their monkey token, as it were.
193
451000
3000
как бы следование за своими жетонами.
07:49
Do the monkeys do anything like this?
194
454000
2000
Делают ли обезьяны что-то вроде этого?
07:51
And so our monkey marketplace was born.
195
456000
3000
Вот так и появился наш обезьяный рынок.
07:54
The way this works is that
196
459000
2000
Работает это так:
07:56
our monkeys normally live in a kind of big zoo social enclosure.
197
461000
3000
наши обезьяны обычно живут по несколько особей в достаточно больших клетках.
07:59
When they get a hankering for some treats,
198
464000
2000
Но когда у них появляется желание получить угощение,
08:01
we actually allowed them a way out
199
466000
2000
мы разрешаем им уйти
08:03
into a little smaller enclosure where they could enter the market.
200
468000
2000
в меньшую клетку, из которой они могут выходить на рынок.
08:05
Upon entering the market --
201
470000
2000
На входе на рынок --
08:07
it was actually a much more fun market for the monkeys than most human markets
202
472000
2000
на самом деле этот обезьяный рынок был забавнее большинства человеческих рынков,
08:09
because, as the monkeys entered the door of the market,
203
474000
3000
потому что, как только обезьяна входила туда,
08:12
a human would give them a big wallet full of tokens
204
477000
2000
человек давал ей большой мешок с жетонами
08:14
so they could actually trade the tokens
205
479000
2000
чтоб они могли обмениваться ими
08:16
with one of these two guys here --
206
481000
2000
с одним из двух других ребят --
08:18
two different possible human salesmen
207
483000
2000
разных людей--продавцов,
08:20
that they could actually buy stuff from.
208
485000
2000
у которых они могли что-то покупать.
08:22
The salesmen were students from my lab.
209
487000
2000
Продавцами были студенты из моей лаборатории.
08:24
They dressed differently; they were different people.
210
489000
2000
Они были одеты по--разному; это были разные люди.
08:26
And over time, they did basically the same thing
211
491000
3000
И некоторое время они делали по сути одно и то же
08:29
so the monkeys could learn, you know,
212
494000
2000
чтобы обезъяны могли привыкнуть,
08:31
who sold what at what price -- you know, who was reliable, who wasn't, and so on.
213
496000
3000
к тому, кто что продает и по какой цене -- кому можно верить, кому нет и так далее.
08:34
And you can see that each of the experimenters
214
499000
2000
И вы можете видеть, что каждый экспериментатор
08:36
is actually holding up a little, yellow food dish.
215
501000
3000
тут держит маленькую желтую миску еды.
08:39
and that's what the monkey can for a single token.
216
504000
2000
Вот ее обезьяны и могут получить за один жетон.
08:41
So everything costs one token,
217
506000
2000
Таким образом, все стоит один жетон,
08:43
but as you can see, sometimes tokens buy more than others,
218
508000
2000
но как видно, иногда за один жетон можно получить больше --
08:45
sometimes more grapes than others.
219
510000
2000
больше винограда, чем в остальное время.
08:47
So I'll show you a quick video of what this marketplace actually looks like.
220
512000
3000
Я покажу вам небольшое видео о том как это все выглядит.
08:50
Here's a monkey-eye-view. Monkeys are shorter, so it's a little short.
221
515000
3000
Это с точки зрения обезьян. Обезьяны невысокие, поэтому тут не очень высоко.
08:53
But here's Honey.
222
518000
2000
Это Хани.
08:55
She's waiting for the market to open a little impatiently.
223
520000
2000
Она немного нетерпеливо ждет открытия рынка.
08:57
All of a sudden the market opens. Here's her choice: one grapes or two grapes.
224
522000
3000
Вдруг он открывается. И вот ее выбор: одна виноградина или две виноградины.
09:00
You can see Honey, very good market economist,
225
525000
2000
Вы можете видеть, что Хани -- очень хороший рыночный экономик --
09:02
goes with the guy who gives more.
226
527000
3000
обменивается с тем человеком, который предлагает больше.
09:05
She could teach our financial advisers a few things or two.
227
530000
2000
Она могла б научить наших финансовых консультантов паре вещей.
09:07
So not just Honey,
228
532000
2000
Итак, не только Хани,
09:09
most of the monkeys went with guys who had more.
229
534000
3000
но и большинство обезьян обмениваются с тем парнем, который предлагает больше.
09:12
Most of the monkeys went with guys who had better food.
230
537000
2000
Также большинство обезьян обмениваются с теми, у кого лучше еда.
09:14
When we introduced sales, we saw the monkeys paid attention to that.
231
539000
3000
Когда мы ввели "продажи", мы поняли, что обезьяны обратили на это внимание.
