Anne Scherer: Why we're more honest with machines than people | TED

Transcriber:

Translator: Sanntint Tint Reviewer: Myo Aung

Now, a few years back, I was having a barbecue with friends and family.

လွန်ခဲ့တဲ့ နှစ်အနည်းငယ်က သူငယ်ချင်း မိသားစုတွေနဲ့အတူ ဝိုင်းဖွဲ့စားသောက်နေတယ်။

As usual, we talked about the weather, the good food or TV shows to watch.

ထုံးစံအတိုင်း ရာသီဥတု၊ အစားအစာကောင်း(သို့) ကြည့်စရာ ရုပ်သံပြပွဲတွေအကြောင်း ပြောကြတယ်။

So nothing out of the ordinary

ဒီတော့ တက်ရောက်လာသူတစ်ဦးက

until one attendee casually mentioned

သူနဲ့သူ့ဇနီး လိင်မဆက်ဆံတာ အတော်ကြာပြီလို့

that he and his wife hadn't had sex in a long time.

အမှတ်မထင် ထည့်မပြောခင်အထိ ဘာမှ ထူးထူးခြားမရှိပါဘူး။

As you can imagine, what followed was an awkward silence.

စိတ်ကူးကြည့်လို့ရတဲ့တိုင်း ဆက်ဖြစ်လာတာက အနေရခက်တဲ့ တိတ်ဆိတ်မှုပါ။

Until a six-year-old boy attending the barbecue with his parents

စားသောက်ပွဲကို မိဘတွေနဲ့အတူ တက်ရောက်နေတဲ့ ခြောက်နှစ်သား ကောင်လေးက

blurted out that his parents had lots of sex

သူ့မိဘတွေ လိင်အများကြီး ဆက်ဆံပြီး သူ တစ်ချိန်လုံး ကြားတယ်လို့

and he could hear them all the time.

ရှေ့နောက် မစဉ်းစားဘဲ မပြောခင်အထိပေါ့။

And then the barbecue continued as if nothing had happened.

ဒီနောက်မှာ ဘာမှ မဖြစ်ခဲ့သလို စားသောက်ဝိုင်းက ဆက်သွားတယ်။

Now, when I'm not having barbecues,

ကဲ ကျွန်မက စားသောက်ဝိုင်း ဖွဲ့မနေဘူး။

I am researching how people interact with each other

လူတွေ အချင်းချင်း တုံ့ပြန်ဆက်သွယ်ပုံနဲ့ နည်းပညာတွေနဲ့အတူ

and how that transfers to their interactions with technologies,

ဒါက သူတို့ရဲ့ တုံ့ပြန်ဆက်သွယ်မှုတွေဆီ ကူးပြောင်းပုံကို သုတေသနလုပ်နေတာဆိုတော့

so not all too surprisingly,

အလွန်အမင်း အံ့ဩစရာမရှိဘူး။

after this very unique social interaction at the barbecue,

ဒီစားသောက်ဝိုင်းက အလွန် ထူးခြားတဲ့ လူမှု တုံ့ပြန်ဆက်သွယ်ရေးနောက်မှာ

I was left wondering why we, the audience,

ကျွန်မ တွေးကျန်ရစ်တာက ကျွန်မတို့ ပရိတ်သတ်ဟာ

were so greatly ignoring what the adult so openly shared with us that evening.

ဒီညနေမှာ လူကြီးက ပွင့်လင်းစွာ မျှဝေတာကို ဘာကြောင့် ဒီလောက်ကြီး လျစ်လျူရှုခဲ့ကြတာလဲ။

So why the silence and then the laughter at the boy's comment?

ကောင်လေးရဲ့မှတ်ချက်မှာ ဘာကြောင့် တိတ်ဆိတ်ပြီး နောက်မှ ရယ်သံထွက်တာလဲပေါ့။

Well, both of them were breaking a social rule:

နှစ်ယောက်စလုံးက လူမှုရေး စည်းမျဉ်းတစ်ခုကို ချိုးဖောက်နေတာပါ။

never talk about sex, money or politics at a dinner table.

