TED2011
Dan Ariely: Beware conflicts of interest
Dan Ariely: Saugokitės interesų konfliktų
Filmed:
Readability: 3.3
1,284,831 views
Šioje trumpoje kalboje psichologas Dan Ariely pasakoja dvi asmenines istorijas, kurios nagrinėja mokslinį interesų konfliktą: kaip žinių ir įžvalgų sekimas gali būti paveiktas, sąmoningai ar ne, trumparegiškų asmeninių tikslų. Kai mes galvojame apie svarbius klausimus, jis mums primena, atsižvelkime į mūsų pernelyg žmogiškas smegenis.
Dan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
Double-click the English transcript below to play the video.
00:16
So, I was in the hospital for a long time.
0
1000
3000
Taigi, ilgą laiką gulėjau ligoninėje.
00:19
And a few years after I left, I went back,
1
4000
3000
Ir praėjus keliems metams po to, kai išėjau, aš ten grįžau,
00:22
and the chairman of the burn department was very excited to see me --
2
7000
3000
ir nudegimų skyriaus vadovas labai apsidžiaugė matydamas mane -
00:25
said, "Dan, I have a fantastic new treatment for you."
3
10000
3000
sakė: „Dan, aš turiu tau fantastišką naują gydimą".
00:28
I was very excited. I walked with him to his office.
4
13000
2000
Aš buvau labai sujaudintas. Nuėjau su juo į jo biurą.
00:30
And he explained to me that, when I shave,
5
15000
3000
Jis man paaiškino, jog kai skutuosi,
00:33
I have little black dots on the left side of my face where the hair is,
6
18000
3000
man lieka maži juodi taškeliai mano kairėje veido pusėje, ten kur yra plaukai,
00:36
but on the right side of my face
7
21000
2000
bet dešinėje veido pusėje
00:38
I was badly burned so I have no hair,
8
23000
2000
aš turiu stiprų nudegimą, tad ten plaukų nėra
00:40
and this creates lack of symmetry.
9
25000
2000
ir tai sukuria simetrijos trūkumą.
00:42
And what's the brilliant idea he had?
10
27000
2000
Ir kokią gi nuostabią mintį jis turėjo?
00:44
He was going to tattoo little black dots
11
29000
2000
Jis planavo ištatuiruoti mažus juodus taškelius
00:46
on the right side of my face
12
31000
3000
mano dešinėje veido pusėje
00:49
and make me look very symmetric.
13
34000
2000
ir padaryti mane atrodantį labai simetriškai.
00:51
It sounded interesting. He asked me to go and shave.
14
36000
3000
Tai skambėjo įdomiai. Jis paprašė manęs nueiti nusiskusti.
00:54
Let me tell you, this was a strange way to shave,
15
39000
2000
Leiskite pasakyti, buvo įdomu skustis,
00:56
because I thought about it
16
41000
2000
kadangi aš apie tai galvojau,
00:58
and I realized that the way I was shaving then
17
43000
2000
ir supratau, kad taip, kaip aš dabar skutuosi
01:00
would be the way I would shave for the rest of my life --
18
45000
2000
būtų taip, kaip man reikėtų skustis visą likusį gyvenimą -
01:02
because I had to keep the width the same.
19
47000
2000
nes man reikėtų palaikyti tokį pat plaukelių plotį.
01:04
When I got back to his office,
20
49000
2000
Kai grįžau į jo biurą,
01:06
I wasn't really sure.
21
51000
2000
aš nebebuvau visiškai tuom įsitikinęs
01:08
I said, "Can I see some evidence for this?"
22
53000
2000
aš paklausiau: „Ar galėčiau pamatyti kokių nors įrodymų šitam?"
01:10
So he showed me some pictures
23
55000
2000
Taigi, jis man parodė kelias nuotraukas
01:12
of little cheeks with little black dots --
24
57000
2000
mažų žandų su juodais taškeliais -
01:14
not very informative.
25
59000
2000
ne itin informatyvu.
01:16
I said, "What happens when I grow older and my hair becomes white?
26
61000
2000
Aš paklausiau: „Kas atsitiks, kai aš būsiu senesnis ir mano plaukai taps balti?
01:18
What would happen then?"
27
63000
2000
Kas tada atsitiktų?"
01:20
"Oh, don't worry about it," he said.
28
65000
2000
„Oi, nesijaudinkite dėl to" - jis pasakė.
01:22
"We have lasers; we can whiten it out."
29
67000
3000
„Mes turim lazerius, galime juos išbalinti."