09:17
They really cared about their monkey token dollar.
232
542000
3000
Они действительно внимательно относились к своим обезьяним жетоно-баксам.
09:20
The more surprising thing was that when we collaborated with economists
233
545000
3000
Наиболее удивительные факты открылись, когда мы стали сотрудничать с экономистами,
09:23
to actually look at the monkeys' data using economic tools,
234
548000
3000
они проанализировали данные о том, как обезьяны используют их экономические инструменты,
09:26
they basically matched, not just qualitatively,
235
551000
3000
и оказалось, что они практически совпадают, не только качественно,
09:29
but quantitatively with what we saw
236
554000
2000
но и количестевенно с тем, что мы видим
09:31
humans doing in a real market.
237
556000
2000
на нашем реальном рынке.
09:33
So much so that, if you saw the monkeys' numbers,
238
558000
2000
Совпадение настолько большое, что невозможно отличить
09:35
you couldn't tell whether they came from a monkey or a human in the same market.
239
560000
3000
данные, полученные от обезьян, от данных, полученных от человека.
09:38
And what we'd really thought we'd done
240
563000
2000
И мы думаем, что мы
09:40
is like we'd actually introduced something
241
565000
2000
действительно создали то,
09:42
that, at least for the monkeys and us,
242
567000
2000
что, по крайней мере, и для нас, и для обезьян
09:44
works like a real financial currency.
243
569000
2000
функционирует как настоящая валюта.
09:46
Question is: do the monkeys start messing up in the same ways we do?
244
571000
3000
Вопрос в том -- ошибаются ли обезьяны так же как и мы?
09:49
Well, we already saw anecdotally a couple of signs that they might.
245
574000
3000
На самом деле, у нас уже есть пара случайных наблюдений, которые могут свидетельствовать в пользу этих фактов.
09:52
One thing we never saw in the monkey marketplace
246
577000
2000
Например, мы никогда не наблюдали, чтоб обезьяны
09:54
was any evidence of saving --
247
579000
2000
что-то пытались сэкономить и сберечь --
09:56
you know, just like our own species.
248
581000
2000
ну, так же как и человек.
09:58
The monkeys entered the market, spent their entire budget
249
583000
2000
Обезьяны выходили на рынок, тратили все ресурсы
10:00
and then went back to everyone else.
250
585000
2000
и возвращались обратно.
10:02
The other thing we also spontaneously saw,
251
587000
2000
Другое наблюдение, которое мы случайно сделали,
10:04
embarrassingly enough,
252
589000
2000
достаточно забавное,
10:06
is spontaneous evidence of larceny.
253
591000
2000
это то, что обезьяны иногда крали.
10:08
The monkeys would rip-off the tokens at every available opportunity --
254
593000
3000
Они тырили жетоны при первой удобной возможности --
10:11
from each other, often from us --
255
596000
2000
у друг друга, часто и у нас --
10:13
you know, things we didn't necessarily think we were introducing,
256
598000
2000
вот с этими понятиями мы точно их не знакомили,
10:15
but things we spontaneously saw.
257
600000
2000
но часто их наблюдали.
10:17
So we said, this looks bad.
258
602000
2000
Итак, мы уже сказали, что вообще-то это не очень хорошо.
10:19
Can we actually see if the monkeys
259
604000
2000
Но сможем ли мы понять,
10:21
are doing exactly the same dumb things as humans do?
260
606000
3000
делают ли обезьяны те же глупости, что и люди?
10:24
One possibility is just kind of let
261
609000
2000
Одна из возможностей это узнать -- просто позволить
10:26
the monkey financial system play out,
262
611000
2000
этой обезьяньей рыночной системе жить своей жизнью,
10:28
you know, see if they start calling us for bailouts in a few years.
263
613000
2000
и посмотреть, будут ли они просить у нас ссуды через несколько лет.
10:30
We were a little impatient so we wanted
264
615000
2000
Но мы были немного нетерпеливыми и поэтому хотели
10:32
to sort of speed things up a bit.
265
617000
2000
как-то ускорить события.
10:34
So we said, let's actually give the monkeys
266
619000
2000
И мы решили сразу поставить перед обезьянами
10:36
the same kinds of problems
267
621000
2000
те же проблемы,
10:38
that humans tend to get wrong
268
623000
2000
с которыми встречаются люди и терпят неудачу
10:40
in certain kinds of economic challenges,
269
625000
2000
в определенных экономических задачах
10:42
or certain kinds of economic experiments.
270
627000
2000
или экономических экспериментах.
