Laurie Santos: How monkeys mirror human irrationality

Laurie Santos: Una economía de monos tan irracional como la nuestra

197,513 views

2010-07-29 ・ TED


New videos

Laurie Santos: How monkeys mirror human irrationality

Laurie Santos: Una economía de monos tan irracional como la nuestra

197,513 views ・ 2010-07-29

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: Maria Millet Revisor: Luis Carlos Larrañaga Calmet
00:17
I want to start my talk today with two observations
0
17260
2000
Quisiera iniciar mi charla hoy, con dos
00:19
about the human species.
1
19260
2000
observaciones sobre la especie humana.
00:21
The first observation is something that you might think is quite obvious,
2
21260
3000
La primera observación tal vez piensen que es bastante obvia.
00:24
and that's that our species, Homo sapiens,
3
24260
2000
Y es que nuestra especie, Homo sapiens,
00:26
is actually really, really smart --
4
26260
2000
es realmente muy, muy inteligente-
00:28
like, ridiculously smart --
5
28260
2000
ridículamente inteligente
00:30
like you're all doing things
6
30260
2000
hacemos cosas que
00:32
that no other species on the planet does right now.
7
32260
3000
ninguna otra especie en el planteta hace.
00:35
And this is, of course,
8
35260
2000
y esta, por supuesto, no será
00:37
not the first time you've probably recognized this.
9
37260
2000
la primera vez que se den cuenta de esto.
00:39
Of course, in addition to being smart, we're also an extremely vain species.
10
39260
3000
Por supuesto, además inteligentes, somos una especie extremadamente vanidosa.
00:42
So we like pointing out the fact that we're smart.
11
42260
3000
Nos encanta señalar el hecho de que somos inteligentes.
00:45
You know, so I could turn to pretty much any sage
12
45260
2000
Podría recurrir a cualquier sabio,
00:47
from Shakespeare to Stephen Colbert
13
47260
2000
de Shakespeare a Stephen Colbert
00:49
to point out things like the fact that
14
49260
2000
para señalar hechos como que
00:51
we're noble in reason and infinite in faculties
15
51260
2000
somos nobles de razón e infinitos en facultades
00:53
and just kind of awesome-er than anything else on the planet
16
53260
2000
y lo más impresionante en este planeta
00:55
when it comes to all things cerebral.
17
55260
3000
cuando de lo cerebral se trata.
00:58
But of course, there's a second observation about the human species
18
58260
2000
Pero, por supuesto, hay una segunda observación sobre la especie humana
01:00
that I want to focus on a little bit more,
19
60260
2000
sobre la que quiero enfocarme un poco más,
01:02
and that's the fact that
20
62260
2000
y es el hecho de que a pesar de
01:04
even though we're actually really smart, sometimes uniquely smart,
21
64260
3000
que somos realmente inteligentes, a veces incomparablemente inteligentes,
01:07
we can also be incredibly, incredibly dumb
22
67260
3000
también podemos ser increíblemente tontos
01:10
when it comes to some aspects of our decision making.
23
70260
3000
cuando se trata de tomar de decisiones.
01:13
Now I'm seeing lots of smirks out there.
24
73260
2000
Veo muchas sonrisas de suficiencia entre ustedes.
01:15
Don't worry, I'm not going to call anyone in particular out
25
75260
2000
Pero no se preocupen, no voy a señalar a nadie en particular
01:17
on any aspects of your own mistakes.
26
77260
2000
respecto de sus propios errores.
01:19
But of course, just in the last two years
27
79260
2000
Pero, por supuesto, en los dos últimos años hemos
01:21
we see these unprecedented examples of human ineptitude.
28
81260
3000
visto estos ejemplos sin precedente de ineptitud humana.
01:24
And we've watched as the tools we uniquely make
29
84260
3000
Hemos visto como las herramientas que sólo nosotros producimos
01:27
to pull the resources out of our environment
30
87260
2000
para extraer recursos de nuestro medio ambiente
01:29
kind of just blow up in our face.
31
89260
2000
han explotado justo en nuestros rostros.
01:31
We've watched the financial markets that we uniquely create --
32
91260
2000
Hemos visto los mercados financieros que hemos creado
01:33
these markets that were supposed to be foolproof --
33
93260
3000
--mercados que se suponía eran a prueba de tontos--
01:36
we've watched them kind of collapse before our eyes.
34
96260
2000
los hemos visto colapsar frente a nuestros ojos.
01:38
But both of these two embarrassing examples, I think,
35
98260
2000
Pero, estos dos ejemplos tan embarazosos, creo,
01:40
don't highlight what I think is most embarrassing
36
100260
3000
no resaltan lo que creo es más embarazoso
01:43
about the mistakes that humans make,
37
103260
2000
de los errores que los humanos cometemos,
01:45
which is that we'd like to think that the mistakes we make
38
105260
3000
que creo es que nos gusta pensar que los errores que cometemos
01:48
are really just the result of a couple bad apples
39
108260
2000
son en realidad el resultado de un par de manzanas podridas
01:50
or a couple really sort of FAIL Blog-worthy decisions.
40
110260
3000
o unas decisiones fallidas dignas de mención en algún Blog.
01:53
But it turns out, what social scientists are actually learning
41
113260
3000
Pero sucede que los científicos sociales están aprendiendo
01:56
is that most of us, when put in certain contexts,
42
116260
3000
que la mayoría de nosotros, puestos en ciertos contextos,
01:59
will actually make very specific mistakes.
43
119260
3000
de hecho cometeremos errores muy específicos.
02:02
The errors we make are actually predictable.
44
122260
2000
Los errores que cometemos son realmente predecibles.
02:04
We make them again and again.
45
124260
2000
Los cometemos una y otra vez.
02:06
And they're actually immune to lots of evidence.
46
126260
2000
Y son realmente inmunes al cúmulo de evidencia.
02:08
When we get negative feedback,
47
128260
2000
Aún cuando obtenemos un resultado negativo,
02:10
we still, the next time we're face with a certain context,
48
130260
3000
la próxima vez que nos enfrentamos a cierto contexto,
02:13
tend to make the same errors.
49
133260
2000
tendemos a cometer los mismos errores.
02:15
And so this has been a real puzzle to me
50
135260
2000
Y esto ha sido un verdadero rompecabezas para mí
02:17
as a sort of scholar of human nature.
51
137260
2000
siendo una estudiosa de la naturaleza humana.
02:19
What I'm most curious about is,
52
139260
2000
Lo que me produce más curiosidad es,
02:21
how is a species that's as smart as we are
53
141260
3000
¿Cómo una especie tan inteligente como
02:24
capable of such bad
54
144260
2000
la nuestra puede cometer consistentemente
02:26
and such consistent errors all the time?
55
146260
2000
errores tan graves una y otra vez?
02:28
You know, we're the smartest thing out there, why can't we figure this out?
56
148260
3000
Es decir, somos los más inteligentes, ¿cómo no podemos resolverlo?
02:31
In some sense, where do our mistakes really come from?
57
151260
3000
En algún sentido, ¿De dónde vienen nuestro errores realmente?
02:34
And having thought about this a little bit, I see a couple different possibilities.
58
154260
3000
Y habiéndolo pensado un poco, veo un par posibilidades
02:37
One possibility is, in some sense, it's not really our fault.
59
157260
3000
Una posibilidad es, que de alguna manera, no sea culpa nuestra.
02:40
Because we're a smart species,
60
160260
2000
Como somos una especie inteligente,
02:42
we can actually create all kinds of environments
61
162260
2000
podemos crear todo tipos de entornos.
