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

Перекладач: Myroslava Krugliak Утверджено: Khrystyna Romashko

Belle Gibson was a happy young Australian.

Белл Гібсон була щасливою юною австралійкою.

She lived in Perth, and she loved skateboarding.

Вона мешкала в Перті, і захоплювалась скейтбордингом.

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

Але у 2009 виявилось, що в неї рак мозку, і жити їй залишалось 4 місяці.

Two months of chemo and radiotherapy had no effect.

Два місяці хіміотерапії і рентгенотерапії не дали ефекту.

But Belle was determined.

Одначе Белл не здавалась.

She'd been a fighter her whole life.

У неї змалку була бійцівська натура.

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

З шестирічного віку їй доводилось готувати їжу для брата з аутизмом

and her mother, who had multiple sclerosis.

і матері, в якої був розсіяний склероз.

Her father was out of the picture.

Її батько покинув сім'ю.

So Belle fought, with exercise, with meditation

Отож Белл боролась за допомогою вправ, медитації,

and by ditching meat for fruit and vegetables.

а також за допомогою вегетаріанської дієти.

And she made a complete recovery.

І зрештою вона цілком одужала.

Belle's story went viral.

Історія Белл стала сенсацією.

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

Її поширювали у твітах і блогах, з нею ознайомились мільйони людей.

It showed the benefits of shunning traditional medicine

Ця історія свідчила на користь відмови від традиційного лікування

for diet and exercise.

і заміни його дієтами та вправами.

In August 2013, Belle launched a healthy eating app,

У серпні 2013-го Белл запустила додаток на тему здорової їжі,

The Whole Pantry,

під назвою "Whole Pantry",

downloaded 200,000 times in the first month.

і впродовж першого місяця цей додаток завантажили 200 тисяч разів.

But Belle's story was a lie.

Але історія Белл виявилась брехнею.

Belle never had cancer.

У Белл ніколи не було раку.

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

Люди поширювали історію Белл, не перевіряючи, чи вона правдива.

This is a classic example of confirmation bias.

Це класичний приклад підтверджувального упередження.

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

Ми некритично приймаємо історії, які підтверджують те, в що ми віримо,

And we reject any story that contradicts it.

і відкидаємо ті, що суперечать нашим переконанням.

How often do we see this

Наскільки часто це трапляється

in the stories that we share and we ignore?

з історіями, які ми поширюємо чи ігноруємо

In politics, in business, in health advice.

в політиці, в бізнесі, в порадах щодо здоров'я?

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

За версією Оксфордського словника, словом 2016 року стало "постправда".

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

І усвідомлення, що ми зараз живемо у світі постправди,

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

означає дедалі нагальнішу необхідність перевіряти факти.

But the punch line of my talk

Але я хотів би підкреслити,

is that just checking the facts is not enough.

що самої перевірки фактів ще недостатньо.

Even if Belle's story were true,

Навіть, якби історія Белл була правдивою,

it would be just as irrelevant.

вона могла б просто бути нерелевантною.

Why?

Чому?

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

Розгляньмо один з найфундаментальніших методів статистики.

It's called Bayesian inference.

Він називається байєсівський вивід.

And the very simple version is this:

Стисло і просто його суть можна пояснити так:

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

Якщо нас цікавить, чи підтримують дані певну теорію, то слід зважити,

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

чи збільшують вони підстави для висновку, що теорія істинна.

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

Та натомість ми часто запитуємо: чи сумісні дані з теорією?

But being consistent with the theory

Однак, якщо дані сумісні з теорією,

does not mean that the data supports the theory.

це ще не означає, що вони її підтримують.

Why?

Чому?

Because of a crucial but forgotten third term --

Тому що є ще одна вирішальна обставина, про яку часто забувають –

the data could also be consistent with rival theories.

а саме, дані можуть також бути сумісними з іншими, конкуруючими теоріями.