10:44
And so, since the best way to see how people go wrong
271
629000
3000
Итак, чтобы понять, как ошибаются люди,
10:47
is to actually do it yourself,
272
632000
2000
лучше это сделать самому.
10:49
I'm going to give you guys a quick experiment
273
634000
2000
Я предлагаю вам небольшой эксперимент,
10:51
to sort of watch your own financial intuitions in action.
274
636000
2000
который покажет вашу финансовую интуицию в действии.
10:53
So imagine that right now
275
638000
2000
Итак, представьте, что сейчас
10:55
I handed each and every one of you
276
640000
2000
я даю каждому из вас
10:57
a thousand U.S. dollars -- so 10 crisp hundred dollar bills.
277
642000
3000
тысячу американских долларов -- десять хрустящих стодолларовых купюр.
11:00
Take these, put it in your wallet
278
645000
2000
Возьмите их, положите себе в кошелек,
11:02
and spend a second thinking about what you're going to do with it.
279
647000
2000
и потратьте секундочку, обдумывая, что вы можете с ними сделать.
11:04
Because it's yours now; you can buy whatever you want.
280
649000
2000
Потому что теперь они ваши; можете купить все, что вашей душе угодно.
11:06
Donate it, take it, and so on.
281
651000
2000
Подарите их, возьмите их -- что угодно.
11:08
Sounds great, but you get one more choice to earn a little bit more money.
282
653000
3000
Звучит великолепно, но теперь вам представляется еще шанс заработать чуть-чуть денег.
11:11
And here's your choice: you can either be risky,
283
656000
3000
И вот какой выбор: вы можете либо рискнуть,
11:14
in which case I'm going to flip one of these monkey tokens.
284
659000
2000
в этом случае я подброшу один из этих жетонов.
11:16
If it comes up heads, you're going to get a thousand dollars more.
285
661000
2000
Если выпадет орел, то вы получите еще тысячу долларов.
11:18
If it comes up tails, you get nothing.
286
663000
2000
Если же выпадет решка, то вы ничего не получите.
11:20
So it's a chance to get more, but it's pretty risky.
287
665000
3000
Так что, это шанс получить больше, но довольно рискованный.
11:23
Your other option is a bit safe. Your just going to get some money for sure.
288
668000
3000
Другой вариант чуть более безопасный. Вы просто получите точную сумму денег.
11:26
I'm just going to give you 500 bucks.
289
671000
2000
И я собираюсь дать вам 500 баксов.
11:28
You can stick it in your wallet and use it immediately.
290
673000
3000
Вы можете засунуть их в кошелек и использовать немедленно.
11:31
So see what your intuition is here.
291
676000
2000
Так, посмотрим, как у вас тут с интуицией.
11:33
Most people actually go with the play-it-safe option.
292
678000
3000
Большинство людей обычно избегают риска.
11:36
Most people say, why should I be risky when I can get 1,500 dollars for sure?
293
681000
3000
Большинство людей говорят -- зачем мне рисковать, если я могу точно получить полторы тысячи баксов?
11:39
This seems like a good bet. I'm going to go with that.
294
684000
2000
Это, похоже, хорошая ставка. Я ее поддерживаю.
11:41
You might say, eh, that's not really irrational.
295
686000
2000
Вы, наверное, скажете, хм, это не так уж и иррационально.
11:43
People are a little risk-averse. So what?
296
688000
2000
Люди всегда стремятся уйти от риска. И что?
11:45
Well, the "so what?" comes when start thinking
297
690000
2000
Мы вспомним это "и что?" когда поставим
11:47
about the same problem
298
692000
2000
ту же проблему
11:49
set up just a little bit differently.
299
694000
2000
немного по-другому.
11:51
So now imagine that I give each and every one of you
300
696000
2000
Так что теперь представьте, что я даю каждому из вас
11:53
2,000 dollars -- 20 crisp hundred dollar bills.
301
698000
3000
2 тысячи долларов -- 20 хрустящих долларовых купюр.
11:56
Now you can buy double to stuff you were going to get before.
302
701000
2000
Теперь вы сможете потратить в два раза больше чем раньше.
11:58
Think about how you'd feel sticking it in your wallet.
303
703000
2000
Подумайте о том, как вы засовываете их в свой кошелек.
12:00
And now imagine that I have you make another choice
304
705000
2000
А теперь, представьте себе, я заставлю вас сделать еще один выбор.
12:02
But this time, it's a little bit worse.
305
707000
2000
Но в этот раз он вам меньше понравится.
12:04
Now, you're going to be deciding how you're going to lose money,
306
709000
3000
Теперь вы будете решать, как вы будете терять деньги,
12:07
but you're going to get the same choice.
