TED2011
Dan Ariely: Beware conflicts of interest
แดน อาเรียลี่ : ระวังผลประโยชน์ทับซ้อน
Filmed:
Readability: 3.3
1,284,831 views
ในการพูดสั้นๆ นี้ นักจิตวิทยา แดน อาเรียลี่ จะมาเล่าสองเรื่องราวที่จะพาเราไปสำรวจในเรื่องของผลประโยชน์ทับซ้อนอย่างเป็นวิทยาศาสตร์ นั่นคือ ไม่ว่าจะรู้ตัวหรือไม่ จุดมุ่งหมายส่วนตัวจะมีผลกระทบกับการวิ่งไล่ตามหาความรู้ใหม่ๆได้อย่างไร เมื่อเรากำลังคิดถึงปัญหาใหญ่ๆ พวกนี้ เขาเตือนเราว่า ระวังสมองที่ สุด-จะ-เป็นมนุษย์ ของพวกเราไว้ให้ดี
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
เอาล่ะ... ผมเคยใช้ชีวิตอยู่ในโรงพยาบาลมานาน
00:19
And a few years after I left, I went back,
1
4000
3000
และหลังจากที่ผมออกมาไม่กี่ปี ผมก็กลับไปที่นั่น
00:22
and the chairman of the burn department was very excited to see me --
2
7000
3000
ท่านประธานของแผนกบำบัดผู้ป่วยไฟไหม้ดูตื่นเต้นมากเลยที่ได้เจอผม
00:25
said, "Dan, I have a fantastic new treatment for you."
3
10000
3000
ท่านบอกผมว่า "แดน, ผมมีวิธีรักษาใหม่สำหรับคุณด้วยล่ะ มันเจ๋งมาก"
00:28
I was very excited. I walked with him to his office.
4
13000
2000
ผมตื่นเต้นมาก ผมเดินตามท่านเข้าไปในออฟฟิศ
00:30
And he explained to me that, when I shave,
5
15000
3000
แล้วท่านก็อธิบายให้ผมฟังว่า ตอนที่ผมกำลังโกนหนวด
00:33
I have little black dots on the left side of my face where the hair is,
6
18000
3000
ผมมีจุดเล็กๆ ดำๆ ยุ่บยั่บอยู่บนซีกซ้ายของใบหน้า ส่วนที่มีเส้นขนอยู่ ตรงนี้ครับ
00:36
but on the right side of my face
7
21000
2000
แต่ใบหน้าซีกขวาของผมนี่สิ
00:38
I was badly burned so I have no hair,
8
23000
2000
ผมเคยถูกไฟคลอกหนักมาก ส่วนนี้ก็เลยไม่มีขน
00:40
and this creates lack of symmetry.
9
25000
2000
ใบหน้าทั้งสองซีกของผมก็เลยไม่สมมาตรกันครับ
00:42
And what's the brilliant idea he had?
10
27000
2000
แล้ววิธีรักษาสุดเจ๋งของท่านประธานน่ะเหรอครับ?
00:44
He was going to tattoo little black dots
11
29000
2000
ท่านจะสักจุดสีดำเล็กๆ พวกนี้
00:46
on the right side of my face
12
31000
3000
ลงบนใบหน้าซีกขวาของผม
00:49
and make me look very symmetric.
13
34000
2000
ซึ่งนั่นจะทำให้ใบหน้าของผมสมมาตรกันครับ
00:51
It sounded interesting. He asked me to go and shave.
14
36000
3000
ผมสนใจวิธีนี้นะ ท่านก็เลยขอให้ผมไปโกนหนวด
00:54
Let me tell you, this was a strange way to shave,
15
39000
2000
ผมจะบอกให้ มันเป็นวิธีการโกนหนวดที่แปลกมาก
00:56
because I thought about it
16
41000
2000
เพราะผมมาลองคิดๆดูแล้ว
00:58
and I realized that the way I was shaving then
17
43000
2000
แล้วผมก็พบว่า วีธีการโกนหนวดของผมในตอนนั้น
01:00
would be the way I would shave for the rest of my life --
18
45000
2000
จะกลายเป็นวิธีที่ผมใช้โกนหนวดไปตลอดชีวิตของผม
01:02
because I had to keep the width the same.
19
47000
2000
เพราะผมต้องทำให้ความกว้างของเคราเท่าเดิมเสมอ
01:04
When I got back to his office,
20
49000
2000
เมื่อผมกลับไปที่ออฟฟิศของท่านประธาน
01:06
I wasn't really sure.
21
51000
2000
ผมรู้สึกไม่ค่อยแน่ใจ
01:08
I said, "Can I see some evidence for this?"
22
53000
2000
ผมก็เลยถามท่านว่า "ผมขอดูหน่อยได้มั้ยครับว่าถ้าทำแล้วจะเป็นยังไง?"
01:10
So he showed me some pictures
23
55000
2000
ท่านก็เลยให้ผมดูรูป
01:12
of little cheeks with little black dots --
24
57000
2000
ของแก้มเล็กๆ ซึ่งมีจุดสีดำเล็กๆ
01:14
not very informative.
25
59000
2000
บอกอะไรไม่ค่อยได้เท่าไหร่
01:16
I said, "What happens when I grow older and my hair becomes white?
26
61000
2000
ผมก็เลยถามอีกว่า "ถ้าผมแก่ตัวขึ้นแล้วผมทั้งหัวกลายเป็นสีขาวโพลน
01:18
What would happen then?"
27
63000
2000
อะไรจะเกิดขึ้นครับ?"
01:20
"Oh, don't worry about it," he said.
28
65000
2000
"โอ้, ไม่ต้องกังวลหรอกเรื่องนั้น" ท่านบอก
01:22
"We have lasers; we can whiten it out."
29
67000
3000
"เรามีเลเซอร์, เราทำให้จุดพวกนั้นขาวได้"
01:25
But I was still concerned,
30
70000
2000
แต่ผมก็ยังกังวลอยู่
01:27
so I said, "You know what, I'm not going to do it."
31
72000
3000
ผมจึงบอกท่านว่า "รู้อะไรมั้ยครับ, ผมไม่ทำดีกว่า"
01:30
And then came one of the biggest guilt trips of my life.
32
75000
4000
แล้วการกดดันเพื่อทำให้ผมรู้สึกผิดครั้งยิ่งใหญ่ที่สุดในชีวิต ก็ตามมาทันทีครับ
01:34
This is coming from a Jewish guy, all right, so that means a lot.
33
79000
3000
คนพูดประโยคนี้เป็นคนยิวนะครับ เอาล่ะ นั่นตีความได้หลายอย่างเลย
01:37
(Laughter)
34
82000
2000
(หัวเราะ)
01:39
And he said, "Dan, what's wrong with you?
35
84000
3000
ท่านบอกว่า "แดน, คุณเป็นอะไรไป?"
01:42
Do you enjoy looking non-symmetric?
36
87000
2000
รู้สึกดีเหรอที่ใบหน้าดูไม่สมมาตรเป็นแบบนี้?
01:44
Do you have some kind of perverted pleasure from this?
37
89000
5000
คุณมีความสุขแบบวิตถารจากการที่เป็นแบบนี้หรือไง?
01:49
Do women feel pity for you
38
94000
2000
ผู้หญิงจะรู้สึกสงสารคุณ
01:51
and have sex with you more frequently?"
39
96000
3000
แล้วก็มีเซ็กซ์กับคุณบ่อยขึ้นงั้นเหรอ?
01:54
None of those happened.
40
99000
3000
ที่พูดมาทั้งหมด ไม่มีอะไรเกิดขึ้นเลยครับ
01:58
And this was very surprising to me,
41
103000
2000
และนั่นเป็นอะไรที่ผมเซอร์ไพรส์มากนะ
02:00
because I've gone through many treatments --
42
105000
2000
เพราะผมเคยผ่านการบำบัดรักษามาก็หลายครั้ง
02:02
there were many treatments I decided not to do --
43
107000
2000
แล้วก็มีการบำบัดหลายอย่างที่ผมไม่ทำ
02:04
and I never got this guilt trip to this extent.
44
109000
2000
และผมก็ไม่เคยถูกกดดันให้รู้สึกผิดขนาดนี้มาก่อนเลย
02:06
But I decided not to have this treatment.
45
111000
2000
แต่ผมก็ตัดสินใจว่าจะไม่เข้ารับการรักษานี้
02:08
And I went to his deputy and asked him, "What was going on?
46
113000
2000
ผมก็เลยไปหาท่านรองคณบดี แล้วถามว่า "เกิดอะไรขึ้น?
02:10
Where was this guilt trip coming from?"
47
115000
2000
ทำไมต้องมากดดันกัน?"
02:12
And he explained that they have done this procedure on two patients already,
48
117000
4000
แล้วท่านรองก็อธิบายให้ผมฟังว่า พวกเขาได้ใช้วิธีรักษานี้กับผู้ป่วยสองรายแล้ว
02:16
and they need the third patient for a paper they were writing.
49
121000
3000
และพวกเขากำลังต้องการผู้ป่วยรายที่สามสำหรับรายงานที่พวกเขากำลังเขียนอยู่
02:19
(Laughter)
50
124000
2000
(หัวเราะ)
02:21
Now you probably think that this guy's a schmuck.
51
126000
2000
ตอนนี้ คุณอาจจะคิดว่าผู้ชายคนนี้มันงี่เง่า
02:23
Right, that's what he seems like.
52
128000
2000
ก็ถูกครับ ดูเหมือนเขาจะเป็นแบบนั้นจริงๆ นั่นแหละ
02:25
But let me give you a different perspective on the same story.
53
130000
3000
แต่ขอผมเล่าเพิ่มมุมมองอีกด้านนึงของเรื่องนี้ให้คุณฟังก็แล้วกัน
02:28
A few years ago, I was running some of my own experiments in the lab.
54
133000
3000
ไม่กี่ปีที่ผ่านมา ผมกำลังทำการทดลองอยู่ในห้องทดลอง
02:31
And when we run experiments,
55
136000
2000
แล้วตอนที่เราดำเนินการทดลองเนี่ยนะครับ
02:33
we usually hope that one group will behave differently than another.
56
138000
3000
เรามักจะหวังว่ากลุ่มแรก จะทำตัวแตกต่างจากอีกกลุ่มที่เหลือ
02:36
So we had one group that I hoped their performance would be very high,
57
141000
3000
สรุปได้ว่า ตอนนั้นเรามีกลุ่มหนึ่งที่ผมคาดว่ามีประสิทธิภาพสูง
02:39
another group that I thought their performance would be very low,
58
144000
3000
และอีกกลุ่มที่ผมคาดว่ามีประสิทธิภาพต่ำ
02:42
and when I got the results, that's what we got --
59
147000
2000
และตอนที่เราได้ผลการทดลอง นี่เป็นสิ่งที่เราได้ครับ
02:44
I was very happy -- aside from one person.
60
149000
3000
ผมดีใจมาก
02:47
There was one person in the group
61
152000
2000
ถ้าไม่นับว่ามีคนคนหนึ่ง
02:49
that was supposed to have very high performance
62
154000
2000
ในกลุ่มที่น่าจะมีประสิทธิภาพสูง
02:51
that was actually performing terribly.
63
156000
2000
แต่ดันทำงานได้แย่มาก
02:53
And he pulled the whole mean down,
64
158000
2000
และเขาดึงค่าเฉลี่ยของกลุ่มลง
02:55
destroying my statistical significance of the test.
65
160000
3000
ทำลายนัยสำคัญในเชิงสถิติของการทดลองไปหมด
02:59
So I looked carefully at this guy.
66
164000
2000
ดังนั้น ผมก็เลยจับตาดูผู้ชายคนนี้เป็นพิเศษ
03:01
He was 20-some years older than anybody else in the sample.
67
166000
3000
เขามีอายุมากกว่าคนอื่นๆ ในกลุ่มประมาณ 20 กว่าปี
03:04
And I remembered that the old and drunken guy
68
169000
2000
และผมจำได้ดีเลยว่า เคยมีผู้ชายแก่ๆ และขี้เมาคนหนึ่ง
03:06
came one day to the lab
69
171000
2000
มาหาผมที่ห้องทดลอง
03:08
wanting to make some easy cash
70
173000
2000
อยากจะได้เงินไปใช้
03:10
and this was the guy.
71
175000
2000
และผู้ชายแก่ๆ คนนั้นก็คือผู้ชายที่ทำลายผลการทดลองของผมนี่แหละ
03:12
"Fantastic!" I thought. "Let's throw him out.
72
177000
2000
"เยี่ยมเลย!" ผมคิด "โยนเขาออกไปจากการทดลองเลยละกัน
03:14
Who would ever include a drunken guy in a sample?"
73
179000
3000
ใครหน้าไหนกันที่จะเอาผู้ชายขี้เมามาเป็นกลุ่มตัวอย่าง?"
03:17
But a couple of days later,
74
182000
2000
แต่ในอีกสองวันถัดมา
03:19
we thought about it with my students,
75
184000
2000
เรามานั่งคิดเรื่องนี้กันกับกลุ่มนักศึกษาของผม
03:21
and we said, "What would have happened if this drunken guy was not in that condition?
76
186000
3000
แล้วเราก็พูดว่า "อะไรจะเกิดขึ้นถ้าผู้ชายขี้เมาคนนั้นไม่ได้ทำลายผลการทดลองของเรา
03:24
What would have happened if he was in the other group?
77
189000
2000
อะไรจะเกิดขึ้นถ้าเขาอยู่ในอีกกลุ่มนึง?
03:26
Would we have thrown him out then?"
78
191000
2000
เราจะเอาเขาออกไปจากการทดลองมั้ย?"
03:28
We probably wouldn't have looked at the data at all,
79
193000
2000
เราอาจจะไม่ได้ดูข้อมูลเลยด้วยซ้ำไป
03:30
and if we did look at the data,
80
195000
2000
และถ้าเราได้ดูข้อมูล
03:32
we'd probably have said, "Fantastic! What a smart guy who is performing this low,"
81
197000
3000
เราอาจจะพูดว่า "เยี่ยมเลย! ช่างเป็นผู้ชายที่ฉลาด และทำงานได้ไร้ประสิทธิภาพอะไรอย่างนี้"
03:35
because he would have pulled the mean of the group lower,
82
200000
2000
เพราะเขาคงดึงค่าเฉลี่ยของกลุ่มที่ด้อยกว่าลงไปอีก"
03:37
giving us even stronger statistical results than we could.
83
202000
3000
ซึ่งนั่นทำให้ผลการทดลองของเรามีความหนักแน่นขึ้น อย่างที่เราไม่มีทางทำได้
03:41
So we decided not to throw the guy out and to rerun the experiment.
84
206000
3000
ดังนั้น พวกเราจึงตัดสินใจไม่ถอดผู้ชายคนนั้นออก และเริ่มทำการทดลองกันใหม่
03:44
But you know, these stories,
85
209000
3000
แต่คุณก็รู้ เรื่องราวเหล่านี้
03:47
and lots of other experiments that we've done on conflicts of interest,
86
212000
3000
และการทดลองอีกหลายครั้งที่เราได้ทำบนผลประโยชน์ที่ทับซ้อนกัน
03:50
basically kind of bring two points
87
215000
2000
มักจะดึงเอาสองประเด็นสำคัญ
03:52
to the foreground for me.
88
217000
2000
ขึ้นมาให้เราเห็นนะ ผมว่า
03:54
The first one is that in life we encounter many people
89
219000
3000
ประเด็นแรกก็คือ ในชีวิตนี้ เราได้เจอผู้คนมากมาย
03:57
who, in some way or another,
90
222000
3000
ผู้คนที่ ไม่ทางใดก็ทางหนึ่ง
04:00
try to tattoo our faces.
91
225000
2000
พยายามจะสักลงบนหน้าเรา
04:02
They just have the incentives that get them to be blinded to reality
92
227000
3000
พวกเขาได้รับผลประโยชน์ ที่ทำให้มองไม่เห็นความเป็นจริง
04:05
and give us advice that is inherently biased.
93
230000
3000
จึงทำให้พวกเขาให้คำแนะนำที่มีความเอนเอียงกับเรา
04:08
And I'm sure that it's something that we all recognize,
94
233000
2000
และผมมั่นใจมากว่า นี่เป็นสิ่งที่พวกเราทุกคนสังเกตพบ
04:10
and we see that it happens.
95
235000
2000
และพวกเราเห็นว่ามันเกิดขึ้น
04:12
Maybe we don't recognize it every time,
96
237000
2000
เราอาจจะไม่ได้สังเกตพบในทุกๆ ครั้ง
04:14
but we understand that it happens.
97
239000
2000
แต่เราเข้าใจว่ามันเกิดขึ้น
04:16
The most difficult thing, of course, is to recognize
98
241000
2000
สิ่งที่ยากที่สุด แน่นอนครับ ก็คือการสังเกต
04:18
that sometimes we too
99
243000
2000
ว่าในบางครั้ง ตัวเราเองนั่นแหละ
04:20
are blinded by our own incentives.
100
245000
2000
ที่ตามืดบอดไปเพราะผลประโยชน์ที่เราได้รับ
04:22
And that's a much, much more difficult lesson to take into account.
