ABOUT THE SPEAKER
Laurie Santos - Cognitive psychologist
Laurie Santos studies primate psychology and monkeynomics -- testing problems in human psychology on primates, who (not so surprisingly) have many of the same predictable irrationalities we do.

Why you should listen

Laurie Santos runs the Comparative Cognition Laboratory (CapLab) at Yale, where she and collaborators across departments (from psychology to primatology to neurobiology) explore the evolutionary origins of the human mind by studying lemurs, capuchin monkeys and other primates. The twist: Santos looks not only for positive humanlike traits, like tool-using and altruism, but irrational ones, like biased decisionmaking.

In elegant, carefully constructed experiments, Santos and CapLab have studied how primates understand and categorize objects in the physical world -- for instance, that monkeys understand an object is still whole even when part of it is obscured. Going deeper, their experiments also search for clues that primates possess a theory of mind -- an ability to think about what other people think.

Most recently, the lab has been looking at behaviors that were once the province mainly of novelists: jealousy, frustration, judgment of others' intentions, poor economic choices. In one experiment, Santos and her team taught monkeys to use a form of money, tradeable for food. When certain foods became cheaper, monkeys would, like humans, overbuy. As we humans search for clues to our own irrational behaviors, Santos' research suggests that the source of our genius for bad decisions might be our monkey brains.

More profile about the speaker
Laurie Santos | Speaker | TED.com
TEDGlobal 2010

Laurie Santos: A monkey economy as irrational as ours

Λόρι Σάντος: Μια μαϊμουδίσια οικονομία, παράλογη όσο και η δική μας

Filmed:
1,506,660 views

Η Λόρι Σάντος ψάχνει για της ρίζες του ανθρώπινου παραλογισμού, ερευνώντας τον τρόπο που οι συγγενείς μας τα πρωτεύοντα παίρνουν αποφάσεις. Μια σειρά έξυπνων πειραμάτων πάνω στα "πιθοικονομικά" δείχνει ότι κάποιες από τις ανόητες επιλογές που κάνουμε εμείς, τις κάνουν και οι μαϊμούδες.
- Cognitive psychologist
Laurie Santos studies primate psychology and monkeynomics -- testing problems in human psychology on primates, who (not so surprisingly) have many of the same predictable irrationalities we do. Full bio

Double-click the English transcript below to play the video.

