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

Translator: Gia Bảo Nguyễn

Belle Gibson là một cô gái Úc hạnh phúc.

Cô sống ở Perth, và rất thích môn trượt ván.

Nhưng vào năm 2009, Belle phát hiện cô bị ung thư não và chỉ sống được thêm 4 tháng.

Belle Gibson was a happy young Australian.

She lived in Perth, and she loved skateboarding.

Hai tháng hóa trị và xạ trị không hề có hiệu quả.

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

Nhưng Belle rất quyết tâm.

Cô đã luôn chiến đấu trong suốt cuộc đời mình.

Từ khi lên 6, cô đã phải nấu ăn cho anh trai, 1 người bị tự kỉ,

Two months of chemo and radiotherapy had no effect.

và cho mẹ cô, 1 người mắc bệnh xơ cứng.

But Belle was determined.

She'd been a fighter her whole life.

Cha cô thì gần như bỏ mặc họ.

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

Nên Belle đã chiến đấu, với việc tập luyện, ngồi thiền

và bỏ hẳn việc ăn thịt để chuyển qua ăn trái cây và rau.

and her mother, who had multiple sclerosis.

Her father was out of the picture.

Và cô đã hồi phục hoàn toàn.

So Belle fought, with exercise, with meditation

Câu chuyện của Belle đã nổi tiếng.

Nó được tweet, viết trên blog, được chia sẻ và đến tai hàng triệu người.

and by ditching meat for fruit and vegetables.

And she made a complete recovery.

Nó cho thấy lợi ích của việc phớt lờ các phương thuốc cổ truyền

Belle's story went viral.

để theo đuổi chế độ ăn và tập luyện.

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

Tháng 8 2013, Belle đã ra mắt một app về ăn uống lành mạnh,

It showed the benefits of shunning traditional medicine

Tên là The Whole Pantry,

đã có đến 200,000 lượt tải về trong tháng đầu tiên.

for diet and exercise.

In August 2013, Belle launched a healthy eating app,

Nhưng câu chuyện của Belle chỉ là bịa đặt.

The Whole Pantry,

downloaded 200,000 times in the first month.

Belle chưa từng mắc ung thư.

Người ta đã lan truyền câu chuyện của cô ta mà không kiểm chứng gì về nó.

But Belle's story was a lie.

Đây là một ví dụ điển hình của thiên kiến xác nhận.

Belle never had cancer.

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

Ta chấp nhận 1 câu chuyện không xác thực nếu nó xác nhận điều ta muốn là thật.

This is a classic example of confirmation bias.

Và ta sẽ chối bỏ mọi câu chuyện mâu thuẫn lại nó.

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

Ta đã thấy điều này bao nhiêu lần

trong những câu chuyện mà ta đã chia sẻ và chối bỏ?

And we reject any story that contradicts it.

Trong chính trị, kinh doanh, trong lời khuyên về sức khỏe.

How often do we see this

in the stories that we share and we ignore?

Từ điển Oxford năm 2016 gọi đấy là “sự thật chủ quan.” (post-truth)

In politics, in business, in health advice.

Và quan niệm rằng ta đang sống trong thế giới đầy những sự thật chủ quan

đã dẫn đến việc những sự thật bị kiểm chứng gắt gao.

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

Nhưng điểm nhấn trong bài nói của tôi

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

đó là chỉ kiểm chứng sự thật thôi là chưa đủ.

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

Thậm chí nếu chuyện của Belle là có thật,

nó cũng có đầy thứ vô lí.

But the punch line of my talk

is that just checking the facts is not enough.

Sao vậy?

Vậy, hãy xem xét một trong những kỹ thuật cơ bản nhất trong thống kê.

Even if Belle's story were true,

Gọi là suy luận Bayes.

it would be just as irrelevant.

Và phiên bản đơn giản nhất sẽ là:

Why?

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

Cái ta quan tâm là “Liệu dữ liệu có ủng hộ giả thuyết không?”

It's called Bayesian inference.

Liệu dữ liệu có làm tăng sự tin cậy vào tính xác thực của giả thuyết?

And the very simple version is this:

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

Nhưng thay vào đó, ta lại hỏi thế này, “Liệu dữ liệu có đồng nhất với giả định?”

