TED2009
Dan Ariely: Our buggy moral code
แดน อรายลี่ กับ ศีลธรรมที่บกพร่อง
Filmed:
Readability: 3.2
3,509,395 views
นักเศรษฐศาสตร์พฤติกรรม แดน อรายลี่ ศึกษาความบกพร่องในการปฏิบัติตามหลักศีลธรรมของเรา: เขาศึกษาเหตุผลที่อยู่เบื้องหลังการที่เราคิดว่าการโกงหรือขโมยของเล็กๆ น้อยๆ เป็นเรื่องที่ไม่เป็นไร งานศึกษาที่ยอดเยี่ยมเหล่านี้ชี้ว่าคนเราไร้เหตุผลอย่างมีแบบแผนที่คาดเดาได้ -- และเราก็ถูกครอบงำด้วยความไร้เหตุผลเหล่านี้อย่างที่เรานึกไม่ถึง
Dan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
Double-click the English transcript below to play the video.
00:16
I want to talk to you today a little bit
0
1000
2000
วันนี้ ผมอยากจะพูดถึง
00:18
about predictable irrationality.
1
3000
3000
ความไร้เหตุผลที่คาดการณ์ได้
00:21
And my interest in irrational behavior
2
6000
4000
ความสนใจที่ผมมีต่อความไร้เหตุผลเหล่านี้
00:25
started many years ago in the hospital.
3
10000
3000
เริ่มต้นเมื่อหลายปีก่อนในโรงพยาบาล
00:28
I was burned very badly.
4
13000
4000
ผมถูกไฟครอกอย่างรุนแรง
00:32
And if you spend a lot of time in hospital,
5
17000
3000
และถ้าคุณต้องอยู่โรงพยาบาลนานๆ
00:35
you'll see a lot of types of irrationalities.
6
20000
3000
คุณจะเห็นความไร้เหตุผลมากมายหลายอย่าง
00:38
And the one that particularly bothered me in the burn department
7
23000
5000
และสิ่งหนึ่งซึ่งเกิดขึ้นในแผนกแผลไฟไหม้
00:43
was the process by which the nurses took the bandage off me.
8
28000
4000
ก็คือวิธีที่พยาบาลดึงผ้าพันแผลออกจากตัวผม
00:48
Now, you must have all taken a Band-Aid off at some point,
9
33000
2000
ถ้าวันนึงคุณต้องให้ใครดึงผ้าพันแผลออกจากตัวคุณ
00:50
and you must have wondered what's the right approach.
10
35000
3000
คุณคงสงสัยว่า วิธีไหนคือวิธีที่ถูกต้อง
00:53
Do you rip it off quickly -- short duration but high intensity --
11
38000
4000
ดึงออกเร็วๆ -- ช่วงเวลาสั้นๆ แต่ความเจ็บปวดรุนแรง --
00:57
or do you take your Band-Aid off slowly --
12
42000
2000
หรือดึงผ้าพันแผลออกช้าๆ
00:59
you take a long time, but each second is not as painful --
13
44000
4000
คุณจะเจ็บนาน แต่ไม่รุนแรง
01:03
which one of those is the right approach?
14
48000
3000
แล้ววิธีไหนคือวิธีที่ถูกต้องล่ะ?
01:06
The nurses in my department thought that the right approach
15
51000
4000
พยาบาลในแผนกคิดว่าวิธีที่ถูกต้อง
01:10
was the ripping one, so they would grab hold and they would rip,
16
55000
3000
คือแบบแรก ดังนั้น เขาจึงใช้วิธีจับแน่นๆ แล้วดึง
01:13
and they would grab hold and they would rip.
17
58000
2000
แล้วเขาก็จับแน่นๆ แล้วก็ดึงอีก
01:15
And because I had 70 percent of my body burned, it would take about an hour.
18
60000
4000
และเพราะว่ากว่าร้อยละ 70 ของร่างกายผมถูกไฟครอก มันจึงใช้เวลากว่าชั่วโมง
01:19
And as you can imagine,
19
64000
3000
คุณคงนึกภาพออก
01:22
I hated that moment of ripping with incredible intensity.
20
67000
4000
ผมเกลียดช่วงเวลาที่เต็มไปด้วยความเจ็บปวดแสนสาหัสแบบนี้
01:26
And I would try to reason with them and say,
21
71000
2000
ผมจึงพยายามใช้เหตุผลบอกพยาบาลว่า
01:28
"Why don't we try something else?
22
73000
1000
"ทำไมเราไม่ลองวิธีอื่นบ้างครับ?
01:29
Why don't we take it a little longer --
23
74000
2000
ทำไมไม่ลองดึงช้าๆ --
01:31
maybe two hours instead of an hour -- and have less of this intensity?"
24
76000
5000
อาจจะใช้เวลาสองชั่วโมงแทนที่จะเป็นชั่วโมงเดียว -- ความเจ็บจะได้ลดลง?
01:36
And the nurses told me two things.
25
81000
2000
คุณพยาบาลบอกผมสองอย่าง
01:38
They told me that they had the right model of the patient --
26
83000
4000
พวกเขาบอกผมว่า พวกเขารู้วิธีการปฏิบัติต่อคนไข้ที่ถูกต้อง --
01:42
that they knew what was the right thing to do to minimize my pain --
27
87000
3000
ว่านี่คือวิธีที่จะทำให้เจ็บน้อยที่สุด --
01:45
and they also told me that the word patient doesn't mean
28
90000
3000
และยังบอกอีกว่า คำว่า patient (คนไข้ / ความอดทน) ไม่ได้แปลว่า
01:48
to make suggestions or to interfere or ...
29
93000
2000
ให้คำแนะนำหรือก้าวก่าย...
01:50
This is not just in Hebrew, by the way.
30
95000
3000
อ้อ นี่ไม่ใช่ในภาษาฮีบรูเท่านั้นนะ
01:53
It's in every language I've had experience with so far.
31
98000
3000
มันมีความหมายอย่างนี้ในทุกๆ ภาษา
01:56
And, you know, there's not much -- there wasn't much I could do,
32
101000
4000
ดังนั้น คุณคงรู้ว่า ผมทำอะไรมากไม่ได้
02:00
and they kept on doing what they were doing.
33
105000
3000
และพวกพยาบาลก็ทำแบบเดิมที่เคยทำต่อไป
02:03
And about three years later, when I left the hospital,
34
108000
2000
สามปีต่อมา เมื่อผมออกจากโรงพยาบาล
02:05
I started studying at the university.
35
110000
3000
ผมเข้าเรียนในมหาวิทยาลัย
02:08
And one of the most interesting lessons I learned
36
113000
3000
และหนึ่งในบทเรียนที่น่าสนใจที่สุดเท่าที่ผมเคยเรียนมา
02:11
was that there is an experimental method
37
116000
2000
ก็คือวิธีวิจัยแบบทดลอง
02:13
that if you have a question you can create a replica of this question
38
118000
4000
ซึ่งถ้าคุณมีคำถาม คุณสามารถสร้างแบบจำลองของคำถามเหล่านี้
02:17
in some abstract way, and you can try to examine this question,
39
122000
4000
ในรูปแบบที่เป็นนามธรรมบางอย่าง จากนั้นก็ศึกษาหาคำตอบต่อคำถามนั้น
02:21
maybe learn something about the world.
