TED2006
Michael Shermer: Why people believe weird things
Michael Shermer über den Glauben an seltsame Dinge
Filmed:
Readability: 4.2
7,339,268 views
Warum sehen Menschen die Jungfrau Maria auf einem Käse-Sandwich oder hören teuflische Einflüsterungen in „Stairway to Heaven“? Der Skeptiker Michael Shermer zeigt, mittels Videos und Musik, wie wir uns dazu bringen, etwas zu glauben – und die Tatsachen zu ignorieren.
Michael Shermer - Skeptic
Michael Shermer debunks myths, superstitions and urban legends -- and explains why we believe them. Along with publishing Skeptic Magazine, he's author of Why People Believe Weird Things and The Mind of the Market. Full bio
Michael Shermer debunks myths, superstitions and urban legends -- and explains why we believe them. Along with publishing Skeptic Magazine, he's author of Why People Believe Weird Things and The Mind of the Market. Full bio
Double-click the English transcript below to play the video.
00:24
I'm Michael Shermer,
director of the Skeptics Society,
director of the Skeptics Society,
0
0
2532
Hallo, ich bin Michael Shermer,
der Vorsitzende der „Skeptics Society“,
der Vorsitzende der „Skeptics Society“,
und Herausgeber des Magazines „Skeptic“.
00:27
publisher of "Skeptic" magazine.
1
2556
1532
Wir ermitteln in Sachen des Paranormalen,
der Pseudo-Wissenschaft,
der Pseudo-Wissenschaft,
00:28
We investigate claims of the paranormal,
2
4112
1913
der Randgruppen und Kulte
und allen Behauptungen dazwischen –
und allen Behauptungen dazwischen –
00:30
pseudo-science, fringe groups and cults,
and claims of all kinds between,
and claims of all kinds between,
3
6049
3682
00:34
science and pseudo-science
and non-science and junk science,
and non-science and junk science,
4
9755
2894
Wissenschaft und Pseudo-Wissenschaft,
und Nicht-Wissenschaft und Müll-Wissenschaft,
und Nicht-Wissenschaft und Müll-Wissenschaft,
Voodoo-Wissenschaft, krankhafter Wissenschaft,
schlechter Wissenschaft, Unwissenschaft
schlechter Wissenschaft, Unwissenschaft
00:37
voodoo science, pathological science,
bad science, non-science,
bad science, non-science,
5
12673
3303
00:40
and plain old non-sense.
6
16000
1887
und schlichtem grobem Unfug.
00:42
And unless you've been on Mars recently,
7
17911
1917
Und wenn Sie nicht gerade
hinterm Mond gelebt haben,
hinterm Mond gelebt haben,
00:44
you know there's a lot of that out there.
8
19852
2018
dann wissen Sie,
dass es ziemlich viel davon gibt.
dass es ziemlich viel davon gibt.
00:46
Some people call us debunkers,
which is kind of a negative term.
which is kind of a negative term.
9
21894
3022
Manche nennen uns Entlarver,
eine eher unfreundliche Bezeichnung.
eine eher unfreundliche Bezeichnung.
00:49
But let's face it, there's a lot of bunk.
10
24940
2108
Aber sehen wir den Tatsachen ins Auge –
es gibt so viel Quatsch,
es gibt so viel Quatsch,
und wir sind im Einsatz wie
die Betrugsabteilung der Polizei, wir räumen auf.
die Betrugsabteilung der Polizei, wir räumen auf.
00:51
We are like the bunko squads
of the police departments out there --
of the police departments out there --
11
27072
3453
00:55
well, we're sort of like
the Ralph Naders of bad ideas,
the Ralph Naders of bad ideas,
12
30549
3427
Nun ja, wir sind ein bisschen
die Ralph Naders der schlechten Ideen –
die Ralph Naders der schlechten Ideen –
00:58
(Laughter)
13
34000
1230
(Gelächter)
– und versuchen, schlechte Ideen
durch gute Ideen zu ersetzen.
durch gute Ideen zu ersetzen.
01:00
trying to replace bad ideas
with good ideas.
with good ideas.
14
35254
2722
01:02
I'll show you an example of a bad idea.
15
38000
1863
Ich zeige Ihnen ein Beispiel
für eine schlechte Idee.
für eine schlechte Idee.
01:04
I brought this with me,
16
39887
1158
Das hier habe ich mitgebracht.
01:05
this was given to us
by NBC Dateline to test.
by NBC Dateline to test.
17
41069
3907
Das wurde uns von NBC Dateline
zu Testzwecken überlassen.
zu Testzwecken überlassen.
01:09
It's produced by the Quadro
Corporation of West Virginia.
Corporation of West Virginia.
18
45000
3286
Es ist der… es wird von der Quadro Corporation
in West Virginia hergestellt.
in West Virginia hergestellt.
Es heißt „Quadro 2000 Rod“ (Wünschelrute).
01:13
It's called the Quadro 2000 Dowser Rod.
19
48310
2910
(Gelächter)
01:16
(Laughter)
20
51244
1446
01:17
This was being sold to high-school
administrators for $900 apiece.
administrators for $900 apiece.
21
52714
5262
Dieses Ding wurde Schulleitern
für 900 Dollar das Stück verkauft.
für 900 Dollar das Stück verkauft.
01:22
It's a piece of plastic with a Radio
Shack antenna attached to it.
Shack antenna attached to it.
22
58000
4327
Es ist ein Stück Plastik, an das eine Antenne
aus dem Zubehörladen geschraubt wurde.
aus dem Zubehörladen geschraubt wurde.
Man könnte alles Mögliche aufspüren wollen,
aber diese spezielle Rute
aber diese spezielle Rute
01:27
You could dowse for all sorts of things,
23
62351
1966
01:29
but this particular one was built
to dowse for marijuana
to dowse for marijuana
24
64341
3393
wurde gebaut, um Marihuana
in den Schließfächern von Schülern zu finden.
in den Schließfächern von Schülern zu finden.
01:32
in students' lockers.
25
67758
1218
01:33
(Laughter)
26
69000
2460
(Gelächter)
Und so funktioniert es:
Man geht die Gänge entlang und schaut,
Man geht die Gänge entlang und schaut,
01:36
So the way it works
is you go down the hallway,
is you go down the hallway,
27
71484
3545
01:39
and you see if it tilts
toward a particular locker,
toward a particular locker,
28
75053
2999
ob sie auf ein bestimmtes Schließfach deutet
und das öffnet man dann.
und das öffnet man dann.
