TED2009
Bruce Bueno de Mesquita: A prediction for the future of Iran
Bruce Bueno de Mesquita voorspelt de toekomst van Iran
Filmed:
Readability: 4.1
1,045,301 views
Bruce Bueno de Mesquita gebruikt wiskundige analyse om zulke rommelige menselijke gebeurtenissen (vaak juist) te voorspellen als oorlog, verschuivingen van politieke macht, intifada ... Na een heldere uitleg van hoe hij het doet, maakt hij drie voorspellingen over de toekomst van Iran.
Bruce Bueno de Mesquita - Political scientist
A consultant to the CIA and the Department of Defense, Bruce Bueno de Mesquita has built an intricate computer model that can predict the outcomes of international conflicts with bewildering accuracy. Full bio
A consultant to the CIA and the Department of Defense, Bruce Bueno de Mesquita has built an intricate computer model that can predict the outcomes of international conflicts with bewildering accuracy. Full bio
Double-click the English transcript below to play the video.
00:18
What I'm going to try to do is explain to you
0
0
3000
Ik ga jullie even proberen uit te leggen
00:21
quickly how to predict,
1
3000
2000
hoe je kan voorspellen
00:23
and illustrate it with some predictions
2
5000
2000
- en dat illustreren met een aantal voorspellingen -
00:25
about what Iran is going to do in the next couple of years.
3
7000
5000
wat Iran gaat doen in de komende paar jaar.
00:30
In order to predict effectively,
4
12000
3000
Om doeltreffend te kunnen voorspellen
00:33
we need to use science.
5
15000
3000
moeten we wetenschap gebruiken.
00:36
And the reason that we need to use science
6
18000
3000
En de reden dat we daarvoor wetenschap nodig hebben
00:39
is because then we can reproduce what we're doing;
7
21000
2000
is dat we dan kunnen reproduceren wat we doen.
00:41
it's not just wisdom or guesswork.
8
23000
3000
Het is niet alleen maar wijsheid of giswerk.
00:44
And if we can predict,
9
26000
3000
En als we kunnen voorspellen,
00:47
then we can engineer the future.
10
29000
2000
dan kunnen we de toekomst sturen.
00:49
So if you are concerned to influence energy policy,
11
31000
4000
Als je het energiebeleid wil beïnvloeden,
00:53
or you are concerned to influence national security policy,
12
35000
5000
of de nationale veiligheid,
00:58
or health policy, or education,
13
40000
3000
of het gezondheidsbeleid, het onderwijs,
01:01
science -- and a particular branch of science -- is a way to do it,
14
43000
4000
dan is één bepaalde tak van wetenschap dé manier om het te doen,
01:05
not the way we've been doing it,
15
47000
2000
niet de manier waarop we het altijd al hebben gedaan,
01:07
which is seat-of-the-pants wisdom.
16
49000
2000
namelijk gissen met de onderbuik
01:09
Now before I get into how to do it
17
51000
2000
Voor ik eraan begin
01:11
let me give you a little truth in advertising,
18
53000
3000
wil ik jullie eerst iets onthullen
01:14
because I'm not engaged in the business of magic.
19
56000
3000
want ik hou me niet bezig met magie.
01:17
There are lots of thing that the approach I take can predict,
20
59000
4000
Mijn benadering kan dienen voor een hoop gevallen,
01:21
and there are some that it can't.
21
63000
2000
maar voor andere net weer niet.
01:23
It can predict complex negotiations
22
65000
3000
Het kan complexe onderhandelingen voorspellen
01:26
or situations involving coercion --
23
68000
3000
of situaties waarin dwang wordt uitgeoefend,
01:29
that is in essence everything that has to do with politics,
24
71000
4000
in wezen alles wat te maken heeft met politiek,
01:33
much of what has to do with business,
25
75000
2000
veel van wat te maken heeft met het bedrijfsleven,
01:35
but sorry, if you're looking to speculate in the stock market,
26
77000
6000
maar sorry, als jullie willen speculeren op de beurs,
01:41
I don't predict stock markets -- OK,
27
83000
2000
ik ga geen aandelenmarkten voorspellen - OK,
01:43
it's not going up any time really soon.
28
85000
3000
daar zijn we nog lang niet aan toe.
01:46
But I'm not engaged in doing that.
29
88000
3000
Daarmee hou ik me niet bezig.
01:49
I'm not engaged in predicting random number generators.
30
91000
3000
Ook niet met het voorspellen van willekeurige-getallengenerators.
01:52
I actually get phone calls from people
31
94000
2000
Ik krijg zelfs telefoontjes van mensen
01:54
who want to know what lottery numbers are going to win.
32
96000
3000
die willen weten welke lotnummers gaan winnen
01:57
I don't have a clue.
33
99000
3000
Ik heb geen flauw idee.
02:00
I engage in the use of game theory, game theory is a branch of mathematics
34
102000
4000
Ik gebruik speltheorie, speltheorie is een tak van de wiskunde
02:04
and that means, sorry, that even in the study of politics,
35
106000
4000
en dat betekent, sorry, dat zelfs bij de studie van de politiek
02:08
math has come into the picture.
36
110000
3000
wiskunde een rol is gaan spelen.
02:11
We can no longer pretend that we just speculate about politics,
37
113000
4000
We kunnen niet langer doen alsof we alleen maar speculeren over politiek,
02:15
we need to look at this in a rigorous way.
38
117000
3000
we moeten er op een rigoureuze manier naar gaan kijken.
02:18
Now, what is game theory about?
39
120000
3000
Waar gaat speltheorie nu over?
02:21
It assumes that people are looking out for what's good for them.
40
123000
5000
Ze gaat uit van het principe dat mensen op zoek zijn naar wat goed voor hen is.
02:26
That doesn't seem terribly shocking --
41
128000
2000
Dat lijkt niet erg schokkend -
02:28
although it's controversial for a lot of people --
42
130000
2000
hoewel het voor veel mensen controversieel lijkt
02:30
that we are self-interested.
