TEDIndia 2009
Sendhil Mullainathan: Solving social problems with a nudge
سندهیل مولایناتان: حل کردن مشکلات اجتماعی با یک سقلمه
Filmed:
Readability: 3.7
581,215 views
برنده‌ی جایزه‌ی مک آرتور، سندهیل مولایناتان از ذره‌بینِ اقتصاد رفتاری استفاده می‌کند تا بعضی مشکلات اجتماعی را بررسی کند - آنهایی که می‌دانیم چگونه حل کنیم، اما نمی‌کنیم. ما می‌دانیم چگونه مرگ و میر کودکان به خاطر بیماری اسهال را کم کنیم، چگونه از کور شدن‌های مربوط به دیابت جلوگیری کنیم و چگونه تکنولوژی سلول‌های خورشیدی را پیآده سازی کنیم ... اما به هر دلیلی، این کار را انجام نمی‌دهیم یا نمی‌توانیم انجام دهیم. چرا؟
Sendhil Mullainathan - Behavioral economist
Sendhil Mullainathan asks a compelling question: what are the irrational choices we make that perpetuate poverty, corruption, discrimination? Full bio
Sendhil Mullainathan asks a compelling question: what are the irrational choices we make that perpetuate poverty, corruption, discrimination? Full bio
Double-click the English transcript below to play the video.
00:15
As a researcher, every once in a while
0
0
3000
به عنوان یک پژوهشگر، هر از چند گاهی
00:18
you encounter something
1
3000
2000
شما با چیزی مواجه می‌شوید که
00:20
a little disconcerting.
2
5000
2000
مقداری نگران کننده است.
00:22
And this is something that changes your understanding of the world around you,
3
7000
3000
و این چیزی است که درک شما را
نسبت به دنیای پیرامونتان عوض می‌کند،
نسبت به دنیای پیرامونتان عوض می‌کند،
00:25
and teaches you that you're very wrong
4
10000
2000
و به شما یاد می‌دهد که
شما در مورد چیزی که
شما در مورد چیزی که
00:27
about something that you really believed firmly in.
5
12000
4000
به آن به شدت باور داشتید
بسیار اشتباه می‌کردید.
بسیار اشتباه می‌کردید.
00:31
And these are unfortunate moments,
6
16000
3000
و این لحظاتِ مایه‌ی تاسفی هستند،
00:34
because you go to sleep that night
7
19000
2000
چون شما در حالی آن شب به خواب می‌روید که
00:36
dumber than when you woke up.
8
21000
3000
از صبح که بیدار شدید نادان‌تر شدید.
00:39
So, that's really the goal of my talk,
9
24000
2000
پس، آن در واقع هدف صحبت من است،
00:41
is to A, communicate that moment to you
10
26000
2000
که اول، در مورد آن لحظه با شما صحبت کنم
00:43
and B, have you leave this session
11
28000
2000
و دوم، باعث شوم که شما این جلسه را
00:45
a little dumber than when you entered.
12
30000
2000
کمی نادان‌تر از زمانی که
به آن وارد شدید ترک کنید.
به آن وارد شدید ترک کنید.
00:47
So, I hope I can really accomplish that.
13
32000
3000
بسیار امیدوارم که
بتوانم این کار را انجام دهم.
بتوانم این کار را انجام دهم.
00:50
So, this incident that I'm going to describe
14
35000
3000
این اتفاق که می‌خواهم تعریف کنم
00:53
really began with some diarrhea.
15
38000
3000
در واقع با بیماری اسهال شروع شد.
00:56
Now, we've known for a long time the cause of diarrhea.
16
41000
3000
ما مدت زمان بسیاری است که
در مورد علت اسهال اطلاع داریم.
در مورد علت اسهال اطلاع داریم.
00:59
That's why there's a glass of water up there.
17
44000
3000
به این علت یک لیوان آب در حال نمایش است.
01:02
For us, it's a problem, the people in this room.
18
47000
2000
برای ما، افراد حاضر در این اتاق،
این یک مشکل است.
این یک مشکل است.
01:04
For babies, it's deadly.
19
49000
3000
برای بچه‌ها، کشنده است.
01:07
They lack nutrients, and diarrhea dehydrates them.
20
52000
4000
آنها مواد مغذی کم دارند، و اسهال
باعث از دست دادن آب بدن آنها می‌شود.
باعث از دست دادن آب بدن آنها می‌شود.
01:11
And so, as a result, there is a lot of death,
21
56000
2000
و در نتیجه،
تعداد زیادی مرگ و میر اتفاق می‌افتد.
تعداد زیادی مرگ و میر اتفاق می‌افتد.
01:13
a lot of death.
22
58000
3000
مرگ و میر بسیار زیاد.
01:16
In India in 1960,
23
61000
2000
در هند در دهه‌ی ۱۹۶۰،
01:18
there was a 24 percent child mortality rate,
24
63000
2000
نرخ مرگ و میر کودکان ۲۴ درصد بود،
01:20
lots of people didn't make it. This is incredibly unfortunate.
25
65000
4000
مردم زیادی از دست می‌رفتند،
به طور باور نکردنی‌ای مایه‌ی تاسف است.
به طور باور نکردنی‌ای مایه‌ی تاسف است.
01:24
One of the big reasons this happened was
26
69000
2000
یکی از دلایلی که این اتفاق می‌افتاد
01:26
because of diarrhea.
27
71000
2000
بیماری اسهال بود.
01:28
Now, there was a big effort to solve this problem,
28
73000
3000
تلاش بسیار زیادی شد که این مشکل حل شود،
01:31
and there was actually a big solution.
29
76000
4000
و در واقع یک راه حل بزرگ وجود داشت.
01:35
This solution has been called, by some,
30
80000
2000
این راه حل توسط بعضی از افراد
01:37
"potentially the most important medical
31
82000
2000
" به صورت بالقوه مهم‌ترین پیشرفت پزشکی
01:39
advance this century."
32
84000
3000
در قرن" نامیده شده.
01:42
Now, the solution turned out to be simple.
33
87000
3000
مشخص شد که راه حل ساده است.
01:45
And what it was was oral rehydration salts.
34
90000
4000
و آب نمک‌های خوراکی این راه حل بود.
01:49
Many of you have probably used this.
35
94000
2000
بسیاری از شما احتمالا از
این روش استفاده کرده‌اید.
این روش استفاده کرده‌اید.
01:51
It's brilliant. It's a way to get sodium
36
96000
2000
عالی است. روشی است که در آن سدیم و
01:53
and glucose together so that when you add it to water
37
98000
3000
گلوکوز را در کنار هم قرار می‌دهیم و
وقتی آن را به آب اضافه می‌کنیم
وقتی آن را به آب اضافه می‌کنیم
01:56
the child is able to absorb it even during situations of diarrhea.
38
101000
3000
کودک حتی در شرایط اسهال
می‌تواند آن را جذب کند.
می‌تواند آن را جذب کند.
01:59
Remarkable impact on mortality.
39
104000
4000
تاثیر قابل توجهی بر روی مرگ و میر داشت.
02:03
Massive solution to the problem.
40
108000
2000
راه حلی عظیم برای مشکل.
02:05
Flash forward: 1960, 24 percent child mortality
41
110000
3000
بریم جلوتر: دهه‌ی ۱۹۶۰،
۲۴ درصد مرگ و میر کودکانِ
۲۴ درصد مرگ و میر کودکانِ
02:08
has dropped to 6.5 percent today.
42
113000
2000
به ۶.۵ درصد در امروز کاهش یافت.
02:10
Still a big number, but a big drop.
43
115000
3000
هنوز عدد بزرگی است،
اما کاهش بزرگی اتفاق افتاده.
اما کاهش بزرگی اتفاق افتاده.
02:13
It looks like the technological problem is solved.
44
118000
3000
به نظر می‌رسد که مشکل مربوط
به تکنولوژی حل شده است.
به تکنولوژی حل شده است.
02:16
But if you look, even today
45
121000
2000
اما اگر نگاه کنید، حتی امروز
02:18
there are about 400,000 diarrhea-related deaths
46
123000
2000
حدود ۴۰۰ هزار مرگ مرتبط با اسهال
02:20
in India alone.
47
125000
2000
فقط در هند وجود دارد.
02:22
What's going on here?
48
127000
2000
اینجا چه اتفاقی افتاده است؟
02:24
Well the easy answer is, we just haven't gotten those salts
49
129000
3000
جواب ساده این است که ما آن نمک‌ها را به
02:27
to those people.
