TED2011
Dan Ariely: Beware conflicts of interest
Νταν Αριελι: Προσέξτε τις συγκρούσεις συμφερόντων
Filmed:
Readability: 3.3
1,284,831 views
Σε αυτή την σύντομη ομιλία, ο ψυχολόγος Νταν Αριελι διηγείται δύο προσωπικές ιστορίες που πραγματεύονται την σύγκρουση συμφερόντων στην επιστήμη: Πώς μπορούν το κυνήγι της γνώσης και η οξυδέρκεια να επηρεαστούν, συνειδητά ή όχι, από κοντόφθαλμους προσωπικούς στόχους. Οταν σκεφτόμαστε τις μεγάλες ερωτήσεις, μας υπενθυμίζει, ας έχουμε συνείδηση του πολύ ανθρώπινου μυαλού μας.
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
So, I was in the hospital for a long time.
0
1000
3000
Ήμουν στο νοσοκομείο για πολύ καιρό.
00:19
And a few years after I left, I went back,
1
4000
3000
Μερικά χρόνια μετά που βγήκα, πήγα πίσω,
00:22
and the chairman of the burn department was very excited to see me --
2
7000
3000
και ο πρόεδρος του τμήματος εγκαυμάτων ήταν πάρα πολύ ενθουσιασμένος που με έβλεπε --
00:25
said, "Dan, I have a fantastic new treatment for you."
3
10000
3000
και είπε, "Νταν, έχω μία φανταστική καινούρια θεραπεία για σένα."
00:28
I was very excited. I walked with him to his office.
4
13000
2000
Ενθουσιάστηκα. Τον ακολούθησα στο γραφείο του.
00:30
And he explained to me that, when I shave,
5
15000
3000
Και μου εξήγησε πως, όταν ξυρίζομαι,
00:33
I have little black dots on the left side of my face where the hair is,
6
18000
3000
έχω μικρές μαύρες κουκίδες στην αριστερή πλευρά του προσώπου μου όπου είναι τα γένια,
00:36
but on the right side of my face
7
21000
2000
αλλά στην δεξιά πλευρά του προσώπου μου,
00:38
I was badly burned so I have no hair,
8
23000
2000
είχα ένα σοβαρό έγκαυμα οπότε δεν έχω γένια,
00:40
and this creates lack of symmetry.
9
25000
2000
και αυτό δημιουργεί μια ασυμετρία.
00:42
And what's the brilliant idea he had?
10
27000
2000
Και ποιά ήταν η λαμπρή ιδέα που είχε;
00:44
He was going to tattoo little black dots
11
29000
2000
Θα μου έκανε τατουάζ μικρές μαύρες κουκίδες
00:46
on the right side of my face
12
31000
3000
στην δεξιά μεριά του προσώπου μου
00:49
and make me look very symmetric.
13
34000
2000
και έτσι θα με έκανε να φαίνομαι πολύ συμμετρικός.
00:51
It sounded interesting. He asked me to go and shave.
14
36000
3000
Μου φάνηκε ενδιαφέρον. Μου ζήτησε να παω να ξυριστώ.
00:54
Let me tell you, this was a strange way to shave,
15
39000
2000
Να σας πω την αλήθεια, αυτό το ξύρισμα ήταν παράξενο για μένα,
00:56
because I thought about it
16
41000
2000
γιατί το σκεφτόμουνα,
00:58
and I realized that the way I was shaving then
17
43000
2000
και συνειδητοποίησα οτι ο τρόπος με τον οποίο ξυριζόμουν τότε
01:00
would be the way I would shave for the rest of my life --
18
45000
2000
θα ήταν ο τρόπος με τον οποίο θα ξυριζόμουν για το υπόλοιπο της ζωής μου --
01:02
because I had to keep the width the same.
19
47000
2000
γιατί θα έπρεπε να διατηρώ το ίδιο μήκος.
01:04
When I got back to his office,
20
49000
2000
Οταν γύρισα πίσω στο γραφείο του,
01:06
I wasn't really sure.
