TEDxWinnipeg
Jeff Hancock: The future of lying
Τζεφ Χάνκοκ: 3 είδη (ψηφιακής) εξαπάτησης
Filmed:
Readability: 3.3
1,347,124 views
Ποιος δεν έχει στείλει ένα SMS λέγοντας "Έρχομαι τώρα" ενώ δεν ήταν αλήθεια ή δεν έχει παραποιήσει λίγο το πραγματικό του προφίλ σε σελίδες γνωριμιών;
Ο Τζεφ Χάνκοκ ωστόσο δεν υποστηρίζει ότι η διαδικτυακή ανωνυμία ενθαρρύνει την ανειλικρίνεια. Μάλιστα, τονίζει πως η δυνατότητα αναζήτησης και η μονιμότητα της πληροφορίας στο διαδίκτυο αντιθέτως μπορεί να μας κρατάει ειλικρινείς.
Jeff Hancock - Psychologist
Jeff Hancock studies how we interact by email, text message and social media blips, seeking to understand how technology mediates communication. Full bio
Jeff Hancock studies how we interact by email, text message and social media blips, seeking to understand how technology mediates communication. Full bio
Double-click the English transcript below to play the video.
00:16
Let me tell you, it has been a fantastic month for deception.
0
381
3713
Ξέρετε, αυτός ήταν ένας φανταστικός μήνας για την εξαπάτηση
00:19
And I'm not even talking about the American presidential race. (Laughter)
1
4094
4253
Και δεν μιλάω καν για τις αμερικανικές προεδρικές εκλογές. (Γέλια)
00:24
We have a high-profile journalist caught for plagiarism,
2
8347
4335
Έχουμε έναν υψηλού επιπέδου δημοσιογράφο που πιάστηκε στα πράσα για λογοκλοπή,
00:28
a young superstar writer whose book involves
3
12682
2932
έναν νέο διάσημο συγγραφέα του οποίου το βιβλίο περιλαμβάνει
00:31
so many made up quotes that they've pulled it from the shelves;
4
15614
3305
τόσα αυτοκατασκευασμένα αποσπάσματα που το απέσυραν από την κυκλοφορία,
00:34
a New York Times exposé on fake book reviews.
5
18919
2598
μια έκθεση των New York Times για τις πλαστές κριτικές βιβλίων.
00:37
It's been fantastic.
6
21517
1409
Ήταν φανταστικός μήνας.
00:38
Now, of course, not all deception hits the news.
7
22926
3851
Φυσικά, δεν γίνεται η κάθε εξαπάτηση είδηση.
00:42
Much of the deception is everyday. In fact, a lot of research
8
26777
3679
Μεγάλο μέρος της εξάπατησης συμβαίνει καθημερινά. Μάλιστα, πολλές έρευνες
00:46
shows that we all lie once or twice a day, as Dave suggested.
9
30456
4331
δείχνουν πως όλοι λέμε ψέματα μια ή δυο φορές τη μέρα, όπως υπαινίχθηκε ο Ντέιβ.
00:50
So it's about 6:30 now, suggests that most of us should have lied.
10
34787
2933
Είναι περίπου 6:30 τώρα, συνεπώς οι περισσότεροι από εμάς πρέπει να έχουμε πει ψέμματα.
00:53
Let's take a look at Winnipeg. How many of you,
11
37720
1900
Για να δούμε τι γίνεται στο Γουίνιπεγκ. Πόσοι από εσάς,
00:55
in the last 24 hours -- think back -- have told a little fib,
12
39620
2927
τις τελευταίες 24 ώρες -- σκεφτείτε -- έχετε πει ένα μικρό ψεματάκι,
00:58
or a big one? How many have told a little lie out there?
13
42547
3551
ή ένα μεγάλο; Πόσοι έχουν πει ένα μικρό ψέμα εδώ πέρα;
01:01
All right, good. These are all the liars.
14
46098
1904
Ωραία, μια χαρά. Αυτοί είναι όλοι οι ψεύτες.
01:03
Make sure you pay attention to them. (Laughter)
15
48002
3293
Φροντίστε να τους προσέχετε. (Γέλια)
01:07
No, that looked good, it was about two thirds of you.
16
51295
2146
Όχι, αυτό ήταν καλό, ήταν περίπου τα δύο τρίτα από εσάς.
01:09
The other third didn't lie, or perhaps forgot,
17
53441
2852
Το άλλο ένα τρίτο δεν είπε ψέματα, ή ίσως το ξέχασε,
01:12
or you're lying to me about your lying, which is very,
18
56293
2660
ή μου λέτε ψέματα ότι είπατε ψέματα, κάτι που είναι πολύ,
01:14
very devious. (Laughter) This fits with a lot of the research,
19
58953
4050
πολύ πονηρό. (Γέλια) Αυτό ταιριάζει με ένα μεγάλο μέρος της έρευνας,
01:18
which suggests that lying is very pervasive.
20
63003
3354
που δείχνει ότι το ψέμα είναι διαπεραστικό.
01:22
It's this pervasiveness, combined with the centrality
21
66357
3961
Η διάχυσή του, συνδυάζεται με την ιδέα
01:26
to what it means to be a human, the fact that we can
22
70318
2440
της ανθρώπινης ύπαρξης, το γεγονός ότι μπορούμε
01:28
tell the truth or make something up,
23
72758
1880
να πούμε την αλήθεια ή να κατασκευάσουμε κάτι,
01:30
that has fascinated people throughout history.
24
74638
2851
έχει συναρπάσει τους ανθρώπους στο πέρας της ιστορίας.
01:33
Here we have Diogenes with his lantern.
25
77489
2629
Εδώ έχουμε τον Διογένη με το φανάρι του.
01:36
Does anybody know what he was looking for?
26
80118
2680
Ξέρει κανένας σας τι αναζητούσε;
01:38
A single honest man, and he died without finding one
27
82798
3784
Έναν ειλικρινή άνθρωπο, και πέθανε χωρίς να βρει κάποιον
01:42
back in Greece. And we have Confucius in the East
28
86582
3017
πίσω στην Ελλάδα. Ο Κομφούκιος στην Ανατολή
01:45
who was really concerned with sincerity,
29
89599
2377
που ενδιαφερόταν πραγματικά με ειλικρίνεια,
01:47
not only that you walked the walk or talked the talk,
30
91976
3084
όχι μόνο για το δρόμο που ακολουθούσες ή έλεγες αυτά που έπρεπε,
01:50
but that you believed in what you were doing.
31
95060
3154
άλλα ότι πίστευες σε αυτό που έκανες.
01:54
You believed in your principles.
32
98214
2006
Πίστευες στις αρχές σου.
01:56
Now my first professional encounter with deception
33
100220
2931
Η πρώτη μου επαγγελματική συνάντηση με την εξαπάτηση
01:59
is a little bit later than these guys, a couple thousand years.
34
103151
3463
έγινε λίγο αργότερα από αυτών των δύο, μερικές χιλιάδες χρόνια αργότερα.
02:02
I was a customs officer for Canada back in the mid-'90s.
35
106614
3799
Στα μέσα της δεκαετίας του '90 ήμουν τελωνειακός για τον Καναδά.
02:06
Yeah. I was defending Canada's borders.
36
110413
2826
Ναι. Υπερασπιζόμουν τα σύνορα του Καναδά.
02:09
You may think that's a weapon right there. In fact,
37
113239
3782
Μπορεί να νομίζετε ότι αυτό εκεί είναι όπλο. Στην πραγματικότητα,
02:12
that's a stamp. I used a stamp to defend Canada's borders. (Laughter)
38
117021
5030
αυτό είναι μια σφραγίδα. Χρησιμοποιούσα μια σφραγίδα για να υπερασπιστώ τα σύνορα του Καναδά.