01:25
But I was still concerned,
30
70000
2000
Bet aš vis dar buvau susirūpinęs,
01:27
so I said, "You know what, I'm not going to do it."
31
72000
3000
tad pasakiau: „Žinote ką, aš nesiruošiu šito daryti.“
01:30
And then came one of the biggest guilt trips of my life.
32
75000
4000
Ir tada prasidėjo vienas didžiausių sugėdinimų mano gyvenime.
01:34
This is coming from a Jewish guy, all right, so that means a lot.
33
79000
3000
Tai jums sakau aš - žydas, gerai - tad tai tikrai reiškia daug.
01:37
(Laughter)
34
82000
2000
(Juokas)
01:39
And he said, "Dan, what's wrong with you?
35
84000
3000
Ir jis pasakė: „Dan, kas tau negerai?
01:42
Do you enjoy looking non-symmetric?
36
87000
2000
Ar tau patinka atrodyti nesimetriškai?
01:44
Do you have some kind of perverted pleasure from this?
37
89000
5000
Ar tu jauti kažkokį iškreiptą malonumą nuo šito?
01:49
Do women feel pity for you
38
94000
2000
Ar moterys tavęs gaili
01:51
and have sex with you more frequently?"
39
96000
3000
ir dėl to mylisi su tavimi dažniau?“
01:54
None of those happened.
40
99000
3000
Nieko panašaus nebuvo.
01:58
And this was very surprising to me,
41
103000
2000
Ir mane tai labai nustebino,
02:00
because I've gone through many treatments --
42
105000
2000
kadangi aš dalyvavau daugybėje gydymų -
02:02
there were many treatments I decided not to do --
43
107000
2000
ir buvo daug gydymų, kurių aš atsisakiau -
02:04
and I never got this guilt trip to this extent.
44
109000
2000
ir aš niekada nebuvau tiek gėdinamas.
02:06
But I decided not to have this treatment.
45
111000
2000
Bet aš nusprendžiau atsisakyti šio gydymo.
02:08
And I went to his deputy and asked him, "What was going on?
46
113000
2000
Ir aš nuėjau pas jo pavaduotoją ir paklausiau: „Kas vyksta?
02:10
Where was this guilt trip coming from?"
47
115000
2000
Iš kur kilo šitas visas sugėdinimas?“
02:12
And he explained that they have done this procedure on two patients already,
48
117000
4000
Ir jis paaiškino, jog jie jau atliko šią procedūra dviems pacientams
02:16
and they need the third patient for a paper they were writing.
49
121000
3000
ir jiems reikia trečio moksliniam straipsniui, kurį jie rašo.
02:19
(Laughter)
50
124000
2000
(Juokas)
02:21
Now you probably think that this guy's a schmuck.
51
126000
2000
Dabar jūs tikriausiai galvojate, jog šitas vyrukas yra vėpla.
02:23
Right, that's what he seems like.
52
128000
2000
Tiesa, atrodo, jog taip ir yra.
02:25
But let me give you a different perspective on the same story.
53
130000
3000
Bet leiskite jums pateikti šią istoriją iš kitos pusės.
02:28
A few years ago, I was running some of my own experiments in the lab.
54
133000
3000
Prieš kelis metus, aš dariau kelis mano paties eksperimentus laboratorijoje.
02:31
And when we run experiments,
55
136000
2000
Ir kai mes juos darome,
02:33
we usually hope that one group will behave differently than another.
56
138000
3000
mes paprastai tikimės, jog viena grupė elgsis kitaip negu kita.
02:36
So we had one group that I hoped their performance would be very high,
57
141000
3000
Taigi, mes turėjome vieną grupę iš kurios aš tikėjausi labai aukštų rezultatų,
02:39
another group that I thought their performance would be very low,
58
144000
3000
ir kitą grupę, iš kurios tikėjausi labai žemų rezultatų.
02:42
and when I got the results, that's what we got --
59
147000
2000
Ir kai mes gavome rezultatus,
02:44
I was very happy -- aside from one person.
60
149000
3000
Aš buvau labai laimingas, išskyrus dėl vieno asmens.
02:47
There was one person in the group
61
152000
2000
Grupėje buvo vienas asmuo,
02:49
that was supposed to have very high performance
62
154000
2000
kuris turėjo pasirodyti labai gerai,
02:51
that was actually performing terribly.
63
156000
2000
tačiau iš tikro pasirodė baisiai blogai.