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

Але через підтверджувальне упередження ми не розглядаємо конкуруючі теорії,

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

бо ми прихильно ставимось до нашої улюбленої теорії.

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

Розгляньмо це на прикладі історії з Белл.

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

Нам слід запитати: чи підтримує випадок із Белл теорію про те,

that diet cures cancer?

що рак лікується дієтою?

But instead, we end up asking,

Але натомість ми запитуємо:

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

чи сумісний випадок Белл із тим, що рак лікується дієтою?

And the answer is yes.

Звісно, відповідь – так.

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

Якби дієта лікувала від раку, то існували б історії, схожі на випадок Белл.

But even if diet did not cure cancer,

Але навіть, якби дієта не лікувала від раку,

we'd still see stories like Belle's.

все одно існували б історії, схожі на випадок із Белл.

A single story in which a patient apparently self-cured

За окремими історіями успішного самолікування може стояти

just due to being misdiagnosed in the first place.

просто хибний початковий діагноз.

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

Так само, хоча паління шкідливе для здоров'я,

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

але ви зможете навести приклади курців, які дожили до 100 років.

(Laughter)

(Сміх)

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

Або ще, хоча вища освіта сприяє збільшенню доходу,

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

ви можете згадати мультимільйонерів, які не вчилися в університеті.

(Laughter)

(Сміх)

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

Отож, найбільша проблема в історії Белл не те, що ця історія неправдива,

It's that it's only one story.

а те, що це лише один випадок.

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

Можуть бути тисячі інших випадків, у яких дієта не допомогла,

but we never hear about them.

але ми про ці випадки просто не чули.

We share the outlier cases because they are new,

Ми поширюємо аномальні приклади, бо вони незвичні,

and therefore they are news.

і вони потрапляють в новини.

We never share the ordinary cases.

Але ми не поширюємо типові приклади,

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

адже в них немає нічого незвичного, неординарного.

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

І зрештою, ми ігноруємо 99% випадків.

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

При соціальній взаємодії ми ж не можемо прислухатись лише

the outliers,

до думки 1% незвичайних

and ignore the 99 percent, the ordinary.

та ігнорувати 99% звичайних людей.

Because that's the second example of confirmation bias.

Бо це було б ще одним прикладом підтверджувального упередження.

We accept a fact as data.

Ми приймаємо факт як дані.

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

Найбільша проблема не те, що ми живемо у світі постправди,

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

а те, що ми живемо у світі постданих.

We prefer a single story to tons of data.

Один випадок виявляється переконливішим за масиви даних.

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

Звісно, окремі історії зачіпають своєю яскравістю і життєвістю.

They tell you to start every talk with a story.

Нам радять починати виступ із якоїсь історії.

I did.

Я так і зробив.

But a single story is meaningless and misleading

Та окремий випадок не має значення, він навіть може вводити в оману,

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

якщо не підкріплений великомасштабними даними.

But even if we had large-scale data,

Але навіть, якщо у нас є великий масив даних,

that might still not be enough.

цього все ще може бути недостатньо,

Because it could still be consistent with rival theories.

якщо ці дані сумісні також із конкуруючими теоріями.

Let me explain.

Поясню детальніше.

A classic study by psychologist Peter Wason

У класичному дослідженні, здійсненому психологом Пітером Восоном,

gives you a set of three numbers

учасникам наводять три числа, і пропонують

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

визначити, за яким правилом утворена послідовність.

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

Отож, вам дано три числа: 2,4,6

what's the rule?

Розгадайте правило.

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

Більшість людей припустили б, що це послідовність парних чисел.

How would you test it?

А як перевірити цей здогад?

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

Можна запропонувати інші набори послідовних парних чисел:

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

4, 6, 8 чи 12, 14, 16.

And Peter would say these sets also work.

І Пітер сказав би, що ці приклади теж підходять.

But knowing that these sets also work,

Але якщо ці приклади підходять,

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

якщо навіть сотні інших наборів послідовних парних чисел теж підходять,

tells you nothing.