307
712000
2000
но по сути у вас будет тот же выбор.
12:09
You can either take a risky loss --
308
714000
2000
Вы можете либо рискнуть --
12:11
so I'll flip a coin. If it comes up heads, you're going to actually lose a lot.
309
716000
3000
и я подброшу монетку. Если выпадет орел -- вы много потеряете.
12:14
If it comes up tails, you lose nothing, you're fine, get to keep the whole thing --
310
719000
3000
Если выпадет решка, вы ничего не потеряете, все останется у вас --
12:17
or you could play it safe, which means you have to reach back into your wallet
311
722000
3000
либо вы можете не рисковать, а значит, снова достать свой кошелек
12:20
and give me five of those $100 bills, for certain.
312
725000
3000
и отдать мне обратно пять из этих стодолларовых купюр.
12:23
And I'm seeing a lot of furrowed brows out there.
313
728000
3000
Вижу, многие нахмурились.
12:26
So maybe you're having the same intuitions
314
731000
2000
Итак, может быть у вас возникают те же соображения,
12:28
as the subjects that were actually tested in this,
315
733000
2000
что и у испытуемых, на которых мы это тестировали.
12:30
which is when presented with these options,
316
735000
2000
Когда мы предоставили им выбор,
12:32
people don't choose to play it safe.
317
737000
2000
они не выбрали безопасный путь.
12:34
They actually tend to go a little risky.
318
739000
2000
Они решили рискнуть.
12:36
The reason this is irrational is that we've given people in both situations
319
741000
3000
И это иррационально, потому что в обоих случаях людям
12:39
the same choice.
320
744000
2000
был предоставлен равносильный выбор.
12:41
It's a 50/50 shot of a thousand or 2,000,
321
746000
3000
Либо с вероятностью 50/50 получить тысячу или две,
12:44
or just 1,500 dollars with certainty.
322
749000
2000
либо 1,5 тысячи точно.
12:46
But people's intuitions about how much risk to take
323
751000
3000
Но интуиция людей относительно того, насколько подвергаться риску,
12:49
varies depending on where they started with.
324
754000
2000
варьирует в зависимости от стартовой точки.
12:51
So what's going on?
325
756000
2000
Что же происходит?
12:53
Well, it turns out that this seems to be the result
326
758000
2000
Ну, похоже, это является следствием
12:55
of at least two biases that we have at the psychological level.
327
760000
3000
по крайней мере двух склонностей, которые присутствуют у нас на психологическом уровне.
12:58
One is that we have a really hard time thinking in absolute terms.
328
763000
3000
Первая состоит в том, что мы испытываем большие сложности, когда пытаемся думать в абсолюных величинах.
13:01
You really have to do work to figure out,
329
766000
2000
Приходится очень напрячься, чтоб понять, что,
13:03
well, one option's a thousand, 2,000;
330
768000
2000
действительно, первый выбор -- это либо тысяча, либо две тысячи,
13:05
one is 1,500.
331
770000
2000
а второй -- полторы тысячи.
13:07
Instead, we find it very easy to think in very relative terms
332
772000
3000
Вместо этого нам очень легко рассуждать, оперируя относительными величинами,
13:10
as options change from one time to another.
333
775000
3000
так как условия каждый раз разные.
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
И мы рассуждаем в ключе -- "О, я получу больше" или "О, я получу меньше".
13:16
This is all well and good, except that
335
781000
2000
С этим все в порядке, кроме того, что
13:18
changes in different directions
336
783000
2000
изменения в разные стороны
13:20
actually effect whether or not we think
337
785000
2000
фактически влияют на то, считаем ли мы
13:22
options are good or not.
338
787000
2000
выбор хорошим или нет.
13:24
And this leads to the second bias,
339
789000
2000
И это ведет ко второй нашей склонности,
13:26
which economists have called loss aversion.
340
791000
2000
которую экономисты прозвали боязнью потерь.
13:28
The idea is that we really hate it when things go into the red.
341
793000
3000
Суть в том, что мы терпеть не можем уходить в минус.
13:31
We really hate it when we have to lose out on some money.
342
796000
2000
Терпеть не можем терять деньги.
13:33
And this means that sometimes we'll actually
343
798000
2000
И это означает, что иногда мы будем изменять
13:35
switch our preferences to avoid this.
344
800000
2000
нашим предпочтениям, чтобы избежать этого.
13:37
What you saw in that last scenario is that
345
802000
2000
Вы видели, что в последней ситуации
13:39
subjects get risky
346
804000
2000
испытуемые становятся более рисковыми,
13:41
because they want the small shot that there won't be any loss.
347
806000
3000
потому что они хотят получить хоть небольшую вероятность избежать потерь.
