What to trust in a "post-truth" world | Alex Edmans

翻訳: Kai Izumi 校正: Eriko Tsukamoto

Belle Gibson was a happy young Australian.

ベル・ギブソンは若く 幸せでした

She lived in Perth, and she loved skateboarding.

豪州のパースで暮らし スケボーが大好きでした

But in 2009, Belle learned that she had brain cancer and four months to live.

でも2009年に脳腫瘍で 余命４ヶ月と判明します

Two months of chemo and radiotherapy had no effect.

２ヶ月に及ぶ化学治療も 放射線治療も無駄でした

But Belle was determined.

しかし彼女は諦めませんでした

She'd been a fighter her whole life.

彼女はずっと闘ってきました

From age six, she had to cook for her brother, who had autism,

６歳の頃から 自閉症の弟と 多発性硬化症のお母さんの

and her mother, who had multiple sclerosis.

食事を作る必要がありました

Her father was out of the picture.

父親はいませんでした

So Belle fought, with exercise, with meditation

ベルは 運動と瞑想をし

and by ditching meat for fruit and vegetables.

肉を絶ち 野菜と果物を食べて 闘いました

And she made a complete recovery.

そしてガンを完治させたのです

Belle's story went viral.

彼女の話は瞬く間に広まりました

It was tweeted, blogged about, shared and reached millions of people.

ツイッターやブログで共有され 何百万人もの人々に読まれました

It showed the benefits of shunning traditional medicine

それは従来の医療を避けて 良い食事と運動をすることが

for diet and exercise.

どれほど効果的かを示しました

In August 2013, Belle launched a healthy eating app,

2013年８月 ベルは The Whole Pantryという食事管理アプリを

The Whole Pantry,

発表しました

downloaded 200,000 times in the first month.

最初の１ヶ月で 20万回ダウンロードされました

But Belle's story was a lie.

しかしベルの話は嘘だったのです

Belle never had cancer.

彼女はガンになど なっていませんでした

People shared her story without ever checking if it was true.

人々は話の真偽を 確かめずに共有したのです

This is a classic example of confirmation bias.

これは「確証バイアス」の典型的な例です

We accept a story uncritically if it confirms what we'd like to be true.

私達は 自分が信じたいことを 裏付ける話は無条件に受け入れ

And we reject any story that contradicts it.

それに矛盾する話は拒絶します

How often do we see this

確証バイアスは 私達が話を共有し

in the stories that we share and we ignore?

無視する時 どのくらい頻繁に 表れるのでしょう？

In politics, in business, in health advice.

政治、ビジネス、健康アドバイスの話では どうでしょうか

The Oxford Dictionary's word of 2016 was "post-truth."

オックスフォード大学出版局の2016年の 「今年の言葉」は “post-truth” でした

And the recognition that we now live in a post-truth world

私達が今や「脱真実」の世界に 住んでいると認めることで

has led to a much needed emphasis on checking the facts.

事実を確認することの 重要性が高まっています

But the punch line of my talk

しかし私のトークの要点は

is that just checking the facts is not enough.

事実確認だけでは不十分だということです

Even if Belle's story were true,

もしベルの話が本当だったとしても

it would be just as irrelevant.

それは関係ないことです

Why?

なぜなのか？

Well, let's look at one of the most fundamental techniques in statistics.

ここで統計学の最も基本的な 技法の１つを見てみましょう

It's called Bayesian inference.

ベイズ推定です

And the very simple version is this:

簡単な例です

We care about "does the data support the theory?"

大事なのは「データが仮説を裏付けるか？」

Does the data increase our belief that the theory is true?

「データは仮説の 信憑性を高めるか？」です

But instead, we end up asking, "Is the data consistent with the theory?"

ところが私達は「データが仮説と 矛盾しないか？」と問いがちです

But being consistent with the theory

でも 仮説と矛盾しないからといって

does not mean that the data supports the theory.

データが裏付けに なるとは限りません

Why?

それはなぜか？

Because of a crucial but forgotten third term --

大事な３つ目の要素を忘れているからです

the data could also be consistent with rival theories.

そのデータは対立する説とも 矛盾していないかもしれないからです

But due to confirmation bias, we never consider the rival theories,

でも確証バイアスのせいで 私達は他の説を考慮に入れません

because we're so protective of our own pet theory.