02:44
that are super, super complicated,
62
164260
2000
que son super, super complicados,
02:46
sometimes too complicated for us to even actually understand,
63
166260
3000
a veces demasiado complicados para que los entendamos
02:49
even though we've actually created them.
64
169260
2000
a pesar de que nosotros mismos los hemos creado.
02:51
We create financial markets that are super complex.
65
171260
2000
Creamos mercados financieros que son super complejos.
02:53
We create mortgage terms that we can't actually deal with.
66
173260
3000
Creamos términos hipotecarios que no podemos manejar.
02:56
And of course, if we are put in environments where we can't deal with it,
67
176260
3000
Y por supuesto, si nos ponen en entornos que no podemos manejar,
02:59
in some sense makes sense that we actually
68
179260
2000
de alguna manera, tiene sentido que de hecho
03:01
might mess certain things up.
69
181260
2000
compliquemos las cosas.
03:03
If this was the case, we'd have a really easy solution
70
183260
2000
Si éste fuese el caso, tendríamos una solución realmente
03:05
to the problem of human error.
71
185260
2000
sencilla al problema del error humano.
03:07
We'd actually just say, okay, let's figure out
72
187260
2000
Simplemente diríamos, OK, averigüemos
03:09
the kinds of technologies we can't deal with,
73
189260
2000
qué tecnologías no podemos manejar,
03:11
the kinds of environments that are bad --
74
191260
2000
qué tipos de entornos son malos,
03:13
get rid of those, design things better,
75
193260
2000
deshagámonos de ellos, diseñemos mejor las cosas,
03:15
and we should be the noble species
76
195260
2000
y deberemos ser la noble especie
03:17
that we expect ourselves to be.
77
197260
2000
que esperamos ser.
03:19
But there's another possibility that I find a little bit more worrying,
78
199260
3000
Pero hay otra posibilidad que encuentro un poco más preocupante,
03:22
which is, maybe it's not our environments that are messed up.
79
202260
3000
tal vez no son nuestros entornos los que están mal
03:25
Maybe it's actually us that's designed badly.
80
205260
3000
Tal vez somos nosotros los que estamos mal diseñados.
03:28
This is a hint that I've gotten
81
208260
2000
Es una corazonada que tuve observando los modos
03:30
from watching the ways that social scientists have learned about human errors.
82
210260
3000
que los científicos sociales han aprendido sobre el error humano.
03:33
And what we see is that people tend to keep making errors
83
213260
3000
Y lo que vemos es que la gente tiende a continuar cometiendo errores
03:36
exactly the same way, over and over again.
84
216260
3000
exactamente de la misma manera, una y otra vez.
03:39
It feels like we might almost just be built
85
219260
2000
Parecería que estamos construidos
03:41
to make errors in certain ways.
86
221260
2000
para cometer errores de determinada manera.
03:43
This is a possibility that I worry a little bit more about,
87
223260
3000
Esta es una posibilidad que me preocupa un poco más,
03:46
because, if it's us that's messed up,
88
226260
2000
porque si somos nosotros los que estamos mal,
03:48
it's not actually clear how we go about dealing with it.
89
228260
2000
no queda realmente claro como podremos solucionarlo.
03:50
We might just have to accept the fact that we're error prone
90
230260
3000
Tal vez debamos aceptar que de hecho somos propensos al error
03:53
and try to design things around it.
91
233260
2000
y tratar de diseñar las cosas en consecuencia.
03:55
So this is the question my students and I wanted to get at.
92
235260
3000
Esta es la cuestión a la que mis alumno y yo queríamos llegar.
03:58
How can we tell the difference between possibility one and possibility two?
93
238260
3000
¿Cómo podemos diferenciar entre la posibilidad uno y la posibilidad dos?
04:01
What we need is a population
94
241260
2000
Lo que necesitábamos era una población
04:03
that's basically smart, can make lots of decisions,
95
243260
2000
que sea básicamente inteligente, pueda tomar decisiones,
04:05
but doesn't have access to any of the systems we have,
96
245260
2000
pero que no tenga acceso a ninguno de los sistemas que nosotros tenemos,
04:07
any of the things that might mess us up --
97
247260
2000
ninguna de las cosas con las que nos complicamos.
04:09
no human technology, human culture,
98
249260
2000
nada de tecnología humana, cultura humana,
04:11
maybe even not human language.
99
251260
2000
tal vez ni siquiera lenguaje humano.
04:13
And so this is why we turned to these guys here.
100
253260
2000
Y es por eso que nos volcamos a estos sujetos.
04:15
These are one of the guys I work with. This is a brown capuchin monkey.
101
255260
3000
Estos son algunos de los muchachos con los que trabajo. Este es un mono capuchino marrón.
04:18
These guys are New World primates,
102
258260
2000
Estos muchacos son primates del Nuevo Mundo,
04:20
which means they broke off from the human branch
103
260260
2000
lo que significa que se desprendieron de la rama humana
04:22
about 35 million years ago.
104
262260
2000
más o menos 35 millones de años atrás.
04:24
This means that your great, great, great great, great, great --
105
264260
2000
Esto significa que su tátara, tátara, tátara,
04:26
with about five million "greats" in there --
106
266260
2000
--más o menos cinco millones de "tátaras"--
04:28
grandmother was probably the same great, great, great, great
107
268260
2000
abuela, fue probablemente la misma tátara, tátara, tátara, tátara
04:30
grandmother with five million "greats" in there
108
270260
2000
abuela con cinco millones de "tátaras"
04:32
as Holly up here.
109
272260
2000
que la de Holly.
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
Pueden consolarse con el hecho de que esta muchacha es una pariente,
04:37
but albeit evolutionary, relative.
111
277260
2000
si bien evolucionaria, muy, muy lejana.
04:39
The good news about Holly though is that
112
279260
2000
La buena noticia sobre Holly es que ella no tiene
04:41
she doesn't actually have the same kinds of technologies we do.
113
281260
3000
realmente los mismos tipos de tecnologías que nosotros tenemos.
04:44
You know, she's a smart, very cut creature, a primate as well,
114
284260
3000
Ustedes saben, ella es inteligente, muy simpática, un primate también,
04:47
but she lacks all the stuff we think might be messing us up.
115
287260
2000
pero carece de todo lo que creemos que nos complica a nosotros.
04:49
So she's the perfect test case.
116
289260
2000
Entonces ella es el sujeto perfecto para la prueba.
04:51
What if we put Holly into the same context as humans?
117
291260
3000
¿Qué pasa si ponemos a Holly en el mismo contexto que a los humanos?
04:54
Does she make the same mistakes as us?
118
294260
2000
¿Cometerá ella los mismos errores que nosotros?
04:56
Does she not learn from them? And so on.
119
296260
2000
¿No aprenderá de estos? Y así.
04:58
And so this is the kind of thing we decided to do.
120
298260
2000
Y este es el tipo de cosa que decidimos hacer.
05:00
My students and I got very excited about this a few years ago.
121
300260
2000
Mis alumnos y yo estábamos muy entusiasmados por esto hace unos años.
05:02
We said, all right, let's, you know, throw so problems at Holly,
122
302260
2000
Dijimos, bueno, démosle unos problemas a Holly,
05:04
see if she messes these things up.
123
304260
2000
a ver si complica las cosas.
05:06
First problem is just, well, where should we start?
124
306260
3000
El primer problema fue justamente: y bien, ¿dónde comenzamos?
