Laurie Santos: How monkeys mirror human irrationality

197,513 views ・ 2010-07-29

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Constantine Anetakis Επιμέλεια: Dimitra Papageorgiou
00:17
I want to start my talk today with two observations
0
17260
2000
Θα ήθελα να ξεκινήσω τη σημερινή μου ομιλία, με δύο παρατηρήσεις
00:19
about the human species.
1
19260
2000
σχετικά με το ανθρώπινο είδος.
00:21
The first observation is something that you might think is quite obvious,
2
21260
3000
Η πρώτη παρατήρηση είναι κάτι που ίσως θεωρείτε ως αρκετά προφανές,
00:24
and that's that our species, Homo sapiens,
3
24260
2000
και αυτό είναι ότι το είδος μας, ο Homo sapiens,
00:26
is actually really, really smart --
4
26260
2000
είναι πραγματικά πολύ έξυπνο --
00:28
like, ridiculously smart --
5
28260
2000
εξωφρενικά έξυπνο --
00:30
like you're all doing things
6
30260
2000
αφού όλοι κάνουμε πράγματα
00:32
that no other species on the planet does right now.
7
32260
3000
που κανένα άλλο είδος στον πλανήτη δεν κάνει αυτή τη στιγμή.
00:35
And this is, of course,
8
35260
2000
Αυτή δεν είναι, φυσικά,
00:37
not the first time you've probably recognized this.
9
37260
2000
η πρώτη φορά που πιθανώς το αναγνωρίζετε αυτό.
00:39
Of course, in addition to being smart, we're also an extremely vain species.
10
39260
3000
Βέβαια, εκτός του να είμαστε έξυπνοι, είμαστε επίσης ένα ιδιαίτερα ματαιόδοξο είδος.
00:42
So we like pointing out the fact that we're smart.
11
42260
3000
Μας αρέσει να επιδεικνύουμε το γεγονός ότι είμαστε έξυπνοι.
00:45
You know, so I could turn to pretty much any sage
12
45260
2000
Θα μπορούσα να αναφερθώ σε οποιονδήποτε σοφό,
00:47
from Shakespeare to Stephen Colbert
13
47260
2000
από τον Σέξπηρ μέχρι τον Στήβεν Κόλμπερτ,
00:49
to point out things like the fact that
14
49260
2000
για να αποδείξω για παράδειγμα το γεγονός ότι
00:51
we're noble in reason and infinite in faculties
15
51260
2000
έχουμε μεγαλόφρωνα λογική και άπειρες ικανότητες
00:53
and just kind of awesome-er than anything else on the planet
16
53260
2000
και είμαστε καταπληκτικότεροι από οτιδήποτε άλλο στον πλανήτη
00:55
when it comes to all things cerebral.
17
55260
3000
ως προς τις εγκεφαλικές λειτουργίες.
00:58
But of course, there's a second observation about the human species
18
58260
2000
Όμως φυσικά, υπάρχει μια δεύτερη παρατήρηση σχετικά με το ανθρώπινο είδος,
01:00
that I want to focus on a little bit more,
19
60260
2000
στην οποία θα ήθελα να εστιάσω λίγο περισσότερο·
01:02
and that's the fact that
20
62260
2000
πρόκειται για το γεγονός ότι
01:04
even though we're actually really smart, sometimes uniquely smart,
21
64260
3000
παρόλο που είμαστε πραγματικά έξυπνοι, μερικές φορές μοναδικά έξυπνοι,
01:07
we can also be incredibly, incredibly dumb
22
67260
3000
μπορούμε επίσης να γίνουμε εξαιρετικά κουτοί
01:10
when it comes to some aspects of our decision making.
23
70260
3000
όταν πρόκειται για κάποιες πτυχές της λήψης των αποφάσεών μας.
01:13
Now I'm seeing lots of smirks out there.
24
73260
2000
Παρατηρώ αρκετά ειρωνικά χαμόγελα στο ακροατήριο.
01:15
Don't worry, I'm not going to call anyone in particular out
25
75260
2000
Μην ανησυχείτε, δεν θα κατηγορήσω κανέναν συγκεκριμένα
01:17
on any aspects of your own mistakes.
26
77260
2000
για οποιαδήποτε πτυχή των δικών του λαθών.
01:19
But of course, just in the last two years
27
79260
2000
Όμως, μόλις τα τελευταία δύο χρόνια
01:21
we see these unprecedented examples of human ineptitude.
28
81260
3000
βλέπουμε πρωτοφανή παραδείγματα της ανθρώπινης αδεξιότητας.
01:24
And we've watched as the tools we uniquely make
29
84260
3000
Παρακολουθούμε τα εργαλεία που με μοναδικό τρόπο κατασκευάσαμε,
01:27
to pull the resources out of our environment
30
87260
2000
ώστε να εξάγουμε τους πόρους μας από το περιβάλλον,
01:29
kind of just blow up in our face.
31
89260
2000
να σκάνε στα μούτρα μας.
01:31
We've watched the financial markets that we uniquely create --
32
91260
2000
Παρακολουθήσαμε τις χρηματοπιστωτικές αγορές, που μοναδικά δημιουργήσαμε --
01:33
these markets that were supposed to be foolproof --
33
93260
3000
αυτές οι αγορές που υποτίθεται ότι θα ήταν απρόσβλητες από την ανοησία --
01:36
we've watched them kind of collapse before our eyes.
34
96260
2000
τις είδαμε να καταρρέουν μπροστά στα μάτια μας.
01:38
But both of these two embarrassing examples, I think,
35
98260
2000
Ωστόσο, αμφότερα τα δύο ντροπιαστικά παραδείγματα, πιστεύω ότι
01:40
don't highlight what I think is most embarrassing
36
100260
3000
δεν υπογραμμίζουν εκείνο που θεωρώ ως το πλέον ντροπιαστικό
01:43
about the mistakes that humans make,
37
103260
2000
σχετικά με τα λάθη που κάνουν οι άνθρωποι,
01:45
which is that we'd like to think that the mistakes we make
38
105260
3000
δηλαδή ότι μας αρέσει να πιστεύουμε ότι τα λάθη που κάνουμε
01:48
are really just the result of a couple bad apples
39
108260
2000
είναι απλά το αποτέλεσμα της ύπαρξης λίγων σάπιων ανάμεσά μας
01:50
or a couple really sort of FAIL Blog-worthy decisions.
40
110260
3000
ή το αποτέλεσμα μερικών θρυλικά λανθασμένων αποφάσεων.
01:53
But it turns out, what social scientists are actually learning
41
113260
3000
Φαίνεται όμως ότι οι κοινωνικοί επιστήμονες πράγματι κατανοούν
01:56
is that most of us, when put in certain contexts,
42
116260
3000
ότι οι περισσότεροι από εμάς, όταν βρεθούμε μέσα σε συγκεκριμένες καταστάσεις,
01:59
will actually make very specific mistakes.
43
119260
3000
θα κάνουμε πολύ συγκεκριμένα λάθη.
02:02
The errors we make are actually predictable.
44
122260
2000
Τα λάθη αυτά, είναι στην πραγματικότητα προβλέψιμα.
02:04
We make them again and again.
45
124260
2000
Τα κάνουμε ξανά και ξανά.
02:06
And they're actually immune to lots of evidence.
46
126260
2000
Δεν επηρεάζονται από τη σωρεία των σχετικών αποδείξεων.
02:08
When we get negative feedback,
47
128260
2000
Όταν λαμβάνουμε αρνητικά αποτελέσματα
02:10
we still, the next time we're face with a certain context,
48
130260
3000
εμείς και πάλι, την επόμενη φορά που αντιμετωπίζουμε την ίδια κατάσταση,
02:13
tend to make the same errors.
49
133260
2000
τείνουμε να κάνουμε τα ίδια λάθη.
02:15
And so this has been a real puzzle to me
50
135260
2000
Αυτό πραγματικά με μπερδεύει,
02:17
as a sort of scholar of human nature.
51
137260
2000
ως μελετήτρια της ανθρώπινης φύσης.
02:19
What I'm most curious about is,
52
139260
2000
Αυτό που μου κινεί περισσότερο την περιέργεια
02:21
how is a species that's as smart as we are
53
141260
3000
είναι πώς γίνεται ένα είδος τόσο έξυπνο όσο εμείς
02:24
capable of such bad
54
144260
2000
να είναι ικανό για τόσο άσχημα
02:26
and such consistent errors all the time?
55
146260
2000
και τόσο αδιάκοπα λάθη, συνεχώς;
02:28
You know, we're the smartest thing out there, why can't we figure this out?
56
148260
3000
Είμαστε οι πιο έξυπνοι που κυκλοφορούν στη φύση, γιατί λοιπόν δεν μπορούμε να το επιλύσουμε αυτό;
02:31
In some sense, where do our mistakes really come from?
57
151260
3000
Κατά κάποιο τρόπο, από πού προκύπτουν στ' αλήθεια τα λάθη μας;
02:34
And having thought about this a little bit, I see a couple different possibilities.
58
154260
3000
Έχοντας σκεφτεί λιγάκι αυτό το θέμα, βλέπω μερικές διαφορετικές πιθανότητες.
02:37
One possibility is, in some sense, it's not really our fault.
59
157260
3000
Μία πιθανότητα είναι πως, υπό μία έννοια, δεν είναι στην πραγματικότητα δικά μας λάθη.
02:40
Because we're a smart species,
60
160260
2000
Επειδή είμαστε ευφυές είδος,
02:42
we can actually create all kinds of environments
61
162260
2000
μπορούμε να δημιουργήσουμε κάθε είδους περιβάλλοντα
02:44
that are super, super complicated,
62
164260
2000
τα οποία είναι εξαιρετικά περίπλοκα,
02:46
sometimes too complicated for us to even actually understand,
63
166260
3000
μερικές φορές τόσο περίπλοκα, που ούτε εμείς δεν τα κατανοούμε,
02:49
even though we've actually created them.