50
132000
2000
آن افراد نرسانده ایم.
این در واقع درست نیست.
02:29
That's actually not true.
51
134000
2000
اگر نگاهی به مناطقی که این نمک‌ها کاملا
در دسترس هستند و هزینه‌ی پایینی دارند یا
در دسترس هستند و هزینه‌ی پایینی دارند یا
02:31
If you look in areas where these salts are completely available,
52
136000
3000
02:34
the price is low or zero, these deaths still continue abated.
53
139000
3000
رایگان هستند، بیاندازیم این مرگ‌های
کاهش یافته ادامه یافته‌اند.
کاهش یافته ادامه یافته‌اند.
02:37
Maybe there's a biological answer.
54
142000
2000
شاید یک پاسخ بیولوژیکی وجود داشته باشد.
02:39
Maybe these are the deaths that simple rehydration
55
144000
2000
شاید این‌ها مرگ‌هایی هستند که
جبران کم‌آبیِ ساده
جبران کم‌آبیِ ساده
02:41
alone doesn't solve. That's not true either.
56
146000
3000
به تنهایی راه حلشان نیست.
این هم درست نیست.
این هم درست نیست.
02:44
Many of these deaths were completely preventable,
57
149000
5000
بسیاری از این مرگ‌ها
کاملا قابل پیشگیری بودند،
کاملا قابل پیشگیری بودند،
02:49
and this what I want to think of as the disconcerting thing,
58
154000
3000
و این چیزی است من به عنوانِ
چیز نگران کننده به آن فکر می‌کنم،
چیز نگران کننده به آن فکر می‌کنم،
02:52
what I want to call "the last mile" problem.
59
157000
2000
چیزی که آن را مشکل "مایل آخر"
نامگذاری می‌کنم.
نامگذاری می‌کنم.
02:54
See, we spent a lot of energy, in many domains --
60
159000
4000
ببینید، ما انرژی زیادی صرف می‌کنیم،
در دامنه‌های بسیاری --
در دامنه‌های بسیاری --
02:58
technological, scientific, hard work,
61
163000
2000
تکنولوژیکی، علمی، کار سخت،
03:00
creativity, human ingenuity --
62
165000
2000
خلاقیت، نبوغ انسانی --
03:02
to crack important social problems with technology solutions.
63
167000
4000
تا مشکلات اجتماعی مهمی را
با راه‌حل های تکنولوژی حل کنیم.
با راه‌حل های تکنولوژی حل کنیم.
03:06
That's been the discoveries of the last 2,000 years,
64
171000
2000
این کشف‌های ۲۰۰۰ سالِ اخیر بوده است،
03:08
that's mankind moving forward.
65
173000
2000
این بشر در حال پیشرفت است.
03:10
But in this case we cracked it,
66
175000
3000
اما در این مورد ما آن را حل کردیم،
03:13
but a big part of the problem still remains.
67
178000
2000
اما یک بخش بزرگ از مشکل همچنان باقیست.
03:15
Nine hundred and ninety-nine miles went well,
68
180000
2000
۹۹۹ مایل به خوبی پیش رفت،
03:17
the last mile's proving incredibly stubborn.
69
182000
3000
مایل آخر به طور باورنکردنی سرسخت است.
03:20
Now, that's for oral rehydration therapy.
70
185000
4000
این مربوط به درمان مایع خوراکی است.
03:24
Maybe this is something unique about diarrhea.
71
189000
2000
شاید چیزی مخصوص به بیماری اسهال است.
مشخص شد که -- و این جایی است که
اوضاع خیلی نگران کننده می‌شود --
اوضاع خیلی نگران کننده می‌شود --
03:26
Well, it turns out -- and this is where things get really disconcerting --
72
191000
2000
03:28
it's not unique to diarrhea.
73
193000
2000
این مختص به بیماری اسهال نیست.
03:30
It's not even unique to poor people in India.
74
195000
2000
حتی مختص مردم فقیر در هند نیست.
این هم مثالی از مفهوم‌های متنوع.
03:32
Here's an example from a variety of contexts.
75
197000
3000
03:35
I've put a bunch of examples up here.
76
200000
2000
دسته‌ای از مثال‌ها را به نمایش گذاشته‌ام.
03:37
I'll start with insulin, diabetes
77
202000
3000
با انسولین شروع می‌کنم،
داروی دیابت در آمریکا.
03:40
medication in the U.S.
78
205000
2000
03:42
OK, the American population.
79
207000
2000
جمعیت آمریکایی.
03:44
On Medicaid -- if you're fairly poor you get Medicaid,
80
209000
2000
دارای خدمات درمانی -- اگر نسبتا فقیر
باشید خدمات درمانی می‌گیرید،
باشید خدمات درمانی می‌گیرید،
03:46
or if you have health insurance -- insulin is pretty straightforward.
81
211000
2000
یا اگر بیمه‌ی سلامتی دارید --
انسولین بسیار سر راست است.
انسولین بسیار سر راست است.
03:48
You get it, either in pill form or you get it as an injection;
82
213000
4000
شما آن را به صورت قرص
یا به تزریق دریافت می‌کنید؛
یا به تزریق دریافت می‌کنید؛
03:52
you have to take it every day to maintain your blood sugar levels.
83
217000
2000
باید هر روز دریافت کنید
تا سطح قند خون حفظ شود.
تا سطح قند خون حفظ شود.
03:54
Massive technological advance:
84
219000
2000
پیشرفت تکنولوژیکی عظیم:
03:56
took an incredibly deadly disease, made it solvable.
85
221000
2000
یک بیماری بسیار کشنده گرفتیم و
آن را قابل حل کردیم.
آن را قابل حل کردیم.
03:58
Adherence rates. How many people are taking their insulin every day?
86
223000
3000
نرخ پایبندی. چه تعداد از مردم هر
روز انسولین را دریافت می‌کنند؟
روز انسولین را دریافت می‌کنند؟
04:01
About on average, a typical person is taking it 75 percent of the time.
87
226000
4000
به طور میانگین، یک فرد معمولی ۷۵ درصد
از مواقع انسولین مصرف می‌کند.
از مواقع انسولین مصرف می‌کند.
04:05
As a result, 25,000 people a year go blind,
88
230000
5000
در نتیجه، ۲۵ هزار نفر در سال کور می‌شوند،
04:10
hundreds of thousands lose limbs, every year,
89
235000
2000
صدها هزار نفر نقص عضو می‌شوند، هر ساله،
04:12
for something that's solvable.
90
237000
2000
برای چیزی که قابل حل است.
04:14
Here I have a bunch of other examples,
91
239000
2000
اینجا من چند مثال دیگر دارم،
04:16
all suffer from the last mile problem.
92
241000
2000
که همگی از مشکل مایل آخر رنج می‌برند.
04:18
It's not just medicine.
93
243000
2000
فقط دارو نیست.
04:20
Here's another example from technology:
94
245000
2000
این هم یک مثال دیگر از تکنولوژی:
04:22
agriculture. We think
95
247000
2000
کشاورزی. ما فکر می‌کنیم
04:24
there's a food problem, so we create new seeds.
96
249000
2000
مشکل غذا وجود دارد،
پس دانه‌های جدید تولید می‌کنیم.
پس دانه‌های جدید تولید می‌کنیم.
04:26
We think there's an income problem, so we create
97
251000
2000
فکر می‌کنیم مشکل درآمد وجود دارد، پس
04:28
new ways of farming that increase income.
98
253000
3000
روش‌های جدیدی از کشاورزی ابداع می‌کنیم
که درآمد را افزایش می‌دهد.
که درآمد را افزایش می‌دهد.
04:31
Well, look at some old ways, some ways that we'd already cracked.
99
256000
3000
خب، به بعضی از روش‌های قدیمی نگاه کنید،
روش‌هایی که قبلا حل کرده ایم.
روش‌هایی که قبلا حل کرده ایم.
04:34
Intercropping. Intercropping really increases income.
100
259000
2000
کشت مخلوط. کشت مخلوط
واقعا درآمد را افزایش می‌دهد.
واقعا درآمد را افزایش می‌دهد.
04:36
Sometimes in rice we found incredible increases in yield
101
261000
3000
گاهی اوقات در برنج ما درآمد
باورنکردنی در درآمد داریم
باورنکردنی در درآمد داریم
04:39
when you mix different varieties of rice side by side.
