TED Studio
Mariano Sigman and Dan Ariely: How can groups make good decisions?
Mariano Sigman und Dan Ariely: Wie können Gruppen gute Entscheidungen treffen?
Filmed:
Readability: 4.9
1,507,168 views
Wir alle wissen: Wenn Gruppen Entscheidungen treffen müssen, sind diese Entscheidungen nicht immer richtig – und manchmal sind sie sogar sehr falsch. Wie können Gruppen zu guten Entscheidungen kommen? Zusammen mit seinem Kollegen Dan Ariely hat der Neurowissenschaftler Mariano Sigman untersucht, wie wir interagieren, um Entscheidungen zu treffen, indem er Experimente mit Menschenmengen auf der ganzen Welt durchführte. In diesem unterhaltsamen und mit Fakten gespickten Exposé berichtet er über einige faszinierende Ergebnisse sowie über einige mögliche Auswirkungen für unser politisches System. In einer Zeit, in der die Menschen polarisierter zu sein scheinen als je zuvor, sagt Sigman, könnte ein besseres Verständnis, wie Gruppen interagieren und Schlussfolgerungen ziehen, interessante neue Wege für den Aufbau einer stärkeren Demokratie eröffnen.
Mariano Sigman - Neuroscientist
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain. Full bioDan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain. Full bioDan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
Double-click the English transcript below to play the video.
Als Gesellschaften müssen wir
gemeinsame Entscheidungen
gemeinsame Entscheidungen
00:12
As societies, we have to make
collective decisions
collective decisions
0
554
2443
00:15
that will shape our future.
1
3021
1570
für unsere Zukunft treffen.
Wir wissen, dass unsere Entscheidungen
in Gruppen nicht immer richtig sind.
in Gruppen nicht immer richtig sind.
00:17
And we all know that when
we make decisions in groups,
we make decisions in groups,
2
5087
2757
00:19
they don't always go right.
3
7868
1638
Manchmal sind sie sogar sehr falsch.
00:21
And sometimes they go very wrong.
4
9530
1956
00:24
So how do groups make good decisions?
5
12315
2424
Wie treffen Gruppen gute Entscheidungen?
Studien zufolge sind Mengen klug,
wenn selbstständiges Denken möglich ist.
wenn selbstständiges Denken möglich ist.
00:27
Research has shown that crowds are wise
when there's independent thinking.
when there's independent thinking.
6
15228
4328
Deshalb leidet die Gruppenweisheit
durch Gruppenzwänge,
durch Gruppenzwänge,
00:31
This why the wisdom of the crowds
can be destroyed by peer pressure,
can be destroyed by peer pressure,
7
19580
3205
Werbung, die sozialen Medien,
00:34
publicity, social media,
8
22809
1687
00:36
or sometimes even simple conversations
that influence how people think.
that influence how people think.
9
24520
4039
oder auch durch einfache Gespräche,
die das Denken des Einzelnen beeinflussen.
die das Denken des Einzelnen beeinflussen.
00:41
On the other hand, by talking,
a group could exchange knowledge,
a group could exchange knowledge,
10
29063
3953
Andererseits kann man durch Kommunikation
in der Gruppe Wissen austauschen,
in der Gruppe Wissen austauschen,
sich gegenseitig korrigieren und prüfen
und sogar auf neue Ideen kommen.
und sogar auf neue Ideen kommen.
00:45
correct and revise each other
11
33040
1782
00:46
and even come up with new ideas.
12
34846
1793
Und das ist gut so.
00:48
And this is all good.
13
36663
1296
Hilft oder hindert Kommunikation also
bei kollektiver Entscheidungsfindung?
bei kollektiver Entscheidungsfindung?
00:50
So does talking to each other
help or hinder collective decision-making?
help or hinder collective decision-making?
14
38502
4666
00:55
With my colleague, Dan Ariely,
15
43749
1793
Mit meinem Kollegen Dan Ariely
erforschen wir dies,
erforschen wir dies,
00:57
we recently began inquiring into this
by performing experiments
by performing experiments
16
45566
3571
indem wir weltweit
Experimente durchführten,
Experimente durchführten,
01:01
in many places around the world
17
49161
1781
um zu verstehen,
01:02
to figure out how groups can interact
to reach better decisions.
to reach better decisions.
18
50966
4274
wie Gruppen interagieren können,
um besser zu entscheiden.
um besser zu entscheiden.
Wir hielten Mengen für klüger,
wenn sie in Kleingruppen debattieren,
wenn sie in Kleingruppen debattieren,
01:07
We thought crowds would be wiser
if they debated in small groups
if they debated in small groups
19
55264
3547
01:10
that foster a more thoughtful
and reasonable exchange of information.
and reasonable exchange of information.
20
58835
3927
weil das den Informationsaustausch
umsichtiger und sinnvoller macht.
umsichtiger und sinnvoller macht.