01:42
and then you open the locker.
29
78076
1444
Das sieht ungefähr so aus.
01:44
So it looks something like this.
30
79544
1577
Ich werde es Ihnen zeigen.
01:45
I'll show you.
31
81145
1183
01:48
(Laughter)
32
83809
1167
(Schallendes Gelächter)
01:49
Well, it has kind of a right-leaning bias.
33
85000
3391
Nein, es… nun, sie hat
eine Art Vorzugsneigung nach rechts.
eine Art Vorzugsneigung nach rechts.
Ich zeige es Ihnen – das hier ist Wissenschaft,
also machen wir ein Kontrollexperiment.
also machen wir ein Kontrollexperiment.
01:53
Well, this is science,
so we'll do a controlled experiment.
so we'll do a controlled experiment.
34
88415
2805
Es wird sich bestimmt
in diese Richtung bewegen.
in diese Richtung bewegen.
01:56
It'll go this way for sure.
35
91244
1582
(Gelächter)
01:57
(Laughter)
36
92850
3934
02:01
Sir, do you want to empty
your pockets, please, sir?
your pockets, please, sir?
37
96808
2526
Guter Mann,
würden Sie bitte Ihre Taschen leeren?
würden Sie bitte Ihre Taschen leeren?
(Gelächter)
02:04
(Laughter)
38
99358
1838
Die Frage war also, kann es wirklich Marihuana
in den Schließfächern der Schüler finden?
in den Schließfächern der Schüler finden?
02:06
So the question was, can it actually
find marijuana in students' lockers?
find marijuana in students' lockers?
39
101220
3457
Und die Antwort ist,
wenn man genug davon öffnet – ja.
wenn man genug davon öffnet – ja.
02:09
And the answer is,
if you open enough of them, yes.
if you open enough of them, yes.
40
104701
2598
(Gelächter)
02:12
(Laughter)
41
107323
1023
(Applaus)
02:13
(Applause)
42
108370
1606
02:14
But in science, we have to keep track
of the misses, not just the hits.
of the misses, not just the hits.
43
110000
3381
In der Wissenschaft müssen wir aber auch die
Fehlversuche zählen, nicht nur die Treffer.
Fehlversuche zählen, nicht nur die Treffer.
Und das ist wohl die zentrale Botschaft
meines kurzen Vortrags hier:
meines kurzen Vortrags hier:
02:18
And that's probably the key lesson
to my short talk here:
to my short talk here:
44
113405
3266
02:21
This is how psychics work, astrologers,
tarot card readers and so on.
tarot card readers and so on.
45
116695
3734
so arbeiten Hellseher,
Astrologen, Tarotkartenleger usw.
Astrologen, Tarotkartenleger usw.
Die Leute erinnern sich an die Treffer
und vergessen die Fehlversuche.
und vergessen die Fehlversuche.
02:25
People remember the hits
and forget the misses.
and forget the misses.
46
120453
2219
In der Wissenschaft müssen wir
die ganze Datenmenge aufzeichnen
die ganze Datenmenge aufzeichnen
02:27
In science, we keep the whole database,
47
122696
1895
und nachsehen, ob die Anzahl der Treffer
irgendwie auffällig abweicht,
irgendwie auffällig abweicht,
02:29
and look to see if the number
of hits somehow stands out
of hits somehow stands out
48
124615
2661
von der Gesamtzahl, die bei einer
zufälligen Verteilung zu erwarten wäre.
zufälligen Verteilung zu erwarten wäre.
02:32
from the total number
you'd expect by chance.
you'd expect by chance.
49
127300
2213
In diesem Fall haben wir das geprüft.
02:34
In this case, we tested it.
50
129537
1294
02:35
We had two opaque boxes:
51
130855
1492
Wir verwendeten zwei
undurchsichtige Behälter,
undurchsichtige Behälter,
02:37
one with government-approved THC
marijuana, and one with nothing.
marijuana, and one with nothing.
52
132371
3634
einen mit offiziell genehmigten THC-haltigen
Marihuana und einen, der nichts enthielt.
Marihuana und einen, der nichts enthielt.
Und sie lag in 50% aller Fälle richtig –
02:40
And it got it 50 percent of the time --
53
136029
1881
02:42
(Laughter)
54
137934
1093
was genau dem entspricht,
was man bei einem Münzwurf erwarten würde.
was man bei einem Münzwurf erwarten würde.
02:43
which is exactly what you'd expect
with a coin-flip model.
with a coin-flip model.
55
139051
2925
02:46
So that's just a fun little example
here of the sorts of things we do.
here of the sorts of things we do.
56
142000
3991
Das ist nur ein kleines, lustiges Beispiel dafür,
womit wir uns beschäftigen.
womit wir uns beschäftigen.
„Skeptic“ ist eine
vierteljährlich erscheinende Zeitschrift.
vierteljährlich erscheinende Zeitschrift.
02:50
"Skeptic" is the quarterly publication.
Each one has a particular theme.
Each one has a particular theme.
57
146015
3468
Jede Ausgabe widmet sich einem bestimmten Thema,
diese hier zum Beispiel der Zukunft der Intelligenz.
diese hier zum Beispiel der Zukunft der Intelligenz.
02:54
This one is on the future of intelligence.
58
149507
2074
Werden die Menschen klüger oder dümmer?
02:56
Are people getting smarter or dumber?
59
151605
1771
Ich habe dazu eine Meinung,
aufgrund der Branche, in der ich arbeite.
aufgrund der Branche, in der ich arbeite.
02:58
I have an opinion of this myself
because of the business I'm in,
because of the business I'm in,
60
153400
3048
Aber die Menschen werden tatsächlich,
so stellt sich heraus, immer klüger.
so stellt sich heraus, immer klüger.
03:01
but in fact, people, it turns out,
are getting smarter.
are getting smarter.
61
156472
2667
Um drei IQ Punkte alle 10 Jahre,
Tendenz steigend.
Tendenz steigend.
03:03
Three IQ points per 10 years, going up.
62
159163
2813
03:06
Sort of an interesting thing.
63
162000
1651
Ein irgendwie spannendes Ergebnis.
03:08
With science, don't think of skepticism
as a thing, or science as a thing.
as a thing, or science as a thing.