це ще нічого не значить,

Because this is still consistent with rival theories.

адже всі ці набори можуть бути сумісними і з конкуруючими версіями.

Perhaps the rule is any three even numbers.

Підходить і правило про послідовність будь-яких трьох парних чисел,

Or any three increasing numbers.

і про будь-які три числа в порядку зростання.

And that's the third example of confirmation bias:

І це третій приклад підтверджувального упередження:

accepting data as evidence,

дані розглядаються як докази на користь теорії навіть тоді,

even if it's consistent with rival theories.

якщо ці дані сумісні і з конкуруючими теоріями.

Data is just a collection of facts.

Дані – це просто набір фактів.

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

А доказ – це дані, які підтримують одну теорію і водночас виключають інші.

So the best way to support your theory

Тож найкращий спосіб перевірити свою теорію –

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

це спробувати її спростувати, зіграти роль адвоката диявола.

So test something, like 4, 12, 26.

Спробуйте перевірити, наприклад, таку послідовність: 4, 12, 26.

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

Якщо вона підходить, то це спростовує ваше припущення

of successive even numbers.

про послідовність парних чисел. Це гарний тест,

Yet this test is powerful,

бо якщо послідовність 4, 12, 26 не підходить,

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

це спростовує обидва припущення: про послідовність будь-яких парних чисел

and "any three increasing numbers."

і будь-які три числа у порядку зростання.

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

Тож це спростувало б конкуруючі припущення, але не ваше.

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

Однак більшість людей не наважуються перевірити послідовність 4, 12, 26,

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

бо вони не хотіли б виявити, що їхнє улюблене припущення хибне.

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

Підтверджувальне упередження веде не лише до відмови від пошуку нових даних,

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

а й до хибної інтерпретації наявних даних, і це проявляється

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

також за межами лабораторії, у підході до важливих життєвих проблем.

Indeed, Thomas Edison famously said,

Згадаймо відомий вислів Томаса Едісона:

"I have not failed,

"Я не зазнав невдачі,

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

я знайшов десять тисяч способів, які не працюють".

Finding out that you're wrong

Виявляти свої помилки –

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

це необхідний крок на шляху до істини.

Say you're a university admissions director

Наприклад, ви очолюєте університетську приймальну комісію,

and your theory is that only students with good grades

і вважаєте, що добре вчитись зможуть лише абітурієнти

from rich families do well.

досить заможні і з високими балами.

So you only let in such students.

Тож ви приймаєте лише таких абітурієнтів.

And they do well.

І вони добре вчаться.

But that's also consistent with the rival theory.

Але це також сумісне і з конкуруючими теоріями.

Perhaps all students with good grades do well,

Може, всі абітурієнти з високими балами добре вчитимуться,

rich or poor.

незалежно від доходу.

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

Але ви ніколи не перевіряєте цю версію, бо не приймаєте незаможних,

because you don't want to be proven wrong.

оскільки не хотіли б виявити свою неправоту.

So, what have we learned?

Тож який звідси для нас урок?

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

Чиясь історія – це ще не факт, бо вона може бути вигадкою.

A fact is not data,

А факт – це ще не дані,

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

бо факт може бути нерепрезентативним, це лише один фрагмент із масиву даних.

And data is not evidence --

А дані – це ще не доказ,

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

адже дані не обґрунтовують теорію, якщо вони сумісні з конкуруючими теоріями.

So, what do you do?

То що ж нам слід робити?

When you're at the inflection points of life,

Якщо нам слід прийняти якесь важливе рішення,

deciding on a strategy for your business,

наприклад, вибрати стратегію для свого бізнесу,

a parenting technique for your child

методику виховання своїх дітей,

or a regimen for your health,

чи режим дня, корисний для здоров'я,

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

як впевнитись, що ми спираємось не на якусь окрему історію,

but you have evidence?

а на надійні докази?

Let me give you three tips.