102
264000
2000
وقتی گونه‌های مختلف برنج را
در کنار یکدیگر ترکیب می‌کنید.
در کنار یکدیگر ترکیب می‌کنید.
04:41
Some people are doing that,
103
266000
2000
بعضی از مردم این کار را انجام می‌دهند،
04:43
many are not. What's going on?
104
268000
2000
بسیاری انجام نمی‌دهند.
چه اتفاقی افتاده است؟
چه اتفاقی افتاده است؟
04:45
This is the last mile.
105
270000
2000
این مایل آخر است.
04:47
The last mile is, everywhere, problematic.
106
272000
2000
مایل آخر همه جا مشکل‌ساز است.
04:49
Alright, what's the problem?
107
274000
2000
خیلی خوب، مشکل چیست؟
04:51
The problem is this little three-pound machine
108
276000
3000
مشکل این ماشین کوچک ۱.۴ کیلوگرمی است که
04:54
that's behind your eyes and between your ears.
109
279000
4000
پشت چشمان شما و
در میان گوش‌هایتان وجود دارد.
در میان گوش‌هایتان وجود دارد.
این ماشین واقعا عجیب است،
04:58
This machine is really strange,
110
283000
2000
05:00
and one of the consequences is that people are weird.
111
285000
4000
و یکی از عواقب آن این است که مردم
عجیب و غریب هستند.
عجیب و غریب هستند.
05:04
They do lots of inconsistent things.
112
289000
4000
آنها کارهای ناسازگارِ
بسیاری انجام می‌دهند.
بسیاری انجام می‌دهند.
(تشویق حضار)
05:08
(Applause)
113
293000
2000
05:10
They do lots of inconsistent things.
114
295000
3000
آنها کارهای ناسازگارِ
بسیاری انجام می‌دهند.
بسیاری انجام می‌دهند.
05:13
And the inconsistencies
115
298000
2000
و این کارهای ناسازگار
05:15
create, fundamentally, this last mile problem.
116
300000
3000
اساسا، این مشکلاتِ مایل آخر
را به وجود می‌آورند.
را به وجود می‌آورند.
05:18
See, when we were dealing with our biology, bacteria,
117
303000
3000
وقتی ما با بیولوژی خود طرف هستیم، باکتری،
05:21
the genes, the things inside here, the blood?
118
306000
3000
ژن‌ها، چیزهایی که داخل اینجاست، خون
05:24
That's complex, but it's manageable.
119
309000
3000
پیچیده است، اما قابل مدیریت است.
05:27
When we're dealing with people like this?
120
312000
3000
وقتی با افرادی مثل این طرف هستیم
05:30
The mind is more complex.
121
315000
2000
ذهن پیچیده‌تر است.
آن به همان اندازه قابل مدیریت نیست، و
این چیزی است که با آن مبارزه می‌کنیم.
این چیزی است که با آن مبارزه می‌کنیم.
05:32
That's not as manageable, and that's what we're struggling with.
122
317000
2000
05:34
Let me go back to diarrhea for a second.
123
319000
3000
اجازه بدید دوباره به بیماری اسهال برگردم.
05:37
Here's a question that was asked in the National Sample Survey,
124
322000
3000
این سوالی است که در
بررسی نمونه ملی پرسیده شد،
بررسی نمونه ملی پرسیده شد،
که بررسی‌ای از تعداد
زیادی از زنان هندی است:
زیادی از زنان هندی است:
05:40
which is a survey asked of many Indian women:
125
325000
2000
05:42
"Your child has diarrhea.
126
327000
2000
" کودک شما اسهال دارد.
05:44
Should you increase, maintain or decrease the number of fluids?"
127
329000
3000
آیا باید مقدار مایعات را زیاد کنید،
ثابت نگه دارید، یا کم کنید؟"
ثابت نگه دارید، یا کم کنید؟"
05:47
Just so you don't embarrass yourselves, I'll give you the right answer:
128
332000
3000
برای اینکه شرمنده نشوید،
من جواب درست را به شما می‌دهم:
من جواب درست را به شما می‌دهم:
05:50
It's increase.
129
335000
2000
باید افزایش دهید.
05:54
Now, diarrhea's interesting
130
339000
1000
بیماری اسهال جالب است
05:55
because it's been around for thousands of years,
131
340000
2000
چون هزاران سال وجود داشته است،
05:57
ever since humankind really
132
342000
3000
از زمانی که بشریت واقعا
06:00
lived side by side enough to have really polluted water.
133
345000
3000
آنقدر در کنار یکدیگر زندگی کردند
که آب آلوده داشته باشند.
که آب آلوده داشته باشند.
06:03
One Roman strategy that was very interesting
134
348000
2000
یک استراتژی رومی‌ها که بسیار جالب بود
06:05
was that -- and it really gave them a comparative advantage --
135
350000
2000
این بود که -- و این واقعا
به آنها یک برتری نسبی داد --
به آنها یک برتری نسبی داد --
06:07
they made sure their soldiers didn't drink
136
352000
3000
آنها مطمئن شدند که سربازهای آنها
06:10
even remotely muddied waters.
137
355000
2000
حتی آبی که اندکی گل آلود شده را نخورند.
06:12
Because if some of your troops get diarrhea they're not that effective
138
357000
3000
چون اگر بعضی از نیروهای شما اسهال بگیرند
آنها دیگر
آنها دیگر
06:15
on the battlefield.
139
360000
2000
در میدان جنگ موثر نیستند.
پس، اگر به برتری نسبی رومی‌ها فکر کنید
بخشی از آن مربوط به سپرهای آنها است،
بخشی از آن مربوط به سپرهای آنها است،
06:17
So, if you think of Roman comparative advantage part of it was the breast shields,
140
362000
2000
06:19
the breastplates, but part of it was drinking the right water.
141
364000
4000
زره سینه، اما بخشی از آن
مربوط به نوشیدن آب سالم بود.
مربوط به نوشیدن آب سالم بود.
06:23
So, here are these women. They've seen their parents
142
368000
2000
پس این زن‌ها را داریم
که دیده‌اند پدر و مادرشان
که دیده‌اند پدر و مادرشان
06:25
have struggled with diarrhea, they've struggled with diarrhea,
143
370000
2000
با بیماری اسهال مبارزه کرده‌اند،
خود آنها با اسهال مبارزه کرده‌اند،
خود آنها با اسهال مبارزه کرده‌اند،
06:27
they've seen lots of deaths. How do they answer this question?
144
372000
3000
آنها مرگ‌های بسیاری دیده‌اند.
آنها چگونه به این مشکل جواب دادند؟
آنها چگونه به این مشکل جواب دادند؟
06:30
In India, 35 to 50 percent say "Reduce."
145
375000
4000
در هند، ۳۵ تا ۵۰ درصد می‌گویند "کاهش."
06:34
Think about what that means for a second.
146
379000
2000
برای لحظه‌ای فکر کنید که چه معنی می‌دهد.
06:36
Thirty-five to 50 percent of women
147
381000
2000
۳۵ تا ۵۰ درصد از زنان
06:38
forget oral rehydration therapy,
148
383000
2000
درمان با مایع خوراکی را فراموش می‌کنند،
06:40
they are increasing --
149
385000
2000
آنها احتمالِ --
06:42
they are actually making their child
150
387000
3000
آنها در واقع باعث می‌شوند که
کودکشان با احتمال بیشتری بمیرد.
06:45
more likely to die through their actions.
151
390000
3000
06:48
How is that possible?
152
393000
2000
چگونه ممکن است؟
خب یک حالت -- فکر می‌کنم بیشتر
مردم اینگونه به این جواب می‌دهند --
مردم اینگونه به این جواب می‌دهند --
06:50
Well, one possibility -- I think that's how most people respond to this --
153
395000
3000
06:53
is to say, "That's just stupid."
154
398000
4000
این است که بگوییم، "آن احمقانه است."
06:57
I don't think that's stupid.
155
402000
2000
فکر نمی‌کنم احمقانه باشد.
06:59
I think there is something very profoundly right in what these women are doing.
156
404000
3000
فکر می‌کنم چیزی عمیقا درست در مورد
کاری که این زنان انجام می‌دهند وجود دارد.
کاری که این زنان انجام می‌دهند وجود دارد.
07:02
And that is, you don't put water
157
407000
2000
و آن این است، شما در یک سطل سوراخ
07:04
into a leaky bucket.