ညစာ စားပွဲမှာ လိင်၊ပိုက်ဆံနဲ့ နိုင်ငံရေးအကြောင်း လုံးဝ မပြောရ။

We assume that an adult knows this rule and sticks to it.

လူကြီးတစ်ယောက်ဟာ ဒီစည်မျဉ်းကို သိပြီး လိုက်နာတယ်လို့ ကျွန်မတို့ ယူဆကြတယ်။

So when such expectations are broken,

ဒီတော့ ဒီလိုထင်ထားတာတွေကို ချိုးဖောက်တဲ့အခါ

we sanction the offender accordingly -- in our case, with ignorance.

ချိုးဖောက်သူတွေကို လိုအပ်သလို အရေးယူကြ တယ်။ ဒီအဖြစ်မှာတော့ လျစ်လျူရှုမှုနဲ့ပေါ့။

When a child, however, breaks such a rule,

ဒါပေမဲ့ ဒီလိုစည်းမျဉ်းကို ကလေးတစ်ယောက် ချိုးဖောက်တဲ့အခါ

we attribute this to their naive understanding of our social manners

ဒါကို လူမှုရေးဆိုင်ရာ ပြောပုံဆိုပုံမှာ ရိုးစင်းတဲ့ နားလည်ခြင်းလို့ မှတ်ယူပြီး

and up to a certain age at least, do not openly sanction them for it.

အနည်းဆုံး အသက်အပိုင်းအခြားအထိ ဒါအတွက် သူတို့ကို ပွင့်လင်းစွာ အပြစ်မပေးကြဘူး။

Clearly, there is no official rule book for socially appropriate behaviors

ရှင်းနေတာက လူမှုရေးအရ သင့်လျော်တဲ့ အပြု အမူတွေ(သို့) လူမှုရေးအရ လက်ခံတဲ့ ညစာစားပွဲ

or even socially accepted dinner topics.

အကြောင်းအရာတွေအတွက်တောင် တရားဝင် စည်းမျဉ်းစာအုပ်မရှိဘူး။

In fact, our social norms are usually unwritten codes of conduct,

တကယ်တမ်းက လူမှုရေးစံတွေဆိုတာက အမြဲလိုလို ရေးသားမထားတဲ့ ကျင့်ဝတ်စည်းကမ်းတွေဖြစ်ပြီး

and they change over time as we as a society change and learn.

လူ့အဖွဲ့အစည်းတစ်ခုအနေနဲ့ ပြောင်းလဲ၊ သင်ယူ တာကြောင့် အချိန်ကြာရင် ပြောင်းလဲပါတယ်။

Less than a year ago, for instance,

ဥပမာ၊ လွန်ခဲ့တဲ့ တစ်နှစ် မရှိတရှိအချိန်က

it was considered impolite not to shake hands

သင့်ကို လူတစ်ယောက်နဲ့ မိတ်ဆက်ပေးတဲ့အခါ လက်ဆွဲ နှုတ်မဆက်တာက

when introducing yourself to someone.

မယဉ်ကျေးဘူးလို့ ယူဆခဲ့ကြတယ်။

A few months and the worldwide spread of the coronavirus later

လအနည်းငယ်နဲ့ နောက်ပိုင်း ကိုရိုနာ ဗိုင်းရပ်စ် ကမ္ဘာအနှံ့ ပျံ့နှံ့သွားတော့

and shaking hands may be something to be frowned upon

လက်ဆွဲနှုတ်ဆက်တာက မျက်မှောင်ကြုတ်စရာ ဖြစ်လောက်ပြီး

and maybe even a thing of the past.

ခေတ်ကုန်သွားတာတစ်ခု ဖြစ်လာက်တယ်။

The way we learn these social rules then

ဒီတုန်းက ဒီလူမှုရေး စည်းမျဉ်းတွေကို သင်ယူပုံက

is mostly by social rewards and social punishments.

အများစုက လူမှုရေး ဆုလာဘ်တွေနဲ့ လူမှုရေး ပြစ်ဒဏ်တွေကြောင့်ပါ။

Now, as social animals,

ကဲ လူမှုရေး သတ္တဝါတွေအနေနဲ့

we aim for social approval and want to avoid other's disapproval.