自分が支持する説を 守りたいと思ってしまうからです

Now, let's look at this for Belle's story.

ここでベルの話を検討してみましょう

Well, we care about: Does Belle's story support the theory

私達にとって重要なのは「ベルの話は 食事でガンが治るという仮説を

that diet cures cancer?

裏付けるか」です

But instead, we end up asking,

ところが私達は

"Is Belle's story consistent with diet curing cancer?"

「ベルの話が 食事でガンが治るという説と 矛盾しないか」との疑問に着目しがちで

And the answer is yes.

その答えは「矛盾しない」です

If diet did cure cancer, we'd see stories like Belle's.

食事で本当にガンが治るのなら ベルの話に似た話を聞くでしょう

But even if diet did not cure cancer,

ただ 食事でガンが治らないとしても

we'd still see stories like Belle's.

そういう話を耳にするものです

A single story in which a patient apparently self-cured

患者が自然に治ったように 見えるけれど

just due to being misdiagnosed in the first place.

そもそもただの誤診だった など

Just like, even if smoking was bad for your health,

「タバコを吸うのが健康に悪いとしても

you'd still see one smoker who lived until 100.

100歳超えて生きた喫煙者もいる」 というのと同じことです

(Laughter)

（笑）

Just like, even if education was good for your income,

教育で将来の稼ぎが変わるといっても

you'd still see one multimillionaire who didn't go to university.

大学を出なかった 超お金持ちがいるという話も同じです

(Laughter)

（笑）

So the biggest problem with Belle's story is not that it was false.

ベルの話の最大の問題は それが嘘だったことではなく

It's that it's only one story.

たった１件の話にすぎない ということです

There might be thousands of other stories where diet alone failed,

食事療法で病状が回復しなかった人も 何千人といるでしょうが

but we never hear about them.

その人達の話は耳にはしません

We share the outlier cases because they are new,

私達が例外のケースを共有するのは それが真新しいからで

and therefore they are news.

「ニュース」になったからです

We never share the ordinary cases.

私達はごく普通の話は共有しないものです

They're too ordinary, they're what normally happens.

どこででも起きる 一般的なことですから

And that's the true 99 percent that we ignore.

それが私達が無視する 99％の真実なのです

Just like in society, you can't just listen to the one percent,

社会と同じように １％の例外の話

the outliers,

外れ値だけを聞いて

and ignore the 99 percent, the ordinary.

99％の一般的な話を 無視してはいけません

Because that's the second example of confirmation bias.

これが確証バイアスの ２個目の例だからです

We accept a fact as data.

私達は事実を データとして受け入れます

The biggest problem is not that we live in a post-truth world;

最大の問題は世界が 脱真実であることではなく

it's that we live in a post-data world.

世界が「脱データ」になっている ということです

We prefer a single story to tons of data.

私達はたくさんのデータよりも １つの物語を好みます

Now, stories are powerful, they're vivid, they bring it to life.

物語は力強く鮮やかで 生き生きとしています

They tell you to start every talk with a story.

すべてのスピーチを 物語で始めよと言われます

I did.

私もそうしました

But a single story is meaningless and misleading

でもたった１件の体験談は それを支持する大量のデータが無い限り

unless it's backed up by large-scale data.

無意味で 紛らわしいだけです

But even if we had large-scale data,

しかも大量のデータがあるだけでも

that might still not be enough.

十分とは言えないかもしれません

Because it could still be consistent with rival theories.

対立する仮説とも矛盾しない 可能性があるからです

Let me explain.

説明しますね

A classic study by psychologist Peter Wason

心理学者ピーター・ウェイソンの 有名な研究では

gives you a set of three numbers

３つの数字の組み合わせを見せられ

and asks you to think of the rule that generated them.

組み合わせの規則を 考えるよう求められます

So if you're given two, four, six,

もし ２ ４ ６ を見せられたら 規則は何でしょうか？

what's the rule?

Well, most people would think, it's successive even numbers.

大半の人は 連続する偶数だと思うでしょう

How would you test it?

その仮説をどう証明しますか？

Well, you'd propose other sets of successive even numbers:

別の連続する偶数の組を 挙げることもできるかもしれません

4, 6, 8 or 12, 14, 16.