02:53
And he pulled the whole mean down,
64
158000
2000
Ir jis nutempė visą vidurkį žemyn,
02:55
destroying my statistical significance of the test.
65
160000
3000
sunaikindamas mano testo reikšmingumo lygmenį.
02:59
So I looked carefully at this guy.
66
164000
2000
Taigi, aš atidžiai pažiūrėjau į tą vyruką.
03:01
He was 20-some years older than anybody else in the sample.
67
166000
3000
Jis buvo kažkur 20 metų vyresnis nei bet kas kitas imtyje.
03:04
And I remembered that the old and drunken guy
68
169000
2000
Ir aš prisiminiau tą seną ir girtą vyruką,
03:06
came one day to the lab
69
171000
2000
kuris vieną dieną atėjo į laboratoriją
03:08
wanting to make some easy cash
70
173000
2000
norėdamas lengvai gauti pinigų
03:10
and this was the guy.
71
175000
2000
ir tai buvo tas vyrukas.
03:12
"Fantastic!" I thought. "Let's throw him out.
72
177000
2000
„Fantastika!“ pamaniau. „Išmeskime jį iš imties.
03:14
Who would ever include a drunken guy in a sample?"
73
179000
3000
Kas, kada nors, įdėtų girtą žmogų į imtį?“
03:17
But a couple of days later,
74
182000
2000
Bet po poros dienų,
03:19
we thought about it with my students,
75
184000
2000
mes pagalvojome apie tai su mano studentais
03:21
and we said, "What would have happened if this drunken guy was not in that condition?
76
186000
3000
ir pasakėme: „Kas būtų atsitikę, jei tas girtas vyrukas būtų buvęs ne šitoje situacijoje?
03:24
What would have happened if he was in the other group?
77
189000
2000
Kas būtų atsitikę, jei jis būtų buvęs kitoje grupėje?
03:26
Would we have thrown him out then?"
78
191000
2000
Ar mes jį tada būtume išmetę?“
03:28
We probably wouldn't have looked at the data at all,
79
193000
2000
Tikriausiai, mes tada nebūtume net žiūrėję į duomenis iš viso,
03:30
and if we did look at the data,
80
195000
2000
ir jeigu būtume pažiūrėję,
03:32
we'd probably have said, "Fantastic! What a smart guy who is performing this low,"
81
197000
3000
mes tikriausiai būtume pasakę: „Fantastika! Koks protingas šis vyrukas, kad gavo tokį žemą rezultatą.“
03:35
because he would have pulled the mean of the group lower,
82
200000
2000
nes jis būtų nutempęs grupės vidurkį žemiau,
03:37
giving us even stronger statistical results than we could.
83
202000
3000
duodamas mums dar stipresnius statistinius rezultatus nei būtume galėję.
03:41
So we decided not to throw the guy out and to rerun the experiment.
84
206000
3000
Taigi, mes nusprendėme neišmesti šio vyruko, o iš naujo atlikti eksperimentą.
03:44
But you know, these stories,
85
209000
3000
Bet žinote, tos istorijos,
03:47
and lots of other experiments that we've done on conflicts of interest,
86
212000
3000
ir daug kitų eksperimentų kuriuos atlikome apie interesų konfliktus,
03:50
basically kind of bring two points
87
215000
2000
iš esmės mums iškelia du dalykus
03:52
to the foreground for me.
88
217000
2000
į pirmą planą, bent jau man.
03:54
The first one is that in life we encounter many people
89
219000
3000
Pirmasis yra tai, jog gyvenime sutinkame daug žmonių
03:57
who, in some way or another,
90
222000
3000
kurie, vienu ar kitu būdu,
04:00
try to tattoo our faces.
91
225000
2000
bando ištatuiruoti mums veidus.
04:02
They just have the incentives that get them to be blinded to reality
92
227000
3000
Jie tiesiog turi paskatas, kurios juos apakina nuo realybės,
04:05
and give us advice that is inherently biased.
93
230000
3000
ir tada jie duoda mums natūraliai šališkus patarimus.
04:08
And I'm sure that it's something that we all recognize,
94
233000
2000
Ir aš esu įsitikinęs, kad tai yra kažkas ką mes visi pastebime,
04:10
and we see that it happens.
95
235000
2000
ir mes matome kai tai atsitinka.
04:12
Maybe we don't recognize it every time,
96
237000
2000
Galbūt mes to neatpažįstame kiekvieną kartą,
04:14
but we understand that it happens.
97
239000
2000
bet mes suprantame, kad tai atsitinka.