64
169260
2000
παρόλο που εμείς τα δημιουργήσαμε.
02:51
We create financial markets that are super complex.
65
171260
2000
Κατασκευάσαμε χρηματοοικονομικές αγορές που είναι υπερβολικά περίπλοκες.
02:53
We create mortgage terms that we can't actually deal with.
66
173260
3000
Κατασκευάσαμε όρους υποθηκών, στους οποίους δεν μπορούμε ν' αντεπεξέλθουμε.
02:56
And of course, if we are put in environments where we can't deal with it,
67
176260
3000
Φυσικά, εάν βρεθούμε σε περιβάλλοντα που δεν μπορούμε να χειριστούμε,
02:59
in some sense makes sense that we actually
68
179260
2000
κατά κάποιο τρόπο είναι λογικό
03:01
might mess certain things up.
69
181260
2000
να θαλασσώσουμε κάποια πράγματα.
03:03
If this was the case, we'd have a really easy solution
70
183260
2000
Εάν αυτό συνέβαινε, θα είχαμε μια αληθινά εύκολη λύση
03:05
to the problem of human error.
71
185260
2000
στο πρόβλημα των ανθρώπινων σφαλμάτων.
03:07
We'd actually just say, okay, let's figure out
72
187260
2000
Θα μπορούσαμε απλά να πούμε, εντάξει, ας σκεφτούμε
03:09
the kinds of technologies we can't deal with,
73
189260
2000
τις τεχνολογίες τις οποίες δεν μπορούμε να χειριστούμε
03:11
the kinds of environments that are bad --
74
191260
2000
τα περιβάλλοντα μέσα στα οποία είμαστε ανεπαρκείς --
03:13
get rid of those, design things better,
75
193260
2000
να τα ξεφορτωθούμε, να σχεδιάσουμε τα πράγματα καλύτερα
03:15
and we should be the noble species
76
195260
2000
και τότε θα είμαστε το ανώτερο είδος
03:17
that we expect ourselves to be.
77
197260
2000
που θεωρούμε ότι είμαστε.
03:19
But there's another possibility that I find a little bit more worrying,
78
199260
3000
Υπάρχει όμως και μια άλλη πιθανότητα, την οποία βρίσκω λιγάκι ανησυχητική,
03:22
which is, maybe it's not our environments that are messed up.
79
202260
3000
δηλαδή ότι μπορεί να μην είναι το περιβάλλον μας τόσο μπερδεμένο.
03:25
Maybe it's actually us that's designed badly.
80
205260
3000
Μπορεί εμείς να είμαστε άσχημα σχεδιασμένοι.
03:28
This is a hint that I've gotten
81
208260
2000
Αυτή είναι μια ιδέα που μου ήρθε
03:30
from watching the ways that social scientists have learned about human errors.
82
210260
3000
παρακολουθώντας τους τρόπους με τους οποίους οι κοινωνικοί επιστήμονες μελετούν τα ανθρώπινα σφάλματα.
03:33
And what we see is that people tend to keep making errors
83
213260
3000
Αυτό που βλέπουμε είναι ότι οι άνθρωποι τείνουν να επαναλαμβάνουν τα λάθη τους
03:36
exactly the same way, over and over again.
84
216260
3000
ακριβώς με τον ίδιο τρόπο, ξανά και ξανά.
03:39
It feels like we might almost just be built
85
219260
2000
Φαίνεται σχεδόν σαν να είμαστε κατασκευασμένοι
03:41
to make errors in certain ways.
86
221260
2000
για να κάνουμε σφάλματα με συγκεκριμένο τρόπο.
03:43
This is a possibility that I worry a little bit more about,
87
223260
3000
Αυτή είναι μια πιθανότητα που με ανησυχεί λίγο περισσότερο,
03:46
because, if it's us that's messed up,
88
226260
2000
επειδή εάν εμείς είμαστε στ' αλήθεια κακοκατασκευασμένοι
03:48
it's not actually clear how we go about dealing with it.
89
228260
2000
δεν είναι ξεκάθαρο πώς μπορούμε να το αντιμετωπίσουμε.
03:50
We might just have to accept the fact that we're error prone
90
230260
3000
Μπορεί να χρειάζεται να παραδεχτούμε το γεγονός ότι είμαστε επιρρεπείς στα λάθη
03:53
and try to design things around it.
91
233260
2000
και να προσπαθήσουμε να σχεδιάσουμε τα πράγματα με βάση αυτό.
03:55
So this is the question my students and I wanted to get at.
92
235260
3000
Εδώ λοιπόν βρίσκεται το ερώτημα, με το οποίο εγώ και οι φοιτητές μου θελήσαμε να καταπιαστούμε.
03:58
How can we tell the difference between possibility one and possibility two?
93
238260
3000
Πώς μπορούμε να καταλάβουμε τη διαφορά μεταξύ των δύο πιθανοτήτων;
04:01
What we need is a population
94
241260
2000
Αυτό που χρειαζόμαστε είναι ένας πληθυσμός
04:03
that's basically smart, can make lots of decisions,
95
243260
2000
που είναι βασικά έξυπνος, μπορεί να παίρνει πλήθος αποφάσεων,
04:05
but doesn't have access to any of the systems we have,
96
245260
2000
όμως δεν έχει πρόσβαση σε κανένα από τα συστήματά μας,
04:07
any of the things that might mess us up --
97
247260
2000
σε κανένα από εκείνα που μπορεί να μας μπερδεύουν --
04:09
no human technology, human culture,
98
249260
2000
ούτε ανθρώπινη τεχνολογία, ούτε ανθρώπινη κουλτούρα,
04:11
maybe even not human language.
99
251260
2000
ούτε ακόμη και ανθρώπινη γλώσσα.
04:13
And so this is why we turned to these guys here.
100
253260
2000
Αυτός είναι ο λόγος που στραφήκαμε σ' αυτούς εδώ τους τύπους.
04:15
These are one of the guys I work with. This is a brown capuchin monkey.
101
255260
3000
Μ' αυτούς τους τύπους δουλεύω. Τούτος εδώ είναι ένας καφετής Καπουτσίνος πίθηκος.
04:18
These guys are New World primates,
102
258260
2000
Πρόκειται για πρωτεύοντα του Νέου Κόσμου,
04:20
which means they broke off from the human branch
103
260260
2000
που σημαίνει ότι αποσπάστηκαν από τον ανθρώπινο εξελικτικό κλάδο
04:22
about 35 million years ago.
104
262260
2000
περίπου πριν 35 εκατομμύρια χρόνια.
04:24
This means that your great, great, great great, great, great --
105
264260
2000
Δηλαδή, η προ, προ, προ, προ, προ, προ --
04:26
with about five million "greats" in there --
106
266260
2000
με περίπου πέντε εκατομμύρια "προ" μπροστά --
04:28
grandmother was probably the same great, great, great, great
107
268260
2000
γιαγιά σας, ήταν πιθανότατα και η προ, προ, προ, προ
04:30
grandmother with five million "greats" in there
108
270260
2000
γιαγιά, με πέντε εκατομμύρια "προ" μπροστά
04:32
as Holly up here.
109
272260
2000
της Χόλυ, που βλέπετε εδώ.
04:34
You know, so you can take comfort in the fact that this guy up here is a really really distant,
110
274260
3000
Μπορεί να σας προκαλεί ανακούφιση το γεγονός ότι αυτός εδώ ο τύπος είναι πραγματικά πολύ μακρινός,
04:37
but albeit evolutionary, relative.
111
277260
2000
ωστόσο εξελικτικός συγγενής μας.
04:39
The good news about Holly though is that
112
279260
2000
Τα καλά νέα με τη Χόλυ πάντως είναι ότι
04:41
she doesn't actually have the same kinds of technologies we do.
113
281260
3000
δεν διαθέτει τις ίδιες τεχνολογίες μ' εμάς.
04:44
You know, she's a smart, very cut creature, a primate as well,
114
284260
3000
Ξέρετε, είναι ένα έξυπνο και συμπαθητικό πλάσμα, ένα πρώτιστο επίσης,
04:47
but she lacks all the stuff we think might be messing us up.
115
287260
2000
όμως της λείπουν όλα εκείνα που θεωρούμε ότι μπορεί να μπερδεύουν εμάς.
04:49
So she's the perfect test case.
116
289260
2000
Έτσι, είναι το τέλειο πειραματόζωο.
04:51
What if we put Holly into the same context as humans?
117
291260
3000
Τι θα γινόταν εάν βάζαμε τη Χόλυ μπροστά στις ίδιες ανθρώπινες καταστάσεις;
04:54
Does she make the same mistakes as us?
118
294260
2000
Θα κάνει τα ίδια λάθη μ' εμάς;
04:56
Does she not learn from them? And so on.
119
296260
2000
Δεν θα μαθαίνει απ' αυτά; Και ούτω καθ' εξής.
04:58
And so this is the kind of thing we decided to do.
120
298260
2000
Τέτοια πράγματα αποφασίσαμε να κάνουμε.
05:00
My students and I got very excited about this a few years ago.
121
300260
2000
Οι φοιτητές μου κι εγώ ενθουσιαστήκαμε μ' αυτό, πριν από λίγα χρόνια.
05:02
We said, all right, let's, you know, throw so problems at Holly,
122
302260
2000
Είπαμε, εντάξει ας υποβάλουμε τη Χόλυ σε τούτα τα προβλήματα
05:04
see if she messes these things up.
123
304260
2000
και να δούμε εάν θα τα θαλασσώσει.
05:06
First problem is just, well, where should we start?
124
306260
3000
Το πρώτο πρόβλημα ήταν από πού ν' αρχίσουμε.
05:09
Because, you know, it's great for us, but bad for humans.
