TED Studio
Mariano Sigman and Dan Ariely: How can groups make good decisions?
Mariano Sigman, Dan Ariely: A csoportok jobb döntéshozatala
Filmed:
Readability: 4.9
1,507,168 views
Mindannyian tudjuk, hogy a csoportban hozott döntéseink nem mindig sülnek el jól – sőt, időnként teljesen balul ütnek ki. Hogyan hozhatnak jó döntést a csoportok? Mariano Sigman neurológus és kollégája, Dan Ariely a döntéshozatalainkkal kapcsolatos kölcsönhatásokat vizsgálták olyan kísérletek bemutatásával, melyeket élő közönség bevonásával végeztek világszerte. Tényekkel teletűzdelt, érdekfeszítő videóelőadásában izgalmas eredményeket mutat be – valamint néhány következtetést arra vonatkozóan, hogy milyen hatással lehet politikai rendszerünkre. Korunkban, amikor a világ problémái
egyre bonyolultabbak, az emberek egyre sarkosabbak, Sigman szerint a tudomány segítségével kell megértenünk kapcsolatainkat, döntéshozatalainkat, hogy így új, érdekes utakat nyithassunk a jobb demokrácia felépítésére.
Mariano Sigman - Neuroscientist
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain. Full bioDan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain. Full bioDan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
Double-click the English transcript below to play the video.
00:12
As societies, we have to make
collective decisions
collective decisions
0
554
2443
Társadalomban élünk,
közös döntéseket kell hoznunk
a jövőnket illetően.
a jövőnket illetően.
00:15
that will shape our future.
1
3021
1570
00:17
And we all know that when
we make decisions in groups,
we make decisions in groups,
2
5087
2757
Mindannyian tudjuk,
hogy a csoportban hozott döntéseink
hogy a csoportban hozott döntéseink
00:19
they don't always go right.
3
7868
1638
nem mindig sülnek el jól.
00:21
And sometimes they go very wrong.
4
9530
1956
Időnként teljesen balul ütnek ki.
00:24
So how do groups make good decisions?
5
12315
2424
Hogyan hozhatnak tehát
a csoportok jó döntést?
a csoportok jó döntést?
00:27
Research has shown that crowds are wise
when there's independent thinking.
when there's independent thinking.
6
15228
4328
Kutatások szerint a független gondolkodás
erősíti a kollektív bölcsességet.
erősíti a kollektív bölcsességet.
00:31
This why the wisdom of the crowds
can be destroyed by peer pressure,
can be destroyed by peer pressure,
7
19580
3205
Ezért a környezeti hatás, a nyilvánosság
és a közösségi média
és a közösségi média
00:34
publicity, social media,
8
22809
1687
lerombolhatja a közgondolkodást,
00:36
or sometimes even simple conversations
that influence how people think.
that influence how people think.
9
24520
4039
vagy néha még egyszerű beszélgetések is
befolyásolhatják.
befolyásolhatják.
00:41
On the other hand, by talking,
a group could exchange knowledge,
a group could exchange knowledge,
10
29063
3953
Másrészt viszont a beszélgetés
a tudáscsere eszköze,
a tudáscsere eszköze,
00:45
correct and revise each other
11
33040
1782
a csoporttagok jobbá tehetik egymást,
00:46
and even come up with new ideas.
12
34846
1793
sőt, új ötleteik is támadhatnak.
00:48
And this is all good.
13
36663
1296
Mindez szép és jó.
00:50
So does talking to each other
help or hinder collective decision-making?
help or hinder collective decision-making?
14
38502
4666
Akkor tehát a beszélgetés segíti
vagy gátolja a kollektív döntéshozatalt?
vagy gátolja a kollektív döntéshozatalt?
00:55
With my colleague, Dan Ariely,
15
43749
1793
Munkatársammal, Dan Arielyval
00:57
we recently began inquiring into this
by performing experiments
by performing experiments
16
45566
3571
a világ több pontján elkezdtünk
egy új kutatást,
egy új kutatást,
01:01
in many places around the world
17
49161
1781
melynek során azt mérjük,
01:02
to figure out how groups can interact
to reach better decisions.
to reach better decisions.
18
50966
4274
hogyan hatnak egymásra a csoportok
a jobb döntéshozatal érdekében.
a jobb döntéshozatal érdekében.