Я б хотів дати три поради.

The first is to actively seek other viewpoints.

Перша – активно шукати інші, відмінні точки зору,

Read and listen to people you flagrantly disagree with.

читати і слухати тих, з ким ви рішуче не згодні.

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

Хоча вам здається, що 90% з того, що вони кажуть, є хибним,

But what if 10 percent is right?

але що, якщо інші 10% будуть істиною?

As Aristotle said,

Як казав Арістотель,

"The mark of an educated man

"Ознакою освіченої людини

is the ability to entertain a thought

є здатність обмірковувати будь-яку думку,

without necessarily accepting it."

не обов'язково її приймаючи".

Surround yourself with people who challenge you,

Оточіть себе людьми, які сперечаються з вами,

and create a culture that actively encourages dissent.

і створіть культуру, в якій активно заохочується інакомислення.

Some banks suffered from groupthink,

Декотрі банки постраждали від групового мислення,

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

коли персонал боявся ставити під сумнів кредитну політику начальства,

contributing to the financial crisis.

і зрештою це обернулось фінансовою кризою.

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

На нарадах відведіть комусь роль адвоката диявола, який критикуватиме

against your pet idea.

вашу улюблену ідею.

And don't just hear another viewpoint --

І не просто вислуховуйте іншу точку зору,

listen to it, as well.

а й слухайте її уважно.

As psychologist Stephen Covey said,

Як сказав психолог Стівен Кові,

"Listen with the intent to understand,

"Слухайте з наміром зрозуміти,

not the intent to reply."

а не з наміром відповісти".

A dissenting viewpoint is something to learn from

Натрапивши на протилежну точку зору, варто намагатись чогось навчитись,

not to argue against.

а не сперечатись із нею.

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

І це нас веде до інших аспектів байєсівського виводу.

Because data allows you to learn,

Хоча дані відкривають можливість навчитись,

but learning is only relative to a starting point.

але ця можливість залежить від вихідної установки.

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

Якщо ви з самого початку певні, що ваша улюблена теорія цілком істинна,

then your view won't change --

то ви не зміните свою точку зору,

regardless of what data you see.

на які б дані ви не натрапили.

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

Тільки якщо ви справді приймете, що ви можете помилятись,

can you ever learn.

то зможете навчитись.

As Leo Tolstoy wrote,

Як писав Лев Толстой,

"The most difficult subjects

"Найскладніші предмети

can be explained to the most slow-witted man

можна пояснити найбільшому тугодуму,

if he has not formed any idea of them already.

якщо він ще не сформував про них якоїсь думки.

But the simplest thing

Але найпростіші речі

cannot be made clear to the most intelligent man

залишаться недосяжними для найрозумнішої людини,

if he is firmly persuaded that he knows already."

якщо вона твердо переконана, що вона вже все про них знає".

Tip number two is "listen to experts."

Друга порада – прислухайтесь до експертів.

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

Мабуть, важко дати пораду, яка б сприймалась менш прихильно.

(Laughter)

(Сміх)

British politician Michael Gove famously said that people in this country

Британський політик Майкл Гоув сказав відому фразу, що люди в цій країні

have had enough of experts.

вже мали задосить експертів.

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

Недавнє опитування показало, що люди більше довіряють своєму перукарю

(Laughter)

(Сміх)

or the man on the street

або людині з вулиці,

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

ніж лідерам у бізнесі, охороні здоров'я чи навіть у сфері благодійності.

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

Тож ми довіряємо маминим порадам щодо відбілювання зубів,

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

чи особистій думці акторів щодо вакцинації.

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

Ми любимо тих, хто, керуючись інтуїцією, каже все як є,

and we call them authentic.

ми називаємо таких людей автентичними.

But gut feel can only get you so far.

Але інтуїція може вести хибним шляхом.

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

Інтуїція може нам підказати, що коли в дитини пронос, їй не можна давати воду,

because it would just flow out the other end.