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

Nhưng việc đồng nhất với giả định

không có nghĩa là dữ liệu ủng hộ giả định ấy.

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

Tại sao?

Vì một yếu tố thứ ba rất quan trọng mà ta hay bỏ qua --

But being consistent with the theory

does not mean that the data supports the theory.

dữ liệu cũng có thể đồng nhất với các giả thuyết đối lập.

Why?

Because of a crucial but forgotten third term --

Nhưng vì thiên kiến xác nhận. ta không bao giờ nghĩ đến giả thuyết đối lập,

the data could also be consistent with rival theories.

vì ta đã quá bảo thủ với giả thuyết của riêng mình.

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

Giờ, hãy thử ghép nó vào câu chuyện của Belle.

Vậy, điều ta quan tâm: Liệu chuyện của Belle có ủng hộ giả thuyết

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

rằng chế độ ăn chữa được ung thư không?

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

Nhưng rồi, cuối cùng ta lại hỏi,

“Liệu câu chuyện của Belle có đồng nhất với việc chữa ung thư nhờ chế độ ăn?”

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

that diet cures cancer?

Và câu trả lời là có.

But instead, we end up asking,

Nếu chế độ ăn chữa được ung thư, ta sẽ thấy nhiều câu chuyện như của Belle.

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

Nhưng kể cả khi chế độ ăn không chữa được ung thư,

And the answer is yes.

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

ta cũng vẫn sẽ thấy các câu chuyên như của Belle.

Một câu chuyện mà trong đó bệnh nhân hình như đã tự chữa lành

But even if diet did not cure cancer,

we'd still see stories like Belle's.

nhưng mà là do anh ta đã bị chuẩn đoán sai ngay từ đầu.

A single story in which a patient apparently self-cured

Chẳng hạn, kể cả khi hút thuốc là không tốt cho sức khỏe,

bạn vẫn có thể thấy một người hút thuốc sống thọ đến 100 tuổi.

just due to being misdiagnosed in the first place.

(Cười)

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

Chẳng hạn, kể cả khi giáo dục làm tăng thu nhập,

bạn vẫn có thể thấy một siêu tỉ phú chưa từng học đại học.

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

(Laughter)

(Cười)

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

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

Nên vấn đề lớn nhất về câu chuyện của Belle không phải là vì nó sai.

(Laughter)

Mà là vì nó chỉ là một câu chuyện đơn thuần.

Vẫn có hàng ngàn câu chuyện khác rằng nếu chỉ có chế độ ăn thôi thì chưa đủ,

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

nhưng ta chưa từng nghe về chúng.

It's that it's only one story.

Ta chia sẻ các trường hợp ngoại lệ vì chúng quá mới mẻ,

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

và vì thế mà chúng được lan truyền.

but we never hear about them.

Ta không bao giờ chia sẻ những vụ bình thường.

We share the outlier cases because they are new,

Vì chúng quá tầm thường, chúng diễn ra hằng ngày.

and therefore they are news.

Và đó là cái sự thật mà 99% chúng ta đều chối bỏ.

We never share the ordinary cases.

Như ngoài xã hội, bạn không thể chỉ nghe theo một phần trăm,

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

những ngoại lệ,

và bỏ qua 99% những điều bình thường.

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

Vì đó chính là ví dụ thứ hai về thiên kiến xác nhận.

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

Ta chấp nhận sự thật như một nguồn dữ liệu.

the outliers,

and ignore the 99 percent, the ordinary.

Vấn đề lớn nhất không phải là vì ta sống trong một thế giới đầy sự thật chủ quan;

Because that's the second example of confirmation bias.

mà là vì ta sống trong một thế giới đầy các dữ liệu chủ quan.

We accept a fact as data.

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

Ta thích một câu chuyện đơn thuần hơn là cả tấn dữ liệu.

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

Những câu chuyện thật quyền lực, gần gũi và sống động.

Chúng giúp bạn gợi chuyện cho mọi cuộc diễn thuyết.

We prefer a single story to tons of data.

Tôi đã làm nè.