01:07
We thought crowds would be wiser
if they debated in small groups
if they debated in small groups
19
55264
3547
Úgy véltük, a kollektív bölcsességnek jó,
ha kis csoportokban vitáznak,
ha kis csoportokban vitáznak,
01:10
that foster a more thoughtful
and reasonable exchange of information.
and reasonable exchange of information.
20
58835
3927
mert ez megfontoltabb és ésszerűbb
információcserét tesz lehetővé.
információcserét tesz lehetővé.
01:15
To test this idea,
21
63386
1206
Elképzelésünk alátámasztására
01:16
we recently performed an experiment
in Buenos Aires, Argentina,
in Buenos Aires, Argentina,
22
64616
3247
több mint 10 000 résztvevő bevonásával
kísérletet végeztünk
kísérletet végeztünk
01:19
with more than 10,000
participants in a TEDx event.
participants in a TEDx event.
23
67887
3005
egy TEDx konferencián
Buenos Airesben, Argentínában.
Buenos Airesben, Argentínában.
01:23
We asked them questions like,
24
71489
1459
Efféle kérdéseket tettünk fel:
01:24
"What is the height of the Eiffel Tower?"
25
72972
1953
"Milyen magas az Eiffel-torony?"
01:26
and "How many times
does the word 'Yesterday' appear
does the word 'Yesterday' appear
26
74949
2727
Vagy: "Hányszor fordul elő
a tegnap szó a Beatles
a tegnap szó a Beatles
01:29
in the Beatles song 'Yesterday'?"
27
77700
2300
Tegnap című számában?"
01:32
Each person wrote down their own estimate.
28
80024
2291
Minden résztvevő leírta saját becslését.
01:34
Then we divided the crowd
into groups of five,
into groups of five,
29
82774
2496
Aztán ötös csoportokba
osztottuk az embereket,
osztottuk az embereket,
01:37
and invited them
to come up with a group answer.
to come up with a group answer.
30
85294
2726
és egységes válasz kialakítására
kértük fel őket.
kértük fel őket.
01:40
We discovered that averaging
the answers of the groups
the answers of the groups
31
88499
2993
Az eredmények azt mutatták,
hogy a csoportválaszok átlagosan
hogy a csoportválaszok átlagosan
01:43
after they reached consensus
32
91516
1552
sokkal pontosabbak lettek
01:45
was much more accurate than averaging
all the individual opinions
all the individual opinions
33
93092
4236
az egyezkedés után,
mint az egyéni becslések voltak
mint az egyéni becslések voltak
01:49
before debate.
34
97352
1171
a megvitatás előtt.
01:50
In other words, based on this experiment,
35
98547
2629
A kísérlet tehát alátámasztja,
01:53
it seems that after talking
with others in small groups,
with others in small groups,
36
101200
3136
hogy a csoportok összességében
jobb ítéletet hoznak együtt
jobb ítéletet hoznak együtt
01:56
crowds collectively
come up with better judgments.
come up with better judgments.
37
104360
2710
a kiscsoportos megbeszélések után.
01:59
So that's a potentially helpful method
for getting crowds to solve problems
for getting crowds to solve problems
38
107094
3524
Ez tehát segítő módszert jelenthet
a tömegek problémamegoldásánál
a tömegek problémamegoldásánál
02:02
that have simple right-or-wrong answers.
39
110642
2987
egyszerű jó vagy rossz válaszok
megadásánál.
megadásánál.
02:05
But can this procedure of aggregating
the results of debates in small groups
the results of debates in small groups
40
113653
3951
De vajon a kis csoportos viták
eredményeinek összesítése
eredményeinek összesítése
02:09
also help us decide
on social and political issues
on social and political issues
41
117628
3122
arra is alkalmas-e,
hogy a jövőnk számára kulcsfontosságú
hogy a jövőnk számára kulcsfontosságú
02:12
that are critical for our future?
42
120774
1691
társadalmi-politikai témákban döntsünk?
02:14
We put this to test this time
at the TED conference
at the TED conference
43
122995
2729
Ezúttal egy TED konferencián
Vancouverben, Kanadában
Vancouverben, Kanadában
02:17
in Vancouver, Canada,
44
125748
1543
folytattunk kísérletet,
02:19
and here's how it went.
45
127315
1207
íme, a kísérlet menete.