40
126000
2000
และเราก็จะได้เรียนรู้บางอย่างเกี่ยวกับโลก
02:23
So that's what I did.
41
128000
2000
นั่นล่ะครับคือสิ่งที่ผมทำ
02:25
I was still interested
42
130000
1000
ผมยังคงสนใจ
02:26
in this question of how do you take bandages off burn patients.
43
131000
2000
ในคำถามเกี่ยวกับการดึงผ้าพันแผลออกจากตัวคนไข้
02:28
So originally I didn't have much money,
44
133000
3000
ในช่วงเริ่มต้น ผมไม่ได้มีเงินมากนัก
02:31
so I went to a hardware store and I bought a carpenter's vice.
45
136000
4000
ผมเลยไปที่ร้านขายอุปกรณ์ก่อสร้าง และซื้อคีมของช่างไม้มา
02:35
And I would bring people to the lab and I would put their finger in it,
46
140000
4000
จากนั้น ผมก็พาคนมาที่แล็บ และเอาคีมหนีบนิ้วของพวกเขา
02:39
and I would crunch it a little bit.
47
144000
2000
ขบนิ้วพวกเขาจนเจ็บ
02:41
(Laughter)
48
146000
2000
(เสียงหัวเราะ)
02:43
And I would crunch it for long periods and short periods,
49
148000
3000
ผมบีบนิ้วผู้ร่วมการทดลองนานบ้าง สั้นบ้าง
02:46
and pain that went up and pain that went down,
50
151000
2000
ลองบีบให้เจ็บน้อยแล้วค่อยเพิ่มขึ้น แบบที่เจ็บมากก่อนแล้วน้อยลง
02:48
and with breaks and without breaks -- all kinds of versions of pain.
51
153000
4000
ทั้งมีหยุดพักและไม่หยุด -- มีทุกรูปแบบของความเจ็บ
02:52
And when I finished hurting people a little bit, I would ask them,
52
157000
2000
พอทำให้เขาเจ็บตัวกันแล้ว ผมก็จะถามพวกเขาว่า
02:54
so, how painful was this? Or, how painful was this?
53
159000
2000
เจ็บไหม เจ็บยังไง
02:56
Or, if you had to choose between the last two,
54
161000
2000
หรือถ้าให้เลือกระหว่างความเจ็บสองอย่างหลังสุด
02:58
which one would you choose?
55
163000
2000
คุณจะเลือกแบบไหน?
03:00
(Laughter)
56
165000
3000
(เสียงหัวเราะ)
03:03
I kept on doing this for a while.
57
168000
3000
ผมทำแบบนี้อยู่พักหนึ่ง
03:06
(Laughter)
58
171000
2000
(เสียงหัวเราะ)
03:08
And then, like all good academic projects, I got more funding.
59
173000
4000
แล้วจากนั้น, ก็เหมือนกับโครงการวิชาการดีๆ ทั่วไป, ผมได้เงินสนับสนุนมากขึ้น
03:12
I moved to sounds, electrical shocks --
60
177000
2000
ผมเลยเปลี่ยนไปใช้เสียง เครื่องช็อคไฟฟ้า --
03:14
I even had a pain suit that I could get people to feel much more pain.
61
179000
5000
ผมทำชุดสร้างความเจ็บปวดที่สามารถสร้างความเจ็บปวดให้คนที่สวมใส่ได้มากขึ้นไปอีก
03:19
But at the end of this process,
62
184000
4000
หลังจากทำการทดลองพวกนี้เสร็จ
03:23
what I learned was that the nurses were wrong.
63
188000
3000
สิ่งที่ผมเรียนรู้คือ พวกพยาบาลคิดผิด
03:26
Here were wonderful people with good intentions
64
191000
3000
นี่คือคนที่น่ายกย่องด้วยความตั้งใจที่ดี
03:29
and plenty of experience, and nevertheless
65
194000
2000
และมีประสบการณ์หลากหลาย แต่กระนั้น
03:31
they were getting things wrong predictably all the time.
66
196000
4000
พวกเขาเข้าใจผิดอยู่ตลอดเวลา
03:35
It turns out that because we don't encode duration
67
200000
3000
เพราะเราไม่ได้รับรู้ระยะเวลา
03:38
in the way that we encode intensity,
68
203000
2000
แบบเดียวกับที่เรารับรู้ความรุนแรงของความเจ็บปวด
03:40
I would have had less pain if the duration would have been longer
69
205000
4000
ผมจะเจ็บน้อยลง ถ้าช่วงเวลามันนานขึ้น
03:44
and the intensity was lower.
70
209000
2000
และความเจ็บมันรุนแรงน้อยกว่า
03:46
It turns out it would have been better to start with my face,
71
211000
3000
เขาควรจะเริ่มดึงผ้าพันแผลที่หน้าของผมก่อน
03:49
which was much more painful, and move toward my legs,
72
214000
2000
ซึ่งเป็นที่ที่เจ็บมากที่สุด แล้วค่อยไปแกะที่ขา
03:51
giving me a trend of improvement over time --
73
216000
3000
ทำให้ผมรู้สึกว่ามันมีแนวโน้มดีขึ้นเรื่อยๆ
03:54
that would have been also less painful.
74
219000
1000
ซึ่งมันจะทำให้ผมรู้สึกเจ็บน้อยลงด้วย
03:55
And it also turns out that it would have been good
75
220000
2000
และมันก็จะดีกว่าด้วย
03:57
to give me breaks in the middle to kind of recuperate from the pain.
76
222000
2000
ถ้ามีช่วงพักในช่วงกลางๆ ให้หายเจ็บสักหน่อย
03:59
All of these would have been great things to do,
77
224000
2000
ทั้งหมดนี้เป็นเรื่องที่ควรทำ
04:01
and my nurses had no idea.
78
226000
3000
แต่พยาบาลไม่เคยคิดจะทำ
04:04
And from that point on I started thinking,
79
229000
1000
จากจุดนี้ ผมเริ่มคิดว่า
04:05
are the nurses the only people in the world who get things wrong
80
230000
3000
พยาบาลเป็นคนกลุ่มเดียวในโลกหรือเปล่า
04:08
in this particular decision, or is it a more general case?
81
233000
3000
ที่ตัดสินใจอะไรผิดพลาด หรือมันเกิดกับคนทั่วไป?
04:11
And it turns out it's a more general case --
82
236000
2000
ที่จริงแล้ว มันเกิดขึ้นกับคนทั่วไปครับ
04:13
there's a lot of mistakes we do.
83
238000
3000
คนเราตัดสินใจผิดพลาดมากมาย
04:16
And I want to give you one example of one of these irrationalities,
84
241000
5000
ผมอยากจะยกตัวอย่างหนึ่งของความไร้เหตุผลพวกนี้
04:21
and I want to talk to you about cheating.