43
132000
4000
dat we uit eigenbelang handelen.
02:34
In order to look out for what's best for them
44
136000
2000
Om te kijken naar wat het beste is voor hen
02:36
or what they think is best for them,
45
138000
2000
of naar wat zij denken dat het beste voor hen is,
02:38
people have values -- they identify what they want, and what they don't want.
46
140000
4000
hebben mensen waarden - ze bepalen wat ze willen, en wat ze niet willen.
02:42
And they have beliefs about what other people want,
47
144000
3000
En ze hebben overtuigingen over wat andere mensen willen,
02:45
and what other people don't want, how much power other people have,
48
147000
3000
en over wat andere mensen niet willen, hoeveel macht andere mensen hebben,
02:48
how much those people could get in the way of whatever it is that you want.
49
150000
4000
hoeveel die mensen je in de weg zouden kunnen zitten bij het bereiken wat je wilt
02:52
And they face limitations, constraints,
50
154000
4000
En ze worden geconfronteerd met begrenzingen, beperkingen,
02:56
they may be weak, they may be located in the wrong part of the world,
51
158000
3000
ze kunnen zwak zijn, ze kunnen zich in het verkeerde deel van de wereld bevinden.
02:59
they may be Einstein, stuck away farming
52
161000
3000
Ze kunnen Einstein zijn maar ook een boer
03:02
someplace in a rural village in India not being noticed,
53
164000
4000
ergens in een onooglijk landelijk dorp ergens in India,
03:06
as was the case for Ramanujan for a long time,
54
168000
3000
zoals lange tijd het geval was voor Ramanujan,
03:09
a great mathematician but nobody noticed.
55
171000
3000
een groot wiskundige, maar door niemand opgemerkt.
03:12
Now who is rational?
56
174000
2000
Wie is rationeel?
03:14
A lot of people are worried about what is rationality about?
57
176000
3000
Veel mensen maken zich zorgen over waar rationaliteit om gaat.
03:17
You know, what if people are rational?
58
179000
2000
Mensen zijn rationeel.
03:19
Mother Theresa, she was rational.
59
181000
3000
Moeder Theresa was rationeel.
03:22
Terrorists, they're rational.
60
184000
4000
Terroristen zijn rationeel.
03:26
Pretty much everybody is rational.
61
188000
3000
Bijna iedereen is rationeel.
03:29
I think there are only two exceptions that I'm aware of --
62
191000
3000
Ik ken er slechts twee uitzonderingen op -
03:32
two-year-olds, they are not rational,
63
194000
2000
tweejarigen, die zijn niet rationeel,
03:34
they have very fickle preferences,
64
196000
3000
ze hebben zeer wispelturige voorkeuren,
03:37
they switch what they think all the time,
65
199000
2000
ze veranderen de hele tijd van idee,
03:39
and schizophrenics are probably not rational,
66
201000
3000
en schizofrenen zijn waarschijnlijk ook niet rationeel.
03:42
but pretty much everybody else is rational.
67
204000
2000
Maar voor de rest is vrijwel iedereen rationeel.
03:44
That is, they are just trying to do
68
206000
2000
Dat wil zeggen dat ze proberen gewoon dat te doen
03:46
what they think is in their own best interest.
69
208000
5000
waarvan ze denken dat het in hun eigen belang is.
03:51
Now in order to work out what people are going to do
70
213000
2000
Om uit te vinden wat mensen gaan doen
03:53
to pursue their interests,
71
215000
2000
om hun belangen na te streven,
03:55
we have to think about who has influence in the world.
72
217000
2000
moeten we nadenken over wie invloed heeft in de wereld.
03:57
If you're trying to influence corporations to change their behavior,
73
219000
5000
Als je probeert om bedrijven te beïnvloeden om hun gedrag te veranderen
04:02
with regard to producing pollutants,
74
224000
3000
met betrekking tot het produceren van verontreinigende stoffen,
04:05
one approach, the common approach,
75
227000
2000
is de voor-de-handliggende aanpak
04:07
is to exhort them to be better,
76
229000
2000
hen aan te zetten om beter te worden,
04:09
to explain to them what damage they're doing to the planet.
77
231000
3000
om uit hen te leggen welke schade ze de planeet berokkenen.
04:12
And many of you may have noticed that doesn't have
78
234000
2000
Velen van jullie hebben misschien al opgemerkt dat
04:14
as big an effect, as perhaps you would like it to have.
79
236000
4000
dat niet zo een groot effect sorteert, als je misschien wel zou willen.
04:18
But if you show them that it's in their interest,
80
240000
3000
Als je echter kan laten zien dat het in hun belang is
04:21
then they're responsive.
81
243000
2000
dan krijg je respons.
04:23
So, we have to work out who influences problems.
82
245000
3000
Dus moeten we uitzoeken wie invloed heeft op problemen.
04:26
If we're looking at Iran, the president of the United States
83
248000
2000
Als we kijken naar Iran dan zou je kunnen denken dat
04:28
we would like to think, may have some influence --
84
250000
3000
de president van de Verenigde Staten daar enige invloed kan hebben
04:31
certainly the president in Iran has some influence --
85
253000
4000
- de president in Iran heeft zeker enige invloed -
04:35
but we make a mistake if we just pay attention
86
257000
3000
maar we maken een fout als we alleen maar aandacht schenken
04:38
to the person at the top of the power ladder
87
260000
3000
aan de persoon aan de top van de machtsladder
04:41
because that person doesn't know much about Iran,
88
263000
3000
omdat die persoon niet veel weet over Iran,
04:44
or about energy policy,
89
266000
2000
of over het energiebeleid,
04:46
or about health care,
90
268000
2000
of over de gezondheidszorg,
04:48
or about any particular policy.
91
270000
2000
of over enig beleid in het bijzonder.
04:50
That person surrounds himself or herself with advisers.
92
272000
5000
Die persoon omringt zichzelf met adviseurs.