４６８や12 14 16 などです

And Peter would say these sets also work.

ピーターなら その数字も 当てはまると言うでしょう

But knowing that these sets also work,

でもこれらの組や

knowing that perhaps hundreds of sets of successive even numbers also work,

連続する偶数の組が何百組 規則に当てはまると分かったとしても

tells you nothing.

何にもならないのです

Because this is still consistent with rival theories.

だって次のような対立する仮説も 成り立ってしまうのですから

Perhaps the rule is any three even numbers.

規則はもしかしたら 「任意の３つの偶数」や

Or any three increasing numbers.

「任意の増加する３つの数」 かもしれません

And that's the third example of confirmation bias:

そしてこれが確証バイアスの ３つ目の例です

accepting data as evidence,

対立する仮説と矛盾が無くても

even if it's consistent with rival theories.

データを証拠として 受け入れてしまうことです

Data is just a collection of facts.

データは事実の集合にすぎず

Evidence is data that supports one theory and rules out others.

エビデンスとは「１つの仮説を肯定し 他の仮説を否定するデータ」です

So the best way to support your theory

そのため自分の説を 確かなものにするには

is actually to try to disprove it, to play devil's advocate.

自説に反論してみるのが一番です

So test something, like 4, 12, 26.

例えば「4 12 26」を検証して

If you got a yes to that, that would disprove your theory

それが正しいとすれば あなたが立てた 「連続する３つの偶数」という説は

of successive even numbers.

間違っていることがわかります

Yet this test is powerful,

しかも この確認方法は役に立ちます

because if you got a no, it would rule out "any three even numbers"

もし この数列が当てはまらないなら任意の ３つの偶数と任意の増加する３つの数という説は

and "any three increasing numbers."

否定されるからです

It would rule out the rival theories, but not rule out yours.

他の説は否定しますが 自説は否定されません

But most people are too afraid of testing the 4, 12, 26,

でも大半の人は怖くて 4 12 26を試せません

because they don't want to get a yes and prove their pet theory to be wrong.

自説が否定されるのが嫌だからです

Confirmation bias is not only about failing to search for new data,

確証バイアスは 他のデータを 試そうとしないことだけでなく

but it's also about misinterpreting data once you receive it.

データの解釈を 間違うことでもあります

And this applies outside the lab to important, real-world problems.

これは現実世界の 問題についても言えます

Indeed, Thomas Edison famously said,

以下はトーマス・エジソンの名言です

"I have not failed,

「私は失敗したのではない

I have found 10,000 ways that won't work."

うまくいかない１万通りの 方法を発見したのだ」

Finding out that you're wrong

間違っていると気づくことは

is the only way to find out what's right.

何が正しいのかを知る唯一の方法です

Say you're a university admissions director

仮に あなたが大学の 入学事務局長だとしましょう

and your theory is that only students with good grades

あなたの仮説は 家庭が裕福で 成績の良い学生だけが

from rich families do well.

成功するというものです

So you only let in such students.

だからそのような学生のみを 受け入れます

And they do well.

彼らは成功します

But that's also consistent with the rival theory.

ただ これは対立する仮説とも 矛盾しません

Perhaps all students with good grades do well,

もしかしたら家庭の貧富に関係なく 成績が良い学生は

rich or poor.

成功するのかもしれません

But you never test that theory because you never let in poor students

でもあなたは自説を覆されたくなくて 貧しい学生を入学させないので

because you don't want to be proven wrong.

自説を検証することはできません

So, what have we learned?

ここで何が学べるでしょうか？

A story is not fact, because it may not be true.

体験談は事実とは言えません 真実では無いかもしれないからです

A fact is not data,

事実とはデータではありません

it may not be representative if it's only one data point.

ある１件のデータだけでは その事象を代表しているとは言えません

And data is not evidence --

そしてデータはエビデンスではありません

it may not be supportive if it's consistent with rival theories.

データが対立する仮説に矛盾しないなら 自説を立証することにならないからです

So, what do you do?

ならばあなたは どうするべきなのでしょう

When you're at the inflection points of life,

あなたが人生の岐路に立った時

deciding on a strategy for your business,

例えば会社の経営方針を決める時や

a parenting technique for your child

子供の教育方針を決める時

or a regimen for your health,

健康的な生活の方針を決める時に

how do you ensure that you don't have a story

どうすれば確実に ただの事例でなく エビデンスに基づいて

but you have evidence?