02:17
Very Canadian of me. I learned a lot about deception
39
122051
3537
Πολύ καναδικό εκ μέρους μου. Έμαθα πολλά για την εξαπάτηση
02:21
while doing my duty here in customs,
40
125588
3055
κάνοντας το καθήκον μου στο τελωνείο,
02:24
one of which was that most of what I thought I knew about deception was wrong,
41
128643
2884
όπως ότι τα περισσότερα από αυτά που νόμιζα πως ήξερα για την εξαπάτηση ήταν λάθος,
02:27
and I'll tell you about some of that tonight.
42
131527
1752
και θα σας πω μερικά από αυτά απόψε.
02:29
But even since just 1995, '96, the way we communicate
43
133279
4074
Ακόμα και από το 1995, '96, ο τρόπος που επικοινωνούμε
02:33
has been completely transformed. We email, we text,
44
137353
3297
έχει μεταμορφωθεί ολοκληρωτικά. Στέλνουμε μέιλ, SMS,
02:36
we skype, we Facebook. It's insane.
45
140650
2613
χρησιμοποιούμε το skype, το Facebook. Είναι τρέλα.
02:39
Almost every aspect of human communication's been changed,
46
143263
3261
Σχεδόν κάθε έκφανση της ανθρώπινης επικοινωνίας έχει αλλάξει,
02:42
and of course that's had an impact on deception.
47
146524
2560
και φυσικά αυτό είχε αντίκτυπο στην εξαπάτηση.
02:44
Let me tell you a little bit about a couple of new deceptions
48
149084
2583
Επιτρέψτε μου να σας μιλήσω λίγο για κάποια νέα είδη εξαπάτησης
02:47
we've been tracking and documenting.
49
151667
2376
τα οποία παρακολουθούμε και καταγράφουμε.
02:49
They're called the Butler, the Sock Puppet
50
154043
4244
Είναι ο Μπάτλερ, η Μαριονέτα Κάλτσα
02:54
and the Chinese Water Army.
51
158287
2081
και ο Κινεζικός Στρατός Νερού.
02:56
It sounds a little bit like a weird book,
52
160368
1897
Ακούγεται λίγο σαν παράξενο βιβλίο,
02:58
but actually they're all new types of lies.
53
162265
2133
αλλά πρόκειται ουσιαστικά για νέους τύπους ψέματος.
03:00
Let's start with the Butlers. Here's an example of one:
54
164398
3045
Ας αρχίσουμε με τους Μπάτλερ. Ορίστε ένα παράδειγμα:
03:03
"On my way." Anybody ever written, "On my way?"
55
167443
3113
«Έρχομαι τώρα». Έχει γράψει ποτέ κανείς σας, «Έρχομαι τώρα»;
03:06
Then you've also lied. (Laughter)
56
170556
3763
Τότε έχετε πει επίσης ψέματα. (Γέλια)
03:10
We're never on our way. We're thinking about going on our way.
57
174319
4197
Ποτέ δεν είμαστε καθοδόν. Σκεφτόμαστε να ξεκινήσουμε να πηγαίνουμε.
03:14
Here's another one: "Sorry I didn't respond to you earlier.
58
178516
2763
Ορίστε ένα άλλο: «Συγγνώμη που δεν σου απάντησα πριν.
03:17
My battery was dead." Your battery wasn't dead.
59
181279
1965
Είχε πέσει η μπαταρία μου». Δεν είχε πέσει η μπαταρία σας.
03:19
You weren't in a dead zone.
60
183244
1876
Δεν ήσαστε σε νεκρή ζώνη.
03:21
You just didn't want to respond to that person that time.
61
185120
1953
Απλά δεν θέλατε να απαντήσετε σε εκείνο το άτομο εκείνη τη στιγμή.
03:22
Here's the last one: You're talking to somebody,
62
187073
1797
Ορίστε το τελευταίο: Μιλάτε σε κάποιον,
03:24
and you say, "Sorry, got work, gotta go."
63
188870
2490
και λέτε, «Συγγνώμη, έχω δουλειά, πρέπει να πηγαίνω».
03:27
But really, you're just bored. You want to talk to somebody else.
64
191360
3797
Στην πραγματικότητα όμως, απλά βαριέστε. Θέλετε να μιλήσετε με κάποιον άλλο.
03:31
Each of these is about a relationship,
65
195157
2416
Το καθένα από αυτά τα παραδείγματα έχει να κάνει με μια σχέση,
03:33
and this is a 24/7 connected world. Once you get my cell phone number,
66
197573
4405
και είμαστε ένας συνδεδεμένος κόσμος 24 ώρες, 7 μέρες την εβδομάδα. Μόλις πάρετε τον αριθμό του κινητού μου,
03:37
you can literally be in touch with me 24 hours a day.
67
201978
2965
μπορείτε κυριολεκτικά να επικοινωνήσετε μαζί μου σε 24ωρη βάση.
03:40
And so these lies are being used by people
68
204943
2369
Έτσι αυτά τα ψέματα χρησιμοποιούνται από τους ανθρώπους
03:43
to create a buffer, like the butler used to do,
69
207312
2826
για να δημιουργήσουν μια ασπίδα, όπως έκανε παλιότερα ο μπάτλερ,
03:46
between us and the connections to everybody else.
70
210138
3407
έναντι των ατόμων με τα οποία έχουμε σχέσεις.
03:49
But they're very special. They use ambiguity
71
213545
1707
Αλλά είναι πολύ ιδιαίτερα. Χρησιμοποιούν την ασάφεια
03:51
that comes from using technology. You don't know
72
215252
2061
που προκύπτει από τη χρήση της τεχνολογίας. Δεν ξέρετε
03:53
where I am or what I'm doing or who I'm with.
73
217313
2948
που βρίσκομαι ή τι κάνω ή με ποιον είμαι.
03:56
And they're aimed at protecting the relationships.
74
220261
2491
Και σκοπέυουν στην προστασία των σχέσεων.
03:58
These aren't just people being jerks. These are people
75
222752
2581
Δεν πρόκειται για ανθρώπους που φέρονται άσχημα. Αυτά είναι άτομα
04:01
that are saying, look, I don't want to talk to you now,
76
225333
2376
που λένε, κοίτα, δεν θέλω να σου μιλήσω τώρα,
04:03
or I didn't want to talk to you then, but I still care about you.
77
227709
2424
ή δεν ήθελα να σου μιλήσω τότε, αλλά ενδιαφέρομαι για σένα.
04:06
Our relationship is still important.
78
230133
2400
Η σχέση μας είναι ακόμα σημαντική.
04:08
Now, the Sock Puppet, on the other hand,
79
232533
1514
Από την άλλη πλευρά, η Μαριονέτα Κάλτσα
04:09
is a totally different animal. The sock puppet isn't
80
234047
2343
είναι εντελώς διαφορετική περίπτωση. Η μαριονέτα κάλτσα δεν έχει να κάνει με
04:12
about ambiguity, per se. It's about identity.
81
236390
3065
την ασάφεια, αυτή καθ'αυτή. Αφορά την ταυτότητα.
04:15
Let me give you a very recent example,
82
239455
2002
Θα σας δώσω ένα πολύ πρόσφατο παράδειγμα,
04:17
as in, like, last week.
83
241457
1514
δηλαδή της προηγούμενης βδομάδας.
04:18
Here's R.J. Ellory, best-seller author in Britain.