05:09
Because, you know, it's great for us, but bad for humans.
125
309260
2000
Porque, saben, aunque es fantástico para nosotros, y malo para los humanos.
05:11
We make a lot of mistakes in a lot of different contexts.
126
311260
2000
Cometemos un montón de errores en un montón de contextos diferentes.
05:13
You know, where are we actually going to start with this?
127
313260
2000
¿Dónde vamos a comenzar realmente?
05:15
And because we started this work around the time of the financial collapse,
128
315260
3000
Y como comenzamos este trabajo alrededor del momento del colapso financiero,
05:18
around the time when foreclosures were hitting the news,
129
318260
2000
cuando las ejecuciones hipotecarias eran las noticias del día,
05:20
we said, hhmm, maybe we should
130
320260
2000
dijimos, um, tal vez deberíamos
05:22
actually start in the financial domain.
131
322260
2000
comenzar en el campo financiero.
05:24
Maybe we should look at monkey's economic decisions
132
324260
3000
Tal vez, deberíamos mirar las decisiones económicas de los monos
05:27
and try to see if they do the same kinds of dumb things that we do.
133
327260
3000
y tratar de ver si ellos hacen las mismas tonteras que nosotros.
05:30
Of course, that's when we hit a sort second problem --
134
330260
2000
Por supesto, aquí tropezamos con un segundo problema
05:32
a little bit more methodological --
135
332260
2000
--un poco más metodológico--
05:34
which is that, maybe you guys don't know,
136
334260
2000
que es que, tal vez no lo sepan,
05:36
but monkeys don't actually use money. I know, you haven't met them.
137
336260
3000
pero los monos no usan dinero. Ya lo sé, no los han conocido.
05:39
But this is why, you know, they're not in the queue behind you
138
339260
2000
Pero es por ello que no los ven haciendo cola detrás suyo
05:41
at the grocery store or the ATM -- you know, they don't do this stuff.
139
341260
3000
en la tienda o en el cajero automático --ya saben, no hacen esas cosas.
05:44
So now we faced, you know, a little bit of a problem here.
140
344260
3000
Así que nos enfrentabamos a un pequeño problema.
05:47
How are we actually going to ask monkeys about money
141
347260
2000
¿Cómo vamos a preguntarle a los monos sobre
05:49
if they don't actually use it?
142
349260
2000
el dinero si ellos en verdad no lo usan?
05:51
So we said, well, maybe we should just, actually just suck it up
143
351260
2000
Dijimos entonces, bien, deberíamos manejarlo
05:53
and teach monkeys how to use money.
144
353260
2000
y enseñar a los monos cómo usar dinero.
05:55
So that's just what we did.
145
355260
2000
Y eso fue lo que hicimos.
05:57
What you're looking at over here is actually the first unit that I know of
146
357260
3000
Lo que ven aquí es de hecho la primera unidad que yo conozca de
06:00
of non-human currency.
147
360260
2000
de moneda no humana.
06:02
We weren't very creative at the time we started these studies,
148
362260
2000
No eramos muy creativos al momento de iniciar estos estudios,
06:04
so we just called it a token.
149
364260
2000
así que símplemente la llamamos "ficha".
06:06
But this is the unit of currency that we've taught our monkeys at Yale
150
366260
3000
Esta es la unidad monetaria que les enseñamos a nuestros monos en Yale
06:09
to actually use with humans,
151
369260
2000
para de veras utilizar con los humanos,
06:11
to actually buy different pieces of food.
152
371260
3000
para de veras comprar diferentes tipos de comida.
06:14
It doesn't look like much -- in fact, it isn't like much.
153
374260
2000
No parece ser mucho --de hecho no es mucho.
06:16
Like most of our money, it's just a piece of metal.
154
376260
2000
Como casi todo nuestro dinero, es sólo un pedazo de metal.
06:18
As those of you who've taken currencies home from your trip know,
155
378260
3000
Como cuando ustedes se llevan dinero a casa luego de un viaje,
06:21
once you get home, it's actually pretty useless.
156
381260
2000
una vez que llegan a casa, es bastante inútil.
06:23
It was useless to the monkeys at first
157
383260
2000
Era bastante inútil para los monos al principio
06:25
before they realized what they could do with it.
158
385260
2000
antes de que se dieran cuenta de qué podían hacer con ellas.
06:27
When we first gave it to them in their enclosures,
159
387260
2000
Cuando se las dimos por primera vez en sus recintos,
06:29
they actually kind of picked them up, looked at them.
160
389260
2000
las levantaron, las miraron.
06:31
They were these kind of weird things.
161
391260
2000
Eran estos objetos extraños,
06:33
But very quickly, the monkeys realized
162
393260
2000
Pero muy pronto, los monos se percataron
06:35
that they could actually hand these tokens over
163
395260
2000
de que podían entregar estas fichas a diferentes
06:37
to different humans in the lab for some food.
164
397260
3000
humanos en el laboratorio a cambio de comida.
06:40
And so you see one of our monkeys, Mayday, up here doing this.
165
400260
2000
Y aquí ven a uno de nuestros monos, Mayday, haciéndolo.
06:42
This is A and B are kind of the points where she's sort of a little bit
166
402260
3000
En A y B son situaciones donde ella está un poco
06:45
curious about these things -- doesn't know.
167
405260
2000
curiosa sobre estos objetos --no los conoce.
06:47
There's this waiting hand from a human experimenter,
168
407260
2000
Está la mano del experimentador esperando,
06:49
and Mayday quickly figures out, apparently the human wants this.
169
409260
3000
y Mayday enseguida se da cuenta que, aparentemente el humano la quiere.
06:52
Hands it over, and then gets some food.
170
412260
2000
La entrega, y entonces recibe algo de comida.
06:54
It turns out not just Mayday, all of our monkeys get good
171
414260
2000
Resulta que no sólo Mayday, sino todos nuestros monos aprenden
06:56
at trading tokens with human salesman.
172
416260
2000
a comerciar con fichas con los vendedores humanos.
06:58
So here's just a quick video of what this looks like.
173
418260
2000
Aquí tienen un video de como es esto.
07:00
Here's Mayday. She's going to be trading a token for some food
174
420260
3000
Esta es Mayday. Va a cambiar su ficha por comida.
07:03
and waiting happily and getting her food.
175
423260
3000
y espera feliz y obtiene su comida.
07:06
Here's Felix, I think. He's our alpha male; he's a kind of big guy.
176
426260
2000
Este es Felix, creo. Es nuestro macho alfa, alguien importante.
07:08
But he too waits patiently, gets his food and goes on.
177
428260
3000
Pero él también espera pacientemente, consige su comida y continúa.
07:11
So the monkeys get really good at this.
178
431260
2000
Los monos se vuelven realmente buenos en esto.
07:13
They're surprisingly good at this with very little training.
179
433260
3000
Son sorprendentemente buenos con muy poco entrenamiento.
07:16
We just allowed them to pick this up on their own.
180
436260
2000
Les dejamos que aprendan por ellos mismos.
07:18
The question is: is this anything like human money?
181
438260
2000
La pregunta es: ¿se parece al dinero humano?
07:20
Is this a market at all,
182
440260
2000
¿Es ésto en definitiva un mercado,
07:22
or did we just do a weird psychologist's trick
183
442260
2000
o solo es un raro truco psicológico
07:24
by getting monkeys to do something,
184
444260
2000
que logra que los monos hagan algo,
07:26
looking smart, but not really being smart.
185
446260
2000
que parece inteligente, pero sin ser realmente inteligentes?