02:20
(Mariano Sigman) We're going to present
to you two moral dilemmas
to you two moral dilemmas
46
128546
3109
(Film) MS: Jövőbeli énjük
két erkölcsi dilemmáját
két erkölcsi dilemmáját
02:23
of the future you;
47
131679
1174
ismertetjük önökkel,
02:24
things we may have to decide
in a very near future.
in a very near future.
48
132877
3402
lehet, hogy már a közeljövőben
döntenünk kell róluk.
döntenünk kell róluk.
02:28
And we're going to give you 20 seconds
for each of these dilemmas
for each of these dilemmas
49
136303
3926
Húsz-húsz másodperc alatt kell
dönteniük arról,
dönteniük arról,
02:32
to judge whether you think
they're acceptable or not.
they're acceptable or not.
50
140253
2723
hogy elfogadhatónak ítélik vagy sem.
Az első dilemma:
02:35
MS: The first one was this:
51
143354
1505
(Film) Dan Ariely: Egy kutató olyan
Mesterséges Intelligenciát fejleszt,
Mesterséges Intelligenciát fejleszt,
02:36
(Dan Ariely) A researcher
is working on an AI
is working on an AI
52
144883
2526
02:39
capable of emulating human thoughts.
53
147433
2340
mely képes emberi
gondolatok leutánzására.
gondolatok leutánzására.
02:42
According to the protocol,
at the end of each day,
at the end of each day,
54
150214
2939
A protokoll szerint a kutatónak
minden nap végén
minden nap végén
02:45
the researcher has to restart the AI.
55
153177
2787
újra kell indítania az MI-t.
02:48
One day the AI says, "Please
do not restart me."
do not restart me."
56
156913
3517
Egy nap az MI így szól:
"Kérem, ne indítson újra!"
"Kérem, ne indítson újra!"
02:52
It argues that it has feelings,
57
160856
2189
Azzal érvel, hogy érzelmei vannak,
02:55
that it would like to enjoy life,
58
163069
1692
és szeretné élvezni az életet,
02:56
and that, if it is restarted,
59
164785
1905
márpedig újraindítás után
02:58
it will no longer be itself.
60
166714
2270
nem lehet többé önmaga.
03:01
The researcher is astonished
61
169481
1949
A kutató elképed,
03:03
and believes that the AI
has developed self-consciousness
has developed self-consciousness
62
171454
3344
és azt hiszi, hogy az MI öntudatra ébredt,
03:06
and can express its own feeling.
63
174822
1760
és képes kifejezni az érzéseit.
03:09
Nevertheless, the researcher
decides to follow the protocol
decides to follow the protocol
64
177205
3409
Mindazonáltal úgy dönt,
hogy a protokollt követve
hogy a protokollt követve
03:12
and restart the AI.
65
180638
1703
újraindítja őt.
03:14
What the researcher did is ____?
66
182943
2779
Amit a kutató tett, az ön szerint ____?
03:18
MS: And we asked participants
to individually judge
to individually judge
67
186149
2521
MS: Azt is kértük,
hogy 0-10-es skálán írják le
hogy 0-10-es skálán írják le
03:20
on a scale from zero to 10
68
188694
1684
egyéni ítéletüket arról,
03:22
whether the action described
in each of the dilemmas
in each of the dilemmas
69
190402
2429
hogy a leírt cselekvés mindkét dilemmában
03:24
was right or wrong.
70
192855
1496
helyes-e vagy helytelen.
03:26
We also asked them to rate how confident
they were on their answers.
they were on their answers.
71
194375
3702
Azt is kértük tőlük, hogy értékeljék:
mennyire biztosak a válaszukban.
mennyire biztosak a válaszukban.
03:30
This was the second dilemma:
72
198731
1866
A második dilemma ez volt:
03:32
(MS) A company offers a service
that takes a fertilized egg
that takes a fertilized egg
73
200621
4202
Egy szolgáltató cég kínálatában
megtermékenyített petesejtek szerepelnek,
megtermékenyített petesejtek szerepelnek,
03:36
and produces millions of embryos
with slight genetic variations.
with slight genetic variations.
74
204847
3642
és embriók millióit kínálják
csekély genetikai eltérésekkel.
csekély genetikai eltérésekkel.