84
242971
3268
Έχουμε τον R.J. Ellory, συγγραφέα best-seller στη Βρετανία.
04:22
Here's one of his bestselling books.
85
246239
2020
Ιδού ένα από τα πιο επιτυχημένα του βιβλία.
04:24
Here's a reviewer online, on Amazon.
86
248259
3413
Ορίστε και ένας διαδικτυακός κριτικός, στο Amazon.
04:27
My favorite, by Nicodemus Jones, is,
87
251672
2657
Το αγαπημένο μου, από τον Nicodemus Jones, είναι,
04:30
"Whatever else it might do, it will touch your soul."
88
254329
3808
"Ό,τι άλλο και αν κάνει, θα αγγίξει την ψυχή σας".
04:34
And of course, you might suspect
89
258137
1403
Και φυσικά, μπορεί να το υποπτεύεστε
04:35
that Nicodemus Jones is R.J. Ellory.
90
259540
2627
ότι ο Nicodemus Jones είναι ο R.J. Ellory.
04:38
He wrote very, very positive reviews about himself. Surprise, surprise.
91
262167
4687
Έγραψε πολύ, πολύ θετικά σχόλια για τον εαυτό του. Τι έκπληξη.
04:42
Now this Sock Puppet stuff isn't actually that new.
92
266854
3260
Λοιπόν αυτό το θέμα με τη Μαριονέτα Κάλτσα δεν είναι τόσο καινούργιο.
04:46
Walt Whitman also did this back in the day,
93
270114
3167
Και ο Walt Whitman το έκανε αυτό παλιότερα,
04:49
before there was Internet technology. Sock Puppet
94
273281
3055
πριν την εφεύρεση του διαδικτύου. Η Μαριονέτα Κάλτσα
04:52
becomes interesting when we get to scale,
95
276336
2768
γίνεται ενδιαφέρουσα όταν φτάσουμε σε ευρύτερη κλίμακα,
04:55
which is the domain of the Chinese Water Army.
96
279104
2518
ο οποίος είναι ο τομέας του Κινεζικού Στρατού Νερού.
04:57
Chinese Water Army refers to thousands of people
97
281622
2436
Ο Κινεζικός Στρατός Νερού αναφέρεται σε χιλιάδες άτομα
04:59
in China that are paid small amounts of money
98
284058
3048
στην Κίνα που πληρώνονται μικρά χρηματικά ποσά
05:03
to produce content. It could be reviews. It could be
99
287106
3034
για να παράγουν περιεχόμενο. Θα μπορούσε να είναι κριτικές. Θα μπορούσε να είναι
05:06
propaganda. The government hires these people,
100
290140
2559
προπαγάνδα. Αυτοί οι άνθρωποι προσλαμβάνονται από την κυβέρνηση,
05:08
companies hire them, all over the place.
101
292699
2628
από τις επιχειρήσεις, από όλους.
05:11
In North America, we call this Astroturfing,
102
295327
3617
Στην Β. Αμερική αυτό το αποκαλούμε Astroturfing,
05:14
and Astroturfing is very common now. There's a lot of concerns about it.
103
298944
3438
και το Astroturfing είναι πολύ συχνό σήμερα. Υπάρχει αρκετή ανησυχία για αυτό.
05:18
We see this especially with product reviews, book reviews,
104
302382
3227
Το βλέπουμε αυτό ιδιαίτερα με κριτικές προϊόντων, βιβλίων,
05:21
everything from hotels to whether that toaster is a good toaster or not.
105
305609
4795
οτιδήποτε από ξενοδοχεία μέχρι κατά πόσο μια τοστιέρα είναι αξιόπιστη ή όχι.
05:26
Now, looking at these three reviews, or these three types of deception,
106
310404
3918
Κοιτάζοντας λοιπόν αυτές τις τρεις κριτικές, ή αυτούς τους τρεις τρόπους εξαπάτησης,
05:30
you might think, wow, the Internet is really making us
107
314322
2737
μπορεί να σκεφτείτε, το διαδίκτυο μας έχει κάνει πράγματι
05:32
a deceptive species, especially when you think about
108
317059
3209
ένα ύπουλο είδος, ειδικά αν θυμηθείτε
05:36
the Astroturfing, where we can see deception brought up to scale.
109
320268
4602
το Astroturfing, όπου μπορούμε να δούμε την εξαπάτηση σε ευρύτερη κλίμακα.
05:40
But actually, what I've been finding is very different from that.
110
324870
4738
Ωστόσο, τα συμπεράσματα μου διαφέρουν κατά πολύ από αυτό.
05:45
Now, let's put aside the online anonymous sex chatrooms,
111
329608
3249
Ας αφήσουμε τώρα στην άκρη τα ανώνυμα διαδικτυακά chatrooms για σεξ,
05:48
which I'm sure none of you have been in.
112
332857
1899
στα οποία είμαι σίγουρος ότι κανένας σας δεν έχει μπει.
05:50
I can assure you there's deception there.
113
334756
2329
Σας διαβεβαιώ ότι εκεί υπάρχει εξαπάτηση.
05:52
And let's put aside the Nigerian prince who's emailed you
114
337085
2709
Και ας αφήσουμε στην άκρη το Νιγηριανό πρίγκηπα που σας έστειλε μέιλ
05:55
about getting the 43 million out of the country. (Laughter)
115
339794
3228
ότι βγάλατε 43 εκατ. από τη χώρα. (Γέλιο)
05:58
Let's forget about that guy, too.
116
343022
1680
Ας ξεχάσουμε και εκείνον τον τύπο.
06:00
Let's focus on the conversations between our friends
117
344702
2944
Ας εστιάσουμε στις συζητήσεις με τους φίλους μας,
06:03
and our family and our coworkers and our loved ones.
118
347646
2147
την οικογένειά μας, τους συναδέλφους μας και τους αγαπημένους μας.
06:05
Those are the conversations that really matter.
119
349793
2408
Αυτές είναι οι συζητήσεις που έχουν πραγματικά σημασία.
06:08
What does technology do to deception with those folks?
120
352201
4240
Πως επηρεάζει η τεχνολογία την εξαπάτηση σε αυτή την περίπτωση;
06:12
Here's a couple of studies. One of the studies we do
121
356441
3075
Ορίστε μερικές μελέτες. Ένα είδος μελέτης που κάνουμε
06:15
are called diary studies, in which we ask people to record
122
359516
3371
ονομάζεται μελέτη ημερολογίου, στην οποία ζητάμε από τα άτομα να καταγράψουν
06:18
all of their conversations and all of their lies for seven days,
123
362887
3566
όλες τους τις συζητήσεις και όλα τους τα ψέματα για επτά μέρες,
06:22
and what we can do then is calculate how many lies took place
124
366453
3105
και ύστερα μπορούμε να υπολογίσουμε πόσα ψέματα ειπώθηκαν
06:25
per conversation within a medium, and the finding
125
369558
2948
ανά συνομιλία σε κάθε μέσο, και το εύρημά μας
06:28
that we get that surprises people the most is that email
126
372506
2524
που εκπλήσσει περισσότερο τους ανθρώπους είναι ότι το μέιλ
06:30
is the most honest of those three media.
127
375030
3279
είναι το πιο ειλικρινές από τα τρία μέσα.
06:34
And it really throws people for a loop because we think,
128
378309
2401
Και όντως οι άνθρωποι αιφνιδιάζονται επειδή σκεφτόμαστε,
06:36
well, there's no nonverbal cues, so why don't you lie more?
129
380710
3736
δεν υπάρχουν μη λεκτικές ενδείξεις, οπότε γιατί να μην πεις περισσότερα ψέματα;
06:40
The phone, in contrast, the most lies.