Nhưng nếu chỉ là một câu chuyện thì nó hoàn toàn vô nghĩa và sai lệch

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

They tell you to start every talk with a story.

trừ khi nó được đảm bảo bằng một lượng dữ liệu khổng lồ.

I did.

But a single story is meaningless and misleading

Nhưng kể cả khi ta có một lượng dữ liệu lớn,

điều đó vẫn có thể chưa đủ.

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

Vì nó vẫn có thể bị đồng nhất với các giả thuyết đối lập.

But even if we had large-scale data,

Để tôi giải thích.

that might still not be enough.

Một nghiên cứu kinh điển của nhà tâm lí học Peter Wason

Because it could still be consistent with rival theories.

đưa cho bạn bộ ba các con số

và đề nghị bạn hãy nghĩ về quy luật đã chuyển hóa chúng.

Let me explain.

A classic study by psychologist Peter Wason

Nên nếu bạn được trao số 2, 4, 6,

gives you a set of three numbers

thì quy luật là gì?

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

Thì hẳn nhiều người sẽ nghĩ đó chính là các số chẵn liên tiếp.

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

Bạn kiểm tra thế nào đây?

Hẳn các bạn sẽ đưa ra các bộ số chẵn khác như là:

what's the rule?

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

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

How would you test it?

Và Peter sẽ nói các bộ số đó cũng đúng.

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

Nhưng việc biết là các bộ số ấy cũng đúng,

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

việc biết rằng có hàng trăm bộ số chẵn liên tiếp tương tự cũng đúng,

And Peter would say these sets also work.

không nói lên điều gì cả.

But knowing that these sets also work,

Vì điều này vẫn đồng nhất với các giả thuyết đối lập.

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

Quy luật cũng có thể là bất kì ba số chẵn nào.

tells you nothing.

Because this is still consistent with rival theories.

Hay bất kỳ ba số tăng dần nào.

Và đó là ví dụ thứ ba về thiên kiến xác nhận:

Perhaps the rule is any three even numbers.

chấp nhận dữ liệu như một luận cứ,

Or any three increasing numbers.

kể cả khi nó đồng nhất với các giả thuyết đối lập.

And that's the third example of confirmation bias:

Dữ liệu cũng chỉ là các sự thật được tổng hợp lại.

accepting data as evidence,

Luận cứ là dữ liệu ủng hộ một giả thuyết hay các quy luật nằm ngoài.

even if it's consistent with rival theories.

Data is just a collection of facts.

Nên cách tốt nhất để ủng hộ giả thuyết của bạn

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

chính là cố gắng bác bỏ nó, biện hộ một cách cực đoan.

Nên hãy kiểm tra nhé, như 4, 12, 26.

So the best way to support your theory

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

Nếu bạn đồng ý với đáp án này, giả thuyết của bạn về các số chẵn liên tiếp

So test something, like 4, 12, 26.

sẽ hoàn toàn bị bác bỏ.

Bài kiểm tra này thật lợi hại,

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

vì nếu bạn trả lời không, tức là bạn đã bác bỏ quy luật “ba số chẵn bất kì”

of successive even numbers.

và “ba số tăng dần bất kì.”

Yet this test is powerful,

nó sẽ bác bỏ các quy luật đối lập, nhưng không bác bỏ quy luật của bạn.

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

Nhưng nhiều người đều sợ việc kiểm định các số 4, 12, 26,

and "any three increasing numbers."

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

vì họ không muốn có câu trả lời là có và chứng minh giả thuyết của họ sai.

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

Thiên kiến xác nhận không chỉ là thất bại trong việc tìm nguồn dữ liệu mới,

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

mà còn là về việc dữ liệu bị truyền đạt sai mỗi khi mà bạn nhận nó.

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

Và điều này được ứng dụng ở cả ngoài đời với các vấn đề có thật và hệ trọng.

Thật vậy, Thomas Edison từng có câu nói nổi tiếng:

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

“Tôi không thất bại,

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

chỉ là tôi vừa tìm ra được 10,000 cách mà nó không hoạt động.”

Indeed, Thomas Edison famously said,

Việc thấy được rằng bạn đã sai

"I have not failed,

chính là cách duy nhất đề tìm ra cái đúng.