21
51000
2000
Δεν ήμουν απόλυτα σίγουρος.
01:08
I said, "Can I see some evidence for this?"
22
53000
2000
Είπα, "Μπορώ να δώ κάποια απόδειξη για αυτό;"
01:10
So he showed me some pictures
23
55000
2000
Οπότε μου έδιειξε μερικές φωτογραφίες
01:12
of little cheeks with little black dots --
24
57000
2000
μικρών μάγουλων με μικρές μαύρες κουκίδες --
01:14
not very informative.
25
59000
2000
όχι πολύ χρήσιμες.
01:16
I said, "What happens when I grow older and my hair becomes white?
26
61000
2000
Είπα, "Τι θα συμβεί όταν γεράσω και τα γένια μου γίνουν άσπρα;
01:18
What would happen then?"
27
63000
2000
Τι θα συμβεί τότε;"
01:20
"Oh, don't worry about it," he said.
28
65000
2000
"Α, μην ανησυχείς για αυτό," είπε.
01:22
"We have lasers; we can whiten it out."
29
67000
3000
"Εχουμε λέιζερ, θα τα ασπρίσουμε."
01:25
But I was still concerned,
30
70000
2000
Αλλά ήμουν ακόμα προβληματισμένος,
01:27
so I said, "You know what, I'm not going to do it."
31
72000
3000
οπότε είπα, "Ξέρεις, δεν θα το κάνω."
01:30
And then came one of the biggest guilt trips of my life.
32
75000
4000
Και μετά ξεκίνησε ένα από τα μεγαλύτερα ταξίδια ενοχών της ζωής μου.
01:34
This is coming from a Jewish guy, all right, so that means a lot.
33
79000
3000
Σας το λέει αυτό ένας Εβραίος, εντάξει, οπότε έχει μεγάλη βαρύτητα.
01:37
(Laughter)
34
82000
2000
(Γέλια)
01:39
And he said, "Dan, what's wrong with you?
35
84000
3000
Και μου είπε, "Νταν, τι πάει στραβά με σένα;
01:42
Do you enjoy looking non-symmetric?
36
87000
2000
Σου αρέσει να είσαι ασύμμετρος;
01:44
Do you have some kind of perverted pleasure from this?
37
89000
5000
Εχεις κάποιου είδους διαστροφή και το απολαμβάνεις αυτό;
01:49
Do women feel pity for you
38
94000
2000
Μήπως οι γυναίκες σε λυπούνται
01:51
and have sex with you more frequently?"
39
96000
3000
και κάνουν σεξ μαζί σου πιο συχνά;"
01:54
None of those happened.
40
99000
3000
Τίποτα απο αυτά δεν συνέβαινε.
01:58
And this was very surprising to me,
41
103000
2000
Και όλο αυτό μου προκάλεσε μεγάλη έκπληξη,
02:00
because I've gone through many treatments --
42
105000
2000
γιατί είχα περάσει πολλές θεραπείες --
02:02
there were many treatments I decided not to do --
43
107000
2000
και υπήρχαν πολλές θεραπείες που αποφάσισα να μήν κάνω --
02:04
and I never got this guilt trip to this extent.
44
109000
2000
αλλά ποτέ δεν προσπαθησε κάποιος να με κάνει να νιώσω ενοχές σε αυτό το βαθμό.
02:06
But I decided not to have this treatment.
45
111000
2000
Αλλά αποφάσισα να μην κάνω αυτή την θεραπεία.
02:08
And I went to his deputy and asked him, "What was going on?
46
113000
2000
Πήγα όμως στον αναπληρωτή του και τον ρώτησα, "Τί συμβαίνει;"
02:10
Where was this guilt trip coming from?"
47
115000
2000
Γιατί θέλει να με κάνει να νιώσω ένοχος;"
02:12
And he explained that they have done this procedure on two patients already,
48
117000
4000
Και μου εξήγησε ότι είχαν ήδη κάνει αυτή τη θεραπεία σε δύο ασθενείς,
02:16
and they need the third patient for a paper they were writing.