07:28
And so we said, well, what would the monkeys spontaneously do
186
448260
3000
Y entonces dijimos: bien, ¿Qué harían los monos espontáneamente
07:31
if this was really their currency, if they were really using it like money?
187
451260
3000
si ésta fuese realmente su moneda, si estuviesen realmente usándola como moneda?
07:34
Well, you might actually imagine them
188
454260
2000
Bien, pueden realmente imaginárselos haciendo
07:36
to do all the kinds of smart things
189
456260
2000
toda la clase de cosas inteligentes que los humanos
07:38
that humans do when they start exchanging money with each other.
190
458260
3000
hacen cuando comienzan a intercambiar dinero unos con otros.
07:41
You might have them start paying attention to price,
191
461260
3000
Pueden verlos comenzar a prestar atención al precio,
07:44
paying attention to how much they buy --
192
464260
2000
prestar atención a cuánto compran
07:46
sort of keeping track of their monkey token, as it were.
193
466260
3000
--llevando una especie de registro de sus mono-fichas.
07:49
Do the monkeys do anything like this?
194
469260
2000
¿Hacen algo así los monos?
07:51
And so our monkey marketplace was born.
195
471260
3000
Y así nació nuestro mercado de monos
07:54
The way this works is that
196
474260
2000
La forma en que funciona es que nuestros monos
07:56
our monkeys normally live in a kind of big zoo social enclosure.
197
476260
3000
normalmente viven en un ambiente social de un zoológico grande.
07:59
When they get a hankering for some treats,
198
479260
2000
Cuando comienzan a pedir golosinas,
08:01
we actually allowed them a way out
199
481260
2000
les permitimos salir a un ambiente
08:03
into a little smaller enclosure where they could enter the market.
200
483260
2000
más pequeño donde podían entrar al mercado.
08:05
Upon entering the market --
201
485260
2000
Al entrar al mercado --es un mercado
08:07
it was actually a much more fun market for the monkeys than most human markets
202
487260
2000
mucho más divertido para los monos que los mercados humanos
08:09
because, as the monkeys entered the door of the market,
203
489260
3000
pues al entrar por la puerta del mercado, los monos
08:12
a human would give them a big wallet full of tokens
204
492260
2000
reciben un monedero lleno de fichas de un humano
08:14
so they could actually trade the tokens
205
494260
2000
para que pudieran intercambiar sus fichas
08:16
with one of these two guys here --
206
496260
2000
con uno de estos muchachos
08:18
two different possible human salesmen
207
498260
2000
--dos posibles vendedores humanos diferentes
08:20
that they could actually buy stuff from.
208
500260
2000
de los que podrían comprar cosas.
08:22
The salesmen were students from my lab.
209
502260
2000
Los vendedors ean estudiantes de mi laborarorio.
08:24
They dressed differently; they were different people.
210
504260
2000
Se vestían diferente; eran dos personas diferentes.
08:26
And over time, they did basically the same thing
211
506260
3000
Y cada vez, ellos hacían básicamente lo mismo
08:29
so the monkeys could learn, you know,
212
509260
2000
así los monos podían aprender quién vendía
08:31
who sold what at what price -- you know, who was reliable, who wasn't, and so on.
213
511260
3000
qué a qué precio --ustedes saben, quién era de fiar, quién no lo era, y así.
08:34
And you can see that each of the experimenters
214
514260
2000
Y pueden ver que cada experimentador,
08:36
is actually holding up a little, yellow food dish.
215
516260
3000
sostiene un pequeño plato amarillo con comida.
08:39
and that's what the monkey can for a single token.
216
519260
2000
y eso es lo que el mono puede obtener por una ficha.
08:41
So everything costs one token,
217
521260
2000
Todo cuesta una ficha.
08:43
but as you can see, sometimes tokens buy more than others,
218
523260
2000
pero como pueden ver, algunas fichas compran más que otras,
08:45
sometimes more grapes than others.
219
525260
2000
algunas veces más uvas que otras.
08:47
So I'll show you a quick video of what this marketplace actually looks like.
220
527260
3000
Les mostraré un video de cómo se ve realmente este mercado,
08:50
Here's a monkey-eye-view. Monkeys are shorter, so it's a little short.
221
530260
3000
desde es el punto de vista de un mono. Los monos son más bajos, así que este es un poco bajo.
08:53
But here's Honey.
222
533260
2000
Aquí está Honey.
08:55
She's waiting for the market to open a little impatiently.
223
535260
2000
Está esperando un tanto impaciente a que el mercado abra.
08:57
All of a sudden the market opens. Here's her choice: one grapes or two grapes.
224
537260
3000
De pronto el mercado abre. Aquí esta su opoción: una uva o dos uvas.
09:00
You can see Honey, very good market economist,
225
540260
2000
Pueden ver a Honey, muy buena economista de mercado,
09:02
goes with the guy who gives more.
226
542260
3000
va con quien le dá más. Podría enseñarle
09:05
She could teach our financial advisers a few things or two.
227
545260
2000
a nuestros asesores financieros una o dos cositas.
09:07
So not just Honey,
228
547260
2000
Pero, no sólo Honey,
09:09
most of the monkeys went with guys who had more.
229
549260
3000
la mayoría de los monos fue con quien tenía más.
09:12
Most of the monkeys went with guys who had better food.
230
552260
2000
La mayoría de los monos fue con quien tenía mejor comida.
09:14
When we introduced sales, we saw the monkeys paid attention to that.
231
554260
3000
Cuando introdujimos las ventas, vimos que los monos prestaban atención a eso.
09:17
They really cared about their monkey token dollar.
232
557260
3000
Realmente se preocupaben por su mono-dinero.
09:20
The more surprising thing was that when we collaborated with economists
233
560260
3000
Lo más sorprendente fue que cuando colaboramos con economistas,
09:23
to actually look at the monkeys' data using economic tools,
234
563260
3000
para evaluar los datos de los monos usando herramientas económicas,
09:26
they basically matched, not just qualitatively,
235
566260
3000
éstas coincidían básicamente, no sólo cualitativa,
09:29
but quantitatively with what we saw
236
569260
2000
sino cuantitativamente con lo que vimos
09:31
humans doing in a real market.
237
571260
2000
hacer a los humanos en el mercado real.
09:33
So much so that, if you saw the monkeys' numbers,
238
573260
2000
Tanto es así que, si vieran los números de los monos,
09:35
you couldn't tell whether they came from a monkey or a human in the same market.
239
575260
3000
no podrían precisar cuáles vienen de los monos y cuáles de los humanos en el mismo mercado.
09:38
And what we'd really thought we'd done
240
578260
2000
Y lo que pensamos que hemos hecho
09:40
is like we'd actually introduced something
241
580260
2000
es que hemos introducido algo
09:42
that, at least for the monkeys and us,
242
582260
2000
que, al menos para los monos y para nosotros,
09:44
works like a real financial currency.
243
584260
2000
funciona como moneda financiera real.
09:46
Question is: do the monkeys start messing up in the same ways we do?
244
586260
3000
La pregunta es: ¿los monos complican las cosas de la misma manera que lo hacemos nosotros?
09:49
Well, we already saw anecdotally a couple of signs that they might.
245
589260
3000
Bien, ya vimos anecdóticamente un par de signos de que tal vez sí.
09:52
One thing we never saw in the monkey marketplace
246
592260
2000
Una cosa que nunca vimos en el mercado de monos
09:54
was any evidence of saving --
247
594260
2000
fue alguna evidencia de ahorro
09:56
you know, just like our own species.