64
163675
3547
Wissenschaft… Denken Sie nicht über Skeptizismus
oder gar Wissenschaft an sich nach.
oder gar Wissenschaft an sich nach.
Sind Wissenschaft
und Religion miteinander vereinbar?
und Religion miteinander vereinbar?
03:12
Are science and religion compatible?
65
167246
1730
03:13
It's like, are science
and plumbing compatible?
and plumbing compatible?
66
169000
2231
Das ist wie, als ob ich fragen würde: Sind
Wissenschaft und Klempnerei miteinander vereinbar?
Wissenschaft und Klempnerei miteinander vereinbar?
Diese… es sind einfach
zwei unterschiedliche Dinge.
zwei unterschiedliche Dinge.
03:16
They're just two different things.
67
171255
1634
03:17
Science is not a thing. It's a verb.
68
172913
1739
Wissenschaft is keine Sache an sich.
Es ist ein Verb.
Es ist ein Verb.
03:19
It's a way of thinking about things.
69
174676
1722
Es ist eine Art Nachdenken über die Dinge.
03:21
It's a way of looking for natural
explanations for all phenomena.
explanations for all phenomena.
70
176422
3070
Es ist eine Methode, nach natürlichen Erklärungen
für alle Erscheinungen zu suchen.
für alle Erscheinungen zu suchen.
Ich meine, was ist wahrscheinlicher,
03:24
I mean, what's more likely:
71
179516
1350
03:25
that extraterrestrial intelligences
or multi-dimensional beings
or multi-dimensional beings
72
180890
3563
dass außerirdische Intelligenz oder
multi-dimensionale Wesen die unermesslichen
multi-dimensionale Wesen die unermesslichen
03:29
travel across vast distances
of interstellar space
of interstellar space
73
184477
2390
Weiten des interstellaren Raumes durchqueren,
um Kornkreise in Farmer Bobs Acker
um Kornkreise in Farmer Bobs Acker
03:31
to leave a crop circle in Farmer Bob's
field in Puckerbrush, Kansas
field in Puckerbrush, Kansas
74
186891
3180
in Puckerbrush, Kansas, zu hinterlassen
und Werbung für skeptic.com zu machen?
und Werbung für skeptic.com zu machen?
03:34
to promote skeptic.com, our web page?
75
190095
1810
Oder ist es wahrscheinlicher, dass ein Leser von
„Skeptic“ das mit Photoshop gemacht hat?
„Skeptic“ das mit Photoshop gemacht hat?
03:36
Or is it more likely that a reader
of "Skeptic" did this with Photoshop?
of "Skeptic" did this with Photoshop?
76
191929
4478
Und in all den Fällen müssen wir fragen –
03:41
And in all cases we have to ask --
77
196431
1650
(Gelächter)
03:42
(Laughter)
78
198105
1824
03:44
What's the more likely explanation?
79
199953
2023
– welche ist die wahrscheinlichere Erklärung?
03:46
Before we say something
is out of this world,
is out of this world,
80
202000
2167
Bevor wir behaupten,
dass etwas aus einer anderen Welt kommt,
dass etwas aus einer anderen Welt kommt,
müssen wir erst einmal feststellen,
dass es nicht aus dieser Welt kommt.
dass es nicht aus dieser Welt kommt.
03:48
we should first make sure
that it's not in this world.
that it's not in this world.
81
204191
2664
Was ist wahrscheinlicher,
03:51
What's more likely:
82
206879
1151
dass Arnold bei seiner Kandidatur zum
Gouverneur ein wenig außerirdische Hilfe hatte
Gouverneur ein wenig außerirdische Hilfe hatte
03:52
that Arnold had extraterrestrial help
in his run for the governorship,
in his run for the governorship,
83
208054
3326
oder dass „World Weekly News“
Geschichten erfinden?
Geschichten erfinden?
03:56
or that the "World Weekly News"
makes stuff up?
makes stuff up?
84
211404
2498
03:58
(Laughter)
85
213926
1389
(Gelächter)
Und passend dazu wird das Thema
04:00
The same theme is expressed nicely
here in this Sidney Harris cartoon.
here in this Sidney Harris cartoon.
86
215339
4662
gut in den Cartoons
von Sidney Harris behandelt.
von Sidney Harris behandelt.
04:04
For those of you in the back,
it says here: "Then a miracle occurs.
it says here: "Then a miracle occurs.
87
220025
3215
Für euch da hinten, hier steht:
„Dann geschah ein Wunder!
„Dann geschah ein Wunder!
04:08
I think you need to be more
explicit here in step two."
explicit here in step two."
88
223264
2712
Ich denke in Schritt zwei
solltest du etwas präziser werden!“
solltest du etwas präziser werden!“
04:10
This single slide completely dismantles
the intelligent design arguments.
the intelligent design arguments.
89
226000
4496
Eine einzelne Folie räumt vollständig
mit der Mär vom Intelligenten Design auf.
mit der Mär vom Intelligenten Design auf.
Mehr ist dazu nicht zu sagen.
04:15
There's nothing more to it than that.
90
230520
1848
(Applaus)
04:17
(Applause)
91
232392
1050
Man kann sagen, dass ein Wunder geschah.
04:18
You can say a miracle occurs,
92
233466
1388
04:19
it's just that it doesn't explain
anything or offer anything.
anything or offer anything.
93
234878
2966
Das erklärt bloß nichts.
Es bietet nichts. Nichts zum Prüfen.
04:22
There's nothing to test.
94
237868
1150
Das ist für Kreationisten
das Ende der Diskussion.
das Ende der Diskussion.
04:23
It's the end of the conversation
for intelligent design creationists.
for intelligent design creationists.
95
239042
3448
Wohingegen… es stimmt schon,
dass die Wissenschaft manchmal
dass die Wissenschaft manchmal
04:27
And it's true, scientists sometimes throw
terms out as linguistic place fillers --
terms out as linguistic place fillers --
96
242514
4886
abstruse Begriffe als Platzhalter verwendet:
Dunkle Energie oder Dunkle Materie.
Dunkle Energie oder Dunkle Materie.
04:32
dark energy or dark matter,
something like that --
something like that --
97
247424
2348
Solange wir nicht genau wissen,
was es ist, nennen wir es halt so.
was es ist, nennen wir es halt so.
04:34
until we figure out what it is,
we'll call it this.
we'll call it this.
98
249796
2460
Das ist der Anfang des kausalen Zusammenhangs
in der Wissenschaft.
in der Wissenschaft.