85
246000
3000
นั่นก็คือ การทุจริต
04:24
And the reason I picked cheating is because it's interesting,
86
249000
2000
เหตุผลที่ผมยกเอาเรื่องการทุจริตมาพูดก็เพราะมันน่าสนใจ
04:26
but also it tells us something, I think,
87
251000
2000
แต่ผมว่ามันบอกอะไรเราบางอย่าง
04:28
about the stock market situation we're in.
88
253000
3000
เกี่ยวกับสถานการณ์ตลาดหลักทรัพย์ในปัจจุบัน
04:31
So, my interest in cheating started
89
256000
3000
ความสนใจเรื่องการทุจริตของผมเริ่มมาจาก
04:34
when Enron came on the scene, exploded all of a sudden,
90
259000
2000
กรณีของเอนรอนที่เป็นข่าวอื้อฉาวอย่างรวดเร็ว
04:36
and I started thinking about what is happening here.
91
261000
3000
ผมเริ่มคิดว่า มันเกิดอะไรขึ้น
04:39
Is it the case that there was kind of
92
264000
1000
นี่มันเป็นเพียงแค่
04:40
a few apples who are capable of doing these things,
93
265000
3000
ปลาเน่าตัวเดียว ที่ทำอะไรแย่ๆ แบบนี้
04:43
or are we talking a more endemic situation,
94
268000
2000
หรือจริงๆ มันเป็นโรคระบาด
04:45
that many people are actually capable of behaving this way?
95
270000
4000
คนมากมายก็ทำแบบเดียวกันนี้
04:49
So, like we usually do, I decided to do a simple experiment.
96
274000
4000
ผมก็เลยออกแบบการทดลองง่ายๆ
04:53
And here's how it went.
97
278000
1000
ผมทำอย่างนี้ครับ
04:54
If you were in the experiment, I would pass you a sheet of paper
98
279000
3000
ถ้าคุณเข้าร่วมการทดลอง ผมจะให้กระดาษคุณหนึ่งแผ่น
04:57
with 20 simple math problems that everybody could solve,
99
282000
4000
กับโจทย์เลขง่ายๆ 20 ข้อที่คุณแก้ได้แน่นอน
05:01
but I wouldn't give you enough time.
100
286000
2000
แต่ผมจะให้เวลาคุณสั้นๆ แบบทำไม่ทัน
05:03
When the five minutes were over, I would say,
101
288000
2000
เมื่อห้านาทีหมดลง ผมจะบอกว่า
05:05
"Pass me the sheets of paper, and I'll pay you a dollar per question."
102
290000
3000
"คืนกระดาษให้ผม แล้วผมจะจ่ายคุณข้อละหนึ่งดอลลาร์"
05:08
People did this. I would pay people four dollars for their task --
103
293000
4000
ทุกคนทำตามนี้ แล้วผมก็จ่ายให้พวกเขาประมาณสี่ดอลลาร์เป็นการตอบแทน
05:12
on average people would solve four problems.
104
297000
2000
เฉลี่ยก็คือพวกเขาทำได้สี่ข้อ
05:14
Other people I would tempt to cheat.
105
299000
3000
กับคนอีกกลุ่มหนึ่ง ผมเปิดโอกาสให้เขาโกง
05:17
I would pass their sheet of paper.
106
302000
1000
ผมส่งกระดาษให้ผู้ร่วมการทดลองคนละแผ่น
05:18
When the five minutes were over, I would say,
107
303000
2000
เมื่อครบห้านาที ผมจะบอกว่า
05:20
"Please shred the piece of paper.
108
305000
1000
"ฉีกกระดาษแผ่นนั้น
05:21
Put the little pieces in your pocket or in your backpack,
109
306000
3000
แล้วเก็บมันใส่ในกระเป๋าหรือเป้ของคุณ
05:24
and tell me how many questions you got correctly."
110
309000
3000
จากนั้นมาบอกผมว่าคุณทำถูกกี่ข้อ"
05:27
People now solved seven questions on average.
111
312000
3000
คราวนี้พวกเขาทำถูกเฉลี่ยเจ็ดข้อแฮะ
05:30
Now, it wasn't as if there was a few bad apples --
112
315000
5000
นี่แสดงว่ามันไม่ใช่แค่ปลาเน่าไม่กี่ตัว --
05:35
a few people cheated a lot.
113
320000
3000
หรือคนแค่ไม่กี่คนโกงมากๆ
05:38
Instead, what we saw is a lot of people who cheat a little bit.
114
323000
3000
ในทางกลับกัน มีคนจำนวนมากที่โกงเล็กๆ น้อยๆ ด้วย
05:41
Now, in economic theory,
115
326000
3000
ในทางเศรษฐศาสตร์แล้ว
05:44
cheating is a very simple cost-benefit analysis.
116
329000
3000
การโกงคือการวิเคราะห์ต้นทุนและผลตอบแทนแบบง่ายๆ
05:47
You say, what's the probability of being caught?
117
332000
2000
เราจะคิดว่า โอกาสที่จะถูกจับได้มีมากแค่ไหน?
05:49
How much do I stand to gain from cheating?
118
334000
3000
จะได้ผลตอบแทนเท่าไหร่จากการโกง?
05:52
And how much punishment would I get if I get caught?
119
337000
2000
และถ้าโดนจับได้จะถูกลงโทษอย่างไร?
05:54
And you weigh these options out --
120
339000
2000
จากนั้นก็ชั่งน้ำหนักเอา
05:56
you do the simple cost-benefit analysis,
121
341000
2000
คุณแค่วิเคราะห์ต้นทุนและผลตอบแทนแบบง่ายๆ
05:58
and you decide whether it's worthwhile to commit the crime or not.
122
343000
3000
คุณก็ตัดสินใจได้แล้วว่าคุณจะก่ออาชญากรรมหรือไม่
06:01
So, we try to test this.
123
346000
2000
ดังนั้น เราพยายามที่จะทดสอบสิ่งเหล่านี้
06:03
For some people, we varied how much money they could get away with --
124
348000
4000
กับผู้ร่วมการทดลองบางกลุ่ม เราเพิ่มลดจำนวนเงินที่เขามีโอกาสโกงได้
06:07
how much money they could steal.
125
352000
1000
เพื่อดูว่าเขาจะโกงมากน้อยสักแค่ไหน
06:08
We paid them 10 cents per correct question, 50 cents,
126
353000
3000
เราจ่ายตั้งแต่ 10 เซนต์ต่อข้อ, 50 เซนต์,
06:11
a dollar, five dollars, 10 dollars per correct question.
127
356000
3000
1 ดอลลาร์, 5 ดอลลาร์, 10 ดอลลาร์ต่อข้อที่ทำถูก
06:14
You would expect that as the amount of money on the table increases,
128
359000
4000
คุณอาจคิดว่า เมื่อจำนวนเงินมากขึ้น
06:18
people would cheat more, but in fact it wasn't the case.