248
596260
2000
--como en nuestra propia especie.
09:58
The monkeys entered the market, spent their entire budget
249
598260
2000
Los monos entraban al mercado, gastaban su presupuesto entero
10:00
and then went back to everyone else.
250
600260
2000
y luego volvían con los demás.
10:02
The other thing we also spontaneously saw,
251
602260
2000
La otra cosa que también vimos espontáneamente,
10:04
embarrassingly enough,
252
604260
2000
bastante vergonzoza,
10:06
is spontaneous evidence of larceny.
253
606260
2000
es evidencia espontánea de latrocinio.
10:08
The monkeys would rip-off the tokens at every available opportunity --
254
608260
3000
Los monos se arrebatan las fichas unos a otros
10:11
from each other, often from us --
255
611260
2000
en cada oportunidad posible, incluso a nosotros,
10:13
you know, things we didn't necessarily think we were introducing,
256
613260
2000
cosas que, no necesariamente pensamos que estabamos introduciendo,
10:15
but things we spontaneously saw.
257
615260
2000
sino que espontáneamente vimos.
10:17
So we said, this looks bad.
258
617260
2000
Entonces dijimos, esto se ve mal.
10:19
Can we actually see if the monkeys
259
619260
2000
¿Podemos ver si realmente los monos están haciendo
10:21
are doing exactly the same dumb things as humans do?
260
621260
3000
exactamente las mismas tonterías que los humanos?
10:24
One possibility is just kind of let
261
624260
2000
Una posibilidad es que dejemos
10:26
the monkey financial system play out,
262
626260
2000
que el sistema financiero de los monos colpase,
10:28
you know, see if they start calling us for bailouts in a few years.
263
628260
2000
y ver si en unos años nos llaman para sacarlos del apuro.
10:30
We were a little impatient so we wanted
264
630260
2000
Como estábamos un tanto impacientes queríamos
10:32
to sort of speed things up a bit.
265
632260
2000
acelerar un poco las cosas.
10:34
So we said, let's actually give the monkeys
266
634260
2000
Dijimos, demos a los monos
10:36
the same kinds of problems
267
636260
2000
el mismo tipo de problemas
10:38
that humans tend to get wrong
268
638260
2000
que los humanos suelen malinterpretar
10:40
in certain kinds of economic challenges,
269
640260
2000
en ciertos desafíos económicos,
10:42
or certain kinds of economic experiments.
270
642260
2000
o ciertos experimentos económicos.
10:44
And so, since the best way to see how people go wrong
271
644260
3000
Y como, la mejor manera de ver como la gente se equivoca
10:47
is to actually do it yourself,
272
647260
2000
es hacerlo uno mismo,
10:49
I'm going to give you guys a quick experiment
273
649260
2000
voy a darles a ustedes un experimento rápido
10:51
to sort of watch your own financial intuitions in action.
274
651260
2000
para que vean sus propias intuiciones financieras en acción.
10:53
So imagine that right now
275
653260
2000
Imagínense que en este momento
10:55
I handed each and every one of you
276
655260
2000
Les entregara a cada uno de ustedes
10:57
a thousand U.S. dollars -- so 10 crisp hundred dollar bills.
277
657260
3000
mil dólares americanos --10 crujientes billetes de cien dólares.
11:00
Take these, put it in your wallet
278
660260
2000
Tómenlos, pónganlos en sus carteras
11:02
and spend a second thinking about what you're going to do with it.
279
662260
2000
y piensen por un segundo sobre qué harán.
11:04
Because it's yours now; you can buy whatever you want.
280
664260
2000
Porque es suyo ahora, pueden comprar lo que quieran.
11:06
Donate it, take it, and so on.
281
666260
2000
Donarlo, llevarselo, y así. Suena genial,
11:08
Sounds great, but you get one more choice to earn a little bit more money.
282
668260
3000
pero tienen la opción de ganar un poquito más.
11:11
And here's your choice: you can either be risky,
283
671260
3000
Y este es su opción: pueden ser arriesgados,
11:14
in which case I'm going to flip one of these monkey tokens.
284
674260
2000
en ese caso voy a lanzar una de estas mono-fichas al aire.
11:16
If it comes up heads, you're going to get a thousand dollars more.
285
676260
2000
Si sale cara, recibirán mil dólares más.
11:18
If it comes up tails, you get nothing.
286
678260
2000
Si sale seca, no reciben nada.
11:20
So it's a chance to get more, but it's pretty risky.
287
680260
3000
Es una oportunidad de obtener más, pero es bastante arriesgado.
11:23
Your other option is a bit safe. Your just going to get some money for sure.
288
683260
3000
Su otra opción es un poco más segura. Van a tener un poco más de dinero con seguridad.
11:26
I'm just going to give you 500 bucks.
289
686260
2000
Les voy a dar 500 dólares.
11:28
You can stick it in your wallet and use it immediately.
290
688260
3000
Los pueden guardar en sus billeteras y usarlos inmediatamente.
11:31
So see what your intuition is here.
291
691260
2000
Vean cuál es su intuición aquí.
11:33
Most people actually go with the play-it-safe option.
292
693260
3000
La mayoría de la gente va por la opción segura.
11:36
Most people say, why should I be risky when I can get 1,500 dollars for sure?
293
696260
3000
La mayoría de las personas dice: ¿para qué arriesgarme si puedo obtener 1,500 con seguridad?
11:39
This seems like a good bet. I'm going to go with that.
294
699260
2000
Esta parece una buena apuesta. Voy a por ella.
11:41
You might say, eh, that's not really irrational.
295
701260
2000
Puede que digan, eh, eso realmente no es irracional.
11:43
People are a little risk-averse. So what?
296
703260
2000
La gente es un poco contraria al riesgo. ¿Y qué?
11:45
Well, the "so what?" comes when start thinking
297
705260
2000
Bueno, el "y qué" aparece cuando comenzamos
11:47
about the same problem
298
707260
2000
a pensar el mismo problema
11:49
set up just a little bit differently.
299
709260
2000
planteado con una pequeña diferencia.
11:51
So now imagine that I give each and every one of you
300
711260
2000
Imaginen ahora que les doy a cada uno de ustedes
11:53
2,000 dollars -- 20 crisp hundred dollar bills.
301
713260
3000
2000 dólares --20 crujientes billetes de cien dólares.
11:56
Now you can buy double to stuff you were going to get before.
302
716260
2000
Ahora, pueden comprar el doble que antes.
11:58
Think about how you'd feel sticking it in your wallet.
303
718260
2000
Piensen como se sienten guardando el dinero en sus billeteras.
12:00
And now imagine that I have you make another choice
304
720260
2000
Y ahora, imaginen que les doy otra elección.
12:02
But this time, it's a little bit worse.
305
722260
2000
Pero esta vez, es un poco para peor.
12:04
Now, you're going to be deciding how you're going to lose money,
306
724260
3000
Ahora, van a decidir cómo perderán dinero.
12:07
but you're going to get the same choice.
307
727260
2000
pero van a tener la misma elección.
12:09
You can either take a risky loss --
308
729260
2000
Pueden optar por una pérdida riesgosa, en cuyo caso
12:11
so I'll flip a coin. If it comes up heads, you're going to actually lose a lot.
309
731260
3000
al arrojar una moneda. Si sale cara, van a perder realmente mucho.