125
309260
2000
Γιατί ξέρετε, είναι σπουδαία τα προβλήματα για εμάς, αλλά άσχημα για την ανθρωπότητα.
05:11
We make a lot of mistakes in a lot of different contexts.
126
311260
2000
Κάνουμε πολλά λάθη σε πολλές διαφορετικές περιστάσεις.
05:13
You know, where are we actually going to start with this?
127
313260
2000
Από πού λοιπόν να ξεκινήσουμε;
05:15
And because we started this work around the time of the financial collapse,
128
315260
3000
Επειδή ξεκινήσαμε αυτήν την εργασία περίπου τον καιρό της οικονομικής κατάρρευσης,
05:18
around the time when foreclosures were hitting the news,
129
318260
2000
περίπου την εποχή που οι κατασχέσεις υποθηκών έκαναν θραύση στις ειδήσεις,
05:20
we said, hhmm, maybe we should
130
320260
2000
είπαμε ότι ίσως θα μπορούσαμε
05:22
actually start in the financial domain.
131
322260
2000
να ξεκινήσουμε από τον χώρο των οικονομικών.
05:24
Maybe we should look at monkey's economic decisions
132
324260
3000
Ίσως να μπορούσαμε να παρατηρήσουμε τις οικονομικές αποφάσεις των μαϊμούδων
05:27
and try to see if they do the same kinds of dumb things that we do.
133
327260
3000
και να δούμε εάν κι εκείνες κάνουν τις ίδιες κουταμάρες που κάνουμε κι εμείς.
05:30
Of course, that's when we hit a sort second problem --
134
330260
2000
Φυσικά, εδώ πέφτουμε επάνω σ' ένα δεύτερο πρόβλημα --
05:32
a little bit more methodological --
135
332260
2000
λίγο πιο μεθοδολογικό --
05:34
which is that, maybe you guys don't know,
136
334260
2000
που είναι το γεγονός ότι, εσείς μπορεί να μην το γνωρίζετε,
05:36
but monkeys don't actually use money. I know, you haven't met them.
137
336260
3000
αλλά οι μαϊμούδες δεν χρησιμοποιούν χρήματα. Ξέρω ότι δεν τις έχετε συναντήσει.
05:39
But this is why, you know, they're not in the queue behind you
138
339260
2000
Αυτός είναι όμως ο λόγος που δεν στέκονται πίσω σας στην ουρά
05:41
at the grocery store or the ATM -- you know, they don't do this stuff.
139
341260
3000
στο μπακάλικο ή στο ΑΤΜ -- ξέρετε, δεν κάνουν τέτοια πράγματα.
05:44
So now we faced, you know, a little bit of a problem here.
140
344260
3000
Εδώ λοιπόν αντιμετωπίσαμε κάποιο μικρό πρόβλημα.
05:47
How are we actually going to ask monkeys about money
141
347260
2000
Πώς να ρωτήσουμε τις μαϊμούδες για τα χρήματα
05:49
if they don't actually use it?
142
349260
2000
εάν δεν τα χρησιμοποιούν;
05:51
So we said, well, maybe we should just, actually just suck it up
143
351260
2000
Έτσι, είπαμε να το αντιπαρέλθουμε
05:53
and teach monkeys how to use money.
144
353260
2000
διδάσκοντας στις μαϊμούδες πώς να χρησιμοποιούν το χρήμα.
05:55
So that's just what we did.
145
355260
2000
Αυτό και κάναμε.
05:57
What you're looking at over here is actually the first unit that I know of
146
357260
3000
Αυτό που βλέπετε εδώ, είναι η πρώτη γνωστή σ' εμένα μονάδα
06:00
of non-human currency.
147
360260
2000
μη ανθρώπινου χρήματος.
06:02
We weren't very creative at the time we started these studies,
148
362260
2000
Δεν ήμασταν και πολύ δημιουργικοί κατά την εποχή που ξεκινήσαμε αυτές τις μελέτες,
06:04
so we just called it a token.
149
364260
2000
οπότε το ονομάσαμε μάρκα.
06:06
But this is the unit of currency that we've taught our monkeys at Yale
150
366260
3000
Αυτή είναι η χρηματική μονάδα, την οποία διδάξαμε στις μαϊμούδες μας στο Γέηλ
06:09
to actually use with humans,
151
369260
2000
να χρησιμοποιούν στις συναλλαγές τους με τους ανθρώπους,
06:11
to actually buy different pieces of food.
152
371260
3000
για ν' αγοράσουν διάφορα τρόφιμα.
06:14
It doesn't look like much -- in fact, it isn't like much.
153
374260
2000
Δεν φαίνεται να είναι τίποτε σπουδαίο -- στην πραγματικότητα δεν είναι και τίποτε σπουδαίο.
06:16
Like most of our money, it's just a piece of metal.
154
376260
2000
Όπως τα περισσότερα από τα χρήματά μας, είναι απλά ένα κομμάτι μέταλλο.
06:18
As those of you who've taken currencies home from your trip know,
155
378260
3000
Όπως κάποιοι από εσάς που παίρνουν μαζί τους διάφορα νομίσματα μετά από ταξίδια,
06:21
once you get home, it's actually pretty useless.
156
381260
2000
και μόλις φτάσουν σπίτι τους, αυτά είναι εντελώς άχρηστα.
06:23
It was useless to the monkeys at first
157
383260
2000
Ήταν άχρηστα για τις μαϊμούδες στην αρχή
06:25
before they realized what they could do with it.
158
385260
2000
πριν αντιληφθούν τι μπορούσαν να κάνουν μ' αυτά.
06:27
When we first gave it to them in their enclosures,
159
387260
2000
Όταν τους τα πρωτοδώσαμε, μέσα στα κλουβιά τους,
06:29
they actually kind of picked them up, looked at them.
160
389260
2000
τα σήκωναν από κάτω και τα κοιτούσαν.
06:31
They were these kind of weird things.
161
391260
2000
Ήταν γι' αυτές ένα περίεργο αντικείμενο.
06:33
But very quickly, the monkeys realized
162
393260
2000
Πολύ γρήγορα όμως, οι μαϊμούδες αντιλήφθηκαν
06:35
that they could actually hand these tokens over
163
395260
2000
πως μπορούν να δώσουν αυτές τις μάρκες
06:37
to different humans in the lab for some food.
164
397260
3000
σε διάφορους ανθρώπους του εργαστηρίου, έναντι φαγητού.
06:40
And so you see one of our monkeys, Mayday, up here doing this.
165
400260
2000
Εδώ βλέπετε μια απ' τις μαϊμούδες μας, τη Μέιντεη, να κάνει ακριβώς αυτό.
06:42
This is A and B are kind of the points where she's sort of a little bit
166
402260
3000
Στις εικόνες Α και Β βλέπουμε τα σημεία όπου είναι κάπως
06:45
curious about these things -- doesn't know.
167
405260
2000
περίεργη για τα πράγματα αυτά -- δεν γνωρίζει.
06:47
There's this waiting hand from a human experimenter,
168
407260
2000
Υπάρχει αυτό το χέρι του ανθρώπου πειραματιστή που περιμένει,
06:49
and Mayday quickly figures out, apparently the human wants this.
169
409260
3000
και η Μέιντεη γρήγορα αντιλαμβάνεται ότι ο άνθρωπος προφανώς το θέλει.
06:52
Hands it over, and then gets some food.
170
412260
2000
Το δίνει και έπειτα παίρνει λίγο φαγητό.
06:54
It turns out not just Mayday, all of our monkeys get good
171
414260
2000
Αποδείχθηκε πως όχι μόνο η Μέιντεη, αλλά όλες οι μαϊμούδες μας γίνονται καλές
06:56
at trading tokens with human salesman.
172
416260
2000
στο να ανταλλάσσουν μάρκες με ανθρώπους πωλητές.
06:58
So here's just a quick video of what this looks like.
173
418260
2000
Ορίστε λοιπόν ένα σύντομο βίντεο για το πώς γίνεται όλο αυτό.
07:00
Here's Mayday. She's going to be trading a token for some food
174
420260
3000
Εδώ είναι η Μέιντεη. Θα ανταλλάξει μια μάρκα για λίγο φαγητό.
07:03
and waiting happily and getting her food.
175
423260
3000
Περιμένει ευχαριστημένη και παίρνει το φαγητό της.
07:06
Here's Felix, I think. He's our alpha male; he's a kind of big guy.
176
426260
2000
Εδώ είναι ο Φέλιξ, νομίζω. Είναι το κυρίαρχο αρσενικό· αρκετά μεγαλόσωμος.
07:08
But he too waits patiently, gets his food and goes on.
177
428260
3000
Και αυτός περιμένει υπομονετικά, παίρνει το φαγητό του και συνεχίζει.
07:11
So the monkeys get really good at this.
178
431260
2000
Οι μαϊμούδες γίνονται πολύ καλές σ' αυτό.
07:13
They're surprisingly good at this with very little training.
179
433260
3000
Είναι εκπληκτικά καλές με ελάχιστη εκπαίδευση.
07:16
We just allowed them to pick this up on their own.
180
436260
2000
Τις αφήσαμε να το συνηθίσουν από μόνες τους.
07:18
The question is: is this anything like human money?
181
438260
2000
Το ερώτημα είναι: έχει καμία σχέση όλο αυτό με τα ανθρώπινα χρήματα;
07:20
Is this a market at all,
182
440260
2000
Αποτελεί αυτό αγορά,
07:22
or did we just do a weird psychologist's trick
183
442260
2000
ή μήπως κάναμε ένα παράξενο ψυχολογικό τρικ
07:24
by getting monkeys to do something,
184
444260
2000
καταφέρνοντας τις μαϊμούδες να κάνουν κάτι,
07:26
looking smart, but not really being smart.