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

Chẳng hạn bạn là giám đốc tuyển sinh của một trường đại học

Finding out that you're wrong

và bạn có giả thuyết là chỉ có các học sinh điểm tốt

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

từ nhà giàu thì mới thành công.

Vậy nên bạn chỉ tuyển những học sinh đấy thôi.

Say you're a university admissions director

Và chúng thành công thật.

and your theory is that only students with good grades

Nhưng điều đó cũng đồng nhất với giả thuyết đối lập

from rich families do well.

Đó là mọi học sinh có điểm tốt đều thành công cả,

So you only let in such students.

bất kể là giàu hay nghèo.

And they do well.

Nhưng bạn chưa bao giờ kiểm chứng điều ấy vì bạn không hề tuyển học sinh nghèo

But that's also consistent with the rival theory.

Perhaps all students with good grades do well,

vì bạn không muốn giả thuyết của mình sai.

rich or poor.

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

Vậy, ta học được gì đây?

Một câu chuyện không phải là sự thật, vì nó có thể không đúng.

because you don't want to be proven wrong.

Một sự thật không phải là dữ liệu

So, what have we learned?

nó có thể không có tính đại diện nếu nó chỉ là một dữ liệu đơn thuần.

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

Và dữ liệu không phải là căn cứ --

A fact is not data,

nó có thể không có tính ủng hộ nếu nó đồng nhất với các giả thuyết đối lập.

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

Vậy, bạn làm gì đây?

And data is not evidence --

Khi bạn đứng ở những bước ngoặc trong đời,

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

như quyết định chiến lược cho công ty bạn,

So, what do you do?

một biện pháp để dạy dỗ con cái

hoặc một chế độ dinh dưỡng cho sức khỏe,

When you're at the inflection points of life,

làm sao để đảm bảo là bạn không có một câu chuyện

deciding on a strategy for your business,

a parenting technique for your child

nhưng bạn có căn cứ?

or a regimen for your health,

Để tôi chỉ bạn 3 mẹo này.

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

Đầu tiên đó là chủ động tìm kiếm các góc nhìn khác.

but you have evidence?

Hãy đọc và nghe từ những người mà bạn hoàn toàn không đồng tình.

Let me give you three tips.

90% là bạn sẽ thấy họ nói sai, ít nhất là ở góc nhìn của bạn.

The first is to actively seek other viewpoints.

Read and listen to people you flagrantly disagree with.

Nhưng nếu 10% là họ đúng thì sao?

Như Aristotle đã nói,

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

“Chiếc mặt nạ của một người có giáo dục

chính là khả năng khuấy đảo cả một suy diễn

But what if 10 percent is right?

mà không cần thiết phải chấp nhận nó.”

As Aristotle said,

"The mark of an educated man

Bị bao quanh bởi những người thách thức bạn,

is the ability to entertain a thought

và tạo nên một nền văn hóa tích cực khuyến khích sự bất đồng ý kiến.

without necessarily accepting it."

Vài ngân hàng bị tổn thất vì những suy diễn nhóm,

Surround yourself with people who challenge you,

nơi mà nhân viên quá sợ hãi việc thách thức quyết định vay của quản lí,

and create a culture that actively encourages dissent.

góp phần vào sự khủng hoảng tài chính.

Some banks suffered from groupthink,

Trong cuộc họp, hãy chỉ định người có ý định phản biện

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

với ý tưởng yêu thích của bạn.

contributing to the financial crisis.

Và đừng chỉ nghe từ một phía --

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

lắng nghe nó, cẩn thận vào.

Nhà tâm lí học Stephen Covey từng nói,

against your pet idea.

And don't just hear another viewpoint --

“Hãy nghe với mục đích là để hiểu,

listen to it, as well.

chứ không phải để trả lời lại.”

As psychologist Stephen Covey said,

Việc bất đồng quan điểm vốn là để ta học hỏi

"Listen with the intent to understand,

chứ không phải để ta tranh cãi.

not the intent to reply."

Điều này cũng đưa ta đến yếu tố bị bỏ quên trong suy luận Bayes.

A dissenting viewpoint is something to learn from

Vì dữ liệu cho phép bạn được học,

not to argue against.

nhưng việc học hỏi chỉ xảy đến khi ta bắt đầu mà thôi.