00:17
I want to startαρχή my talk todayσήμερα with two observationsπαρατηρήσεις
0
2000
2000
Θα ήθελα να ξεκινήσω τη σημερινή μου ομιλία, με δύο παρατηρήσεις
00:19
about the humanο άνθρωπος speciesείδος.
1
4000
2000
σχετικά με το ανθρώπινο είδος.
00:21
The first observationπαρατήρηση is something that you mightθα μπορούσε think is quiteαρκετά obviousφανερός,
2
6000
3000
Η πρώτη παρατήρηση είναι κάτι που ίσως θεωρείτε ως αρκετά προφανές,
00:24
and that's that our speciesείδος, HomoHomo sapienssapiens,
3
9000
2000
και αυτό είναι ότι το είδος μας, ο Homo sapiens,
00:26
is actuallyπράγματι really, really smartέξυπνος --
4
11000
2000
είναι πραγματικά πολύ έξυπνο --
00:28
like, ridiculouslyγελοία smartέξυπνος --
5
13000
2000
εξωφρενικά έξυπνο --
00:30
like you're all doing things
6
15000
2000
αφού όλοι κάνουμε πράγματα
00:32
that no other speciesείδος on the planetπλανήτης does right now.
7
17000
3000
που κανένα άλλο είδος στον πλανήτη δεν κάνει αυτή τη στιγμή.
00:35
And this is, of courseσειρά μαθημάτων,
8
20000
2000
Αυτή δεν είναι, φυσικά,
00:37
not the first time you've probablyπιθανώς recognizedαναγνωρισμένος this.
9
22000
2000
η πρώτη φορά που πιθανώς το αναγνωρίζετε αυτό.
00:39
Of courseσειρά μαθημάτων, in additionπρόσθεση to beingνα εισαι smartέξυπνος, we're alsoεπίσης an extremelyεπακρώς vainμάταια speciesείδος.
10
24000
3000
Βέβαια, εκτός του να είμαστε έξυπνοι, είμαστε επίσης ένα ιδιαίτερα ματαιόδοξο είδος.
00:42
So we like pointingδείχνοντας out the factγεγονός that we're smartέξυπνος.
11
27000
3000
Μας αρέσει να επιδεικνύουμε το γεγονός ότι είμαστε έξυπνοι.
00:45
You know, so I could turnστροφή to prettyαρκετά much any sageφασκόμηλο
12
30000
2000
Θα μπορούσα να αναφερθώ σε οποιονδήποτε σοφό,
00:47
from ShakespeareΣαίξπηρ to StephenΣτεφάνου ColbertColbert
13
32000
2000
από τον Σέξπηρ μέχρι τον Στήβεν Κόλμπερτ,
00:49
to pointσημείο out things like the factγεγονός that
14
34000
2000
για να αποδείξω για παράδειγμα το γεγονός ότι
00:51
we're nobleευγενής in reasonλόγος and infiniteάπειρος in facultiesσχολές
15
36000
2000
έχουμε μεγαλόφρωνα λογική και άπειρες ικανότητες
00:53
and just kindείδος of awesome-erφοβερό-er than anything elseαλλού on the planetπλανήτης
16
38000
2000
και είμαστε καταπληκτικότεροι από οτιδήποτε άλλο στον πλανήτη
00:55
when it comesέρχεται to all things cerebralεγκεφαλική.
17
40000
3000
ως προς τις εγκεφαλικές λειτουργίες.
00:58
But of courseσειρά μαθημάτων, there's a secondδεύτερος observationπαρατήρηση about the humanο άνθρωπος speciesείδος
18
43000
2000
Όμως φυσικά, υπάρχει μια δεύτερη παρατήρηση σχετικά με το ανθρώπινο είδος,
01:00
that I want to focusΣυγκεντρώνω on a little bitκομμάτι more,
19
45000
2000
στην οποία θα ήθελα να εστιάσω λίγο περισσότερο·
01:02
and that's the factγεγονός that
20
47000
2000
πρόκειται για το γεγονός ότι
01:04
even thoughαν και we're actuallyπράγματι really smartέξυπνος, sometimesωρες ωρες uniquelyμοναδικώς smartέξυπνος,
21
49000
3000
παρόλο που είμαστε πραγματικά έξυπνοι, μερικές φορές μοναδικά έξυπνοι,
01:07
we can alsoεπίσης be incrediblyαπίστευτα, incrediblyαπίστευτα dumbχαζός
22
52000
3000
μπορούμε επίσης να γίνουμε εξαιρετικά κουτοί
01:10
when it comesέρχεται to some aspectsπτυχές of our decisionαπόφαση makingκατασκευή.
23
55000
3000
όταν πρόκειται για κάποιες πτυχές της λήψης των αποφάσεών μας.
01:13
Now I'm seeingβλέπων lots of smirkssmirks out there.
24
58000
2000
Παρατηρώ αρκετά ειρωνικά χαμόγελα στο ακροατήριο.
01:15
Don't worryανησυχία, I'm not going to call anyoneο καθενας in particularιδιαιτερος out
25
60000
2000
Μην ανησυχείτε, δεν θα κατηγορήσω κανέναν συγκεκριμένα
01:17
on any aspectsπτυχές of your ownτα δικά mistakesλάθη.
26
62000
2000
για οποιαδήποτε πτυχή των δικών του λαθών.
01:19
But of courseσειρά μαθημάτων, just in the last two yearsχρόνια
27
64000
2000
Όμως, μόλις τα τελευταία δύο χρόνια
01:21
we see these unprecedentedάνευ προηγουμένου examplesπαραδείγματα of humanο άνθρωπος ineptitudeανικανότητα.
28
66000
3000
βλέπουμε πρωτοφανή παραδείγματα της ανθρώπινης αδεξιότητας.
01:24
And we'veέχουμε watchedπαρακολούθησα as the toolsεργαλεία we uniquelyμοναδικώς make
29
69000
3000
Παρακολουθούμε τα εργαλεία που με μοναδικό τρόπο κατασκευάσαμε,
01:27
to pullΤραβήξτε the resourcesπόροι out of our environmentπεριβάλλον
30
72000
2000
ώστε να εξάγουμε τους πόρους μας από το περιβάλλον,
01:29
kindείδος of just blowπλήγμα up in our faceπρόσωπο.
31
74000
2000
να σκάνε στα μούτρα μας.
01:31
We'veΈχουμε watchedπαρακολούθησα the financialχρηματοοικονομική marketsαγορές that we uniquelyμοναδικώς createδημιουργώ --
32
76000
2000
Παρακολουθήσαμε τις χρηματοπιστωτικές αγορές, που μοναδικά δημιουργήσαμε --
01:33
these marketsαγορές that were supposedυποτιθεμένος to be foolproofαλάνθαστη --
33
78000
3000
αυτές οι αγορές που υποτίθεται ότι θα ήταν απρόσβλητες από την ανοησία --
01:36
we'veέχουμε watchedπαρακολούθησα them kindείδος of collapseκατάρρευση before our eyesμάτια.
34
81000
2000
τις είδαμε να καταρρέουν μπροστά στα μάτια μας.
01:38
But bothκαι τα δυο of these two embarrassingενοχλητικό examplesπαραδείγματα, I think,
35
83000
2000
Ωστόσο, αμφότερα τα δύο ντροπιαστικά παραδείγματα, πιστεύω ότι
01:40
don't highlightκυριώτερο σημείο what I think is mostπλέον embarrassingενοχλητικό
36
85000
3000
δεν υπογραμμίζουν εκείνο που θεωρώ ως το πλέον ντροπιαστικό
01:43
about the mistakesλάθη that humansτου ανθρώπου make,
37
88000
2000
σχετικά με τα λάθη που κάνουν οι άνθρωποι,
01:45
whichοι οποίες is that we'dνυμφεύω like to think that the mistakesλάθη we make
38
90000
3000
δηλαδή ότι μας αρέσει να πιστεύουμε ότι τα λάθη που κάνουμε
01:48
are really just the resultαποτέλεσμα of a coupleζευγάρι badκακό applesτα μήλα
39
93000
2000
είναι απλά το αποτέλεσμα της ύπαρξης λίγων σάπιων ανάμεσά μας
01:50
or a coupleζευγάρι really sortείδος of FAILΑΠΟΤΥΓΧΆΝΟΥΝ Blog-worthyBlog-άξιος decisionsαποφάσεων.
40
95000
3000
ή το αποτέλεσμα μερικών θρυλικά λανθασμένων αποφάσεων.
01:53
But it turnsστροφές out, what socialκοινωνικός scientistsΕπιστήμονες are actuallyπράγματι learningμάθηση
41
98000
3000
Φαίνεται όμως ότι οι κοινωνικοί επιστήμονες πράγματι κατανοούν
01:56
is that mostπλέον of us, when put in certainβέβαιος contextsπεριβάλλοντα,
42
101000
3000
ότι οι περισσότεροι από εμάς, όταν βρεθούμε μέσα σε συγκεκριμένες καταστάσεις,
01:59
will actuallyπράγματι make very specificειδικός mistakesλάθη.
43
104000
3000
θα κάνουμε πολύ συγκεκριμένα λάθη.
02:02
The errorsσφάλματα we make are actuallyπράγματι predictableαναμενόμενος.
44
107000
2000
Τα λάθη αυτά, είναι στην πραγματικότητα προβλέψιμα.
02:04
We make them again and again.
45
109000
2000
Τα κάνουμε ξανά και ξανά.
02:06
And they're actuallyπράγματι immuneαπρόσβλητος to lots of evidenceαπόδειξη.
46
111000
2000
Δεν επηρεάζονται από τη σωρεία των σχετικών αποδείξεων.
02:08
When we get negativeαρνητικός feedbackανατροφοδότηση,
47
113000
2000
Όταν λαμβάνουμε αρνητικά αποτελέσματα
02:10
we still, the nextεπόμενος time we're faceπρόσωπο with a certainβέβαιος contextσυμφραζόμενα,
48
115000
3000
εμείς και πάλι, την επόμενη φορά που αντιμετωπίζουμε την ίδια κατάσταση,
02:13
tendτείνω to make the sameίδιο errorsσφάλματα.
49
118000
2000
τείνουμε να κάνουμε τα ίδια λάθη.
02:15
And so this has been a realπραγματικός puzzleπαζλ to me
50
120000
2000
Αυτό πραγματικά με μπερδεύει,
02:17
as a sortείδος of scholarλόγιος of humanο άνθρωπος natureφύση.
51
122000
2000
ως μελετήτρια της ανθρώπινης φύσης.
02:19
What I'm mostπλέον curiousπερίεργος about is,
52
124000
2000
Αυτό που μου κινεί περισσότερο την περιέργεια
02:21
how is a speciesείδος that's as smartέξυπνος as we are
53
126000
3000
είναι πώς γίνεται ένα είδος τόσο έξυπνο όσο εμείς
02:24
capableικανός of suchτέτοιος badκακό
54
129000
2000
να είναι ικανό για τόσο άσχημα
02:26
and suchτέτοιος consistentσυνεπής errorsσφάλματα all the time?
55
131000
2000
και τόσο αδιάκοπα λάθη, συνεχώς;
02:28
You know, we're the smartestπιο έξυπνο thing out there, why can't we figureεικόνα this out?
56
133000
3000
Είμαστε οι πιο έξυπνοι που κυκλοφορούν στη φύση, γιατί λοιπόν δεν μπορούμε να το επιλύσουμε αυτό;
02:31
In some senseέννοια, where do our mistakesλάθη really come from?
57
136000
3000
Κατά κάποιο τρόπο, από πού προκύπτουν στ' αλήθεια τα λάθη μας;
02:34
And havingέχοντας thought about this a little bitκομμάτι, I see a coupleζευγάρι differentδιαφορετικός possibilitiesδυνατότητες.
58
139000
3000
Έχοντας σκεφτεί λιγάκι αυτό το θέμα, βλέπω μερικές διαφορετικές πιθανότητες.
02:37
One possibilityδυνατότητα is, in some senseέννοια, it's not really our faultσφάλμα.
59
142000
3000
Μία πιθανότητα είναι πως, υπό μία έννοια, δεν είναι στην πραγματικότητα δικά μας λάθη.
02:40
Because we're a smartέξυπνος speciesείδος,
60
145000
2000
Επειδή είμαστε ευφυές είδος,
02:42
we can actuallyπράγματι createδημιουργώ all kindsείδη of environmentsπεριβάλλοντος
61
147000
2000
μπορούμε να δημιουργήσουμε κάθε είδους περιβάλλοντα
02:44
that are superσούπερ, superσούπερ complicatedπερίπλοκος,
62
149000
2000
τα οποία είναι εξαιρετικά περίπλοκα,
02:46
sometimesωρες ωρες too complicatedπερίπλοκος for us to even actuallyπράγματι understandκαταλαβαίνουν,
63
151000
3000
μερικές φορές τόσο περίπλοκα, που ούτε εμείς δεν τα κατανοούμε,
02:49
even thoughαν και we'veέχουμε actuallyπράγματι createdδημιουργήθηκε them.
64
154000
2000
παρόλο που εμείς τα δημιουργήσαμε.
02:51
We createδημιουργώ financialχρηματοοικονομική marketsαγορές that are superσούπερ complexσυγκρότημα.
65
156000
2000
Κατασκευάσαμε χρηματοοικονομικές αγορές που είναι υπερβολικά περίπλοκες.
02:53
We createδημιουργώ mortgageστεγαστικών δανείων termsόροι that we can't actuallyπράγματι dealσυμφωνία with.
66
158000
3000
Κατασκευάσαμε όρους υποθηκών, στους οποίους δεν μπορούμε ν' αντεπεξέλθουμε.
02:56
And of courseσειρά μαθημάτων, if we are put in environmentsπεριβάλλοντος where we can't dealσυμφωνία with it,
67
161000
3000
Φυσικά, εάν βρεθούμε σε περιβάλλοντα που δεν μπορούμε να χειριστούμε,
02:59
in some senseέννοια makesκάνει senseέννοια that we actuallyπράγματι
68
164000
2000
κατά κάποιο τρόπο είναι λογικό
03:01
mightθα μπορούσε messΑνω ΚΑΤΩ certainβέβαιος things up.
69
166000
2000
να θαλασσώσουμε κάποια πράγματα.
03:03
If this was the caseπερίπτωση, we'dνυμφεύω have a really easyεύκολος solutionλύση
70
168000
2000
Εάν αυτό συνέβαινε, θα είχαμε μια αληθινά εύκολη λύση
03:05
to the problemπρόβλημα of humanο άνθρωπος errorλάθος.
71
170000
2000
στο πρόβλημα των ανθρώπινων σφαλμάτων.
03:07
We'dΕμείς θα actuallyπράγματι just say, okay, let's figureεικόνα out
72
172000
2000
Θα μπορούσαμε απλά να πούμε, εντάξει, ας σκεφτούμε
03:09
the kindsείδη of technologiesτεχνολογίες we can't dealσυμφωνία with,
73
174000
2000
τις τεχνολογίες τις οποίες δεν μπορούμε να χειριστούμε
03:11
the kindsείδη of environmentsπεριβάλλοντος that are badκακό --
74
176000
2000
τα περιβάλλοντα μέσα στα οποία είμαστε ανεπαρκείς --
03:13
get ridαπαλλάσσω of those, designσχέδιο things better,
75
178000
2000
να τα ξεφορτωθούμε, να σχεδιάσουμε τα πράγματα καλύτερα
03:15
and we should be the nobleευγενής speciesείδος
76
180000
2000
και τότε θα είμαστε το ανώτερο είδος
03:17
that we expectαναμένω ourselvesεμείς οι ίδιοι to be.
77
182000
2000
που θεωρούμε ότι είμαστε.
03:19
But there's anotherαλλο possibilityδυνατότητα that I find a little bitκομμάτι more worryingανησυχητικό,
78
184000
3000
Υπάρχει όμως και μια άλλη πιθανότητα, την οποία βρίσκω λιγάκι ανησυχητική,
03:22
whichοι οποίες is, maybe it's not our environmentsπεριβάλλοντος that are messedμπέρδεμα up.
79
187000
3000
δηλαδή ότι μπορεί να μην είναι το περιβάλλον μας τόσο μπερδεμένο.
03:25
Maybe it's actuallyπράγματι us that's designedσχεδιασμένο badlyκακώς.
80
190000
3000
Μπορεί εμείς να είμαστε άσχημα σχεδιασμένοι.
03:28
This is a hintίχνος that I've gottenπήρε
81
193000
2000
Αυτή είναι μια ιδέα που μου ήρθε
03:30
from watchingβλέποντας the waysτρόπους that socialκοινωνικός scientistsΕπιστήμονες have learnedέμαθα about humanο άνθρωπος errorsσφάλματα.
82
195000
3000
παρακολουθώντας τους τρόπους με τους οποίους οι κοινωνικοί επιστήμονες μελετούν τα ανθρώπινα σφάλματα.
03:33
And what we see is that people tendτείνω to keep makingκατασκευή errorsσφάλματα
83
198000
3000