158
409000
2000
آب نمی‌ریزید.
07:06
So, think of the mental model that goes behind reducing the intake.
159
411000
4000
پس، به مدل ذهنی‌ای فکر کنید که
در پشت کاهش مصرف وجود دارد.
در پشت کاهش مصرف وجود دارد.
07:10
Just doesn't make sense.
160
415000
2000
قطعا معنی نمی‌دهد.
07:12
Now, the model is intuitively right.
161
417000
3000
مدل به طور مستقیم درست است.
07:15
It just doesn't happen to be right about the world.
162
420000
4000
فقط اتفاقا در مورد دنیا درست نیست.
07:19
But it makes a whole lot of sense at some deep level.
163
424000
3000
اما در سطوحی عمیق کاملا معنی می‌دهد.
07:22
And that, to me, is the fundamental challenge
164
427000
3000
و آن برای من، چالش اساسیِ
07:25
of the last mile.
165
430000
5000
مایل آخر است.
07:30
This first challenge is what I refer to as the persuasion challenge.
166
435000
3000
چالش اول چیزی است که من
به عنوان چالش ترغیب از آن نام می‌برم.
به عنوان چالش ترغیب از آن نام می‌برم.
07:33
Convincing people to do something --
167
438000
2000
قانع کردن مردم برای انجام کاری --
07:35
take oral rehydration therapy, intercrop, whatever it might be --
168
440000
2000
درمان مایع خوراکی را در نظر بگیرید،
کشت مخلوط، هر چیزی ممکن است --
کشت مخلوط، هر چیزی ممکن است --
07:37
is not an act of information:
169
442000
3000
این کار اطلاعات نیست:
07:40
"Let's give them the data,
170
445000
2000
"بیاید به آنها داده بدهیم،
07:42
and when they have data they'll do the right thing."
171
447000
2000
و وقتی آنها داده دارند
کار درست را انجام می‌دهند."
کار درست را انجام می‌دهند."
07:44
It's more complex than that.
172
449000
2000
از این پیچیده تر است.
07:46
And if you want to understand how it's more complex
173
451000
2000
و اگر می‌خواهید بفهمید
که چگونه پیچیده‌تر است
که چگونه پیچیده‌تر است
07:48
let me start with something kind of interesting.
174
453000
4000
اجازه دهید با چیزی جالب‌تر شروع کنم.
07:52
I'm going to give you a little math problem,
175
457000
2000
به شما یک سوال ریاضی کوچک می‌دهم،
07:54
and I want you to just yell out the answer as fast as possible.
176
459000
3000
و می‌خواهم که با بیشترین
سرعت ممکن جواب را فریاد بزنید.
سرعت ممکن جواب را فریاد بزنید.
07:57
A bat and a ball together cost $1.10.
177
462000
2000
یک چوب بیسبال و توپش
با یکدیگر ۱.۱۰ دلار می‌ارزند.
با یکدیگر ۱.۱۰ دلار می‌ارزند.
07:59
The bat costs a dollar more than the ball.
178
464000
3000
چوب بیسبال یک دلار گران‌تر از توپ است.
08:02
How much does the ball cost? Quick.
179
467000
3000
قیمت توپ چقدر است؟ سریع.
08:05
So, somebody out there says, "Five."
180
470000
2000
یک نفر آنجا گفت "پنج سنت."
08:07
A lot of you said, "Ten."
181
472000
2000
بسیاری از شما گفتید، "ده سنت."
08:09
Let's think about 10 for a second.
182
474000
3000
بیاید برای لحظه‌ای در مورد ۱۰ فکر کنیم.
08:12
If the ball costs 10, the bat costs...
183
477000
4000
اگر توپ ۱۰ سنت می‌ارزد، چوب ...
08:16
this is easy, $1.10.
184
481000
2000
آسان است ۱.۱۰ دلار می‌ارزد.
08:18
Yeah. So, together they would cost $1.20.
185
483000
3000
آره پس با یکدیگر ۱.۲۰ دلار می‌ارزند.
08:21
So, here you all are, ostensibly educated people.
186
486000
3000
خب، همه‌ی شما اینجا ظاهرا
تحصیلکرده به نظر می‌آیید.
تحصیلکرده به نظر می‌آیید.
08:24
Most of you look smart.
187
489000
3000
بیشتر شما باهوش به نظر می‌آیید.
08:27
The combination of that produces
188
492000
3000
ترکیب آنها چیزی تولید می‌کند که،
08:30
something that is actually, you got this thing wrong.
189
495000
2000
شما در واقع اینجا اشتباه کردید.
08:32
How is that possible? Let's go to something else.
190
497000
3000
چطور ممکن است؟ بیاید یکی دیگر انجام دهیم.
08:35
I know algebra can be complicated.
191
500000
3000
می‌دانم که جبر می‌تواند پیچیده باشد.
08:38
So, let's dial this back. That's what? Fifth grade? Fourth grade?
192
503000
3000
بیاید برگردیم به عقب.
کلاس پنجم؟ کلاس چهارم؟
کلاس پنجم؟ کلاس چهارم؟
08:41
Let's go back to kindergarten. OK?
193
506000
3000
بیاید برگردیم به کودکستان. باشه؟
برنامه‌ای عالی در تلوزیون
هست که باید تماشا کنید.
هست که باید تماشا کنید.
08:44
There's a great show on American television that you have to watch.
194
509000
2000
08:46
It's called "Are You Smarter Than a Fifth Grader?"
195
511000
2000
اسمش "آیا شما از یک کلاس
پنجمی زرنگ‌تر هستید؟" است.
پنجمی زرنگ‌تر هستید؟" است.
08:48
I think we've learned the answer to that here.
196
513000
3000
فکر می‌کنم جواب آن را اینجا فهمیدیم.
08:51
Let's move to kindergarten. Let's see if we can beat five-year-olds.
197
516000
3000
بیاید به کودکستان برویم. بیاید ببینیم
که آیا می‌توانیم ۵ ساله‌ها را شکست دهیم.
که آیا می‌توانیم ۵ ساله‌ها را شکست دهیم.
08:54
Here's what I'm going to do: I'm going to put objects on the screen.
198
519000
3000
این چیزی است که انجام خواهم داد:
اشیایی را بر روی صفحه نشان می‌دهم.
اشیایی را بر روی صفحه نشان می‌دهم.
08:57
I just want you to name the color of the object.
199
522000
4000
فقط می‌خواهم رنگ آن شی را بگویید.
09:01
That's all it is. OK?
200
526000
2000
همه‌اش همینه. باشه؟
09:03
I want you to do it fast, and say it out loud with me,
201
528000
3000
می‌خواهم که تا جایی که امکان دارد
سریع و بلند با من تکرار کنید،
سریع و بلند با من تکرار کنید،
09:06
and do it quickly. I'll make the first one easy for you.
202
531000
2000
اولی را برای شما آسان می‌کنم.
09:08
Ready? Black.
203
533000
2000
آماده‌اید؟ سیاه.
09:10
Now the next ones I want you to do quickly and say it out loud.
204
535000
2000
حالا می‌خواهم بعدی‌ها را
شما سریع و بلند انجام دهید.
شما سریع و بلند انجام دهید.
09:12
Ready? Go.
205
537000
2000
آماده‌اید؟ شروع کنید.
09:14
Audience: Red. Green.
206
539000
2000
حضار: قرمز. سبز.
زرد. آبی. قرمز.
09:16
Yellow. Blue. Red.
207
541000
2000
09:18
(Laughter)
208
543000
3000
(خنده‌ی حضار)
09:21
Sendhil Mullainathan: That's pretty good.
209
546000
4000
خیلی خوب بود.
09:25
Almost out of kindergarten.
210
550000
2000
تقریبا از مهدکودک خارج می‌شوید.
09:27
What is all this telling us?
211
552000
2000
همه‌ی این به ما چه می‌گوید؟
09:29
You see, what's going on here, and in the bat and ball problem
212
554000
3000
شما می‌بینید که اینجا چه اتفاقی می‌افتد،
و در مساله‌ی چوب بیسبال و توپ
و در مساله‌ی چوب بیسبال و توپ
09:32
is that you have some intuitive ways of interacting with the world,
213
557000
3000
هم این است که شما تعدادی
روش‌های حسی برای تعامل با دنیا دارید،
روش‌های حسی برای تعامل با دنیا دارید،
09:35
some models that you use to understand the world.