判断できるでしょう？

Let me give you three tips.

３つのアドバイスをしましょう

The first is to actively seek other viewpoints.

１つ目は 積極的に 自分と異なる視点を探してみることです

Read and listen to people you flagrantly disagree with.

自分とは全く意見が違う人の 話も聞いてください

Ninety percent of what they say may be wrong, in your view.

彼らの意見のうち９割は 間違いのように思えるかもしれない

But what if 10 percent is right?

でも１割でも正しいとすれば？

As Aristotle said,

アリストテレスが言ったように

"The mark of an educated man

「必ずしも同意せずして

is the ability to entertain a thought

考えを検証してみることができれば それこそが

without necessarily accepting it."

教育された精神の証である」

Surround yourself with people who challenge you,

周りに自分の考えを試す人を置き

and create a culture that actively encourages dissent.

活発に異議が生まれる環境を 作ってください

Some banks suffered from groupthink,

一部の銀行は 集団思考の悪影響を受けました

where staff were too afraid to challenge management's lending decisions,

上司の融資決済に 一般行員が反論できない状況が

contributing to the financial crisis.

世界金融危機の一因になったのです

In a meeting, appoint someone to be devil's advocate

会議では自分のお気に入りの考えに対して 反論して検証を促してくれる

against your pet idea.

そんな人を指名しておいてください

And don't just hear another viewpoint --

そして異なる意見は 聞き流してはなりません

listen to it, as well.

積極的に耳を傾けてください

As psychologist Stephen Covey said,

心理学者スティーブン・R・コヴィーが 言ったように

"Listen with the intent to understand,

「理解しようとして聞きなさい

not the intent to reply."

言い返すためにではなく」

A dissenting viewpoint is something to learn from

対立する意見とは 学ぶためのものであって

not to argue against.

言い負かすためのものではないのです

Which takes us to the other forgotten terms in Bayesian inference.

これはベイズ推定の 他の条件を思い出させます

Because data allows you to learn,

データは私達に 学ばせてくれるからです

but learning is only relative to a starting point.

しかし学ぶ上で肝心なのがその際の姿勢です

If you started with complete certainty that your pet theory must be true,

自分の説が確実に正しいと 思いこんでいれば

then your view won't change --

どんなデータを見ようと

regardless of what data you see.

見方は変わらないでしょう

Only if you are truly open to the possibility of being wrong

間違うことを 恐れないようになって初めて

can you ever learn.

学ぶことができるのです

As Leo Tolstoy wrote,

レフ・トルストイが言うように

"The most difficult subjects

「最も難しいことでも

can be explained to the most slow-witted man

相手が先入観を持っていなければ

if he has not formed any idea of them already.

理解の遅い人にも教えられる

But the simplest thing

しかし 最も簡単なことでも

cannot be made clear to the most intelligent man

相手が既にそれを知っていると 信じ込んでいる場合は

if he is firmly persuaded that he knows already."

どんなに賢い人にも伝わらない」

Tip number two is "listen to experts."

２つ目のアドバイスは 「専門家の言うことを聞く」こと

Now, that's perhaps the most unpopular advice that I could give you.

私ができる一番つまらない助言でしょうか

(Laughter)

（笑）

British politician Michael Gove famously said that people in this country

イギリスの政治家マイケル・ゴーヴは 有名な言葉を残しています

have had enough of experts.

「英国民は専門家にうんざりしている」

A recent poll showed that more people would trust their hairdresser --

最近の調査では信じられる人として 行きつけの美容師や

(Laughter)

（笑）

or the man on the street

道端にいる人を挙げた人の方が

than they would leaders of businesses, the health service and even charities.

経営者や医師や更には慈善事業経営者を 挙げた人より多かった

So we respect a teeth-whitening formula discovered by a mom,

私達は主婦が発明した 歯のホワイトニング法や

or we listen to an actress's view on vaccination.

女優の予防接種に対する見解を より重視します

We like people who tell it like it is, who go with their gut,

私達は ありのままを語る人 自分の勘を信じる人を好み

and we call them authentic.

彼らを信頼できると考えます

But gut feel can only get you so far.