129
363000
3000
คนก็น่าจะโกงมากขึ้น แต่ความจริงแล้วไม่ใช่แบบนั้นเสมอไป
06:21
We got a lot of people cheating by stealing by a little bit.
130
366000
3000
มีคนจำนวนมากที่โกงเฉพาะตอนที่เงินน้อยๆ
06:24
What about the probability of being caught?
131
369000
3000
แล้วเรื่องโอกาสที่จะโดนจับได้ล่ะ?
06:27
Some people shredded half the sheet of paper,
132
372000
2000
ในบางกลุ่มเราให้ฉีกกระดาษแค่ครึ่งเดียว
06:29
so there was some evidence left.
133
374000
1000
แปลว่ายังมีโอกาสโดนจับได้
06:30
Some people shredded the whole sheet of paper.
134
375000
2000
บางกลุ่มเราให้ฉีกทั้งแผ่น
06:32
Some people shredded everything, went out of the room,
135
377000
3000
บางคนฉีกทุกอย่าง เดินออกจากห้อง
06:35
and paid themselves from the bowl of money that had over 100 dollars.
136
380000
3000
แล้วไปหยิบเงินเอาเองจากกล่องที่มีเงินอยู่มากกว่า 100 ดอลลาร์
06:38
You would expect that as the probability of being caught goes down,
137
383000
3000
คุณคงคิดว่า เมื่อโอกาสที่จะถูกจับได้ลดลง
06:41
people would cheat more, but again, this was not the case.
138
386000
3000
พวกเขาจะโกงมากขึ้น แต่ก็อีกนั่นแหล่ะ มันไม่ได้เป็นแบบนั้น
06:44
Again, a lot of people cheated by just by a little bit,
139
389000
3000
คนจำนวนมากโกงแค่เล็กน้อย
06:47
and they were insensitive to these economic incentives.
140
392000
3000
ไม่ได้แปรผันไปตามสิ่งจูงใจทางเศรษฐศาสตร์
06:50
So we said, "If people are not sensitive
141
395000
1000
เราเลยมาคิดว่า "ถ้าคนไม่ตอบสนองต่อสิ่งจูงใจ
06:51
to the economic rational theory explanations, to these forces,
142
396000
5000
ตามที่หลักเหตุและผลทางเศรษฐศาสตร์ว่าไว้
06:56
what could be going on?"
143
401000
3000
งั้นมันเกิดอะไรขึ้นล่ะ?"
06:59
And we thought maybe what is happening is that there are two forces.
144
404000
3000
เราคิดว่ามันน่าจะมีแรงผลักดันสองอย่าง
07:02
At one hand, we all want to look at ourselves in the mirror
145
407000
2000
อย่างแรกคือ เราอยากจะกลับบ้านส่องกระจก
07:04
and feel good about ourselves, so we don't want to cheat.
146
409000
3000
แล้วยังรู้สึกดีกับตัวเองได้อยู่ ดังนั้น เราจึงไม่โกง
07:07
On the other hand, we can cheat a little bit,
147
412000
2000
ซึ่งถ้าเราโกงแค่เล็กๆ น้อยๆ
07:09
and still feel good about ourselves.
148
414000
2000
เราก็ยังรู้สึกดีกับตัวเองได้อยู่
07:11
So, maybe what is happening is that
149
416000
1000
ดังนั้น สิ่งที่เกิดขึ้นก็คือว่า
07:12
there's a level of cheating we can't go over,
150
417000
2000
มันมีขอบเขตการโกงระดับหนึ่งที่เราไม่อยากทำเกินไปกว่านี้
07:14
but we can still benefit from cheating at a low degree,
151
419000
4000
คือ เรายังคงเก็บเกี่ยวผลประโยชน์เล็กๆ น้อยๆ จากการโกง
07:18
as long as it doesn't change our impressions about ourselves.
152
423000
3000
ตราบใดที่มันไม่ไปเปลี่ยนความรู้สึกที่เรามีต่อตัวเราเอง
07:21
We call this like a personal fudge factor.
153
426000
3000
เราเรียกมันว่าระดับการโกงที่ยอมรับได้ของแต่ละคน
07:25
Now, how would you test a personal fudge factor?
154
430000
4000
แล้วเราจะทดสอบระดับการโกงที่ยอมรับได้นี่อย่างไร?
07:29
Initially we said, what can we do to shrink the fudge factor?
155
434000
4000
ที่จริงเราตั้งคำถามว่า จะลดระดับการโกงที่ยอมรับได้ลงอย่างไร?
07:33
So, we got people to the lab, and we said,
156
438000
2000
เราเลยพาคนมาที่ห้องทดลอง แล้วบอกว่า
07:35
"We have two tasks for you today."
157
440000
2000
"วันนี้เรามีงานสองอย่างให้คุณทำ"
07:37
First, we asked half the people
158
442000
1000
เราบอกผู้ร่วมการทดลองครึ่งหนึ่งว่า
07:38
to recall either 10 books they read in high school,
159
443000
2000
อย่างแรก ให้นึกถึงหนังสือสิบเล่มที่เคยอ่านสมัยมัธยมปลาย
07:40
or to recall The Ten Commandments,
160
445000
3000
อีกครึ่งหนึ่ง เราให้นึกถึงบัญญัติสิบประการ (คล้ายๆ กับศีลห้า -- ผู้แปล)
07:43
and then we tempted them with cheating.
161
448000
2000
แล้วจากนั้นลองเปิดโอกาสให้เขาโกง
07:45
Turns out the people who tried to recall The Ten Commandments --
162
450000
3000
ปรากฏว่าคนที่นึกถึงบัญญัติสิบประการ
07:48
and in our sample nobody could recall all of The Ten Commandments --
163
453000
2000
ซึ่งไม่มีผู้ร่วมการทดลองสักคนที่จำได้ครบทุกข้อ
07:51
but those people who tried to recall The Ten Commandments,
164
456000
4000
แต่เราพบว่า คนที่นึกถึงบัญญัติสิบประการ
07:55
given the opportunity to cheat, did not cheat at all.
165
460000
3000
เมื่อมีโอกาสจะโกงแล้ว ไม่มีใครโกงเลยสักคนเดียว
07:58
It wasn't that the more religious people --
166
463000
2000
มันไม่ใช่เพราะคนที่เคร่งศาสนามากกว่า --
08:00
the people who remembered more of the Commandments -- cheated less,
167
465000
1000
หรือจำบัญญัติสิบประการได้มากกว่า จะโกงน้อยกว่า
08:01
and the less religious people --
168
466000
2000
และคนที่ไม่เคร่งศาสนา --
08:03
the people who couldn't remember almost any Commandments --
169
468000
1000
หรือคนที่แทบจะจำบัญญัติสิบประการไม่ได้ --
08:04
cheated more.
170
469000
2000
จะโกงมากกว่า
08:06
The moment people thought about trying to recall The Ten Commandments,
171
471000
4000
แค่พยายามจะนึกถึงบัญญัติสิบประการเท่านั้น
08:10
they stopped cheating.