04:37
It's the beginning of the causal
chain for science.
chain for science.
99
252280
2701
Für Kreationisten ist das
das Ende der Fahnenstange.
das Ende der Fahnenstange.
04:39
For intelligent design creationists,
it's the end of the chain.
it's the end of the chain.
100
255005
4075
Und nochmal können wir uns fragen:
Was ist wahrscheinlicher,
Was ist wahrscheinlicher,
04:43
So again, we can ask this:
what's more likely?
what's more likely?
101
259104
2172
dass UFOs außerirdische Schiffe sind oder kognitive Wahrnehmungsfehler, oder sogar Fälschungen?
04:46
Are UFOs alien spaceships, or perceptual
cognitive mistakes, or even fakes?
cognitive mistakes, or even fakes?
102
261300
4391
04:50
This is a UFO shot from my house
in Altadena, California,
in Altadena, California,
103
265715
3261
Das ist ein UFO-Foto von meinem Haus
in Altadena aus, in Kalifornien,
in Altadena aus, in Kalifornien,
04:53
looking down over Pasadena.
104
269000
1976
wenn man über Pasadena schaut.
04:55
And if it looks a lot like a Buick
hubcap, it's because it is.
hubcap, it's because it is.
105
271000
3521
Und wenn es sehr nach einer Radkappe aussieht,
dann, weil es eine ist.
dann, weil es eine ist.
04:59
You don't even need Photoshop
or high-tech equipment,
or high-tech equipment,
106
274545
2738
Man braucht nicht einmal Photoshop
oder eine High-Tech-Ausrüstung,
oder eine High-Tech-Ausrüstung,
man braucht nicht einmal einen Computer.
05:02
you don't need computers.
107
277307
1198
05:03
This was shot with a throwaway
Kodak Instamatic camera.
Kodak Instamatic camera.
108
278529
3447
Das Bild wurde mit einer
„Wegwerf-Kodak-Kamera“ geschossen.
„Wegwerf-Kodak-Kamera“ geschossen.
05:06
You just have somebody off on the side
with a hubcap ready to go.
with a hubcap ready to go.
109
282000
3096
Man braucht nur jemanden,
der mit der Kamera bereit steht und abdrückt.
der mit der Kamera bereit steht und abdrückt.
Kamera bereit – fertig!
05:09
Camera's ready -- that's it.
110
285120
1898
(Gelächter)
05:11
(Laughter)
111
287042
1437
Es ist zwar möglich,
dass die meisten dieser Dinge Schwindel
dass die meisten dieser Dinge Schwindel
05:13
So, although it's possible
that most of these things are fake
that most of these things are fake
112
288503
3473
05:16
or illusions or so on,
and that some of them are real,
and that some of them are real,
113
292000
3714
oder Illusionen sind oder so
und sich nur einige wenige bewahrheiten,
und sich nur einige wenige bewahrheiten,
jedoch ist es wahrscheinlicher,
dass alles gefälscht ist, wie die Kornkreise.
dass alles gefälscht ist, wie die Kornkreise.
05:20
it's more likely that all of them
are fake, like the crop circles.
are fake, like the crop circles.
114
295738
3133
Jetzt zu einem ernsteren Thema:
In der Wissenschaft suchen wir stets
In der Wissenschaft suchen wir stets
05:23
On a more serious note, in all of science
we're looking for a balance
we're looking for a balance
115
298895
3381
eine Balance zwischen
Theorien und den Daten.
Theorien und den Daten.
05:27
between data and theory.
116
302300
1676
05:28
In the case of Galileo,
he had two problems
he had two problems
117
304000
3976
Bei Galileo zum Beispiel:
Er hatte zwei Probleme,
Er hatte zwei Probleme,
05:32
when he turned his telescope to Saturn.
118
308000
2361
wenn er den Saturn betrachtet hatte.
Erstens gab es noch nicht
die Theorie der planetaren Ringe.
die Theorie der planetaren Ringe.
05:35
First of all, there was no
theory of planetary rings.
theory of planetary rings.
119
310385
3122
Und zweitens waren seine Daten
grob und unscharf,
grob und unscharf,
05:38
Second of all, his data
was grainy and fuzzy,
was grainy and fuzzy,
120
313531
2193
er konnte kaum erkennen,
was er sich da ansah.
was er sich da ansah.
05:40
and he couldn't quite make out
what he was looking at.
what he was looking at.
121
315748
2528
Also schrieb er auf:
05:43
So he wrote that he had seen --
122
318300
1676
05:44
"I have observed that the furthest
planet has three bodies."
planet has three bodies."
123
320000
3507
„Ich sehe, dass der
entfernteste Planet drei Körper besitzt.“
entfernteste Planet drei Körper besitzt.“
Und das war das Ergebnis,
zu dem er kam.
zu dem er kam.
05:48
And this is what he ended up
concluding that he saw.
concluding that he saw.
124
323531
2865
So ganz ohne planetare Ringe.
Mit einem unscharfen Datensatz
Mit einem unscharfen Datensatz
05:51
So without a theory of planetary
rings and with only grainy data,
rings and with only grainy data,
125
326420
3556
05:54
you can't have a good theory.
126
330000
1918
kann man keine gute Theorie aufstellen.
05:56
It wasn't solved until 1655.
127
331942
1619
Und es gab auch keine bis 1655.
05:58
This is Christiaan Huygens's book
that catalogs all the mistakes
that catalogs all the mistakes
128
333585
3014
Das sind Aufzeichnungen aus Christiaan Huygens
Buch, in dem er die Fehler der Leute,
Buch, in dem er die Fehler der Leute,
06:01
people made trying to figure out
what was going on with Saturn.
what was going on with Saturn.
129
336623
2962
die versucht haben herauszufinden,
was mit dem Saturn los ist, katalogisiert hat.
was mit dem Saturn los ist, katalogisiert hat.
Nichts geschah, solange Huygen
nicht zwei Dinge zusammen hatte.
nicht zwei Dinge zusammen hatte.
06:04
It wasn't till Huygens had two things:
130
339609
1856
Erstens: eine gute Theorie
der Planetenbewegung und des Sonnensystems.
der Planetenbewegung und des Sonnensystems.