04:55
If we're talking about national security problems,
93
277000
2000
Als we praten over de nationale-veiligheidsproblemen,
04:57
maybe it's the Secretary of State,
94
279000
2000
dan is het misschien de minister van buitenlandse zaken
04:59
maybe it's the Secretary of Defense,
95
281000
2000
misschien de minister van defensie,
05:01
the Director of National Intelligence,
96
283000
2000
het hoofd van de inlichtingendienst,
05:03
maybe the ambassador to the United Nations, or somebody else
97
285000
2000
misschien wel de ambassadeur bij de Verenigde Naties, of nog iemand anders
05:05
who they think is going to know more about the particular problem.
98
287000
4000
die veel weet over dat specifieke probleem.
05:09
But let's face it, the Secretary of State doesn't know much about Iran.
99
291000
3000
Maar wees nou eerlijk, de minister van buitenlandse zaken weet niet veel over Iran.
05:12
The secretary of defense doesn't know much about Iran.
100
294000
3000
Ook de minister van defensie niet.
05:15
Each of those people in turn
101
297000
3000
Elk van deze mensen hebben op hun beurt
05:18
has advisers who advise them,
102
300000
2000
adviseurs die hen adviseren,
05:20
so they can advise the president.
103
302000
3000
zodat zij de president kunnen adviseren.
05:23
There are lots of people shaping decisions
104
305000
3000
Er zijn veel mensen die beslissingen vormgeven
05:26
and so if we want to predict correctly
105
308000
2000
en als we dus correct willen voorspellen,
05:28
we have to pay attention to everybody
106
310000
3000
moeten we aan iedereen aandacht besteden
05:31
who is trying to shape the outcome,
107
313000
2000
die die de uitkomst kan beïnvloeden.
05:33
not just the people at the pinnacle
108
315000
3000
En niet alleen aan de mensen aan de top
05:36
of the decision-making pyramid.
109
318000
4000
van de besluitvormingspiramide.
05:40
Unfortunately, a lot of times we don't do that.
110
322000
2000
Spijtig genoeg doen we dat meestal niet.
05:42
There's a good reason that we don't do that,
111
324000
2000
Er is een goede reden voor dat we dat niet doen,
05:44
and there's a good reason that using game theory and computers,
112
326000
3000
en er is een goede reden dat we door gebruik te maken van speltheorie en computers,
05:47
we can overcome the limitation
113
329000
3000
we de beperking van alleen maar naar een paar mensen te kijken
05:50
of just looking at a few people.
114
332000
2000
kunnen overwinnen.
05:52
Imagine a problem with just five decision-makers.
115
334000
4000
Stellen jullie je eens een probleem voor met slechts vijf beslissers.
05:56
Imagine for example
116
338000
2000
Stel je bijvoorbeeld voor
05:58
that Sally over here,
117
340000
2000
dat Sally hier
06:00
wants to know what Harry, and Jane,
118
342000
3000
wil weten wat Harry, Jane,
06:03
and George and Frank are thinking,
119
345000
3000
George en Frank denken,
06:06
and sends messages to those people.
120
348000
2000
en berichten stuurt naar die mensen.
06:08
Sally's giving her opinion to them,
121
350000
2000
Sally geeft hen haar mening
06:10
and they're giving their opinion to Sally.
122
352000
3000
en zij geven hun mening aan Sally.
06:13
But Sally also wants to know
123
355000
2000
Maar Sally wil ook weten
06:15
what Harry is saying to these three,
124
357000
3000
wat Harry tegen de drie anderen zegt
06:18
and what they're saying to Harry.
125
360000
2000
en wat zij zeggen tegen Harry.
06:20
And Harry wants to know
126
362000
2000
En Harry wil weten
06:22
what each of those people are saying to each other, and so on,
127
364000
3000
wat elk van die mensen aan elkaar zeggen en zo verder,
06:25
and Sally would like to know what Harry thinks those people are saying.
128
367000
3000
en Sally zou graag willen weten wat Harry denkt dat die mensen zeggen.
06:28
That's a complicated problem; that's a lot to know.
129
370000
3000
Dat is een ingewikkeld probleem, daar valt een heleboel te weten.
06:31
With five decision-makers
130
373000
3000
Met vijf besluitvormers
06:34
there are a lot of linkages --
131
376000
2000
zijn er veel verbindingen -
06:36
120, as a matter of fact,
132
378000
2000
in feite 120
06:38
if you remember your factorials.
133
380000
2000
als je je faculteiten nog herinnert.
06:40
Five factorial is 120.
134
382000
2000
5-faculteit is 120.
06:42
Now you may be surprised to know
135
384000
2000
Het kan je misschien wel verbazen om te weten
06:44
that smart people can keep 120 things straight
136
386000
3000
dat slimme mensen in hun hoofd 120 dingen echt
06:47
in their head.
137
389000
2000
uit elkaar kunnen houden.
06:49
Suppose we double the number of influencers
138
391000
2000
Maar stel dat we het aantal beïnvloeders verdubbelen
06:51
from five to 10.
139
393000
2000
van vijf naar tien.
06:53
Does that mean we've doubled the number of pieces of information
140
395000
4000
Betekent dat dan dat we het aantal stukjes informatie hebben verdubbeld?
06:57
we need to know, from 120 to 240?
141
399000
2000
Moeten we van 120 naar 240?
06:59
No. How about 10 times?
142
401000
2000
Nee, ongeveer 10 keer meer misschien?
07:01
To 1,200? No.
143
403000
3000
Naar 1200? Nee.
07:04
We've increased it to 3.6 million.
144
406000
3000
We hebben het verhoogd naar 3,6 miljoen.
07:07
Nobody can keep that straight in their head.
145
409000
2000
Niemand kan dat in zijn hoofd houden.
07:09
But computers,
146
411000
3000
Maar computers
07:12
they can. They don't need coffee breaks,
147
414000
3000
die kunnen dat. Ze hebben geen behoefte aan koffiepauzes,
07:15
they don't need vacations,
148
417000
3000
ze hoeven geen vakanties,
07:18
they don't need to go to sleep at night,
149
420000
2000
ze hoeven 's nachts niet te gaan slapen
07:20
they don't ask for raises either.