Αυτό που βλέπουμε είναι ότι οι άνθρωποι τείνουν να επαναλαμβάνουν τα λάθη τους
03:36
exactlyακριβώς the sameίδιο way, over and over again.
84
201000
3000
ακριβώς με τον ίδιο τρόπο, ξανά και ξανά.
03:39
It feelsαισθάνεται like we mightθα μπορούσε almostσχεδόν just be builtχτισμένο
85
204000
2000
Φαίνεται σχεδόν σαν να είμαστε κατασκευασμένοι
03:41
to make errorsσφάλματα in certainβέβαιος waysτρόπους.
86
206000
2000
για να κάνουμε σφάλματα με συγκεκριμένο τρόπο.
03:43
This is a possibilityδυνατότητα that I worryανησυχία a little bitκομμάτι more about,
87
208000
3000
Αυτή είναι μια πιθανότητα που με ανησυχεί λίγο περισσότερο,
03:46
because, if it's us that's messedμπέρδεμα up,
88
211000
2000
επειδή εάν εμείς είμαστε στ' αλήθεια κακοκατασκευασμένοι
03:48
it's not actuallyπράγματι clearΣαφή how we go about dealingμοιρασιά with it.
89
213000
2000
δεν είναι ξεκάθαρο πώς μπορούμε να το αντιμετωπίσουμε.
03:50
We mightθα μπορούσε just have to acceptαποδέχομαι the factγεγονός that we're errorλάθος proneεπιρεπής
90
215000
3000
Μπορεί να χρειάζεται να παραδεχτούμε το γεγονός ότι είμαστε επιρρεπείς στα λάθη
03:53
and try to designσχέδιο things around it.
91
218000
2000
και να προσπαθήσουμε να σχεδιάσουμε τα πράγματα με βάση αυτό.
03:55
So this is the questionερώτηση my studentsΦοιτητές and I wanted to get at.
92
220000
3000
Εδώ λοιπόν βρίσκεται το ερώτημα, με το οποίο εγώ και οι φοιτητές μου θελήσαμε να καταπιαστούμε.
03:58
How can we tell the differenceδιαφορά betweenμεταξύ possibilityδυνατότητα one and possibilityδυνατότητα two?
93
223000
3000
Πώς μπορούμε να καταλάβουμε τη διαφορά μεταξύ των δύο πιθανοτήτων;
04:01
What we need is a populationπληθυσμός
94
226000
2000
Αυτό που χρειαζόμαστε είναι ένας πληθυσμός
04:03
that's basicallyβασικα smartέξυπνος, can make lots of decisionsαποφάσεων,
95
228000
2000
που είναι βασικά έξυπνος, μπορεί να παίρνει πλήθος αποφάσεων,
04:05
but doesn't have accessπρόσβαση to any of the systemsσυστήματα we have,
96
230000
2000
όμως δεν έχει πρόσβαση σε κανένα από τα συστήματά μας,
04:07
any of the things that mightθα μπορούσε messΑνω ΚΑΤΩ us up --
97
232000
2000
σε κανένα από εκείνα που μπορεί να μας μπερδεύουν --
04:09
no humanο άνθρωπος technologyτεχνολογία, humanο άνθρωπος cultureΠολιτισμός,
98
234000
2000
ούτε ανθρώπινη τεχνολογία, ούτε ανθρώπινη κουλτούρα,
04:11
maybe even not humanο άνθρωπος languageΓλώσσα.
99
236000
2000
ούτε ακόμη και ανθρώπινη γλώσσα.
04:13
And so this is why we turnedγύρισε to these guys here.
100
238000
2000
Αυτός είναι ο λόγος που στραφήκαμε σ' αυτούς εδώ τους τύπους.
04:15
These are one of the guys I work with. This is a brownκαφέ capuchinείδος πιθήκου monkeyΠίθηκος.
101
240000
3000
Μ' αυτούς τους τύπους δουλεύω. Τούτος εδώ είναι ένας καφετής Καπουτσίνος πίθηκος.
04:18
These guys are NewΝέα WorldΚόσμο primatesπρωτεύοντα,
102
243000
2000
Πρόκειται για πρωτεύοντα του Νέου Κόσμου,
04:20
whichοι οποίες meansπου σημαίνει they brokeέσπασε off from the humanο άνθρωπος branchκλαδί
103
245000
2000
που σημαίνει ότι αποσπάστηκαν από τον ανθρώπινο εξελικτικό κλάδο
04:22
about 35 millionεκατομμύριο yearsχρόνια agoπριν.
104
247000
2000
περίπου πριν 35 εκατομμύρια χρόνια.
04:24
This meansπου σημαίνει that your great, great, great great, great, great --
105
249000
2000
Δηλαδή, η προ, προ, προ, προ, προ, προ --
04:26
with about fiveπέντε millionεκατομμύριο "greatsμεγάλοι" in there --
106
251000
2000
με περίπου πέντε εκατομμύρια "προ" μπροστά --
04:28
grandmotherγιαγιά was probablyπιθανώς the sameίδιο great, great, great, great
107
253000
2000
γιαγιά σας, ήταν πιθανότατα και η προ, προ, προ, προ
04:30
grandmotherγιαγιά with fiveπέντε millionεκατομμύριο "greatsμεγάλοι" in there
108
255000
2000
γιαγιά, με πέντε εκατομμύρια "προ" μπροστά
04:32
as HollyHolly up here.
109
257000
2000
της Χόλυ, που βλέπετε εδώ.
04:34
You know, so you can take comfortάνεση in the factγεγονός that this guy up here is a really really distantμακρινός,
110
259000
3000
Μπορεί να σας προκαλεί ανακούφιση το γεγονός ότι αυτός εδώ ο τύπος είναι πραγματικά πολύ μακρινός,
04:37
but albeitμολονότι evolutionaryεξελικτική, relativeσυγγενής.
111
262000
2000
ωστόσο εξελικτικός συγγενής μας.
04:39
The good newsΝέα about HollyHolly thoughαν και is that
112
264000
2000
Τα καλά νέα με τη Χόλυ πάντως είναι ότι
04:41
she doesn't actuallyπράγματι have the sameίδιο kindsείδη of technologiesτεχνολογίες we do.
113
266000
3000
δεν διαθέτει τις ίδιες τεχνολογίες μ' εμάς.
04:44
You know, she's a smartέξυπνος, very cutΤομή creatureπλάσμα, a primateπρωτευόντων as well,
114
269000
3000
Ξέρετε, είναι ένα έξυπνο και συμπαθητικό πλάσμα, ένα πρώτιστο επίσης,
04:47
but she lacksλείπει all the stuffυλικό we think mightθα μπορούσε be messingμπέρδεμα us up.
115
272000
2000
όμως της λείπουν όλα εκείνα που θεωρούμε ότι μπορεί να μπερδεύουν εμάς.
04:49
So she's the perfectτέλειος testδοκιμή caseπερίπτωση.
116
274000
2000
Έτσι, είναι το τέλειο πειραματόζωο.
04:51
What if we put HollyHolly into the sameίδιο contextσυμφραζόμενα as humansτου ανθρώπου?
117
276000
3000
Τι θα γινόταν εάν βάζαμε τη Χόλυ μπροστά στις ίδιες ανθρώπινες καταστάσεις;
04:54
Does she make the sameίδιο mistakesλάθη as us?
118
279000
2000
Θα κάνει τα ίδια λάθη μ' εμάς;
04:56
Does she not learnμαθαίνω from them? And so on.
119
281000
2000
Δεν θα μαθαίνει απ' αυτά; Και ούτω καθ' εξής.
04:58
And so this is the kindείδος of thing we decidedαποφασισμένος to do.
120
283000
2000
Τέτοια πράγματα αποφασίσαμε να κάνουμε.
05:00
My studentsΦοιτητές and I got very excitedερεθισμένος about this a fewλίγοι yearsχρόνια agoπριν.
121
285000
2000
Οι φοιτητές μου κι εγώ ενθουσιαστήκαμε μ' αυτό, πριν από λίγα χρόνια.
05:02
We said, all right, let's, you know, throwβολή so problemsπροβλήματα at HollyHolly,
122
287000
2000
Είπαμε, εντάξει ας υποβάλουμε τη Χόλυ σε τούτα τα προβλήματα
05:04
see if she messesλεσχών these things up.
123
289000
2000
και να δούμε εάν θα τα θαλασσώσει.
05:06
First problemπρόβλημα is just, well, where should we startαρχή?
124
291000
3000
Το πρώτο πρόβλημα ήταν από πού ν' αρχίσουμε.
05:09
Because, you know, it's great for us, but badκακό for humansτου ανθρώπου.
125
294000
2000
Γιατί ξέρετε, είναι σπουδαία τα προβλήματα για εμάς, αλλά άσχημα για την ανθρωπότητα.
05:11
We make a lot of mistakesλάθη in a lot of differentδιαφορετικός contextsπεριβάλλοντα.
126
296000
2000
Κάνουμε πολλά λάθη σε πολλές διαφορετικές περιστάσεις.
05:13
You know, where are we actuallyπράγματι going to startαρχή with this?
127
298000
2000
Από πού λοιπόν να ξεκινήσουμε;
05:15
And because we startedξεκίνησε this work around the time of the financialχρηματοοικονομική collapseκατάρρευση,
128
300000
3000
Επειδή ξεκινήσαμε αυτήν την εργασία περίπου τον καιρό της οικονομικής κατάρρευσης,
05:18
around the time when foreclosuresαποκλεισμοί were hittingνα χτυπήσει the newsΝέα,
129
303000
2000
περίπου την εποχή που οι κατασχέσεις υποθηκών έκαναν θραύση στις ειδήσεις,
05:20
we said, hhmmωωλλ, maybe we should
130
305000
2000
είπαμε ότι ίσως θα μπορούσαμε
05:22
actuallyπράγματι startαρχή in the financialχρηματοοικονομική domainτομέα.
131
307000
2000
να ξεκινήσουμε από τον χώρο των οικονομικών.
05:24
Maybe we should look at monkey'sπιθήκου economicοικονομικός decisionsαποφάσεων
132
309000
3000
Ίσως να μπορούσαμε να παρατηρήσουμε τις οικονομικές αποφάσεις των μαϊμούδων
05:27
and try to see if they do the sameίδιο kindsείδη of dumbχαζός things that we do.
133
312000
3000
και να δούμε εάν κι εκείνες κάνουν τις ίδιες κουταμάρες που κάνουμε κι εμείς.
05:30
Of courseσειρά μαθημάτων, that's when we hitΚτύπημα a sortείδος secondδεύτερος problemπρόβλημα --
134
315000
2000
Φυσικά, εδώ πέφτουμε επάνω σ' ένα δεύτερο πρόβλημα --
05:32
a little bitκομμάτι more methodologicalμεθοδολογικές --
135
317000
2000
λίγο πιο μεθοδολογικό --
05:34
whichοι οποίες is that, maybe you guys don't know,
136
319000
2000
που είναι το γεγονός ότι, εσείς μπορεί να μην το γνωρίζετε,
05:36
but monkeysπιθήκους don't actuallyπράγματι use moneyχρήματα. I know, you haven'tδεν έχουν metσυνάντησε them.
137
321000
3000
αλλά οι μαϊμούδες δεν χρησιμοποιούν χρήματα. Ξέρω ότι δεν τις έχετε συναντήσει.
05:39
But this is why, you know, they're not in the queueΟυρά behindπίσω you
138
324000
2000
Αυτός είναι όμως ο λόγος που δεν στέκονται πίσω σας στην ουρά
05:41
at the groceryπαντοπωλείο storeκατάστημα or the ATMATM -- you know, they don't do this stuffυλικό.
139
326000
3000
στο μπακάλικο ή στο ΑΤΜ -- ξέρετε, δεν κάνουν τέτοια πράγματα.
05:44
So now we facedαντιμετωπίζουν, you know, a little bitκομμάτι of a problemπρόβλημα here.
140
329000
3000
Εδώ λοιπόν αντιμετωπίσαμε κάποιο μικρό πρόβλημα.
05:47
How are we actuallyπράγματι going to askπαρακαλώ monkeysπιθήκους about moneyχρήματα
141
332000
2000
Πώς να ρωτήσουμε τις μαϊμούδες για τα χρήματα
05:49
if they don't actuallyπράγματι use it?
142
334000
2000
εάν δεν τα χρησιμοποιούν;
05:51
So we said, well, maybe we should just, actuallyπράγματι just suckρουφώ it up
143
336000
2000
Έτσι, είπαμε να το αντιπαρέλθουμε
05:53
and teachδιδάσκω monkeysπιθήκους how to use moneyχρήματα.
144
338000
2000
διδάσκοντας στις μαϊμούδες πώς να χρησιμοποιούν το χρήμα.
05:55
So that's just what we did.
145
340000
2000
Αυτό και κάναμε.
05:57
What you're looking at over here is actuallyπράγματι the first unitμονάδα that I know of
146
342000
3000
Αυτό που βλέπετε εδώ, είναι η πρώτη γνωστή σ' εμένα μονάδα
06:00
of non-humanμη ανθρώπινο currencyνόμισμα.
147
345000
2000
μη ανθρώπινου χρήματος.
06:02
We weren'tδεν ήταν very creativeδημιουργικός at the time we startedξεκίνησε these studiesσπουδές,
148
347000
2000
Δεν ήμασταν και πολύ δημιουργικοί κατά την εποχή που ξεκινήσαμε αυτές τις μελέτες,
06:04
so we just calledπου ονομάζεται it a tokenΔιακριτικό.
149
349000
2000
οπότε το ονομάσαμε μάρκα.
06:06
But this is the unitμονάδα of currencyνόμισμα that we'veέχουμε taughtδιδακτός our monkeysπιθήκους at YaleYale
150
351000
3000
Αυτή είναι η χρηματική μονάδα, την οποία διδάξαμε στις μαϊμούδες μας στο Γέηλ
06:09
to actuallyπράγματι use with humansτου ανθρώπου,
151
354000
2000
να χρησιμοποιούν στις συναλλαγές τους με τους ανθρώπους,
06:11
to actuallyπράγματι buyαγορά differentδιαφορετικός piecesκομμάτια of foodτροφή.
152
356000
3000
για ν' αγοράσουν διάφορα τρόφιμα.
06:14
It doesn't look like much -- in factγεγονός, it isn't like much.
153
359000
2000
Δεν φαίνεται να είναι τίποτε σπουδαίο -- στην πραγματικότητα δεν είναι και τίποτε σπουδαίο.
06:16
Like mostπλέον of our moneyχρήματα, it's just a pieceκομμάτι of metalμέταλλο.
154
361000
2000
Όπως τα περισσότερα από τα χρήματά μας, είναι απλά ένα κομμάτι μέταλλο.
06:18
As those of you who'veποιος έχει takenληφθεί currenciesνομίσματα home from your tripταξίδι know,
155
363000
3000
Όπως κάποιοι από εσάς που παίρνουν μαζί τους διάφορα νομίσματα μετά από ταξίδια,
06:21
onceμια φορά you get home, it's actuallyπράγματι prettyαρκετά uselessάχρηστος.
156
366000
2000
και μόλις φτάσουν σπίτι τους, αυτά είναι εντελώς άχρηστα.
06:23
It was uselessάχρηστος to the monkeysπιθήκους at first
157
368000
2000
Ήταν άχρηστα για τις μαϊμούδες στην αρχή
06:25
before they realizedσυνειδητοποίησα what they could do with it.
158
370000
2000
πριν αντιληφθούν τι μπορούσαν να κάνουν μ' αυτά.
06:27
When we first gaveέδωσε it to them in theirδικα τους enclosuresπεριβλήματα,
159
372000
2000
Όταν τους τα πρωτοδώσαμε, μέσα στα κλουβιά τους,
06:29
they actuallyπράγματι kindείδος of pickedεκλεκτός them up, lookedκοίταξε at them.
160
374000
2000
τα σήκωναν από κάτω και τα κοιτούσαν.
06:31
They were these kindείδος of weirdΠερίεργο things.
161
376000
2000
Ήταν γι' αυτές ένα περίεργο αντικείμενο.
06:33
But very quicklyγρήγορα, the monkeysπιθήκους realizedσυνειδητοποίησα
162
378000
2000
Πολύ γρήγορα όμως, οι μαϊμούδες αντιλήφθηκαν
06:35
that they could actuallyπράγματι handχέρι these tokensκουπόνια over
163
380000
2000
πως μπορούν να δώσουν αυτές τις μάρκες
06:37
to differentδιαφορετικός humansτου ανθρώπου in the labεργαστήριο for some foodτροφή.
164
382000
3000
σε διάφορους ανθρώπους του εργαστηρίου, έναντι φαγητού.
06:40
And so you see one of our monkeysπιθήκους, MaydayΠρωτομαγιά, up here doing this.
165
385000
2000
Εδώ βλέπετε μια απ' τις μαϊμούδες μας, τη Μέιντεη, να κάνει ακριβώς αυτό.
06:42