06:06
He had a good theory of planetary rings
and how the solar system operated,
and how the solar system operated,
131
341489
4486
06:10
and he had better telescopic,
more fine-grain data
more fine-grain data
132
345999
2863
Und zweitens: ein besseres Teleskop,
bessere, genauere Daten,
bessere, genauere Daten,
06:13
in which he could figure out that
as the Earth is going around faster --
as the Earth is going around faster --
133
348886
3543
anhand derer er herausfinden konnte,
dass, wenn sich die Erde schneller dreht –
dass, wenn sich die Erde schneller dreht –
dem Keplerschen Gesetz folgend –
sie den Saturn einholt.
sie den Saturn einholt.
06:17
according to Kepler's Laws --
than Saturn, then we catch up with it.
than Saturn, then we catch up with it.
134
352453
3228
Wir sehen die Planetenringe
aus verschiedenen Winkeln.
aus verschiedenen Winkeln.
06:20
And we see the angles of the rings
at different angles, there.
at different angles, there.
135
355705
3271
06:23
And that, in fact, turns out to be true.
136
359000
2220
Und tatsächlich:
die Theorie erwies sich als wahr.
die Theorie erwies sich als wahr.
Das Problem mit Theorien ist,
06:26
The problem with having a theory is that
it may be loaded with cognitive biases.
it may be loaded with cognitive biases.
137
361244
5297
dass sie mit kognitiven Präferenzen
beladen sein können.
beladen sein können.
Somit ist die Erklärung dafür,
dass Menschen wirres Zeug glauben, die,
dass Menschen wirres Zeug glauben, die,
06:31
So one of the problems of explaining
why people believe weird things
why people believe weird things
138
366565
3267
dass wir unterbewusst
immer etwas hinzufügen.
immer etwas hinzufügen.
06:34
is that we have things, on a simple level,
139
369856
2068
Und dann wird es schwierig.
06:36
and then I'll go to more serious ones.
140
371948
1828
Zum Beispiel haben wir die Tendenz,
Gesichter zu sehen.
Gesichter zu sehen.
06:38
Like, we have a tendency to see faces.
141
373800
1876
Das hier ist
das Gesicht vom Mars, welches…
das Gesicht vom Mars, welches…
06:40
This is the face on Mars.
142
375700
1776
1976 gab es eine ganze Bewegung,
um die NASA dazu zu bekommen,
um die NASA dazu zu bekommen,
06:42
In 1976, where there was a whole movement
to get NASA to photograph that area
to get NASA to photograph that area
143
377500
4512
dieses Gebiet zu fotografieren,
weil die Menschen dachten,
weil die Menschen dachten,
06:46
because people thought this was monumental
architecture made by Martians.
architecture made by Martians.
144
382036
3916
dies wäre die
monumentale Architektur der Marsianer.
monumentale Architektur der Marsianer.
Nun, es stellte sich heraus,
dass das eine Großaufnahme von 2001 ist.
dass das eine Großaufnahme von 2001 ist.
06:50
Here's the close-up of it from 2001.
145
385976
2771
06:53
If you squint, you can still see the face.
146
388771
2460
Wenn man die Augen zusammen kneift,
kann man das Gesicht noch immer sehen.
kann man das Gesicht noch immer sehen.
Beim Zusammenkneifen
06:56
And when you're squinting,
147
391255
1302
06:57
you're turning that from fine-grain
to coarse-grain,
to coarse-grain,
148
392581
3023
wechselt man von der
Feinsicht auf die Grobsicht.
Feinsicht auf die Grobsicht.
Somit reduziert man
die Qualität des Datensatzes.
die Qualität des Datensatzes.
07:00
so you're reducing
the quality of your data.
the quality of your data.
149
395628
2287
Wenn ich Ihnen nicht sagen würde,
wonach Sie suchen sollen,
würden Sie immer noch das Gesicht sehen,
wonach Sie suchen sollen,
würden Sie immer noch das Gesicht sehen,
07:02
And if I didn't tell you what to look for,
you'd still see the face,
you'd still see the face,
150
397939
3229
denn wir sind von der Evolution dazu programmiert,
Gesichter zu erkennen.
Gesichter zu erkennen.
07:05
because we're programmed
by evolution to see faces.
by evolution to see faces.
151
401192
2429
Gesichter sind
in unserer sozialen Umwelt sehr wichtig.
in unserer sozialen Umwelt sehr wichtig.
07:08
Faces are important for us socially.
152
403645
2151
Und vor allem: glückliche Gesichter.
07:10
And of course, happy faces,
faces of all kinds are easy to see.
faces of all kinds are easy to see.
153
405820
3468
Wir können alle möglichen Gesichter sehen.
(Gelächter)
07:14
You see the happy face on Mars, there.
154
409312
1896
Man kann das
glückliche Gesicht des Mars sehen, wie hier.
glückliche Gesicht des Mars sehen, wie hier.
07:16
(Laughter)
155
411232
1151
Wenn die Astronauten Frösche wären,
würden Sie bestimmt Kermit sehen.
würden Sie bestimmt Kermit sehen.
07:17
If astronomers were frogs,
perhaps they'd see Kermit the Frog.
perhaps they'd see Kermit the Frog.
156
412407
2913
Haben Sie ihn hier gesehen?
07:20
Do you see him there? Little froggy legs.
157
415344
1953
Kleine Froschbeine?
07:22
Or if geologists were elephants?
158
417688
2195
Oder wenn Geologen Elefanten wären?
07:25
Religious iconography.
159
420736
3240
Religiöse Ikonographie.
07:28
(Laughter)
160
424000
2801
(Gelächter)
Das wurde 1996 von einem
Bäcker in Tennessee entdeckt.
Bäcker in Tennessee entdeckt.
07:31
Discovered by a Tennessee baker in 1996.
161
426825
2151
07:33
He charged five bucks a head
to come see the nun bun
to come see the nun bun
162
429000
2477
Er verlangte fünf Dollar von jedem,
der die Nonnenschrippe sehen wollte,
der die Nonnenschrippe sehen wollte,
bis er eine Unterlassungsverfügung
von Mutter Teresas Anwälten bekam.
von Mutter Teresas Anwälten bekam.
07:36
till he got a cease-and-desist
from Mother Teresa's lawyer.
from Mother Teresa's lawyer.
163
431501
3713
Hier ist die Lady von Guadalupe und die
Lady von Watsonville, gleich die Straße runter.
Lady von Watsonville, gleich die Straße runter.
07:40
Here's Our Lady of Guadalupe and Our
Lady of Watsonville, just down the street,
Lady of Watsonville, just down the street,
164
435238
3738
07:43
or is it up the street from here?