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

Nếu bạn bắt đầu với sự chắc nịch rằng giả thuyết yêu thích của bạn là đúng,

Because data allows you to learn,

but learning is only relative to a starting point.

thì góc nhìn của bạn sẽ không đổi --

bất chấp việc bạn có dùng bao nhiêu dữ liệu đi nữa.

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

Chỉ khi nào bạn thật sự mở lòng với cái sai của chính mình

then your view won't change --

thì bạn mới có thể học hỏi.

regardless of what data you see.

Như Leo Tolstoy từng viết,

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

“Những chủ đề khó nhất

có thể được giải thích cho người ít hiểu biết nhất

can you ever learn.

nếu anh ta chưa hình thành bất kỳ ý tưởng nào về chúng.

As Leo Tolstoy wrote,

"The most difficult subjects

Nhưng điều đơn giản nhất

can be explained to the most slow-witted man

không thể được làm rõ cho người thông minh nhất

nếu anh ấy vững tin rằng anh ấy đã biết rồi.”

if he has not formed any idea of them already.

But the simplest thing

cannot be made clear to the most intelligent man

Mẹo thứ hai là “Hãy nghe từ các chuyên gia.”

if he is firmly persuaded that he knows already."

Giờ, đó hẳn là lời khuyên ít phổ biến nhất mà tôi có thể dành cho bạn.

Tip number two is "listen to experts."

(Cười)

Chính Trị Gia người Anh Michael Gove từng nói rằng người ở quốc gia này

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

đã có đủ những chuyên gia rồi.

(Laughter)

British politician Michael Gove famously said that people in this country

Một cuộc bầu chọn chỉ ra là người ta đặt niềm tin nhiều vào thợ cắt tóc

(Cười)

have had enough of experts.

hoặc một gã trai lạ trên phố

hơn là tin vào một người chủ doanh nghiệp, dịch vụ y tế hay thậm chí là tình nguyện.

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

(Laughter)

Vậy ta sẽ thích công thức làm trắng răng từ một bà mẹ

or the man on the street

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

hay sẽ nghe ý kiến của một nữ diễn viên về vaccine hơn ư.

Ta thích người nói thẳng, những người nói theo trực giác,

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

và ta gọi họ là người thật thà.

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

Nhưng trực giác cũng đâu thể đưa bạn đi quá xa được.

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

Trực giác nói bạn biết là đừng bao giờ đưa sữa cho một em bé bị tiêu chảy,

and we call them authentic.

But gut feel can only get you so far.

vì điều đó chỉ khiến nó tiêu chảy nặng hơn.

Các chuyên gia thì nói điều ngược lại.

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

Bạn sẽ không bao giờ cả tin đến mức nhờ gã trai lạ trên phố phẫu thuật cho mình.

because it would just flow out the other end.

Bạn sẽ cần đến một chuyên gia có nhiều kinh nghiệm về phẫu thuật

Expertise tells you otherwise.

và có hiểu biết về các kĩ thuật tốt nhất.

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

Cơ mà điều đó nên được ứng dụng trong mọi lần mà bạn quyết định.

You'd want an expert who spent years doing surgery

Chính trị, kinh doanh, kiến nghị sức khỏe

and knows the best techniques.

But that should apply to every major decision.

đều cần đến chuyên gia, cũng như phẫu thuật thôi.

Politics, business, health advice

Vậy thì, tại sao các chuyên gia lại bị ngờ vực như vậy?

require expertise, just like surgery.

Thì, một lí do đó là họ thường khó tiếp cận.

Một tỉ phú CEO khó mà nói chuyện trực tiếp với gã đàn ông trên phố được.

So then, why are experts so mistrusted?

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

Nhưng chuyên môn thực sự thì cũng cần có luận cứ

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

Và luận cứ thì lại đứng về phía gã trai lạ trên phố

và điều đó chống lại các chuyên gia.

But true expertise is found on evidence.

Vì luận cứ buộc bạn phải chứng minh nó.

And evidence stands up for the man on the street

Luận cứ ngăn các chuyên gia áp đặt góc nhìn của họ

and against the elites.

mà không có bằng chứng.