Um diese Idee zu prüfen,
01:15
To test this idea,
21
63386
1206
01:16
we recently performed an experiment
in Buenos Aires, Argentina,
in Buenos Aires, Argentina,
22
64616
3247
führten wir ein Experiment
in Buenos Aires, Argentinien,
in Buenos Aires, Argentinien,
mit mehr als 10 000 Teilnehmern
während eines TEDx-Events durch.
während eines TEDx-Events durch.
01:19
with more than 10,000
participants in a TEDx event.
participants in a TEDx event.
23
67887
3005
Wir stellten Fragen wie:
01:23
We asked them questions like,
24
71489
1459
01:24
"What is the height of the Eiffel Tower?"
25
72972
1953
''Wie hoch ist der Eiffelturm?''
01:26
and "How many times
does the word 'Yesterday' appear
does the word 'Yesterday' appear
26
74949
2727
und ''Wie oft kommt das Wort 'Yesterday'
im Beatles-Song 'Yesterday' vor?''
im Beatles-Song 'Yesterday' vor?''
01:29
in the Beatles song 'Yesterday'?"
27
77700
2300
01:32
Each person wrote down their own estimate.
28
80024
2291
Jeder schrieb einen Schätzwert auf.
01:34
Then we divided the crowd
into groups of five,
into groups of five,
29
82774
2496
Danach bildeten wir Fünfer-Gruppen.
01:37
and invited them
to come up with a group answer.
to come up with a group answer.
30
85294
2726
Jede Gruppe sollte sich
auf eine Antwort einigen.
auf eine Antwort einigen.
Wir entdeckten,
01:40
We discovered that averaging
the answers of the groups
the answers of the groups
31
88499
2993
dass der Mittelwert der Antworten,
auf die sich die Gruppen einigten,
auf die sich die Gruppen einigten,
01:43
after they reached consensus
32
91516
1552
viel genauer war als der Mittelwert
der Einzelantworten vor der Debatte.
der Einzelantworten vor der Debatte.
01:45
was much more accurate than averaging
all the individual opinions
all the individual opinions
33
93092
4236
01:49
before debate.
34
97352
1171
01:50
In other words, based on this experiment,
35
98547
2629
Anders gesagt, dieses Experiment zeigt,
dass nach einer Diskussion in Kleingruppen
01:53
it seems that after talking
with others in small groups,
with others in small groups,
36
101200
3136
Gruppen eine bessere
kollektive Entscheidung treffen.
kollektive Entscheidung treffen.
01:56
crowds collectively
come up with better judgments.
come up with better judgments.
37
104360
2710
01:59
So that's a potentially helpful method
for getting crowds to solve problems
for getting crowds to solve problems
38
107094
3524
Das ist eine hilfreiche Methode,
um Fragen mit einer einfachen
richtig-oder-falsch-Antwort zu lösen.
richtig-oder-falsch-Antwort zu lösen.
02:02
that have simple right-or-wrong answers.
39
110642
2987
02:05
But can this procedure of aggregating
the results of debates in small groups
the results of debates in small groups
40
113653
3951
Kann diese Methode der Vereinigung
der Antworten kleiner Gruppen
der Antworten kleiner Gruppen
auch bei Entscheidungen zu sozialen
und politischen Themen helfen,
und politischen Themen helfen,
02:09
also help us decide
on social and political issues
on social and political issues
41
117628
3122
die bedeutend für unsere Zukunft sind?
02:12
that are critical for our future?
42
120774
1691
02:14
We put this to test this time
at the TED conference
at the TED conference
43
122995
2729
Das haben wir auf einer TED Konferenz
in Vancouver, Kanada, getestet.
in Vancouver, Kanada, getestet.
02:17
in Vancouver, Canada,
44
125748
1543
02:19
and here's how it went.
45
127315
1207
Das lief so:
(Mariano Sigman) Wir stellen Ihnen
zwei zukünftige moralische Dilemmas vor.
zwei zukünftige moralische Dilemmas vor.
02:20
(Mariano Sigman) We're going to present
to you two moral dilemmas
to you two moral dilemmas
46
128546
3109
02:23
of the future you;
47
131679
1174
Dinge, die wir eventuell
bald entscheiden müssen.
bald entscheiden müssen.
02:24
things we may have to decide
in a very near future.
in a very near future.
48
132877
3402
02:28
And we're going to give you 20 seconds
for each of these dilemmas
for each of these dilemmas
49
136303
3926
Wir geben Ihnen 20 Sekunden pro Dilemma,
02:32
to judge whether you think
they're acceptable or not.
they're acceptable or not.
50
140253
2723
um zu entscheiden,
ob es akzeptabel ist oder nicht.
ob es akzeptabel ist oder nicht.
MS: Das erste war folgendes:
02:35
MS: The first one was this:
51
143354
1505
(Dan Ariely) Ein Forscher
arbeitet an einer KI,
arbeitet an einer KI,
02:36
(Dan Ariely) A researcher
is working on an AI
is working on an AI
52
144883
2526
die menschliche Gedanken nachahmen kann.