214
560000
2000
تعدادی مدل که شما استفاده می‌کنید
تا دنیا را درک کنید.
تا دنیا را درک کنید.
09:37
These models, like the leaky bucket,
215
562000
2000
این مدل‌ها، مثل سطل سوراخ،
09:39
work well in most situations.
216
564000
2000
در بیشتر موقعیت‌ها خوب کار می‌کند.
09:41
I suspect most of you --
217
566000
2000
فکر می‌کنم بیشتر شما --
09:43
I hope that's true for the rest of you --
218
568000
2000
امیدوارم که برای بقیه‌ی
شما هم درست باشد --
شما هم درست باشد --
09:45
actually do pretty well with addition and subtraction in the real world.
219
570000
4000
در دنیای واقعی به خوبی
جمع و تفریق انجام دهید.
جمع و تفریق انجام دهید.
09:49
I found a problem, a specific problem
220
574000
2000
من یک مساله پیدا کردم، یک مساله‌ی خاص
09:51
that actually found an error with that.
221
576000
3000
که در واقع یک خطا در آن پیدا کردم.
09:54
Diarrhea, and many last mile problems, are like that.
222
579000
2000
بیماری اسهال، و بسیاری از مشکلات مایل آخر،
مثل آن هستند.
مثل آن هستند.
09:56
They are situations where the mental model
223
581000
2000
موقعیت‌هایی هستند که مدل ذهنی در آنها
09:58
doesn't match the reality.
224
583000
2000
با واقعیت مطابقت ندارد.
10:00
Same thing here:
225
585000
2000
همان چیز در اینجا هم هست:
10:02
You had an intuitive response to this that was very quick.
226
587000
2000
شما یک پاسخ حسی به
این داشتید که بسیار سریع بود.
این داشتید که بسیار سریع بود.
10:04
You read "blue" and you wanted to say "blue," even though you knew your task was red.
227
589000
3000
شما خواندید آبی و می‌خواستید بگویید آبی
با وجود اینکه می‌دانستید قرمز جواب بود.
با وجود اینکه می‌دانستید قرمز جواب بود.
10:07
Now, I do this stuff because it's fun.
228
592000
2000
من این کار را انجام می‌دهم
چون سرگرم کننده است.
چون سرگرم کننده است.
10:09
But it's more profound than fun.
229
594000
4000
اما این عمیق‌تر از سرگرمی است.
10:13
I'll give you a good example of how it actually effects persuasion.
230
598000
3000
یک مثال خوب به شما نشان می‌دهم که این
در واقع بر روی ترغیب کردن اثر می‌گذارد.
در واقع بر روی ترغیب کردن اثر می‌گذارد.
10:16
BMW is a pretty safe car.
231
601000
3000
BMW یک ماشین بسیار امن است.
10:19
And they are trying to figure out, "Safety is good.
232
604000
2000
و آنها قصد دارند بفهمند که،
"ایمنی خوب است.
"ایمنی خوب است.
10:21
I want to advertise safety. How am I going to advertise safety?"
233
606000
2000
می‌خواهم ایمنی را تبلیغ کنم.
چگونه ایمنی را تبلیغ کنم؟"
چگونه ایمنی را تبلیغ کنم؟"
10:23
"I could give people numbers. We do well on crash tests."
234
608000
3000
"می‌توانم به مردم آمار بدهم.
ما در آزمایش‌های تصادف خوب عمل کردیم."
ما در آزمایش‌های تصادف خوب عمل کردیم."
10:26
But the truth of the matter is, you look at that car,
235
611000
2000
اما حقیقت مساله این است
که شما به خودرو نگاه می‌کنید،
که شما به خودرو نگاه می‌کنید،
10:28
it doesn't look like a Volvo,
236
613000
2000
شبیه "ولوو" نیست،
10:30
and it doesn't look like a Hummer.
237
615000
2000
شبیه "هامر" هم نیست.
پس، چیزی که می‌خواهم برای دقایقی در
مورد آن فکر کنید این است که:
مورد آن فکر کنید این است که:
10:32
So, what I want you to think about for a few minutes
238
617000
2000
10:34
is: How would you convey safety of the BMW? Okay?
239
619000
3000
شما چگونه ایمنی BMW را منتقل می‌کنید؟
باشه؟
باشه؟
10:37
So now, while you're thinking about that let's move to a second task.
240
622000
3000
حالا که در مورد آن فکر می‌کنید،
اجازه دهید به تمرین دوم برویم.
اجازه دهید به تمرین دوم برویم.
10:40
The second task is fuel efficiency. Okay?
241
625000
3000
تمرین دوم در مورد راندمان سوخت است. خب؟
10:43
Here's another puzzle for all of you.
242
628000
2000
این هم یک معمای دیگر برای همه‌ی شما.
10:45
One person walks into a car lot,
243
630000
2000
یک نفر وارد یک فروشگاه خودرو می‌شود،
10:47
and they're thinking about buying this Toyota Yaris.
244
632000
3000
و در مورد خرید تویوتا یاریس فکر می‌کند.
با خود می‌گوید، " مصرف این ۳۵ مایل
در هر گالن است. من کاری که از
در هر گالن است. من کاری که از
10:50
They are saying, "This is 35 miles per gallon. I'm going to do
245
635000
2000
10:52
the environmentally right thing, I'm going to buy the Prius,
246
637000
2000
نظر محیط زیست درست است را انجام می‌دهم،
من "پریوس" را می‌خرم،
من "پریوس" را می‌خرم،
10:54
50 miles per gallon."
247
639000
2000
۵۰ مایل در گالن."
10:56
Another person walks into the lot,
248
641000
2000
شخص دیگری وارد فروشگاه می‌شود،
10:58
and they're about to buy a Hummer, nine miles per gallon,
249
643000
2000
و می‌خواهد که یک هامر بخرد،
۹ مایل در هر گالن،
۹ مایل در هر گالن،
11:00
fully loaded, luxury.
250
645000
2000
با تمام تجهیزات و لوکس.
11:02
And they say, "You know what? Do I need turbo? Do I need this heavyweight car?"
251
647000
4000
و با خود می‌گوید، "می‌دونی؟ توربو رو نیاز
دارم؟ آیا این خودروی سنگین را نیاز دارم؟"
دارم؟ آیا این خودروی سنگین را نیاز دارم؟"
11:06
I'm going to do something good for the environment.
252
651000
2000
می‌خواهم کاری خوب
برای محیط زیست انجام دهم.
برای محیط زیست انجام دهم.
11:08
I'm going to take off some of that weight,
253
653000
2000
مقداری از وزن آن کم می‌کنم،
11:10
and I'm going to buy a Hummer that's 11 miles per gallon."
254
655000
3000
و یک هامر می‌خرم که
مصرف آن ۱۱ مایل در هر گالن است."
مصرف آن ۱۱ مایل در هر گالن است."
11:13
Which one of these people has done more for the environment?
255
658000
3000
کدام یک از این افراد کار بیشتری
برای محیط انجام داده است؟
برای محیط انجام داده است؟
11:16
See, you have a mental model.
256
661000
2000
می‌بینید، شما یک مدل ذهنی دارید.
11:18
Fifty versus 35, that's a big move. Eleven versus nine? Come on.
257
663000
3000
۵۰ در مقابل ۳۵، حرکت بزرگی است.
۱۱ در مقابل ۹؟ بیخیال.
۱۱ در مقابل ۹؟ بیخیال.
11:21
Turns out, go home and do the math,
258
666000
3000
مشخص شده است که،
به خانه بروید و حساب کتاب کنید،
به خانه بروید و حساب کتاب کنید،
تغییر از ۹ به ۱۱ تغییر بزرگتر است. آن فرد
گالن‌های بیشتری صرفه جویی کرده است.
گالن‌های بیشتری صرفه جویی کرده است.
11:24
the nine to 11 is a bigger change. That person has saved more gallons.
259
669000
3000
چرا؟ چون ما در مورد مایل بر گالن
اهمیت نمی‌دهیم، ما در مورد
اهمیت نمی‌دهیم، ما در مورد
11:27
Why? Because we don't care about miles per gallon, we care about
260
672000
2000
11:29
gallons per mile.
261
674000
2000
گالن بر مایل اهمیت می‌دهیم.
11:31
Think about how powerful that is if you're trying to encourage fuel efficiency.
262
676000
3000
فکر کنید که چقدر قدرتمند است
اگر بخواهید مصرف بهینه را تشویق کنید.