Because evidence forces you to prove it.

Lí do thứ hai mà các chuyên gia bị ngờ vực

Evidence prevents the elites from imposing their own view

đó là chuyên gia cũng có lúc bất đồng quan điểm.

Có chuyên gia cho rằng việc rời bỏ EU sẽ khiến nước Anh tệ đi,

without proof.

A second reason why experts are not trusted

nhưng cũng có chuyên gia bảo rằng điều đó là tốt.

is that different experts say different things.

Thành ra là sẽ có một nửa các chuyên gia này bị sai.

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

Và tôi phải thừa nhận là đa số các giấy tờ viết bởi các chuyên gia đều sai.

another expert claimed it would be good.

Half of these so-called experts will be wrong.

Hay cùng lắm, là tuyên bố những luận cứ không có tính hỗ trợ.

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

Nên ta không thể lấy những nhận định của chuyên gia ra bàn được.

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

Vào tháng 11 2016, một nghiên cứu về lương của giám đốc đã gây tiếng vang lớn.

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

Mặc dù không có tờ báo nào nói về nghiên cứu ấy

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

thực sự tận mắt thấy nghiên cứu đó.

Nó thậm chí còn chưa được công khai.

Họ chỉ lấy vài câu từ tác giả của nó,

Even though none of the newspapers who covered the study

như vụ của Belle vậy.

had even seen the study.

Đâu phải là ta cứ lấy đại 1 nghiên cứu bất kì

It wasn't even out yet.

đem về làm luận điểm cho góc nhìn của ta được --

They just took the author's word for it,

điều đó, lần nữa, là thiên kiến xác nhận.

just like with Belle.

Điều đó đâu có phải là nếu có 3 nghiên cứu nói A

Nor does it mean that we can just handpick any study

và 3 nghiên cứu nói B,

that happens to support our viewpoint --

thì A chắc chắn đúng đâu.

that would, again, be confirmation bias.

Vấn đề nằm ở chất lượng cơ,

Nor does it mean that if seven studies show A

chứ không phải ở số lượng các chuyên gia.

and three show B,

that A must be true.

Nên ta nên làm hai điều.

What matters is the quality,

Đầu tiên, ta nên nghiêm túc kiểm định tính xác thực của các tác giả.

and not the quantity of expertise.

So we should do two things.

Như cách mà bạn kiểm định nghiêm túc tính xác thực của người sẽ phẫu thuật bạn á.

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

Liệu họ có phải là chuyên gia thực sự trong lĩnh vực đó,

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

hay liệu họ có thẩm quyền gì hay không?

Thứ hai, ta nên đặc biệt tham khảo

Are they truly experts in the matter,

tới các văn bản công khai trên các tờ báo học thuật hàng đầu.

or do they have a vested interest?

Có quan điểm cáo buộc là học giả thường có cái nhìn xa rời thực tế.

Second, we should pay particular attention

to papers published in the top academic journals.

Nhưng sự xa rời ấy phải tốn của bạn cả năm trời nghiên cứu đấy.

Đó là vì một kết quả chân thật,

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

đó là để bác bỏ những giả thuyết đối lập,

và là để và phân biệt mối tương quan từ nhân quả.

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

Các tờ báo học thuật thường có quy trình bình duyệt gắt gao,

To really nail down a result,

to rule out those rival theories,

là nơi có sự soi xét tỉ mĩ đến từng trang giấy

and to distinguish correlation from causation.

(Cười)

bởi những nhân tài hàng đầu.

And academic journals involve peer review,

Bài báo càng hay, tiêu chuẩn càng cao.

where a paper is rigorously scrutinized

Những tờ báo uy tín nhất từ chối 95% số văn bản.

(Laughter)

by the world's leading minds.

The better the journal, the higher the standard.

Thì, luận cứ học thuật vẫn chưa phải là tất cả.

The most elite journals reject 95 percent of papers.

Trải nghiệm thực tế cũng quan trọng không kém.

Nếu bình duyệt không chỉnh chu, sai phạm vẫn có.

Now, academic evidence is not everything.

Nhưng việc sử dụng một thứ đã được kiểm định

Real-world experience is critical, also.

vẫn hơn là dùng thứ không được kiểm định.