This is A and B are kindείδος of the pointsσημεία where she's sortείδος of a little bitκομμάτι
166
387000
3000
Στις εικόνες Α και Β βλέπουμε τα σημεία όπου είναι κάπως
06:45
curiousπερίεργος about these things -- doesn't know.
167
390000
2000
περίεργη για τα πράγματα αυτά -- δεν γνωρίζει.
06:47
There's this waitingαναμονή handχέρι from a humanο άνθρωπος experimenterπειραματιστής,
168
392000
2000
Υπάρχει αυτό το χέρι του ανθρώπου πειραματιστή που περιμένει,
06:49
and MaydayΠρωτομαγιά quicklyγρήγορα figuresαριθμούς out, apparentlyπροφανώς the humanο άνθρωπος wants this.
169
394000
3000
και η Μέιντεη γρήγορα αντιλαμβάνεται ότι ο άνθρωπος προφανώς το θέλει.
06:52
HandsΤα χέρια it over, and then getsπαίρνει some foodτροφή.
170
397000
2000
Το δίνει και έπειτα παίρνει λίγο φαγητό.
06:54
It turnsστροφές out not just MaydayΠρωτομαγιά, all of our monkeysπιθήκους get good
171
399000
2000
Αποδείχθηκε πως όχι μόνο η Μέιντεη, αλλά όλες οι μαϊμούδες μας γίνονται καλές
06:56
at tradingεμπορία tokensκουπόνια with humanο άνθρωπος salesmanπωλητής.
172
401000
2000
στο να ανταλλάσσουν μάρκες με ανθρώπους πωλητές.
06:58
So here'sεδώ είναι just a quickγρήγορα videoβίντεο of what this looksφαίνεται like.
173
403000
2000
Ορίστε λοιπόν ένα σύντομο βίντεο για το πώς γίνεται όλο αυτό.
07:00
Here'sΕδώ είναι MaydayΠρωτομαγιά. She's going to be tradingεμπορία a tokenΔιακριτικό for some foodτροφή
174
405000
3000
Εδώ είναι η Μέιντεη. Θα ανταλλάξει μια μάρκα για λίγο φαγητό.
07:03
and waitingαναμονή happilyΕυτυχώς and gettingνα πάρει her foodτροφή.
175
408000
3000
Περιμένει ευχαριστημένη και παίρνει το φαγητό της.
07:06
Here'sΕδώ είναι FelixΦήλιξ, I think. He's our alphaάλφα maleαρσενικός; he's a kindείδος of bigμεγάλο guy.
176
411000
2000
Εδώ είναι ο Φέλιξ, νομίζω. Είναι το κυρίαρχο αρσενικό· αρκετά μεγαλόσωμος.
07:08
But he too waitsπεριμένει patientlyυπομονετικά, getsπαίρνει his foodτροφή and goesπηγαίνει on.
177
413000
3000
Και αυτός περιμένει υπομονετικά, παίρνει το φαγητό του και συνεχίζει.
07:11
So the monkeysπιθήκους get really good at this.
178
416000
2000
Οι μαϊμούδες γίνονται πολύ καλές σ' αυτό.
07:13
They're surprisinglyαπροσδόκητα good at this with very little trainingεκπαίδευση.
179
418000
3000
Είναι εκπληκτικά καλές με ελάχιστη εκπαίδευση.
07:16
We just allowedεπιτρέπεται them to pickδιαλέγω this up on theirδικα τους ownτα δικά.
180
421000
2000
Τις αφήσαμε να το συνηθίσουν από μόνες τους.
07:18
The questionερώτηση is: is this anything like humanο άνθρωπος moneyχρήματα?
181
423000
2000
Το ερώτημα είναι: έχει καμία σχέση όλο αυτό με τα ανθρώπινα χρήματα;
07:20
Is this a marketαγορά at all,
182
425000
2000
Αποτελεί αυτό αγορά,
07:22
or did we just do a weirdΠερίεργο psychologist'sτου ψυχολόγου trickτέχνασμα
183
427000
2000
ή μήπως κάναμε ένα παράξενο ψυχολογικό τρικ
07:24
by gettingνα πάρει monkeysπιθήκους to do something,
184
429000
2000
καταφέρνοντας τις μαϊμούδες να κάνουν κάτι,
07:26
looking smartέξυπνος, but not really beingνα εισαι smartέξυπνος.
185
431000
2000
να δείχνουν έξυπνες, χωρίς όμως να είναι;
07:28
And so we said, well, what would the monkeysπιθήκους spontaneouslyαυθόρμητα do
186
433000
3000
Ύστερα είπαμε, λοιπόν, τι θα έκαναν αυθόρμητα οι μαϊμούδες
07:31
if this was really theirδικα τους currencyνόμισμα, if they were really usingχρησιμοποιώντας it like moneyχρήματα?
187
436000
3000
εάν αυτό ήταν πράγματι το νόμισμά τους, εάν πράγματι το χρησιμοποιούσαν ως χρήμα;
07:34
Well, you mightθα μπορούσε actuallyπράγματι imagineφαντάζομαι them
188
439000
2000
Μπορείτε να τις φανταστείτε
07:36
to do all the kindsείδη of smartέξυπνος things
189
441000
2000
να κάνουν όλων των ειδών τα έξυπνα πράγματα
07:38
that humansτου ανθρώπου do when they startαρχή exchangingανταλλαγή moneyχρήματα with eachκαθε other.
190
443000
3000
που κάνουν οι άνθρωποι όταν αρχίζουν να συναλλάσσονται μεταξύ τους.
07:41
You mightθα μπορούσε have them startαρχή payingδικαιούχος attentionπροσοχή to priceτιμή,
191
446000
3000
Τις φαντάζεστε να προσέχουν την τιμή,
07:44
payingδικαιούχος attentionπροσοχή to how much they buyαγορά --
192
449000
2000
να προσέχουν πόσα αγοράζουν --
07:46
sortείδος of keepingτήρηση trackπίστα of theirδικα τους monkeyΠίθηκος tokenΔιακριτικό, as it were.
193
451000
3000
να κρατούν λογαριασμό των μαϊμουδίσιων μαρκών τους.
07:49
Do the monkeysπιθήκους do anything like this?
194
454000
2000
Κάνουν τίποτ' απ' αυτά οι μαϊμούδες;
07:51
And so our monkeyΠίθηκος marketplaceαγορά was bornγεννημένος.
195
456000
3000
Έτσι γεννήθηκε η μαϊμουδίσια αγορά μας.
07:54
The way this worksεργοστάσιο is that
196
459000
2000
Αυτή λειτουργεί επειδή
07:56
our monkeysπιθήκους normallyκανονικά liveζω in a kindείδος of bigμεγάλο zooΖωολογικός Κήπος socialκοινωνικός enclosureπερίφραξη.
197
461000
3000
οι μαϊμούδες μας φυσιολογικά ζουν πολλές μαζί σε μεγάλα κλουβιά.
07:59
When they get a hankeringμεγάλη επιθυμία for some treatsκεράσματα,
198
464000
2000
Όταν λαχταρούν μια λιχουδιά,
08:01
we actuallyπράγματι allowedεπιτρέπεται them a way out
199
466000
2000
τους δίνουμε μια διέξοδο
08:03
into a little smallerμικρότερος enclosureπερίφραξη where they could enterεισαγω the marketαγορά.
200
468000
2000
σε ένα μικρότερο κλουβί, απ' όπου εισέρχονται στην αγορά.
08:05
UponΚατόπιν enteringεισερχόμενοι the marketαγορά --
201
470000
2000
Μπαίνοντας στην αγορά --
08:07
it was actuallyπράγματι a much more funδιασκέδαση marketαγορά for the monkeysπιθήκους than mostπλέον humanο άνθρωπος marketsαγορές
202
472000
2000
στην πραγματικότητα ήταν μια πολύ πιο διασκεδαστική αγορά από τις περισσότερες ανθρώπινες
08:09
because, as the monkeysπιθήκους enteredεισήχθη the doorθύρα of the marketαγορά,
203
474000
3000
επειδή, καθώς οι μαϊμούδες περνούσαν την πόρτα,
08:12
a humanο άνθρωπος would give them a bigμεγάλο walletπορτοφόλι fullγεμάτος of tokensκουπόνια
204
477000
2000
κάποιος άνθρωπος τους έδινε ένα μεγάλο πορτοφόλι γεμάτο μάρκες
08:14
so they could actuallyπράγματι tradeεμπορικές συναλλαγές the tokensκουπόνια
205
479000
2000
ώστε να μπορούν να τις ανταλλάξουν
08:16
with one of these two guys here --
206
481000
2000
με έναν από αυτούς τους δύο εδώ --
08:18
two differentδιαφορετικός possibleδυνατόν humanο άνθρωπος salesmenπωλητές
207
483000
2000
δύο διαφορετικούς ανθρώπους πωλητές
08:20
that they could actuallyπράγματι buyαγορά stuffυλικό from.
208
485000
2000
από τους οποίους μπορούσαν να αγοράσουν πράγματα.
08:22
The salesmenπωλητές were studentsΦοιτητές from my labεργαστήριο.
209
487000
2000
Οι πωλητές ήταν φοιτητές του εργαστηρίου μου.
08:24
They dressedντυμένος differentlyδιαφορετικά; they were differentδιαφορετικός people.
210
489000
2000
Ντύνονταν διαφορετικά· ήταν διαφορετικοί άνθρωποι.
08:26
And over time, they did basicallyβασικα the sameίδιο thing
211
491000
3000
Με τον καιρό, έκαναν βασικά το ίδιο πράγμα
08:29
so the monkeysπιθήκους could learnμαθαίνω, you know,
212
494000
2000
έτσι ώστε οι μαϊμούδες να μπορούν να μάθουν,
08:31
who soldπωληθεί what at what priceτιμή -- you know, who was reliableαξιόπιστος, who wasn'tδεν ήταν, and so on.
213
496000
3000
ποιος πωλούσε τι και σε ποια τιμή -- ποιος ήταν αξιόπιστος, ποιος δεν ήταν κ.ο.κ.
08:34
And you can see that eachκαθε of the experimentersπειραματιστές
214
499000
2000
Μπορείτε να δείτε ότι καθένας από τους πειραματιστές,
08:36
is actuallyπράγματι holdingκράτημα up a little, yellowκίτρινος foodτροφή dishπιάτο.
215
501000
3000
βαστάει ένα μικρό κίτρινο δοχείο φαγητού
08:39
and that's what the monkeyΠίθηκος can for a singleμονόκλινο tokenΔιακριτικό.
216
504000
2000
κι αυτό μπορούν να αγοράσουν οι μαϊμούδες για μια μάρκα.
08:41
So everything costsδικαστικά έξοδα one tokenΔιακριτικό,
217
506000
2000
Έτσι όλα στοιχίζουν μια μάρκα,
08:43
but as you can see, sometimesωρες ωρες tokensκουπόνια buyαγορά more than othersοι υπολοιποι,
218
508000
2000
αλλά όπως βλέπετε, μερικές φορές οι μάρκες αγοράζουν περισσότερα από άλλες,
08:45
sometimesωρες ωρες more grapesσταφύλια than othersοι υπολοιποι.
219
510000
2000
περισσότερα σταφύλια από άλλες φορές.
08:47
So I'll showπροβολή you a quickγρήγορα videoβίντεο of what this marketplaceαγορά actuallyπράγματι looksφαίνεται like.
220
512000
3000
Θα σας δείξω σ' ένα σύντομο βίντεο πώς μοιάζει αυτή η αγορά.
08:50
Here'sΕδώ είναι a monkey-eye-viewμαϊμού-μάτι-άποψη. MonkeysΠιθήκους are shorterκοντύτερος, so it's a little shortμικρός.
221
515000
3000
Εδώ βλέπετε θυρίδες για τις μαϊμούδες. Είναι χαμηλές, επειδή οι μαϊμούδες είναι κοντές.
08:53
But here'sεδώ είναι HoneyΜέλι.
222
518000
2000
Εδώ είναι η Χάνεη.
08:55
She's waitingαναμονή for the marketαγορά to openΆνοιξε a little impatientlyμε ανυπομονησία.
223
520000
2000
Περιμένει κάπως ανυπόμονα ν' ανοίξει η αγορά.
08:57
All of a suddenαιφνίδιος the marketαγορά opensανοίγει. Here'sΕδώ είναι her choiceεπιλογή: one grapesσταφύλια or two grapesσταφύλια.
224
522000
3000
Ξαφνικά η αγορά ανοίγει. Εδώ είναι η επιλογές της: μία ρόγα ή δύο ρόγες.
09:00
You can see HoneyΜέλι, very good marketαγορά economistοικονομολόγος,
225
525000
2000
Μπορείτε να δείτε τη Χάνεη, πολύ καλή οικονομολόγος,
09:02
goesπηγαίνει with the guy who givesδίνει more.
226
527000
3000
επιλέγει τον πωλητή που δίνει περισσότερα.
09:05
She could teachδιδάσκω our financialχρηματοοικονομική advisersΣύμβουλοι a fewλίγοι things or two.
227
530000
2000
Θα μπορούσε να διδάξει τους οικονομικούς συμβούλους μας, κάνα δυο πράγματα.
09:07
So not just HoneyΜέλι,
228
532000
2000
Όχι μόνο η Χάνεη,
09:09
mostπλέον of the monkeysπιθήκους wentπήγε with guys who had more.
229
534000
3000
οι περισσότερες μαϊμούδες μας επέλεγαν αυτούς που είχαν περισσότερα.
09:12
MostΠερισσότερα of the monkeysπιθήκους wentπήγε with guys who had better foodτροφή.
230
537000
2000
Οι περισσότερες επέλεγαν αυτούς που είχαν την καλύτερη τροφή.
09:14
When we introducedεισήχθη salesεμπορικός, we saw the monkeysπιθήκους paidεπί πληρωμή attentionπροσοχή to that.
231
539000
3000
Όταν εισάγαμε τις εκπτώσεις, είδαμε τις μαϊμούδες να δίνουν προσοχή σ' αυτό.
09:17
They really caredφροντίδα about theirδικα τους monkeyΠίθηκος tokenΔιακριτικό dollarδολάριο.
232
542000
3000
Τις ενδιέφεραν πολύ οι μαϊμουδίσιες μάρκες τους.
09:20
The more surprisingεκπληκτικός thing was that when we collaboratedσυνεργάστηκαν with economistsοικονομολόγους
233
545000
3000
Το πιο εντυπωσιακό ήταν πως όταν συνεργαστήκαμε με οικονομολόγους
09:23
to actuallyπράγματι look at the monkeys'πιθήκους dataδεδομένα usingχρησιμοποιώντας economicοικονομικός toolsεργαλεία,
234
548000
3000
ώστε να μελετήσουμε τα δεδομένα των μαϊμούδων που χρησιμοποιούσαν οικονομικά εργαλεία,
09:26
they basicallyβασικα matchedταιριάζει, not just qualitativelyποιοτικά,
235
551000
3000
στην ουσία ταυτίζονταν, όχι μόνο ποιοτικά,
09:29
but quantitativelyποσοτικά with what we saw
236
554000
2000
αλλά και ποσοτικά με αυτά που είδαμε
09:31
humansτου ανθρώπου doing in a realπραγματικός marketαγορά.
237
556000
2000
τους ανθρώπους να κάνουν σε πραγματικές αγορές.
09:33
So much so that, if you saw the monkeys'πιθήκους numbersαριθμούς,
238
558000
2000
Ταυτίζονταν τόσο πολύ ώστε όταν έβλεπες τα νούμερα των μαϊμούδων,
09:35
you couldn'tδεν μπορούσε tell whetherκατά πόσο they cameήρθε from a monkeyΠίθηκος or a humanο άνθρωπος in the sameίδιο marketαγορά.
239
560000
3000
δεν μπορούσες να ξεχωρίσεις εάν προέρχονταν από μαϊμού ή άνθρωπο στην ίδια αγορά.
09:38
And what we'dνυμφεύω really thought we'dνυμφεύω doneΈγινε
240
563000
2000
Αυτό που πιστέψαμε πως κάναμε
09:40
is like we'dνυμφεύω actuallyπράγματι introducedεισήχθη something
241
565000
2000
ήταν πως παρουσιάσαμε κάτι
09:42
that, at leastελάχιστα for the monkeysπιθήκους and us,
242
567000
2000
που, τουλάχιστον για μας και τις μαϊμούδες,
09:44
worksεργοστάσιο like a realπραγματικός financialχρηματοοικονομική currencyνόμισμα.
243
569000
2000
λειτουργεί σαν αληθινό χρήμα.
09:46
QuestionΕρώτηση is: do the monkeysπιθήκους startαρχή messingμπέρδεμα up in the sameίδιο waysτρόπους we do?
244
571000
3000
Το ερώτημα είναι αν οι μαϊμούδες θα τα θαλασσώνουν με τον ίδιο τρόπο όπως εμείς.
09:49
Well, we alreadyήδη saw anecdotallyανεκδοτολογικά a coupleζευγάρι of signsσημάδια that they mightθα μπορούσε.
245
574000
3000
Είδαμε ήδη ανεπίσημα, μερικά σημάδια πως μπορεί και να τα θαλασσώνουν.
09:52