49
121000
3000
και χρειαζόντουσαν έναν τρίτο ασθενή για μία δημοσίευση που ετοίμαζαν.
02:19
(Laughter)
50
124000
2000
(Γέλια)
02:21
Now you probably think that this guy's a schmuck.
51
126000
2000
Πιθανόν να πιστεύετε τώρα ότι αυτός ο τύπος ήταν απαραδεκτος.
02:23
Right, that's what he seems like.
52
128000
2000
Σωστά, έτσι φαίνεται.
02:25
But let me give you a different perspective on the same story.
53
130000
3000
Αλλά επιτρέψτε μου να σας δώσω και μία διαφορετική εκδοχή της ίδιας ιστορίας
02:28
A few years ago, I was running some of my own experiments in the lab.
54
133000
3000
Μερικά χρόνια πριν, έτρεχα κάποια πειράματα στο δικό μου εργαστήριο.
02:31
And when we run experiments,
55
136000
2000
Οταν τρέχουμε πειράματα,
02:33
we usually hope that one group will behave differently than another.
56
138000
3000
συνήθως ελπίζουμε ότι το ένα γκρουπ ανθρώπων θα συμπεριφερθεί διαφορετικά από ένα άλλο.
02:36
So we had one group that I hoped their performance would be very high,
57
141000
3000
Είχαμε λοιπόν ένα γκρουπ που ήλπιζα ότι θα είχε πολύ ψηλή απόδοση,
02:39
another group that I thought their performance would be very low,
58
144000
3000
και ένα άλλο γκρουπ που πίστευα ότι η απόδοσή του θα ήταν πολύ χαμηλή.
02:42
and when I got the results, that's what we got --
59
147000
2000
Και όταν πήρα τα αποτελέσματα, όντως αυτό το αποτέλεσμα πήραμε --
02:44
I was very happy -- aside from one person.
60
149000
3000
Ημουν πολύ χαρούμενος -- εκτός από ένα άτομο.
02:47
There was one person in the group
61
152000
2000
Υπήρχε ένα άτομο στο γκρουπ
02:49
that was supposed to have very high performance
62
154000
2000
που έπρεπε να έχει πολύ ψηλή απόδοση
02:51
that was actually performing terribly.
63
156000
2000
αλλά στην πραγματικότητα είχε αποδόσει χάλια.
02:53
And he pulled the whole mean down,
64
158000
2000
Και κατέβαζε όλο τον μέσο όρο πολύ χαμηλά,
02:55
destroying my statistical significance of the test.
65
160000
3000
καταστρέφοντας την στατιστική σημαντικότητα του τέστ.
02:59
So I looked carefully at this guy.
66
164000
2000
Οπότε, έψαξα προσεκτικά αυτόν τον τύπο.
03:01
He was 20-some years older than anybody else in the sample.
67
166000
3000
Ηταν περίπου 20 χρόνια μεγαλύτερος από οποιονδήποτε άλλο στο δείγμα.
03:04
And I remembered that the old and drunken guy
68
169000
2000
Και θυμήθηκα ότι ένας γέρος, μεθυσμένος
03:06
came one day to the lab
69
171000
2000
ήρθε μια μέρα στο εργαστήριο
03:08
wanting to make some easy cash
70
173000
2000
θέλωντας να βγάλει μερικά έυκολα λεφτά
03:10
and this was the guy.
71
175000
2000
και ήταν αυτός.
03:12
"Fantastic!" I thought. "Let's throw him out.
72
177000
2000
"Τέλεια!" σκέφτηκα. "Ας τον βγάλω απο το δείγμα.
03:14
Who would ever include a drunken guy in a sample?"
73
179000
3000
Ποιός θα συμπεριλάμβανε έναν μεθυσμένο σε ένα δείγμα;"
03:17
But a couple of days later,
74
182000
2000
Αλλά μερικές μέρες μετά,
03:19
we thought about it with my students,
75
184000
2000
το σκεφτόμασταν με τους φοιτητές μου,
03:21
and we said, "What would have happened if this drunken guy was not in that condition?