130
384446
4304
Το τηλέφωνο, αντιθέτως, τα περισσότερα ψέματα.
06:44
Again and again and again we see the phone is the device
131
388750
1946
Ξανά και ξανά βλέπουμε ότι το τηλέφωνο είναι η συσκευή
06:46
that people lie on the most, and perhaps because of the Butler Lie ambiguities I was telling you about.
132
390696
4718
με την οποία τα άτομα ψεύδονται περισσότερο, ίσως λόγω της ασάφειας των ψεμάτων του Μπάτλερ που σας έλεγα πριν.
06:51
This tends to be very different from what people expect.
133
395414
3975
Αυτό τείνει να διαφέρει πολύ από αυτό που περιμένει ο κόσμος.
06:55
What about résumés? We did a study in which we had
134
399389
3224
Τι γίνεται με τα βιογραφικά; Κάναμε μια μελέτη στην οποία βάλαμε
06:58
people apply for a job, and they could apply for a job
135
402613
2544
κάποιους να κάνουν αίτηση για μια θέση, και μπορούσαν να την κάνουν
07:01
either with a traditional paper résumé, or on LinkedIn,
136
405157
3514
είτε με ένα παραδοσιακό βιογραφικό σε χαρτί, είτε στο LinkedIn,
07:04
which is a social networking site like Facebook,
137
408671
2822
το οποίο είναι μια σελίδα κοινωνικής δικτύωσης όπως το Facebook,
07:07
but for professionals -- involves the same information as a résumé.
138
411493
3567
αλλά για επαγγελματίες -- περιλαμβάνει τις ίδιες πληροφορίες με ένα βιογραφικό.
07:10
And what we found, to many people's surprise,
139
415060
2614
Και αυτό που ανακαλύψαμε, εκπλήσσοντας πολλούς,
07:13
was that those LinkedIn résumés were more honest
140
417674
2795
ήταν ότι τα βιογραφικά στο LinkedIn ήταν πιο ειλικρινή
07:16
on the things that mattered to employers, like your
141
420469
1824
αναφορικά με αυτά που ενδιαφέρουν τους εργοδότες, όπως οι
07:18
responsibilities or your skills at your previous job.
142
422293
4151
ευθύνες ή οι ικανότητές σας στην προηγούμενή σας εργασία.
07:22
How about Facebook itself?
143
426444
2296
Και το ιδιο το Facebook;
07:24
You know, we always think that hey, there are these
144
428740
1882
Ξέρετε, πάντα νομίζουμε ότι, ε, αυτές είναι
07:26
idealized versions, people are just showing the best things
145
430622
2129
ιδανικές μορφές, οι άνθρωποι απλά δείχνουν τα καλύτερα πράγματα
07:28
that happened in their lives. I've thought that many times.
146
432751
2656
που συνέβησαν στη ζωή τους. Το έχω σκεφτεί αυτό πολλές φορές.
07:31
My friends, no way they can be that cool and have good of a life.
147
435407
3068
Αποκλείεται οι φίλοι μου να είναι τόσο άνετοι και να έχουν τόσο καλή ζωή.
07:34
Well, one study tested this by examining people's personalities.
148
438475
3821
Λοιπόν, μια μελέτη το εξέτασε αυτό παρατηρώντας τις προσωπικότητες των ανθρώπων.
07:38
They had four good friends of a person judge their personality.
149
442296
4218
Έβαλαν τέσσερις καλούς φίλους ενός ατόμου να κρίνουν την προσωπικότητά τους.
07:42
Then they had strangers, many strangers,
150
446514
1956
Έπειτα έβαλαν ξένους, πολλούς ξένους,
07:44
judge the person's personality just from Facebook,
151
448470
2528
να κρίνουν την προσωπικότητα του ατόμου μόνο από το Facebook,
07:46
and what they found was those judgments of the personality
152
450998
2429
και αυτό που είδαν ήταν ότι οι κρίσεις της προσωπικότητας
07:49
were pretty much identical, highly correlated,
153
453427
2509
ήταν σχεδόν πανομοιότυπες και συγγένευαν σημαντικά,
07:51
meaning that Facebook profiles really do reflect our actual personality.
154
455936
4373
που σημαίνει ότι τα προφίλ στο Facebook πραγματικά ανακλούν την αληθινή μας προσωπικότητα.
07:56
All right, well, what about online dating?
155
460309
2572
Ωραία, λοιπόν, τι γίνεται με τις διαδικτυακές γνωριμίες;
07:58
I mean, that's a pretty deceptive space.
156
462881
1500
Εννοώ, αυτό είναι αρκετά παραπλανητικό πεδίο.
08:00
I'm sure you all have "friends" that have used online dating. (Laughter)
157
464381
3535
Είμαι βέβαιος ότι όλοι έχετε "φίλους" που έχουν συνάψει διαδικτυακές γνωριμίες. (Γέλιο)
08:03
And they would tell you about that guy that had no hair
158
467916
2058
Και θα σας έλεγαν για εκείνο τον τύπο που δεν είχε μαλλιά
08:05
when he came, or the woman that didn't look at all like her photo.
159
469974
3030
όταν ήρθε, ή τη γυναίκα που δεν έμοιαζε καθόλου με τη φωτογραφία της.
08:08
Well, we were really interested in it, and so what we did
160
473004
3136
Λοιπόν, αυτό το θεωρησαμε πολύ ενδιαφέρον, και έτσι
08:12
is we brought people, online daters, into the lab,
161
476140
3107
καλέσαμε χρήστες αυτών των υπηρεσιών στο εργαστήριο,
08:15
and then we measured them. We got their height
162
479247
1480
και ύστερα τους μετρήσαμε. Πήραμε το ύψος τους
08:16
up against the wall, we put them on a scale, got their weight --
163
480727
3881
πάνω στον τοίχο, τους ανεβάσαμε στη ζυγαριά, πήραμε το βάρος τους --
08:20
ladies loved that -- and then we actually got their driver's license to get their age.
164
484608
3895
οι κυρίες το λάτρεψαν αυτό -- και μετά πήραμε την άδεια οδήγησής τους για να δούμε την ηλικία τους.
08:24
And what we found was very, very interesting.
165
488503
4311
Και αυτό που εντοπίσαμε ήταν πολύ, πολύ ενδιαφέρον.
08:28
Here's an example of the men and the height.
166
492814
3929
Ιδού ένα παράδειγμα των ανδρών και του ύψους.
08:32
Along the bottom is how tall they said they were in their profile.
167
496743
2470
Στην οριζόντια γραμμή είναι το ύψος που δήλωναν στο προφίλ τους.
08:35
Along the y-axis, the vertical axis, is how tall they actually were.
168
499213
4862
Στον άξονα y, στον κάθετο άξονα, βρίσκεται το κανονικό τους ύψος.
08:39
That diagonal line is the truth line. If their dot's on it,
169
504075
3076
Η διαγώνια γραμμή είναι η γραμμή της αλήθειας. Αν η τελεία βρίσκεται πάνω της,
08:43
they were telling exactly the truth.
170
507151
1554
τότε έλεγαν την αλήθεια.
08:44
Now, as you see, most of the little dots are below the line.
171
508705
3113
Τώρα, όπως βλέπετε, οι περισσότερες από τις τελίτσες είναι κάτω από τη γραμμή.
08:47
What it means is all the guys were lying about their height.
172
511818
2867
Αυτό σημαίνει ότι όλοι οι άντρες έλεγαν ψέματα για το ύψος τους.