150
422000
3000
en ze vragen geen opslag.
07:23
They can keep this information straight
151
425000
2000
Zij kunnen deze informatie vasthouden
07:25
and that means that we can process the information.
152
427000
3000
en dat betekent dat we deze informatie kunnen verwerken.
07:28
So I'm going to talk to you about how to process it,
153
430000
2000
Ik ga jullie uitleggen hoe dat in zijn werk gaat,
07:30
and I'm going to give you some examples out of Iran,
154
432000
3000
met een aantal voorbeelden uit Iran,
07:33
and you're going to be wondering,
155
435000
2000
en je gaat je afvragen:
07:35
"Why should we listen to this guy?
156
437000
2000
"Waarom zouden we luisteren naar deze man?
07:37
Why should we believe what he's saying?"
157
439000
3000
Waarom zouden we geloven wat hij zegt?"
07:40
So I'm going to show you a factoid.
158
442000
4000
Een feitje zal jullie op weg helpen.
07:44
This is an assessment by the Central Intelligence Agency
159
446000
3000
Dit is een beoordeling door de Central Intelligence Agency
07:47
of the percentage of time
160
449000
2000
van het percentage van de keren
07:49
that the model I'm talking about
161
451000
2000
dat het model waar ik het over heb
07:51
is right in predicting things whose outcome is not yet known,
162
453000
3000
klopt in het voorspellen van dingen waarvan de uitkomst nog niet bekend is,
07:54
when the experts who provided the data inputs
163
456000
4000
terwijl de experts die de data verstrekten
07:58
got it wrong.
164
460000
2000
het mis hadden.
08:00
That's not my claim, that's a CIA claim -- you can read it,
165
462000
3000
De CIA, niet ik, beweert dat - je kunt het lezen,
08:03
it was declassified a while ago. You can read it in a volume edited by
166
465000
3000
het is een tijdje geleden vrijgegeven. Je kan het lezen in een uitgave onder redactie van
08:06
H. Bradford Westerfield, Yale University Press.
167
468000
3000
H. Bradford Westerfield, Yale University Press.
08:09
So, what do we need to know
168
471000
2000
Wat moeten we dus weten
08:11
in order to predict?
169
473000
2000
om te kunnen voorspellen?
08:13
You may be surprised to find out we don't need to know very much.
170
475000
3000
Het kan je verrassen dat we echt niet heel veel moeten weten.
08:16
We do need to know who has a stake
171
478000
3000
We moeten weten wie belang heeft
08:19
in trying to shape the outcome of a decision.
172
481000
5000
bij het vormgeven van de uitkomst van een beslissing.
08:24
We need to know what they say they want,
173
486000
3000
We moeten weten wat ze zeggen te willen,
08:27
not what they want in their heart of hearts,
174
489000
3000
niet wat ze willen in hun hart,
08:30
not what they think they can get,
175
492000
2000
niet wat ze denken dat ze kunnen krijgen,
08:32
but what they say they want, because that is a strategically chosen position,
176
494000
3000
maar wat ze zeggen dat ze willen, want dat is een strategisch gekozen positie,
08:35
and we can work backwards from that
177
497000
2000
en we kunnen daarvanuit teruggaan om
08:37
to draw inferences about important features of their decision-making.
178
499000
4000
conclusies te trekken over belangrijke kenmerken van hun besluitvorming.
08:41
We need to know how focused they are
179
503000
2000
We moeten weten hoe gefocust ze zijn
08:43
on the problem at hand.
180
505000
2000
op het voorliggende probleem.
08:45
That is, how willing are they to drop what they're doing when the issue comes up,
181
507000
3000
Dat wil zeggen, hoe bereid zijn ze om te laten vallen waar ze mee bezig zijn wanneer het probleem zich voordoet,
08:48
and attend to it instead of something else that's on their plate --
182
510000
4000
en er aandacht aan te besteden in plaats van wat er verder nog op hun bord ligt -
08:52
how big a deal is it to them?
183
514000
2000
hoe belangrijk is het voor hen?
08:54
And how much clout could they bring to bear
184
516000
3000
En hoeveel invloed zouden ze kunnen uitoefenen
08:57
if they chose to engage on the issue?
185
519000
5000
als ze zich over de kwestie wilden buigen.
09:02
If we know those things
186
524000
2000
Als we die dingen weten
09:04
we can predict their behavior by assuming that everybody
187
526000
3000
kunnen we hun gedrag voorspellen door aan te nemen dat iedereen
09:07
cares about two things on any decision.
188
529000
5000
bij elke beslissing om twee dingen geeft.
09:12
They care about the outcome. They'd like an outcome as close to
189
534000
2000
Ze geven om de uitkomst. Ze willen een resultaat zo dicht mogelijk
09:14
what they are interested in as possible.
190
536000
3000
bij dat wat ze zelf willen.
09:17
They're careerists, they also care about getting credit --
191
539000
3000
Het zijn carrièremensen, ze zitten ook in over het krijgen van geloofwaardigheid -
09:20
there's ego involvement,
192
542000
2000
hun ego speelt mee,
09:22
they want to be seen as important in shaping the outcome,
193
544000
4000
ze willen gezien worden als belangrijk bij het tot stand komen van het resultaat,
09:26
or as important, if it's their druthers, to block an outcome.
194
548000
5000
of net zo belangrijk, als het hen zo uitkomt, om een uitkomst te blokkeren.
09:31
And so we have to figure out how they balance those two things.
195
553000
3000
En dus moeten we uitzoeken hoe ze die twee dingen in balans houden.
09:34
Different people trade off
196
556000
2000
Verschillende mensen gaan de afweging maken
09:36
between standing by their outcome,
197
558000
3000
tussen staan voor hun resultaat,
09:39
faithfully holding to it, going down in a blaze of glory,
198
561000
3000
er trouw aan vasthouden, verliezen in een gloed van glorie,
09:42
or giving it up, putting their finger in the wind,
199
564000
3000
of het opgeven, hun vinger in de wind houden,
09:45
and doing whatever they think is going to be a winning position.