One thing we never saw in the monkeyΠίθηκος marketplaceαγορά
246
577000
2000
Ένα πράγμα που δεν είδαμε ποτέ στην αγορά των μαϊμούδων
09:54
was any evidenceαπόδειξη of savingοικονομία --
247
579000
2000
ήταν οποιοδήποτε σημάδι αποταμίευσης --
09:56
you know, just like our ownτα δικά speciesείδος.
248
581000
2000
όπως κάνει το δικό μας είδος.
09:58
The monkeysπιθήκους enteredεισήχθη the marketαγορά, spentξόδεψε theirδικα τους entireολόκληρος budgetπροϋπολογισμός
249
583000
2000
Οι μαϊμούδες έμπαιναν στην αγορά, ξόδευαν όλο τους το κονδύλι
10:00
and then wentπήγε back to everyoneΟλοι elseαλλού.
250
585000
2000
και έπειτα επέστρεφαν στις υπόλοιπες.
10:02
The other thing we alsoεπίσης spontaneouslyαυθόρμητα saw,
251
587000
2000
Το άλλο πράγμα που παρατηρήσαμε,
10:04
embarrassinglyανησυχητικά enoughαρκετά,
252
589000
2000
με κάποια αμηχανία,
10:06
is spontaneousαυθόρμητος evidenceαπόδειξη of larcenyκλοπή.
253
591000
2000
ήταν η αυθόρμητη εμφάνιση κλοπής.
10:08
The monkeysπιθήκους would rip-offrip-off the tokensκουπόνια at everyκάθε availableδιαθέσιμος opportunityευκαιρία --
254
593000
3000
Οι μαϊμούδες έκλεβαν μάρκες σε κάθε δυνατή ευκαιρία --
10:11
from eachκαθε other, oftenσυχνά from us --
255
596000
2000
η μια από την άλλη, συχνά και από εμάς --
10:13
you know, things we didn't necessarilyαναγκαίως think we were introducingεισάγοντας,
256
598000
2000
πράγματα που δεν πιστεύαμε πως εμείς τα εισάγαμε,
10:15
but things we spontaneouslyαυθόρμητα saw.
257
600000
2000
αλλά που αυθόρμητα συνέβαιναν.
10:17
So we said, this looksφαίνεται badκακό.
258
602000
2000
Σκεφτήκαμε πως αυτό φαίνεται άσχημο.
10:19
Can we actuallyπράγματι see if the monkeysπιθήκους
259
604000
2000
Μπορούμε τελικά να δούμε εάν οι μαϊμούδες
10:21
are doing exactlyακριβώς the sameίδιο dumbχαζός things as humansτου ανθρώπου do?
260
606000
3000
κάνουν ακριβώς τα ίδια ανόητα πράγματα, όπως οι άνθρωποι;
10:24
One possibilityδυνατότητα is just kindείδος of let
261
609000
2000
Μια πιθανότητα ήταν ν' αφήσουμε
10:26
the monkeyΠίθηκος financialχρηματοοικονομική systemΣύστημα playπαίζω out,
262
611000
2000
το οικονομικό σύστημα των μαϊμούδων να εξελιχθεί,
10:28
you know, see if they startαρχή callingκλήση us for bailoutsbailouts in a fewλίγοι yearsχρόνια.
263
613000
2000
ώστε να δούμε εάν σε λίγα χρόνια θα μας ζητούσαν άρση των χρεών τους.
10:30
We were a little impatientανυπόμονος so we wanted
264
615000
2000
Ήμασταν λίγο ανυπόμονοι έτσι θέλαμε
10:32
to sortείδος of speedΤαχύτητα things up a bitκομμάτι.
265
617000
2000
να επιταχύνουμε λίγο τα πράγματα.
10:34
So we said, let's actuallyπράγματι give the monkeysπιθήκους
266
619000
2000
Έτσι είπαμε να δημιουργήσουμε στις μαϊμούδες
10:36
the sameίδιο kindsείδη of problemsπροβλήματα
267
621000
2000
τα ίδια προβλήματα
10:38
that humansτου ανθρώπου tendτείνω to get wrongλανθασμένος
268
623000
2000
στα οποία οι άνθρωποι τείνουν να κάνουν λάθη
10:40
in certainβέβαιος kindsείδη of economicοικονομικός challengesπροκλήσεις,
269
625000
2000
σε συγκεκριμένες οικονομικές προκλήσεις,
10:42
or certainβέβαιος kindsείδη of economicοικονομικός experimentsπειράματα.
270
627000
2000
ή συγκεκριμένους οικονομικούς πειραματισμούς.
10:44
And so, sinceΑπό the bestκαλύτερος way to see how people go wrongλανθασμένος
271
629000
3000
Επειδή λοιπόν, ο καλύτερος τρόπος για να δεις πώς οι άνθρωποι σφάλλουν
10:47
is to actuallyπράγματι do it yourselfσύ ο ίδιος,
272
632000
2000
είναι να το κάνεις από μόνος σου,
10:49
I'm going to give you guys a quickγρήγορα experimentπείραμα
273
634000
2000
θα σας περιγράψω στα γρήγορα ένα πείραμα
10:51
to sortείδος of watch your ownτα δικά financialχρηματοοικονομική intuitionsτις διαισθήσεις in actionδράση.
274
636000
2000
ώστε να δείτε τη δική σας οικονομική διαίσθηση εν δράσει.
10:53
So imagineφαντάζομαι that right now
275
638000
2000
Φανταστείτε ότι αυτή τη στιγμή
10:55
I handedπαρέδωσε eachκαθε and everyκάθε one of you
276
640000
2000
δίνω στον καθένα σας
10:57
a thousandχίλια U.S. dollarsδολάρια -- so 10 crispτραγανή hundredεκατό dollarδολάριο billsλογαριασμοί.
277
642000
3000
χίλια δολάρια ΗΠΑ -- 10 κολλαριστά εκατοδόλαρα.
11:00
Take these, put it in your walletπορτοφόλι
278
645000
2000
Πάρτε τα, βάλτε τα στο πορτοφόλι σας
11:02
and spendδαπανήσει a secondδεύτερος thinkingσκέψη about what you're going to do with it.
279
647000
2000
και σκεφτείτε για μια στιγμή τι θα τα κάνετε.
11:04
Because it's yoursδικος σου now; you can buyαγορά whateverοτιδήποτε you want.
280
649000
2000
Είναι δικά σας τώρα· μπορείτε ν' αγοράσετε ό,τι θέλετε.
11:06
DonateΔωρεά it, take it, and so on.
281
651000
2000
Να τα δωρίσετε, να τα πάρετε, και λοιπά.
11:08
SoundsΉχοι great, but you get one more choiceεπιλογή to earnΚερδίστε a little bitκομμάτι more moneyχρήματα.
282
653000
3000
Ακούγεται θαυμάσιο, αλλά σας δίδεται άλλη μια ευκαιρία να κερδίσετε λίγα περισσότερα χρήματα.
11:11
And here'sεδώ είναι your choiceεπιλογή: you can eitherείτε be riskyεπικίνδυνος,
283
656000
3000
Αυτές είναι οι επιλογές σας: μπορείτε να ρισκάρετε,
11:14
in whichοι οποίες caseπερίπτωση I'm going to flipαναρρίπτω one of these monkeyΠίθηκος tokensκουπόνια.
284
659000
2000
οπότε θα στρίψω μια από τις μάρκες των μαϊμούδων.
11:16
If it comesέρχεται up headsκεφάλια, you're going to get a thousandχίλια dollarsδολάρια more.
285
661000
2000
Εάν έρθει κορώνα, θα κερδίσετε χίλια δολάρια επιπλέον.
11:18
If it comesέρχεται up tailsουρές, you get nothing.
286
663000
2000
Εάν έρθει γράμματα, δεν παίρνετε τίποτε.
11:20
So it's a chanceευκαιρία to get more, but it's prettyαρκετά riskyεπικίνδυνος.
287
665000
3000
Έχετε λοιπόν μια ευκαιρία να κερδίσετε περισσότερα, όμως αρκετά ριψοκίνδυνη.
11:23
Your other optionεπιλογή is a bitκομμάτι safeασφαλής. Your just going to get some moneyχρήματα for sure.
288
668000
3000
Η άλλη σας επιλογή είναι αρκετά ασφαλής. Θα πάρετε κάποια χρήματα στα σίγουρα.
11:26
I'm just going to give you 500 bucksδολάρια.
289
671000
2000
Θα σας δώσω μόνο 500 δολάρια.
11:28
You can stickραβδί it in your walletπορτοφόλι and use it immediatelyαμέσως.
290
673000
3000
Μπορείτε να τα βάλετε στο πορτοφόλι σας και να τα χρησιμοποιήσετε άμεσα.
11:31
So see what your intuitionδιαίσθηση is here.
291
676000
2000
Ας δούμε ποια είναι η ενόρασή σας εδώ.
11:33
MostΠερισσότερα people actuallyπράγματι go with the play-it-safePlay-it-χρηματοκιβώτιο optionεπιλογή.
292
678000
3000
Οι περισσότεροι άνθρωποι προτιμούν τη σίγουρη επιλογή.
11:36
MostΠερισσότερα people say, why should I be riskyεπικίνδυνος when I can get 1,500 dollarsδολάρια for sure?
293
681000
3000
Οι περισσότεροι λένε, γιατί να ρισκάρω, όταν μπορώ να κερδίσω 1500 δολάρια στα σίγουρα;
11:39
This seemsφαίνεται like a good betστοίχημα. I'm going to go with that.
294
684000
2000
Μοιάζει με καλό στοίχημα. Θα προτιμήσω αυτό.
11:41
You mightθα μπορούσε say, ehρε, that's not really irrationalπαράλογος.
295
686000
2000
Θα μπορούσαμε να πούμε ότι αυτό δεν είναι στ' αλήθεια παράλογο.
11:43
People are a little risk-averseρίσκα. So what?
296
688000
2000
Οι άνθρωποι απεχθάνονται τα ρίσκα. Και λοιπόν;
11:45
Well, the "so what?" comesέρχεται when startαρχή thinkingσκέψη
297
690000
2000
Αυτό το "και λοιπόν;" έρχεται όταν αρχίζουμε να σκεφτόμαστε
11:47
about the sameίδιο problemπρόβλημα
298
692000
2000
για το ίδιο πρόβλημα
11:49
setσειρά up just a little bitκομμάτι differentlyδιαφορετικά.
299
694000
2000
στημένο λίγο διαφορετικά.
11:51
So now imagineφαντάζομαι that I give eachκαθε and everyκάθε one of you
300
696000
2000
Τώρα λοιπόν φανταστείτε ότι δίνω στον καθένα από εσάς
11:53
2,000 dollarsδολάρια -- 20 crispτραγανή hundredεκατό dollarδολάριο billsλογαριασμοί.
301
698000
3000
2000 δολάρια -- 20 κολλαριστά εκατοδόλαρα.
11:56
Now you can buyαγορά doubleδιπλό to stuffυλικό you were going to get before.
302
701000
2000
Τώρα μπορείτε ν' αγοράσετε τα διπλάσια πράγματα σε σχέση με πριν.
11:58
Think about how you'dεσείς feel stickingκολλάει it in your walletπορτοφόλι.
303
703000
2000
Σκεφτείτε πώς θα νιώθατε, έχοντάς τα στο πορτοφόλι σας.
12:00
And now imagineφαντάζομαι that I have you make anotherαλλο choiceεπιλογή
304
705000
2000
Τώρα φανταστείτε ότι θα σας βάλω να κάνετε μια διαφορετική επιλογή,
12:02
But this time, it's a little bitκομμάτι worseχειρότερος.
305
707000
2000
όμως αυτή τη φορά είναι ελαφρώς χειρότερη.
12:04
Now, you're going to be decidingαποφασίζοντας how you're going to loseχάνω moneyχρήματα,
306
709000
3000
Τώρα θα πρέπει ν' αποφασίσετε με ποιον τρόπο θα χάσετε χρήματα,
12:07
but you're going to get the sameίδιο choiceεπιλογή.
307
712000
2000
όμως θα έχετε τις ίδιες επιλογές.
12:09
You can eitherείτε take a riskyεπικίνδυνος lossαπώλεια --
308
714000
2000
Μπορείτε είτε να διαλέξετε μια ριψοκίνδυνη χασούρα --
12:11
so I'll flipαναρρίπτω a coinκέρμα. If it comesέρχεται up headsκεφάλια, you're going to actuallyπράγματι loseχάνω a lot.
309
716000
3000
θα στρίψω ένα νόμισμα. Εάν έρθει κορώνα, θα χάσετε πολλά.
12:14
If it comesέρχεται up tailsουρές, you loseχάνω nothing, you're fine, get to keep the wholeολόκληρος thing --
310
719000
3000
Εάν έρθει γράμματα, δεν θα χάσετε τίποτε, είστε εντάξει, θα κρατήσετε όλο το ποσόν --
12:17
or you could playπαίζω it safeασφαλής, whichοι οποίες meansπου σημαίνει you have to reachφθάνω back into your walletπορτοφόλι
311
722000
3000
ή θα μπορούσατε να το παίξετε με ασφάλεια, που σημαίνει ότι πρέπει να βγάλετε το πορτοφόλι σας
12:20
and give me fiveπέντε of those $100 billsλογαριασμοί, for certainβέβαιος.
312
725000
3000
και να μου δώσετε πέντε από εκείνα τα εκατοδόλαρα, οπωσδήποτε.
12:23
And I'm seeingβλέπων a lot of furrowedαυλάκια browsφρύδια out there.
313
728000
3000
Βλέπω πολλά ανασηκωμένα φρύδια στο ακροατήριο.
12:26
So maybe you're havingέχοντας the sameίδιο intuitionsτις διαισθήσεις
314
731000
2000
Ίσως λοιπόν να έχετε την ίδια ενόραση
12:28
as the subjectsμαθήματα that were actuallyπράγματι testedδοκιμαστεί in this,
315
733000
2000
με τα υποκείμενα του πειράματός μας,
12:30
whichοι οποίες is when presentedπαρουσιάστηκε with these optionsεπιλογές,
316
735000
2000
δηλαδή όταν τους παρουσιάσουμε αυτές τις επιλογές,
12:32
people don't chooseεπιλέγω to playπαίζω it safeασφαλής.
317
737000
2000
οι άνθρωποι δεν επιλέγουν να το παίξουν με ασφάλεια.
12:34
They actuallyπράγματι tendτείνω to go a little riskyεπικίνδυνος.
318
739000
2000
Στην πραγματικότητα τείνουν να γίνουν ελαφρώς ριψοκίνδυνοι.
12:36
The reasonλόγος this is irrationalπαράλογος is that we'veέχουμε givenδεδομένος people in bothκαι τα δυο situationsκαταστάσεις
319
741000
3000
Ο λόγος που αυτό είναι παράλογο, είναι ότι και στις δύο περιπτώσεις δώσαμε στους ανθρώπους
12:39
the sameίδιο choiceεπιλογή.
320
744000
2000
τις ίδιες επιλογές.
12:41
It's a 50/50 shotβολή of a thousandχίλια or 2,000,
321
746000
3000
Αυτές είναι είτε να ρισκάρουν 50/50 για χίλια ή για δύο χιλιάδες
12:44
or just 1,500 dollarsδολάρια with certaintyβεβαιότητα.
322
749000
2000
είτε να πάρουν 1500 δολάρια στα σίγουρα.
12:46
But people'sτων ανθρώπων intuitionsτις διαισθήσεις about how much riskκίνδυνος to take
323
751000
3000
Όμως η ενόραση των ανθρώπων σχετικά με το πόσο θα ρισκάρουν
12:49
variesποικίλλει dependingσε συνάρτηση on where they startedξεκίνησε with.
324
754000
2000
ποικίλει ανάλογα με το σημείο απ' το οποίο ξεκίνησαν.
12:51
So what's going on?
325
756000
2000
Τι συμβαίνει λοιπόν;
12:53
Well, it turnsστροφές out that this seemsφαίνεται to be the resultαποτέλεσμα
326
758000
2000
Φαίνεται ότι αυτό είναι το αποτέλεσμα
12:55
of at leastελάχιστα two biasesμεροληψίες that we have at the psychologicalψυχολογικός levelεπίπεδο.
327
760000
3000
τουλάχιστον δύο διαφορετικών προκαταλήψεων, τις οποίες έχουμε στο ψυχολογικό επίπεδο.
12:58
One is that we have a really hardσκληρά time thinkingσκέψη in absoluteαπόλυτος termsόροι.
328
763000
3000
Η μία είναι ότι δυσκολευόμαστε πολύ να σκεφτούμε με απόλυτους όρους.
13:01
You really have to do work to figureεικόνα out,
329
766000
2000
Θα πρέπει να κάνετε αρκετή δουλειά για να καταλάβετε,
13:03
well, one option'sη επιλογή του a thousandχίλια, 2,000;
330
768000
2000
ότι η μία επιλογή είναι χίλια ή δύο χιλιάδες,
13:05
one is 1,500.
331
770000
2000
ενώ η άλλη είναι 1500.
13:07
InsteadΑντίθετα, we find it very easyεύκολος to think in very relativeσυγγενής termsόροι