185
446260
2000
να δείχνουν έξυπνες, χωρίς όμως να είναι;
07:28
And so we said, well, what would the monkeys spontaneously do
186
448260
3000
Ύστερα είπαμε, λοιπόν, τι θα έκαναν αυθόρμητα οι μαϊμούδες
07:31
if this was really their currency, if they were really using it like money?
187
451260
3000
εάν αυτό ήταν πράγματι το νόμισμά τους, εάν πράγματι το χρησιμοποιούσαν ως χρήμα;
07:34
Well, you might actually imagine them
188
454260
2000
Μπορείτε να τις φανταστείτε
07:36
to do all the kinds of smart things
189
456260
2000
να κάνουν όλων των ειδών τα έξυπνα πράγματα
07:38
that humans do when they start exchanging money with each other.
190
458260
3000
που κάνουν οι άνθρωποι όταν αρχίζουν να συναλλάσσονται μεταξύ τους.
07:41
You might have them start paying attention to price,
191
461260
3000
Τις φαντάζεστε να προσέχουν την τιμή,
07:44
paying attention to how much they buy --
192
464260
2000
να προσέχουν πόσα αγοράζουν --
07:46
sort of keeping track of their monkey token, as it were.
193
466260
3000
να κρατούν λογαριασμό των μαϊμουδίσιων μαρκών τους.
07:49
Do the monkeys do anything like this?
194
469260
2000
Κάνουν τίποτ' απ' αυτά οι μαϊμούδες;
07:51
And so our monkey marketplace was born.
195
471260
3000
Έτσι γεννήθηκε η μαϊμουδίσια αγορά μας.
07:54
The way this works is that
196
474260
2000
Αυτή λειτουργεί επειδή
07:56
our monkeys normally live in a kind of big zoo social enclosure.
197
476260
3000
οι μαϊμούδες μας φυσιολογικά ζουν πολλές μαζί σε μεγάλα κλουβιά.
07:59
When they get a hankering for some treats,
198
479260
2000
Όταν λαχταρούν μια λιχουδιά,
08:01
we actually allowed them a way out
199
481260
2000
τους δίνουμε μια διέξοδο
08:03
into a little smaller enclosure where they could enter the market.
200
483260
2000
σε ένα μικρότερο κλουβί, απ' όπου εισέρχονται στην αγορά.
08:05
Upon entering the market --
201
485260
2000
Μπαίνοντας στην αγορά --
08:07
it was actually a much more fun market for the monkeys than most human markets
202
487260
2000
στην πραγματικότητα ήταν μια πολύ πιο διασκεδαστική αγορά από τις περισσότερες ανθρώπινες
08:09
because, as the monkeys entered the door of the market,
203
489260
3000
επειδή, καθώς οι μαϊμούδες περνούσαν την πόρτα,
08:12
a human would give them a big wallet full of tokens
204
492260
2000
κάποιος άνθρωπος τους έδινε ένα μεγάλο πορτοφόλι γεμάτο μάρκες
08:14
so they could actually trade the tokens
205
494260
2000
ώστε να μπορούν να τις ανταλλάξουν
08:16
with one of these two guys here --
206
496260
2000
με έναν από αυτούς τους δύο εδώ --
08:18
two different possible human salesmen
207
498260
2000
δύο διαφορετικούς ανθρώπους πωλητές
08:20
that they could actually buy stuff from.
208
500260
2000
από τους οποίους μπορούσαν να αγοράσουν πράγματα.
08:22
The salesmen were students from my lab.
209
502260
2000
Οι πωλητές ήταν φοιτητές του εργαστηρίου μου.
08:24
They dressed differently; they were different people.
210
504260
2000
Ντύνονταν διαφορετικά· ήταν διαφορετικοί άνθρωποι.
08:26
And over time, they did basically the same thing
211
506260
3000
Με τον καιρό, έκαναν βασικά το ίδιο πράγμα
08:29
so the monkeys could learn, you know,
212
509260
2000
έτσι ώστε οι μαϊμούδες να μπορούν να μάθουν,
08:31
who sold what at what price -- you know, who was reliable, who wasn't, and so on.
213
511260
3000
ποιος πωλούσε τι και σε ποια τιμή -- ποιος ήταν αξιόπιστος, ποιος δεν ήταν κ.ο.κ.
08:34
And you can see that each of the experimenters
214
514260
2000
Μπορείτε να δείτε ότι καθένας από τους πειραματιστές,
08:36
is actually holding up a little, yellow food dish.
215
516260
3000
βαστάει ένα μικρό κίτρινο δοχείο φαγητού
08:39
and that's what the monkey can for a single token.
216
519260
2000
κι αυτό μπορούν να αγοράσουν οι μαϊμούδες για μια μάρκα.
08:41
So everything costs one token,
217
521260
2000
Έτσι όλα στοιχίζουν μια μάρκα,
08:43
but as you can see, sometimes tokens buy more than others,
218
523260
2000
αλλά όπως βλέπετε, μερικές φορές οι μάρκες αγοράζουν περισσότερα από άλλες,
08:45
sometimes more grapes than others.
219
525260
2000
περισσότερα σταφύλια από άλλες φορές.
08:47
So I'll show you a quick video of what this marketplace actually looks like.
220
527260
3000
Θα σας δείξω σ' ένα σύντομο βίντεο πώς μοιάζει αυτή η αγορά.
08:50
Here's a monkey-eye-view. Monkeys are shorter, so it's a little short.
221
530260
3000
Εδώ βλέπετε θυρίδες για τις μαϊμούδες. Είναι χαμηλές, επειδή οι μαϊμούδες είναι κοντές.
08:53
But here's Honey.
222
533260
2000
Εδώ είναι η Χάνεη.
08:55
She's waiting for the market to open a little impatiently.
223
535260
2000
Περιμένει κάπως ανυπόμονα ν' ανοίξει η αγορά.
08:57
All of a sudden the market opens. Here's her choice: one grapes or two grapes.
224
537260
3000
Ξαφνικά η αγορά ανοίγει. Εδώ είναι η επιλογές της: μία ρόγα ή δύο ρόγες.
09:00
You can see Honey, very good market economist,
225
540260
2000
Μπορείτε να δείτε τη Χάνεη, πολύ καλή οικονομολόγος,
09:02
goes with the guy who gives more.
226
542260
3000
επιλέγει τον πωλητή που δίνει περισσότερα.
09:05
She could teach our financial advisers a few things or two.
227
545260
2000
Θα μπορούσε να διδάξει τους οικονομικούς συμβούλους μας, κάνα δυο πράγματα.
09:07
So not just Honey,
228
547260
2000
Όχι μόνο η Χάνεη,
09:09
most of the monkeys went with guys who had more.
229
549260
3000
οι περισσότερες μαϊμούδες μας επέλεγαν αυτούς που είχαν περισσότερα.
09:12
Most of the monkeys went with guys who had better food.
230
552260
2000
Οι περισσότερες επέλεγαν αυτούς που είχαν την καλύτερη τροφή.
09:14
When we introduced sales, we saw the monkeys paid attention to that.
231
554260
3000
Όταν εισάγαμε τις εκπτώσεις, είδαμε τις μαϊμούδες να δίνουν προσοχή σ' αυτό.
09:17
They really cared about their monkey token dollar.
232
557260
3000
Τις ενδιέφεραν πολύ οι μαϊμουδίσιες μάρκες τους.
09:20
The more surprising thing was that when we collaborated with economists
233
560260
3000
Το πιο εντυπωσιακό ήταν πως όταν συνεργαστήκαμε με οικονομολόγους
09:23
to actually look at the monkeys' data using economic tools,
234
563260
3000
ώστε να μελετήσουμε τα δεδομένα των μαϊμούδων που χρησιμοποιούσαν οικονομικά εργαλεία,
09:26
they basically matched, not just qualitatively,
235
566260
3000
στην ουσία ταυτίζονταν, όχι μόνο ποιοτικά,
09:29
but quantitatively with what we saw
236
569260
2000
αλλά και ποσοτικά με αυτά που είδαμε
09:31
humans doing in a real market.
237
571260
2000
τους ανθρώπους να κάνουν σε πραγματικές αγορές.
09:33
So much so that, if you saw the monkeys' numbers,
238
573260
2000
Ταυτίζονταν τόσο πολύ ώστε όταν έβλεπες τα νούμερα των μαϊμούδων,
09:35
you couldn't tell whether they came from a monkey or a human in the same market.
239
575260
3000
δεν μπορούσες να ξεχωρίσεις εάν προέρχονταν από μαϊμού ή άνθρωπο στην ίδια αγορά.
09:38
And what we'd really thought we'd done
240
578260
2000
Αυτό που πιστέψαμε πως κάναμε
09:40
is like we'd actually introduced something
241
580260
2000
ήταν πως παρουσιάσαμε κάτι
09:42
that, at least for the monkeys and us,
242
582260
2000
που, τουλάχιστον για μας και τις μαϊμούδες,
09:44
works like a real financial currency.
243
584260
2000
λειτουργεί σαν αληθινό χρήμα.
09:46
Question is: do the monkeys start messing up in the same ways we do?
244
586260
3000
Το ερώτημα είναι αν οι μαϊμούδες θα τα θαλασσώνουν με τον ίδιο τρόπο όπως εμείς.
09:49
Well, we already saw anecdotally a couple of signs that they might.
245
589260
3000
Είδαμε ήδη ανεπίσημα, μερικά σημάδια πως μπορεί και να τα θαλασσώνουν.
09:52
One thing we never saw in the monkey marketplace
246
592260
2000
Ένα πράγμα που δεν είδαμε ποτέ στην αγορά των μαϊμούδων
09:54
was any evidence of saving --
247
594260
2000
ήταν οποιοδήποτε σημάδι αποταμίευσης --
09:56
you know, just like our own species.
248
596260
2000
όπως κάνει το δικό μας είδος.