200
567000
3000
en dat doen waarvan ze denken dat het een winnende positie gaat opleveren.
09:48
Most people fall in between, and if we can work out where they fall
201
570000
3000
De meeste mensen zitten daar ergens tussen, en als we kunnen uitvinden waar ze thuishoren
09:51
we can work out how to negotiate with them
202
573000
2000
kunnen we uitwerken hoe met hen te onderhandelen
09:53
to change their behavior.
203
575000
2000
om hun gedrag te veranderen.
09:55
So with just that little bit of input
204
577000
3000
Met net dat beetje gegevens
09:58
we can work out what the choices are that people have,
205
580000
3000
kunnen we uitwerken wat de keuzes zijn die mensen hebben,
10:01
what the chances are that they're willing to take,
206
583000
3000
welke risico's ze bereid zijn te nemen,
10:04
what they're after, what they value, what they want,
207
586000
3000
waar ze naar streven, waaraan ze waarde hechten, wat ze willen,
10:07
and what they believe about other people.
208
589000
3000
en wat zij geloven over andere mensen.
10:10
You might notice what we don't need to know:
209
592000
4000
Je zou kunnen opmerken wat we niet hoeven te weten
10:14
there's no history in here.
210
596000
2000
wat hun voorgeschiedenis is.
10:16
How they got to where they are
211
598000
2000
Hoe ze werden wat ze zijn
10:18
may be important in shaping the input information,
212
600000
2000
kan belangrijk zijn in het vormgeven van de invoergegevens,
10:20
but once we know where they are
213
602000
2000
maar als we eenmaal weten waar ze zijn,
10:22
we're worried about where they're going to be headed in the future.
214
604000
3000
zitten we er meer mee in waar ze in de toekomst naartoe zullen gaan.
10:25
How they got there turns out not to be terribly critical in predicting.
215
607000
4000
Hoe ze werden wat ze zijn, blijkt niet zo belangrijk bij het voorspellen.
10:29
I remind you of that 90 percent accuracy rate.
216
611000
4000
Ik herinner jullie aan die 90 procent nauwkeurigheid.
10:33
So where are we going to get this information?
217
615000
2000
Waar halen we nu deze informatie vandaan?
10:35
We can get this information
218
617000
3000
We kunnen deze informatie vinden
10:38
from the Internet, from The Economist,
219
620000
3000
op het internet, van The Economist,
10:41
The Financial Times, The New York Times,
220
623000
3000
de Financial Times, de New York Times,
10:44
U.S. News and World Report, lots of sources like that,
221
626000
3000
US News and World Report, veel van dergelijke bronnen.
10:47
or we can get it from asking experts
222
629000
2000
Of we kunnen ze krijgen door het bevragen van experts
10:49
who spend their lives studying places and problems,
223
631000
3000
die hun hele leven die plaatsen en problemen hebben bestudeerd
10:52
because those experts know this information.
224
634000
3000
omdat die experts deze informatie kennen.
10:55
If they don't know, who are the people trying to influence the decision,
225
637000
3000
Als ze niet weten wie de mensen zijn die de beslissing proberen te beïnvloeden,
10:58
how much clout do they have,
226
640000
2000
hoeveel invloed ze hebben,
11:00
how much they care about this issue, and what do they say they want,
227
642000
3000
hoezeer ze inzitten met dit probleem en wat ze zeggen te willen,
11:03
are they experts? That's what it means to be an expert,
228
645000
3000
zijn ze dan experts? Dat is wat het betekent om een expert te zijn,
11:06
that's the basic stuff an expert needs to know.
229
648000
4000
dat zijn de dingen die een expert hoort te weten.
11:10
Alright, lets turn to Iran.
230
652000
2000
Oke, terug naar Iran.
11:12
Let me make three important predictions --
231
654000
3000
Laat me drie belangrijke voorspellingen maken.
11:15
you can check this out, time will tell.
232
657000
3000
Jullie zullen kunnen nagaan of dit zal uitkomen.
11:18
What is Iran going to do about its nuclear weapons program?
233
660000
8000
Wat gaat Iran doen met zijn nucleaire-wapensprogramma?
11:26
How secure is the theocratic regime in Iran?
234
668000
3000
Hoe veilig is het theocratische regime in Iran?
11:29
What's its future?
235
671000
2000
Wat is zijn toekomst?
11:31
And everybody's best friend,
236
673000
3000
En iedereens beste vriend,
11:34
Ahmadinejad. How are things going for him?
237
676000
3000
Ahmadinejad. Hoe gaat het voor hem aflopen?
11:37
How are things going to be working out for him in the next year or two?
238
679000
6000
Wat gaat er in de volgende paar jaar met hem gebeuren?
11:43
You take a look at this, this is not based on statistics.
239
685000
3000
Kijk hier eens naar, dit is niet gebaseerd op statistieken.
11:46
I want to be very clear here. I'm not projecting some past data into the future.
240
688000
5000
Ik wil hier heel duidelijk zijn. Ik ben niet bezig een aantal gegevens uit het verleden naar de toekomst te projecteren.
11:51
I've taken inputs on positions and so forth,
241
693000
3000
Ik heb gebruik gemaakt van data over posities enzovoort,
11:54
run it through a computer model
242
696000
2000
ze in een computermodel ingevoerd
11:56
that had simulated the dynamics of interaction,
243
698000
3000
dat de dynamiek van de interactie simuleerde,
11:59
and these are the simulated dynamics,
244
701000
2000
en dit is de gesimuleerde dynamiek,
12:01
the predictions about the path of policy.
245
703000
3000
de voorspellingen over het beleid.
12:04
So you can see here on the vertical axis,
246
706000
3000
Hier op de verticale as staat "Bouw de bom."
12:07
I haven't shown it all the way down to zero,
247
709000
2000
Ik toon alleen de bovenkant van de grafiek.