And peer review is not perfect, mistakes are made.

Nếu ta không có sự nghiên cứu mà cứ thích tìm tòi,

không cần biết tác giả là ai hay liệu nó đã được hiệu đính chưa,

But it's better to go with something checked

than something unchecked.

thì nguy cơ nghiên cứu đó sai lầm là rất dễ xảy ra.

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

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

Và những người tự nhận mình là chuyên gia như chúng ta

nên nhận ra sự giới hạn trong phân tích của mình.

there is a massive chance that that study is misleading.

Rất hiếm khi ta có thể chứng minh hoặc dự đoán điều gì đó với sự chắc chắn

And those of us who claim to be experts

should recognize the limitations of our analysis.

nhưng lại rất dễ để ta đưa ra 1 phát biểu lướt qua, không kiểm chứng.

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

Rất dễ để ta đặt nó lên tiêu đề hoặc tweet ra thành 140 kí tự.

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

Nhưng kể cả luận cứ cũng chưa hẳn là bằng chứng.

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

Nó có thể không phổ quát, nó có thể không áp dụng được cho mọi thứ.

But even evidence may not be proof.

Nên đừng có nói, “Rượu đỏ giúp ta sống thọ hơn,”

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

khi mà tương quan giữa rượu đỏ và sống thọ là luận cứ duy nhất của bạn.

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

Điều đó chỉ đúng khi người ta có tập thể dục thêm thôi.

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

Mẹo thứ ba là “Hãy nghĩ trước khi chia sẻ bất cứ thứ gì.”

And only then in people who exercise as well.

Lời thề Hippocrates ghi, “Thứ nhất, không báo hại.”

Tip number three is "pause before sharing anything."

Mọi thứ ta chia sẻ đều có nguy cơ lây lan,

nên hãy thật cẩn thận với thứ mà ta đang lan truyền.

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

Mục tiêu của ta không phải là để có like hay được retweet.

What we share is potentially contagious,

Trái lại, ta chỉ chia sẻ điều nhất trí; không đe dọa đến cách nghĩ của người khác.

so be very careful about what we spread.

Mặt khác, ta chỉ chia sẻ những thứ có vẻ tốt,

Our goal should not be to get likes or retweets.

bất kể đó có phải là luận cứ hay không.

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

Thay vào đó, ta nên hỏi câu này:

Otherwise, we only share what sounds good,

Nếu nó là một câu chuyện, liệu nó có thật?

regardless of whether it's evidence.

nếu nó là thật, liệu những luận cứ của nó có xác thực không?

Instead, we should ask the following:

Nếu có, thì nó là của ai, chuyên môn người đó thế nào?

Liệu nó đã công khai chưa, tờ báo đó có uy tín không?

If it's a story, is it true?

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

Vã hãy tự hỏi mình một câu hỏi triệu đô:

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

Nếu nghiên cứu y hệt được viết bởi tác giả tương tự với chuyên môn tương tự

Is it published, how rigorous is the journal?

And ask yourself the million-dollar question:

nhưng lại có kết quả trái ngược,

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

liệu bạn có còn tin vào nó và chia sẻ nó nữa không?

Việc giải đáp mọi vấn đề --

but found the opposite results,

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

một vấn đề về kinh tế quốc gia hay vấn đề về sức khỏe cá nhân,

là rất khó.

Nên ta cần phải đảm bảo là mình có những luận cứ tốt nhất để dựa vào.

Treating any problem --

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

Chỉ khi nào nó đúng thì nó mới thành sự thật.

is difficult.

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

Chỉ khi nào nó có tính đại diện thì nó mới thành dữ liệu.

Chỉ khi nào nó giàu tính hỗ trợ thì nó mới thành luận cứ.

Only if it's true can it be fact.

Và chỉ khi nào có luận cứ

Only if it's representative can it be data.

thì ta mới có thể đi từ một thế giới đầy sự thật chủ quan

đến thế giới với đầy sự thật khách quan được.

Only if it's supportive can it be evidence.

Cám ơn các bạn.

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

(Vỗ tay)

to a pro-truth world.

Thank you very much.

(Applause)