اگر بخواهید مصرف بهینه را تشویق کنید.
11:34
Miles per gallon is the way we present things.
263
679000
2000
مایل در گالن روشی است
که همه چیز را ارائه می‌دهیم.
که همه چیز را ارائه می‌دهیم.
11:36
If we want to encourage change of behavior,
264
681000
3000
اگر می‌خواهیم تغییر رفتار را تشویق کنیم،
11:39
gallons per mile would have far more effectiveness.
265
684000
2000
گالن بر مایل تاثیرپذیری بیشتری دارد.
11:41
Researchers have found these type of anomalies.
266
686000
3000
پژوهشگران این ناهنجاری‌ها را یافته‌اند.
11:44
Okay, back to BMW. What should they do?
267
689000
3000
خیلی خوب. برگردیم به BMW. چکار باید بکنند؟
مشکلی که BMW با آن طرف است
این است که این خودرو امن به نظر می‌رسد.
این است که این خودرو امن به نظر می‌رسد.
11:47
The problem BMW faces is this car looks safe.
268
692000
3000
11:50
This car, which is my Mini, doesn't look that safe.
269
695000
4000
این خودرو، که "مینیِ" من است،
امن به نظر نمی‌رسد.
امن به نظر نمی‌رسد.
این بینش فوق‌العاده‌ی BMW بود که
آنها در یک کمپین تبلیغاتی نشان دادند.
آنها در یک کمپین تبلیغاتی نشان دادند.
11:54
Here was BMW's brilliant insight, which they embodied into an ad campaign.
270
699000
3000
11:57
They showed a BMW driving down the street.
271
702000
2000
آنها یک BMW را نشان دادند
که در خیابان حرکت می‌کرد.
که در خیابان حرکت می‌کرد.
11:59
There's a truck on the right. Boxes fall out of the truck.
272
704000
3000
یک کامیون در سمت راست است.
جعبه‌ها از کامیون می‌افتند.
جعبه‌ها از کامیون می‌افتند.
12:02
The car swerves to avoid it, and therefore doesn't get into an accident.
273
707000
5000
خودرو تغییر جهت می‌دهد تا با آن برخورد
نکند، و در نتیجه تصادف نمی‌کند.
نکند، و در نتیجه تصادف نمی‌کند.
12:07
BWM realizes safety, in people's minds, has two components.
274
712000
4000
BMW متوجه ایمنی شده است، در ذهن مردم ایمنی
دو جزء دارد.
دو جزء دارد.
12:11
You can be safe because when you're hit, you survive,
275
716000
4000
شما می‌توانید در امنیت باشید چون
وقتی تصادف می‌کنید، نجات پیدا می‌کنید،
وقتی تصادف می‌کنید، نجات پیدا می‌کنید،
یا می‌توانید ایمن باشید چون
از تصادف‌ها اجتناب کرده‌اید.
از تصادف‌ها اجتناب کرده‌اید.
12:15
or you can be safe because you avoid accidents.
276
720000
2000
12:17
Remarkably successful campaign, but notice the power of it.
277
722000
2000
کمپینی موفق و چشمگیر،
اما متوجه قدرت آن باشید.
اما متوجه قدرت آن باشید.
12:19
It harnesses something you already believe.
278
724000
3000
این چیزی را که شما قبلا
باور داشته‌اید مهار می‌کند.
باور داشته‌اید مهار می‌کند.
12:22
Now, even if I persuaded you to do something,
279
727000
4000
حتی اگر من شما را ترغیب کنم
که کاری انجام دهید،
که کاری انجام دهید،
12:26
it's hard sometimes to actually get action as a result.
280
731000
4000
گاهی اوقات سخت است که
شما هم در نتیجه واقعا عمل کنید.
شما هم در نتیجه واقعا عمل کنید.
12:30
You all probably intended to wake up,
281
735000
2000
همه‌ی شما احتمالا قصد داشتید که بیدار شوید
12:32
I don't know, 6:30, 7 a.m.
282
737000
3000
نمی‌دانم، ۶:۳۰، ۷ صبح.
12:35
This is a battle we all fight every day,
283
740000
2000
این مبارزه‌ای است که همه‌ی
ما هر روز صبح انجام می‌دهیم،
ما هر روز صبح انجام می‌دهیم،
12:37
along with trying to get to the gym.
284
742000
3000
در کنار تلاش برای رفتن به باشگاه.
12:40
Now, this is an example of that battle,
285
745000
3000
این مثالی از همان مبارزه است،
12:43
and makes us realize intentions don't always translate into action,
286
748000
3000
و باعث می‌شود ما متوجه شویم
که نیات ما همیشه به اجرا نمی‌رسند،
که نیات ما همیشه به اجرا نمی‌رسند،
12:46
and so one of the fundamental challenges
287
751000
2000
و خب یکی از چالش‌های اساسی ما این است که
12:48
is how we would actually do that. OK?
288
753000
4000
چگونه این کار انجام دهیم. باشه؟
12:52
So, let me now talk about the last mile problem.
289
757000
3000
حالا اجازه دهید در مورد
مشکل مایل آخر صحبت کنم.
مشکل مایل آخر صحبت کنم.
12:55
So far, I've been pretty negative.
290
760000
3000
تا کنون من خیلی منفی بودم.
12:58
I've been trying to show you the oddities of human behavior.
291
763000
3000
قصد داشتم که عجایبِ
رفتار انسان را به شما نشان دهم.
رفتار انسان را به شما نشان دهم.
13:01
And I think maybe I'm being too negative.
292
766000
2000
و فکر می‌کنم شاید من خیلی منفی هستم.
13:03
Maybe it's the diarrhea.
293
768000
2000
شاید به خاطر بیماری اسهال است.
13:05
Maybe the last mile problem really should be thought of
294
770000
2000
شاید به مشکل مایل آخر باید به عنوان
13:07
as the last mile opportunity.
295
772000
2000
فرصت مایل آخر فکر کرد.
13:09
Let's go back to diabetes.
296
774000
2000
بیاید بر گردیم به دیابت.
13:11
This is a typical insulin injection.
297
776000
3000
این یک تزریق انسولین معمول است.
13:14
Now, carrying this thing around is complicated.
298
779000
3000
حمل کردن این به اطراف پیچیده است.
13:17
You gotta carry the bottle, you gotta carry the syringe.
299
782000
4000
باید شیشه را ببرید،
باید سرنگ را ببرید.
باید سرنگ را ببرید.
13:21
It's also painful.
300
786000
2000
همچنین دردناک هم هست.
13:23
Now, you may think to yourself, "Well, if my eyes depended on it,
301
788000
4000
اگر با خود فکر کنید که، "چشم‌های من
به این بستگی دارد،
به این بستگی دارد،
13:27
you know, I would obviously use it every day."
302
792000
2000
مشخصا هر روز از این استفاده می‌کنم."
13:29
But the pain, the discomfort,
303
794000
2000
اما درد آن، زحمت آن،
13:31
you know, paying attention, remembering to put it in your purse
304
796000
2000
می‌دانید، توجه کردن، به یاد داشتنِ
گذاشتن آن در کیفتان
گذاشتن آن در کیفتان
13:33
when you go on a long trip:
305
798000
2000
وقتی به یک مسافت دور می‌روید:
13:35
These are the day-to-day of life, and they do pose problems.
306
800000
4000
این مربوط به هر روز زندگی است،
و مشکلاتی به وجود می‌آورد.
و مشکلاتی به وجود می‌آورد.
13:39
Here is an innovation, a design innovation.
307
804000
3000
این یک نوآوری است،
یک نوآوری در طراحی.
یک نوآوری در طراحی.
13:42
This is a pen, it's called an insulin pen, preloaded.
308
807000
4000
این یک قلم است، به آن قلم انسولین
گفته می‌شود. از قبل آماده شده است.
گفته می‌شود. از قبل آماده شده است.
13:46
The needle is particularly sharp.
309
811000
1000
سوزن منحصرا تیز شده است.
13:47
You just gotta carry this thing around.
310
812000
2000
فقط باید این را با خود حمل کنید.
استفاده از این بسیار آسان‌تر است،
خیلی کمتر درد دارد.
خیلی کمتر درد دارد.
13:49
It's much easier to use, much less painful.
311
814000
2000
13:51
Anywhere between five and 10 percent increase in adherence,
312
816000
4000
افزایش ۵ تا ۱۰ درصدی در پایبندی
13:55
just as a result of this.