12:09
there are lots of other options, but here I'm just showing you the prediction,
248
711000
3000
Er zijn veel andere opties, maar hier toon ik jullie gewoon de voorspelling.
12:12
so I've narrowed the scale.
249
714000
2000
Dus heb ik de schaal verkleind
12:14
Up at the top of the axis, "Build the Bomb."
250
716000
3000
naar de top van de as toe.
12:17
At 130, we start somewhere above 130,
251
719000
4000
We beginnen ergens boven de 130,
12:21
between building a bomb, and making enough weapons-grade fuel
252
723000
3000
tussen het bouwen van een bom en het maken van voldoende brandstof van wapenkwaliteit
12:24
so that you could build a bomb.
253
726000
2000
zodat je een bom kan bouwen.
12:26
That's where, according to my analyses,
254
728000
3000
Dat is waar, volgens mijn analyses,
12:29
the Iranians were at the beginning of this year.
255
731000
3000
de Iraniërs stonden in het begin van dit jaar.
12:32
And then the model makes predictions down the road.
256
734000
3000
En dan maakt het model voorspellingen:
12:35
At 115 they would only produce enough weapons grade fuel
257
737000
4000
op 115 zouden ze alleen maar genoeg brandstof van wapenkwaliteit maken
12:39
to show that they know how, but they wouldn't build a weapon:
258
741000
2000
om aan te tonen dat ze het kunnen. Maar ze wilden geen wapen bouwen,
12:41
they would build a research quantity.
259
743000
2000
alleen maar een hoeveelheid voor onderzoek.
12:43
It would achieve some national pride,
260
745000
2000
Het zou de nationale trots wat aanzwengelen,
12:45
but not go ahead and build a weapon.
261
747000
3000
maar ze zouden er niet mee doorgaan om effectief een bom te bouwen.
12:48
And down at 100 they would build civilian nuclear energy,
262
750000
2000
En op 100 zouden ze gaan voor civiele nucleaire energie,
12:50
which is what they say is their objective.
263
752000
4000
waarvan ze zeggen dat het hun doel is.
12:54
The yellow line shows us the most likely path.
264
756000
3000
De gele lijn toont ons het meest waarschijnlijke pad.
12:57
The yellow line includes an analysis
265
759000
1000
De gele lijn omvat een analyse
12:58
of 87 decision makers in Iran,
266
760000
3000
van 87 besluitvormers in Iran,
13:01
and a vast number of outside influencers
267
763000
3000
en een groot aantal externe beïnvloeders
13:04
trying to pressure Iran into changing its behavior,
268
766000
3000
die proberen om Iran onder druk te zetten om hun gedrag te wijzigen,
13:07
various players in the United States, and Egypt,
269
769000
3000
verschillende spelers in de Verenigde Staten en Egypte,
13:10
and Saudi Arabia, and Russia, European Union,
270
772000
2000
Saoedi-Arabië, Rusland, de Europese Unie,
13:12
Japan, so on and so forth.
271
774000
2000
Japan en zo verder en zo voort.
13:14
The white line reproduces the analysis
272
776000
4000
De witte lijn reproduceert de analyse
13:18
if the international environment
273
780000
2000
als de internationale omgeving
13:20
just left Iran to make its own internal decisions,
274
782000
3000
Iran gerust laat om zijn eigen interne beslissingen te nemen,
13:23
under its own domestic political pressures.
275
785000
2000
onder zijn eigen binnenlandse politieke druk -
13:25
That's not going to be happening,
276
787000
2000
dat zal niet gebeuren -
13:27
but you can see that the line comes down faster
277
789000
4000
maar je kunt zien dat de lijn sneller naar beneden gaat
13:31
if they're not put under international pressure,
278
793000
3000
als ze niet onder internationale druk worden gezet,
13:34
if they're allowed to pursue their own devices.
279
796000
2000
als ze hun eigen plannen mogen nastreven.
13:36
But in any event, by the end of this year,
280
798000
3000
Maar in ieder geval komen we aan het eind van dit jaar,
13:39
beginning of next year, we get to a stable equilibrium outcome.
281
801000
3000
begin volgend jaar, tot een stabiel evenwicht.
13:42
And that equilibrium is not what the United States would like,
282
804000
4000
En dat evenwicht is niet wat de Verenigde Staten zouden willen,
13:46
but it's probably an equilibrium that the United States can live with,
283
808000
3000
maar het is waarschijnlijk een evenwicht waar de Verenigde Staten mee kunnen leven
13:49
and that a lot of others can live with.
284
811000
2000
en waarmee een heleboel anderen kunnen leven.
13:51
And that is that Iran will achieve that nationalist pride
285
813000
4000
En dat is dat Iran aan zijn nationalistische trots kan voldoen
13:55
by making enough weapons-grade fuel, through research,
286
817000
4000
door het maken van voldoende brandstof van wapenkwaliteit en door middel van onderzoek,
13:59
so that they could show that they know how to make weapons-grade fuel,
287
821000
4000
zodat ze kunnen aantonen dat ze weten hoe ze brandstof van wapenkwaliteit kunnen maken,
14:03
but not enough to actually build a bomb.
288
825000
5000
maar niet genoeg om daadwerkelijk een bom te bouwen.
14:08
How is this happening?
289
830000
2000
Hoe komt dat nu?
14:10
Over here you can see this is the distribution
290
832000
4000
Hier zie je dat dit de verdeling
14:14
of power in favor of civilian nuclear energy today,
291
836000
5000
van de macht is ten gunste van civiele nucleaire energie van vandaag,
14:19
this is what that power block is predicted to be like
292
841000
3000
hier wat dat machtsblok wordt voorspeld te zijn
14:22
by the late parts of 2010, early parts of 2011.
293
844000
6000
einde 2010, begin 2011.