101
247000
3000
และนั่นก็เป็นบทเรียนที่ยากมาก มากเพียงพอที่เราจะต้องนำมาใส่ใจ
04:25
Because we don't see how conflicts of interest work on us.
102
250000
4000
เพราะเรามองไม่เห็นว่าผลประโยชน์ทับซ้อนมีผลกับเราอย่างไร
04:29
When I was doing these experiments,
103
254000
2000
ในขณะที่ผมกำลังทำการทดลองพวกนี้
04:31
in my mind, I was helping science.
104
256000
2000
ในใจผมนะ ผมกำลังช่วยเหลือวิทยาศาสตร์
04:33
I was eliminating the data
105
258000
2000
ผมทำลายข้อมูล
04:35
to get the true pattern of the data to shine through.
106
260000
2000
เพื่อที่จะทำให้รูปแบบของข้อมูลที่แท้จริงเปล่งประกายออกมา
04:37
I wasn't doing something bad.
107
262000
2000
ผมไม่ได้ทำอะไรเลวร้ายซักหน่อย
04:39
In my mind, I was actually a knight
108
264000
2000
ในใจผม ผมนี่แหละที่เป็นอัศวิน
04:41
trying to help science move along.
109
266000
2000
ที่กำลังช่วยให้วิทยาศาสตร์ก้าวหน้า
04:43
But this was not the case.
110
268000
2000
แต่มันไม่ใช่เลย
04:45
I was actually interfering with the process with lots of good intentions.
111
270000
3000
จริงๆแล้ว ผมกำลังเข้าไปยุ่มย่ามกับกระบวนการ ด้วยเจตนาดีทั้งหลายแหล่
04:48
And I think the real challenge is to figure out
112
273000
2000
และผมคิดว่าความท้าทายที่แท้จริงก็คือการมองให้ออก
04:50
where are the cases in our lives
113
275000
2000
ว่ามีครั้งไหนบ้างในชีวิตเรา
04:52
where conflicts of interest work on us,
114
277000
2000
ที่ผลประโยชน์ทับซ้อนเข้ามามีบทบาทอยู่
04:54
and try not to trust our own intuition to overcome it,
115
279000
3000
และพยายามเลิกเชื่อในสัญชาตญาณที่จะเอาชนะมัน
04:57
but to try to do things
116
282000
2000
แต่ให้พยายามทำในสิ่งต่างๆ
04:59
that prevent us from falling prey to these behaviors,
117
284000
2000
ที่จะช่วยให้เราหลีกหนีจากการเป็นเหยื่อของพฤติกรรมเหล่านี้
05:01
because we can create lots of undesirable circumstances.
118
286000
3000
เพราะเราอาจจะสร้างสถานการณ์ที่เราไม่ต้องการขึ้นมาได้มากมาย
05:05
I do want to leave you with one positive thought.
119
290000
2000
ผมอยากจะฝากซักแง่คิดที่ดีไว้ให้กับพวกคุณ
05:07
I mean, this is all very depressing, right --
120
292000
2000
ผมหมายความว่า ที่ผมพูดมาทั้งหมดนี่มันน่าหดหู่นะ
05:09
people have conflicts of interest, we don't see it, and so on.
121
294000
3000
ผู้คนมีผลประโยชน์ทับซ้อน เรามองไม่เห็นมัน และอะไรอื่นๆอีกมากมาย
05:12
The positive perspective, I think, of all of this
122
297000
2000
ผมคิดว่านะ สิ่งที่ดี ของผมที่กล่าวมาทั้งหมดนี่
05:14
is that, if we do understand when we go wrong,
123
299000
3000
ก็คือ ถ้าเราเข้าใจเมื่อเราก้าวไปผิดทาง
05:17
if we understand the deep mechanisms
124
302000
2000
ถ้าเราเข้าใจกระบวนการลึกๆ
05:19
of why we fail and where we fail,
125
304000
2000
ว่าทำไมเราถึงตกหลุมพราง และหลุมพรางเหล่านี้อยู่ที่ไหนบ้าง
05:21
we can actually hope to fix things.
126
306000
2000
เราก็คงจะหวังได้จริงๆ ว่าเราจะแก้ปัญหานี้ได้
05:23
And that, I think, is the hope. Thank you very much.
127
308000
2000
และนั่นแหละครับ คือความหวัง ขอบคุณมากครับ
05:25
(Applause)
128
310000
4000
(ปรบมือ)
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