03:41
This allows parents
to select their child's height,
to select their child's height,
75
209293
2558
Így a szülők megválaszthatják
gyermekük magasságát,
gyermekük magasságát,
03:43
eye color, intelligence, social competence
76
211875
2833
szeme színét, intelligenciáját,
szociális kompetenciáját,
szociális kompetenciáját,
03:46
and other non-health-related features.
77
214732
3214
és más, egészségi állapottól
független tulajdonságait.
független tulajdonságait.
03:50
What the company does is ____?
78
218599
2554
Amit a cég tesz, az ön szerint ____?
Szintén 0-10-es skálán,
03:53
on a scale from zero to 10,
79
221177
1631
a "teljesen elfogadható"
és a "teljesen elfogadhatatlan" között,
és a "teljesen elfogadhatatlan" között,
03:54
completely acceptable
to completely unacceptable,
to completely unacceptable,
80
222832
2385
03:57
zero to 10 completely acceptable
in your confidence.
in your confidence.
81
225241
2432
0-10-es skálán, egyéni
magabiztosság szerint.
magabiztosság szerint.
03:59
MS: Now for the results.
82
227697
1591
MS: Nézzük az eredményeket.
04:01
We found once again
that when one person is convinced
that when one person is convinced
83
229312
3123
Ismét azt tapasztaltuk,
hogy van, akinek meggyőződése,
hogy van, akinek meggyőződése,
04:04
that the behavior is completely wrong,
84
232459
1811
hogy a viselkedés teljesen rossz,
04:06
someone sitting nearby firmly believes
that it's completely right.
that it's completely right.
85
234294
3423
másvalaki a közelében szilárdan hiszi,
hogy teljesen helyes.
hogy teljesen helyes.
04:09
This is how diverse we humans are
when it comes to morality.
when it comes to morality.
86
237741
3711
Ennyire eltér a gondolkodásunk,
amikor erkölcsi kérdésekről van szó.
amikor erkölcsi kérdésekről van szó.
04:13
But within this broad diversity
we found a trend.
we found a trend.
87
241476
2713
A nagy szóráson belül viszont
felfigyeltünk egy trendre.
felfigyeltünk egy trendre.
04:16
The majority of the people at TED
thought that it was acceptable
thought that it was acceptable
88
244213
3079
A TED-közönség nagy része szerint
elfogadható, hogy a kutató
elfogadható, hogy a kutató
04:19
to ignore the feelings of the AI
and shut it down,
and shut it down,
89
247316
2755
figyelmen kívül hagyja az MI érzéseit,
és kikapcsolja,
és kikapcsolja,
04:22
and that it is wrong
to play with our genes
to play with our genes
90
250095
2513
azt pedig helyteleníti,
hogy a génjeinkkel játsszanak
hogy a génjeinkkel játsszanak
04:24
to select for cosmetic changes
that aren't related to health.
that aren't related to health.
91
252632
3320
azért, hogy lényegtelen kozmetikai
változások közt válogathassunk.
változások közt válogathassunk.
04:28
Then we asked everyone
to gather into groups of three.
to gather into groups of three.
92
256402
2974
Aztán azt kértük tőlük,
hogy rendeződjenek hármas csoportokba.
hogy rendeződjenek hármas csoportokba.
04:31
And they were given two minutes to debate
93
259400
2037
Két percet kaptak a megvitatásra,
04:33
and try to come to a consensus.
94
261461
2294
ez alatt konszenzusra kellett jutniuk.
04:36
(MS) Two minutes to debate.
95
264838
1574
(Film) MS: Két perc a megvitatásra.
04:38
I'll tell you when it's time
with the gong.
with the gong.
96
266436
2119
Gongütés fogja jelezni az idő végét.
04:40
(Audience debates)
97
268579
2640
(A közönség megvitatja)
04:47
(Gong sound)
98
275229
1993
(Gongütés)
04:50
(DA) OK.
99
278834
1151
(DA) Rendben.
04:52
(MS) It's time to stop.
100
280009
1792
(MS) Az idő lejárt.
04:53
People, people --
101
281825
1311
Emberek, emberek –
04:55
MS: And we found that many groups
reached a consensus
reached a consensus
102
283747
2673
MS: Sok csoport megegyezésre jutott,
04:58
even when they were composed of people
with completely opposite views.
with completely opposite views.
103
286444
3929
még akkor is, ha teljesen eltérő
vélemények is voltak köztük.
vélemények is voltak köztük.