172
475000
1000
เขาก็หยุดโกง
08:11
In fact, even when we gave self-declared atheists
173
476000
2000
ที่จริง แม้แต่คนที่ประกาศตัวว่าไม่ได้นับถือพระเจ้า
08:13
the task of swearing on the Bible and we give them a chance to cheat,
174
478000
4000
การให้พวกเขาสาบานต่อพระคัมภีร์ แล้วให้โอกาสที่จะโกง
08:17
they don't cheat at all.
175
482000
2000
พวกเขาก็จะไม่โกง
08:21
Now, Ten Commandments is something that is hard
176
486000
2000
ทีนี้ บัญญัติสิบประการนั้น
08:23
to bring into the education system, so we said,
177
488000
2000
ยากที่จะนำไปผนวกกับระบบการศึกษา เราเลยคิดว่า
08:25
"Why don't we get people to sign the honor code?"
178
490000
2000
"แล้วทำไมเราไม่ให้พวกเขาเซ็นชื่อในบัญญัติเกียรติภูมิล่ะ?"
08:27
So, we got people to sign,
179
492000
2000
เราก็เลยให้คนลงชื่อใต้ประโยคว่า
08:29
"I understand that this short survey falls under the MIT Honor Code."
180
494000
4000
"ฉันเข้าใจว่าการตอบแบบสำรวจนี้จะอยู่ภายใต้เกียรติภูมิของ MIT"
08:33
Then they shredded it. No cheating whatsoever.
181
498000
3000
เมื่อพวกเขาฉีกกระดาษแล้ว พบว่าไม่มีการโกงใดใดทั้งสิ้น
08:36
And this is particularly interesting,
182
501000
1000
เรื่องนี้น่าสนใจมากเลยครับ
08:37
because MIT doesn't have an honor code.
183
502000
2000
เพราะที่จริง MIT ไม่มีบัญญัติเกียรติภูมิ
08:39
(Laughter)
184
504000
5000
(เสียงหัวเราะ)
08:44
So, all this was about decreasing the fudge factor.
185
509000
4000
เอาล่ะ นั่นคือการลดระดับการโกงที่ยอมรับได้
08:48
What about increasing the fudge factor?
186
513000
3000
แล้วอะไรล่ะที่ทำให้ระดับการโกงที่ยอมรับได้เพิ่มขึ้น?
08:51
The first experiment -- I walked around MIT
187
516000
2000
การทดลองแรก -- ผมเดินไปรอบๆ MIT
08:53
and I distributed six-packs of Cokes in the refrigerators --
188
518000
3000
เอาโค้กจำนวนหกแพ็คใส่ไว้ในตู้เย็น --
08:56
these were common refrigerators for the undergrads.
189
521000
2000
หมายถึงตู้เย็นรวมของนักศึกษาปริญญาตรี
08:58
And I came back to measure what we technically call
190
523000
3000
แล้วผมก็กลับมาวัดสิ่งที่เรียกว่า
09:01
the half-lifetime of Coke -- how long does it last in the refrigerators?
191
526000
4000
ช่วงอายุของโค้ก -- มันอยู่ในตู้เย็นได้นานแค่ไหน?
09:05
As you can expect it doesn't last very long; people take it.
192
530000
3000
อย่างที่คุณคาด มันอยู่ได้ไม่นานก็มีคนหยิบไป
09:08
In contrast, I took a plate with six one-dollar bills,
193
533000
4000
ทีนี้ ผมเอาธนบัตรหกดอลลาร์ใส่จาน
09:12
and I left those plates in the same refrigerators.
194
537000
3000
แล้วก็ทิ้งจานนั้นไว้ในตู้เย็นแบบเดียวกัน
09:15
No bill ever disappeared.
195
540000
1000
ธนบัตรกลับไม่หายไป
09:16
Now, this is not a good social science experiment,
196
541000
3000
นี่อาจไม่ใช่การทดลองทางสังคมศาสตร์ที่ถูกหลักการนัก
09:19
so to do it better I did the same experiment
197
544000
3000
เพื่อให้ได้ผลที่เชื่อถือได้มากขึ้น ผมเลยทำการทดลองแบบเดิม
09:22
as I described to you before.
198
547000
2000
อย่างที่ผมได้อธิบายไว้ก่อนหน้านี้
09:24
A third of the people we passed the sheet, they gave it back to us.
199
549000
3000
หนึ่งในสามของผู้ร่วมการทดลอง เราให้เขาส่งกระดาษคำตอบคืนเรา
09:27
A third of the people we passed it to, they shredded it,
200
552000
3000
อีกหนึ่งในสามให้ฉีกกระดาษทิ้งไป
09:30
they came to us and said,
201
555000
1000
ให้เขามาหาเราแล้วพูดว่า
09:31
"Mr. Experimenter, I solved X problems. Give me X dollars."
202
556000
3000
"คุณนักวิจัยครับ ผมแก้โจทย์ได้ X ข้อ จ่ายผมมา X ดอลลาร์"
09:34
A third of the people, when they finished shredding the piece of paper,
203
559000
3000
และอีกหนึ่งในสามของคนที่เราให้ฉีกกระดาษคำตอบทิ้ง
09:37
they came to us and said,
204
562000
2000
ให้เขามาหาเราแล้วบอกว่า
09:39
"Mr Experimenter, I solved X problems. Give me X tokens."
205
564000
6000
"คุณนักวิจัยครับ ผมแก้โจทย์ได้ X ข้อ จ่ายชิปผมมา X อัน"
09:45
We did not pay them with dollars; we paid them with something else.
206
570000
3000
เราไม่ได้จ่ายเป็นเงิน เราจ่ายเป็นอย่างอื่น
09:48
And then they took the something else, they walked 12 feet to the side,
207
573000
3000
แล้วเมื่อพวกเขาได้รับอย่างอื่นที่ว่า เขาต้องเดินไปด้านข้างอีกสิบสองฟุต
09:51
and exchanged it for dollars.
208
576000
2000
แล้วค่อยแลกเป็นเงิน
09:53
Think about the following intuition.
209
578000
2000
ลองนึกดูสิครับ
09:55
How bad would you feel about taking a pencil from work home,
210
580000
3000
คุณจะรู้สึกแย่แค่ไหน ถ้าจิ๊กดินสอจากที่ทำงานกลับบ้าน
09:58
compared to how bad would you feel
211
583000
2000
เปรียบเทียบกับ
10:00
about taking 10 cents from a petty cash box?
212
585000
2000
การหยิบเงินสิบเซนต์จากกล่องใส่เงิน?
10:02
These things feel very differently.
213
587000
3000
ความรู้สึกพวกนี้ต่างกันมาก
10:05
Would being a step removed from cash for a few seconds
214
590000
3000
การเพิ่มขั้นตอนที่ทำให้คุณอยู่ห่างจากเงินสดไปอีกไม่กี่วินาที
10:08
by being paid by token make a difference?
215
593000
3000
โดยการได้รับชิปแทนนั้นมันมีผลอะไรไหม?