08:50
In fact, they lied about their height about nine tenths of an inch,
173
514685
2941
Ουσιαστικά, έλεγαν ψέματα για το ύψος τους κατά εννιά δέκατα της ίντσας,
08:53
what we say in the lab as "strong rounding up." (Laughter)
174
517626
6276
αυτό που στο εργαστήριο αποκαλούμε "ισχυρή στρογγυλοποίηση". (Γέλιο)
08:59
You get to 5'8" and one tenth, and boom! 5'9".
175
523902
4503
Είσαι στο 5'8" και ένα δέκατο, και ξαφνικα! 5'9".
09:04
But what's really important here is, look at all those dots.
176
528405
1998
Αλλά πάνω απ' όλα, κοιτάξτε όλες αυτές τις τελείες.
09:06
They are clustering pretty close to the truth. What we found
177
530403
2566
Αυτές συγκεντρώνονται αρκετά κοντά στην αλήθεια. Αυτό που ανακαλύψαμε
09:08
was 80 percent of our participants did indeed lie
178
532969
2408
ήταν πως 80% των συμμετεχόντων είπαν όντως ψέματα
09:11
on one of those dimensions, but they always lied by a little bit.
179
535377
3595
σε μια από αυτές τις διαστάσεις, αλλά πάντα απέκρυβαν μικρό μέρος της αλήθειας.
09:14
One of the reasons is pretty simple. If you go to a date,
180
538972
3024
Μια από τις αιτίες είναι πολύ απλή. Αν βγεις ραντεβού,
09:17
a coffee date, and you're completely different than what you said,
181
541996
3601
ραντεβού για καφέ, και είσαι εντελώς διαφορετικός από ό,τι είπες,
09:21
game over. Right? So people lied frequently, but they lied
182
545597
3619
έχεις χάσει. Σωστά; Οπότε οι άνθρωποι ψεύδονταν συχνά, αλλά μόνο
09:25
subtly, not too much. They were constrained.
183
549216
3469
διακριτικά, όχι υπερβολικά. Ήταν περιορισμένοι.
09:28
Well, what explains all these studies? What explains the fact
184
552685
2887
Λοιπόν, τι εξηγεί όλες αυτές τις μελέτες; Πως εξηγείται το γεγονός
09:31
that despite our intuitions, mine included,
185
555572
4635
ότι παρά τα προαισθήματά μας, και των δικών μου,
09:36
a lot of online communication, technologically-mediated
186
560207
3529
σημαντικό τμήμα της διαδικτυακής επικοινωνίας, που διενεργείται με
09:39
communication, is more honest than face to face?
187
563736
4028
τεχνολογικά μέσα, αποδεικνύεται πιο ειλικρινής απ' ότι η κατά πρόσωπο;
09:43
That really is strange. How do we explain this?
188
567764
2489
Αυτό είναι πραγματικά περίεργο. Πως το εξηγούμε αυτό;
09:46
Well, to do that, one thing is we can look at the deception-detection literature.
189
570253
3379
Λοιπόν, μπορούμε αρχικά να εξετάσουμε τη βιβλιογραφία για τον εντοπισμό της εξαπάτησης.
09:49
It's a very old literature by now, it's coming up on 50 years.
190
573632
4345
Πρόκειται για αρκετά παλαιά γραμματεία, πλησιάζει τα 50 χρόνια ύπαρξης.
09:53
It's been reviewed many times. There's been thousands of trials,
191
577977
2662
Έχει αξιολογηθεί πολλές φορές. Έχουν γίνει χιλιάδες δοκιμές,
09:56
hundreds of studies, and there's some really compelling findings.
192
580639
3981
εκατοντάδες μελέτες, και υπάρχουν ορισμένα αληθινά συναρπαστικά ευρήματα.
10:00
The first is, we're really bad at detecting deception,
193
584620
3236
Πρώτον, είμαστε πραγματικά κακοί στο να εντοπίζουμε την εξαπάτηση,
10:03
really bad. Fifty-four percent accuracy on average when you have to tell
194
587856
4116
πολύ κακοί. 54% επιτυχία κατά μέσο όρο όταν πρέπει να κρίνετε
10:07
if somebody that just said a statement is lying or not.
195
591972
3384
κατά πόσο κάποιος που μόλις μίλησε λέει ψέματα ή όχι.
10:11
That's really bad. Why is it so bad?
196
595356
3192
Αυτό είναι αληθινά κακό. Γιατί είναι τόσο κακό;
10:14
Well it has to do with Pinocchio's nose.
197
598548
2530
Λοιπόν έχει να κάνει με τη μύτη του Πινόκιο.
10:16
If I were to ask you guys, what do you rely on
198
601078
2359
Αν σας ρωτούσα, σε τι βασίζεστε
10:19
when you're looking at somebody and you want to find out
199
603437
2245
όταν κοιτάτε κάποιον και θέλετε να καταλάβετε
10:21
if they're lying? What cue do you pay attention to?
200
605682
2930
αν ψεύδονται; Σε ποια ένδειξη εστιάζετε την προσοχή σας;
10:24
Most of you would say that one of the cues you look at
201
608612
2430
Οι περισσότεροι από εσάς θα έλεγαν ότι μια από τις ενδείξεις που προσέχετε
10:26
is the eyes. The eyes are the window to the soul.
202
611042
2728
είναι τα μάτια. Τα μάτια είναι ο καθρέφτης της ψυχής.
10:29
And you're not alone. Around the world, almost every culture,
203
613770
2403
Και δεν είστε οι μόνοι. Σε ολόκληρο τον κόσμο, σε κάθε σχεδόν πολιτισμό,
10:32
one of the top cues is eyes. But the research
204
616173
2863
μια από τις κυριότερες ενδείξεις είναι τα μάτια. Ωστόσο η έρευνα
10:34
over the last 50 years says there's actually no reliable cue
205
619036
3824
τα τελευταία 50 έτη δείχνει πως δεν υπάρχουν ουσιαστικά αξιόπιστες ενδείξεις
10:38
to deception, which blew me away, and it's one of
206
622860
2997
για την εξαπάτηση, γεγονός το οποίο με αιφνιδίασε, και είναι ένα από
10:41
the hard lessons that I learned when I was customs officer.
207
625857
2355
τα σκληρά μαθήματα που έμαθα όταν εργαζόμουν στο τελωνείο.
10:44
The eyes do not tell us whether somebody's lying or not.
208
628212
2430
Τα μάτια δεν μας λένε αν κάποιος λέει ψέματα ή όχι.
10:46
Some situations, yes -- high stakes, maybe their pupils dilate,
209
630642
3018
Σε σοβαρές καταστάσεις, ναι -- ίσως διαστέλλονται οι κόρες των ματιών τους,
10:49
their pitch goes up, their body movements change a little bit,
210
633660
3504
ανεβαίνει ο τόνος της φωνής τους, αλλάζουν λίγο οι κινήσεις τους,
10:53
but not all the time, not for everybody, it's not reliable.
211
637164
4832
αλλά όχι πάντα, όχι για όλους, δεν είναι αξιόπιστο.
10:57
Strange. The other thing is that just because you can't see me
212
641996
3378
Παράξενο. Το άλλο θέμα είναι ότι απλά επειδή δεν με βλέπεις
11:01
doesn't mean I'm going to lie. It's common sense,
213
645374
2419
δεν σημαίνει ότι θα πω ψέματα. Είναι κοινή λογική,
11:03
but one important finding is that we lie for a reason.
214
647793
2907
αλλά ένα σημαντικότατο αποτέλεσμα είναι ότι λέμε ψέματα για κάποιον λόγο.