しかし勘にも限界があります

Gut feel would tell you never to give water to a baby with diarrhea,

直感に従えば 下痢の赤ん坊に 水は絶対に飲ませないでしょう

because it would just flow out the other end.

すぐ下から出ていくだけですからね

Expertise tells you otherwise.

しかし専門知識があればそうは思わない

You'd never trust your surgery to the man on the street.

道端の人に自分の手術は託さないものです

You'd want an expert who spent years doing surgery

何年も手術してきて良い腕を持った

and knows the best techniques.

専門家にしてほしいはずです

But that should apply to every major decision.

それはいかなる大きな選択においても同じです

Politics, business, health advice

政治、経営、健康アドバイス

require expertise, just like surgery.

どれも手術と同じように専門知識が必要です

So then, why are experts so mistrusted?

ならば なぜこれ程までに 専門家への不信感があるのか？

Well, one reason is they're seen as out of touch.

理由の一つは 彼らが遠い存在に思えるからです

A millionaire CEO couldn't possibly speak for the man on the street.

億万長者の社長が道端の人の気持ちを 代弁できるはずがないように

But true expertise is found on evidence.

しかし本当の専門性は エビデンスによって築かれます

And evidence stands up for the man on the street

エビデンスは道端の人の主張を支え

and against the elites.

エリートに対抗します

Because evidence forces you to prove it.

エビデンスには証明が必要だからです

Evidence prevents the elites from imposing their own view

エビデンスはエリートが自分の意見を 証拠もなく押し付けるのを

without proof.

防ぐのです

A second reason why experts are not trusted

専門家が信用されない もう１つの理由は

is that different experts say different things.

言うことがそれぞれ違うからです

For every expert who claimed that leaving the EU would be bad for Britain,

EU離脱はイギリスにとって 不利益になると言った専門家と

another expert claimed it would be good.

有益だと言った専門家が同じ位います

Half of these so-called experts will be wrong.

半分の専門家らしき人々は 間違っていることになります

And I have to admit that most papers written by experts are wrong.

専門家の論文の大半は 誤っているのも事実です

Or at best, make claims that the evidence doesn't actually support.

確固たるエビデンスがないものも含まれます

So we can't just take an expert's word for it.

だから専門家の言うことを 鵜呑みにはできません

In November 2016, a study on executive pay hit national headlines.

2016年11月に役員報酬の調査が 新聞に載りました

Even though none of the newspapers who covered the study

しかしそれを報じた新聞は一社として

had even seen the study.

調査を見てもいなかったのです

It wasn't even out yet.

調査はまだ公表されてもいませんでした

They just took the author's word for it,

著者の言葉をただ信じたのです

just like with Belle.

ベルの場合と全く同じです

Nor does it mean that we can just handpick any study

また 自分の意見に合う研究だけを

that happens to support our viewpoint --

選べばいいという訳でもありません

that would, again, be confirmation bias.

それもまた確証バイアスです

Nor does it mean that if seven studies show A

あるいは「７つの研究がAを示し

and three show B,

３つの研究がBを示すならば

that A must be true.

Aが必ず正しい」のでもありません

What matters is the quality,

大切なのは専門知識の質であり

and not the quantity of expertise.

量ではないのです

So we should do two things.

なのでこれから言う２つのことをしてください

First, we should critically examine the credentials of the authors.

まず著者の信憑性をしっかりと吟味すること

Just like you'd critically examine the credentials of a potential surgeon.

自分を手術することになる外科医の資格を 厳しく調べるのと同じです

Are they truly experts in the matter,

本当にその人はその事柄の専門家なのか

or do they have a vested interest?

あるいは利害は絡んでいるか？

Second, we should pay particular attention

次に一流の学術誌で発表された論文に

to papers published in the top academic journals.

特に注意を向けることです

Now, academics are often accused of being detached from the real world.

学者は浮世離れしていると よく言われます

But this detachment gives you years to spend on a study.

しかしだからこそ何年も研究し続け

To really nail down a result,

正しい結果を追求し

to rule out those rival theories,

他の説を反駁し

and to distinguish correlation from causation.

相関と因果関係を見分けられるのです

And academic journals involve peer review,

学術誌では互いに査読し合い

where a paper is rigorously scrutinized

論文が精査されます

(Laughter)

（笑）

by the world's leading minds.