13:44
That means when we're in a risk mindset --
348
809000
2000
Это означает, что, находясь в ситуации, когда мы настроены рискнуть,
13:46
excuse me, when we're in a loss mindset,
349
811000
2000
точнее, когда мы ожидаем потерь,
13:48
we actually become more risky,
350
813000
2000
мы действительно становимся более рисковыми,
13:50
which can actually be really worrying.
351
815000
2000
что вызывает большие опасения.
13:52
These kinds of things play out in lots of bad ways in humans.
352
817000
3000
Эта склонность часто приводит к негативным последствиям.
13:55
They're why stock investors hold onto losing stocks longer --
353
820000
3000
Именно поэтому инвесторы дольше не продают акции на падающем рынке,
13:58
because they're evaluating them in relative terms.
354
823000
2000
оценивая их в относительных величинах.
14:00
They're why people in the housing market refused to sell their house --
355
825000
2000
Именно поэтому люди отказывались продавать свою недвижимость,
14:02
because they don't want to sell at a loss.
356
827000
2000
не желая продавать себе в убыток.
14:04
The question we were interested in
357
829000
2000
Вопрос, который нас интересовал --
14:06
is whether the monkeys show the same biases.
358
831000
2000
есть ли у обезьян такие же склонности.
14:08
If we set up those same scenarios in our little monkey market,
359
833000
3000
Если мы воспроизведем те же ситуации в нашем маленьком обезьяньем рынке,
14:11
would they do the same thing as people?
360
836000
2000
будут ли они делать те же ошибки, что и люди?
14:13
And so this is what we did, we gave the monkeys choices
361
838000
2000
Так мы и сделали -- предложили обезьянам выбор
14:15
between guys who were safe -- they did the same thing every time --
362
840000
3000
между безопасными "продавцами" -- которые давали все время одно и то же --
14:18
or guys who were risky --
363
843000
2000
и "продавцами", которые провоцировали на риск --
14:20
they did things differently half the time.
364
845000
2000
они давали различное количество в 50 процентах случаев.
14:22
And then we gave them options that were bonuses --
365
847000
2000
И мы ставили их в ситуации, когда они могли получить бонусы --
14:24
like you guys did in the first scenario --
366
849000
2000
как и вас в первом сценарии --
14:26
so they actually have a chance more,
367
851000
2000
когда они действительно могли получить больше,
14:28
or pieces where they were experiencing losses --
368
853000
3000
и в ситуации, когда они терпели убытки --
14:31
they actually thought they were going to get more than they really got.
369
856000
2000
они рассчитывали получить больше, чем получали на самом деле.
14:33
And so this is what this looks like.
370
858000
2000
И вот как это выглядит.
14:35
We introduced the monkeys to two new monkey salesmen.
371
860000
2000
Мы познакомили обезьян с двумя новыми продавцами.
14:37
The guy on the left and right both start with one piece of grape,
372
862000
2000
И правый и левый, оба сначала предлагают одну виноградину,
14:39
so it looks pretty good.
373
864000
2000
все выглядит хорошо.
14:41
But they're going to give the monkeys bonuses.
374
866000
2000
Но они собираются предоставить обезьянам бонусы.
14:43
The guy on the left is a safe bonus.
375
868000
2000
Продавец, который стоит слева, дает фиксированный бонус.
14:45
All the time, he adds one, to give the monkeys two.
376
870000
3000
Каждый раз он добавляет одну виноградину и обезьяна в результате получает две.
14:48
The guy on the right is actually a risky bonus.
377
873000
2000
Продавец справа дает бонус случайным образом.
14:50
Sometimes the monkeys get no bonus -- so this is a bonus of zero.
378
875000
3000
Иногда обезьяна не получает никакого бонуса.
14:53
Sometimes the monkeys get two extra.
379
878000
3000
Иногда получает две лишних виноградины,
14:56
For a big bonus, now they get three.
380
881000
2000
то есть всего получает три.
14:58
But this is the same choice you guys just faced.
381
883000
2000
Это та же ситуация выбора, перед которым стояли и вы.
15:00
Do the monkeys actually want to play it safe
382
885000
3000
Хотят ли обезьяны избегать риска
15:03
and then go with the guy who's going to do the same thing on every trial,
383
888000
2000
и покупать у продавца, который все время дает фиксированную прибавку
15:05
or do they want to be risky
384
890000
2000
или они хотят рисковать и
15:07
and try to get a risky, but big, bonus,
385
892000
2000
пробовать получить случайный, но большой бонус,
15:09
but risk the possibility of getting no bonus.
386
894000
2000
рискуя остаться вообще без бонуса.