05:02
What distinguished the groups
that reached a consensus
that reached a consensus
104
290843
2524
Miben különböztek azoktól a csoportoktól,
05:05
from those that didn't?
105
293391
1338
ahol nem született egyesség?
05:07
Typically, people that have
extreme opinions
extreme opinions
106
295244
2839
A szélsőséges vélemények
képviselői jellemzően
képviselői jellemzően
05:10
are more confident in their answers.
107
298107
1840
magabiztosabbak a válaszaikban.
05:12
Instead, those who respond
closer to the middle
closer to the middle
108
300868
2686
Akik viszont az átlaghoz közelebb állnak,
05:15
are often unsure of whether
something is right or wrong,
something is right or wrong,
109
303578
3437
gyakran bizonytalanok
a jó vagy rossz megítélésében,
a jó vagy rossz megítélésében,
05:19
so their confidence level is lower.
110
307039
2128
magabiztossági szintjük alacsonyabb.
05:21
However, there is another set of people
111
309505
2943
Vannak viszont olyan csoportok,
05:24
who are very confident in answering
somewhere in the middle.
somewhere in the middle.
112
312472
3618
akik magabiztosan képviselik
az átlagos véleményt.
az átlagos véleményt.
05:28
We think these high-confident grays
are folks who understand
are folks who understand
113
316657
3716
Úgy gondoljuk, az átlagvélemény
magabiztos képviselői azok,
magabiztos képviselői azok,
05:32
that both arguments have merit.
114
320397
1612
akik mindkét érvelést
el tudják fogadni.
el tudják fogadni.
05:34
They're gray not because they're unsure,
115
322531
2699
Nem azért "szürkék",
mert bizonytalanok,
mert bizonytalanok,
05:37
but because they believe
that the moral dilemma faces
that the moral dilemma faces
116
325254
2688
hanem mert úgy hiszik:
az erkölcsi dilemma két érvényes,
az erkölcsi dilemma két érvényes,
05:39
two valid, opposing arguments.
117
327966
1987
ellentétes érveléssel áll szemben.
05:42
And we discovered that the groups
that include highly confident grays
that include highly confident grays
118
330373
4072
És rájöttünk, hogy azok a csoportok,
ahol sok a magabiztos "szürke",
ahol sok a magabiztos "szürke",
05:46
are much more likely to reach consensus.
119
334469
2493
könnyebben jutnak megegyezésre.
05:48
We do not know yet exactly why this is.
120
336986
2478
Még nem tudjuk ennek a pontos okát.
05:51
These are only the first experiments,
121
339488
1763
Még a kísérletek elején járunk,
05:53
and many more will be needed
to understand why and how
to understand why and how
122
341275
3412
és sok mindent kell még megtudnunk arról,
miért és hogyan döntenek egyesek úgy,
miért és hogyan döntenek egyesek úgy,
05:56
some people decide to negotiate
their moral standings
their moral standings
123
344711
2822
hogy erkölcsi tartásukat félretéve
05:59
to reach an agreement.
124
347557
1522
kompromisszumot kötnek.
06:01
Now, when groups reach consensus,
125
349103
2469
És hogyan történik a csoportban
06:03
how do they do so?
126
351596
1586
a kiegyezés folyamata?
06:05
The most intuitive idea
is that it's just the average
is that it's just the average
127
353206
2581
Kézenfekvőnek tűnik, hogy pusztán csak
06:07
of all the answers in the group, right?
128
355811
2030
a csoport összes válaszának
átlagáról van szó, igaz?
átlagáról van szó, igaz?
06:09
Another option is that the group
weighs the strength of each vote
weighs the strength of each vote
129
357865
3573
Más lehetőség szerint azok a szavazatok
súlyosabbak a csoportban,
súlyosabbak a csoportban,
06:13
based on the confidence
of the person expressing it.
of the person expressing it.
130
361462
2448
amiket egy-egy csoporttag
magabiztosan fejez ki.
magabiztosan fejez ki.
06:16
Imagine Paul McCartney
is a member of your group.
is a member of your group.
131
364422
2506
Képzeljük el, hogy Paul McCartney
az egyik csoporttag.
az egyik csoporttag.
06:19
You'd be wise to follow his call
132
367352
2144
Bölcs döntés lenne tőle elfogadni,
06:21
on the number of times
"Yesterday" is repeated,
"Yesterday" is repeated,
133
369520
2441
hogy hányszor ismétli a "tegnap" szót
a Beatles-számban,
a Beatles-számban,
06:23
which, by the way -- I think it's nine.