11:06
We lie to protect ourselves or for our own gain
215
650700
2367
Λέμε ψέματα για να προστατευτούμε ή για να επωφεληθούμε εμείς
11:08
or for somebody else's gain.
216
653067
2827
ή κάποιος άλλος.
11:11
So there are some pathological liars, but they make up
217
655894
1930
Υπάρχουν κάποιοι παθολογικοί ψεύτες, αλλά αυτοί αποτελούν
11:13
a tiny portion of the population. We lie for a reason.
218
657824
3513
ένα μικροσκοπικό μέρος του πληθυσμού. Λέμε ψέματα για κάποιον λόγο.
11:17
Just because people can't see us doesn't mean
219
661337
1631
Απλά επειδή δεν μας βλέπουν δεν σημαίνει
11:18
we're going to necessarily lie.
220
662968
2271
ότι οπωσδήποτε θα πούμε ψέματα.
11:21
But I think there's actually something much more
221
665239
1553
Αλλά θεωρώ ότι εδώ συμβαίνει κάτι πολύ πιο
11:22
interesting and fundamental going on here. The next big
222
666792
3274
ενδιαφέρον και θεμελιώδες. Το επόμενο μεγάλο πράγμα
11:25
thing for me, the next big idea, we can find by going
223
670066
3797
για μένα, την επόμενη μεγάλη ιδέα, μπορούμε να τη βρούμε πηγαίνοντας
11:29
way back in history to the origins of language.
224
673863
3139
πίσω στην ιστορία και στις ρίζες της γλώσσας.
11:32
Most linguists agree that we started speaking somewhere
225
677002
3887
Οι περισσότεροι γλωσσολόγοι συμφωνούν ότι αρχίσαμε να μιλάμε περίπου
11:36
between 50,000 and 100,000 years ago. That's a long time ago.
226
680889
3168
πριν 50,000 έως 100,000 χρόνια. Δηλαδή πολύ καιρό πριν.
11:39
A lot of humans have lived since then.
227
684057
2616
Πλήθος ανθρώπων έχει ζήσει από τότε.
11:42
We've been talking, I guess, about fires and caves
228
686673
2423
Μιλούσαμε, υποθέτω, για φωτιές και σπηλιές
11:44
and saber-toothed tigers. I don't know what they talked about,
229
689096
3107
και τίγρεις με μυτερά δόντια. Δεν ξέρω τι συζητούσαν,
11:48
but they were doing a lot of talking, and like I said,
230
692203
2518
αλλά μιλούσαν πολύ, και όπως είπα,
11:50
there's a lot of humans evolving speaking,
231
694721
2545
υπάρχουν πολλοί άνθρωποι που εξελίσσουν την ομιλία,
11:53
about 100 billion people in fact.
232
697266
2806
στην πράξη περίπου 100 δισ. άτομα.
11:55
What's important though is that writing only emerged
233
700072
2782
Αυτό που είναι βασικό όμως είναι ότι η γραφή προέκυψε
11:58
about 5,000 years ago. So what that means is that
234
702854
3587
πριν σχεδόν 5,000 χρόνια. Αυτό σημαίνει λοιπόν ότι
12:02
all the people before there was any writing,
235
706441
2392
όλοι οι άνθρωποι πριν την εφεύρεση της γραφής,
12:04
every word that they ever said, every utterance
236
708833
5586
κάθε λέξη που είπαν ποτέ, κάθε έκφραση
12:10
disappeared. No trace. Evanescent. Gone.
237
714419
4752
χάθηκε. Κανένα ίχνος. Εξαφανίστηκε. Πέρασε.
12:15
So we've been evolving to talk in a way in which
238
719171
4065
Οπότε έχουμε εξελιχθεί να μιλάμε έτσι ώστε
12:19
there is no record. In fact, even the next big change
239
723236
5917
να μην υπάρχει καταγραφή. Μάλιστα, ακόμα και η επόμενη μεγάλη αλλαγή
12:25
to writing was only 500 years ago now,
240
729153
2468
στη γραφή έγινε μόλις 500 χρόνια πριν,
12:27
with the printing press, which is very recent in our past,
241
731621
2379
με την τυπογραφία, που βρίσκεται στο πολύ πρόσφατο παρελθόν μας,
12:29
and literacy rates remained incredibly low right up until World War II,
242
734000
4242
και τα ποσοστά αλφαβητισμού παρέμειναν απίστευτα χαμηλά μέχρι και το Β' Παγκόσμιο Πόλεμο,
12:34
so even the people of the last two millennia,
243
738242
3384
ώστε ακόμα και οι άνθρωποι των τελευταίων δύο χιλιετιών,
12:37
most of the words they ever said -- poof! -- disappeared.
244
741626
5032
περισσότερες από τις λέξεις που άρθρωσαν --ουφ! -- χάθηκαν.
12:42
Let's turn to now, the networked age.
245
746658
3591
Ας περάσουμε τώρα στο σήμερα, στην εποχή της δικτύωσης.
12:46
How many of you have recorded something today?
246
750249
4712
Πόσοι από εσάς έχετε καταγράψει κάτι σήμερα;
12:50
Anybody do any writing today? Did anybody write a word?
247
754961
3177
Έγραψε κανείς σας σήμερα οτιδήποτε; Έστω μια λέξη;
12:54
It looks like almost every single person here recorded something.
248
758138
4226
Φαίνεται πως σχεδόν όλοι έχουν καταγράψει κάτι.
12:58
In this room, right now, we've probably recorded more
249
762364
3048
Σε αυτό το δωμάτιο, αυτή τη στιγμή, έχουμε πιθανώς καταγράψει περισσότερα
13:01
than almost all of human pre-ancient history.
250
765412
4542
απ' ότι σχεδόν ολόκληρη η ανθρώπινη προϊστορία.
13:05
That is crazy. We're entering this amazing period
251
769954
3230
Αυτό είναι τρελό. Μπαίνουμε σε αυτή την εκπληκτική περίοδο
13:09
of flux in human evolution where we've evolved to speak
252
773184
4015
της συνεχούς ανθρώπινης εξέλιξης όπου έχουμε μάθει να μιλάμε
13:13
in a way in which our words disappear, but we're in
253
777199
2701
έτσι ώστε τα λόγια μας να χάνονται, αλλά βρισκόμαστε σε
13:15
an environment where we're recording everything.
254
779900
2903
ένα περιβάλλον στο οποίο καταγράφουμε τα πάντα.
13:18
In fact, I think in the very near future, it's not just
255
782803
2337
Μάλιστα, πιστεύω πως στο πολύ κοντινό μέλλον, δεν θα
13:21
what we write that will be recorded, everything we do
256
785140
2349
καταγράφονται μόνο όσα γράφουμε, άλλα όλα
13:23
will be recorded.
257
787489
2333
όσα κάνουμε.
13:25
What does that mean? What's the next big idea from that?
258
789822
4456
Τι σημαίνει αυτό; Από αυτό το σημείο ποιά είναι η επόμενη μεγάλη ιδέα;
13:30
Well, as a social scientist, this is the most amazing thing
259
794278
4250
Λοιπόν, ως κοινωνικός επιστήμονας, αυτό αποτελεί το πιο απίθανο πράγμα
13:34
I have ever even dreamed of. Now, I can look at
260
798528
3547
που έχω ποτέ ονειρευτεί. Τώρα, μπορώ να δω
13:37
all those words that used to, for millennia, disappear.
261
802075
3611
όλα εκείνα τα λόγια που, για χιλιετίες, εξαφανίζονταν.
13:41
I can look at lies that before were said and then gone.