10:11
Our subjects doubled their cheating.
216
596000
2000
ปรากฏว่าผู้ร่วมการทดลองของเราโกหกเพิ่มเป็นสองเท่า
10:13
I'll tell you what I think
217
598000
2000
ผมจะบอกคุณว่าผมคิดยังไง
10:15
about this and the stock market in a minute.
218
600000
2000
เกี่ยวกับเรื่องนี้และตลาดหุ้นในไม่กี่นาทีข้างหน้า
10:18
But this did not solve the big problem I had with Enron yet,
219
603000
4000
แต่นี่ก็ยังไม่ช่วยอธิบายเรื่องเอนรอนได้อยู่ดี
10:22
because in Enron, there's also a social element.
220
607000
3000
เพราะในเอนรอน มันมีประเด็นทางสังคมด้วย
10:25
People see each other behaving.
221
610000
1000
คนเราสังเกตว่าคนอื่นทำอะไร
10:26
In fact, every day when we open the news
222
611000
2000
ในความเป็นจริงแล้ว ทุกๆ วันเมื่อเราดูข่าว
10:28
we see examples of people cheating.
223
613000
2000
เราเห็นตัวอย่างของคนที่โกง
10:30
What does this cause us?
224
615000
3000
แล้วมันมีผลอย่างไรกับเรา?
10:33
So, we did another experiment.
225
618000
1000
เราก็เลยลองทำการทดลองอีกแบบหนึ่ง
10:34
We got a big group of students to be in the experiment,
226
619000
3000
ให้นักเรียนกลุ่มใหญ่มาร่วมการทดลอง
10:37
and we prepaid them.
227
622000
1000
และพวกเราก็จ่ายพวกเขาล่วงหน้า
10:38
So everybody got an envelope with all the money for the experiment,
228
623000
3000
ทุกๆ คนได้รับซองที่มีเงินทั้งหมดที่เขาจะได้จากการทดลอง
10:41
and we told them that at the end, we asked them
229
626000
2000
แล้วเราก็บอกพวกเขาในตอนท้ายว่า
10:43
to pay us back the money they didn't make. OK?
230
628000
4000
ขอให้เขาจ่ายคืนเราเท่าจำนวนข้อที่เขาทำไม่ได้ ตกลงไหม?
10:47
The same thing happens.
231
632000
1000
ผลที่ได้ก็เหมือนเดิม
10:48
When we give people the opportunity to cheat, they cheat.
232
633000
2000
ถ้าเราให้โอกาสเขาโกง เขาก็โกง
10:50
They cheat just by a little bit, all the same.
233
635000
3000
พวกเขาโกงเล็กๆ น้อยๆ แต่ก็โกงเหมือนกันหมด
10:53
But in this experiment we also hired an acting student.
234
638000
3000
แต่ว่าในการทดลองนี้ เราจ้างนักศึกษามาเป็นหน้าม้า
10:56
This acting student stood up after 30 seconds, and said,
235
641000
4000
หน้าม้าของเรายืนขึ้นหลังจากสามสิบวินาที แล้วพูดว่า
11:00
"I solved everything. What do I do now?"
236
645000
3000
"ผมทำได้ครบทุกข้อแล้ว ผมต้องทำอะไรต่อ?"
11:03
And the experimenter said, "If you've finished everything, go home.
237
648000
4000
ผู้วิจัยก็จะพูดว่า "ถ้าคุณทำเสร็จแล้ว กลับบ้านได้เลย"
11:07
That's it. The task is finished."
238
652000
1000
ก็เท่านั้น จบภารกิจ
11:08
So, now we had a student -- an acting student --
239
653000
4000
ดังนั้น คราวนี้เรามีนักศึกษาหน้าม้า
11:12
that was a part of the group.
240
657000
2000
เป็นส่วนหนึ่งของกลุ่ม
11:14
Nobody knew it was an actor.
241
659000
2000
ไม่มีใครรู้ว่าเขาคือหน้าม้า
11:16
And they clearly cheated in a very, very serious way.
242
661000
4000
และเขาก็โกงกันเห็นๆ แบบที่ไม่น่ายอมรับได้
11:20
What would happen to the other people in the group?
243
665000
3000
จะเกิดอะไรขึ้นกับคนอื่นๆ ในกลุ่ม?
11:23
Will they cheat more, or will they cheat less?
244
668000
3000
เขาจะโกงเพิ่มขึ้นหรือลดลง?
11:26
Here is what happens.
245
671000
2000
นี่คือสิ่งที่เกิดขึ้น
11:28
It turns out it depends on what kind of sweatshirt they're wearing.
246
673000
4000
น่าสนใจมากครับ เพราะมันขึ้นอยู่กับว่า เขาใส่เสื้ออะไร
11:32
Here is the thing.
247
677000
2000
รายละเอียดเป็นอย่างนี้
11:34
We ran this at Carnegie Mellon and Pittsburgh.
248
679000
3000
เราทำการทดลองนี้ที่คาร์เนกี้ เมลลอน และพิตต์สเบอร์ก
11:37
And at Pittsburgh there are two big universities,
249
682000
2000
ที่พิตต์สเบอร์กมีมหาวิทยาลัยขนาดใหญ่อยู่สองแห่ง
11:39
Carnegie Mellon and University of Pittsburgh.
250
684000
3000
คือคาร์เนกี้ เมลลอน และพิตต์สเบอร์ก
11:42
All of the subjects sitting in the experiment
251
687000
2000
เมื่อผู้เข้าร่วมการทดลองทุกคน
11:44
were Carnegie Mellon students.
252
689000
2000
เป็นนักศึกษาของคาร์เนกี้ เมลลอน
11:46
When the actor who was getting up was a Carnegie Mellon student --
253
691000
4000
ถ้าหน้าม้ายืนที่ขึ้นเป็นนักศึกษาของคาร์เนกี้ เมลลอน --
11:50
he was actually a Carnegie Mellon student --
254
695000
2000
ซึ่งเขาก็เป็นนักศึกษาของคาร์เนกี้ เมลลอนจริงๆ --
11:52
but he was a part of their group, cheating went up.
255
697000
4000
เขาก็เลยเป็นส่วนหนึ่งของกลุ่ม การโกงก็เลยเพิ่มขึ้น
11:56
But when he actually had a University of Pittsburgh sweatshirt,
256
701000
4000
แต่ถ้าหน้าม้าใส่เสื้อพิตต์เบอร์ก
12:00
cheating went down.
257
705000
2000
การโกงจะลดลง
12:02
(Laughter)
258
707000
3000
(เสียงหัวเราะ)
12:05
Now, this is important, because remember,
259
710000
3000
เรื่องนี้สำคัญนะครับ
12:08
when the moment the student stood up,
260
713000
2000
เพราะเมื่อนักศึกษาที่เป็นหน้าม้ายืนขึ้น
12:10
it made it clear to everybody that they could get away with cheating,
261
715000
3000
มันบอกกับทุกคนอย่างชัดเจนเลยว่าคุณสามารถโกงได้
12:13
because the experimenter said,
262
718000
2000
เพราะผู้วิจัยบอกว่า
12:15
"You've finished everything. Go home," and they went with the money.