09:58
The monkeys entered the market, spent their entire budget
249
598260
2000
Οι μαϊμούδες έμπαιναν στην αγορά, ξόδευαν όλο τους το κονδύλι
10:00
and then went back to everyone else.
250
600260
2000
και έπειτα επέστρεφαν στις υπόλοιπες.
10:02
The other thing we also spontaneously saw,
251
602260
2000
Το άλλο πράγμα που παρατηρήσαμε,
10:04
embarrassingly enough,
252
604260
2000
με κάποια αμηχανία,
10:06
is spontaneous evidence of larceny.
253
606260
2000
ήταν η αυθόρμητη εμφάνιση κλοπής.
10:08
The monkeys would rip-off the tokens at every available opportunity --
254
608260
3000
Οι μαϊμούδες έκλεβαν μάρκες σε κάθε δυνατή ευκαιρία --
10:11
from each other, often from us --
255
611260
2000
η μια από την άλλη, συχνά και από εμάς --
10:13
you know, things we didn't necessarily think we were introducing,
256
613260
2000
πράγματα που δεν πιστεύαμε πως εμείς τα εισάγαμε,
10:15
but things we spontaneously saw.
257
615260
2000
αλλά που αυθόρμητα συνέβαιναν.
10:17
So we said, this looks bad.
258
617260
2000
Σκεφτήκαμε πως αυτό φαίνεται άσχημο.
10:19
Can we actually see if the monkeys
259
619260
2000
Μπορούμε τελικά να δούμε εάν οι μαϊμούδες
10:21
are doing exactly the same dumb things as humans do?
260
621260
3000
κάνουν ακριβώς τα ίδια ανόητα πράγματα, όπως οι άνθρωποι;
10:24
One possibility is just kind of let
261
624260
2000
Μια πιθανότητα ήταν ν' αφήσουμε
10:26
the monkey financial system play out,
262
626260
2000
το οικονομικό σύστημα των μαϊμούδων να εξελιχθεί,
10:28
you know, see if they start calling us for bailouts in a few years.
263
628260
2000
ώστε να δούμε εάν σε λίγα χρόνια θα μας ζητούσαν άρση των χρεών τους.
10:30
We were a little impatient so we wanted
264
630260
2000
Ήμασταν λίγο ανυπόμονοι έτσι θέλαμε
10:32
to sort of speed things up a bit.
265
632260
2000
να επιταχύνουμε λίγο τα πράγματα.
10:34
So we said, let's actually give the monkeys
266
634260
2000
Έτσι είπαμε να δημιουργήσουμε στις μαϊμούδες
10:36
the same kinds of problems
267
636260
2000
τα ίδια προβλήματα
10:38
that humans tend to get wrong
268
638260
2000
στα οποία οι άνθρωποι τείνουν να κάνουν λάθη
10:40
in certain kinds of economic challenges,
269
640260
2000
σε συγκεκριμένες οικονομικές προκλήσεις,
10:42
or certain kinds of economic experiments.
270
642260
2000
ή συγκεκριμένους οικονομικούς πειραματισμούς.
10:44
And so, since the best way to see how people go wrong
271
644260
3000
Επειδή λοιπόν, ο καλύτερος τρόπος για να δεις πώς οι άνθρωποι σφάλλουν
10:47
is to actually do it yourself,
272
647260
2000
είναι να το κάνεις από μόνος σου,
10:49
I'm going to give you guys a quick experiment
273
649260
2000
θα σας περιγράψω στα γρήγορα ένα πείραμα
10:51
to sort of watch your own financial intuitions in action.
274
651260
2000
ώστε να δείτε τη δική σας οικονομική διαίσθηση εν δράσει.
10:53
So imagine that right now
275
653260
2000
Φανταστείτε ότι αυτή τη στιγμή
10:55
I handed each and every one of you
276
655260
2000
δίνω στον καθένα σας
10:57
a thousand U.S. dollars -- so 10 crisp hundred dollar bills.
277
657260
3000
χίλια δολάρια ΗΠΑ -- 10 κολλαριστά εκατοδόλαρα.
11:00
Take these, put it in your wallet
278
660260
2000
Πάρτε τα, βάλτε τα στο πορτοφόλι σας
11:02
and spend a second thinking about what you're going to do with it.
279
662260
2000
και σκεφτείτε για μια στιγμή τι θα τα κάνετε.
11:04
Because it's yours now; you can buy whatever you want.
280
664260
2000
Είναι δικά σας τώρα· μπορείτε ν' αγοράσετε ό,τι θέλετε.
11:06
Donate it, take it, and so on.
281
666260
2000
Να τα δωρίσετε, να τα πάρετε, και λοιπά.
11:08
Sounds great, but you get one more choice to earn a little bit more money.
282
668260
3000
Ακούγεται θαυμάσιο, αλλά σας δίδεται άλλη μια ευκαιρία να κερδίσετε λίγα περισσότερα χρήματα.
11:11
And here's your choice: you can either be risky,
283
671260
3000
Αυτές είναι οι επιλογές σας: μπορείτε να ρισκάρετε,
11:14
in which case I'm going to flip one of these monkey tokens.
284
674260
2000
οπότε θα στρίψω μια από τις μάρκες των μαϊμούδων.
11:16
If it comes up heads, you're going to get a thousand dollars more.
285
676260
2000
Εάν έρθει κορώνα, θα κερδίσετε χίλια δολάρια επιπλέον.
11:18
If it comes up tails, you get nothing.
286
678260
2000
Εάν έρθει γράμματα, δεν παίρνετε τίποτε.
11:20
So it's a chance to get more, but it's pretty risky.
287
680260
3000
Έχετε λοιπόν μια ευκαιρία να κερδίσετε περισσότερα, όμως αρκετά ριψοκίνδυνη.
11:23
Your other option is a bit safe. Your just going to get some money for sure.
288
683260
3000
Η άλλη σας επιλογή είναι αρκετά ασφαλής. Θα πάρετε κάποια χρήματα στα σίγουρα.
11:26
I'm just going to give you 500 bucks.
289
686260
2000
Θα σας δώσω μόνο 500 δολάρια.
11:28
You can stick it in your wallet and use it immediately.
290
688260
3000
Μπορείτε να τα βάλετε στο πορτοφόλι σας και να τα χρησιμοποιήσετε άμεσα.
11:31
So see what your intuition is here.
291
691260
2000
Ας δούμε ποια είναι η ενόρασή σας εδώ.
11:33
Most people actually go with the play-it-safe option.
292
693260
3000
Οι περισσότεροι άνθρωποι προτιμούν τη σίγουρη επιλογή.
11:36
Most people say, why should I be risky when I can get 1,500 dollars for sure?
293
696260
3000
Οι περισσότεροι λένε, γιατί να ρισκάρω, όταν μπορώ να κερδίσω 1500 δολάρια στα σίγουρα;
11:39
This seems like a good bet. I'm going to go with that.
294
699260
2000
Μοιάζει με καλό στοίχημα. Θα προτιμήσω αυτό.
11:41
You might say, eh, that's not really irrational.
295
701260
2000
Θα μπορούσαμε να πούμε ότι αυτό δεν είναι στ' αλήθεια παράλογο.
11:43
People are a little risk-averse. So what?
296
703260
2000
Οι άνθρωποι απεχθάνονται τα ρίσκα. Και λοιπόν;
11:45
Well, the "so what?" comes when start thinking
297
705260
2000
Αυτό το "και λοιπόν;" έρχεται όταν αρχίζουμε να σκεφτόμαστε
11:47
about the same problem
298
707260
2000
για το ίδιο πρόβλημα
11:49
set up just a little bit differently.
299
709260
2000
στημένο λίγο διαφορετικά.
11:51
So now imagine that I give each and every one of you
300
711260
2000
Τώρα λοιπόν φανταστείτε ότι δίνω στον καθένα από εσάς
11:53
2,000 dollars -- 20 crisp hundred dollar bills.
301
713260
3000
2000 δολάρια -- 20 κολλαριστά εκατοδόλαρα.
11:56
Now you can buy double to stuff you were going to get before.
302
716260
2000
Τώρα μπορείτε ν' αγοράσετε τα διπλάσια πράγματα σε σχέση με πριν.
11:58
Think about how you'd feel sticking it in your wallet.
303
718260
2000
Σκεφτείτε πώς θα νιώθατε, έχοντάς τα στο πορτοφόλι σας.
12:00
And now imagine that I have you make another choice
304
720260
2000
Τώρα φανταστείτε ότι θα σας βάλω να κάνετε μια διαφορετική επιλογή,
12:02
But this time, it's a little bit worse.
305
722260
2000
όμως αυτή τη φορά είναι ελαφρώς χειρότερη.
12:04
Now, you're going to be deciding how you're going to lose money,
306
724260
3000
Τώρα θα πρέπει ν' αποφασίσετε με ποιον τρόπο θα χάσετε χρήματα,
12:07
but you're going to get the same choice.
307
727260
2000
όμως θα έχετε τις ίδιες επιλογές.
12:09
You can either take a risky loss --
308
729260
2000
Μπορείτε είτε να διαλέξετε μια ριψοκίνδυνη χασούρα --
12:11
so I'll flip a coin. If it comes up heads, you're going to actually lose a lot.
309
731260
3000
θα στρίψω ένα νόμισμα. Εάν έρθει κορώνα, θα χάσετε πολλά.
12:14
If it comes up tails, you lose nothing, you're fine, get to keep the whole thing --
310
734260
3000
Εάν έρθει γράμματα, δεν θα χάσετε τίποτε, είστε εντάξει, θα κρατήσετε όλο το ποσόν --
12:17
or you could play it safe, which means you have to reach back into your wallet
311
737260
3000
ή θα μπορούσατε να το παίξετε με ασφάλεια, που σημαίνει ότι πρέπει να βγάλετε το πορτοφόλι σας
12:20
and give me five of those $100 bills, for certain.