15:11
People here played it safe.
387
896000
2000
Люди в этом случае не рисковали.
15:13
Turns out, the monkeys play it safe too.
388
898000
2000
Оказывается, обезьяны тоже не рискуют.
15:15
Qualitatively and quantitatively,
389
900000
2000
И количественно и качественно
15:17
they choose exactly the same way as people,
390
902000
2000
они поступают так же как и люди,
15:19
when tested in the same thing.
391
904000
2000
поставленные в ту же ситуацию.
15:21
You might say, well, maybe the monkeys just don't like risk.
392
906000
2000
Вы можете подумать, что, наверное, обезьяны просто не любят рисковать.
15:23
Maybe we should see how they do with losses.
393
908000
2000
И, вероятно, нам стоит посмотреть, что же они будут делать в случае потерь.
15:25
And so we ran a second version of this.
394
910000
2000
И мы провели эксперимент по второму сценарию.
15:27
Now, the monkeys meet two guys
395
912000
2000
Теперь перед обезьянами появляются два человека,
15:29
who aren't giving them bonuses;
396
914000
2000
которые не дают им бонусов;
15:31
they're actually giving them less than they expect.
397
916000
2000
наоборот, они дают им меньше, чем те ожидают.
15:33
So they look like they're starting out with a big amount.
398
918000
2000
Итак, сначала все выглядит так, будто они хотят дать много.
15:35
These are three grapes; the monkey's really psyched for this.
399
920000
2000
Вот три виноградины; обезьян очень радует их вид.
15:37
But now they learn these guys are going to give them less than they expect.
400
922000
3000
Но вскоре они понимают, что эти ребята будут отдавать им меньше ожидаемого.
15:40
They guy on the left is a safe loss.
401
925000
2000
Человек слева отнимает фиксированное количество.
15:42
Every single time, he's going to take one of these away
402
927000
3000
Каждый раз он будет давать на одну меньше
15:45
and give the monkeys just two.
403
930000
2000
и обезьяны будут получать всего две.
15:47
the guy on the right is the risky loss.
404
932000
2000
Число ягод, которое недодаст человек справа заранее неизвестно.
15:49
Sometimes he gives no loss, so the monkeys are really psyched,
405
934000
3000
Иногда он вообще ничего не отнимает, что безумно радует обезьян.
15:52
but sometimes he actually gives a big loss,
406
937000
2000
Но иногда он приносит действительно большие потери,
15:54
taking away two to give the monkeys only one.
407
939000
2000
забирая две виноградины и оставляя обезьянам всего одну.
15:56
And so what do the monkeys do?
408
941000
2000
И что же делают обезьяны?
15:58
Again, same choice; they can play it safe
409
943000
2000
Опять, тот же выбор; они могут не рисковать
16:00
for always getting two grapes every single time,
410
945000
3000
и всегда получать две виноградины,
16:03
or they can take a risky bet and choose between one and three.
411
948000
3000
но могут и рискнуть, имея шанс получить либо одну, либо три.
16:06
The remarkable thing to us is that, when you give monkeys this choice,
412
951000
3000
Поразительным для нас было то, что когда предоставляешь обезьянам этот выбор,
16:09
they do the same irrational thing that people do.
413
954000
2000
они принимают те же иррациональные решения, что и люди.
16:11
They actually become more risky
414
956000
2000
Они в самом деле становятся более рисковыми,
16:13
depending on how the experimenters started.
415
958000
3000
в зависимости от начальной точки эксперимента.
16:16
This is crazy because it suggests that the monkeys too
416
961000
2000
И это сногсшибательно, потому что из этого следует, что обезьяны тоже
16:18
are evaluating things in relative terms
417
963000
2000
оценивают относительно,
16:20
and actually treating losses differently than they treat gains.
418
965000
3000
и они действительно оперируют потерями и прибылями по-разному.
16:23
So what does all of this mean?
419
968000
2000
Что же все это значит?
16:25
Well, what we've shown is that, first of all,
420
970000
2000
Во-первых, мы показали, что
16:27
we can actually give the monkeys a financial currency,
421
972000
2000
можно действительно дать обезьянам деньги как финансовый инструмент
16:29
and they do very similar things with it.
422
974000
2000
и они будут проделывать простые операции с ними.
16:31
They do some of the smart things we do,
423
976000
2000
Они делают некоторые разумные и правильные вещи, которые делаем и мы,
16:33
some of the kind of not so nice things we do,
424
978000
2000
некоторые плохие вещи --
16:35
like steal it and so on.
425
980000
2000
например, крадут их и так далее.
16:37
But they also do some of the irrational things we do.