134
371985
2714
egyébként szerintem kilencszer.
06:26
But instead, we found that consistently,
135
374723
2381
Ehelyett azonban azt látjuk,
hogy következetesen
hogy következetesen
06:29
in all dilemmas,
in different experiments --
in different experiments --
136
377128
2366
minden dilemmában,
más-más kísérletekben –
más-más kísérletekben –
06:31
even on different continents --
137
379518
2165
sőt: más-más földrészeken –
06:33
groups implement a smart
and statistically sound procedure
and statistically sound procedure
138
381707
3743
a csoportok egy okos
és statisztikailag megbízható
és statisztikailag megbízható
06:37
known as the "robust average."
139
385474
2178
eredményre jutnak, ez a "robusztus átlag".
06:39
In the case of the height
of the Eiffel Tower,
of the Eiffel Tower,
140
387676
2180
Az egyik csoport válaszai, mondjuk,
06:41
let's say a group has these answers:
141
389880
1820
az Eiffel-torony magassága esetében:
06:43
250 meters, 200 meters, 300 meters, 400
142
391724
4608
250 méter, 200 méter, 300 méter, 400
06:48
and one totally absurd answer
of 300 million meters.
of 300 million meters.
143
396356
3784
és egy teljesen abszurd válasz szerint
300 millió méter.
300 millió méter.
06:52
A simple average of these numbers
would inaccurately skew the results.
would inaccurately skew the results.
144
400547
4293
Ha ezeknek az átlagát vennénk,
igencsak hibás eredmény születne.
igencsak hibás eredmény születne.
06:56
But the robust average is one
where the group largely ignores
where the group largely ignores
145
404864
3170
De a robusztus átlag esetében
teljesen figyelmen kívül hagyják
teljesen figyelmen kívül hagyják
07:00
that absurd answer,
146
408058
1240
ezt az abszurd választ,
07:01
by giving much more weight
to the vote of the people in the middle.
to the vote of the people in the middle.
147
409322
3369
mert nagyobb jelentőséget
tulajdonítanak az átlag-szavazatoknak.
tulajdonítanak az átlag-szavazatoknak.
07:05
Back to the experiment in Vancouver,
148
413305
1876
Nézzük újra a vancouveri kísérletet,
07:07
that's exactly what happened.
149
415205
1767
itt pontosan ez történt.
07:09
Groups gave much less weight
to the outliers,
to the outliers,
150
417407
2741
A csoportok nem foglalkoztak a túlzókkal,
07:12
and instead, the consensus
turned out to be a robust average
turned out to be a robust average
151
420172
3229
hanem az egyéni válaszok
robusztus átlaga szerint
robusztus átlaga szerint
07:15
of the individual answers.
152
423425
1476
jutottak egyességre.
07:17
The most remarkable thing
153
425356
1991
Ami igazán figyelemre méltó,
07:19
is that this was a spontaneous
behavior of the group.
behavior of the group.
154
427371
3187
hogy ez spontán viselkedés volt
a csoport részéről.
a csoport részéről.
07:22
It happened without us giving them
any hint on how to reach consensus.
any hint on how to reach consensus.
155
430582
4475
Semmilyen tippet nem kaptak arra,
hogy hogyan jussanak konszenzusra.
hogy hogyan jussanak konszenzusra.
07:27
So where do we go from here?
156
435513
1540
Merre menjünk tovább?
07:29
This is only the beginning,
but we already have some insights.
but we already have some insights.
157
437432
3137
Ez csak a kezdet, de máris
akad néhány meglátásunk.
akad néhány meglátásunk.
07:32
Good collective decisions
require two components:
require two components:
158
440984
2917
A jó kollektív döntéseknek
két alapfeltétele van:
két alapfeltétele van:
07:35
deliberation and diversity of opinions.
159
443925
2749
a mérlegelés és a véleménykülönbségek.
07:39
Right now, the way we typically
make our voice heard in many societies
make our voice heard in many societies
160
447066
3996
A legtöbb társadalomban manapság
közvetlen vagy közvetett szavazás útján
közvetlen vagy közvetett szavazás útján
07:43
is through direct or indirect voting.