312
740260
3000
και να μου δώσετε πέντε από εκείνα τα εκατοδόλαρα, οπωσδήποτε.
12:23
And I'm seeing a lot of furrowed brows out there.
313
743260
3000
Βλέπω πολλά ανασηκωμένα φρύδια στο ακροατήριο.
12:26
So maybe you're having the same intuitions
314
746260
2000
Ίσως λοιπόν να έχετε την ίδια ενόραση
12:28
as the subjects that were actually tested in this,
315
748260
2000
με τα υποκείμενα του πειράματός μας,
12:30
which is when presented with these options,
316
750260
2000
δηλαδή όταν τους παρουσιάσουμε αυτές τις επιλογές,
12:32
people don't choose to play it safe.
317
752260
2000
οι άνθρωποι δεν επιλέγουν να το παίξουν με ασφάλεια.
12:34
They actually tend to go a little risky.
318
754260
2000
Στην πραγματικότητα τείνουν να γίνουν ελαφρώς ριψοκίνδυνοι.
12:36
The reason this is irrational is that we've given people in both situations
319
756260
3000
Ο λόγος που αυτό είναι παράλογο, είναι ότι και στις δύο περιπτώσεις δώσαμε στους ανθρώπους
12:39
the same choice.
320
759260
2000
τις ίδιες επιλογές.
12:41
It's a 50/50 shot of a thousand or 2,000,
321
761260
3000
Αυτές είναι είτε να ρισκάρουν 50/50 για χίλια ή για δύο χιλιάδες
12:44
or just 1,500 dollars with certainty.
322
764260
2000
είτε να πάρουν 1500 δολάρια στα σίγουρα.
12:46
But people's intuitions about how much risk to take
323
766260
3000
Όμως η ενόραση των ανθρώπων σχετικά με το πόσο θα ρισκάρουν
12:49
varies depending on where they started with.
324
769260
2000
ποικίλει ανάλογα με το σημείο απ' το οποίο ξεκίνησαν.
12:51
So what's going on?
325
771260
2000
Τι συμβαίνει λοιπόν;
12:53
Well, it turns out that this seems to be the result
326
773260
2000
Φαίνεται ότι αυτό είναι το αποτέλεσμα
12:55
of at least two biases that we have at the psychological level.
327
775260
3000
τουλάχιστον δύο διαφορετικών προκαταλήψεων, τις οποίες έχουμε στο ψυχολογικό επίπεδο.
12:58
One is that we have a really hard time thinking in absolute terms.
328
778260
3000
Η μία είναι ότι δυσκολευόμαστε πολύ να σκεφτούμε με απόλυτους όρους.
13:01
You really have to do work to figure out,
329
781260
2000
Θα πρέπει να κάνετε αρκετή δουλειά για να καταλάβετε,
13:03
well, one option's a thousand, 2,000;
330
783260
2000
ότι η μία επιλογή είναι χίλια ή δύο χιλιάδες,
13:05
one is 1,500.
331
785260
2000
ενώ η άλλη είναι 1500.
13:07
Instead, we find it very easy to think in very relative terms
332
787260
3000
Αντίθετα, μας φαίνεται πολύ εύκολο να σκεφτούμε με σχετικούς όρους
13:10
as options change from one time to another.
333
790260
3000
καθώς οι επιλογές αλλάζουν από καιρό σε καιρό.
13:13
So we think of things as, "Oh, I'm going to get more," or "Oh, I'm going to get less."
334
793260
3000
Σκεφτόμαστε είτε "Ω, θα κερδίσω περισσότερα" είτε "Ω, θα κερδίσω λιγότερα".
13:16
This is all well and good, except that
335
796260
2000
Αυτό είναι ωραίο και καλό, εκτός απ' το ότι
13:18
changes in different directions
336
798260
2000
οι αλλαγές προς διάφορες κατευθύνσεις
13:20
actually effect whether or not we think
337
800260
2000
επηρεάζουν στ' αλήθεια τη σκέψη μας ως προς το κατά πόσον
13:22
options are good or not.
338
802260
2000
οι επιλογές είναι καλές ή κακές.
13:24
And this leads to the second bias,
339
804260
2000
Αυτό οδηγεί στη δεύτερη προκατάληψη,
13:26
which economists have called loss aversion.
340
806260
2000
την οποία οι οικονομολόγοι ονομάζουν αποστροφή προς την απώλεια.
13:28
The idea is that we really hate it when things go into the red.
341
808260
3000
Η ιδέα είναι ότι μισούμε να φτάνουν τα πράγματα στο κόκκινο.
13:31
We really hate it when we have to lose out on some money.
342
811260
2000
Μισούμε στ' αλήθεια να πρέπει να χάσουμε χρήματα.
13:33
And this means that sometimes we'll actually
343
813260
2000
Τούτο σημαίνει πως μερικές φορές
13:35
switch our preferences to avoid this.
344
815260
2000
αλλάζουμε τις προτιμήσεις μας για ν' αποφύγουμε κάτι τέτοιο.
13:37
What you saw in that last scenario is that
345
817260
2000
Αυτό που είδατε στο τελευταίο σενάριο είναι ότι
13:39
subjects get risky
346
819260
2000
τα υποκείμενα του πειράματος ρισκάρουν
13:41
because they want the small shot that there won't be any loss.
347
821260
3000
επειδή προτιμούν τη μικρή πιθανότητα να μην έχουν καθόλου χασούρα.
13:44
That means when we're in a risk mindset --
348
824260
2000
Αυτό σημαίνει ότι όταν μπαίνετε σ' έναν ριψοκίνδυνο τρόπο σκέψης --
13:46
excuse me, when we're in a loss mindset,
349
826260
2000
συγχωρήστε με, όταν μπαίνουμε σ' έναν τρόπο σκέψης περί απώλειας,
13:48
we actually become more risky,
350
828260
2000
γινόμαστε στην πραγματικότητα περισσότερο ριψοκίνδυνοι,
13:50
which can actually be really worrying.
351
830260
2000
πράγμα που θα μπορούσε να είναι στ' αλήθεια ανησυχητικό.
13:52
These kinds of things play out in lots of bad ways in humans.
352
832260
3000
Αυτός ο τρόπος σκέψης καταλήγει σε πολλές κακές εκβάσεις στους ανθρώπους.
13:55
They're why stock investors hold onto losing stocks longer --
353
835260
3000
Εκεί οφείλεται το ότι οι επενδυτές του χρηματιστηρίου, κρατούν για περισσότερο χρόνο μετοχές με απώλειες --
13:58
because they're evaluating them in relative terms.
354
838260
2000
επειδή τις αξιολογούν με σχετικούς όρους.
14:00
They're why people in the housing market refused to sell their house --
355
840260
2000
Εκεί οφείλεται ότι οι άνθρωποι στην αγορά ακινήτων, αρνούντο να πουλήσουν τα σπίτια τους --
14:02
because they don't want to sell at a loss.
356
842260
2000
επειδή δεν ήθελαν να πουλήσουν με χασούρα.
14:04
The question we were interested in
357
844260
2000
Η ερώτηση που μας ενδιαφέρει
14:06
is whether the monkeys show the same biases.
358
846260
2000
είναι εάν οι μαϊμούδες έχουν τις ίδιες προκαταλήψεις.
14:08
If we set up those same scenarios in our little monkey market,
359
848260
3000
Εάν στήναμε τα ίδια σενάρια στη μικρή μας αγορά των μαϊμούδων,
14:11
would they do the same thing as people?
360
851260
2000
θα έκαναν τα ίδια, όπως οι άνθρωποι;
14:13
And so this is what we did, we gave the monkeys choices
361
853260
2000
Αυτό ακριβώς κάναμε, δίνοντας στις μαϊμούδες επιλογές
14:15
between guys who were safe -- they did the same thing every time --
362
855260
3000
μεταξύ ανθρώπων που ήταν αξιόπιστοι -- έκαναν το ίδιο πράγμα κάθε φορά --
14:18
or guys who were risky --
363
858260
2000
και ανθρώπων που ήταν επισφαλείς --
14:20
they did things differently half the time.
364
860260
2000
τις μισές φορές έκαναν τα πράγματα διαφορετικά.
14:22
And then we gave them options that were bonuses --
365
862260
2000
Μετά τους δώσαμε επιλογές, οι οποίες ήταν δώρα --
14:24
like you guys did in the first scenario --
366
864260
2000
όπως σ' εσάς, στο πρώτο σενάριο --
14:26
so they actually have a chance more,
367
866260
2000
έτσι είχαν μια ευκαιρία να κερδίσουν περισσότερα,
14:28
or pieces where they were experiencing losses --
368
868260
3000
ή περιπτώσεις όπου είχαν χασούρα --
14:31
they actually thought they were going to get more than they really got.
369
871260
2000
στην πραγματικότητα πίστευαν ότι θα έπαιρναν περισσότερα απ' όσα τελικά πήραν.
14:33
And so this is what this looks like.
370
873260
2000
Εδώ βλέπουμε πώς φαίνεται αυτό.
14:35
We introduced the monkeys to two new monkey salesmen.
371
875260
2000
Συστήσαμε στις μαϊμούδες δύο νέους πωλητές.
14:37
The guy on the left and right both start with one piece of grape,
372
877260
2000
Ο αριστερός, όπως και ο δεξιός, ξεκινούν με μια ρόγα σταφύλι,
14:39
so it looks pretty good.
373
879260
2000
πράγμα που μοιάζει αρκετά καλό.
14:41
But they're going to give the monkeys bonuses.
374
881260
2000
Όμως πρόκειται να δώσουν δώρα στις μαϊμούδες.
14:43
The guy on the left is a safe bonus.
375
883260
2000
Ο αριστερός δίνει ένα ασφαλές δώρο.
14:45
All the time, he adds one, to give the monkeys two.
376
885260
3000
Κάθε φορά προσθέτει ένα, ώστε να δώσει στις μαϊμούδες δύο.