313
820000
2000
نتیجه‌ی این بود.
13:57
That's what I'm talking about as a last mile opportunity.
314
822000
3000
این فرصتِ مایل آخر است
که در مورد آن صحبت می‌کنم.
که در مورد آن صحبت می‌کنم.
14:00
You see, we tend to think the problem is solved
315
825000
3000
می‌بینید، ما فکر می‌کنیم
که مشکل حل شده است
که مشکل حل شده است
14:03
when we solve the technology problem.
316
828000
2000
وقتی که مشکل تکنولوژیکی را حل می‌کنیم.
14:05
But the human innovation, the human problem
317
830000
2000
اما نوآوری انسان، مشکل انسان
14:07
still remains, and that's a great frontier that we have left.
318
832000
4000
همچنان باقیست، و آن مرزی
است که ما باقی گذاشته‌ایم.
است که ما باقی گذاشته‌ایم.
14:11
This isn't about the biology of people;
319
836000
2000
این در مورد بیولوژی مردم نیست؛
14:13
this is now about the brains, the psychology of people,
320
838000
4000
این در مورد مغزهاست، روانشناسی مردم،
14:17
and innovation needs to continue all the way through
321
842000
2000
و نوآوری باید تا
14:19
the last mile.
322
844000
2000
آخرین مایل ادامه پیدا کند.
14:21
Here's another example of this.
323
846000
2000
این هم یک مثال دیگر از این.
14:23
This is from a company called Positive Energy.
324
848000
3000
این مربوط به یک کمپانی
به نام "انرژی مثبت" است.
به نام "انرژی مثبت" است.
این کمپانی در ارتباط با
بهره‌وری مصرف سوخت است.
بهره‌وری مصرف سوخت است.
14:26
This is about energy efficiency.
325
851000
2000
14:28
We're spending a lot of time on fuel cells right now.
326
853000
3000
ما در حال حاضر زمان بسیار
زیادی صرف سلول‌های سوختی می‌کنیم.
زیادی صرف سلول‌های سوختی می‌کنیم.
14:31
What this company does is they send a letter
327
856000
2000
کاری که این کمپانی انجام می‌دهد
این است که آنها یک نامه
این است که آنها یک نامه
14:33
to households that say, "Here's your energy use,
328
858000
2000
به هر خانه می‌فرستند،
"این مصرف انرژی شماست،
"این مصرف انرژی شماست،
14:35
here's your neighbor's energy use: You're doing well." Smiley face.
329
860000
3000
این مصرف انرژی همسایه‌ی شماست:
عملکرد شما خوب است." شکلک لبخند.
عملکرد شما خوب است." شکلک لبخند.
14:38
"You're doing worse." Frown.
330
863000
2000
"عملکرد شما بدتر است." اخم می‌کنید.
14:40
And what they find is just this letter, nothing else,
331
865000
3000
و چیزی که متوجه شدند این است که
فقط این نامه است، هیچ چیز دیگری نیست،
فقط این نامه است، هیچ چیز دیگری نیست،
14:43
has a two to three percent reduction in electricity use.
332
868000
2000
باعث کاهش ۲ تا ۳ درصدی در مصرف برق شد.
14:45
And you want to think about the social value of that
333
870000
2000
و شما باید در مورد
ارزش اجتماعی آن فکر کنید
ارزش اجتماعی آن فکر کنید
14:47
in terms of carbon offsets, reduced electricity,
334
872000
2000
از نظر آفست کربن، کاهش مصرف برق.
14:49
900 million dollars per year.
335
874000
2000
۹۰۰ میلیون دلار در سال.
14:51
Why? Because for free,
336
876000
2000
چرا؟ چون به صورت مجانی،
14:53
this isn't a new technology, this is a letter --
337
878000
2000
این یک تکنولوژی جدید نیست،
این یک نامه است --
این یک نامه است --
14:55
we're getting a Big Bang in behavior.
338
880000
2000
ما یک انفجار در رفتار داریم.
14:57
So, how do we tackle the last mile?
339
882000
4000
خب، ما چطور با مایل آخر مواجه شویم؟
15:01
I think this tells us there is an opportunity.
340
886000
3000
فکر می‌کنم این به ما می‌گوید
که یک فرصت وجود دارد.
که یک فرصت وجود دارد.
و فکر می‌کنم برای مواجهه با این،
ما باید ترکیب کنیم:
ما باید ترکیب کنیم:
15:04
And I think to tackle it, we need to combine
341
889000
2000
15:06
psychology,
342
891000
2000
روانشناسی،
15:08
marketing,
343
893000
2000
بازاریابی،
15:10
art, we've seen that.
344
895000
2000
هنر
15:12
But you know what we need to combine it with?
345
897000
2000
اما می‌دونید باید با چی ترکیبش کنیم؟
15:14
We need to combine this with the scientific method.
346
899000
2000
باید با روش علمی هم ترکیبش کنیم.
15:16
See what's really puzzling and frustrating about the last mile, to me,
347
901000
4000
چیزی که در مورد مایل آخر برای من
واقعا معماگونه و آزاردهنده است،
واقعا معماگونه و آزاردهنده است،
15:20
is that the first 999 miles are all about science.
348
905000
3000
این است که ۹۹۹ مایل اول
در ارتباط با علم است.
در ارتباط با علم است.
15:23
No one would say, "Hey, I think this medicine works, go ahead and use it."
349
908000
4000
هیچکس نمی‌گوید، "هی، فکر می‌کنم این
دارو کار می‌کند، برو و استفاده کن ."
دارو کار می‌کند، برو و استفاده کن ."
ما آزمایش می‌کنیم، به آزمایشگاه می‌رویم،
دوباره امتحانش می‌کنیم، ما پالایش داریم.
دوباره امتحانش می‌کنیم، ما پالایش داریم.
15:27
We have testing, we go to the lab, we try it again, we have refinement.
350
912000
2000
15:29
But you know what we do on the last mile?
351
914000
3000
اما می‌دانید در مایل آخر چکار می‌کنیم؟
15:32
"Oh, this is a good idea. People will like this. Let's put it out there."
352
917000
3000
"اوه، ایده‌ی خوبی است. مردم دوستش
خواهند داشت. بیاید آن را بیرون دهیم."
خواهند داشت. بیاید آن را بیرون دهیم."
15:35
The amount of resources we put in are disparate.
353
920000
2000
میزان منابعی که ما
استفاده می‌کنیم نابرابر است.
استفاده می‌کنیم نابرابر است.
15:37
We put billions of dollars into fuel-efficient technologies.
354
922000
3000
ما میلیاردها دلار در تکنولوژی‌های
بهره‌وری سوخت صرف می‌کنیم.
بهره‌وری سوخت صرف می‌کنیم.
15:40
How much are we putting into
355
925000
2000
چه مقدار برایِ
15:42
energy behavior change
356
927000
2000
تغییر رفتارهای مصرف انرژی
15:44
in a credible, systematic, testing way?
357
929000
3000
در یک روش آزمون گونه، نظام‌مند
و معتبر صرف می‌کنیم؟
و معتبر صرف می‌کنیم؟
15:47
Now, I think that we're on the verge of something big.
358
932000
3000
من فکر می‌کنم ما در شرف
چیزی بزرگ قرار داریم.
چیزی بزرگ قرار داریم.
15:50
We're on the verge of a whole new social science.
359
935000
3000
ما در نزدیکیِ یک دانش اجتماعی
کاملا جدید قرار داریم.
کاملا جدید قرار داریم.
15:53
It's a social science that recognizes --
360
938000
2000
این دانشی اجتماعی است که تشخیص می‌دهد --
15:55
much like science recognizes the complexity of the body,
361
940000
3000
بسیار شبیه به حالتی که علم
پیچیدگی‌های بدن را تشخیص می‌دهد،
پیچیدگی‌های بدن را تشخیص می‌دهد،
15:58
biology recognizes the complexity of the body -- we'll recognize
362
943000
2000
بیولوژی پیچیدگی‌های بدن را تشخیص می‌دهد --
16:00
the complexity of the human mind.
363
945000
2000
ما پیچیدگی‌های ذهن انسان را تشخیص می‌دهیم.
16:02
The careful testing, retesting, design,
364
947000
2000
آزمایش با دقت، دوباره آزمایش کردن و طراحی
16:04
are going to open up vistas of understanding,
365
949000
3000
دورنمایِ بزرگی از ادراکِ
16:07
complexities, difficult things.