262
805686
4248
Μπορώ να δω τα ψέματα που πριν λέγονταν και έπειτα χάνονταν.
13:45
You remember those Astroturfing reviews that we were
263
809934
3520
Θυμάστε αυτές τις κριτικές από το Astroturfing που
13:49
talking about before? Well, when they write a fake review,
264
813454
3503
συζητούσαμε πριν; Λοιπόν, όταν αυτοί γράφουν μια ψεύτικη κριτική,
13:52
they have to post it somewhere, and it's left behind for us.
265
816957
2704
πρέπει να τη δημοσιεύσουν κάπου, και έτσι εμείς μπορούμε να την εξετάσουμε.
13:55
So one thing that we did, and I'll give you an example of
266
819661
2435
Οπότε αυτό που κάναμε, και θα σας δώσω ένα παράδειγμα
13:57
looking at the language, is we paid people
267
822096
2495
ως προς τη γλώσσα, ήταν να πληρώσουμε άτομα
14:00
to write some fake reviews. One of these reviews is fake.
268
824591
3535
για να γράψουν μερικές ψεύτικες κριτικές. Μία από αυτές τις κριτικές είναι ψεύτικη.
14:04
The person never was at the James Hotel.
269
828126
1943
Ο συγγραφέας δεν πήγε ποτέ στο ξενοδοχείο James.
14:05
The other review is real. The person stayed there.
270
830069
2922
Η άλλη κριτική είναι αληθινή. Ο συγγραφέας της έμεινε όντως εκεί.
14:08
Now, your task now is to decide
271
832991
3527
Τώρα, η αποστολή σας είναι να αποφασίσετε
14:12
which review is fake?
272
836518
4073
ποια κριτική είναι κάλπικη.
14:16
I'll give you a moment to read through them.
273
840591
4186
Σας δίνω λίγο χρόνο να τις διαβάσετε.
14:20
But I want everybody to raise their hand at some point.
274
844777
2287
Αλλά θέλω όλοι να σηκώσουν το χέρι τους κάποια στιγμή.
14:22
Remember, I study deception. I can tell if you don't raise your hand.
275
847064
4231
Θυμηθείτε, μελετώ την εξαπάτηση. Μπορώ να το καταλάβω αν δεν σηκώσετε το χέρι σας.
14:27
All right, how many of you believe that A is the fake?
276
851295
4570
Ωραία, πόσοι από εσάς θεωρείτε ότι η A είναι η πλαστή;
14:33
All right. Very good. About half.
277
857894
2142
Ωραία. Πολύ καλά. Περίπου οι μισοί.
14:35
And how many of you think that B is?
278
860036
3615
Και πόσοι πιστεύετε ότι είναι η Β;
14:39
All right. Slightly more for B.
279
863651
2529
Ωραία. Λίγο περισσότεροι ψηφίζουν τη B.
14:42
Excellent. Here's the answer.
280
866180
2592
Τέλεια. Ορίστε η απάντηση.
14:44
B is a fake. Well done second group. You dominated the first group. (Laughter)
281
868772
6581
Η B είναι η ψεύτικη. Συγχαρητήρια στο δεύτερο γκρουπ. Επικρατήσατε του πρώτου γκρουπ. (Γέλιο)
14:51
You're actually a little bit unusual. Every time we demonstrate this,
282
875353
2846
Είστε λίγο ασυνήθιστοι. Κάθε φορά που κάνουμε αυτή την επίδειξη,
14:54
it's usually about a 50-50 split, which fits
283
878199
2746
οι θεατές χωρίζονται περίπου στη μέση, πράγμα που ταιριάζει
14:56
with the research, 54 percent. Maybe people here
284
880945
2646
με την έρευνα, 54%. Ίσως οι άνθρωποι εδώ
14:59
in Winnipeg are more suspicious and better at figuring it out.
285
883591
3770
στο Winnipeg είναι πιο καχύποπτοι και καλύτεροι στο να εντοπίζουν την εξαπάτηση.
15:03
Those cold, hard winters, I love it.
286
887361
2688
Λατρεύω αυτούς τους κρύους, δριμείς χειμώνες.
15:05
All right, so why do I care about this?
287
890049
3054
Ωραία, γιατί λοιπόν με ενδιαφέρει αυτό;
15:09
Well, what I can do now with my colleagues in computer science
288
893103
3268
Διότι αυτό που μπορούμε να κάνουμε τώρα με τους συναδέλφους μου της επιστήμης υπολογιστών
15:12
is we can create computer algorithms that can analyze
289
896371
3232
είναι να δημιουργήσουμε ηλεκτρονικούς αλγορίθμους που μπορούν να αναλύσουν
15:15
the linguistic traces of deception.
290
899603
2900
τα γλωσσικά ίχνη της εξαπάτησης.
15:18
Let me highlight a couple of things here
291
902503
1833
Επιτρέψτε μου να τονίσω μερικά σημεία
15:20
in the fake review. The first is that liars tend to think
292
904336
3443
στην πλαστή κριτική. Το πρώτο είναι ότι οι ψεύτες τείνουν να σκέφτονται
15:23
about narrative. They make up a story:
293
907779
1588
την αφήγηση. Κατασκευάζουν μια ιστορία:
15:25
Who? And what happened? And that's what happened here.
294
909367
3186
Ποιος; Τι συνέβη; Και αυτό ακριβώς έχουμε εδώ.
15:28
Our fake reviewers talked about who they were with
295
912553
2289
Ο ψεύτικος κριτικός μας ανέφερε με ποιον ήταν
15:30
and what they were doing. They also used the first person singular, I,
296
914842
4765
και τι έκαναν. Χρησιμοποίησε επίσης το πρώτο ενικό πρόσωπο, Εγώ ( I ),
15:35
way more than the people that actually stayed there.
297
919607
2469
πολύ περισσότερο από αυτόν που πράγματι έμεινε εκεί.
15:37
They were inserting themselves into the hotel review,
298
922076
4696
Εισήγαγε τον εαυτό του στην κριτική του ξενοδοχείου,
15:42
kind of trying to convince you they were there.
299
926772
1696
προσπαθώντας υπό μια έννοια να σας πείσει ότι ήταν εκεί.
15:44
In contrast, the people that wrote the reviews that were actually there,
300
928468
4015
Αντιθέτως, τα άτομα που έγραψαν την κριτική και πήγαν όντως εκεί,
15:48
their bodies actually entered the physical space,
301
932483
2432
τα σώματά τους όντως μπήκαν στο φυσικό χώρο του ξενοδοχείου,
15:50
they talked a lot more about spatial information.
302
934915
2899
μίλησαν πολύ περισσότερο για το χώρο.
15:53
They said how big the bathroom was, or they said,
303
937814
2517
Είπαν πόσο μεγάλο ήταν το μπάνιο, ή ανέφεραν,
15:56
you know, here's how far shopping is from the hotel.
304
940331
4520
ξέρετε, πόσο μακρυά είναι τα μαγαζιά από το ξενοδοχείο.
16:00
Now, you guys did pretty well. Most people perform at chance at this task.
305
944851
4161
Λοιπόν, εσείς τα πήγατε αρκετά καλά. Οι περισσότεροι επιλέγουν τυχαία σε αυτή την εργασία.
16:04
Our computer algorithm is very accurate, much more accurate
306
949012
2758
Ο ηλεκτρονικός μας αλγόριθμος είναι πολύ ακριβής, πολύ πιο ακριβής
16:07
than humans can be, and it's not going to be accurate all the time.
307
951770
3291
από ότι μπορούν να είναι οι άνθρωποι, και δεν θα είναι σωστός συνέχεια.