бо вода просто витече через задній прохід.

Expertise tells you otherwise.

А експерти радять якраз протилежне.

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

Ви ж не довірите людині з вулиці зробити вам операцію?

You'd want an expert who spent years doing surgery

Ви бажали б, щоб вас оперував лікар, що має чималий досвід,

and knows the best techniques.

і знає найкращі методи оперування.

But that should apply to every major decision.

Але це стосується і будь-яких інших важливих рішень.

Politics, business, health advice

Політика, бізнес, консультації щодо здоров'я

require expertise, just like surgery.

вимагають компетентності, так само, як і хірургія.

So then, why are experts so mistrusted?

Тож чому спостерігається така недовіра до експертів?

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

Одна з причин – що експерти часто недосяжні.

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

Успішний бізнесмен-мільйонер навряд чи спілкуватиметься із людиною з вулиці.

But true expertise is found on evidence.

Але справжні експертні знання спираються на докази.

And evidence stands up for the man on the street

І докази працюють на користь пересічних людей,

and against the elites.

а не елітарних кіл.

Because evidence forces you to prove it.

Адже докази передбачають обґрунтування.

Evidence prevents the elites from imposing their own view

Принцип обґрунтування не дозволяє елітам бездоказово нав'язати суспільству

without proof.

свою точку зору.

A second reason why experts are not trusted

Інша причина недовіри до експертів –

is that different experts say different things.

що різні експерти дотримуються різних точок зору.

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

На кожного експерта, який стверджує, що Брекзит завдасть Британії шкоди,

another expert claimed it would be good.

є інший експерт, який каже про вигоду від Брекзиту.

Half of these so-called experts will be wrong.

А це значить, що половина цих так званих експертів помиляються.

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

І я мушу визнати, що більшість статей, написаних експертами, містять помилки,

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

чи принаймні заяви, які насправді не підтверджені доказами.

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

Тож ми не можемо просто вірити експертам на слово.

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

В листопаді 2016-го в найбільших газетах прогриміло дослідження про зарплати

Even though none of the newspapers who covered the study

топ-менеджерів. Однак жодне з цих видань не звернулось

had even seen the study.

до оригіналу дослідження.

It wasn't even out yet.

Насправді, дослідження не було.

They just took the author's word for it,

Газети просто повірили авторам на слово,

just like with Belle.

як і у випадку з Белл.

Nor does it mean that we can just handpick any study

Це означає, що ми не повинні зразу вірити будь-яким

that happens to support our viewpoint --

дослідженням, які підтримують нашу точку зору,

that would, again, be confirmation bias.

адже це теж підтверджувальне упередження.

Nor does it mean that if seven studies show A

Так само, якщо є 7 досліджень на користь А,

and three show B,

і 3 - на користь Б,

that A must be true.

це не означає, що А істинне.

What matters is the quality,

Важлива, у першу чергу, якість,

and not the quantity of expertise.

а не кількість досліджень.

So we should do two things.

Отож нам слід зробити дві речі.

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

Перше – слід критично перевірити повноваження авторів,

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

так само, як ви, перш ніж звернутись до хірурга, перевіряєте його ліцензію.

Are they truly experts in the matter,

Чи є автори справжніми експертами, а також чи немає у них

or do they have a vested interest?

якогось особистого або корисливого інтересу?

Second, we should pay particular attention

Друге – потрібно звертати особливу увагу

to papers published in the top academic journals.

на статті, опубліковані в найкращих наукових журналах.

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

Хоча вченим часто закидають, що вони відірвані від реального світу,

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

але така відірваність дає можливість роками займатись дослідженнями.

To really nail down a result,

Отримати надійний результат,

to rule out those rival theories,

спростувати інші конкуруючі теорії,

and to distinguish correlation from causation.

і відрізнити кореляції від причинних залежностей.