165
439000
1604
Oder ist es die Straße rauf?
07:45
Tree bark is particularly good
because it's nice and grainy, branchy,
because it's nice and grainy, branchy,
166
440628
3348
Baumrinde ist besonders gut,
da sie schön grobstrukturiert und astreich ist,
da sie schön grobstrukturiert und astreich ist,
07:48
black-and-white splotchy and you can
get the pattern-seeking --
get the pattern-seeking --
167
444000
3000
nur schwarz-weise Punkte,
aber Sie verstehen das Suchen nach Mustern –
aber Sie verstehen das Suchen nach Mustern –
Menschen sind Muster suchende Geschöpfe.
07:51
humans are pattern-seeking animals.
168
447024
1952
07:53
Here's the Virgin Mary on the side
of a glass window in Sao Paulo.
of a glass window in Sao Paulo.
169
449000
3563
Hier ist die heilige Jungfrau
auf einem Glasfenster in Sao Paolo.
auf einem Glasfenster in Sao Paolo.
Hier machte sie ihre Aufwartung
auf einem Sandwich,
auf einem Sandwich,
07:57
Here's when the Virgin Mary made
her appearance on a cheese sandwich --
her appearance on a cheese sandwich --
170
452587
3414
welches ich in einem Casino
in Las Vegas tatsächlich halten durfte.
in Las Vegas tatsächlich halten durfte.
08:00
which I got to actually
hold in a Las Vegas casino --
hold in a Las Vegas casino --
171
456025
2490
Natürlich stammt es aus Amerika.
08:03
of course, this being America.
172
458539
1537
(Gelächter)
08:04
(Laughter)
173
460100
1525
08:06
This casino paid $28,500
on eBay for the cheese sandwich.
on eBay for the cheese sandwich.
174
461649
4327
Das Casino zahlte auf eBay 28.500 Dollar
für dieses Sandwich.
für dieses Sandwich.
08:10
(Laughter)
175
466000
1976
(Gelächter)
08:12
But who does it really look like?
The Virgin Mary?
The Virgin Mary?
176
468000
2381
Aber wem ähnelt es denn eher,
der heiligen Jungfrau?
der heiligen Jungfrau?
(Gelächter)
08:15
(Laughter)
177
470405
1979
Solche faltige Lippen,
echter 40er-Jahre-Look.
echter 40er-Jahre-Look.
08:17
It has that sort of
puckered lips, 1940s-era look.
puckered lips, 1940s-era look.
178
472408
3865
Die heilige Jungfrau in Clearwater, Florida.
08:21
Virgin Mary in Clearwater, Florida.
179
476297
1679
08:22
I actually went to see this one.
180
478000
1976
Ich war tatsächlich dort,
um sie mir anzusehen.
um sie mir anzusehen.
08:24
There was a lot of people there.
181
480000
1834
Eine Menge Leute waren anwesend
– die Gläubigen verkehren dort –
– die Gläubigen verkehren dort –
08:26
The faithful come in their wheelchairs
and crutches, and so on.
and crutches, and so on.
182
481858
4652
Rollstühle, Krücken und so weiter.
Wir waren dort, um es zu untersuchen.
08:31
We went down and investigated.
183
486534
1861
Um ihnen die Größe verständlich zu machen:
das sind Dawkins und der unglaubliche Randi,
das sind Dawkins und der unglaubliche Randi,
08:33
Just to give you a size, that's Dawkins,
me and The Amazing Randi,
me and The Amazing Randi,
184
488419
3173
neben den beiden
das zweieihalb Stockwerke hohe Abbild.
das zweieihalb Stockwerke hohe Abbild.
08:36
next to this two,
two and a half story-sized image.
two and a half story-sized image.
185
491616
2413
All diese Kerzen. Um es zu ehren, haben die
Menschen viele Tausende von Kerzen angezündet.
Menschen viele Tausende von Kerzen angezündet.
08:38
All these candles, thousands of candles
people had lit in tribute to this.
people had lit in tribute to this.
186
494053
3502
Wir gingen rundherum, zur Rückseite,
um zu sehen, was da eigentlich vor sich ging,
um zu sehen, was da eigentlich vor sich ging,
08:42
So we walked around the backside,
to see what was going on.
to see what was going on.
187
497579
2805
und es stellte sich heraus,
dass dort eine Palme mit Sprinkleranlage stand
dass dort eine Palme mit Sprinkleranlage stand
08:45
It turns out wherever there's
a sprinkler head and a palm tree,
a sprinkler head and a palm tree,
188
500408
3331
und so bekommt man diesen Effekt.
08:48
you get the effect.
189
503763
1213
08:49
Here's the Virgin Mary on the backside,
which they started to wipe off.
which they started to wipe off.
190
505000
3381
Die heilige Jungfrau auf der Rückseite,
die sie anfingen abzuwischen.
die sie anfingen abzuwischen.
Ich nehme an, dass man nur
ein Wunder pro Gebäude haben kann.
ein Wunder pro Gebäude haben kann.
08:53
I guess you can only have
one miracle per building.
one miracle per building.
191
508405
2571
08:55
(Laughter)
192
511000
3333
(Gelächter)
Ist es wirklich das Wunder der heiligen Jungfrau
oder das Wunder von Marge?
oder das Wunder von Marge?
08:59
So is it really a miracle of Mary,
or is it a miracle of Marge?
or is it a miracle of Marge?
193
514357
3679
(Gelächter)
09:02
(Laughter)
194
518060
1001
Ich werde mit einem
anderen Beispiel abschließen,
anderen Beispiel abschließen,
09:03
And now I'm going to finish up
with another example of this,
with another example of this,
195
519085
3603
mit einer Audiospur –
einer auditiven Illusion.
einer auditiven Illusion.
09:07
with auditory illusions.
196
522712
2777
Es gibt den Film
„White Noise – Schreie aus dem Jenseits“
„White Noise – Schreie aus dem Jenseits“
09:10
There's this film, "White Noise,"
with Michael Keaton,
with Michael Keaton,
197
525513
2526
mit Michael Keaton – darüber,
dass die Toten mit uns sprechen.
dass die Toten mit uns sprechen.
09:12
about the dead talking back to us.
198
528063
2534
Die ganze Aufregung darum,
mit den Toten zu sprechen, ist keine große Sache.
mit den Toten zu sprechen, ist keine große Sache.