16:10
This isn't a deception-detection machine to tell
308
955061
2030
Αυτή δεν είναι μηχανή ανίχνευσης ψεύδους για να εξακριβώσετε
16:12
if your girlfriend's lying to you on text messaging.
309
957091
2501
αν η κοπέλα σάς λέει ψέματα μέσω SMS.
16:15
We believe that every lie now, every type of lie --
310
959592
3564
Πιστεύουμε ότι κάθε ψέμα, κάθε είδος ψέματος --
16:19
fake hotel reviews, fake shoe reviews,
311
963156
3787
φτιαχτές κριτικές ξενοδοχείων, παπουτσιών,
16:22
your girlfriend cheating on you with text messaging --
312
966943
2914
το να σας απατάει η κοπέλα σας μέσω SMS --
16:25
those are all different lies. They're going to have
313
969857
1505
αυτά είναι όλα διαφορετικά ψέματα. Θα έχουν
16:27
different patterns of language. But because everything's
314
971362
2859
διαφορετικά γλωσσικά μοτίβα. Αλλά επειδή τα πάντα
16:30
recorded now, we can look at all of those kinds of lies.
315
974221
4689
σήμερα καταγράφονται, μπορούμε να παρατηρήσουμε όλα αυτά τα είδη ψέματος.
16:34
Now, as I said, as a social scientist, this is wonderful.
316
978910
3993
Τώρα, όπως είπα, ως κοινωνικός επιστήμονας, αυτό είναι υπέροχο.
16:38
It's transformational. We're going to be able to learn
317
982903
2087
Είναι μεταμορφωτικό. Θα μπορέσουμε να μάθουμε
16:40
so much more about human thought and expression,
318
984990
3802
τόσα πολλά περισσότερα για την ανθρώπινη σκέψη και έκφραση,
16:44
about everything from love to attitudes,
319
988792
4398
για οτιδήποτε από την αγάπη ως τις στάσεις ζωής,
16:49
because everything is being recorded now, but
320
993190
1960
επειδή τα πάντα καταγράφονται τώρα, όμως
16:51
what does it mean for the average citizen?
321
995150
2404
τι σημαίνει αυτό για το μέσο πολίτη;
16:53
What does it mean for us in our lives?
322
997554
2802
Τι σημαίνει αυτό για τις ζωές μας;
16:56
Well, let's forget deception for a bit. One of the big ideas,
323
1000356
3673
Λοιπόν, ας ξεχάσουμε για λίγο την εξαπάτηση. Μια από τις μεγάλες ιδέες,
16:59
I believe, is that we're leaving these huge traces behind.
324
1004029
3688
πιστεύω, είναι ότι αφήνουμε πίσω μας τεράστια ίχνη.
17:03
My outbox for email is massive,
325
1007717
3216
Ο φάκελος των απεσταλμένων μου μέιλ είναι γιγαντιαίος,
17:06
and I never look at it. I write all the time,
326
1010933
3337
και δεν τον κοιτάζω ποτέ. Γράφω συνέχεια,
17:10
but I never look at my record, at my trace.
327
1014270
3438
αλλά δεν βλέπω ποτέ το αρχείο μου, το ίχνος μου.
17:13
And I think we're going to see a lot more of that,
328
1017708
1567
Και πιστεύω ότι θα δούμε πολύ ακόμα από αυτό,
17:15
where we can reflect on who we are by looking at
329
1019275
3161
όπου μπορούμε να αναλογιστούμε ποιοι είμαστε κοιτάζοντας
17:18
what we wrote, what we said, what we did.
330
1022436
3618
αυτά που γράψαμε, αυτά που είπαμε, αυτά που κάναμε.
17:21
Now, if we bring it back to deception, there's a couple
331
1026054
2272
Τώρα, αν ξαναγυρισουμε στην εξαπάτηση, μπορούμε να
17:24
of take-away things here.
332
1028326
1977
κρατήσουμε ορισμένα πράγματα.
17:26
First, lying online can be very dangerous, right?
333
1030303
4488
Πρώτον, το ψέμα στο διαδίκτυο μπορεί να καταστεί πολύ επικίνδυνο, σωστά;
17:30
Not only are you leaving a record for yourself on your machine,
334
1034791
2706
Όχι μόνο αφήνετε ένα αποτύπωμα του εαυτού σας στη συσκευή σας,
17:33
but you're leaving a record on the person that you were lying to,
335
1037497
4275
αλλά αφήνετε ένα ίχνος στο άτομο στο οποίο λέγατε ψέματα,
17:37
and you're also leaving them around for me to analyze
336
1041772
1760
και τα αφήνετε επίσης εκεί για να τα αναλύσω
17:39
with some computer algorithms.
337
1043532
1454
με μερικούς ηλεκτρονικούς αλγορίθμους.
17:40
So by all means, go ahead and do that, that's good.
338
1044986
3173
Οπότε φυσικά, συνεχίστε έτσι, μια χαρά.
17:44
But when it comes to lying and what we want to do
339
1048159
4154
Αλλά όταν πρόκειται για το ψέμα και το πως θέλουμε να ζήσουμε
17:48
with our lives, I think we can go back to
340
1052313
2553
τη ζωή μας, μπορούμε νομίζω να επιστρέψουμε
17:50
Diogenes and Confucius. And they were less concerned
341
1054866
3749
στο Διογένη και στο Κομφούκιο. Αυτοί ενδιαφέρονταν λιγότερο
17:54
about whether to lie or not to lie, and more concerned about
342
1058615
2832
για το αν πρέπει να λέμε ψέματα ή όχι, και περισσότερο
17:57
being true to the self, and I think this is really important.
343
1061447
3285
για το να είσαι ειλικρινής με τον εαυτό σου, και θεωρώ πως αυτό είναι πραγματικά σημαντικό.
18:00
Now, when you are about to say or do something,
344
1064732
4183
Τώρα, όταν πρόκειται να πείτε ή να κάνετε κάτι,
18:04
we can think, do I want this to be part of my legacy,
345
1068915
4560
μπορούμε να σκεφτούμε, θέλω αυτό να είναι μέρος της κληρονομιάς μου,
18:09
part of my personal record?
346
1073475
2713
μέρος του προσωπικού μου ίχνους;
18:12
Because in the digital age we live in now,
347
1076188
2657
Διότι στην ψηφιακή εποχή που βιώνουμε σήμερα,
18:14
in the networked age, we are all leaving a record.
348
1078845
4464
στην εποχή της δικτύωσης, όλοι αφήνουμε ένα αποτύπωμα.
18:19
Thank you so much for your time,
349
1083309
1695
Σας ευχαριστώ πολύ για το χρόνο σας,
18:20
and good luck with your record. (Applause)
350
1085004
4447
και καλή επιτυχία με το αποτύπωμά σας. (Χειροκρότημα)
ABOUT THE SPEAKER
Jeff Hancock - PsychologistJeff Hancock studies how we interact by email, text message and social media blips, seeking to understand how technology mediates communication.
Why you should listen
Jeff Hancock is fascinated by the words we choose when sending text messages, composing emails and writing online profiles. An Associate Professor of Cognitive Science and Communications at Cornell University, his research has focused on how people use deception and irony when communicating through cell phones and online platforms. His idea: that while the impersonality of online interaction can encourage mild fibbing, the fact that it leaves a permanent record of verifiable facts actually keeps us on the straight and narrow.
Hancock has also studied how we form impressions of others online, how we manage others' impressions of ourselves, and how individual personalities interact with online groups.
Jeff Hancock | Speaker | TED.com