332
772000
3000
Αντίθετα, μας φαίνεται πολύ εύκολο να σκεφτούμε με σχετικούς όρους
13:10
as optionsεπιλογές changeαλλαγή from one time to anotherαλλο.
333
775000
3000
καθώς οι επιλογές αλλάζουν από καιρό σε καιρό.
13:13
So we think of things as, "Oh, I'm going to get more," or "Oh, I'm going to get lessπιο λιγο."
334
778000
3000
Σκεφτόμαστε είτε "Ω, θα κερδίσω περισσότερα" είτε "Ω, θα κερδίσω λιγότερα".
13:16
This is all well and good, exceptεκτός that
335
781000
2000
Αυτό είναι ωραίο και καλό, εκτός απ' το ότι
13:18
changesαλλαγές in differentδιαφορετικός directionsκατευθύνσεις
336
783000
2000
οι αλλαγές προς διάφορες κατευθύνσεις
13:20
actuallyπράγματι effectαποτέλεσμα whetherκατά πόσο or not we think
337
785000
2000
επηρεάζουν στ' αλήθεια τη σκέψη μας ως προς το κατά πόσον
13:22
optionsεπιλογές are good or not.
338
787000
2000
οι επιλογές είναι καλές ή κακές.
13:24
And this leadsοδηγεί to the secondδεύτερος biasπροκατάληψη,
339
789000
2000
Αυτό οδηγεί στη δεύτερη προκατάληψη,
13:26
whichοι οποίες economistsοικονομολόγους have calledπου ονομάζεται lossαπώλεια aversionαποστροφή.
340
791000
2000
την οποία οι οικονομολόγοι ονομάζουν αποστροφή προς την απώλεια.
13:28
The ideaιδέα is that we really hateμισώ it when things go into the redτο κόκκινο.
341
793000
3000
Η ιδέα είναι ότι μισούμε να φτάνουν τα πράγματα στο κόκκινο.
13:31
We really hateμισώ it when we have to loseχάνω out on some moneyχρήματα.
342
796000
2000
Μισούμε στ' αλήθεια να πρέπει να χάσουμε χρήματα.
13:33
And this meansπου σημαίνει that sometimesωρες ωρες we'llΚαλά actuallyπράγματι
343
798000
2000
Τούτο σημαίνει πως μερικές φορές
13:35
switchδιακόπτης our preferencesπροτιμήσεις to avoidαποφύγει this.
344
800000
2000
αλλάζουμε τις προτιμήσεις μας για ν' αποφύγουμε κάτι τέτοιο.
13:37
What you saw in that last scenarioσενάριο is that
345
802000
2000
Αυτό που είδατε στο τελευταίο σενάριο είναι ότι
13:39
subjectsμαθήματα get riskyεπικίνδυνος
346
804000
2000
τα υποκείμενα του πειράματος ρισκάρουν
13:41
because they want the smallμικρό shotβολή that there won'tσυνηθισμένος be any lossαπώλεια.
347
806000
3000
επειδή προτιμούν τη μικρή πιθανότητα να μην έχουν καθόλου χασούρα.
13:44
That meansπου σημαίνει when we're in a riskκίνδυνος mindsetνοοτροπία --
348
809000
2000
Αυτό σημαίνει ότι όταν μπαίνετε σ' έναν ριψοκίνδυνο τρόπο σκέψης --
13:46
excuseδικαιολογία me, when we're in a lossαπώλεια mindsetνοοτροπία,
349
811000
2000
συγχωρήστε με, όταν μπαίνουμε σ' έναν τρόπο σκέψης περί απώλειας,
13:48
we actuallyπράγματι becomeγίνομαι more riskyεπικίνδυνος,
350
813000
2000
γινόμαστε στην πραγματικότητα περισσότερο ριψοκίνδυνοι,
13:50
whichοι οποίες can actuallyπράγματι be really worryingανησυχητικό.
351
815000
2000
πράγμα που θα μπορούσε να είναι στ' αλήθεια ανησυχητικό.
13:52
These kindsείδη of things playπαίζω out in lots of badκακό waysτρόπους in humansτου ανθρώπου.
352
817000
3000
Αυτός ο τρόπος σκέψης καταλήγει σε πολλές κακές εκβάσεις στους ανθρώπους.
13:55
They're why stockστοκ investorsεπενδυτές holdΚρατήστε ontoεπάνω σε losingχάνοντας stocksαποθέματα longerμακρύτερα --
353
820000
3000
Εκεί οφείλεται το ότι οι επενδυτές του χρηματιστηρίου, κρατούν για περισσότερο χρόνο μετοχές με απώλειες --
13:58
because they're evaluatingτην αξιολόγηση των them in relativeσυγγενής termsόροι.
354
823000
2000
επειδή τις αξιολογούν με σχετικούς όρους.
14:00
They're why people in the housingστέγαση marketαγορά refusedαρνήθηκε to sellΠουλώ theirδικα τους houseσπίτι --
355
825000
2000
Εκεί οφείλεται ότι οι άνθρωποι στην αγορά ακινήτων, αρνούντο να πουλήσουν τα σπίτια τους --
14:02
because they don't want to sellΠουλώ at a lossαπώλεια.
356
827000
2000
επειδή δεν ήθελαν να πουλήσουν με χασούρα.
14:04
The questionερώτηση we were interestedενδιαφερόμενος in
357
829000
2000
Η ερώτηση που μας ενδιαφέρει
14:06
is whetherκατά πόσο the monkeysπιθήκους showπροβολή the sameίδιο biasesμεροληψίες.
358
831000
2000
είναι εάν οι μαϊμούδες έχουν τις ίδιες προκαταλήψεις.
14:08
If we setσειρά up those sameίδιο scenariosσενάρια in our little monkeyΠίθηκος marketαγορά,
359
833000
3000
Εάν στήναμε τα ίδια σενάρια στη μικρή μας αγορά των μαϊμούδων,
14:11
would they do the sameίδιο thing as people?
360
836000
2000
θα έκαναν τα ίδια, όπως οι άνθρωποι;
14:13
And so this is what we did, we gaveέδωσε the monkeysπιθήκους choicesεπιλογές
361
838000
2000
Αυτό ακριβώς κάναμε, δίνοντας στις μαϊμούδες επιλογές
14:15
betweenμεταξύ guys who were safeασφαλής -- they did the sameίδιο thing everyκάθε time --
362
840000
3000
μεταξύ ανθρώπων που ήταν αξιόπιστοι -- έκαναν το ίδιο πράγμα κάθε φορά --
14:18
or guys who were riskyεπικίνδυνος --
363
843000
2000
και ανθρώπων που ήταν επισφαλείς --
14:20
they did things differentlyδιαφορετικά halfΉμισυ the time.
364
845000
2000
τις μισές φορές έκαναν τα πράγματα διαφορετικά.
14:22
And then we gaveέδωσε them optionsεπιλογές that were bonusesμπόνους --
365
847000
2000
Μετά τους δώσαμε επιλογές, οι οποίες ήταν δώρα --
14:24
like you guys did in the first scenarioσενάριο --
366
849000
2000
όπως σ' εσάς, στο πρώτο σενάριο --
14:26
so they actuallyπράγματι have a chanceευκαιρία more,
367
851000
2000
έτσι είχαν μια ευκαιρία να κερδίσουν περισσότερα,
14:28
or piecesκομμάτια where they were experiencingβιώνουν lossesαπώλειες --
368
853000
3000
ή περιπτώσεις όπου είχαν χασούρα --
14:31
they actuallyπράγματι thought they were going to get more than they really got.
369
856000
2000
στην πραγματικότητα πίστευαν ότι θα έπαιρναν περισσότερα απ' όσα τελικά πήραν.
14:33
And so this is what this looksφαίνεται like.
370
858000
2000
Εδώ βλέπουμε πώς φαίνεται αυτό.
14:35
We introducedεισήχθη the monkeysπιθήκους to two newνέος monkeyΠίθηκος salesmenπωλητές.
371
860000
2000
Συστήσαμε στις μαϊμούδες δύο νέους πωλητές.
14:37
The guy on the left and right bothκαι τα δυο startαρχή with one pieceκομμάτι of grapeσταφύλι,
372
862000
2000
Ο αριστερός, όπως και ο δεξιός, ξεκινούν με μια ρόγα σταφύλι,
14:39
so it looksφαίνεται prettyαρκετά good.
373
864000
2000
πράγμα που μοιάζει αρκετά καλό.
14:41
But they're going to give the monkeysπιθήκους bonusesμπόνους.
374
866000
2000
Όμως πρόκειται να δώσουν δώρα στις μαϊμούδες.
14:43
The guy on the left is a safeασφαλής bonusμπόνους.
375
868000
2000
Ο αριστερός δίνει ένα ασφαλές δώρο.
14:45
All the time, he addsπροσθέτει one, to give the monkeysπιθήκους two.
376
870000
3000
Κάθε φορά προσθέτει ένα, ώστε να δώσει στις μαϊμούδες δύο.
14:48
The guy on the right is actuallyπράγματι a riskyεπικίνδυνος bonusμπόνους.
377
873000
2000
Ο δεξιός, δίνει ένα ριψοκίνδυνο δώρο.
14:50
SometimesΜερικές φορές the monkeysπιθήκους get no bonusμπόνους -- so this is a bonusμπόνους of zeroμηδέν.
378
875000
3000
Κάποιες φορές οι μαϊμούδες δεν παίρνουν τίποτε παραπάνω -- δηλαδή μηδενικό δώρο.
14:53
SometimesΜερικές φορές the monkeysπιθήκους get two extraεπιπλέον.
379
878000
3000
Κάποιες άλλες φορές οι μαϊμούδες παίρνουν δύο παραπάνω ρόγες.
14:56
For a bigμεγάλο bonusμπόνους, now they get threeτρία.
380
881000
2000
Μεγάλο το δώρο, τώρα παίρνουν συνολικά τρεις.
14:58
But this is the sameίδιο choiceεπιλογή you guys just facedαντιμετωπίζουν.
381
883000
2000
Είναι ακριβώς η ίδια επιλογή που αντιμετωπίσατε κι εσείς.
15:00
Do the monkeysπιθήκους actuallyπράγματι want to playπαίζω it safeασφαλής
382
885000
3000
Θέλουν άραγε οι μαϊμούδες να παίξουν με ασφάλεια
15:03
and then go with the guy who'sποιος είναι going to do the sameίδιο thing on everyκάθε trialδίκη,
383
888000
2000
κι έτσι να προτιμήσουν τον πωλητή που κάνει κάθε φορά το ίδιο,
15:05
or do they want to be riskyεπικίνδυνος
384
890000
2000
ή θέλουν να ρισκάρουν
15:07
and try to get a riskyεπικίνδυνος, but bigμεγάλο, bonusμπόνους,
385
892000
2000
και να κυνηγήσουν ένα ριψοκίνδυνο αλλά μεγάλο δώρο,
15:09
but riskκίνδυνος the possibilityδυνατότητα of gettingνα πάρει no bonusμπόνους.
386
894000
2000
με κίνδυνο να μην πάρουν κανένα δώρο;
15:11
People here playedέπαιξε it safeασφαλής.
387
896000
2000
Εδώ οι άνθρωποι έπαιξαν με ασφάλεια.
15:13
TurnsΣτροφές out, the monkeysπιθήκους playπαίζω it safeασφαλής too.
388
898000
2000
Φαίνεται πως οι μαϊμούδες έπαιξαν επίσης με ασφάλεια.
15:15
QualitativelyΠοιοτικά and quantitativelyποσοτικά,
389
900000
2000
Ποιοτικά και ποσοτικά,
15:17
they chooseεπιλέγω exactlyακριβώς the sameίδιο way as people,
390
902000
2000
επιλέγουν ακριβώς όπως οι άνθρωποι,
15:19
when testedδοκιμαστεί in the sameίδιο thing.
391
904000
2000
όταν δοκιμάζονται στην ίδια κατάσταση.
15:21
You mightθα μπορούσε say, well, maybe the monkeysπιθήκους just don't like riskκίνδυνος.
392
906000
2000
Μπορεί να πείτε, εντάξει, μπορεί οι μαϊμούδες να μην αγαπούν το ρίσκο.
15:23
Maybe we should see how they do with lossesαπώλειες.
393
908000
2000
Ίσως θα πρέπει να δούμε πώς τα πάνε με τη χασούρα.
15:25
And so we ranέτρεξα a secondδεύτερος versionεκδοχή of this.
394
910000
2000
Έτσι, τρέχουμε μια δεύτερη παραλλαγή του πειράματος.
15:27
Now, the monkeysπιθήκους meetσυναντώ two guys
395
912000
2000
Τώρα, οι μαϊμούδες συναντούν δύο πωλητές
15:29
who aren'tδεν είναι givingδίνοντας them bonusesμπόνους;
396
914000
2000
που δεν τους δίνουν καθόλου δώρα·
15:31
they're actuallyπράγματι givingδίνοντας them lessπιο λιγο than they expectαναμένω.
397
916000
2000
στην πραγματικότητα τους δίνουν λιγότερα απ' το αναμενόμενο.
15:33
So they look like they're startingεκκίνηση out with a bigμεγάλο amountποσό.
398
918000
2000
Φαίνεται πως ξεκινούν με μεγάλη ποσότητα.
15:35
These are threeτρία grapesσταφύλια; the monkey'sπιθήκου really psychedέτοιμος for this.
399
920000
2000
Εδώ έχουμε τρεις ρόγες σταφύλι· οι μαϊμούδες τρελαίνονται γι' αυτό.
15:37
But now they learnμαθαίνω these guys are going to give them lessπιο λιγο than they expectαναμένω.
400
922000
3000
Όμως τώρα μαθαίνουν πως αυτοί οι τύποι πρόκειται να τους δώσουν λιγότερα απ' όσα προσδοκούν.
15:40
They guy on the left is a safeασφαλής lossαπώλεια.
401
925000
2000
Ο αριστερός αντιπροσωπεύει μια ασφαλή χασούρα.
15:42
EveryΚάθε singleμονόκλινο time, he's going to take one of these away
402
927000
3000
Κάθε φορά, τους αφαιρεί μία ρόγα
15:45
and give the monkeysπιθήκους just two.
403
930000
2000
και δίνει στις μαϊμούδες μόνο δύο.
15:47
the guy on the right is the riskyεπικίνδυνος lossαπώλεια.
404
932000
2000
Ο δεξιός αντιπροσωπεύει τη ριψοκίνδυνη απώλεια.
15:49
SometimesΜερικές φορές he givesδίνει no lossαπώλεια, so the monkeysπιθήκους are really psychedέτοιμος,
405
934000
3000
Κάποιες φορές δεν αφαιρεί τίποτε, έτσι οι μαϊμούδες τρελαίνονται,
15:52
but sometimesωρες ωρες he actuallyπράγματι givesδίνει a bigμεγάλο lossαπώλεια,
406
937000
2000
όμως κάποιες άλλες φορές τους προκαλεί μεγάλη χασούρα,
15:54
takingλήψη away two to give the monkeysπιθήκους only one.
407
939000
2000
αφαιρώντας δύο ρόγες, για να δώσει στις μαϊμούδες μόνο μία.
15:56
And so what do the monkeysπιθήκους do?
408
941000
2000
Τι κάνουν λοιπόν οι μαϊμούδες;
15:58
Again, sameίδιο choiceεπιλογή; they can playπαίζω it safeασφαλής
409
943000
2000
Ξανά η ίδια επιλογή· μπορούν να παίξουν με ασφάλεια
16:00
for always gettingνα πάρει two grapesσταφύλια everyκάθε singleμονόκλινο time,
410
945000
3000
παίρνοντας κάθε φορά από δύο ρόγες
16:03
or they can take a riskyεπικίνδυνος betστοίχημα and chooseεπιλέγω betweenμεταξύ one and threeτρία.
411
948000
3000
ή να ρισκάρουν και να επιλέξουν να πάρουν μία ή τρεις.
16:06
The remarkableαξιοσημείωτος thing to us is that, when you give monkeysπιθήκους this choiceεπιλογή,
412
951000
3000
Το αξιοσημείωτο για εμάς είναι ότι, όταν δίνουμε στις μαϊμούδες αυτές τις επιλογές,
16:09
they do the sameίδιο irrationalπαράλογος thing that people do.
413
954000
2000
κάνουν το ίδιο παράλογο πράγμα που κάνουν και οι άνθρωποι.
16:11
They actuallyπράγματι becomeγίνομαι more riskyεπικίνδυνος
414
956000
2000
Γίνονται πιο ριψοκίνδυνες
16:13
dependingσε συνάρτηση on how the experimentersπειραματιστές startedξεκίνησε.
415
958000
3000
ανάλογα με το πώς ξεκίνησε το πείραμα.
16:16
This is crazyτρελός because it suggestsπροτείνει that the monkeysπιθήκους too
416
961000
2000
Αυτό είναι τρελό, επειδή υπονοεί ότι οι μαϊμούδες επίσης
16:18
are evaluatingτην αξιολόγηση των things in relativeσυγγενής termsόροι
417
963000
2000
εκτιμούν τα πράγματα με σχετικούς όρους