366
952000
2000
پیچیدگی‌ها و چیزهای سخت باز می‌کند.
16:09
And those vistas will both create new science,
367
954000
3000
و این چشم‌اندازها هم
علمی جدید ایجاد می‌کند،
علمی جدید ایجاد می‌کند،
16:12
and fundamental change in the world as we see it, in the next hundred years.
368
957000
4000
و تغییری اساسی در دنیایی که ما می‌بینیم،
در ۱۰۰ سال آینده.
در ۱۰۰ سال آینده.
16:16
All right. Thank you very much.
369
961000
2000
خیلی خوب. بسیار متشکرم.
16:18
(Applause)
370
963000
2000
(تشویق حضار)
16:20
Chris Anderson: Sendhil, thank you so much.
371
965000
2000
کریس اندرسون: سندهیل، خیلی ممنون.
16:22
So, this whole area is so fascinating.
372
967000
3000
این حوزه‌ی جدید بسیار شگفت انگیز است.
16:25
I mean, it sometimes feels, listening to behavioral economists
373
970000
3000
منظورم این است که گاهی اوقات این حس دست
می‌دهد که گوش کردن به اقتصاد دانان رفتاری
می‌دهد که گوش کردن به اقتصاد دانان رفتاری
16:28
that they are kind of putting into place
374
973000
3000
که آنها موضوعاتی را به صورت
آکادمیک جایگذاری می‌کنند که
آکادمیک جایگذاری می‌کنند که
16:31
academically, what great marketers
375
976000
2000
بازاریابان عالی
16:33
have sort of intuitively known for a long time.
376
978000
3000
مستقیما برای زمان طولانی
از آن اطلاع داشتند.
از آن اطلاع داشتند.
16:36
How much is your field talking to great marketers
377
981000
4000
حوزه‌ی شما چقدر با بازاریابان
بزرگ صحبت می‌کند؟
بزرگ صحبت می‌کند؟
16:40
about their insights into human psychology?
378
985000
2000
در مورد بینش آنها در
مورد روانشناسی انسان
مورد روانشناسی انسان
16:42
Because they've seen it on the ground.
379
987000
2000
چون آنها این را عملا دیده‌اند.
سندهیل مولایناتان: بله، ما زمان زیادی را
صرف صحبت با بازاریابان می‌کنیم،
صرف صحبت با بازاریابان می‌کنیم،
16:44
Sendhil Mullainathan: Yeah, we spend a lot of time talking to marketers,
380
989000
2000
16:46
and I think 60 percent of it is exactly what you say,
381
991000
3000
و فکر می‌کنم ۶۰ درصد این
دقیقا چیزی است که شما گفتید،
دقیقا چیزی است که شما گفتید،
16:49
there are insights to be gleaned there.
382
994000
2000
بینش‌هایی هستند که باید جمع‌آوری شوند.
16:51
Forty percent of it is about what marketing is.
383
996000
2000
۴۰ درصد در مورد چیزی است که بازاریابی است.
16:53
Marketing is selling an ad to a firm.
384
998000
5000
بازاریابی یعنی فروش یک تبلیغ به یک شرکت.
16:58
So, in some sense, a lot of marketing is about
385
1003000
2000
پس، از یک منظر،
بخش زیادی از بازایابی در مورد
بخش زیادی از بازایابی در مورد
17:00
convincing a CEO, "This is a good ad campaign."
386
1005000
3000
متقاعد کردن یک مدیرعامل به این است'
"این یک کمپین تبلیغاتی خوب است."
"این یک کمپین تبلیغاتی خوب است."
17:03
So, there is a little bit of slippage there.
387
1008000
2000
پس، اینجا مقداری لغزش وجود دارد.
17:05
That's just a caveat. That's different from actually having an effective ad campaign.
388
1010000
4000
این فقط یک هشدار است. این با داشتن
یک کمپین تبلیغاتی موثر فرق دارد.
یک کمپین تبلیغاتی موثر فرق دارد.
17:09
And one of the new movements in marketing is: How do we actually
389
1014000
2000
و یکی از تحرکات جدید در بازاریابی این است:
ما دقیقا چگونه
ما دقیقا چگونه
17:11
measure effectiveness? Are we effective?
390
1016000
2000
موثر بودن را اندازه‌گیری کنیم؟
آیا ما موثر هستیم؟
آیا ما موثر هستیم؟
17:13
CA: How you take your insights here
391
1018000
4000
کریس: شما چگونه دیدِ خود
را از اینجا گرفته
را از اینجا گرفته
و عملا آن را در یک مدل کار عملی
17:17
and actually get them integrated
392
1022000
3000
یکپارچه کرده و اجرا می‌کنید؟
17:20
into working business models on the ground,
393
1025000
3000
در دهکده‌های هندی به عنوان مثال.
17:23
in Indian villages, for example?
394
1028000
2000
سندهیل: روش علمی که به آن
اشاره کردم بسیار مهم است.
اشاره کردم بسیار مهم است.
17:25
SM: So, the scientific method I alluded to is pretty important.
395
1030000
3000
ما با کمپانی‌هایی که قابلیت عملیاتی
دارند رابطه‌ی نزدیکی داریم،
دارند رابطه‌ی نزدیکی داریم،
17:28
We work closely with companies that have operational capacity,
396
1033000
2000
یا سازمان‌های خیریه
17:30
or nonprofits that have operational capacity.
397
1035000
2000
و ما می‌گوییم: "خب، شما این
تغییر رفتاری را می‌خواهید.
تغییر رفتاری را می‌خواهید.
17:32
And then we say, "Well, you want to get this behavior change.
398
1037000
2000
بیاید به چند ایده برسیم،
آنها را آزمایش کنیم،
آنها را آزمایش کنیم،
17:34
Let's come up with a few ideas, test them,
399
1039000
3000
ببینیم کدام جواب می‌دهد، به عقب برگردیم،
ترکیب کنیم،
ترکیب کنیم،
17:37
see which is working, go back, synthesize,
400
1042000
2000
و تلاش کنیم به چیزی برسیم که کار کند."
17:39
and try to come up with a thing that works,"
401
1044000
2000
و بعد می‌توانیم آن را با شرکایمان
در مقیاس بزرگ کار کنیم.
در مقیاس بزرگ کار کنیم.
17:41
and then we're able to scale with partners.
402
1046000
2000
17:43
It's kind of the model that has worked in other contexts.
403
1048000
2000
این مانند مدلی است که در
زمینه‌های دیگر جواب داده است.
زمینه‌های دیگر جواب داده است.
17:45
If you have biological problems
404
1050000
2000
اگر مشکلات بیولوژیکی داشته باشیم
17:47
we try and fix it, see if it works, and then work the scale.
405
1052000
2000
ما تلاش می‌کنیم و حلش می‌کنیم
و سپس در مقیاس بزرگ کار کنیم.
و سپس در مقیاس بزرگ کار کنیم.
17:49
CA: Alright Sendhil, thanks so much for coming to TED. Thank you.
406
1054000
3000
کریس: بسیار خوب سندهیل،
خیلی ممنونم که به تد آمدی. متشکرم.
خیلی ممنونم که به تد آمدی. متشکرم.
17:52
(Applause)
407
1057000
3000
(تشویق حضار)
ABOUT THE SPEAKER
Sendhil Mullainathan - Behavioral economistSendhil Mullainathan asks a compelling question: what are the irrational choices we make that perpetuate poverty, corruption, discrimination?
Why you should listen
To study big questions such as "What are the measurable effects of corruption?"" Sendhil Mullainathan and his collaborators look at the day-to-day decisions made by real people, running deep-data studies on groups around the world to tease out patterns. Awarded a MacArthur ""genius"" grant in 2002, he has produced and collaborated on a string of research papers that make for a must-read CV -- including a fascinating, if dispiriting, study of the corruption involved in getting a driver's license in India.
Lately he and his team have been studying women who sell fruit and vegetables on the streets in developing countries. They're usually in debt to a moneylender in the market, who takes about half their profits each day as interest. Some of the women have figured a simple way to get out of debt and keep all their profits. But most of the women make a choice every day that keeps them in debt. How would these businesswomen behave, he wondered, if the slate was wiped clean? So he got a grant, paid off their debt, and waits to see what happens next."
Sendhil Mullainathan | Speaker | TED.com