14:28
Just about nobody supports research on weapons-grade fuel today,
294
850000
4000
Zowat niemand steunt het onderzoek naar brandstof van wapenkwaliteit vandaag de dag,
14:32
but by 2011 that gets to be a big block,
295
854000
3000
maar tegen 2011 wordt dat een groot blok,
14:35
and you put these two together, that's the controlling influence in Iran.
296
857000
4000
en deze twee maken samen de controlerende invloed in Iran uit.
14:39
Out here today, there are a bunch of people --
297
861000
3000
Vandaag zijn er daar een heleboel mensen -
14:42
Ahmadinejad for example --
298
864000
2000
Ahmadinejad bijvoorbeeld -
14:44
who would like not only to build a bomb,
299
866000
2000
die niet alleen graag een bom zouden bouwen,
14:46
but test a bomb.
300
868000
2000
maar ook testen.
14:48
That power disappears completely;
301
870000
2000
Die invloed verdwijnt volledig,
14:50
nobody supports that by 2011.
302
872000
3000
niemand ondersteunt dat nog in 2011.
14:53
These guys are all shrinking,
303
875000
2000
Dit is allemaal aan het krimpen,
14:55
the power is all drifting out here,
304
877000
3000
de macht gaat hier naartoe,
14:58
so the outcome is going to be the weapons-grade fuel.
305
880000
3000
waardoor de uitkomst naar de brandstof van wapenkwaliteit gaat.
15:01
Who are the winners and who are the losers in Iran?
306
883000
3000
Wie zijn de winnaars en wie de verliezers in Iran?
15:04
Take a look at these guys, they're growing in power,
307
886000
3000
Kijk eens naar deze jongens, hun macht neemt toe,
15:07
and by the way, this was done a while ago
308
889000
3000
en tussendoor, dit was een tijdje geleden
15:10
before the current economic crisis,
309
892000
2000
zo voor de huidige economische crisis
15:12
and that's probably going to get steeper.
310
894000
2000
en dat gaat waarschijnlijk nog wat steiler worden.
15:14
These folks are the moneyed interests in Iran,
311
896000
2000
Deze mensen zijn de gegoede belanghebbers in Iran,
15:16
the bankers, the oil people, the bazaaries.
312
898000
4000
de bankiers, de oliemensen, de bazaareigenaars.
15:20
They are growing in political clout,
313
902000
3000
Hun politieke invloed groeit,
15:23
as the mullahs are isolating themselves --
314
905000
3000
omdat de moellahs zichzelf isoleren -
15:26
with the exception of one group of mullahs,
315
908000
2000
met uitzondering van een groep moellahs,
15:28
who are not well known to Americans.
316
910000
2000
die niet goed bekend zijn bij de Amerikanen.
15:30
That's this line here, growing in power,
317
912000
2000
Dat is deze lijn hier, ze groeien in macht.
15:32
these are what the Iranians call the quietists.
318
914000
4000
De Iraniërs noemen ze de Stillen.
15:36
These are the Ayatollahs, mostly based in Qom,
319
918000
3000
Dit zijn ayatollahs die vooral in Qom gevestigd zijn.
15:39
who have great clout in the religious community,
320
921000
4000
Ze hebben een grote invloed in de religieuze gemeenschap,
15:43
have been quiet on politics and are going to be getting louder,
321
925000
3000
waren stil over politiek maar hun stem zal steeds luider worden,
15:46
because they see Iran going in an unhealthy direction,
322
928000
2000
omdat ze Iran in een ongezonde richting zien gaan,
15:48
a direction contrary
323
930000
2000
een richting in tegenstelling
15:50
to what Khomeini had in mind.
324
932000
4000
met wat Khomeini in gedachten had.
15:54
Here is Mr. Ahmadinejad.
325
936000
2000
Hier is de heer Ahmadinejad.
15:56
Two things to notice: he's getting weaker,
326
938000
3000
Twee dingen zijn op te merken, hij wordt zwakker,
15:59
and while he gets a lot of attention in the United States,
327
941000
2000
en terwijl hij veel aandacht krijgt in de Verenigde Staten,
16:01
he is not a major player in Iran.
328
943000
2000
is hij in Iran geen grote speler.
16:03
He is on the way down.
329
945000
2000
Hij is op weg naar beneden.
16:05
OK, so I'd like you to take a little away from this.
330
947000
4000
OK, ik zou jullie hiervan iets willen meegeven.
16:09
Everything is not predictable: the stock market
331
951000
2000
Alles is niet voorspelbaar, de beurs
16:11
is, at least for me, not predictable,
332
953000
3000
is, althans voor mij, niet voorspelbaar,
16:14
but most complicated negotiations are predictable.
333
956000
5000
maar de meeste ingewikkelde onderhandelingen zijn voorspelbaar.
16:19
Again, whether we're talking health policy, education,
334
961000
4000
Of we het nu hebben over gezondheidsbeleid, onderwijs,
16:23
environment, energy,
335
965000
3000
milieu, energie,
16:26
litigation, mergers,
336
968000
2000
geschillen, fusies,
16:28
all of these are complicated problems
337
970000
2000
dit zijn allemaal ingewikkelde problemen
16:30
that are predictable,
338
972000
2000
die voorspelbaar zijn,
16:32
that this sort of technology can be applied to.
339
974000
4000
waarop dit soort technologie kan worden toegepast.
16:36
And the reason that being able to predict those things is important,
340
978000
5000
En de reden dat de mogelijkheid om die dingen te voorspellen belangrijk is,
16:41
is not just because you might run a hedge fund and make money off of it,
341
983000
3000
is niet alleen omdat je misschien een hedgefonds hebt en er geld uit kunt halen,
16:44
but because if you can predict what people will do,
342
986000
3000
maar omdat als je kunt voorspellen wat mensen zullen doen
16:47
you can engineer what they will do.
343
989000
3000
je hun gedrag kan sturen.
16:50
And if you engineer what they do you can change the world,
344
992000
2000
En als je kan sturen wat ze doen, kun je de wereld veranderen,
16:52
you can get a better result.
345
994000
2000
kan je een beter resultaat bekomen.