76
186000
3000
και είπαμε, "Τι θα συνέβενε αν αυτός ο μεθυσμένος τύπος δεν ήταν σε αυτή την κατάσταση;
03:24
What would have happened if he was in the other group?
77
189000
2000
Τι θα συνέβενε αν ήταν στο άλλο γκρουπ;
03:26
Would we have thrown him out then?"
78
191000
2000
Θα τον είχαμε βγάλει απο το δείγμα σε αυτή την περίπτωση;"
03:28
We probably wouldn't have looked at the data at all,
79
193000
2000
Πιθανότατα δεν θα είχαμε κοιτάξει καν τα δεδομένα,
03:30
and if we did look at the data,
80
195000
2000
και ακόμα και αν τα είχαμε κοιτάξει,
03:32
we'd probably have said, "Fantastic! What a smart guy who is performing this low,"
81
197000
3000
θα είχαμε πει, "Τέλεια! Τι έξυπνος αυτός ο τύπος και έχει τόσο χαμηλή απόδοση,"
03:35
because he would have pulled the mean of the group lower,
82
200000
2000
γιατί θα είχε κατεβάσει τον μέσο όρο του γκρούπ χαμηλότερα,
03:37
giving us even stronger statistical results than we could.
83
202000
3000
και θα είχε αυξήσει την στατιστική σημασία των αποτελεσμάτων μας περισσότερο από όσο εμείς θα μπορούσαμε.
03:41
So we decided not to throw the guy out and to rerun the experiment.
84
206000
3000
Οπότε αποφασίσαμε να μην βγάλουμε τον τύπο αυτό απο το δείγμα και να ξανατρέξουμε το πείραμα.
03:44
But you know, these stories,
85
209000
3000
Αλλά ξέρετε, αυτές οι ιστορίες,
03:47
and lots of other experiments that we've done on conflicts of interest,
86
212000
3000
και πολλά άλλα πειράματα που έχουμε κάνει στο θέμα της σύγκρουσης συμφερόντων
03:50
basically kind of bring two points
87
215000
2000
βασικά φέρνουν δύο πράγματα
03:52
to the foreground for me.
88
217000
2000
στην επιφάνεια για μένα.
03:54
The first one is that in life we encounter many people
89
219000
3000
Το πρώτο είναι ότι στην ζωή συναντάμε πολλούς ανθρώπους
03:57
who, in some way or another,
90
222000
3000
που, για τον ένα ή τον άλλο λόγο,
04:00
try to tattoo our faces.
91
225000
2000
προσπαθούν να κάνουν τατουάζ στα πρόσωπά μας.
04:02
They just have the incentives that get them to be blinded to reality
92
227000
3000
Απλά έχουν τα κίνητρα που τους κάνουν να μην βλέπουν την πραγματικότητα
04:05
and give us advice that is inherently biased.
93
230000
3000
και μας δίνουν συμβουλές που ειναι από τη φύση τους προκατειλημένες.
04:08
And I'm sure that it's something that we all recognize,
94
233000
2000
Και είμαι σίγουρος ότι αυτό είναι κάτι που όλοι μας αναγνωρίζουμε,
04:10
and we see that it happens.
95
235000
2000
και που βλέπουμε ότι συμβαίνει.
04:12
Maybe we don't recognize it every time,
96
237000
2000
Ίσως δεν το αναγνωρίζουμε κάθε φορά,
04:14
but we understand that it happens.
97
239000
2000
αλλά καταλαβαίνουμε ότι συμβαίνει.
04:16
The most difficult thing, of course, is to recognize
98
241000
2000
Το πιο δύσκολο φυσικά, είναι να αναγνωρίσουμε
04:18
that sometimes we too
99
243000
2000
ότι κάποιες φορές και εμείς οι ίδιοι
04:20
are blinded by our own incentives.
100
245000
2000
τυφλωνόμαστε από τα δικά μας κίνητρα.
04:22
And that's a much, much more difficult lesson to take into account.
101
247000
3000
Και αυτό ειναι ένα πολύ, πολύ πιο δύσκολο μάθημα που πρέπει να μάθουμε.