14:48
The guy on the right is actually a risky bonus.
377
888260
2000
Ο δεξιός, δίνει ένα ριψοκίνδυνο δώρο.
14:50
Sometimes the monkeys get no bonus -- so this is a bonus of zero.
378
890260
3000
Κάποιες φορές οι μαϊμούδες δεν παίρνουν τίποτε παραπάνω -- δηλαδή μηδενικό δώρο.
14:53
Sometimes the monkeys get two extra.
379
893260
3000
Κάποιες άλλες φορές οι μαϊμούδες παίρνουν δύο παραπάνω ρόγες.
14:56
For a big bonus, now they get three.
380
896260
2000
Μεγάλο το δώρο, τώρα παίρνουν συνολικά τρεις.
14:58
But this is the same choice you guys just faced.
381
898260
2000
Είναι ακριβώς η ίδια επιλογή που αντιμετωπίσατε κι εσείς.
15:00
Do the monkeys actually want to play it safe
382
900260
3000
Θέλουν άραγε οι μαϊμούδες να παίξουν με ασφάλεια
15:03
and then go with the guy who's going to do the same thing on every trial,
383
903260
2000
κι έτσι να προτιμήσουν τον πωλητή που κάνει κάθε φορά το ίδιο,
15:05
or do they want to be risky
384
905260
2000
ή θέλουν να ρισκάρουν
15:07
and try to get a risky, but big, bonus,
385
907260
2000
και να κυνηγήσουν ένα ριψοκίνδυνο αλλά μεγάλο δώρο,
15:09
but risk the possibility of getting no bonus.
386
909260
2000
με κίνδυνο να μην πάρουν κανένα δώρο;
15:11
People here played it safe.
387
911260
2000
Εδώ οι άνθρωποι έπαιξαν με ασφάλεια.
15:13
Turns out, the monkeys play it safe too.
388
913260
2000
Φαίνεται πως οι μαϊμούδες έπαιξαν επίσης με ασφάλεια.
15:15
Qualitatively and quantitatively,
389
915260
2000
Ποιοτικά και ποσοτικά,
15:17
they choose exactly the same way as people,
390
917260
2000
επιλέγουν ακριβώς όπως οι άνθρωποι,
15:19
when tested in the same thing.
391
919260
2000
όταν δοκιμάζονται στην ίδια κατάσταση.
15:21
You might say, well, maybe the monkeys just don't like risk.
392
921260
2000
Μπορεί να πείτε, εντάξει, μπορεί οι μαϊμούδες να μην αγαπούν το ρίσκο.
15:23
Maybe we should see how they do with losses.
393
923260
2000
Ίσως θα πρέπει να δούμε πώς τα πάνε με τη χασούρα.
15:25
And so we ran a second version of this.
394
925260
2000
Έτσι, τρέχουμε μια δεύτερη παραλλαγή του πειράματος.
15:27
Now, the monkeys meet two guys
395
927260
2000
Τώρα, οι μαϊμούδες συναντούν δύο πωλητές
15:29
who aren't giving them bonuses;
396
929260
2000
που δεν τους δίνουν καθόλου δώρα·
15:31
they're actually giving them less than they expect.
397
931260
2000
στην πραγματικότητα τους δίνουν λιγότερα απ' το αναμενόμενο.
15:33
So they look like they're starting out with a big amount.
398
933260
2000
Φαίνεται πως ξεκινούν με μεγάλη ποσότητα.
15:35
These are three grapes; the monkey's really psyched for this.
399
935260
2000
Εδώ έχουμε τρεις ρόγες σταφύλι· οι μαϊμούδες τρελαίνονται γι' αυτό.
15:37
But now they learn these guys are going to give them less than they expect.
400
937260
3000
Όμως τώρα μαθαίνουν πως αυτοί οι τύποι πρόκειται να τους δώσουν λιγότερα απ' όσα προσδοκούν.
15:40
They guy on the left is a safe loss.
401
940260
2000
Ο αριστερός αντιπροσωπεύει μια ασφαλή χασούρα.
15:42
Every single time, he's going to take one of these away
402
942260
3000
Κάθε φορά, τους αφαιρεί μία ρόγα
15:45
and give the monkeys just two.
403
945260
2000
και δίνει στις μαϊμούδες μόνο δύο.
15:47
the guy on the right is the risky loss.
404
947260
2000
Ο δεξιός αντιπροσωπεύει τη ριψοκίνδυνη απώλεια.
15:49
Sometimes he gives no loss, so the monkeys are really psyched,
405
949260
3000
Κάποιες φορές δεν αφαιρεί τίποτε, έτσι οι μαϊμούδες τρελαίνονται,
15:52
but sometimes he actually gives a big loss,
406
952260
2000
όμως κάποιες άλλες φορές τους προκαλεί μεγάλη χασούρα,
15:54
taking away two to give the monkeys only one.
407
954260
2000
αφαιρώντας δύο ρόγες, για να δώσει στις μαϊμούδες μόνο μία.
15:56
And so what do the monkeys do?
408
956260
2000
Τι κάνουν λοιπόν οι μαϊμούδες;
15:58
Again, same choice; they can play it safe
409
958260
2000
Ξανά η ίδια επιλογή· μπορούν να παίξουν με ασφάλεια
16:00
for always getting two grapes every single time,
410
960260
3000
παίρνοντας κάθε φορά από δύο ρόγες
16:03
or they can take a risky bet and choose between one and three.
411
963260
3000
ή να ρισκάρουν και να επιλέξουν να πάρουν μία ή τρεις.
16:06
The remarkable thing to us is that, when you give monkeys this choice,
412
966260
3000
Το αξιοσημείωτο για εμάς είναι ότι, όταν δίνουμε στις μαϊμούδες αυτές τις επιλογές,
16:09
they do the same irrational thing that people do.
413
969260
2000
κάνουν το ίδιο παράλογο πράγμα που κάνουν και οι άνθρωποι.
16:11
They actually become more risky
414
971260
2000
Γίνονται πιο ριψοκίνδυνες
16:13
depending on how the experimenters started.
415
973260
3000
ανάλογα με το πώς ξεκίνησε το πείραμα.
16:16
This is crazy because it suggests that the monkeys too
416
976260
2000
Αυτό είναι τρελό, επειδή υπονοεί ότι οι μαϊμούδες επίσης
16:18
are evaluating things in relative terms
417
978260
2000
εκτιμούν τα πράγματα με σχετικούς όρους
16:20
and actually treating losses differently than they treat gains.
418
980260
3000
κι αντιμετωπίζουν τη χασούρα διαφορετικά απ' ό,τι τα κέρδη.
16:23
So what does all of this mean?
419
983260
2000
Τι σημαίνουν λοιπόν όλα αυτά;
16:25
Well, what we've shown is that, first of all,
420
985260
2000
Αυτό που αποδείξαμε είναι ότι, κατ' αρχάς,
16:27
we can actually give the monkeys a financial currency,
421
987260
2000
μπορούμε να δώσουμε στις μαϊμούδες χρήμα
16:29
and they do very similar things with it.
422
989260
2000
και να κάνουν παρόμοια με τους ανθρώπους πράγματα μ' αυτό.
16:31
They do some of the smart things we do,
423
991260
2000
Κάνουν κάποια από τα έξυπνα πράγματα που κάνουμε κι εμείς,
16:33
some of the kind of not so nice things we do,
424
993260
2000
μερικά από τα όχι και τόσο σωστά πράγματα που κάνουμε κι εμείς,
16:35
like steal it and so on.
425
995260
2000
όπως κλοπές και τα λοιπά.
16:37
But they also do some of the irrational things we do.
426
997260
2000
Όμως κάνουν επίσης τα ίδια παράλογα πράγματα που κάνουμε κι εμείς.
16:39
They systematically get things wrong
427
999260
2000
Συστηματικά βλέπουν τα πράγματα λανθασμένα
16:41
and in the same ways that we do.
428
1001260
2000
με τον ίδιο τρόπο που το κάνουμε κι εμείς.
16:43
This is the first take-home message of the Talk,
429
1003260
2000
Αυτό είναι το πρώτο μήνυμα της ομιλίας που θα πρέπει να συγκρατήσετε φεύγοντας,
16:45
which is that if you saw the beginning of this and you thought,
430
1005260
2000
δηλαδή ότι εάν την είδατε απ' την αρχή και σκεφτήκατε,
16:47
oh, I'm totally going to go home and hire a capuchin monkey financial adviser.
431
1007260
2000
ω, σίγουρα θα πάω σπίτι μου και θα προσλάβω έναν Καπουτσίνο πίθηκο για οικονομικό μου σύμβουλο,
16:49
They're way cuter than the one at ... you know --
432
1009260
2000
είναι πολύ πιο χαριτωμένοι από εκείνους στο ... ξέρετε --
16:51
Don't do that; they're probably going to be just as dumb
433
1011260
2000
μην το κάνετε αυτό· πιθανότατα θα είναι το ίδιο κουτοί
16:53
as the human one you already have.
434
1013260
3000
με τους ανθρώπους που ήδη έχετε ως συμβούλους.
16:56
So, you know, a little bad -- Sorry, sorry, sorry.
435
1016260
2000
Εντάξει, λίγο κρύο το αστείο -- συγγνώμη, συγγνώμη, συγγνώμη.
16:58
A little bad for monkey investors.
436
1018260
2000
Λίγο κακό για τις μαϊμούδες επενδυτές.
17:00
But of course, you know, the reason you're laughing is bad for humans too.
437
1020260
3000
Φυσικά όμως, ο λόγος που γελάτε είναι κακός και για τους ανθρώπους.
17:03
Because we've answered the question we started out with.
438
1023260
3000
Επειδή απαντήσαμε στην αρχική μας ερώτηση.
17:06
We wanted to know where these kinds of errors came from.