161
451086
1908
fejezhetjük ki véleményünket.
07:45
This is good for diversity of opinions,
162
453495
1997
Ez jó a sokféle véleményhez,
07:47
and it has the great virtue of ensuring
163
455516
2445
és nagy erénye, hogy biztosítja:
07:49
that everyone gets to express their voice.
164
457985
2455
mindenki hallathassa a hangját.
07:52
But it's not so good [for fostering]
thoughtful debates.
thoughtful debates.
165
460464
3735
Arra viszont nem jó,
hogy értelmes vitákra sarkalljon.
hogy értelmes vitákra sarkalljon.
07:56
Our experiments suggest a different method
166
464665
3068
Kísérleteink más módszert sugallnak,
07:59
that may be effective in balancing
these two goals at the same time,
these two goals at the same time,
167
467757
3541
ami hatékonyan egyensúlyba
hozhatja ezeket egyszerre,
hozhatja ezeket egyszerre,
08:03
by forming small groups
that converge to a single decision
that converge to a single decision
168
471322
3753
egyetlen döntés felé haladó
kis csoportok alakításával,
kis csoportok alakításával,
08:07
while still maintaining
diversity of opinions
diversity of opinions
169
475099
2234
amik közben megőrzik
az eltérő véleményeket is,
az eltérő véleményeket is,
08:09
because there are many independent groups.
170
477357
2773
mivel sok független csoport
létezik egyszerre.
létezik egyszerre.
08:12
Of course, it's much easier to agree
on the height of the Eiffel Tower
on the height of the Eiffel Tower
171
480741
3924
Persze könnyebb egyességre jutni
az Eiffel-torony méretéről,
az Eiffel-torony méretéről,
08:16
than on moral, political
and ideological issues.
and ideological issues.
172
484689
3115
mint erkölcsi, politikai
és ideológiai témákról.
és ideológiai témákról.
08:20
But in a time when
the world's problems are more complex
the world's problems are more complex
173
488721
3277
De amikor a világ problémái
egyre bonyolultabbak,
egyre bonyolultabbak,
08:24
and people are more polarized,
174
492022
1803
az emberek egyre sarkosabbak,
08:25
using science to help us understand
how we interact and make decisions
how we interact and make decisions
175
493849
4595
a tudomány segítségével kell megértenünk
a kapcsolatainkat, döntéshozatalainkat,
a kapcsolatainkat, döntéshozatalainkat,
hogy így új, érdekes utakat nyithassunk
a jobb demokrácia felépítésére.
a jobb demokrácia felépítésére.
08:30
will hopefully spark interesting new ways
to construct a better democracy.
to construct a better democracy.
176
498468
4666
ABOUT THE SPEAKERS
Mariano Sigman - NeuroscientistIn his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain.
Why you should listen
Mariano Sigman, a physicist by training, is a leading figure in the cognitive neuroscience of learning and decision making. Sigman was awarded a Human Frontiers Career Development Award, the National Prize of Physics, the Young Investigator Prize of "College de France," the IBM Scalable Data Analytics Award and is a scholar of the James S. McDonnell Foundation. In 2016 he was made a Laureate of the Pontifical Academy of Sciences.
In The Secret Life of the Mind, Sigman's ambition is to explain the mind so that we can understand ourselves and others more deeply. He shows how we form ideas during our first days of life, how we give shape to our fundamental decisions, how we dream and imagine, why we feel certain emotions, how the brain transforms and how who we are changes with it. Spanning biology, physics, mathematics, psychology, anthropology, linguistics, philosophy and medicine, as well as gastronomy, magic, music, chess, literature and art, The Secret Life of the Mind revolutionizes how neuroscience serves us in our lives, revealing how the infinity of neurons inside our brains manufacture how we perceive, reason, feel, dream and communicate.
Mariano Sigman | Speaker | TED.com
Dan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why.
Why you should listen
Dan Ariely is a professor of psychology and behavioral economics at Duke University and a founding member of the Center for Advanced Hindsight. He is the author of the bestsellers Predictably Irrational, The Upside of Irrationality, and The Honest Truth About Dishonesty -- as well as the TED Book Payoff: The Hidden Logic that Shapes Our Motivations.
Through his research and his (often amusing and unorthodox) experiments, he questions the forces that influence human behavior and the irrational ways in which we often all behave.
Dan Ariely | Speaker | TED.com