263
720000
2000
"คุณทำทุกอย่างเสร็จแล้ว กลับบ้านได้" และพวกเขาก็กลับไปพร้อมกับเงินที่โกง
12:17
So it wasn't so much about the probability of being caught again.
264
722000
3000
มันไม่เกี่ยวกับโอกาสที่จะถูกจับได้แล้ว
12:20
It was about the norms for cheating.
265
725000
3000
แต่มันเป็นเรื่องบรรทัดฐานของการโกง
12:23
If somebody from our in-group cheats and we see them cheating,
266
728000
3000
ถ้าบางคนในกลุ่มของพวกเราโกง และเราเห็นเขาโกง
12:26
we feel it's more appropriate, as a group, to behave this way.
267
731000
4000
เราจะรู้สึกว่ามันเป็นพฤติกรรมที่กลุ่มเราทำได้
12:30
But if it's somebody from another group, these terrible people --
268
735000
2000
แต่ถ้าคนๆ นั้นมาจากกลุ่มอื่น บุคคลที่เลวร้ายพวกนี้ --
12:32
I mean, not terrible in this --
269
737000
2000
ผมไม่ได้หมายความว่าเขานิสัยเลวร้าย --
12:34
but somebody we don't want to associate ourselves with,
270
739000
2000
แต่หมายถึงบางคนที่เราไม่อยากเข้าไปเกี่ยวข้องด้วย
12:36
from another university, another group,
271
741000
2000
เพราะเขามาจากมหาวิทยาลัยอื่น จากกลุ่มอื่น
12:38
all of a sudden people's awareness of honesty goes up --
272
743000
3000
คนก็ตระหนักเรื่องความซื่อสัตย์เพิ่มขึ้นทันที
12:41
a little bit like The Ten Commandments experiment --
273
746000
2000
คล้ายกับกรณีเรื่องบัญญัติสิบประการ
12:43
and people cheat even less.
274
748000
4000
แล้วคนก็โกงน้อยลง
12:47
So, what have we learned from this about cheating?
275
752000
4000
เอาล่ะ เราเรียนรู้อะไรเกี่ยวกับการโกงจากเรื่องนี้?
12:51
We've learned that a lot of people can cheat.
276
756000
3000
เราเรียนรู้ว่าคนจำนวนมากโกง
12:54
They cheat just by a little bit.
277
759000
3000
โดยโกงเล็กๆ น้อยๆ
12:57
When we remind people about their morality, they cheat less.
278
762000
4000
เมื่อพวกเราเตือนเขาเรื่องคุณธรรม เขาจะโกงน้อยลง
13:01
When we get bigger distance from cheating,
279
766000
3000
เมื่อการโกงนั้นทำกับวัตถุอื่นที่ไม่ใช่เงินโดยตรง
13:04
from the object of money, for example, people cheat more.
280
769000
4000
เช่น วัตถุที่ใช้แทนเงิน คนก็จะโกงมากขึ้นไปอีก
13:08
And when we see cheating around us,
281
773000
2000
และเมื่อพวกเราเห็นการโกงรอบๆ ตัวเรา
13:10
particularly if it's a part of our in-group, cheating goes up.
282
775000
4000
โดยเฉพาะถ้าเป็นคนกลุ่มเดียวกับเรา การโกงก็จะมากขึ้น
13:14
Now, if we think about this in terms of the stock market,
283
779000
3000
ทีนี้ลองมาดูกรณีของตลาดหลักทรัพย์บ้าง
13:17
think about what happens.
284
782000
1000
นึกถึงสิ่งที่เกิดขึ้น
13:18
What happens in a situation when you create something
285
783000
3000
จะเกิดอะไรขึ้นถ้าเราสร้างสถานการณ์ที่
13:21
where you pay people a lot of money
286
786000
2000
คุณจ่ายเงินจำนวนมากให้ผู้คน
13:23
to see reality in a slightly distorted way?
287
788000
3000
เพื่อให้เขามองเห็นความจริงในมุมที่บิดเบือนไป?
13:26
Would they not be able to see it this way?
288
791000
3000
พวกเขาจะไม่รู้ไต๋คุณเหรอ?
13:29
Of course they would.
289
794000
1000
แน่นอน เขาต้องรู้แน่
13:30
What happens when you do other things,
290
795000
1000
จะเกิดอะไรขึ้น ถ้าเราลองทำอีกแบบหนึ่ง
13:31
like you remove things from money?
291
796000
2000
โดยไม่เอาสิ่งนั้นไปผูกกับเงิน?
13:33
You call them stock, or stock options, derivatives,
292
798000
3000
คุณอาจเรียกมันว่าหุ้น ออพชั่น อนุพันธ์
13:36
mortgage-backed securities.
293
801000
1000
หลักทรัพย์ที่มีทรัพย์สินจำนองหนุนหลัง
13:37
Could it be that with those more distant things,
294
802000
3000
ถ้าเป็นอะไรที่ดูห่างไกลจากเงินออกไป
13:40
it's not a token for one second,
295
805000
2000
มันไม่ใช่ชิปที่แลกเป็นเงินได้ในหนึ่งวินาที
13:42
it's something that is many steps removed from money
296
807000
2000
แต่เป็นสิ่งที่มีขั้นตอนจำนวนมากกว่าจะแปลงเป็นเงินได้
13:44
for a much longer time -- could it be that people will cheat even more?
297
809000
4000
และใช้เวลานานด้วย -- คนจะโกงมากขึ้นไหม?
13:48
And what happens to the social environment
298
813000
2000
แล้วอะไรจะเกิดขึ้นกับสิ่งแวดล้อมทางสังคม
13:50
when people see other people behave around them?
299
815000
3000
เมื่อเราเห็นคนอื่นๆ ทำแบบนั้น?
13:53
I think all of those forces worked in a very bad way
300
818000
4000
ผมคิดว่าสิ่งเหล่านี้เป็นแรงผลักดันที่เลวร้าย
13:57
in the stock market.
301
822000
2000
ในตลาดหลักทรัพย์
13:59
More generally, I want to tell you something
302
824000
3000
ในภาพกว้างกว่านั้น ผมอยากจะบอกคุณบางอย่าง
14:02
about behavioral economics.
303
827000
3000
เกี่ยวกับเศรษฐศาสตร์พฤติกรรม
14:05
We have many intuitions in our life,
304
830000
4000
เรามีความเชื่อลึกๆ มากมายที่มาจากสัญชาตญาณ
14:09
and the point is that many of these intuitions are wrong.
305
834000
3000
ประเด็นก็คือ ความเชื่อพวกนี้จำนวนมากมันผิด
14:12
The question is, are we going to test those intuitions?
306
837000
3000
คำถามก็คือ แล้วเราจะทดสอบความเชื่อนี้กันหรือไม่?