09:15
By the way, the whole business of talking
to the dead is not that big a deal.
to the dead is not that big a deal.
199
530621
3665
Jeder kann das, stellt sich heraus.
09:19
Anybody can do it, turns out.
200
534310
1485
Schwieriger ist es, die Toten
zu einer Antwort zu bewegen.
zu einer Antwort zu bewegen.
09:20
It's getting the dead to talk
back that's the really hard part.
back that's the really hard part.
201
535819
3088
(Gelächter)
09:23
(Laughter)
202
538931
1098
In diesem Fall liegt das Geheimnis
im elektronischen Phänomen versteckt.
im elektronischen Phänomen versteckt.
09:24
In this case, supposedly, these messages
are hidden in electronic phenomena.
are hidden in electronic phenomena.
203
540053
3782
09:28
There's a ReverseSpeech.com web page
where I downloaded this stuff.
where I downloaded this stuff.
204
543859
3285
Das habe ich von der Webseite
ReverseSpeech.com heruntergeladen.
ReverseSpeech.com heruntergeladen.
Das ist vorwärts – das hier
ist die markanteste Stelle.
ist die markanteste Stelle.
09:31
This is the most famous one
of all of these.
of all of these.
205
547168
3151
Das ist die Vorwärts-Version
dieses sehr berühmten Liedes.
dieses sehr berühmten Liedes.
09:35
Here's the forward version
of the very famous song.
of the very famous song.
206
550343
2801
09:37
(Music with lyrics)
207
553168
1071
09:39
If there's a bustle in your hedgerow
don't be alarmed now.
don't be alarmed now.
208
554263
5158
09:44
It's just a spring clean
for the May Queen.
for the May Queen.
209
560089
3795
09:50
Yes, there are two paths you
can go by, but in the long run,
can go by, but in the long run,
210
565764
4987
09:56
There's still time to change
the road you're on
the road you're on
211
571870
3564
Mensch, könnte man sich das nicht
den ganzen Tag lang anhören?
den ganzen Tag lang anhören?
10:03
Couldn't you just listen to that all day?
212
578733
2611
(Gelächter)
Okay und nun rückwärts.
10:06
All right, here it is backwards,
213
581368
1607
10:07
and see if you can hear the hidden
messages that are supposedly in there.
messages that are supposedly in there.
214
582999
4030
Mal sehen, ob man die vermeintlich versteckte,
geheime Botschaft heraushören kann. (Musik)
geheime Botschaft heraushören kann. (Musik)
10:12
(Music with unintelligible lyrics)
215
587513
6778
10:26
(Lyrics) Satan!
216
601450
1294
10:27
(Unintelligible lyrics continue)
217
602768
6477
Na, was haben Sie verstanden?
10:41
What did you get?
Audience: Satan!
Audience: Satan!
218
616934
1620
Publikum: „Satan.“
10:43
Satan. OK, at least we got "Satan".
219
618578
1712
MS: „Satan?“ Okay, nun,
wenigstens haben wir „Satan“!
wenigstens haben wir „Satan“!
10:45
Now, I'll prime the auditory
part of your brain
part of your brain
220
620314
2302
Jetzt bereite ich den auditiven Teil
Ihres Gehirns darauf vor,
Ihres Gehirns darauf vor,
10:47
to tell you what you're supposed
to hear, and then hear it again.
to hear, and then hear it again.
221
622640
3437
was Sie eigentlich hören sollten
und dann hören wir es uns wieder an.
und dann hören wir es uns wieder an.
10:50
(Music with lyrics)
222
626101
3801
11:17
(Music ends)
223
652673
1086
(Gelächter)
11:18
(Laughter)
224
653783
1207
(Applaus)
11:19
(Applause)
225
655014
6389
Wenn ich Ihnen sage, was da drin steckt,
können Sie es kaum überhören.
können Sie es kaum überhören.
11:26
You can't miss it
when I tell you what's there.
when I tell you what's there.
226
661427
2549
11:28
(Laughter)
227
664000
3250
(Gelächter)
Nun gut, ich möchte mit einer positiven,
netten, kleinen Geschichte abschließen,
netten, kleinen Geschichte abschließen,
11:32
I'm going to just end
with a positive, nice little story.
with a positive, nice little story.
228
667274
4035
darüber… „Skeptics“ ist eine
gemeinnützige Organisation.
gemeinnützige Organisation.
11:36
The Skeptics is a nonprofit
educational organization.
educational organization.
229
671333
2845
Wir suchen stets nach kleinen,
guten Dingen, die die Leute machen.
guten Dingen, die die Leute machen.
11:39
We're always looking for little
good things that people do.
good things that people do.
230
674202
2820
Es gibt eine Pop-Sängerin in England.
11:41
And in England, there's a pop singer.
231
677046
2009
Eine der populärsten englischen Sängerinnen
heutzutage: Katie Melua.
heutzutage: Katie Melua.
11:43
One of the top popular singers
in England today, Katie Melua.
in England today, Katie Melua.
232
679079
3745
Sie schrieb ein schönes Lied.
11:47
And she wrote a beautiful song.
233
682848
1528
Es war 2005 in den Top 5:
„Nine Million Bicycles“.
„Nine Million Bicycles“.
11:49
It was in the top five in 2005, called,
"Nine Million Bicycles in Beijing."
"Nine Million Bicycles in Beijing."
234
684400
5576
11:54
It's a love story -- she's sort
of the Norah Jones of the UK --
of the Norah Jones of the UK --
235
690000
3096
Eine Leibesgeschichte
– sie ist sozusagen die Nora Jones der UK –
– sie ist sozusagen die Nora Jones der UK –
darüber,
wie sehr sie einen Jungen liebt
wie sehr sie einen Jungen liebt
11:57
about how she much loves her guy,
236
693120
1621
11:59
and compared to nine million
bicycles, and so forth.
bicycles, and so forth.
237
694765
2476
und vergleicht es mit neun Millionen Fahrrädern u.s.w.
Und da gibt es eine Passage, hier:
12:02
And she has this one passage here.
238
697265
2225
12:04
(Music)
239
699514
1036
♫ Wir sind 12 Milliarden Lichtjahre entfernt vom Rand ♫
12:05
(Lyrics) We are 12 billion
light-years from the edge
light-years from the edge
240
700574
5771
♫ Das ist eine Schätzung ♫
12:11
That's a guess,
241
706369
2325
♫ Niemand wird je sagen können, ob das richtig ist ♫
12:13
No one can ever say it's true,
242
708718
3711
♫ Aber ich weiß, dass ich immer bei dir sein werde ♫
12:17
But I know that I will always be with you.
