Should you trust unanimous decisions? - Derek Abbott

Translator: sann tint Reviewer: Myo Aung

Imagine a police lineup where ten witnesses

တဒင်္ဂ ရာဇဝတ်မှုမြင်ကွင်းကို ရိပ်ခနဲ မြင်လိုက်တဲ့ ဘဏ်ဓားပြမှုတစ်ခုကို

are asked to identify a bank robber they glimpsed fleeing the crime scene.

ဖော်ထုတ်ဖို့ မျက်မြင်သက်သေ ဆယ်ဦးကို မေးတဲ့နေရာက ရဲတန်းတစ်ခုကို စိတ်ကူးကြည့်ပါ။

If six of them pick out the same person,

သူတို့ထဲက ခြောက်ဦးဟာ လူတစ်ဦးတည်းကို ရွေးတယ်ဆိုရင်

there's a good chance that's the real culprit,

ထိုသူဟာ တရားခံဖြစ်နိုင်တဲ့ အလားအလာများပါတယ်။

and if all ten make the same choice,

ဆယ်ဦးစလုံးက တူညီတဲ့ ရွေးခယ်မှုလုပ်ရင်

you might think the case is rock solid,

ဒါက လုံးဝ ခိုင်မာတယ်လို့ တွေးကောင်းတွေးမယ်။

but you'd be wrong.

ဒါပေမဲ့ သင် မှားပါတယ်။

For most of us, this sounds pretty strange.

အများစုအတွက်တော့ ဒါက အတော်လေး ဆန်းနေပုံရတယ်။

After all, much of our society relies on majority vote and consensus,

အဆုံးမတော့ လူ့အဖွဲ့အစည်းရဲ့အတော်များများက အများစု မဲနဲ့အများသဘောတူမှုကို မှီခိုတယ်။

whether it's politics,

နိုင်ငံရေးဖြစ်ဖြစ်

business,

(သို့) စီးပွားရေး

or entertainment.

(သို့) ဖျော်ဖြေရေးပါ။

So it's natural to think that more consensus is a good thing.

ဒီတော့ ပိုများတဲ့ အများသဘောတူမှုဟာ ကောင်းတဲ့အရာလို့ ထင်ဖို့က သဘာဝပါ။

And up until a certain point, it usually is.

အမှတ်တစ်ခု မတိုင်ခင်အထိတော့ ဒါက အမြဲလိုလို ဟုတ်တယ်။

But sometimes, the closer you start to get to total agreement,

ဒါပေမဲ့ တစ်ခါတစ်ရံကျတော့ အကြွင်းမဲ့ သဘောတူညီမှုဆီ စတင်ရောက်ဖို့

the less reliable the result becomes.

သင် နီးကပ်လာလေလေ၊ စိတ်ချစရာ ရလဒ် ဖြစ်လာဖို့ ပိုနည်းလေလေပါ။

This is called the paradox of unanimity.

ဒါကို တညီတညွတ်တည်းဖြစ်မှုရဲ့ ဝိရောဓိသဘောလို့ ခေါ်ပါတယ်။

The key to understanding this apparent paradox

ဒီသိသာတဲ့ ဝိရောဓိသဘောကို နားလည်မှုအတွက် အဓိကက

is in considering the overall level of uncertainty

သင် ကိုင်တွယ်နေတဲ့ အခြေအနေ အမျိုးအစားမှာ ပတ်သက်နေတဲ့ မသေချာမှုရဲ့

involved in the type of situation you're dealing with.

အကြမ်းဖျင်း အဆင့်ကို ထည့်သွင်းစဉ်းစားရာမှာပါ။

If we asked witnesses to identify the apple in this lineup, for example,

ဥပမာ၊ ဒီအတန်းထဲက ပန်းသီးကို ထုတ်ဖော်ဖို့ မျက်မြင်သက်သေတွေကို မေးတယ်ဆိုရင်

we shouldn't be surprised by a unanimous verdict.

တညီတညွတ်တည်းဖြစ်တဲ့ ဆုံးဖြတ်ချက် ကြောင့် အံ့ဩကြမှာမဟုတ်ဘူး။

But in cases where we have reason to expect some natural variance,

ဒါပေမဲ့ တချို့ သဘာဝကျတဲ့ ကွဲပြားမှုကို မျှော်လင့်စရာ အကြောင်းရှိတဲ့ အခြေအနေတွေမှာ

we should also expect varied distribution.

ကွဲပြားတဲ့ ဖြန့်ဝေခြင်းကိုပါ မျှော်လင့်သင့်တယ်
။

If you toss a coin one hundred times,

ဒင်္ဂါးတစ်ပြားကို အကြိမ်တစ်ရာ မြှောက်ရင်

you would expect to get heads somewhere around 50% of the time.

ခေါင်းကျဖို့ မျှော်လင့်မှာက အကြိမ်ရဲ့ ၅၀% လောက်ပါ။

But if your results started to approach 100% heads,

ဒါပေမဲ့ သင့်ရလဒ်တွေက ခေါင်း ၁၀၀% နီးလာဖို့ စလာရင်

you'd suspect that something was wrong,

တစ်ခုခု မှားနေတယ်လို့ မျှော်လင့်ရမှာပဲလေ။

not with your individual flips,

သင့်ရဲ့ တစ်ခုချင်း ပစ်မြှောက်မှုကို

but with the coin itself.

မဟုတ်ပေမဲ့ ဒင်္ဂါးကိုယ်၌နဲ့ပါ။

Of course, suspect identifications aren't as random as coin tosses,

တကယ်တမ်းက သံသယရှိသူကို ဖော်ထုတ်မှုတွေက ဒင်္ဂါး မြှောက်ပစ်တာလို ကျပန်းမဟုတ်ပေမဲ့

but they're not as clear cut as telling apples from bananas, either.

ငှက်ပျောသီးတွေကနေ ပန်းသီးတွေကို ခွဲပြောဖို့လောက်လည်း မရှင်းလင်းဘူး။

In fact, a 1994 study found that up to 48% of witnesses

တကယ်တော့ ၁၉၉၄ လေ့လာမှုတစ်ခုမှာ တွေ့ရှိတာက မျက်မြင်သက်သေ ၄၈% အထိဟာ

tend to pick the wrong person out of a lineup,

အတန်းတစ်တန်းထဲက လူမှားကို ရွေးတတ်ကြတယ်လို့ ဆိုတယ်။

even when many are confident in their choice.

လူအတော်များများက သူတို့ရဲ့ ရွေးချယ်မှုမှာ ယုံကြည်ချက်ရှိတာတောင်ပါ။

Memory based on short glimpses can be unreliable,

တိုတောင်းတဲ့ ရိပ်ခနဲအမြင်ကို အခြေခံတဲ့ မှတ်ဉာဏ်ဟာ စိတ်ချလို့မရနိုင်ပါ

and we often overestimate our own accuracy.

ကျွန်ုပ်တို့ဟာ မကြာခဏ ကိုယ့်တိကျမှုကို ပိုတွက်တတ်ကြတယ်။

Knowing all this,

ဒါအားလုံး သိခြင်းက

a unanimous identification starts to seem less like certain guilt,

တညီတညွတ်တည်း ဖော်ထုတ်မှုတစ်ခုဟာ ပိုနည်းတဲ့ အပြစ်လိုလို စတင် ထင်ရဟန်ရှိပြီး

and more like a systemic error,

အတန်းထဲက စနစ် မှားယွင်းမှုတစ်ခ

or bias in the lineup.

(သို့) ဘက်လိုက်မှု ပိုဖြစ်နိုင်တာပါ။

And systemic errors don't just appear in matters of human judgement.

စနစ် အမှားတွေဟာ လူသား ဆုံးဖြတ်ချက် ကိစ္စရပ်တွေမှာ ပေါ်ကို မလာတာပါ။

From 1993-2008,

၁၉၉၃ -၂၀၀၈ ကနေ

the same female DNA was found in multiple crime scenes around Europe,

အလားတူ အမ DNA ကို ဥရောပ တစ်ဝိုက် ရာဇဝတ် မှုခင်းနေရာစုံမှာ တွေ့ရတယ်။

incriminating an elusive killer dubbed the Phantom of Heilbronn.

Phantom of Heilbronn လို့ အမည်ပေးထားတဲ့ ရှောင်နေတဲ့ လူသတ်သမားကို သက်သေခံရင်းပါ။

But the DNA evidence was so consistent precisely because it was wrong.

ဒါပေမဲ့ ဒါက မှားနေတော့ DNA အထောက်အထားက တစ်သမတ်တည်း အတိအကျရှိခဲ့တယ်။

It turned out that the cotton swabs used to collect the DNA samples

ဖြစ်သွားတာက DNA နမူနာတွေ ကောက်ယူဖို့ သုံးတဲ့ ဂွမ်းဖတ်စ အားလုံးဟာ မတော်တဆနဲ့

had all been accidentally contaminated by a woman working in the swab factory.

ဂွမ်းဖတ် စက်ရုံထဲမှာ အလုပ်လုပ်နေတဲ့ အမျိုးသမီးတစ်ဦးကြောင့် ညစ်ညမ်းသွားတာပါ။

In other cases, systematic errors arise through deliberate fraud,

အခြား အခြေအနေတွေမှာ တမင် လိမ်လည်မှုကနေ စနစ်ကျတဲ့ အမှားတွေ ထွက်လာတယ်။

like the presidential referendum held by Saddam Hussein in 2002,

ဥပမာ ၂၀၀၂မှာ Saddam Hussein ကျင်းပတဲ့ သမ္မတ ပြည်လုံးကျွတ် ဆန္ဒခံယူပွဲပါ။

which claimed a turnout of 100% of voters with all 100% supposedly voting in favor

ဒါက မဲပေးသူတွေရဲ့ တက်ရောက်သူ ၁၀၀% ဟာ အဆိုအရ

of another seven-year term.

နောက် ခုနှစ်သက်တမ်းကို ထောက်ခံမဲပေး တယ်လို့ အခိုင်အမာဆိုတယ်။

When you look at it this way,

ဒီနည်းအတိုင်း ကြည့်တဲ့အခါ

the paradox of unanimity isn't actually all that paradoxical.

တညီတညွတ်တည်းဖြစ်မှုရဲ့ ဝိရောဓိသဘောဟာ တကယ်ကျတော့ ဒီလောက်ကြီး ဝိရောဓိမဆန်ဘူး။

Unanimous agreement is still theoretically ideal,

တညီတညွတ်တည်း သဘောတူမှုဟာ သဘောတရားအရ စံဖြစ်နေဆဲပါ။

especially in cases when you'd expect very low odds of variability and uncertainty,

အထူးက ပြောင်တတ်မှု၊ မသေချာမှု နိမ့်တဲ့ အလားအလာတွေကို မျှော်လင့်မယ့်ကိစ္စတွေမှာပါ

but in practice,

ဒါပေမဲ့ လက်တွေ့မှာ

achieving it in situations where perfect agreement is highly unlikely

ခြောက်ပစ်ကင်း သဘောတူညီမှု လုံးဝ မဖြစ်နိုင်တဲ့ အခြေအနေတွေမှာ ရယူနိုင်တာက

should tell us that there's probably some hidden factor affecting the system.

ဒီစနစ်ကို ထိခိုက်နေတဲ့ ပုန်းနေတဲ့အကြောင်း တစ်ခု ရှိလောက်တယ်လို့ပြောလိမ့်မယ်ထင်တယ်။

Although we may strive for harmony and consensus,

လိုက်ဖက်မှုနဲ့ အများသဘောအတွက် ကြိုးပမ်းနိုင်ကြလောက်ပေမဲ့

in many situations, error and disagreement should be naturally expected.

အခြေအနေ များစွာမှာ အမှားနဲ့ သဘောထားကွဲလွဲ မှုကို ပင်ကိုအားဖြင့်မျှော်လင့်သင့်တယ်။

And if a perfect result seems too good to be true,

ခြောက်ပြစ်ကင်း ရလဒ်တစ်ခုဟာ မှန်ဖို့ ကောင်းလွန်းပုံရရင်

it probably is.

ဒါဟာ ဖြစ်လောက်တာပါ။