04:16
The most difficult thing, of course, is to recognize
98
241000
2000
Pats sunkiausias dalykas, žinoma, yra pastebėti,
04:18
that sometimes we too
99
243000
2000
kad kartais mes taip pat
04:20
are blinded by our own incentives.
100
245000
2000
esame apakinti mūsų pačių paskatų.
04:22
And that's a much, much more difficult lesson to take into account.
101
247000
3000
Ir tai yra daug, daug sunkesnė pamoka į kurią reiktų atsižvelgti.
04:25
Because we don't see how conflicts of interest work on us.
102
250000
4000
Nes mes nematome kaip interesų konfliktai veikia mūsyse.
04:29
When I was doing these experiments,
103
254000
2000
Kai aš dariau tuos eksperimentus,
04:31
in my mind, I was helping science.
104
256000
2000
mano mintyse, aš padėjau mokslui.
04:33
I was eliminating the data
105
258000
2000
Aš išiminėjau duomenis,
04:35
to get the true pattern of the data to shine through.
106
260000
2000
kad leisčiau tikrajam duomenų kuriamam vaizdui prasišviesti.
04:37
I wasn't doing something bad.
107
262000
2000
Aš nedariau kažko blogo.
04:39
In my mind, I was actually a knight
108
264000
2000
Mano mintyse, aš iš tikrųjų buvau riteris
04:41
trying to help science move along.
109
266000
2000
bandantis padėti mokslui judėti į priekį.
04:43
But this was not the case.
110
268000
2000
Bet iš tikro, tai buvo visai ne tai.
04:45
I was actually interfering with the process with lots of good intentions.
111
270000
3000
Aš iš tikrųjų kliudžiau procesui turėdamas daug gerų ketinimų.
04:48
And I think the real challenge is to figure out
112
273000
2000
Ir aš manau, kad tikrasis iššūkis yra išsiaiškinti
04:50
where are the cases in our lives
113
275000
2000
kur mūsų gyvenimuose
04:52
where conflicts of interest work on us,
114
277000
2000
interesų konfliktai veikia mus,
04:54
and try not to trust our own intuition to overcome it,
115
279000
3000
ir pabandyti nesikliauti mūsų intuicija tam, kad juos apeitume,
04:57
but to try to do things
116
282000
2000
o bandyti daryti dalykus,
04:59
that prevent us from falling prey to these behaviors,
117
284000
2000
kurie mums neleistų tapti tokios elgsenos aukomis,
05:01
because we can create lots of undesirable circumstances.
118
286000
3000
nes kitaip mes galime sukurti daug visai nereikalingų aplinkybių.
05:05
I do want to leave you with one positive thought.
119
290000
2000
Aš noriu jus palikti su viena teigiama mintimi.
05:07
I mean, this is all very depressing, right --
120
292000
2000
Turiu galvoje, juk visa tai slegia, ar ne -
05:09
people have conflicts of interest, we don't see it, and so on.
121
294000
3000
žmonės yra interesų konfliktuose, mes to nematome ir taip toliau.
05:12
The positive perspective, I think, of all of this
122
297000
2000
Teigiama perspektyva, aš manau, visam šitam
05:14
is that, if we do understand when we go wrong,
123
299000
3000
yra tai, kad jeigu mes suprantame kada mes elgiamės blogai
05:17
if we understand the deep mechanisms
124
302000
2000
ir jeigu mes suprantame giliai veikiančius mechanizmus,
05:19
of why we fail and where we fail,
125
304000
2000
kodėl mes susimauname ir kur mes susimauname,
05:21
we can actually hope to fix things.
126
306000
2000
mes galime tikėtis tai ištaisyti.
05:23
And that, I think, is the hope. Thank you very much.
127
308000
2000
Ir tai, aš manau, yra viltis. Ačiū jums labai.
05:25
(Applause)
128
310000
4000
(Plojimai)
ABOUT THE SPEAKER
Dan Ariely - Behavioral economistThe dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why.
Why you should listen
Dan Ariely is a professor of psychology and behavioral economics at Duke University and a founding member of the Center for Advanced Hindsight. He is the author of the bestsellers Predictably Irrational, The Upside of Irrationality, and The Honest Truth About Dishonesty -- as well as the TED Book Payoff: The Hidden Logic that Shapes Our Motivations.
Through his research and his (often amusing and unorthodox) experiments, he questions the forces that influence human behavior and the irrational ways in which we often all behave.
Dan Ariely | Speaker | TED.com