16:54
I would like to leave you with one thought, which is
346
996000
3000
Ik zou jullie willen verlaten met een gedachte die
16:57
for me, the dominant theme of this gathering,
347
999000
5000
voor mij het dominante thema van deze bijeenkomst
17:02
and is the dominant theme of this way of thinking about the world.
348
1004000
3000
en het dominante thema van deze manier van denken over de wereld is.
17:05
When people say to you,
349
1007000
3000
Als mensen je zeggen:
17:08
"That's impossible,"
350
1010000
2000
"Dat is onmogelijk."
17:10
you say back to them,
351
1012000
2000
dan kan je terugzeggen:
17:12
"When you say 'That's impossible,'
352
1014000
2000
"Als je zegt dat iets onmogelijk is,
17:14
you're confused with,
353
1016000
2000
dan verwar je dat met
17:16
'I don't know how to do it.'"
354
1018000
3000
'Ik weet niet hoe dat te doen.' "
17:19
Thank you.
355
1021000
2000
Dank u.
17:21
(Applause)
356
1023000
4000
(Applaus)
17:25
Chris Anderson: One question for you.
357
1027000
2000
Chris Anderson: Een vraag voor je.
17:27
That was fascinating.
358
1029000
3000
Dat was fascinerend.
17:30
I love that you put it out there.
359
1032000
3000
Ik ben blij dat je dit deelt.
17:33
I got very nervous halfway through the talk though,
360
1035000
2000
Maar halverwege het gesprek werd ik erg nerveus,
17:35
just panicking whether you'd included in your model, the possibility that
361
1037000
3000
gewoon in paniek of je in je model wel had rekening gehouden met de mogelijkheid dat het publiceren van
17:38
putting this prediction out there might change the result.
362
1040000
4000
deze voorspelling het resultaat ervan zou kunnen veranderen.
17:42
We've got 800 people in Tehran who watch TEDTalks.
363
1044000
3000
We hebben 800 mensen in Teheran die naar TEDTalks kijken.
17:45
Bruce Bueno de Mesquita: I've thought about that,
364
1047000
2000
Bruce Bueno de Mesquita: heb ik over nagedacht.
17:47
and since I've done a lot of work for the intelligence community,
365
1049000
4000
Omdat ik veel werk voor de inlichtingendiensten heb gedaan,
17:51
they've also pondered that.
366
1053000
2000
hebben zij er daar ook over nagedacht.
17:53
It would be a good thing if
367
1055000
3000
Het zou een goede zaak zijn als
17:56
people paid more attention, took seriously,
368
1058000
3000
mensen aan dit soort berekeningen meer aandacht zouden besteden, ze serieus nemen
17:59
and engaged in the same sorts of calculations,
369
1061000
2000
en er zich mee bezighouden.
18:01
because it would change things. But it would change things in two beneficial ways.
370
1063000
4000
Dat zou dingen veranderen. Maar het zou dingen op twee nuttige manieren veranderen.
18:05
It would hasten how quickly people arrive at an agreement,
371
1067000
6000
Het zou bespoedigen hoe snel mensen tot een overeenkomst komen,
18:11
and so it would save everybody a lot of grief and time.
372
1073000
3000
en het zou zo iedereen een hoop verdriet en tijd besparen.
18:14
And, it would arrive at an agreement that everybody was happy with,
373
1076000
4000
We zouden tot een akkoord komen waar iedereen gelukkig mee was,
18:18
without having to manipulate them so much --
374
1080000
3000
zonder veel hoeven te manipuleren -
18:21
which is basically what I do, I manipulate them.
375
1083000
3000
wat in feite is wat ik doe, hen manipuleren.
18:24
So it would be a good thing.
376
1086000
2000
Dus zou het een goede zaak zijn.
18:26
CA: So you're kind of trying to say, "People of Iran, this is your destiny, lets go there."
377
1088000
4000
CA: Je probeert dus te zeggen, "Mensen van Iran, dit is je bestemming, laten we ervoor gaan."
18:30
BBM: Well, people of Iran, this is what many of you are going to evolve to want,
378
1092000
6000
BBM: Nou, mensen van Iran, dit is wat velen van jullie zullen gaan willen
18:36
and we could get there a lot sooner,
379
1098000
2000
en we konden daar veel sneller toe komen
18:38
and you would suffer a lot less trouble from economic sanctions,
380
1100000
3000
en jullie zouden veel minder last hebben van economische sancties.
18:41
and we would suffer a lot less fear of the use of military force on our end,
381
1103000
6000
Wij zouden veel minder angst hoeven te hebben voor het gebruik van militair geweld bij ons
18:47
and the world would be a better place.
382
1109000
2000
en de wereld zou een betere plek zijn.
18:49
CA: Here's hoping they hear it that way. Thank you very much Bruce.
383
1111000
3000
CA: Laten we hopen dat ze het zo begrijpen. Heel erg bedankt, Bruce.
18:52
BBM: Thank you.
384
1114000
2000
BBM: Dank je wel.
18:54
(Applause)
385
1116000
5000
(Applaus)
ABOUT THE SPEAKER
Bruce Bueno de Mesquita - Political scientistA consultant to the CIA and the Department of Defense, Bruce Bueno de Mesquita has built an intricate computer model that can predict the outcomes of international conflicts with bewildering accuracy.
Why you should listen
Every motive has a number, says Bruce Bueno de Mesquita. A specialist in foreign policy, international relations and state building, he is also a leading -- if controversial -- scholar of rational choice theory, which says math underlies the nation-scale consequences of individuals acting for personal benefit. He created forecasting technology that has, time and again, exceeded the accuracy of old-school analysis, even with thorny quarrels charged by obscure contenders, and often against odds. (One example: He called the second Intifada two years in advance.)
Bueno de Mesquita's company, Mesquita & Roundell, sells his system's predictions and analysis to influential government and private institutions that need heads-ups on policy. He teaches at NYU and is a senior fellow at the Hoover Institution.
Bruce Bueno de Mesquita | Speaker | TED.com