04:25
Because we don't see how conflicts of interest work on us.
102
250000
4000
Γιατί δεν βλέπουμε πως οι συγκρούσεις συμφερόντων μας επηρεάζουν.
04:29
When I was doing these experiments,
103
254000
2000
Όταν έκανα αυτά τα πειράματα,
04:31
in my mind, I was helping science.
104
256000
2000
στο μυαλό μου, βοηθούσα την επιστήμη.
04:33
I was eliminating the data
105
258000
2000
Διέγραφα τα δεδομένα
04:35
to get the true pattern of the data to shine through.
106
260000
2000
για να επιτρέψω να λάμψει η πραγματική θεωρία πίσω απο τα δεδομένα.
04:37
I wasn't doing something bad.
107
262000
2000
Δεν έκανα κάτι κακό.
04:39
In my mind, I was actually a knight
108
264000
2000
Στο μυαλό μου, ήμουν ένας ιππότης
04:41
trying to help science move along.
109
266000
2000
που προσπαθούσε να βοηθήσει την επιστήμη να προχωρήσει.
04:43
But this was not the case.
110
268000
2000
Αλλά δεν ήταν έτσι τα πράγματα.
04:45
I was actually interfering with the process with lots of good intentions.
111
270000
3000
Βασικά, παρενέβαινα στη διαδικασία με πολλές καλλές προθέσεις.
04:48
And I think the real challenge is to figure out
112
273000
2000
Και νομίζω ότι η πραγματική πρόκληση ειναι να καταλαβαίνουμε
04:50
where are the cases in our lives
113
275000
2000
ποιές ειναι εκείνες οι περιπτώσεις στη ζωή μας
04:52
where conflicts of interest work on us,
114
277000
2000
όπου επηρεαζόμαστε από συγκρουόμενα συμφέροντα,
04:54
and try not to trust our own intuition to overcome it,
115
279000
3000
και να προσπαθούμε να μην εμπιστευόμαστε την διαίσθησή μας για να το αντιμετωπίσουμε,
04:57
but to try to do things
116
282000
2000
αλλά να προσπαθούμε να κάνουμε πράγματα
04:59
that prevent us from falling prey to these behaviors,
117
284000
2000
που μας αποτρέπουν από το να γίνουμε θύματα αυτής της συμπεριφοράς,
05:01
because we can create lots of undesirable circumstances.
118
286000
3000
γιατί αν δεν το κάνουμε αυτό μπορούμε να δημιουργήσουμε πολλές μη επιθυμητές καταστάσεις.
05:05
I do want to leave you with one positive thought.
119
290000
2000
Θέλω να σας αφήσω με την εξής θετική σκέψη.
05:07
I mean, this is all very depressing, right --
120
292000
2000
Όλο αυτό ειναι αρκετά καταθλιπτικό, σωστά --
05:09
people have conflicts of interest, we don't see it, and so on.
121
294000
3000
οι άνθρωποι έχουμε συγκρουόμενα συμφέροντα, δεν το βλέπουμε, κτλ κτλ.
05:12
The positive perspective, I think, of all of this
122
297000
2000
Η θετική άποψη, νομίζω, όλων αυτών
05:14
is that, if we do understand when we go wrong,
123
299000
3000
είανι ότι, αν καταλάβουμε πότε κάνουμε το λάθος,
05:17
if we understand the deep mechanisms
124
302000
2000
και αν καταλάβουμε τους βαθύτερους μηχανισμούς
05:19
of why we fail and where we fail,
125
304000
2000
του γιατί και πότε κάνουμε τέτοια λάθη,
05:21
we can actually hope to fix things.
126
306000
2000
μπορούμε πραγματικά να ελπίζουμε ότι τα πράγματα θα φτιάξουν.
05:23
And that, I think, is the hope. Thank you very much.
127
308000
2000
Και αυτό, νομίζω, είναι η ελπίδα. Ευχαριστώ πάρα πολύ.
05:25
(Applause)
128
310000
4000
(Χειροκροτήματα)
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