12:14
If it comes up tails, you lose nothing, you're fine, get to keep the whole thing --
310
734260
3000
Si sale seca, no pierden nada, todo bien, mantienen todo--
12:17
or you could play it safe, which means you have to reach back into your wallet
311
737260
3000
o pueden ir a lo seguro, deben buscar en su billetera
12:20
and give me five of those $100 bills, for certain.
312
740260
3000
y darme cinco de esos billetes de $100.
12:23
And I'm seeing a lot of furrowed brows out there.
313
743260
3000
Y veo muchas cejas fruncidas aquí.
12:26
So maybe you're having the same intuitions
314
746260
2000
Entonces tal vez están teniendo la misma intuición.
12:28
as the subjects that were actually tested in this,
315
748260
2000
que los sujetos testeados,
12:30
which is when presented with these options,
316
750260
2000
que es, cuando se presentan estas opciones,
12:32
people don't choose to play it safe.
317
752260
2000
las personas no eligen ir a lo seguro.
12:34
They actually tend to go a little risky.
318
754260
2000
De hecho tienden a correr un pequeño riesgo.
12:36
The reason this is irrational is that we've given people in both situations
319
756260
3000
La razón de que esto es irracional es que les hemos dado
12:39
the same choice.
320
759260
2000
en ambas situaciones la misma opción.
12:41
It's a 50/50 shot of a thousand or 2,000,
321
761260
3000
Es una posibilidad de 50/50 de mil o 2 mil,
12:44
or just 1,500 dollars with certainty.
322
764260
2000
o simplemente, 1,500 con certeza.
12:46
But people's intuitions about how much risk to take
323
766260
3000
Pero, la intuición de la gente sobre cuánto riesgo correr,
12:49
varies depending on where they started with.
324
769260
2000
varía dependiendo de dónde comenzaron.
12:51
So what's going on?
325
771260
2000
Entonces, ¿qué está ocurriendo?
12:53
Well, it turns out that this seems to be the result
326
773260
2000
Bueno, sucede que ese parece ser el resultado
12:55
of at least two biases that we have at the psychological level.
327
775260
3000
de al menos dos tendencias que tenemos a nivel psicológico.
12:58
One is that we have a really hard time thinking in absolute terms.
328
778260
3000
Una es que tenemos gran dificultad para pensar en términos absolutos.
13:01
You really have to do work to figure out,
329
781260
2000
Uno debe esforzarse para resolverlo,
13:03
well, one option's a thousand, 2,000;
330
783260
2000
bien, una opción es mil o 2 mil;
13:05
one is 1,500.
331
785260
2000
la otra es 1,500.
13:07
Instead, we find it very easy to think in very relative terms
332
787260
3000
En cambio, nos es muy fácil pensar en términos relativos
13:10
as options change from one time to another.
333
790260
3000
como si las opciones cambiaran de una vez a la otra.
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
Entonces pensamos cosas como: "oh, voy a conseguir más" o "oh, voy a conseguir menos".
13:16
This is all well and good, except that
335
796260
2000
Esto está bien y es bueno, excepto que
13:18
changes in different directions
336
798260
2000
cambia en direcciones diferentes
13:20
actually effect whether or not we think
337
800260
2000
realmente afecta si pensamos o no
13:22
options are good or not.
338
802260
2000
si las opciones son buenas o no.
13:24
And this leads to the second bias,
339
804260
2000
Y esto nos lleva a la segunda tendencia,
13:26
which economists have called loss aversion.
340
806260
2000
que los economistas han llamado aversión a la pérdida.
13:28
The idea is that we really hate it when things go into the red.
341
808260
3000
La idea es que realmente odiamos cuando las cosas caen en rojo.
13:31
We really hate it when we have to lose out on some money.
342
811260
2000
Realmente odiamos cuando tenemos que perder algo de dinero.
13:33
And this means that sometimes we'll actually
343
813260
2000
Y esto significa que algunas veces
13:35
switch our preferences to avoid this.
344
815260
2000
cambiemos nuestras preferencias para evitar esto.
13:37
What you saw in that last scenario is that
345
817260
2000
Lo que vieron en el último escenario es que
13:39
subjects get risky
346
819260
2000
los sujetos se vuelven arriesgados
13:41
because they want the small shot that there won't be any loss.
347
821260
3000
pues prefieren la opción que ofrece menos pérdida.
13:44
That means when we're in a risk mindset --
348
824260
2000
Eso signifíca que cuando estamos en una mentalidad de riesgo-
13:46
excuse me, when we're in a loss mindset,
349
826260
2000
perdón, cuando estamos en una mentalidad de pérdida,
13:48
we actually become more risky,
350
828260
2000
nos volvemos más arriesgados,
13:50
which can actually be really worrying.
351
830260
2000
lo que puede ser realmente preocupante.
13:52
These kinds of things play out in lots of bad ways in humans.
352
832260
3000
Este tipo de cosas afecta de maneras muy negativas en los humanos.
13:55
They're why stock investors hold onto losing stocks longer --
353
835260
3000
Por esto los inversores se aferran a las acciones a la baja por más tiempo
13:58
because they're evaluating them in relative terms.
354
838260
2000
pues las están evaluando en términos relativos.
14:00
They're why people in the housing market refused to sell their house --
355
840260
2000
Por esto la gente en el mercado de propiedades se negaba a vender sus casas
14:02
because they don't want to sell at a loss.
356
842260
2000
pues no quieren vender a pérdida.
14:04
The question we were interested in
357
844260
2000
La cuestión que nos interesaba era saber
14:06
is whether the monkeys show the same biases.
358
846260
2000
si los monos mostraban las mismas tendencias.
14:08
If we set up those same scenarios in our little monkey market,
359
848260
3000
si les presentaramos esos mismos escenarios en nuestro
14:11
would they do the same thing as people?
360
851260
2000
pequeño mercado de monos, ¿harían las mismas cosas que la gente?
14:13
And so this is what we did, we gave the monkeys choices
361
853260
2000
Y eso es lo que hicimos, les dimos opciones a los monos
14:15
between guys who were safe -- they did the same thing every time --
362
855260
3000
entre sujetos que eran confiables --que hacían lo mismo cada vez--
14:18
or guys who were risky --
363
858260
2000
o con sujetos que eran un riesgo
14:20
they did things differently half the time.
364
860260
2000
--que hacían las cosas de modo diferente la mitad de las veces.
14:22
And then we gave them options that were bonuses --
365
862260
2000
Les dimos opciones con bonificación
14:24
like you guys did in the first scenario --
366
864260
2000
--como a ustedes en el primer escenario--
14:26
so they actually have a chance more,
367
866260
2000
y tenían una opción más,
14:28
or pieces where they were experiencing losses --
368
868260
3000
o situaciones donde experimentaban pérdidas
14:31
they actually thought they were going to get more than they really got.
369
871260
2000
--pensaban que obtendrían más de lo que realmente obtuvieron.
14:33
And so this is what this looks like.
370
873260
2000
Y asi es como se ve.
14:35
We introduced the monkeys to two new monkey salesmen.
371
875260
2000
Les presentamos a los monos dos nuevos vendedores.
14:37
The guy on the left and right both start with one piece of grape,
372
877260
2000
Ambos, el de la izquierda y el de la derecha comienzan con una uva.
14:39
so it looks pretty good.
373
879260
2000
todo se ve bastante bien.
14:41
But they're going to give the monkeys bonuses.
374
881260
2000
Pero les van a dar bonificaciones.
14:43
The guy on the left is a safe bonus.
375
883260
2000
El de la izquierda es una bonificación segura.
14:45
All the time, he adds one, to give the monkeys two.
376
885260
3000
Todo el tiempo añade una, dándole 2 al mono.