426
982000
2000
Но также они совершают и нерациональные действия, которые совершаем и мы.
16:39
They systematically get things wrong
427
984000
2000
Они систематически совершают ошибки
16:41
and in the same ways that we do.
428
986000
2000
в тех же местах, что и мы.
16:43
This is the first take-home message of the Talk,
429
988000
2000
Это первое сообщение из моей речи, которое можно применить на практике.
16:45
which is that if you saw the beginning of this and you thought,
430
990000
2000
И если вы сначала хорошо слушали и подумали --
16:47
oh, I'm totally going to go home and hire a capuchin monkey financial adviser.
431
992000
2000
вот я вернусь домой и обязательно найму обезьяну-капуцина в качестве финансового консультанта.
16:49
They're way cuter than the one at ... you know --
432
994000
2000
Они гораздо прикольнее тех, что ... ну вы поняли.
16:51
Don't do that; they're probably going to be just as dumb
433
996000
2000
Не делайте так, потому что, скорее всего, они будут настолько же тупы,
16:53
as the human one you already have.
434
998000
3000
как те, с которыми вы работаете сейчас.
16:56
So, you know, a little bad -- Sorry, sorry, sorry.
435
1001000
2000
Не очень-то ободряюще - ну извините.
16:58
A little bad for monkey investors.
436
1003000
2000
Скверно для инвесторов-обезьян.
17:00
But of course, you know, the reason you're laughing is bad for humans too.
437
1005000
3000
Но, конечно, вы понимаете, что те факты, над которыми вы сейчас смеетесь, актуальны и неутешительны и для человека.
17:03
Because we've answered the question we started out with.
438
1008000
3000
Потому что мы-таки ответили на поставленный вначале вопрос.
17:06
We wanted to know where these kinds of errors came from.
439
1011000
2000
Мы хотели узнать, каков генез этих ошибок.
17:08
And we started with the hope that maybe we can
440
1013000
2000
И мы сначала надеялись, что, может, мы можем
17:10
sort of tweak our financial institutions,
441
1015000
2000
просто чуть лучше устроить наши финансовые институты,
17:12
tweak our technologies to make ourselves better.
442
1017000
3000
подрегулировать наши технологии, таким образом делая нас самих лучше.
17:15
But what we've learn is that these biases might be a deeper part of us than that.
443
1020000
3000
Но как мы поняли, эти склонности, скорее всего, гораздо глубже заложены в нас.
17:18
In fact, they might be due to the very nature
444
1023000
2000
На самом деле, они могли возникнуть естественно
17:20
of our evolutionary history.
445
1025000
2000
в ходе эволюции.
17:22
You know, maybe it's not just humans
446
1027000
2000
Знаете, может не люди начали
17:24
at the right side of this chain that's duncey.
447
1029000
2000
совершать такие глупости.
17:26
Maybe it's sort of duncey all the way back.
448
1031000
2000
Вероятнее всего, корни этого лежат гораздо глубже.
17:28
And this, if we believe the capuchin monkey results,
449
1033000
3000
И это означает, если считать наши исследования с обезьянами достоверными,
17:31
means that these duncey strategies
450
1036000
2000
что этим неразумным стратегиям поведения
17:33
might be 35 million years old.
451
1038000
2000
уже 35 миллионов лет.
17:35
That's a long time for a strategy
452
1040000
2000
А это большой возраст для стратегии поведения,
17:37
to potentially get changed around -- really, really old.
453
1042000
3000
чтоб надеяться, что они как-то изменятся -- очень-очень большой.
17:40
What do we know about other old strategies like this?
454
1045000
2000
Что нам известно о таких же древних стратегиях как эта?
17:42
Well, one thing we know is that they tend to be really hard to overcome.
455
1047000
3000
Ну, первое это то, что мы знаем, что их очень сложно превозмочь.
17:45
You know, think of our evolutionary predilection
456
1050000
2000
Вспомните о наших эволюционных склонностях
17:47
for eating sweet things, fatty things like cheesecake.
457
1052000
3000
есть сладкое и жирное как, например, чизкейки.
17:50
You can't just shut that off.
458
1055000
2000
Вы не можете просто отключить их.
17:52
You can't just look at the dessert cart as say, "No, no, no. That looks disgusting to me."
459
1057000
3000
Вы не можете просто посмотреть на поднос со сладким и сказать, "Нет, нет, нет. Это смотрится отваратительно."
17:55
We're just built differently.
460
1060000
2000
Мы просто не так устроены.
17:57
We're going to perceive it as a good thing to go after.
461
1062000
2000
Мы ощущаем, что это наоборот то, что стоит добывать.