16:20
and actuallyπράγματι treatingθεραπεία lossesαπώλειες differentlyδιαφορετικά than they treatκέρασμα gainsκέρδη.
418
965000
3000
κι αντιμετωπίζουν τη χασούρα διαφορετικά απ' ό,τι τα κέρδη.
16:23
So what does all of this mean?
419
968000
2000
Τι σημαίνουν λοιπόν όλα αυτά;
16:25
Well, what we'veέχουμε shownαπεικονίζεται is that, first of all,
420
970000
2000
Αυτό που αποδείξαμε είναι ότι, κατ' αρχάς,
16:27
we can actuallyπράγματι give the monkeysπιθήκους a financialχρηματοοικονομική currencyνόμισμα,
421
972000
2000
μπορούμε να δώσουμε στις μαϊμούδες χρήμα
16:29
and they do very similarπαρόμοιος things with it.
422
974000
2000
και να κάνουν παρόμοια με τους ανθρώπους πράγματα μ' αυτό.
16:31
They do some of the smartέξυπνος things we do,
423
976000
2000
Κάνουν κάποια από τα έξυπνα πράγματα που κάνουμε κι εμείς,
16:33
some of the kindείδος of not so niceόμορφη things we do,
424
978000
2000
μερικά από τα όχι και τόσο σωστά πράγματα που κάνουμε κι εμείς,
16:35
like stealκλέβω it and so on.
425
980000
2000
όπως κλοπές και τα λοιπά.
16:37
But they alsoεπίσης do some of the irrationalπαράλογος things we do.
426
982000
2000
Όμως κάνουν επίσης τα ίδια παράλογα πράγματα που κάνουμε κι εμείς.
16:39
They systematicallyσυστηματικά get things wrongλανθασμένος
427
984000
2000
Συστηματικά βλέπουν τα πράγματα λανθασμένα
16:41
and in the sameίδιο waysτρόπους that we do.
428
986000
2000
με τον ίδιο τρόπο που το κάνουμε κι εμείς.
16:43
This is the first take-homeπάρτε σπίτι messageμήνυμα of the Talk,
429
988000
2000
Αυτό είναι το πρώτο μήνυμα της ομιλίας που θα πρέπει να συγκρατήσετε φεύγοντας,
16:45
whichοι οποίες is that if you saw the beginningαρχή of this and you thought,
430
990000
2000
δηλαδή ότι εάν την είδατε απ' την αρχή και σκεφτήκατε,
16:47
oh, I'm totallyεντελώς going to go home and hireενοικίαση a capuchinείδος πιθήκου monkeyΠίθηκος financialχρηματοοικονομική adviserΣύμβουλος.
431
992000
2000
ω, σίγουρα θα πάω σπίτι μου και θα προσλάβω έναν Καπουτσίνο πίθηκο για οικονομικό μου σύμβουλο,
16:49
They're way cuterπιο νόστιμος than the one at ... you know --
432
994000
2000
είναι πολύ πιο χαριτωμένοι από εκείνους στο ... ξέρετε --
16:51
Don't do that; they're probablyπιθανώς going to be just as dumbχαζός
433
996000
2000
μην το κάνετε αυτό· πιθανότατα θα είναι το ίδιο κουτοί
16:53
as the humanο άνθρωπος one you alreadyήδη have.
434
998000
3000
με τους ανθρώπους που ήδη έχετε ως συμβούλους.
16:56
So, you know, a little badκακό -- Sorry, sorry, sorry.
435
1001000
2000
Εντάξει, λίγο κρύο το αστείο -- συγγνώμη, συγγνώμη, συγγνώμη.
16:58
A little badκακό for monkeyΠίθηκος investorsεπενδυτές.
436
1003000
2000
Λίγο κακό για τις μαϊμούδες επενδυτές.
17:00
But of courseσειρά μαθημάτων, you know, the reasonλόγος you're laughingγέλιο is badκακό for humansτου ανθρώπου too.
437
1005000
3000
Φυσικά όμως, ο λόγος που γελάτε είναι κακός και για τους ανθρώπους.
17:03
Because we'veέχουμε answeredαπάντησε the questionερώτηση we startedξεκίνησε out with.
438
1008000
3000
Επειδή απαντήσαμε στην αρχική μας ερώτηση.
17:06
We wanted to know where these kindsείδη of errorsσφάλματα cameήρθε from.
439
1011000
2000
Θελήσαμε να μάθουμε από πού προκύπτουν αυτά τα σφάλματα.
17:08
And we startedξεκίνησε with the hopeελπίδα that maybe we can
440
1013000
2000
Ξεκινήσαμε με την ελπίδα ότι ίσως μπορούμε
17:10
sortείδος of tweakτσίμπημα our financialχρηματοοικονομική institutionsιδρύματα,
441
1015000
2000
ν' αλλάξουμε τα χρηματοοικονομικά μας ιδρύματα,
17:12
tweakτσίμπημα our technologiesτεχνολογίες to make ourselvesεμείς οι ίδιοι better.
442
1017000
3000
ν' αλλάξουμε τις τεχνολογίες μας και να γίνουμε καλύτεροι.
17:15
But what we'veέχουμε learnμαθαίνω is that these biasesμεροληψίες mightθα μπορούσε be a deeperβαθύτερη partμέρος of us than that.
443
1020000
3000
Αυτό που μάθαμε όμως, είναι ότι αυτές οι προκαταλήψεις μπορεί να είναι βαθύτερες.
17:18
In factγεγονός, they mightθα μπορούσε be dueλόγω to the very natureφύση
444
1023000
2000
Στην πραγματικότητα μπορεί να οφείλονται στην ίδια τη φύση
17:20
of our evolutionaryεξελικτική historyιστορία.
445
1025000
2000
της εξελικτικής μας ιστορίας.
17:22
You know, maybe it's not just humansτου ανθρώπου
446
1027000
2000
Μπορεί να μην είναι μόνο οι άνθρωποι
17:24
at the right sideπλευρά of this chainαλυσίδα that's dunceyduncey.
447
1029000
2000
στη δεξιά πλευρά αυτής της αλυσίδας, που είναι ανεπίδεκτοι.
17:26
Maybe it's sortείδος of dunceyduncey all the way back.
448
1031000
2000
Μπορεί να είναι όλοι μας οι πρόγονοι ανεπίδεκτοι, μέχρι την αρχή της αλυσίδας.
17:28
And this, if we believe the capuchinείδος πιθήκου monkeyΠίθηκος resultsΑποτελέσματα,
449
1033000
3000
Αυτό, εάν πιστέψουμε τα αποτελέσματα του Καπουτσίνου πιθήκου,
17:31
meansπου σημαίνει that these dunceyduncey strategiesστρατηγικές
450
1036000
2000
σημαίνει ότι αυτές οι βλακώδεις στρατηγικές
17:33
mightθα μπορούσε be 35 millionεκατομμύριο yearsχρόνια oldπαλαιός.
451
1038000
2000
μπορεί να είναι 35 εκατομμυρίων χρόνων παλιές.
17:35
That's a long time for a strategyστρατηγική
452
1040000
2000
Αυτός είναι πολύς καιρός για μια στρατηγική
17:37
to potentiallyενδεχομένως get changedάλλαξε around -- really, really oldπαλαιός.
453
1042000
3000
για να μπορεί πλέον ν' αλλάξει -- πολύ πολύ παλιά.
17:40
What do we know about other oldπαλαιός strategiesστρατηγικές like this?
454
1045000
2000
Τι γνωρίζουμε για άλλες τέτοιες παλιές στρατηγικές;
17:42
Well, one thing we know is that they tendτείνω to be really hardσκληρά to overcomeκαταβάλλω.
455
1047000
3000
Ένα πράγμα που γνωρίζουμε είναι ότι συνήθως είναι πολύ δύσκολο να ξεπεραστούν.
17:45
You know, think of our evolutionaryεξελικτική predilectionπροτίμηση
456
1050000
2000
Σκεφτείτε την εξελικτική μας προδιάθεση
17:47
for eatingτρώει sweetγλυκός things, fattyλιπαρά things like cheesecakeτσιζκέικ.
457
1052000
3000
να τρώμε τροφές γλυκές και λιπαρές, όπως το τσιζκέικ.
17:50
You can't just shutκλειστός that off.
458
1055000
2000
Δεν μπορείς αυτό απλά να γυρίσεις το διακόπτη και να το κλείσεις.
17:52
You can't just look at the dessertεπιδόρπιο cartκαροτσάκι as say, "No, no, no. That looksφαίνεται disgustingαηδιαστικός to me."
459
1057000
3000
Δεν μπορείς να κοιτάξεις το επιδόρπιο και να πεις "Όχι, όχι, όχι. Μου φαίνεται αηδιαστικό".
17:55
We're just builtχτισμένο differentlyδιαφορετικά.
460
1060000
2000
Είμαστε απλώς διαφορετικά κατασκευασμένοι.
17:57
We're going to perceiveαντιλαμβάνονται it as a good thing to go after.
461
1062000
2000
Θα το εκλάβουμε ως κάτι καλό να το επιδιώξουμε.
17:59
My guessεικασία is that the sameίδιο thing is going to be trueαληθής
462
1064000
2000
Μαντεύω πως το ίδιο θα ισχύει
18:01
when humansτου ανθρώπου are perceivingαντιλαμβάνεται
463
1066000
2000
όταν οι άνθρωποι παίρνουν
18:03
differentδιαφορετικός financialχρηματοοικονομική decisionsαποφάσεων.
464
1068000
2000
διάφορες οικονομικές αποφάσεις.
18:05
When you're watchingβλέποντας your stocksαποθέματα plummetβολίδα into the redτο κόκκινο,
465
1070000
2000
Όταν βλέπετε τις μετοχές σας να βυθίζονται στο κόκκινο,
18:07
when you're watchingβλέποντας your houseσπίτι priceτιμή go down,
466
1072000
2000
όταν βλέπετε την τιμή του σπιτιού σας να πέφτει,
18:09
you're not going to be ableικανός to see that
467
1074000
2000
δεν θα μπορείτε να το δείτε αυτό
18:11
in anything but oldπαλαιός evolutionaryεξελικτική termsόροι.
468
1076000
2000
με άλλο τρόπο, παρά με τους παλιούς εξελικτικούς όρους.
18:13
This meansπου σημαίνει that the biasesμεροληψίες
469
1078000
2000
Αυτό σημαίνει ότι οι προκαταλήψεις
18:15
that leadΟΔΗΓΩ investorsεπενδυτές to do badlyκακώς,
470
1080000
2000
που οδήγησαν τους επενδυτές να τα πάνε άσχημα,
18:17
that leadΟΔΗΓΩ to the foreclosureο αποκλεισμός crisisκρίση
471
1082000
2000
που οδήγησαν στην κρίση των κατασχέσεων
18:19
are going to be really hardσκληρά to overcomeκαταβάλλω.
472
1084000
2000
είναι πολύ δύσκολο να ξεπεραστούν.
18:21
So that's the badκακό newsΝέα. The questionερώτηση is: is there any good newsΝέα?
473
1086000
2000
Αυτά είναι τα κακά νέα. Το ερώτημα είναι εάν υπάρχουν και καλά νέα.
18:23
I'm supposedυποτιθεμένος to be up here tellingαποτελεσματικός you the good newsΝέα.
474
1088000
2000
Υποτίθεται πως είμαι εδώ για να σας πω τα καλά νέα.
18:25
Well, the good newsΝέα, I think,
475
1090000
2000
Λοιπόν, τα καλά νέα νομίζω,
18:27
is what I startedξεκίνησε with at the beginningαρχή of the Talk,
476
1092000
2000
είναι αυτό με το οποίο ξεκίνησα την ομιλία,
18:29
whichοι οποίες is that humansτου ανθρώπου are not only smartέξυπνος;
477
1094000
2000
δηλαδή ότι οι άνθρωποι δεν είναι μόνο έξυπνοι·
18:31
we're really inspirationallyInspirationally smartέξυπνος
478
1096000
2000
είμαστε στην πραγματικότητα εμπνευσμένα ευφυείς
18:33
to the restυπόλοιπο of the animalsτων ζώων in the biologicalβιολογικός kingdomΒασίλειο.
479
1098000
3000
σε σχέση με τα υπόλοιπα πλάσματα του ζωικού βασιλείου.
18:36
We're so good at overcomingξεπερνώντας our biologicalβιολογικός limitationsπεριορισμούς --
480
1101000
3000
Είμαστε πολύ καλοί στο να ξεπερνάμε τους βιολογικούς μας περιορισμούς --
18:39
you know, I flewπέταξε over here in an airplaneαεροπλάνο.
481
1104000
2000
ας πούμε ήρθα μέχρι εδώ πετώντας με αεροπλάνο.
18:41
I didn't have to try to flapπτερύγιο my wingsπαρασκήνια.
482
1106000
2000
Δεν χρειάστηκε ν' ανοιγοκλείσω τα φτερά μου.
18:43
I'm wearingκουραστικός contactΕπικοινωνία lensesΦακοί now so that I can see all of you.
483
1108000
3000
Φοράω φακούς επαφής, έτσι ώστε να μπορώ να σας βλέπω όλους.
18:46
I don't have to relyβασίζομαι on my ownτα δικά near-sightednessNear-sightedness.
484
1111000
3000
Δεν χρειάζεται να στηριχτώ στην περιορισμένη μου όραση.
18:49
We actuallyπράγματι have all of these casesπεριπτώσεις
485
1114000
2000
Έχουμε όλες αυτές τις περιπτώσεις
18:51
where we overcomeκαταβάλλω our biologicalβιολογικός limitationsπεριορισμούς
486
1116000
3000
όπου ξεπερνάμε τους βιολογικούς μας περιορισμούς
18:54
throughδιά μέσου technologyτεχνολογία and other meansπου σημαίνει, seeminglyφαινομενικώς prettyαρκετά easilyεύκολα.
487
1119000
3000
μέσω της τεχνολογίας και με άλλους τρόπους, φαινομενικά πολύ εύκολα.
18:57
But we have to recognizeαναγνωρίζω that we have those limitationsπεριορισμούς.
488
1122000
3000
Πρέπει όμως ν' αναγνωρίσουμε αυτούς τους περιορισμούς μας.
19:00
And here'sεδώ είναι the rubτρίψτε.
489
1125000
2000
Εδώ είναι και το πρόβλημα.
19:02
It was CamusΚαμύ who onceμια φορά said that, "Man is the only speciesείδος
490
1127000
2000
Ήταν ο Καμύ που κάποτε είπε ότι "Ο άνθρωπος είναι το μοναδικό είδος
19:04
who refusesαρνείται to be what he really is."
491
1129000
3000
που αρνείται πως είναι αυτό που πραγματικά είναι".
19:07
But the ironyειρωνεία is that
492
1132000
2000
Η ειρωνεία είναι όμως ότι
19:09
it mightθα μπορούσε only be in recognizingαναγνωρίζοντας our limitationsπεριορισμούς
493
1134000
2000
μόνο εάν αναγνωρίσουμε τους περιορισμούς μας
19:11
that we can really actuallyπράγματι overcomeκαταβάλλω them.
494
1136000
2000
μπορούμε στ' αλήθεια να τους ξεπεράσουμε.
19:13
The hopeελπίδα is that you all will think about your limitationsπεριορισμούς,
495
1138000
3000
Η ελπίδα είναι ότι όλοι θα σκεφτείτε σχετικά με τους περιορισμούς σας,
19:16
not necessarilyαναγκαίως as unovercomableunovercomable,
496
1141000
3000
όχι απαραίτητα πως δεν μπορούν να ξεπεραστούν,
19:19
but to recognizeαναγνωρίζω them, acceptαποδέχομαι them
497
1144000
2000
αλλά ότι θα τους αναγνωρίσετε, θα τους δεχτείτε
19:21
and then use the worldκόσμος of designσχέδιο to actuallyπράγματι figureεικόνα them out.
498
1146000
3000
κι ύστερα θα χρησιμοποιήσετε τον κόσμο του σχεδιασμού, ώστε να τους αντιμετωπίσετε.
19:24
That mightθα μπορούσε be the only way that we will really be ableικανός
499
1149000
3000
Αυτός ίσως είναι ο μόνος τρόπος με τον οποίο είμαστε ικανοί
19:27
to achieveφέρνω σε πέρας our ownτα δικά humanο άνθρωπος potentialδυνητικός
500
1152000
2000
να επιτύχουμε το ίδιο μας το δυναμικό ως άνθρωποι
19:29
and really be the nobleευγενής speciesείδος we hopeελπίδα to all be.
501
1154000
3000
και να γίνουμε στ' αλήθεια το ανώτερο είδος που όλοι ελπίζουμε πως είμαστε.
19:32
Thank you.
502
1157000
2000
Σας ευχαριστώ.
19:34
(ApplauseΧειροκροτήματα)
503
1159000
5000
(Χειροκρότημα)