14:48
The guy on the right is actually a risky bonus.
377
888260
2000
El de la derecha es una bonificación riesgosa.
14:50
Sometimes the monkeys get no bonus -- so this is a bonus of zero.
378
890260
3000
Algunas veces los monos no reciben ninguna bonificación --bonificación cero.
14:53
Sometimes the monkeys get two extra.
379
893260
3000
Algunas veces los monos reciben 2 adicionales.
14:56
For a big bonus, now they get three.
380
896260
2000
Una gran bonificación, y reciben 3.
14:58
But this is the same choice you guys just faced.
381
898260
2000
Pero esta es la misma elección que ustedes acaban de enfrentar.
15:00
Do the monkeys actually want to play it safe
382
900260
3000
¿Quieren los monos realmente ir a lo seguro
15:03
and then go with the guy who's going to do the same thing on every trial,
383
903260
2000
e ir con quien va a hacer lo mismo en cada intento,
15:05
or do they want to be risky
384
905260
2000
o quieren ser arriesgados
15:07
and try to get a risky, but big, bonus,
385
907260
2000
y tratar de obtener un bonificación riesgosa pero mayor,
15:09
but risk the possibility of getting no bonus.
386
909260
2000
pero arriesgando la posibilidad de no obtener ninguna bonificación?
15:11
People here played it safe.
387
911260
2000
La gente aquí fue a lo seguro.
15:13
Turns out, the monkeys play it safe too.
388
913260
2000
Resulta que los monos también fueron a lo seguro.
15:15
Qualitatively and quantitatively,
389
915260
2000
Cualitativamente y cuantitativamente,
15:17
they choose exactly the same way as people,
390
917260
2000
eligieron exactamente de la misma manera que la gente,
15:19
when tested in the same thing.
391
919260
2000
al ser testeados.
15:21
You might say, well, maybe the monkeys just don't like risk.
392
921260
2000
Podrían decir, bien, tal vez a los monos no les gusta el riesgo.
15:23
Maybe we should see how they do with losses.
393
923260
2000
Tal vez deberíamos ver como les va con las pérdidas.
15:25
And so we ran a second version of this.
394
925260
2000
Entonces hicimos una segunda versión.
15:27
Now, the monkeys meet two guys
395
927260
2000
Ahora, se les presentan dos sujetos a los monos
15:29
who aren't giving them bonuses;
396
929260
2000
que no les dan bonificaciones;
15:31
they're actually giving them less than they expect.
397
931260
2000
de hecho les dan menos de lo que esperan.
15:33
So they look like they're starting out with a big amount.
398
933260
2000
Parece que comienzan con una gran cantidad.
15:35
These are three grapes; the monkey's really psyched for this.
399
935260
2000
Son tres uvas; los monos están preparados para esto.
15:37
But now they learn these guys are going to give them less than they expect.
400
937260
3000
Pero ahora saben que estos sujetos les van a dar menos de lo que esperan.
15:40
They guy on the left is a safe loss.
401
940260
2000
El sujeto de la izquierda es una pérdida segura.
15:42
Every single time, he's going to take one of these away
402
942260
3000
Cada vez sacará una de estas
15:45
and give the monkeys just two.
403
945260
2000
y le dará a los monos solo dos.
15:47
the guy on the right is the risky loss.
404
947260
2000
El de la derecha es una pérdida riesgosa.
15:49
Sometimes he gives no loss, so the monkeys are really psyched,
405
949260
3000
Algunas veces no da pérdida, los monos están mentalizados,
15:52
but sometimes he actually gives a big loss,
406
952260
2000
pero algunas veces en verdad da grandes pérdidas,
15:54
taking away two to give the monkeys only one.
407
954260
2000
sacando dos y dándole a los monos sólo una.
15:56
And so what do the monkeys do?
408
956260
2000
Y entonces, ¿Qué hacen los monos?
15:58
Again, same choice; they can play it safe
409
958260
2000
Nuevamente, la misma opción, pueden ir a lo seguro
16:00
for always getting two grapes every single time,
410
960260
3000
para obtener dos uvas cada vez,
16:03
or they can take a risky bet and choose between one and three.
411
963260
3000
o tomar una apuesta riesgosa y elegir entre una y tres.
16:06
The remarkable thing to us is that, when you give monkeys this choice,
412
966260
3000
Lo más llamativo para nosotros es que, cuando le damos la posibilidad a los monos,
16:09
they do the same irrational thing that people do.
413
969260
2000
ellos hacen irracionalmente lo mismo que hace la gente.
16:11
They actually become more risky
414
971260
2000
Se vuelven más arriesgados
16:13
depending on how the experimenters started.
415
973260
3000
dependiendo de dónde comenzaron los experimentadores.
16:16
This is crazy because it suggests that the monkeys too
416
976260
2000
Esto es una locura porque sugiere que los monos también
16:18
are evaluating things in relative terms
417
978260
2000
están evaluando las cosas en términos relativos.
16:20
and actually treating losses differently than they treat gains.
418
980260
3000
y están tratando las pérdidas diferente de como tratan las ganancias.
16:23
So what does all of this mean?
419
983260
2000
¿Qué significa todo esto?
16:25
Well, what we've shown is that, first of all,
420
985260
2000
Bien, lo que hemos mostrado es que, primero,
16:27
we can actually give the monkeys a financial currency,
421
987260
2000
podemos darles a los monos moneda corriente,
16:29
and they do very similar things with it.
422
989260
2000
y harán cosas bastante similares con ella.
16:31
They do some of the smart things we do,
423
991260
2000
Harán algunas de las cosas inteligentes que hacemos nosotros,
16:33
some of the kind of not so nice things we do,
424
993260
2000
algunas de las cosas no tan lindas que nosotros hacemos,
16:35
like steal it and so on.
425
995260
2000
como robar y otras.
16:37
But they also do some of the irrational things we do.
426
997260
2000
Pero también algunas de las cosas irracionales que nosotros hacemos.
16:39
They systematically get things wrong
427
999260
2000
Sistemáticamente se equivocan
16:41
and in the same ways that we do.
428
1001260
2000
y en la misma manera que lo hacemos nosotros.
16:43
This is the first take-home message of the Talk,
429
1003260
2000
Este es el primer mensaje para llevarse de esta charla,
16:45
which is that if you saw the beginning of this and you thought,
430
1005260
2000
y es que si ustedes vieron el comienzo y pensaron,
16:47
oh, I'm totally going to go home and hire a capuchin monkey financial adviser.
431
1007260
2000
oh, cuando me vaya a casa voy a conseguir un mono capuchino como asesor financiero
16:49
They're way cuter than the one at ... you know --
432
1009260
2000
Son mucho más bonitos que el que tenemos en... ustedes saben
16:51
Don't do that; they're probably going to be just as dumb
433
1011260
2000
No lo hagan; probablemente serán tan zonzos
16:53
as the human one you already have.
434
1013260
3000
como el humano que ya tienen.
16:56
So, you know, a little bad -- Sorry, sorry, sorry.
435
1016260
2000
Entonces, ya saben, malo --Perdón, perdón, perdón.
16:58
A little bad for monkey investors.
436
1018260
2000
Malo para los inversores monos.
17:00
But of course, you know, the reason you're laughing is bad for humans too.
437
1020260
3000
Por supesto, la razón por la que se están riendo es mala para los humanos también.
17:03
Because we've answered the question we started out with.
438
1023260
3000
Porque hemos respondido la pregunta del comienzo.
17:06
We wanted to know where these kinds of errors came from.
439
1026260
2000
Queríamos saber de dónde venían este tipo de errores.
17:08
And we started with the hope that maybe we can
440
1028260
2000
Y comenzamos con la esperanza de que tal vez podemos
17:10
sort of tweak our financial institutions,
441
1030260
2000
corregir nuestras instituciones financieras,
17:12
tweak our technologies to make ourselves better.
442
1032260
3000
corregir nuestras tecnologías para hacernos mejores a nosotros mismos.
17:15
But what we've learn is that these biases might be a deeper part of us than that.
443
1035260
3000
Pero lo que hemos aprendido es que estas predisposiciones pueden ser una parte más profunda de nosotros.
17:18
In fact, they might be due to the very nature
444
1038260
2000
De hecho, pueden deberse a la misma naturaleza
17:20
of our evolutionary history.
445
1040260
2000
de nuestra historia evolutiva.
17:22
You know, maybe it's not just humans
446
1042260
2000
Ustedes saben, tal vez no son sólo los humanos
17:24
at the right side of this chain that's duncey.
447
1044260
2000
de este lado de la cadena los simplones.
17:26
Maybe it's sort of duncey all the way back.
448
1046260
2000
tal vez es simplona la cadena entera.
17:28
And this, if we believe the capuchin monkey results,
449
1048260
3000
Y ésto, si creemos en los resultados del mono capuchino,
17:31
means that these duncey strategies
450
1051260
2000
significa que estas estrategias simplonas
17:33
might be 35 million years old.
451
1053260
2000
pueden tener 35 millones de años.
17:35
That's a long time for a strategy
452
1055260
2000
Eso es mucho tiempo para que una estrategia
17:37
to potentially get changed around -- really, really old.
453
1057260
3000
pueda ser cambiada --es muy, muy vieja.
17:40
What do we know about other old strategies like this?
454
1060260
2000
¿Qué sabemos de otras estrategias tan viejas como ésta?
17:42
Well, one thing we know is that they tend to be really hard to overcome.
455
1062260
3000
Bien, una cosa que sabemos es que tienden a ser muy difíciles de superar.
17:45
You know, think of our evolutionary predilection
456
1065260
2000
Ya saben, piensen en nuestra predilección
17:47
for eating sweet things, fatty things like cheesecake.
457
1067260
3000
por comer cosas dulces, cosas grasosas como los cheescake
17:50
You can't just shut that off.
458
1070260
2000
No se puede simplemente cortarlo. No puedes simplemente
17:52
You can't just look at the dessert cart as say, "No, no, no. That looks disgusting to me."
459
1072260
3000
mirar al carrito de postres y decir, "No, no, no. Me parece desagradable".
17:55
We're just built differently.
460
1075260
2000
Estamos construidos de forma diferente
17:57
We're going to perceive it as a good thing to go after.
461
1077260
2000
Vamos a percibirlo como algo que es bueno de obtener.
17:59
My guess is that the same thing is going to be true
462
1079260
2000
Mi conjetura es que lo mismo va a ser verdad
18:01
when humans are perceiving
463
1081260
2000
cuando los humanos están percibiendo
18:03
different financial decisions.
464
1083260
2000
diferentes decisiones financieras.
18:05
When you're watching your stocks plummet into the red,
465
1085260
2000
Cuando estás viendo tus acciones caer en picada al rojo,
18:07
when you're watching your house price go down,
466
1087260
2000
cuando estás viendo el precio de tu casa desmoronarse,
18:09
you're not going to be able to see that
467
1089260
2000
no serás capaz de verlo.
18:11
in anything but old evolutionary terms.
468
1091260
2000
sino en viejos terminos evolucionarios.
18:13
This means that the biases
469
1093260
2000
Esto significa que las predisposiciones
18:15
that lead investors to do badly,
470
1095260
2000
que guían a los inversores a equivocarse,
18:17
that lead to the foreclosure crisis
471
1097260
2000
que llevó a la crisis de las ejecuciones inmobiliarias
18:19
are going to be really hard to overcome.
472
1099260
2000
van a ser muy dificiles de superar.
18:21
So that's the bad news. The question is: is there any good news?
473
1101260
2000
Esa es la mala noticia. La pregunta es: ¿Hay alguna buena noticia?
18:23
I'm supposed to be up here telling you the good news.
474
1103260
2000
Se supone que estoy aquí para darles buenas noticias.
18:25
Well, the good news, I think,
475
1105260
2000
Bien, la buena noticia, creo,
18:27
is what I started with at the beginning of the Talk,
476
1107260
2000
es con lo que comencé esta charla,
18:29
which is that humans are not only smart;
477
1109260
2000
que los humanos no sólo somos inteligentes,
18:31
we're really inspirationally smart
478
1111260
2000
nuestra inteligencia inspira
18:33
to the rest of the animals in the biological kingdom.
479
1113260
3000
al resto del reino biológico.
18:36
We're so good at overcoming our biological limitations --
480
1116260
3000
Somos tan buenos para sobreponernos a nuestras limitaciones biológicas
18:39
you know, I flew over here in an airplane.
481
1119260
2000
--ya saben, volé en un avion para llegar aquí
18:41
I didn't have to try to flap my wings.
482
1121260
2000
y no tuve que tratar de aletear mis alas.
18:43
I'm wearing contact lenses now so that I can see all of you.
483
1123260
3000
Estoy usando lentes de contacto para poder verlos,
18:46
I don't have to rely on my own near-sightedness.
484
1126260
3000
y no necesito confiar en mi miopía.
18:49
We actually have all of these cases
485
1129260
2000
Tenemos todos estos casos en que
18:51
where we overcome our biological limitations
486
1131260
3000
superamos nuestras limitaciones biológicas a través de
18:54
through technology and other means, seemingly pretty easily.
487
1134260
3000
de la tecnología y otros medios, al parecer con bastante facilidad.
18:57
But we have to recognize that we have those limitations.
488
1137260
3000
Pero debemos reconocer que tenemos esas limitaciones.
19:00
And here's the rub.
489
1140260
2000
Y aquí está el problema.
19:02
It was Camus who once said that, "Man is the only species
490
1142260
2000
Fue Camus quien dijo: "El hombre es la única especie
19:04
who refuses to be what he really is."
491
1144260
3000
que se niega a ser lo que realmente es".
19:07
But the irony is that
492
1147260
2000
Pero la ironía es que,
19:09
it might only be in recognizing our limitations
493
1149260
2000
sólo reconociendo nuestras limitaciones
19:11
that we can really actually overcome them.
494
1151260
2000
podremos superarlas realmente.
19:13
The hope is that you all will think about your limitations,
495
1153260
3000
La esperanza es que puedan pensar sobre sus limitaciones,
19:16
not necessarily as unovercomable,
496
1156260
3000
no como algo necesariamente insuperable,
19:19
but to recognize them, accept them
497
1159260
2000
sino reconociéndolas, aceptándolas
19:21
and then use the world of design to actually figure them out.
498
1161260
3000
y entonces usando el mundo del diseño para comprenderlas.
19:24
That might be the only way that we will really be able
499
1164260
3000
Esa puede ser la única manera en la que seremos capaces
19:27
to achieve our own human potential
500
1167260
2000
de lograr nuestro potencial humano
19:29
and really be the noble species we hope to all be.
501
1169260
3000
y ser de veras la noble especie que esperamos ser.
19:32
Thank you.
502
1172260
2000
Gracias.
19:34
(Applause)
503
1174260
5000
Aplausos)
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7