17:59
My guess is that the same thing is going to be true
462
1064000
2000
И я думаю, что то же самое справедливо для
18:01
when humans are perceiving
463
1066000
2000
чувств человека по отношению
18:03
different financial decisions.
464
1068000
2000
к различным решениям в сфере финансов.
18:05
When you're watching your stocks plummet into the red,
465
1070000
2000
Когда вы наблюдаете за тем, как ваши акции уходят в минус,
18:07
when you're watching your house price go down,
466
1072000
2000
как ваш дом на глазах дешевеет,
18:09
you're not going to be able to see that
467
1074000
2000
вы не сможете перебороть себя
18:11
in anything but old evolutionary terms.
468
1076000
2000
и увидеть это в каком-то другом свете, чем это заложено эволюцией.
18:13
This means that the biases
469
1078000
2000
Это означает, что склонности,
18:15
that lead investors to do badly,
470
1080000
2000
которые ведут инвесторов к плохим решениям,
18:17
that lead to the foreclosure crisis
471
1082000
2000
которые привели к кризису на рынке недвижимости,
18:19
are going to be really hard to overcome.
472
1084000
2000
будет действительно сложно преодолеть.
18:21
So that's the bad news. The question is: is there any good news?
473
1086000
2000
И это плохие новости. Вопрос в том, есть ли какие-нибудь хорошие новости?
18:23
I'm supposed to be up here telling you the good news.
474
1088000
2000
Потому что, вообще-то предполагается, что я тут должна вам сообщать хорошие новости.
18:25
Well, the good news, I think,
475
1090000
2000
Хорошие новости, думаю,
18:27
is what I started with at the beginning of the Talk,
476
1092000
2000
это то, с чего я начала свою речь.
18:29
which is that humans are not only smart;
477
1094000
2000
Я о том, что люди не только сообразительные --
18:31
we're really inspirationally smart
478
1096000
2000
они воодушевляюще умнее
18:33
to the rest of the animals in the biological kingdom.
479
1098000
3000
остальных животных биологического царства.
18:36
We're so good at overcoming our biological limitations --
480
1101000
3000
Мы так хорошо преодолеваем наши биологические ограничения --
18:39
you know, I flew over here in an airplane.
481
1104000
2000
например, я прилетела сюда на самолете.
18:41
I didn't have to try to flap my wings.
482
1106000
2000
И мне не пришлось при этом махать крыльями.
18:43
I'm wearing contact lenses now so that I can see all of you.
483
1108000
3000
Я ношу линзы и могу отчетливо видеть всех вас
18:46
I don't have to rely on my own near-sightedness.
484
1111000
3000
и мне не нужно беспокоиться о своей близорукости.
18:49
We actually have all of these cases
485
1114000
2000
Во всех этих случаях
18:51
where we overcome our biological limitations
486
1116000
3000
мы довольно легко преодолеваем биологические ограничения
18:54
through technology and other means, seemingly pretty easily.
487
1119000
3000
с помощью технологий и других средств.
18:57
But we have to recognize that we have those limitations.
488
1122000
3000
Но нам необходимо знать о существовании этих ограничений.
19:00
And here's the rub.
489
1125000
2000
И вот препятствие.
19:02
It was Camus who once said that, "Man is the only species
490
1127000
2000
Камю однажды сказал -- "Человек -- это единственный вид,
19:04
who refuses to be what he really is."
491
1129000
3000
который не согласен быть тем, кем он является".
19:07
But the irony is that
492
1132000
2000
Но ирония в том, что, возможно,
19:09
it might only be in recognizing our limitations
493
1134000
2000
для того, чтоб преодолеть свои ограничения,
19:11
that we can really actually overcome them.
494
1136000
2000
нужно их сначала распознать.
19:13
The hope is that you all will think about your limitations,
495
1138000
3000
Я надеюсь, что вы все подумаете о своих ограничениях,
19:16
not necessarily as unovercomable,
496
1141000
3000
не обязательно как о непреодолимых вещах,
19:19
but to recognize them, accept them
497
1144000
2000
а наоборот распознаете их и примете
19:21
and then use the world of design to actually figure them out.
498
1146000
3000
и затем используете мировые инженерные достижения, чтобы постичь их.
19:24
That might be the only way that we will really be able
499
1149000
3000
Возможно, это единственный возможный способ
19:27
to achieve our own human potential
500
1152000
2000
достичь нашего потенциала
19:29
and really be the noble species we hope to all be.
501
1154000
3000
и действительно стать тем замечательным видом, которым мы надеемся быть.
19:32
Thank you.
502
1157000
2000
Спасибо.
19:34
(Applause)
503
1159000
5000
(Апплодисменты)
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