And academic journals involve peer review,

В наукових журналах здійснюється рецензування,

where a paper is rigorously scrutinized

в процесі якого стаття прискіпливо перевіряється

(Laughter)

(Сміх)

by the world's leading minds.

найвидатнішими фахівцями у світі.

The better the journal, the higher the standard.

Чим кращий журнал, тим вищі стандарти.

The most elite journals reject 95 percent of papers.

Найпрестижніші журнали відхиляють 95% надісланих статей.

Now, academic evidence is not everything.

Однак наукові докази – це ще не все.

Real-world experience is critical, also.

Важливо також враховувати реальний досвід.

And peer review is not perfect, mistakes are made.

Рецензування не є панацеєю, іноді трапляються помилки.

But it's better to go with something checked

Але краще виходити із перевіреної,

than something unchecked.

ніж із неперевіреної інформації.

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

Якщо ми схопимось за якесь дослідження із бажаними для нас результатами,

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

не замислюючись, хто його перевіряв, і чи взагалі воно перевірялось,

there is a massive chance that that study is misleading.

то дуже ймовірно, що це дослідження введе нас в оману.

And those of us who claim to be experts

А ті, хто заявляє, що є експертами,

should recognize the limitations of our analysis.

мають усвідомлювати обмеження свого аналізу.

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

Хоча дуже рідко ми можемо передбачити чи довести щось із цілковитою певністю,

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

існує значна спокуса зробити значно ширшу заяву,

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

адже так легше потрапити у заголовки чи короткі твіти.

But even evidence may not be proof.

Навіть докази можуть не бути остаточними.

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

Вони можуть не бути універсальними, не застосовуватись за будь-яких умов.

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

Тож не стверджуйте, що червоне вино подовжує життя,

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

якщо у вас є дані лише про те, що червоне вино корелює із тривалішим життям,

And only then in people who exercise as well.

причому лише у тих, хто не забуває про фізичну активність.

Tip number three is "pause before sharing anything."

Третя порада – перед тим, як щось поширювати, зробіть паузу.

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

Клятва Гіппократа вимагає: не зашкодь.

What we share is potentially contagious,

Те, що ми поширюємо, може бути потенційною отрутою,

so be very careful about what we spread.

тож будьте обережні із репостами.

Our goal should not be to get likes or retweets.

Мета не в тому, щоб отримати багато лайків чи ретвітів.

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

Інакше ми просто поділятимемо консенсус, не змушуючи нікого замислитись,

Otherwise, we only share what sounds good,

і поширюватимемо лише те, що нам приємно чути,

regardless of whether it's evidence.

незважаючи на докази.

Instead, we should ask the following:

Натомість нам потрібно поцікавитись:

If it's a story, is it true?

якщо це історія, чи вона правдива?

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

Якщо вона правдива, чи відповідає вона великому масиву даних?

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

Якщо це так, хто це стверджує, чи є вони експертами?

Is it published, how rigorous is the journal?

Наскільки серйозний журнал, де опубліковано матеріал?

And ask yourself the million-dollar question:

І поставте собі питання на мільйон доларів:

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

якщо це саме дослідження було б написано таким же експертом,

but found the opposite results,

але дало б протилежний результат,

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

чи були б ви так само схильні йому вірити і його поширювати?

Treating any problem --

Вирішення будь-якої проблеми,

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

чи це буде макроекономічна проблема, чи проблема з особистим здоров'ям,

is difficult.

є непростою справою.

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

Тож нам слід впевнитись, що ми керуємось найкращими доказами.

Only if it's true can it be fact.

Тільки якщо якийсь випадок є правдою, це факт.

Only if it's representative can it be data.

Тільки якщо він репрезентативний, це дані.

Only if it's supportive can it be evidence.

Тільки якщо він підтримує наше пояснення, це доказ.

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

І тільки завдяки доказам ми зможемо перейти від світу пост-правди

to a pro-truth world.

до світу, де цінується правда.

Thank you very much.

Дуже дякую!

(Applause)

(Оплески)