လူမှုရေး သဘောတူညီမှုကို ရည်မှန်းပြီး အခြားသူတွေရဲ့ သဘောမတူမှုကို ရှောင်ချင်တယ်။

So we act in a way that is socially accepted

ဒီတော့ လူမှုရေးအရ လက်ခံတဲ့ နည်းလမ်းတစ်ခုနဲ့ ပြုမူပြီး အခြားသူတွေအတွက်

and present ourselves in a socially desirable way to others.

လူမှုရေးအရ နှစ်လိုဖွယ် နည်းလမ်းတစ်ခုနဲ့ မိမိကိုယ်မိမိ ပုံဖမ်းကြတယ်။

So we want to be seen as an individual that is smart, successful,

ဒီတော့ တော်တဲ့၊ အောင်မြင်တဲ့၊အားကစား လိုက်စား၊တက်ကြွတဲ့၊ဖန်တီးတတ်၊စာနာတတ်တဲ့၊

sporty and active, creative, empathic and possibly all that at once.

တတ်နိုင်သရွေ့ အားလုံးတစ်ပြိုင်တည်းဖြစ်တဲ့ တစ်ဦးချင်းအဖြစ် အမြင်ခံချင်ကြတယ်။

Now, through social media, our strive for social approval,

အခု လူမှုမီဒီယာကနေတစ်ဆင့် လူမှုရေး ထောက်ခံမှုအတွက် ကျွန်မတို့ ကြိုးပမ်းကြပြီး

and with it, our need for self-presentation and perfection

ဒါနဲ့အတူ ကိုယ်တိုင် တင်ပြမှုနဲ့ ပြိုင်စံရှားဖြစ်မှုအတွက် လိုအပ်ချက်က

has skyrocketed.

ထိုးတက်သွားခဲ့တယ်။

Clearly, there is a flip side to all of this.

ရှင်းနေတာကတော့ ဒါအားလုံးမှာ အခြားတစ်ဖက်ရှိတာပါ။

In any social interaction, we do not only look for others' approval,

လူမှု တုံ့ပြန်ဆက်သွယ်မှုတိုင်းမှာ အခြားသူတွေရဲ့ သဘောကျမှုကို ရှာရုံမက

but we also constantly fear other's disapproval

အခြားသူတွေရဲ့ မျှော်မှန်းချက်တွေအတိုင်း လျော်ညီအောင် မနေနိုင်တဲ့အခါ

when we cannot live up to their expectations.

အခြားသူတွေရဲ့ သဘောမကျမှုကိုပါ အမြဲမပြတ် ပူပင်ကြတယ်။

Just consider an adult with incontinence problems

ဆီးဝမ်းမထိန်းနိုင်တဲ့ ပြဿနာတွေ (သို့) မူးယစ်ဆေး စွဲနေတဲ့

or a drug addiction.

လူကြီးယောက်ကိုပဲ တွေးကြည့်ပါ။

If he or she had to talk to a health care professional,

သူဟာ ကျန်းမာရေး စောင့်ရှောက်မှု ပညာရှင်တစ်ယောက်ကို ဆွေးနွေးရတယ်ဆိုရင်

what would you expect to find?

သင် ဘာကို တွေ့ရှိဖို့ မျှော်လင့်လဲ။

Or if a soldier returned from combat

သို့မဟုတ် စစ်သားတစ်ယောက်က တိုက်ပွဲကနေ ပြန်လာပြီး

and had to talk about their fears or problems,

သူ့တို့ရဲ့ ကြောက်စိတ်တွေ(သို့) ပြဿနာတွေကို ပြောရမယ်ဆိုရင်

do you think they would open up easily?

သူတို့ အလွယ်တကူ ဖွင့်ပြောမယ်လို့ ထင်လား။

A team of USC researchers examined just that.

USC သုတေသီ တစ်သင်းက ဒါကို စစ်ဆေးခဲ့ကြတယ်။

So they looked at the data from the US Army.

ဒါနဲ့ အမေရိကန် စစ်တပ်က ဒေတာတွေကို သူတို့ ကြည့်ကြတယ်။

Traditionally, soldiers had to be interviewed

အစဉ်အလာအရတော့ စစ်သားတွေ တိုက်ပွဲကနေ ပြန်လာတဲ့အခါ အရာရာ

by a human health care professional when returning from combat

အဆင်ပြေလားဆိုတာ စစ်ဖို့ လူသား ကျန်းမာရေး စောင့်ရှောက်မှု ပညာရှင်တစ်ယောက်နဲ့

to check if everything is OK.

လူတွေ့မေးမြန်းခံရတာပါ။

Now, interestingly,

အခု စိတ်ဝင်စားစရာက

the researchers found that soldiers hardly reported any problems

ပြန်လာပြီးနောက် စစ်သားတွေဟာ ပြဿနာတွေကို သတင်းမပို့သလောက်ဖြစ်တာကို

after their returns.

သုတေသီတွေ တွေ့ရှိခဲ့တယ်။

Surely many of them were truly fine,

သူတို့ တော်တော်များများက တကယ်ပဲ ကောင်းမွန်တာ သေချာပေမဲ့

but the researchers also suspected

သုတေသီတွေ သံသယရှိသေးတာက

that many soldiers did not dare to share their problems openly.

စစ်သားများစွာဟာ သူတို့ရဲ့ ပြဿနာတွေကို ပွင့်လင်းစွာ မမျှဝေရဲကြဘူးဆိုတာပါ။

After all, soldiers are trained to be strong and brave individuals

နောက်ဆုံးတော့ စစ်သားတွေဟာ သန်မာပြီး ရဲရင့်တဲ့ တစ်ဦးချင်းအဖြစ် ပုံသွင်းခံရပြီး

that learn not to show any weaknesses.

အားနည်းချက်တွေကို မပြသဖို့ သင်ယူခဲ့ရတယ်။

So openly admitting to have health problems,

ဒီတော့ ကျန်းမာရေး ပြဿနာတွေ ရှိတာ၊ အိပ်မရတာတွေရှိတာ၊

to have trouble sleeping or to have nightmares

အိပ်မက်ဆိုးတွေ ရှိတာကို ပွင့်လင်းစွာ ဝန်ခံခြင်းက

is not something easy to do for soldiers.

စစ်သားတွေအတွက် လုပ်ဖို့လွယ်တဲ့ အရာတစ်ခုမဟုတ်ဘူး။

The question then ultimately becomes

ဒီနောက် နောက်ဆုံး ဖြစ်လာတဲ့ မေးခွန်းက အခြားသူတွေရဲ့

how can we help individuals open up more easily

အကဲဖြတ်ချက်တွေနဲ့ပတ်သက်ပြီး တစ်ဦးချင်း တွေကို ပိုလွယ်ကူစွာ ဖွင့်ပြောပြီး

and worry less about the judgment of others?

ပူပန်မှု ပိုနည်းစေဖို့ ဘယ်လို ကူညီနိုင်လဲဆိုတာပါ။

Well, remember what I said earlier.

စောစောက ကျွန်မ ပြောခဲ့တာကို သတိရပါ။

We expect social evaluation in any social interaction.

လူမှု တုံ့ပြန်ဆက်သွယ်မှုတိုင်းမှာ လူမှုရေး တန်ဖိုးဖြတ်မှုကို ကျွန်မတို့မျှော်လင့်တယ်။

So how about we remove the social from the interaction?

ဒီတော့ တုံ့ပြန်ဆက်သွယ်မှုကနေ လူမှုရေး ပုံစံကို ဖယ်ထုတ်လိုက်ရင်ရော။.

This is exactly what the team in the US did.

ဒါက အမေရိကန် ပြည်ထောင်စုက အသင်း တစ်သင်း လုပ်ခဲ့တာ အတိအကျပါ။

In fact, they developed a virtual interviewer called SimSensei.

တကယ်က သူတို့ဟာ SimSensei ခေါ်တဲ့ အသွင်တု တွေ့ဆုံမေးမြန်းသူတစ်ယောက်ကို ဖန်တီးခဲ့တယ်။

So SimSensei is a digital avatar that has a humanlike appearance

ဆိုတော့ SimSensei က လူသားလို အသွင်တစ်ခု ရှိတဲ့ ဒစ်ဂျစ်တယ် သဏ္ဌာန်တစ်ခုဖြစ်ပြီး

and can interact with clients through natural conversations.

သဘာဝကျတဲ့ စကားပြောဆိုမှုတွေကနေ ဖောက်သည်တွေနဲ့ တုံ့ပြန်ဆက်သွယ်နိုင်တယ်။

Now, when returning from combat,

ကဲ တိုက်ပွဲကနေ ပြန်လာတဲ့အခါ စစ်သားတွေကို

soldiers were now interviewed by the digital avatar

အခုဆို လူသား ကျန်းမာရေး စောင့်ရှောက်မှု ပညာရှင်အစား

instead of that human health care professional.

ဒစ်ဂျစ်တယ် သဏ္ဌာန်က တွေ့ဆုံမေးမြန်းတယ်။

And what happened? Well, once SimSensei was introduced,

ဒါနဲ့ ဘာဖြစ်သွားလဲ။ SimSensei ကို မိတ်ဆက်ပေးလိုက်တာနဲ့

soldiers reported more health problems,

စစ်သားတွေဟာ အိပ်မက်ဆိုးတွေနဲ့ အိပ်မရတာလို

like having nightmares or trouble sleeping.

ကျန်းမာရေး ပြဿနာတွေကို ပိုပြီး သတင်းပို့တယ်။

So machines can help remove the social from the equation

ဒီတော့ စက်က ညီမျှခြင်းကနေ လူမှုရေး ပုံစံကို ဖယ်ရှားဖို့ ကူညီနိုင်ပြီး

and help people open up more easily.

လူတွေကို ပိုလွယ်ကူစွာ ဖွင့်ပြောဖို့ ကူညီနိုင်တယ်။

But careful, not all machines are created equal.

ဒါပေမဲ့ သတိတော့ရှိပါ။ စက်တွေအားလုံးက ညီတူ ဖန်တီးထားတာမဟုတ်ဘူး။

Considering the tremendous advancements in technologies like computer graphics

ကွန်ပြူတာ ပုံရိပ်တွေ(သို့) သဘာဝ ဘာသာစကား လုပ်ဆောင်ပုံလို နည်းပညာတွေထဲက

or natural language processing,

အံ့မခန်း တိုးတက်မှုတွေကို ထည့်သွင်းစဉ်းစားရင်း

machines have become increasingly humanlike.

စက်တွေက တိုးတိုးပြီး လူသားဆန်လာတယ်။

The question then ultimately becomes,

ဒီနောက် နောက်ဆုံးမှာ မေးခွန်း ဖြစ်လာတာက

which rules do we apply in these interactions?

ဒီတုံ့ပြန်ဆက်သွယ်မှုတွေမှာ ဘယ်စည်းမျဉ်းကို အသုံးချမလဲ။

Do we still apply social rules when we interact with humanlike machines?

လူသားဆန်တဲ့စက်တွေနဲ့ တုံ့ပြန်ဆက်သွယ်တဲ့အခါ လူမှုရေး စည်းမျဉ်းတွေကို အသုံးချနေဆဲလား။

So do we start to worry about social judgment again?

ဒါဆို လူမှုရေး အကဲဖြတ်ချက်နဲ့ပတ်သက်ပြီး တစ်ဖန် စတင် ပူပင်လား။

This is exactly what I examine in my research.

ဒါက ကျွန်မရဲ့ သုတေသနမှာ စစ်ဆေးတာ အတိအကျပါ။

Together with colleagues, we have developed a series of chatbots.

လုပ်ဖော်ကိုင်ဘက်တွေနဲ့အတူ chatbots တသီတတန်းကြီး ဖန်တီးခဲ့တယ်။

These chatbots were programmed to simulate text-based conversations

ဒီ chatbots တွေကို စာသားအခြေခံ စကားပြောဆို မှုတွေကို လှုံဆော်ပေးဖို့ အစီအစဉ်ချထားပြီး

and they were designed to be either very social and humanlike

အလွန် လူမှုရေး(သို့) လူသားဆန်တာ သို့မဟုတ် အလွန် လုပ်ငန်းသဘော

or very functional and machine-like.

(သို့) စက်ဆန်တာဖြစ်ဖို့ ပုံစံထုတ်ထားတယ်။

So, for instance,

ဒီတော့ ဥပမာအနေနဲ့

our humanlike bots use so-called speed disfluencies

လူသားဆန်တဲ့ bots တွေက speed disfluencies လို့ခေါ်တာတွေနဲ့ လူမှုရေး ဘာသာစကား

and social language cues,

အချက်ပြမှုတွေကို အသုံးပြုတယ်။

like these "ohos", "ahas", "hmms" we humans love to use in our conversations

ဥပမာ “အိုးဟို” “အားဟာ “အွန်း” ဆိုတဲ့ စကားပြော အဖော်တွေကို ကိုယ်ရှိနေတာကို

to signal our presence to conversation partners.

အချက်ပြဖို့ လူသားတွေ စကားပြောတွေမှာ သုံးဖို့ ကြိုက်တာတွေပေါ့။

In contrast, our machine-like bots

ဆန့်ကျင်ဘက်အနေနဲ့ စက်ဆန်တဲ့ bots တွေကတော့

lacked such social cues and simply kept to the talking points.

ဒီလို လူမှုရေး အချက်ပြမှုတွေ ကင်းမဲ့ပြီး လိုရင်းကိုသာ ဆက်ဆက်ပြောနေတာပါ။

Since we were interested in how much people would open up

ဒီမတူတဲ့ စကားပြောဆိုမှုတွေမှာ လူတွေ ဘယ်လောက် ဖွင့်ပြောမလဲ

in these different conversations,

ဆိုတာကို စိတ်ဝင်စားတာကြောင့်

we ask participants a number of questions,

ပါဝင်သူတွေကို မေးခွန်းတွေ အများကြီး မေးခဲ့တယ်။

which gradually grew more and more personal,

ဒါတွေက တဖြည်းဖြည်း ကိုယ်ရေးကိုယ်တာ ပိုဆန်လာပြီး ပါဝင်သူတွေကိုယ်တိုင်ရဲ့

up to the point where we would ask participants

တတ်နိုင်သရွေ့ အလွန်အနုစိတ်တဲ့ သတင်းအချက်အလက်ကို

to share possibly very delicate information about themselves.

မျှဝေဖို့ သူတို့ကို မေးမယ့်အထိ ဖြစ်သွားတယ်။

Now, considering the findings from prior research,

အရင် အမေရိကန် စစ်တပ်မှ တစ်ခုလိုမျိုး ကြိုတင် သုတေသနမှ

such as the one from the US Army before,

တွေ့ရှိချက်တွေကို ထည့်သွင်းစဉ်းစားရင်း

we expected that people would apply more social rules

လူတွေဟာ လူသားဆန်တဲ့ bots တွေနဲ့ တုံ့ပြန်ဆက်သွယ်ရာမှာ လူမှုရေး

in their interactions with these humanlike bots

စည်းမျဉ်းတွေကို ပိုအသုံးချပြီး လိုအပ်သလို ပြုမူမယ်လို့

and act accordingly.

ကျွန်မတို့ မျှော်လင့်ခဲ့တယ်။

So what did we find?

ဒီတော့ တွေရှိခဲ့တာက ဘာလဲ။

Well, exactly that.

အတိအကျ ဒါပါပဲ။

So participants interacting with our humanlike bots

ဒီတော့ လူသားဆန်တဲ့ bots တွေနဲ့ တုံ့ပြန်ဆက်သွယ်တဲ့ ပါဝင်သူတွေဟာ

were more concerned about social evaluation

လူမှုရေး တန်ဖိုးဖြတ်မှုနဲ့ ပတ်သက်ပြီး ပိုပူပန်ကြကာ

and as a result of this social apprehension,

ဒီလူမှုရေး စိုးရိမ်မှုရဲ့ အကျိုးဆက်တစ်ခုအနေနဲ့

they also gave more socially desirable responses.

သူတို့ဟာ လူမှုရေးအရ ပိုပြီး နှစ်လို့ ဖွယ်ကောင်းတဲ့ တုံ့ပြန်မှုတွေ ပေးတယ်။

Let me give you an example.

ဥပမာတစ်ခု ပေးပါရစေ။

One of the most delicate questions that we asked participants

ပါဝင်တွေကို မေးခဲ့တဲ့ အနုစိတ်အကျဆုံး မေးခွန်းတစ်ခုက

was the number of prior sex partners they had had.

သူတို့မှာ ရှိခဲ့တဲ့ အရင် လိင်ဆက်ဆံဖက် အရေအတွက်ပါ။

When interacting with our humanlike bot,

လူသားဆန်တဲ့ bot နဲ့ တုံ့ပြန်ဆက်သွယ်တဲ့အခါ

men reported to have significantly more prior sex partners

အမျိုးသားတွေက အရင် လိင်ဆက်ဆံဘက်တွေကို သိသိသာသာ ပိုများများ သတင်းပို့ပြီး

and women reported to have significantly less

အမျိုးသမီးတွေက ယန္တရားဆန်တဲ့ bot နဲ့ တုံ့ပြန်ဆက်သွယ်တဲ့

than those men and women interacting with our mechanistic bot.

အမျိုးသား၊အမျိုးသမီးတွေထက် သိသိသာသာ ပိုနည်းတယ်။

So what does this all tell us?

ဒါအားလုံးက ကျွန်မတို့ကို ဘာပြောပြလဲ။

Well, first, men want to look good by having more prior sex partners

ပထမ၊ အမျိုးသားတွေဟာ လိင်ဆက်ဆံဖက် ပိုရှိခြင်းအားဖြင့် အမြင်ကောင်းချင်ကြပြီး

and women by having less.

အမျိုးသမီးတွေက ပိုနည်းရင်းပါ။

Clearly, this already says a lot

ရှင်းနေတာက မတူတဲ့ လိင်တွေဟာ

about what the different sexes consider socially desirable

လူမှုရေးအရ နှစ်လို့ဖွယ်ရှိတာကို စဉ်းစားတာနဲ့ ကျွန်မတို့မျှော်မှန်းချက်တွေက

and how our expectations in society still differ across genders.

လိင်အသီးအသီးမှာ ကွာခြားနေဆဲဖြစ်ပုံကို ဒါက အများကြီး ပြောပြီးပါပြီ။

But this opens up a whole new topic

ဒါပေမဲ့ ဒါက အခြားကျွမ်းကျင်သူတွေ ဆွေးနွေးဖို့

that I will better leave for other experts to discuss.

ထားလိုက်တာက ပိုကောင်းမယ့် အကြောင်းအရာသစ်တစ်ခုကို ဖွင့်ပြတယ်။

Second, and maybe more importantly, from a consumer psychology perspective.

ဒုတိယ၊ ပိုပြီး အရေးကြီးနိုင်လောက်တာက စားသုံးသူ စိတ်ပညာ ရှုထောင့်ကနေပါ၊

People open up more easily when they interact with machines

လူတွေဟာ စက်တွေလို့ သိရသရွေ့ စက်တွေနဲ့ တုံ့ပြန်ဆက်သွယ်ရာမှာ

that are apparently just that -- machines.

ပိုလွယ်ကူစွာ ဖွင့်ပြောကြတယ်။

Today, a lot of sweat, money and tears

ဒီနေ့ခေတ်မှာ ချွေး၊ငွေနဲ့ မျက်ရည်များစွာကို

is put into making machines basically indistinguishable from us.

ကျွန်မတို့နဲ့ အခြေခံအားဖြင့် ခွဲခြားမရ နိုင်တဲ့ စက်တွေ ဖန်တီးရာမှာ ထည့်သွင်းတယ်။

Now, this research can show

ဒီသုတေသနက ပြသနိုင်တာက

that sometimes letting a machine be a machine is actually a good thing.

တစ်ခါတလေ စက်တစ်လုံးကို စက်တစ်လုံးအဖြစ် ရှိစေတာဟာ ကောင်းတဲ့အရာတစ်ခုဆိုတာပါ။

Which brings me to my third point.

တတိယအချက် ကျွန်မဆီ ယူဆောင်လာတာက

These machine interactions have been highly criticized at times.

ဒီစက် တုံ့ပြန်ဆက်သွယ်မှုတွေကို တစ်ခါတစ်ရံ အလွန်အမင်း ဝေဖန်ခဲ့ကြတယ်။

So you may have heard that Siri, Alexa or others

ဒီတော့ Siri Alexa (သို့)အခြားအရာတွေက ကလေးတွေကို ရိုင်းစိုင်း(သို့)

make your kids rude or impolite.

မယဉ်ကျေးအောင် လုပ်တယ်လို့ ကြားဖူးလောက်မှာပါ။

Hopefully, this research can show you

ဒီသုတေသနက စက် တုံ့ပြန်ဆက်သွယ်မှုတွေရဲ့

a great upside of these machine interactions.

အပြုသဘော အမြင်တစ်ခုကို ပြနိုင်တယ်လို့ မျှော်လင့်ပါတယ်။

In times of social media and our constant hunt for the next “like,”

လူမှုမီဒီယာနဲ့ နောက်ထပ် “like”အတွက် အတောမသတ် ရှာတဲ့ခေတ်အတွင်းမှာ

machines can give us grownups --

စက်တွေက ကျွန်မတို့ကို ရင့်ကျက်မှုတွေ ပေးပြီး

help us find that inner child again

ကိုယ်တွင်း အတ္တတစ်ခုကို ပြန်ရှာတွေ့ဖို့ ကူညီနိုင်ကာ

and give our constant need for self-presentation and perfection

ကိုယ်တိုင် တင်ပြတာနဲ့ ပြိုင်စံရှားဖြစ်မှု အတွက် အတောအသတ် လိုအပ်မှု၊

a time-out.

အနားယူချိန်တစ်ခုကို ပေးနိုင်တယ်။

For once, we do not need to worry

တစ်ကြိမ်ပဲဖြစ်ဖြစ် အရင် လိင်ဆက်ဆံဖက်

if the number of prior sex partners is too high or too low,

အရေအတွက် များလွန်း(သို့)နည်းလွန်းလား ဆိုတာကို ပူပန်ဖို့မလိုပါဘူး။

and instead it is OK to simply be who we are.

ဒါက ကိုယ်ဘယ်သူဆိုတာနဲ့ကို အဆင်ပြေပါတယ်။

Ultimately, then, I think that these machines can remind us

နောက်ဆုံးတော့ ဒီစက်တွေက ဘာက စကားပြော ဖော်ကောင်းတစ်ယောက် ဖြစ်စေတာရဲ့

of a central element of what makes a good conversation partner:

အဓိက အစိတ်အပိုင်းတစ်ခုကို သတိပေးလိုက်တာပါ။

being nonjudgmental.

ဝေဖန်တဲ့သူ မဖြစ်ခြင်းပါ။

so the next time you might encounter

နောက်တစ်ကြိမ် ကျွန်မလို စားသောက်ဝိုင်းမှာ

a unique social situation like mine at the barbecue,

ထူးခြားတဲ့ လူမှုရေး အခြေအနေတစ်ခုကို ကြုံနိုင်လောက်တဲ့အခါ

try to be less judgmental

လူတစ်ယောက်က သူ့အတွေးတွေ၊

when another person openly shares

ခံစားချက်တွေ၊ပြဿနာတွေကို သင်နဲ့

their thoughts, feelings and problems with you.

ပွင့်လင်းစွာ မျှဝေတဲ့အခါ ဝေဖန်တာ နည်းဖို့ ကြိုးစားပါ။

Many machines do this already, and maybe so should we.

ဒါကို စက်များစွာက လုပ်နှင့်ပြီးပါပြီ။ ကျွန်မတို့ရော လုပ်နိုင်လောက်ပါတယ်။

Thank you very much.

ကျေးဇူးအများကြီးတင်ပါတယ်။