439
1026260
2000
Θελήσαμε να μάθουμε από πού προκύπτουν αυτά τα σφάλματα.
17:08
And we started with the hope that maybe we can
440
1028260
2000
Ξεκινήσαμε με την ελπίδα ότι ίσως μπορούμε
17:10
sort of tweak our financial institutions,
441
1030260
2000
ν' αλλάξουμε τα χρηματοοικονομικά μας ιδρύματα,
17:12
tweak our technologies to make ourselves better.
442
1032260
3000
ν' αλλάξουμε τις τεχνολογίες μας και να γίνουμε καλύτεροι.
17:15
But what we've learn is that these biases might be a deeper part of us than that.
443
1035260
3000
Αυτό που μάθαμε όμως, είναι ότι αυτές οι προκαταλήψεις μπορεί να είναι βαθύτερες.
17:18
In fact, they might be due to the very nature
444
1038260
2000
Στην πραγματικότητα μπορεί να οφείλονται στην ίδια τη φύση
17:20
of our evolutionary history.
445
1040260
2000
της εξελικτικής μας ιστορίας.
17:22
You know, maybe it's not just humans
446
1042260
2000
Μπορεί να μην είναι μόνο οι άνθρωποι
17:24
at the right side of this chain that's duncey.
447
1044260
2000
στη δεξιά πλευρά αυτής της αλυσίδας, που είναι ανεπίδεκτοι.
17:26
Maybe it's sort of duncey all the way back.
448
1046260
2000
Μπορεί να είναι όλοι μας οι πρόγονοι ανεπίδεκτοι, μέχρι την αρχή της αλυσίδας.
17:28
And this, if we believe the capuchin monkey results,
449
1048260
3000
Αυτό, εάν πιστέψουμε τα αποτελέσματα του Καπουτσίνου πιθήκου,
17:31
means that these duncey strategies
450
1051260
2000
σημαίνει ότι αυτές οι βλακώδεις στρατηγικές
17:33
might be 35 million years old.
451
1053260
2000
μπορεί να είναι 35 εκατομμυρίων χρόνων παλιές.
17:35
That's a long time for a strategy
452
1055260
2000
Αυτός είναι πολύς καιρός για μια στρατηγική
17:37
to potentially get changed around -- really, really old.
453
1057260
3000
για να μπορεί πλέον ν' αλλάξει -- πολύ πολύ παλιά.
17:40
What do we know about other old strategies like this?
454
1060260
2000
Τι γνωρίζουμε για άλλες τέτοιες παλιές στρατηγικές;
17:42
Well, one thing we know is that they tend to be really hard to overcome.
455
1062260
3000
Ένα πράγμα που γνωρίζουμε είναι ότι συνήθως είναι πολύ δύσκολο να ξεπεραστούν.
17:45
You know, think of our evolutionary predilection
456
1065260
2000
Σκεφτείτε την εξελικτική μας προδιάθεση
17:47
for eating sweet things, fatty things like cheesecake.
457
1067260
3000
να τρώμε τροφές γλυκές και λιπαρές, όπως το τσιζκέικ.
17:50
You can't just shut that off.
458
1070260
2000
Δεν μπορείς αυτό απλά να γυρίσεις το διακόπτη και να το κλείσεις.
17:52
You can't just look at the dessert cart as say, "No, no, no. That looks disgusting to me."
459
1072260
3000
Δεν μπορείς να κοιτάξεις το επιδόρπιο και να πεις "Όχι, όχι, όχι. Μου φαίνεται αηδιαστικό".
17:55
We're just built differently.
460
1075260
2000
Είμαστε απλώς διαφορετικά κατασκευασμένοι.
17:57
We're going to perceive it as a good thing to go after.
461
1077260
2000
Θα το εκλάβουμε ως κάτι καλό να το επιδιώξουμε.
17:59
My guess is that the same thing is going to be true
462
1079260
2000
Μαντεύω πως το ίδιο θα ισχύει
18:01
when humans are perceiving
463
1081260
2000
όταν οι άνθρωποι παίρνουν
18:03
different financial decisions.
464
1083260
2000
διάφορες οικονομικές αποφάσεις.
18:05
When you're watching your stocks plummet into the red,
465
1085260
2000
Όταν βλέπετε τις μετοχές σας να βυθίζονται στο κόκκινο,
18:07
when you're watching your house price go down,
466
1087260
2000
όταν βλέπετε την τιμή του σπιτιού σας να πέφτει,
18:09
you're not going to be able to see that
467
1089260
2000
δεν θα μπορείτε να το δείτε αυτό
18:11
in anything but old evolutionary terms.
468
1091260
2000
με άλλο τρόπο, παρά με τους παλιούς εξελικτικούς όρους.
18:13
This means that the biases
469
1093260
2000
Αυτό σημαίνει ότι οι προκαταλήψεις
18:15
that lead investors to do badly,
470
1095260
2000
που οδήγησαν τους επενδυτές να τα πάνε άσχημα,
18:17
that lead to the foreclosure crisis
471
1097260
2000
που οδήγησαν στην κρίση των κατασχέσεων
18:19
are going to be really hard to overcome.
472
1099260
2000
είναι πολύ δύσκολο να ξεπεραστούν.
18:21
So that's the bad news. The question is: is there any good news?
473
1101260
2000
Αυτά είναι τα κακά νέα. Το ερώτημα είναι εάν υπάρχουν και καλά νέα.
18:23
I'm supposed to be up here telling you the good news.
474
1103260
2000
Υποτίθεται πως είμαι εδώ για να σας πω τα καλά νέα.
18:25
Well, the good news, I think,
475
1105260
2000
Λοιπόν, τα καλά νέα νομίζω,
18:27
is what I started with at the beginning of the Talk,
476
1107260
2000
είναι αυτό με το οποίο ξεκίνησα την ομιλία,
18:29
which is that humans are not only smart;
477
1109260
2000
δηλαδή ότι οι άνθρωποι δεν είναι μόνο έξυπνοι·
18:31
we're really inspirationally smart
478
1111260
2000
είμαστε στην πραγματικότητα εμπνευσμένα ευφυείς
18:33
to the rest of the animals in the biological kingdom.
479
1113260
3000
σε σχέση με τα υπόλοιπα πλάσματα του ζωικού βασιλείου.
18:36
We're so good at overcoming our biological limitations --
480
1116260
3000
Είμαστε πολύ καλοί στο να ξεπερνάμε τους βιολογικούς μας περιορισμούς --
18:39
you know, I flew over here in an airplane.
481
1119260
2000
ας πούμε ήρθα μέχρι εδώ πετώντας με αεροπλάνο.
18:41
I didn't have to try to flap my wings.
482
1121260
2000
Δεν χρειάστηκε ν' ανοιγοκλείσω τα φτερά μου.
18:43
I'm wearing contact lenses now so that I can see all of you.
483
1123260
3000
Φοράω φακούς επαφής, έτσι ώστε να μπορώ να σας βλέπω όλους.
18:46
I don't have to rely on my own near-sightedness.
484
1126260
3000
Δεν χρειάζεται να στηριχτώ στην περιορισμένη μου όραση.
18:49
We actually have all of these cases
485
1129260
2000
Έχουμε όλες αυτές τις περιπτώσεις
18:51
where we overcome our biological limitations
486
1131260
3000
όπου ξεπερνάμε τους βιολογικούς μας περιορισμούς
18:54
through technology and other means, seemingly pretty easily.
487
1134260
3000
μέσω της τεχνολογίας και με άλλους τρόπους, φαινομενικά πολύ εύκολα.
18:57
But we have to recognize that we have those limitations.
488
1137260
3000
Πρέπει όμως ν' αναγνωρίσουμε αυτούς τους περιορισμούς μας.
19:00
And here's the rub.
489
1140260
2000
Εδώ είναι και το πρόβλημα.
19:02
It was Camus who once said that, "Man is the only species
490
1142260
2000
Ήταν ο Καμύ που κάποτε είπε ότι "Ο άνθρωπος είναι το μοναδικό είδος
19:04
who refuses to be what he really is."
491
1144260
3000
που αρνείται πως είναι αυτό που πραγματικά είναι".
19:07
But the irony is that
492
1147260
2000
Η ειρωνεία είναι όμως ότι
19:09
it might only be in recognizing our limitations
493
1149260
2000
μόνο εάν αναγνωρίσουμε τους περιορισμούς μας
19:11
that we can really actually overcome them.
494
1151260
2000
μπορούμε στ' αλήθεια να τους ξεπεράσουμε.
19:13
The hope is that you all will think about your limitations,
495
1153260
3000
Η ελπίδα είναι ότι όλοι θα σκεφτείτε σχετικά με τους περιορισμούς σας,
19:16
not necessarily as unovercomable,
496
1156260
3000
όχι απαραίτητα πως δεν μπορούν να ξεπεραστούν,
19:19
but to recognize them, accept them
497
1159260
2000
αλλά ότι θα τους αναγνωρίσετε, θα τους δεχτείτε
19:21
and then use the world of design to actually figure them out.
498
1161260
3000
κι ύστερα θα χρησιμοποιήσετε τον κόσμο του σχεδιασμού, ώστε να τους αντιμετωπίσετε.
19:24
That might be the only way that we will really be able
499
1164260
3000
Αυτός ίσως είναι ο μόνος τρόπος με τον οποίο είμαστε ικανοί
19:27
to achieve our own human potential
500
1167260
2000
να επιτύχουμε το ίδιο μας το δυναμικό ως άνθρωποι
19:29
and really be the noble species we hope to all be.
501
1169260
3000
και να γίνουμε στ' αλήθεια το ανώτερο είδος που όλοι ελπίζουμε πως είμαστε.
19:32
Thank you.
502
1172260
2000
Σας ευχαριστώ.
19:34
(Applause)
503
1174260
5000
(Χειροκρότημα)
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7