▲Back to top

ABOUT THE SPEAKER
Laurie Santos - Cognitive psychologist
Laurie Santos studies primate psychology and monkeynomics -- testing problems in human psychology on primates, who (not so surprisingly) have many of the same predictable irrationalities we do.

Why you should listen

Laurie Santos runs the Comparative Cognition Laboratory (CapLab) at Yale, where she and collaborators across departments (from psychology to primatology to neurobiology) explore the evolutionary origins of the human mind by studying lemurs, capuchin monkeys and other primates. The twist: Santos looks not only for positive humanlike traits, like tool-using and altruism, but irrational ones, like biased decisionmaking.

In elegant, carefully constructed experiments, Santos and CapLab have studied how primates understand and categorize objects in the physical world -- for instance, that monkeys understand an object is still whole even when part of it is obscured. Going deeper, their experiments also search for clues that primates possess a theory of mind -- an ability to think about what other people think.

Most recently, the lab has been looking at behaviors that were once the province mainly of novelists: jealousy, frustration, judgment of others' intentions, poor economic choices. In one experiment, Santos and her team taught monkeys to use a form of money, tradeable for food. When certain foods became cheaper, monkeys would, like humans, overbuy. As we humans search for clues to our own irrational behaviors, Santos' research suggests that the source of our genius for bad decisions might be our monkey brains.

More profile about the speaker
Laurie Santos | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee