Laurie Santos: How monkeys mirror human irrationality

197,716 views ・ 2010-07-29

TED


Por favor, faça duplo clique nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Inês Pereira Revisora: Sofia Nunes
00:17
I want to start my talk today with two observations
0
17260
2000
Vou começar a minha palestra com duas observações
00:19
about the human species.
1
19260
2000
sobre a espécie humana.
00:21
The first observation is something that you might think is quite obvious,
2
21260
3000
Podem pensar que a primeira observação é bastante óbvia,
00:24
and that's that our species, Homo sapiens,
3
24260
2000
e é que a nossa espécie, o Homo sapiens,
00:26
is actually really, really smart --
4
26260
2000
é, na verdade, muito, muito inteligente
00:28
like, ridiculously smart --
5
28260
2000
— ou seja, ridiculamente inteligente —
00:30
like you're all doing things
6
30260
2000
do género, todos nós fazemos coisas
00:32
that no other species on the planet does right now.
7
32260
3000
que nenhuma outra espécie no planeta consegue fazer.
00:35
And this is, of course,
8
35260
2000
Claro que esta não é a primeira vez
00:37
not the first time you've probably recognized this.
9
37260
2000
que, provavelmente, se apercebem disto.
00:39
Of course, in addition to being smart, we're also an extremely vain species.
10
39260
3000
Para além de sermos inteligentes, também somos extremamente convencidos.
00:42
So we like pointing out the fact that we're smart.
11
42260
3000
Gostamos de assinalar que somos inteligentes.
00:45
You know, so I could turn to pretty much any sage
12
45260
2000
Eu poderia recorrer a qualquer sábio, de Shakespeare a Stephen Colbert,
00:47
from Shakespeare to Stephen Colbert
13
47260
2000
00:49
to point out things like the fact that
14
49260
2000
para assinalar o facto de sermos
00:51
we're noble in reason and infinite in faculties
15
51260
2000
nobres em raciocínio e infinitos em faculdades
00:53
and just kind of awesome-er than anything else on the planet
16
53260
2000
e muito mais fantásticos do que tudo no planeta,
00:55
when it comes to all things cerebral.
17
55260
3000
no que toca a tudo o que seja cerebral.
00:58
But of course, there's a second observation about the human species
18
58260
2000
Mas, claro, há uma segunda observação sobre a espécie humana
01:00
that I want to focus on a little bit more,
19
60260
2000
que quero realçar um pouco mais.
01:02
and that's the fact that
20
62260
2000
É que, embora sejamos muito inteligentes, por vezes, os únicos inteligentes,
01:04
even though we're actually really smart, sometimes uniquely smart,
21
64260
3000
01:07
we can also be incredibly, incredibly dumb
22
67260
3000
também podemos ser incrivelmente burros
01:10
when it comes to some aspects of our decision making.
23
70260
3000
no que toca a alguns aspetos da tomada de decisões.
01:13
Now I'm seeing lots of smirks out there.
24
73260
2000
Estou a ver muitos sorrisos desconfortáveis por aí.
01:15
Don't worry, I'm not going to call anyone in particular out
25
75260
2000
Não se preocupem, não vou apontar ninguém em particular
01:17
on any aspects of your own mistakes.
26
77260
2000
nem quaisquer aspetos dos nossos erros.
01:19
But of course, just in the last two years
27
79260
2000
Mas, nos últimos dois anos,
01:21
we see these unprecedented examples of human ineptitude.
28
81260
3000
temos visto exemplos sem precedente da inépcia humana.
01:24
And we've watched as the tools we uniquely make
29
84260
3000
Temos visto como os instrumentos que só nós construímos
01:27
to pull the resources out of our environment
30
87260
2000
para extrair os recursos do nosso meio ambiente,
01:29
kind of just blow up in our face.
31
89260
2000
explodem à nossa frente.
01:31
We've watched the financial markets that we uniquely create --
32
91260
2000
Temos observado como os mercados financeiros
01:33
these markets that were supposed to be foolproof --
33
93260
3000
— mercados supostamente à prova de falhas —
01:36
we've watched them kind of collapse before our eyes.
34
96260
2000
se desmoronam diante dos nossos olhos.
01:38
But both of these two embarrassing examples, I think,
35
98260
2000
Mas acho que estes dois exemplos embaraçosos,
01:40
don't highlight what I think is most embarrassing
36
100260
3000
não realçam o que eu acho que é mais vergonhoso
01:43
about the mistakes that humans make,
37
103260
2000
nos erros que os seres humanos fazem,
01:45
which is that we'd like to think that the mistakes we make
38
105260
3000
ou seja, gostarmos de pensar que os erros que fazemos
01:48
are really just the result of a couple bad apples
39
108260
2000
são o resultado de indivíduos ineptos
01:50
or a couple really sort of FAIL Blog-worthy decisions.
40
110260
3000
ou de decisões tão más que merecem ser incluídas no blogue FAIL.
01:53
But it turns out, what social scientists are actually learning
41
113260
3000
Ao que parece, os cientistas sociais estão a descobrir
01:56
is that most of us, when put in certain contexts,
42
116260
3000
que a maior parte de nós, quando colocados em certos contextos,
01:59
will actually make very specific mistakes.
43
119260
3000
fazemos erros muito específicos.
02:02
The errors we make are actually predictable.
44
122260
2000
Os erros que fazemos são previsíveis.
02:04
We make them again and again.
45
124260
2000
Fazemo-los vezes sem conta.
02:06
And they're actually immune to lots of evidence.
46
126260
2000
São imunes a demonstrações e provas.
02:08
When we get negative feedback,
47
128260
2000
Mesmo após recebermos uma reação negativa,
02:10
we still, the next time we're face with a certain context,
48
130260
3000
quando voltamos a encontrar-nos num certo contexto,
02:13
tend to make the same errors.
49
133260
2000
temos a tendência para fazer os mesmos erros.
02:15
And so this has been a real puzzle to me
50
135260
2000
Isto, para mim, é um enigma muito interessante,
02:17
as a sort of scholar of human nature.
51
137260
2000
enquanto estudiosa da natureza humana.
02:19
What I'm most curious about is,
52
139260
2000
O que me deixa mais curiosa é,
02:21
how is a species that's as smart as we are
53
141260
3000
como é que uma espécie tão inteligente como nós,
02:24
capable of such bad
54
144260
2000
é capaz de erros
02:26
and such consistent errors all the time?
55
146260
2000
tão maus e tão consistentes, o tempo todo?
02:28
You know, we're the smartest thing out there, why can't we figure this out?
56
148260
3000
Somos a coisa mais inteligente que há, porque é que não conseguimos resolver isto?
02:31
In some sense, where do our mistakes really come from?
57
151260
3000
De onde é que vêm os nosso erros?
02:34
And having thought about this a little bit, I see a couple different possibilities.
58
154260
3000
Como tenho pensado nisto há algum tempo, vejo duas possibilidades.
02:37
One possibility is, in some sense, it's not really our fault.
59
157260
3000
Uma possibilidade é que, de certa forma, a culpa não é nossa.
02:40
Because we're a smart species,
60
160260
2000
Como somos uma espécie inteligente,
02:42
we can actually create all kinds of environments
61
162260
2000
podemos criar todos os tipos de ambientes
02:44
that are super, super complicated,
62
164260
2000
que são muito complicados,
02:46
sometimes too complicated for us to even actually understand,
63
166260
3000
por vezes, demasiado complicados para podermos entendê-los,
02:49
even though we've actually created them.
64
169260
2000
embora os tenhamos criado.
02:51
We create financial markets that are super complex.
65
171260
2000
Criamos mercados financeiros muito complexos.
02:53
We create mortgage terms that we can't actually deal with.
66
173260
3000
Criamos cláusulas hipotecárias que não conseguimos gerir.
02:56
And of course, if we are put in environments where we can't deal with it,
67
176260
3000
Se nos encontramos em ambientes que não conseguimos gerir,
02:59
in some sense makes sense that we actually
68
179260
2000
faz sentido que acabemos por fazer asneira.
03:01
might mess certain things up.
69
181260
2000
03:03
If this was the case, we'd have a really easy solution
70
183260
2000
Se isto fosse a verdade, teríamos uma solução simples
03:05
to the problem of human error.
71
185260
2000
para o problema dos erros humanos.
03:07
We'd actually just say, okay, let's figure out
72
187260
2000
Diríamos: "OK, vamos perceber
03:09
the kinds of technologies we can't deal with,
73
189260
2000
"que tipo de tecnologias não conseguimos entender,
03:11
the kinds of environments that are bad --
74
191260
2000
"que tipos de ambientes são maus".
03:13
get rid of those, design things better,
75
193260
2000
Livrávamo-nos deles, construíamos melhor as coisas,
03:15
and we should be the noble species
76
195260
2000
e seríamos a espécie nobre que esperamos ser.
03:17
that we expect ourselves to be.
77
197260
2000
03:19
But there's another possibility that I find a little bit more worrying,
78
199260
3000
Mas há uma outra possibilidade que eu acho mais preocupante:
03:22
which is, maybe it's not our environments that are messed up.
79
202260
3000
talvez não sejam os nossos ambientes que sejam maus.
03:25
Maybe it's actually us that's designed badly.
80
205260
3000
Talvez sejamos nós que fomos mal construídos.
03:28
This is a hint that I've gotten
81
208260
2000
Esta é uma sugestão que me surgiu
03:30
from watching the ways that social scientists have learned about human errors.
82
210260
3000
ao observar o que os cientistas sociais têm aprendido sobre os erros humanos.
03:33
And what we see is that people tend to keep making errors
83
213260
3000
Observamos que as pessoas continuam a fazer erros
03:36
exactly the same way, over and over again.
84
216260
3000
exatamente da mesma forma, vezes sem conta.
03:39
It feels like we might almost just be built
85
219260
2000
Parece que talvez tenhamos sido construídos
03:41
to make errors in certain ways.
86
221260
2000
para fazer erros de determinada forma.
03:43
This is a possibility that I worry a little bit more about,
87
223260
3000
Esta é uma possibilidade que me preocupa mais
03:46
because, if it's us that's messed up,
88
226260
2000
porque, se somos nós que somos disfuncionais,
03:48
it's not actually clear how we go about dealing with it.
89
228260
2000
não é óbvio como lidar com isso.
03:50
We might just have to accept the fact that we're error prone
90
230260
3000
Talvez tenhamos de aceitar o facto de sermos propensos a errar
03:53
and try to design things around it.
91
233260
2000
e tentar construir as coisas em volta disso.
03:55
So this is the question my students and I wanted to get at.
92
235260
3000
É a esta questão que queremos responder.
03:58
How can we tell the difference between possibility one and possibility two?
93
238260
3000
Como descobrir a diferença entre estas duas possibilidades?
04:01
What we need is a population
94
241260
2000
Precisamos de uma população inteligente,
04:03
that's basically smart, can make lots of decisions,
95
243260
2000
que possa tomar muitas decisões,
04:05
but doesn't have access to any of the systems we have,
96
245260
2000
mas que não tenha acesso aos sistemas que nós temos,
04:07
any of the things that might mess us up --
97
247260
2000
às coisas que talvez nos confundam,
04:09
no human technology, human culture,
98
249260
2000
sem tecnologia humana, sem cultura humana,
04:11
maybe even not human language.
99
251260
2000
sem linguagem humana.
04:13
And so this is why we turned to these guys here.
100
253260
2000
Por isso, recorremos a estes tipos aqui.
04:15
These are one of the guys I work with. This is a brown capuchin monkey.
101
255260
3000
Este é um dos indivíduos com que trabalho. É um macaco-prego.
04:18
These guys are New World primates,
102
258260
2000
São macacos do Novo Mundo,
04:20
which means they broke off from the human branch
103
260260
2000
o que significa que se separaram do ramo humano,
04:22
about 35 million years ago.
104
262260
2000
há cerca de 35 milhões de anos.
04:24
This means that your great, great, great great, great, great --
105
264260
2000
Ou seja, os nossos antepassados,
04:26
with about five million "greats" in there --
106
266260
2000
há cerca de cinco milhões de gerações,
04:28
grandmother was probably the same great, great, great, great
107
268260
2000
foram provavelmente os mesmos antepassados
04:30
grandmother with five million "greats" in there
108
270260
2000
cinco milhões de gerações pelo meio,
04:32
as Holly up here.
109
272260
2000
que os antepassados da Holly na foto.
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
Podem ficar tranquilos, este indivíduo é muito afastado,
04:37
but albeit evolutionary, relative.
111
277260
2000
mas, evolutivamente, é um parente.
04:39
The good news about Holly though is that
112
279260
2000
Felizmente, a Holly
04:41
she doesn't actually have the same kinds of technologies we do.
113
281260
3000
não tem as mesmas tecnologias que nós temos.
04:44
You know, she's a smart, very cut creature, a primate as well,
114
284260
3000
É uma criatura inteligente e esperta, também é primata,
mas sem todas as coisas que achamos que nos confundem.
04:47
but she lacks all the stuff we think might be messing us up.
115
287260
2000
04:49
So she's the perfect test case.
116
289260
2000
Portanto, é perfeita para experiência.
04:51
What if we put Holly into the same context as humans?
117
291260
3000
Que acontecerá se pusermos a Holly no mesmo contexto que os humanos?
04:54
Does she make the same mistakes as us?
118
294260
2000
Fará os mesmos erros que nós?
04:56
Does she not learn from them? And so on.
119
296260
2000
Será que ela aprende com esses erros?
04:58
And so this is the kind of thing we decided to do.
120
298260
2000
Foram estas coisas que decidimos fazer.
05:00
My students and I got very excited about this a few years ago.
121
300260
2000
Ficámos entusiasmados com isto há uns anos.
05:02
We said, all right, let's, you know, throw so problems at Holly,
122
302260
2000
Dissemos: "Vamos pôr alguns problemas à Holly
05:04
see if she messes these things up.
123
304260
2000
"para ver se ela faz erros".
05:06
First problem is just, well, where should we start?
124
306260
3000
O primeiro problema é: por onde começar?
Porque, para nós, é ótimo, mas é mau para as pessoas.
05:09
Because, you know, it's great for us, but bad for humans.
125
309260
2000
05:11
We make a lot of mistakes in a lot of different contexts.
126
311260
2000
Nós fazemos muitos erros em diversos contextos.
05:13
You know, where are we actually going to start with this?
127
313260
2000
Por onde é que devíamos começar?
05:15
And because we started this work around the time of the financial collapse,
128
315260
3000
Como começámos este projeto por altura do colapso financeiro,
05:18
around the time when foreclosures were hitting the news,
129
318260
2000
na altura em que se começou a falar nas hipotecas falidas
05:20
we said, hhmm, maybe we should
130
320260
2000
pensámos que talvez devêssemos
05:22
actually start in the financial domain.
131
322260
2000
começar pelo domínio financeiro.
05:24
Maybe we should look at monkey's economic decisions
132
324260
3000
Talvez devêssemos estudar as decisões económicas dos macacos
05:27
and try to see if they do the same kinds of dumb things that we do.
133
327260
3000
e ver se eles fazem as coisas estúpidas que nós fazemos.
05:30
Of course, that's when we hit a sort second problem --
134
330260
2000
Foi nessa altura que surgiu um segundo problema
05:32
a little bit more methodological --
135
332260
2000
— um pouco mais metodológico —
05:34
which is that, maybe you guys don't know,
136
334260
2000
que é, não sei se sabem, que os macacos não usam dinheiro.
05:36
but monkeys don't actually use money. I know, you haven't met them.
137
336260
3000
Eu sei que não os conhecem.
05:39
But this is why, you know, they're not in the queue behind you
138
339260
2000
Mas é por isso que não os encontramos na fila atrás de nós
05:41
at the grocery store or the ATM -- you know, they don't do this stuff.
139
341260
3000
na mercearia ou no multibanco.
05:44
So now we faced, you know, a little bit of a problem here.
140
344260
3000
Assim, deparámo-nos com um problema.
05:47
How are we actually going to ask monkeys about money
141
347260
2000
Como é que vamos falar aos macacos sobre dinheiro
05:49
if they don't actually use it?
142
349260
2000
se eles não o utilizam?
05:51
So we said, well, maybe we should just, actually just suck it up
143
351260
2000
Talvez devêssemos ensinar os macacos a usar dinheiro.
05:53
and teach monkeys how to use money.
144
353260
2000
Foi isso mesmo que fizemos.
05:55
So that's just what we did.
145
355260
2000
05:57
What you're looking at over here is actually the first unit that I know of
146
357260
3000
Estão a ver aqui a primeira unidade, tanto quanto sei,
06:00
of non-human currency.
147
360260
2000
de dinheiro não humano.
06:02
We weren't very creative at the time we started these studies,
148
362260
2000
Não fomos muito criativos
06:04
so we just called it a token.
149
364260
2000
por isso chamámos-lhe apenas "moeda".
06:06
But this is the unit of currency that we've taught our monkeys at Yale
150
366260
3000
Mas esta é a unidade monetária que ensinámos aos macacos, em Yale,
06:09
to actually use with humans,
151
369260
2000
para usar com os seres humanos,
06:11
to actually buy different pieces of food.
152
371260
3000
para comprar diversas peças de comida.
06:14
It doesn't look like much -- in fact, it isn't like much.
153
374260
2000
Não parece grande coisa.
Tal como o nosso dinheiro, é apenas uma peça de metal.
06:16
Like most of our money, it's just a piece of metal.
154
376260
2000
06:18
As those of you who've taken currencies home from your trip know,
155
378260
3000
Como sabemos, o dinheiro das viagens,
06:21
once you get home, it's actually pretty useless.
156
381260
2000
quando voltamos para casa, é inútil.
06:23
It was useless to the monkeys at first
157
383260
2000
No início, era inútil para os macacos,
06:25
before they realized what they could do with it.
158
385260
2000
antes de eles perceberem a sua utilidade.
06:27
When we first gave it to them in their enclosures,
159
387260
2000
Quando inicialmente lhes demos as moedas,
06:29
they actually kind of picked them up, looked at them.
160
389260
2000
eles pegaram nelas, olharam para elas.
06:31
They were these kind of weird things.
161
391260
2000
Eram coisas esquisitas.
06:33
But very quickly, the monkeys realized
162
393260
2000
Mas rapidamente, os macacos perceberam
06:35
that they could actually hand these tokens over
163
395260
2000
que podiam dar estas moedas
06:37
to different humans in the lab for some food.
164
397260
3000
a diversos seres humanos no laboratório, em troca de comida.
06:40
And so you see one of our monkeys, Mayday, up here doing this.
165
400260
2000
Vemos aqui a Mayday, a fazer isso.
06:42
This is A and B are kind of the points where she's sort of a little bit
166
402260
3000
Em A e B vemos a fase em que ela está
06:45
curious about these things -- doesn't know.
167
405260
2000
um pouco curiosa acerca destas coisas.
06:47
There's this waiting hand from a human experimenter,
168
407260
2000
Está ali uma mão humana, à espera,
06:49
and Mayday quickly figures out, apparently the human wants this.
169
409260
3000
e a Mayday rapidamente percebe que o ser humano quer aquilo.
06:52
Hands it over, and then gets some food.
170
412260
2000
Entrega-o e recebe comida.
Mas não é só a Mayday.
06:54
It turns out not just Mayday, all of our monkeys get good
171
414260
2000
Todos os macacos tornam-se excelentes
06:56
at trading tokens with human salesman.
172
416260
2000
a negociar com os vendedores humanos.
06:58
So here's just a quick video of what this looks like.
173
418260
2000
Este é um pequeno vídeo do que acontece.
07:00
Here's Mayday. She's going to be trading a token for some food
174
420260
3000
Cá está a Mayday que vai trocar uma moeda por comida,
07:03
and waiting happily and getting her food.
175
423260
3000
espera contente e recebe a comida.
07:06
Here's Felix, I think. He's our alpha male; he's a kind of big guy.
176
426260
2000
Aqui está o Felix. É o nosso macho alfa, um tipo grande.
07:08
But he too waits patiently, gets his food and goes on.
177
428260
3000
Mas também espera pacientemente, recebe a comida e segue.
07:11
So the monkeys get really good at this.
178
431260
2000
Os macacos tornam-se muito bons nisto.
07:13
They're surprisingly good at this with very little training.
179
433260
3000
São surpreendentemente bons nisto, com muito pouco treino.
07:16
We just allowed them to pick this up on their own.
180
436260
2000
Eles descobriram isto sozinhos.
07:18
The question is: is this anything like human money?
181
438260
2000
Mas será que isto é parecido com dinheiro humano?
07:20
Is this a market at all,
182
440260
2000
Será isto um mercado?
07:22
or did we just do a weird psychologist's trick
183
442260
2000
Ou será que fizemos um truque psicológico
07:24
by getting monkeys to do something,
184
444260
2000
ao conseguir pôr macacos a fazer uma coisa
07:26
looking smart, but not really being smart.
185
446260
2000
que parece inteligente, mas não o é?
07:28
And so we said, well, what would the monkeys spontaneously do
186
448260
3000
Então pensámos no que fariam os macacos, espontaneamente,
07:31
if this was really their currency, if they were really using it like money?
187
451260
3000
se esta fosse a sua moeda, se estivessem a usar isto como dinheiro real?
07:34
Well, you might actually imagine them
188
454260
2000
Podemos imaginá-los a fazer todo o tipo de coisas inteligentes
07:36
to do all the kinds of smart things
189
456260
2000
que as pessoas fazem quando começam a trocar dinheiro uns com os outros.
07:38
that humans do when they start exchanging money with each other.
190
458260
3000
07:41
You might have them start paying attention to price,
191
461260
3000
Talvez comecem a prestar atenção a preços,
07:44
paying attention to how much they buy --
192
464260
2000
a prestar atenção a quanto compram,
07:46
sort of keeping track of their monkey token, as it were.
193
466260
3000
a prestar atenção a quantas moedas têm.
07:49
Do the monkeys do anything like this?
194
469260
2000
Os macacos farão essas coisas?
07:51
And so our monkey marketplace was born.
195
471260
3000
Foi assim que nasceu o nosso mercado para macacos.
07:54
The way this works is that
196
474260
2000
Funciona da seguinte forma:
07:56
our monkeys normally live in a kind of big zoo social enclosure.
197
476260
3000
os nossos macacos vivem num grande recinto como num jardim zoológico.
07:59
When they get a hankering for some treats,
198
479260
2000
Quando sentem vontade de guloseimas,
08:01
we actually allowed them a way out
199
481260
2000
permitimos que entrem num recinto mais pequeno
08:03
into a little smaller enclosure where they could enter the market.
200
483260
2000
onde podem entrar no mercado.
08:05
Upon entering the market --
201
485260
2000
Quando entram no mercado
— é um mercado muito mais divertido do que os mercados humanos
08:07
it was actually a much more fun market for the monkeys than most human markets
202
487260
2000
08:09
because, as the monkeys entered the door of the market,
203
489260
3000
porque quando os macacos entram no mercado,
08:12
a human would give them a big wallet full of tokens
204
492260
2000
recebem uma carteira grande cheia de moedas
08:14
so they could actually trade the tokens
205
494260
2000
para poderem trocar as moedas
08:16
with one of these two guys here --
206
496260
2000
com um destes dois tipos aqui.
08:18
two different possible human salesmen
207
498260
2000
Encontram dois vendedores humanos
08:20
that they could actually buy stuff from.
208
500260
2000
a quem podem comprar coisas.
08:22
The salesmen were students from my lab.
209
502260
2000
Os vendedores eram estudantes do meu laboratório.
08:24
They dressed differently; they were different people.
210
504260
2000
Vestiam-se de forma diferente, eram pessoas diferentes.
08:26
And over time, they did basically the same thing
211
506260
3000
Faziam sempre a mesma coisa
08:29
so the monkeys could learn, you know,
212
509260
2000
para os macacos poderem aprender,
08:31
who sold what at what price -- you know, who was reliable, who wasn't, and so on.
213
511260
3000
quem vendia o quê e a que preço, quem era fiável, quem não era.
08:34
And you can see that each of the experimenters
214
514260
2000
Podem ver que cada um dos investigadores
08:36
is actually holding up a little, yellow food dish.
215
516260
3000
segura num pequeno prato amarelo
08:39
and that's what the monkey can for a single token.
216
519260
2000
que é o que o macaco pode obter por uma moeda.
08:41
So everything costs one token,
217
521260
2000
Tudo custa uma moeda,
08:43
but as you can see, sometimes tokens buy more than others,
218
523260
2000
mas, como podem ver, às vezes as moedas podem comprar
08:45
sometimes more grapes than others.
219
525260
2000
mais uvas que outras vezes.
08:47
So I'll show you a quick video of what this marketplace actually looks like.
220
527260
3000
Vou mostrar-vos um vídeo sobre como funciona este mercado.
08:50
Here's a monkey-eye-view. Monkeys are shorter, so it's a little short.
221
530260
3000
Isto é visto da altura de um macaco.
08:53
But here's Honey.
222
533260
2000
Cá está a Honey.
Está à espera, impaciente, que o mercado abra.
08:55
She's waiting for the market to open a little impatiently.
223
535260
2000
08:57
All of a sudden the market opens. Here's her choice: one grapes or two grapes.
224
537260
3000
De repente, o mercado abre. Esta é a escolha: uma ou duas uvas.
09:00
You can see Honey, very good market economist,
225
540260
2000
Vemos que a Honey é boa economista de mercado,
09:02
goes with the guy who gives more.
226
542260
3000
vai ter com o vendedor que lhe dá mais.
09:05
She could teach our financial advisers a few things or two.
227
545260
2000
Podia ensinar umas coisas aos assessores financeiros.
09:07
So not just Honey,
228
547260
2000
Mas não é só a Honey,
09:09
most of the monkeys went with guys who had more.
229
549260
3000
a maioria dos macacos preferia o vendedor que dava mais,
09:12
Most of the monkeys went with guys who had better food.
230
552260
2000
preferia os vendedores com comida melhor.
09:14
When we introduced sales, we saw the monkeys paid attention to that.
231
554260
3000
Quando fizemos saldos, os macacos prestaram atenção a isso.
09:17
They really cared about their monkey token dollar.
232
557260
3000
Eles cuidavam do seu dinheiro de macaco.
09:20
The more surprising thing was that when we collaborated with economists
233
560260
3000
O mais surpreendente foi que, quando colaborámos com economistas
09:23
to actually look at the monkeys' data using economic tools,
234
563260
3000
para analisar os resultados dos macacos a utilizarem ferramentas económicas,
09:26
they basically matched, not just qualitatively,
235
566260
3000
eles correspondiam, não só qualitativamente
09:29
but quantitatively with what we saw
236
569260
2000
mas também quantitativamente ao que observámos
09:31
humans doing in a real market.
237
571260
2000
nos seres humanos, num mercado real.
09:33
So much so that, if you saw the monkeys' numbers,
238
573260
2000
De tal forma que não se percebia
09:35
you couldn't tell whether they came from a monkey or a human in the same market.
239
575260
3000
se provinham de um macaco ou de uma pessoa.
09:38
And what we'd really thought we'd done
240
578260
2000
Pensámos que tínhamos feito
09:40
is like we'd actually introduced something
241
580260
2000
como que introduzir uma coisa
09:42
that, at least for the monkeys and us,
242
582260
2000
que, pelo menos para os macacos e para nós,
09:44
works like a real financial currency.
243
584260
2000
funciona como um mercado financeiro real.
09:46
Question is: do the monkeys start messing up in the same ways we do?
244
586260
3000
Será que os macacos começam a errar da mesma forma que nós?
09:49
Well, we already saw anecdotally a couple of signs that they might.
245
589260
3000
Já vimos alguns sinais de que provavelmente sim.
09:52
One thing we never saw in the monkey marketplace
246
592260
2000
Uma coisa que nunca vimos no mercado de macacos
09:54
was any evidence of saving --
247
594260
2000
foi qualquer indício de poupança,
09:56
you know, just like our own species.
248
596260
2000
tal como na nossa espécie.
09:58
The monkeys entered the market, spent their entire budget
249
598260
2000
Os macacos entram no mercado, gastam todo o seu orçamento
10:00
and then went back to everyone else.
250
600260
2000
e depois voltam para a colónia.
10:02
The other thing we also spontaneously saw,
251
602260
2000
Outra coisa que também observámos espontaneamente,
10:04
embarrassingly enough,
252
604260
2000
vergonhosamente, foram indícios de roubo.
10:06
is spontaneous evidence of larceny.
253
606260
2000
10:08
The monkeys would rip-off the tokens at every available opportunity --
254
608260
3000
Os macacos surripiavam as moedas uns aos outros,
10:11
from each other, often from us --
255
611260
2000
em qualquer oportunidade,
10:13
you know, things we didn't necessarily think we were introducing,
256
613260
2000
coisas que não pensámos introduzir,
10:15
but things we spontaneously saw.
257
615260
2000
mas coisas que surgiram espontaneamente.
10:17
So we said, this looks bad.
258
617260
2000
Pensámos que aquilo era mau.
10:19
Can we actually see if the monkeys
259
619260
2000
Será que os macacos fazem exatamente
10:21
are doing exactly the same dumb things as humans do?
260
621260
3000
as mesmas coisas estúpidas que as pessoas fazem?
10:24
One possibility is just kind of let
261
624260
2000
Uma possibilidade seria deixar
que o sistema financeiro dos macacos se desenvolva,
10:26
the monkey financial system play out,
262
626260
2000
10:28
you know, see if they start calling us for bailouts in a few years.
263
628260
2000
e ver se eles nos pedem ajudas financeiras.
10:30
We were a little impatient so we wanted
264
630260
2000
Mas somos impacientes e quisemos apressar um pouco as coisas.
10:32
to sort of speed things up a bit.
265
632260
2000
10:34
So we said, let's actually give the monkeys
266
634260
2000
Por isso, decidimos dar aos macacos
10:36
the same kinds of problems
267
636260
2000
o mesmo tipo de problemas
10:38
that humans tend to get wrong
268
638260
2000
em que as pessoas têm tendência para errar,
10:40
in certain kinds of economic challenges,
269
640260
2000
nalguns tipos de desafios económicos,
10:42
or certain kinds of economic experiments.
270
642260
2000
ou em certas experiências económicas.
10:44
And so, since the best way to see how people go wrong
271
644260
3000
Como a melhor forma de ver como as pessoas erram,
10:47
is to actually do it yourself,
272
647260
2000
é fazermos nós próprios o mesmo erro,
10:49
I'm going to give you guys a quick experiment
273
649260
2000
vou apresentar-vos uma pequena experiência
10:51
to sort of watch your own financial intuitions in action.
274
651260
2000
para ver as vossas intuições financeiras em ação.
10:53
So imagine that right now
275
653260
2000
Imaginem que, neste momento,
10:55
I handed each and every one of you
276
655260
2000
dou a cada um de vocês mil dólares
10:57
a thousand U.S. dollars -- so 10 crisp hundred dollar bills.
277
657260
3000
— dez notas novinhas de cem dólares.
11:00
Take these, put it in your wallet
278
660260
2000
Guardem essas notas na carteira
11:02
and spend a second thinking about what you're going to do with it.
279
662260
2000
e imaginem por momentos o que vão fazer com elas.
11:04
Because it's yours now; you can buy whatever you want.
280
664260
2000
Como é vosso, podem comprar o que quiserem, doá-lo, gastá-lo, etc.
11:06
Donate it, take it, and so on.
281
666260
2000
11:08
Sounds great, but you get one more choice to earn a little bit more money.
282
668260
3000
Parece excelente, mas há uma oportunidade de ganhar mais algum dinheiro.
11:11
And here's your choice: you can either be risky,
283
671260
3000
E esta é a vossa escolha: podem arriscar.
11:14
in which case I'm going to flip one of these monkey tokens.
284
674260
2000
Nesse caso, vou lançar ao ar esta moeda de macaco.
11:16
If it comes up heads, you're going to get a thousand dollars more.
285
676260
2000
Se sair cara, ganham mais mil dólares,
11:18
If it comes up tails, you get nothing.
286
678260
2000
se sair coroa, não ganham nada.
11:20
So it's a chance to get more, but it's pretty risky.
287
680260
3000
É uma possibilidade de ganhar mais, mas é bastante arriscada.
11:23
Your other option is a bit safe. Your just going to get some money for sure.
288
683260
3000
A outra opção é mais segura. Recebem mais dinheiro, de certeza.
11:26
I'm just going to give you 500 bucks.
289
686260
2000
Vou-vos dar simplesmente 500 dólares.
11:28
You can stick it in your wallet and use it immediately.
290
688260
3000
Podem enfiá-los na carteira e usá-los imediatamente.
11:31
So see what your intuition is here.
291
691260
2000
Pensem um pouco qual é aqui a vossa intuição.
11:33
Most people actually go with the play-it-safe option.
292
693260
3000
A maior parte das pessoas opta pela opção segura, pensando:
11:36
Most people say, why should I be risky when I can get 1,500 dollars for sure?
293
696260
3000
"Porquê arriscar, se posso obter 1500 dólares de certeza?
11:39
This seems like a good bet. I'm going to go with that.
294
699260
2000
"Parece uma boa aposta. Vou optar por essa."
11:41
You might say, eh, that's not really irrational.
295
701260
2000
Podem dizer: "Isso é racional.
11:43
People are a little risk-averse. So what?
296
703260
2000
"As pessoas não gostam de arriscar. E depois?"
11:45
Well, the "so what?" comes when start thinking
297
705260
2000
O problema é quando começamos a pensar
11:47
about the same problem
298
707260
2000
no mesmo problema explicado de uma forma um pouco diferente.
11:49
set up just a little bit differently.
299
709260
2000
11:51
So now imagine that I give each and every one of you
300
711260
2000
Imaginem que eu dou a cada um 2000 dólares
11:53
2,000 dollars -- 20 crisp hundred dollar bills.
301
713260
3000
— 20 notas novinhas de 100 dólares.
Podem comprar o dobro do que podiam comprar antes.
11:56
Now you can buy double to stuff you were going to get before.
302
716260
2000
11:58
Think about how you'd feel sticking it in your wallet.
303
718260
2000
Pensem no que sentiriam com esse dinheiro na carteira.
12:00
And now imagine that I have you make another choice
304
720260
2000
Mas imaginem uma outra opção que é um pouco pior.
12:02
But this time, it's a little bit worse.
305
722260
2000
12:04
Now, you're going to be deciding how you're going to lose money,
306
724260
3000
Vão ter que decidir como preferem perder dinheiro,
12:07
but you're going to get the same choice.
307
727260
2000
vão ter de escolher entre as mesmas opções.
12:09
You can either take a risky loss --
308
729260
2000
Podem escolher arriscar uma perda maior, eu lanço a moeda ao ar.
12:11
so I'll flip a coin. If it comes up heads, you're going to actually lose a lot.
309
731260
3000
Se calhar cara, vão perder bastante,
12:14
If it comes up tails, you lose nothing, you're fine, get to keep the whole thing --
310
734260
3000
se calhar coroa, não perdem nada, podem guardar tudo.
12:17
or you could play it safe, which means you have to reach back into your wallet
311
737260
3000
Ou podem jogar pelo seguro, ou seja, têm que ir à vossa carteira
12:20
and give me five of those $100 bills, for certain.
312
740260
3000
e dar-me cinco dessas notas de 100 dólares.
12:23
And I'm seeing a lot of furrowed brows out there.
313
743260
3000
Estou a ver por aí muito sobrolho franzido.
12:26
So maybe you're having the same intuitions
314
746260
2000
Por isso, talvez tenham a mesma intuição
12:28
as the subjects that were actually tested in this,
315
748260
2000
que os indivíduos que foram testados,
12:30
which is when presented with these options,
316
750260
2000
quando lhes apresentam estas opções.
12:32
people don't choose to play it safe.
317
752260
2000
As pessoas não escolhem jogar pelo seguro,
12:34
They actually tend to go a little risky.
318
754260
2000
têm tendência para arriscar um pouco.
12:36
The reason this is irrational is that we've given people in both situations
319
756260
3000
Isto é irracional porque demos às pessoas a mesma escolha
12:39
the same choice.
320
759260
2000
em ambas as situações,
12:41
It's a 50/50 shot of a thousand or 2,000,
321
761260
3000
É uma probabilidade de 50% de obter 1000 ou 2000.
12:44
or just 1,500 dollars with certainty.
322
764260
2000
ou apenas 1500 dólares pelo seguro.
12:46
But people's intuitions about how much risk to take
323
766260
3000
Mas as intuições das pessoas sobre o risco a tomar
12:49
varies depending on where they started with.
324
769260
2000
depende da quantia com que começaram.
12:51
So what's going on?
325
771260
2000
Então, o que é que se passa aqui?
12:53
Well, it turns out that this seems to be the result
326
773260
2000
Parece que é o resultado de, pelo menos, duas tendências
12:55
of at least two biases that we have at the psychological level.
327
775260
3000
que temos a nível psicológico.
12:58
One is that we have a really hard time thinking in absolute terms.
328
778260
3000
Uma é que temos dificuldade em pensar em termos absolutos.
13:01
You really have to do work to figure out,
329
781260
2000
Temos que trabalhar bastante para perceber
13:03
well, one option's a thousand, 2,000;
330
783260
2000
que uma opção é 1000 ou 2000
13:05
one is 1,500.
331
785260
2000
e a outra opção é 1500.
13:07
Instead, we find it very easy to think in very relative terms
332
787260
3000
Pelo contrário, achamos muito fácil pensar em termos relativos
13:10
as options change from one time to another.
333
790260
3000
à medida que as opções se alteram de uma para a outra.
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
Aí pensamos em termos de "vou receber mais" ou "vou receber menos".
13:16
This is all well and good, except that
335
796260
2000
Isto está tudo muito bem,
13:18
changes in different directions
336
798260
2000
exceto que as mudanças em direções diferentes
13:20
actually effect whether or not we think
337
800260
2000
afetam o nosso pensamento
13:22
options are good or not.
338
802260
2000
quanto as nossas opções serem boas ou não.
13:24
And this leads to the second bias,
339
804260
2000
Isso leva à segunda tendência,
13:26
which economists have called loss aversion.
340
806260
2000
a que os economistas chamam "aversão à perda".
13:28
The idea is that we really hate it when things go into the red.
341
808260
3000
A ideia é que nós detestamos que o nosso saldo seja negativo.
13:31
We really hate it when we have to lose out on some money.
342
811260
2000
Detestamos termos de perder algum dinheiro.
13:33
And this means that sometimes we'll actually
343
813260
2000
Isto significa que, às vezes,
13:35
switch our preferences to avoid this.
344
815260
2000
mudamos as nossas preferências para evitar isso.
13:37
What you saw in that last scenario is that
345
817260
2000
Observámos no segundo cenário
13:39
subjects get risky
346
819260
2000
que os sujeitos arriscam mais
13:41
because they want the small shot that there won't be any loss.
347
821260
3000
porque querem aquela pequena hipótese de não perderem nada.
13:44
That means when we're in a risk mindset --
348
824260
2000
Ou seja, quando estamos numa mentalidade de perda
13:46
excuse me, when we're in a loss mindset,
349
826260
2000
temos maior propensão para o risco,
13:48
we actually become more risky,
350
828260
2000
13:50
which can actually be really worrying.
351
830260
2000
o que pode ser muito preocupante.
13:52
These kinds of things play out in lots of bad ways in humans.
352
832260
3000
Estas coisas desenvolvem-se negativamente nas pessoas.
13:55
They're why stock investors hold onto losing stocks longer --
353
835260
3000
Assim, os investidores da bolsa conservam ações em queda por mais tempo,
13:58
because they're evaluating them in relative terms.
354
838260
2000
porque avaliam-nas em termos relativos.
14:00
They're why people in the housing market refused to sell their house --
355
840260
2000
Por isso, as pessoas recusam-se a vender a casa,
14:02
because they don't want to sell at a loss.
356
842260
2000
porque não querem perder dinheiro.
14:04
The question we were interested in
357
844260
2000
Estávamos interessados em saber se os macacos tinham as mesmas tendências.
14:06
is whether the monkeys show the same biases.
358
846260
2000
14:08
If we set up those same scenarios in our little monkey market,
359
848260
3000
Se criássemos os mesmos cenários no mercado de macacos,
14:11
would they do the same thing as people?
360
851260
2000
fariam eles as mesmas coisas que as pessoas?
14:13
And so this is what we did, we gave the monkeys choices
361
853260
2000
Assim, demos aos macacos opções
14:15
between guys who were safe -- they did the same thing every time --
362
855260
3000
entre vendedores que eram seguros — faziam sempre a mesma coisa —
14:18
or guys who were risky --
363
858260
2000
ou vendedores que eram incertos
14:20
they did things differently half the time.
364
860260
2000
— metade das vezes faziam as coisas de maneira diferente.
14:22
And then we gave them options that were bonuses --
365
862260
2000
Demos-lhe opções de bónus
14:24
like you guys did in the first scenario --
366
864260
2000
— como vocês fizeram no primeiro cenário —
14:26
so they actually have a chance more,
367
866260
2000
assim tinham oportunidade de ganhar mais,
14:28
or pieces where they were experiencing losses --
368
868260
3000
ou opções em que eles sofriam perdas
— pensavam que iam receber mais do que realmente recebiam.
14:31
they actually thought they were going to get more than they really got.
369
871260
2000
14:33
And so this is what this looks like.
370
873260
2000
O que aconteceu foi isto.
Apresentámos aos macacos dois novos vendedores.
14:35
We introduced the monkeys to two new monkey salesmen.
371
875260
2000
14:37
The guy on the left and right both start with one piece of grape,
372
877260
2000
Ambos os vendedores começam com uma uva,
14:39
so it looks pretty good.
373
879260
2000
por isso parece bastante bom.
14:41
But they're going to give the monkeys bonuses.
374
881260
2000
Mas vão dar aos macacos um bónus.
14:43
The guy on the left is a safe bonus.
375
883260
2000
O vendedor da esquerda dá um bónus seguro.
14:45
All the time, he adds one, to give the monkeys two.
376
885260
3000
Adiciona sempre uma uva e dá ao macaco as duas.
14:48
The guy on the right is actually a risky bonus.
377
888260
2000
O vendedor da direita dá um bónus de risco.
14:50
Sometimes the monkeys get no bonus -- so this is a bonus of zero.
378
890260
3000
Às vezes os macacos não recebem bónus — é um bónus zero.
14:53
Sometimes the monkeys get two extra.
379
893260
3000
Outras vezes, os macacos recebem duas uvas extra.
14:56
For a big bonus, now they get three.
380
896260
2000
É um bónus grande, recebem três uvas.
14:58
But this is the same choice you guys just faced.
381
898260
2000
É a mesma escolha que vocês enfrentaram.
15:00
Do the monkeys actually want to play it safe
382
900260
3000
Será que os macacos jogam pelo seguro
15:03
and then go with the guy who's going to do the same thing on every trial,
383
903260
2000
e compram ao vendedor que dá sempre um bonus igual?
15:05
or do they want to be risky
384
905260
2000
Ou quererão arriscar
15:07
and try to get a risky, but big, bonus,
385
907260
2000
e tentar obter um bónus incerto mas grande,
15:09
but risk the possibility of getting no bonus.
386
909260
2000
mesmo com a possibilidade de não obter bónus nenhum?
15:11
People here played it safe.
387
911260
2000
As pessoas aqui jogaram pelo seguro.
15:13
Turns out, the monkeys play it safe too.
388
913260
2000
Os macacos também jogaram pelo seguro.
15:15
Qualitatively and quantitatively,
389
915260
2000
Qualitativa e quantitativamente,
15:17
they choose exactly the same way as people,
390
917260
2000
escolhem exatamente da mesma forma que as pessoas,
15:19
when tested in the same thing.
391
919260
2000
quando testadas na mesma coisa.
15:21
You might say, well, maybe the monkeys just don't like risk.
392
921260
2000
Podem dizer: "Talvez os macacos não gostem do risco.
15:23
Maybe we should see how they do with losses.
393
923260
2000
"Como é que lidam com perdas?".
15:25
And so we ran a second version of this.
394
925260
2000
Então, implementámos a segunda versão.
15:27
Now, the monkeys meet two guys
395
927260
2000
Agora, os macacos encontram dois vendedores que não lhes dão bónus,
15:29
who aren't giving them bonuses;
396
929260
2000
15:31
they're actually giving them less than they expect.
397
931260
2000
dão-lhes menos do que esperam.
15:33
So they look like they're starting out with a big amount.
398
933260
2000
Começam com uma quantidade grande, com três uvas.
15:35
These are three grapes; the monkey's really psyched for this.
399
935260
2000
Os macacos ficam entusiasmados.
15:37
But now they learn these guys are going to give them less than they expect.
400
937260
3000
Mas aprendem que os vendedores lhes vão dar menos que o esperado.
15:40
They guy on the left is a safe loss.
401
940260
2000
O vendedor da esquerda é uma perda segura.
15:42
Every single time, he's going to take one of these away
402
942260
3000
Retira sempre uma uva e dá ao macaco apenas duas uvas.
15:45
and give the monkeys just two.
403
945260
2000
15:47
the guy on the right is the risky loss.
404
947260
2000
O vendedor da direita é uma perda arriscada.
15:49
Sometimes he gives no loss, so the monkeys are really psyched,
405
949260
3000
Umas vezes não há perda nenhuma, e os macacos ficam todos contentes,
15:52
but sometimes he actually gives a big loss,
406
952260
2000
mas às vezes ele provoca uma grande perda,
15:54
taking away two to give the monkeys only one.
407
954260
2000
retirando duas, dando ao macaco apenas uma uva.
15:56
And so what do the monkeys do?
408
956260
2000
O que é que os macacos fazem?
15:58
Again, same choice; they can play it safe
409
958260
2000
De novo, a mesma escolha.
16:00
for always getting two grapes every single time,
410
960260
3000
Podem jogar pelo seguro e receber sempre duas uvas de cada vez,
16:03
or they can take a risky bet and choose between one and three.
411
963260
3000
ou podem escolher a aposta arriscada e obter uma uva ou três.
16:06
The remarkable thing to us is that, when you give monkeys this choice,
412
966260
3000
O extraordinária é que, quando damos esta escolha aos macacos,
16:09
they do the same irrational thing that people do.
413
969260
2000
eles fazem a escolha irracional que as pessoas fazem.
16:11
They actually become more risky
414
971260
2000
Têm maior propensão para arriscar,
16:13
depending on how the experimenters started.
415
973260
3000
dependendo da forma como os investigadores começaram.
16:16
This is crazy because it suggests that the monkeys too
416
976260
2000
Isto é de loucos porque sugere que os macacos
16:18
are evaluating things in relative terms
417
978260
2000
também estão a avaliar as coisas de forma relativa
16:20
and actually treating losses differently than they treat gains.
418
980260
3000
e consideram as perdas de forma diferente dos ganhos.
16:23
So what does all of this mean?
419
983260
2000
O que significa isto tudo?
16:25
Well, what we've shown is that, first of all,
420
985260
2000
Primeiro, o que demonstrámos
16:27
we can actually give the monkeys a financial currency,
421
987260
2000
é que podemos dar aos macacos um sistema financeiro,
16:29
and they do very similar things with it.
422
989260
2000
e eles fazem coisas muito semelhantes com ele.
16:31
They do some of the smart things we do,
423
991260
2000
Fazem as coisas inteligentes que nós fazemos,
16:33
some of the kind of not so nice things we do,
424
993260
2000
algumas das coisas menos agradáveis que nós fazemos, como roubar.
16:35
like steal it and so on.
425
995260
2000
16:37
But they also do some of the irrational things we do.
426
997260
2000
Mas também fazem coisas irracionais que nós fazemos.
16:39
They systematically get things wrong
427
999260
2000
Sistematicamente fazem os mesmos erros
16:41
and in the same ways that we do.
428
1001260
2000
da mesma forma que nós os fazemos.
16:43
This is the first take-home message of the Talk,
429
1003260
2000
Esta é a primeira mensagem desta palestra.
16:45
which is that if you saw the beginning of this and you thought,
430
1005260
2000
Se no início disto pensaram:
16:47
oh, I'm totally going to go home and hire a capuchin monkey financial adviser.
431
1007260
2000
"Vou contratar um macaco-prego para meu assessor financeiro.
16:49
They're way cuter than the one at ... you know --
432
1009260
2000
"Eles são muito mais giros..."
16:51
Don't do that; they're probably going to be just as dumb
433
1011260
2000
não façam isso.
16:53
as the human one you already have.
434
1013260
3000
Provavelmente, eles vão ser tão burros como a pessoa que têm agora.
16:56
So, you know, a little bad -- Sorry, sorry, sorry.
435
1016260
2000
Ou seja, bastante mau — peço imensa desculpa —
16:58
A little bad for monkey investors.
436
1018260
2000
bastante mau para os investidores macacos.
17:00
But of course, you know, the reason you're laughing is bad for humans too.
437
1020260
3000
Obviamente, vocês riem-se porque também é mau para as pessoas.
17:03
Because we've answered the question we started out with.
438
1023260
3000
Porque respondemos à questão com que começámos.
17:06
We wanted to know where these kinds of errors came from.
439
1026260
2000
Queríamos saber de onde vêm este tipo de erros.
17:08
And we started with the hope that maybe we can
440
1028260
2000
Começámos com a esperança
17:10
sort of tweak our financial institutions,
441
1030260
2000
de podermos ajustar as nossas instituições financeiras,
17:12
tweak our technologies to make ourselves better.
442
1032260
3000
ajustar as nossas tecnologias para nos melhorarmos.
17:15
But what we've learn is that these biases might be a deeper part of us than that.
443
1035260
3000
Mas aprendemos que estas tendências podem ser mais profundas que isso.
17:18
In fact, they might be due to the very nature
444
1038260
2000
De facto, podem ser devidas à própria natureza
17:20
of our evolutionary history.
445
1040260
2000
da nossa história evolutiva.
17:22
You know, maybe it's not just humans
446
1042260
2000
Talvez não sejam só os seres humanos,
17:24
at the right side of this chain that's duncey.
447
1044260
2000
deste lado da cadeia de ignorância.
17:26
Maybe it's sort of duncey all the way back.
448
1046260
2000
Talvez a cadeia seja ignorante desde o princípio.
17:28
And this, if we believe the capuchin monkey results,
449
1048260
3000
Se acreditarmos nos resultados dos macacos-prego,
17:31
means that these duncey strategies
450
1051260
2000
isso significa que estas estratégias ignorantes
17:33
might be 35 million years old.
451
1053260
2000
poderão ter pelo menos 35 milhões de anos.
17:35
That's a long time for a strategy
452
1055260
2000
Isso é muito tempo para que uma estratégia muito velha
17:37
to potentially get changed around -- really, really old.
453
1057260
3000
seja potencialmente alterada.
17:40
What do we know about other old strategies like this?
454
1060260
2000
O que é que sabemos sobre outras estratégias como esta?
17:42
Well, one thing we know is that they tend to be really hard to overcome.
455
1062260
3000
Uma coisa que sabemos é que elas são bastante difíceis de superar.
17:45
You know, think of our evolutionary predilection
456
1065260
2000
Por exemplo, pensem na nossa predileção evolutiva
17:47
for eating sweet things, fatty things like cheesecake.
457
1067260
3000
por comer coisas doces ou cheias de gordura como "cheesecake".
17:50
You can't just shut that off.
458
1070260
2000
Não conseguimos mudar.
17:52
You can't just look at the dessert cart as say, "No, no, no. That looks disgusting to me."
459
1072260
3000
Não conseguimos olhar e dizer: "Não, não. Isso parece-me nojento."
17:55
We're just built differently.
460
1075260
2000
Vamos sempre olhar para elas como uma coisa que tentamos obter.
17:57
We're going to perceive it as a good thing to go after.
461
1077260
2000
17:59
My guess is that the same thing is going to be true
462
1079260
2000
Suponho que o mesmo será verdade
18:01
when humans are perceiving
463
1081260
2000
quando os seres humanos avaliam diferentes decisões financeiras.
18:03
different financial decisions.
464
1083260
2000
Quando vemos as nossas ações caírem para o negativo,
18:05
When you're watching your stocks plummet into the red,
465
1085260
2000
18:07
when you're watching your house price go down,
466
1087260
2000
quando vemos o preço da casa a descer,
18:09
you're not going to be able to see that
467
1089260
2000
não vamos conseguir ver isso
18:11
in anything but old evolutionary terms.
468
1091260
2000
senão sob a forma evolutiva.
18:13
This means that the biases
469
1093260
2000
Isto significa que as tendências que levaram os investidores a perdas,
18:15
that lead investors to do badly,
470
1095260
2000
18:17
that lead to the foreclosure crisis
471
1097260
2000
que levaram à crise hipotecária,
18:19
are going to be really hard to overcome.
472
1099260
2000
muito dificilmente vão ser superadas.
18:21
So that's the bad news. The question is: is there any good news?
473
1101260
2000
Tudo isto são más notícias. Haverá notícias boas?
18:23
I'm supposed to be up here telling you the good news.
474
1103260
2000
Eu estou aqui para vos dar boas notícias.
18:25
Well, the good news, I think,
475
1105260
2000
Penso que as boas notícias são aquilo com que comecei a palestra,
18:27
is what I started with at the beginning of the Talk,
476
1107260
2000
18:29
which is that humans are not only smart;
477
1109260
2000
ou seja, que os seres humanos não só são inteligentes,
18:31
we're really inspirationally smart
478
1111260
2000
como são mesmo inspiradoramente inteligentes
18:33
to the rest of the animals in the biological kingdom.
479
1113260
3000
em relação ao resto dos animais do reino biológico.
18:36
We're so good at overcoming our biological limitations --
480
1116260
3000
Somos tão bons a superar as nossas limitações biológicas
18:39
you know, I flew over here in an airplane.
481
1119260
2000
— por exemplo, eu vim até aqui de avião,
18:41
I didn't have to try to flap my wings.
482
1121260
2000
mas não tive sequer que tentar bater as asas.
18:43
I'm wearing contact lenses now so that I can see all of you.
483
1123260
3000
Estou a usar lentes de contacto para poder ver-vos a todos.
18:46
I don't have to rely on my own near-sightedness.
484
1126260
3000
Não tenho que depender da minha miopia.
18:49
We actually have all of these cases
485
1129260
2000
Temos todos estes exemplos
18:51
where we overcome our biological limitations
486
1131260
3000
em que superámos as nossas limitações biológicas
18:54
through technology and other means, seemingly pretty easily.
487
1134260
3000
através de tecnologia e outros meios, de forma relativamente fácil.
18:57
But we have to recognize that we have those limitations.
488
1137260
3000
Mas temos que reconhecer que temos essas limitações.
19:00
And here's the rub.
489
1140260
2000
E é este o problema.
19:02
It was Camus who once said that, "Man is the only species
490
1142260
2000
Camus disse: "O Homem é a única espécie
19:04
who refuses to be what he really is."
491
1144260
3000
"que se recusa a ser o que realmente é."
19:07
But the irony is that
492
1147260
2000
Mas a ironia é que, só reconhecendo as nossas limitações
19:09
it might only be in recognizing our limitations
493
1149260
2000
19:11
that we can really actually overcome them.
494
1151260
2000
poderemos realmente superá-las.
19:13
The hope is that you all will think about your limitations,
495
1153260
3000
A esperança é que todos pensemos nas nossas limitações,
19:16
not necessarily as unovercomable,
496
1156260
3000
não necessariamente como insuperáveis,
19:19
but to recognize them, accept them
497
1159260
2000
mas reconhecê-las, aceitá-las
19:21
and then use the world of design to actually figure them out.
498
1161260
3000
e depois usar o mundo do "design" para as solucionar.
19:24
That might be the only way that we will really be able
499
1164260
3000
Essa poderá ser a única forma pela qual seremos capazes de alcançar
19:27
to achieve our own human potential
500
1167260
2000
o nosso verdadeiro potencial humano
19:29
and really be the noble species we hope to all be.
501
1169260
3000
e ser a espécie nobre que todos esperamos ser.
19:32
Thank you.
502
1172260
2000
Obrigada.
19:34
(Applause)
503
1174260
5000
(Aplausos)
Sobre este site

Este sítio irá apresentar-lhe vídeos do YouTube que são úteis para a aprendizagem do inglês. Verá lições de inglês ensinadas por professores de primeira linha de todo o mundo. Faça duplo clique nas legendas em inglês apresentadas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas deslocam-se em sincronia com a reprodução do vídeo. Se tiver quaisquer comentários ou pedidos, por favor contacte-nos utilizando este formulário de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7