14:15
We can think about how we're going to test this intuition
307
840000
2000
เราสามารถหาวิธีว่าจะทดสอบความเชื่อพวกนี้ได้อย่างไร
14:17
in our private life, in our business life,
308
842000
2000
ในชีวิตส่วนตัว ในหน้าที่การงาน
14:19
and most particularly when it goes to policy,
309
844000
3000
และที่สำคัญที่สุด เมื่อมันกลายเป็นนโยบาย
14:22
when we think about things like No Child Left Behind,
310
847000
3000
อย่างนโนบาย "No Child Left Behind" (นโยบายการศึกษาของสหรัฐ)
14:25
when you create new stock markets, when you create other policies --
311
850000
3000
เวลาคุณสร้างตลาดหลักทรัพย์ใหม่ สร้างนโยบายใหม่
14:28
taxation, health care and so on.
312
853000
3000
ไม่ว่าจะเป็นด้านภาษี สุขภาพ และอื่นๆ
14:31
And the difficulty of testing our intuition
313
856000
2000
การทดสอบความเชื่อของตัวเองนั้นมันยากมาก
14:33
was the big lesson I learned
314
858000
2000
นั่นเป็นบทเรียนสำคัญที่ผมได้เรียนรู้
14:35
when I went back to the nurses to talk to them.
315
860000
2000
เมื่อผมกลับไปหาพยาบาลทั้งหลายที่เคยดูแลผม
14:37
So I went back to talk to them
316
862000
2000
ผมกลับไปเพื่อบอกเขา
14:39
and tell them what I found out about removing bandages.
317
864000
3000
ว่าผมมีข้อค้นพบบางอย่างเกี่ยวกับการดึงผ้าพันแผลออก
14:42
And I learned two interesting things.
318
867000
2000
แล้วผมก็ได้เรียนรู้สิ่งที่น่าสนใจอยู่สองอย่าง
14:44
One was that my favorite nurse, Ettie,
319
869000
2000
หนึ่งคือ พยาบาลที่น่ารักของผม เอตตี้
14:46
told me that I did not take her pain into consideration.
320
871000
4000
บอกผมว่า ผมไม่ได้เอาความเจ็บปวดของเธอเข้าไปวิเคราะห์ด้วย
14:50
She said, "Of course, you know, it was very painful for you.
321
875000
2000
เธอบอกว่า "แน่นอน อย่างที่คุณรู้ มันเจ็บสำหรับคุณ
14:52
But think about me as a nurse,
322
877000
2000
แต่ลองมาเป็นพยาบาลสิ
14:54
taking, removing the bandages of somebody I liked,
323
879000
2000
ต้องพันแผลและดึงผ้าพันแผลออกให้คนมากมาย
14:56
and had to do it repeatedly over a long period of time.
324
881000
3000
แล้วก็ทำแต่แบบนี้ซ้ำๆ เป็นเวลานาน
14:59
Creating so much torture was not something that was good for me, too."
325
884000
3000
การทำให้คนอื่นเจ็บปวดทรมานก็ไม่ใช่เรื่องที่ดีสำหรับฉันเหมือนกัน"
15:02
And she said maybe part of the reason was it was difficult for her.
326
887000
5000
เธอบอกว่า บางทีส่วนหนึ่งก็เพราะมันยากเกินไปสำหรับเธอ
15:07
But it was actually more interesting than that, because she said,
327
892000
3000
แต่มันน่าสนใจมากกว่า ตอนที่เธอบอกว่า
15:10
"I did not think that your intuition was right.
328
895000
5000
"ฉันคิดว่าความเชื่อของคุณไม่ถูก
15:15
I felt my intuition was correct."
329
900000
1000
ฉันรู้สึกว่าความเชื่อของฉันถูกแล้ว"
15:16
So, if you think about all of your intuitions,
330
901000
2000
ดังนั้น ถ้าคุณลองนึกถึงความเชื่อทั้งหลายของคุณเอง
15:18
it's very hard to believe that your intuition is wrong.
331
903000
4000
มันยากนะครับที่คุณจะเชื่อว่าความเชื่อของคุณผิด
15:22
And she said, "Given the fact that I thought my intuition was right ..." --
332
907000
3000
แล้วเธอก็พูดว่า "และเพราะฉันเชื่อว่าความเชื่อของฉันถูก ..." --
15:25
she thought her intuition was right --
333
910000
2000
คือ เธอคิดว่าเธอถูกนะครับ --
15:27
it was very difficult for her to accept doing a difficult experiment
334
912000
5000
มันก็เลยยากมากสำหรับเธอที่จะยอมรับการทดลองที่โหดร้าย
15:32
to try and check whether she was wrong.
335
917000
2000
เพื่อลองตรวจสอบว่าเธอผิดหรือเปล่า
15:34
But in fact, this is the situation we're all in all the time.
336
919000
4000
ที่จริง เราทุกคนล้วนอยู่ในสถานการณ์เช่นนี้ตลอดเวลา
15:38
We have very strong intuitions about all kinds of things --
337
923000
3000
เรามีความเชื่อที่มั่นคงในทุกเรื่อง --
15:41
our own ability, how the economy works,
338
926000
3000
ความสามารถของเรา กลไกการทำงานของเศรษฐกิจ
15:44
how we should pay school teachers.
339
929000
2000
เราควรจะจ่ายเงินเดือนครูอย่างไร
15:46
But unless we start testing those intuitions,
340
931000
3000
แต่ถ้าเราไม่ได้เริ่มทดสอบความเชื่อเหล่านั้น
15:49
we're not going to do better.
341
934000
2000
เราก็จะไม่มีวันทำให้อะไรมันดีขึ้นได้
15:51
And just think about how better my life would have been
342
936000
2000
ลองนึกดูสิครับว่าชีวิตผมจะดีขึ้นขนาดไหน
15:53
if these nurses would have been willing to check their intuition,
343
938000
2000
ถ้าพยาบาลเหล่านี้ยอมตรวจสอบสิ่งที่เขาเชื่ออยู่
15:55
and how everything would have been better
344
940000
1000
และทุกสิ่งจะดีขึ้นขนาดไหน
15:56
if we just start doing more systematic experimentation of our intuitions.
345
941000
5000
ถ้าเราเริ่มทำการทดลองอย่างเป็นระบบเพื่อตรวจสอบความเชื่อทั้งหลายของเรา
16:01
Thank you very much.
346
946000
2000
ขอบคุณมากครับ
ABOUT THE SPEAKER
Dan Ariely - Behavioral economistThe dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why.
Why you should listen
Dan Ariely is a professor of psychology and behavioral economics at Duke University and a founding member of the Center for Advanced Hindsight. He is the author of the bestsellers Predictably Irrational, The Upside of Irrationality, and The Honest Truth About Dishonesty -- as well as the TED Book Payoff: The Hidden Logic that Shapes Our Motivations.
Through his research and his (often amusing and unorthodox) experiments, he questions the forces that influence human behavior and the irrational ways in which we often all behave.
Dan Ariely | Speaker | TED.com