243
712453
4603
Nun, das ist nett.
12:22
Michael Shermer: Well, that's nice.
At least she got it close.
At least she got it close.
244
717731
2965
Zumindestens war sie recht nah.
In Amerika hätte es geheißen:
„Wir sind 6.000 Lichtjahre entfernt vom Rand.“
„Wir sind 6.000 Lichtjahre entfernt vom Rand.“
12:25
In America it'd be,
"We're 6,000 light years from the edge."
"We're 6,000 light years from the edge."
245
720720
2923
(Gelächter)
12:28
(Laughter)
246
723667
1036
Mein Freund Simon Singh,
ein Teilchenphysiker, nunmehr Dozent,
ein Teilchenphysiker, nunmehr Dozent,
12:29
But my friend, Simon Singh, the particle
physicist now turned science educator,
physicist now turned science educator,
247
724727
3769
schrieb das Buch „The Big Bang“ usw.
12:33
who wrote the book
"The Big Bang," and so on,
"The Big Bang," and so on,
248
728520
2127
Er nutzt jede Gelegenheit,
um gute Wissenschaft voranzutreiben.
um gute Wissenschaft voranzutreiben.
12:35
uses every chance he gets
to promote good science.
to promote good science.
249
730671
2405
Und so schrieb er einen offenen Brief
an den Guardian über Katies Song.
an den Guardian über Katies Song.
12:37
And so he wrote an op-ed piece
in "The Guardian" about Katie's song,
in "The Guardian" about Katie's song,
250
733100
3286
Darin stand, dass wir eigentlich recht exakt wissen,
wie alt und wie weit entfernt wir vom Rand sind.
wie alt und wie weit entfernt wir vom Rand sind.
12:41
in which he said, well, we know exactly
how far from the edge.
how far from the edge.
251
736410
5036
Es sind 12, genauer 13,7 Milliarden Lichtjahre
und das ist keine Schätzung.
und das ist keine Schätzung.
12:46
You know, it's 13.7 billion light years,
and it's not a guess.
and it's not a guess.
252
741470
3818
Wir wissen, innerhalb einer genau
definierten Fehlertoleranz, wie weit es ist.
definierten Fehlertoleranz, wie weit es ist.
12:50
We know within precise
error bars how close it is.
error bars how close it is.
253
745312
4264
Wir können behaupten, trotz, dass es nicht
absolut genau ist, dass wir der Wahrheit
doch recht nah kommen.
absolut genau ist, dass wir der Wahrheit
doch recht nah kommen.
12:54
So we can say, although not absolutely
true, it's pretty close to being true.
true, it's pretty close to being true.
254
749600
3810
Und Katie – das muss man ihm hoch anrechnen
– rief ihn nach diesem Brief an.
– rief ihn nach diesem Brief an.
12:58
And, to his credit, Katie called him up
after this op-ed piece came out, and said,
after this op-ed piece came out, and said,
255
753434
4739
Sie sagte: „Ich schäme mich so.
13:02
"I'm so embarrassed.
I was in the astronomy club.
I was in the astronomy club.
256
758197
2371
In der Schule war ich Mitglied im Astronomie-Club.
Ich hätte es besser wissen sollen.“
Ich hätte es besser wissen sollen.“
13:05
I should've known better."
257
760592
1278
Und sie nahm den Song neu auf.
13:06
And she re-cut the song.
258
761894
1222
Ich beende meinen Talk
mit dieser neuen Version.
mit dieser neuen Version.
13:07
So I will end with the new version.
259
763140
1848
♫ Wir sind 13,7 Milliarden Lichtjahre ♫
13:09
(Music with lyrics)
260
765012
1264
13:11
We are 13.7 billion light years
261
766300
2421
♫ vom Rand des
sichtbaren Universums entfernt ♫
sichtbaren Universums entfernt ♫
13:13
from the edge of the observable universe.
262
768745
3491
♫ Das ist eine saubere Schätzung
mit genau definierter Fehlertoleranz ♫
mit genau definierter Fehlertoleranz ♫
13:17
That's a good estimate
with well-defined error bars.
with well-defined error bars.
263
772260
3769
♫ Und auf der Grundlage
der verfügbaren Informationen ♫
der verfügbaren Informationen ♫
13:20
And with the available information,
264
776053
3152
♫ Sage ich voraus,
dass ich für immer bei dir sein werde ♫
dass ich für immer bei dir sein werde ♫
13:24
I predict that I will always be with you.
265
779229
4343
(Applaus)
13:28
(Laughter)
266
783596
1157
Wie cool ist das denn?
13:29
How cool is that?
267
784777
1168
(Applaus)
13:30
(Applause)
268
785969
2031
ABOUT THE SPEAKER
Michael Shermer - SkepticMichael Shermer debunks myths, superstitions and urban legends -- and explains why we believe them. Along with publishing Skeptic Magazine, he's author of Why People Believe Weird Things and The Mind of the Market.
Why you should listen
As founder and publisher of Skeptic Magazine, Michael Shermer has exposed fallacies behind intelligent design, 9/11 conspiracies, the low-carb craze, alien sightings and other popular beliefs and paranoias. But it's not about debunking for debunking's sake. Shermer defends the notion that we can understand our world better only by matching good theory with good science.
Shermer's work offers cognitive context for our often misguided beliefs: In the absence of sound science, incomplete information can powerfully combine with the power of suggestion (helping us hear Satanic lyrics when "Stairway to Heaven" plays backwards, for example). In fact, a common thread that runs through beliefs of all sorts, he says, is our tendency to convince ourselves: We overvalue the shreds of evidence that support our preferred outcome, and ignore the facts we aren't looking for.
He writes a monthly column for Scientific American, and is an adjunct at Claremont Graduate University and Chapman University. His latest book is The Believing Brain: From Ghosts and Gods to Politics and Conspiracies—How We Construct Beliefs and Reinforce Them as Truths. He is also the author of The Mind of the Market, on evolutionary economics, Why Darwin Matters: Evolution and the Case Against Intelligent Design, and The Science of Good and Evil. And his next book is titled The Moral Arc of Science.
Michael Shermer | Speaker | TED.com