世界有数の知性によってですよ

The better the journal, the higher the standard.

良い学術誌ほど水準が高いのです

The most elite journals reject 95 percent of papers.

最も権威のある学術誌では 論文の95％が不採用となります

Now, academic evidence is not everything.

ええ 学問的な証拠だけが全てでは ありません

Real-world experience is critical, also.

実世界での経験も非常に大切です

And peer review is not perfect, mistakes are made.

査読も完璧ではありません 間違いも起こることがあります

But it's better to go with something checked

でも確認がないものよりは

than something unchecked.

よっぽどマシです

If we latch onto a study because we like the findings,

著者が何者か ましてやそれが 検証されているのかを考えずに

without considering who it's by or whether it's even been vetted,

結論が気に入ったというだけで 研究に執着すると

there is a massive chance that that study is misleading.

その研究が誤った結論へと導いている 可能性がとても高いのです

And those of us who claim to be experts

そして専門家だと自負する我々自身も

should recognize the limitations of our analysis.

自分達の分析には限界があると認識すべきです

Very rarely is it possible to prove or predict something with certainty,

何かを確実に証明したり 予知できることはめったにないけれど

yet it's so tempting to make a sweeping, unqualified statement.

なのに根拠もなく決めつけた 発言をしたくなってしまうものです

It's easier to turn into a headline or to be tweeted in 140 characters.

記事にしたりツイートしたりするのは容易です

But even evidence may not be proof.

でもエビデンスさえ証拠となるとは限りません

It may not be universal, it may not apply in every setting.

すべての場合に 当てはまらないかもしれないからです

So don't say, "Red wine causes longer life,"

赤ワインと長寿に 相関関係があるというだけで

when the evidence is only that red wine is correlated with longer life.

「赤ワインを飲むと長生きする」と 結論づけないでください

And only then in people who exercise as well.

それも良く運動する人々だけの研究で

Tip number three is "pause before sharing anything."

最後の助言は「情報を共有する前に 一旦立ち止まって考える」こと

The Hippocratic oath says, "First, do no harm."

ヒポクラテスの誓いにこうあります 「まず何より害を与えるな」

What we share is potentially contagious,

私達が共有する情報は 拡散する可能性があるので

so be very careful about what we spread.

どんな情報を広めるかに 細心の注意を払って下さい

Our goal should not be to get likes or retweets.

「いいね」やリツイートをもらうのが 目的となってはいけません

Otherwise, we only share the consensus; we don't challenge anyone's thinking.

そうなってしまうと 多数意見しか共有されず 誰も異議を唱えなくなります

Otherwise, we only share what sounds good,

そうなってしまうと 証拠の有無に変わらず

regardless of whether it's evidence.

聞こえのいいことしか共有しなくなります

Instead, we should ask the following:

私達は こう問うべきです

If it's a story, is it true?

その話は本当だろうか？

If it's true, is it backed up by large-scale evidence?

もし本当なら 証拠となる 大量のエビデンスはあるか？

If it is, who is it by, what are their credentials?

誰が研究し その人は信頼できるか？

Is it published, how rigorous is the journal?

論文は発表されているか？ その学術誌はどれほど厳格か？

And ask yourself the million-dollar question:

そしてこの難問を自分に問うてください

If the same study was written by the same authors with the same credentials

研究論文が同じ著者によって書かれたもので

but found the opposite results,

真逆の結果であったとしても

would you still be willing to believe it and to share it?

それを信じて共有したいと思いますか？

Treating any problem --

どんな問題であれ 扱うのは難しいものです

a nation's economic problem or an individual's health problem,

それが国家の経済であろうと

is difficult.

個人の健康であろうと

So we must ensure that we have the very best evidence to guide us.

ですから本当に正しいエビデンスに 導かれていなくてはなりません

Only if it's true can it be fact.

真実でなければ事実ではありません

Only if it's representative can it be data.

典型的で代表する情報でなければ データとは呼べません

Only if it's supportive can it be evidence.

根拠がなければエビデンスではありません

And only with evidence can we move from a post-truth world

そしてエビデンスによってのみ 私達は脱真実の世界から

to a pro-truth world.

真実志向の世界へと移行できるのです

Thank you very much.

ご清聴ありがとうございました

(Applause)

（拍手）