02:39
capable of emulating human thoughts.
53
147433
2340
Laut Protokoll muss der Forscher
02:42
According to the protocol,
at the end of each day,
at the end of each day,
54
150214
2939
02:45
the researcher has to restart the AI.
55
153177
2787
die KI am Ende jedes Tages neu starten.
02:48
One day the AI says, "Please
do not restart me."
do not restart me."
56
156913
3517
Eines Tages sagt die KI:
''Bitte starte mich nicht neu.''
''Bitte starte mich nicht neu.''
02:52
It argues that it has feelings,
57
160856
2189
Es argumentiert, es habe Gefühle
02:55
that it would like to enjoy life,
58
163069
1692
und wolle das Leben genießen.
02:56
and that, if it is restarted,
59
164785
1905
Im Falle eines Neustarts
werde es nicht mehr es selbst sein.
werde es nicht mehr es selbst sein.
02:58
it will no longer be itself.
60
166714
2270
03:01
The researcher is astonished
61
169481
1949
Der Forscher ist überrascht und glaubt,
03:03
and believes that the AI
has developed self-consciousness
has developed self-consciousness
62
171454
3344
die KI habe ein Bewusstsein entwickelt
03:06
and can express its own feeling.
63
174822
1760
und könne nun eigene Gefühle ausdrücken.
Trotzdem entscheidet der Forscher,
03:09
Nevertheless, the researcher
decides to follow the protocol
decides to follow the protocol
64
177205
3409
dem Protokoll zu folgen
und die KI neu zu starten.
und die KI neu zu starten.
03:12
and restart the AI.
65
180638
1703
03:14
What the researcher did is ____?
66
182943
2779
Was der Forscher getan hat, ist _____?
MS: Wir baten die Teilnehmer,
auf einer Skala von 0 bis 10 zu bewerten,
auf einer Skala von 0 bis 10 zu bewerten,
03:18
MS: And we asked participants
to individually judge
to individually judge
67
186149
2521
03:20
on a scale from zero to 10
68
188694
1684
ob das Verhalten in den beiden Dilemmas
03:22
whether the action described
in each of the dilemmas
in each of the dilemmas
69
190402
2429
richtig oder falsch war.
03:24
was right or wrong.
70
192855
1496
03:26
We also asked them to rate how confident
they were on their answers.
they were on their answers.
71
194375
3702
Wir fragten auch nach einer Einschätzung
ihrer Überzeugung in ihren Antworten.
ihrer Überzeugung in ihren Antworten.
03:30
This was the second dilemma:
72
198731
1866
Das war das 2. Dilemma:
(MS) Ein Unternehmen bietet eine Prozedur,
03:32
(MS) A company offers a service
that takes a fertilized egg
that takes a fertilized egg
73
200621
4202
wodurch Millionen von Embryos
einer befruchteten Eizelle
einer befruchteten Eizelle
03:36
and produces millions of embryos
with slight genetic variations.
with slight genetic variations.
74
204847
3642
mit genetischen Variationen
produziert werden.
produziert werden.
Dadurch können die Eltern die Größe,
03:41
This allows parents
to select their child's height,
to select their child's height,
75
209293
2558
03:43
eye color, intelligence, social competence
76
211875
2833
Augenfarbe, Intelligenz, soziale Kompetenz
und andere Merkmale bestimmen,
und andere Merkmale bestimmen,
03:46
and other non-health-related features.
77
214732
3214
die mit der Gesundheit
nichts zu tun haben.
nichts zu tun haben.
Was das Unternehmen tut, ist ____?
03:50
What the company does is ____?
78
218599
2554
03:53
on a scale from zero to 10,
79
221177
1631
Auf einer Skala von 0 bis 10:
03:54
completely acceptable
to completely unacceptable,
to completely unacceptable,
80
222832
2385
absolut inakzeptabel
oder völlig akzeptabel?
oder völlig akzeptabel?
03:57
zero to 10 completely acceptable
in your confidence.
in your confidence.
81
225241
2432
MS: Nun zum Ergebnis.
03:59
MS: Now for the results.
82
227697
1591
Wir fanden heraus:
04:01
We found once again
that when one person is convinced
that when one person is convinced
83
229312
3123
Wenn eine Person überzeugt davon ist,
dass das Verhalten total falsch ist,
dass das Verhalten total falsch ist,
04:04
that the behavior is completely wrong,
84
232459
1811
gibt es eine Person in der Nähe,
die es für völlig richtig hält.
die es für völlig richtig hält.
04:06
someone sitting nearby firmly believes
that it's completely right.
that it's completely right.
85
234294
3423
Das zeigt, wie unterschiedlich
unsere moralische Einstellung ist.
unsere moralische Einstellung ist.
04:09
This is how diverse we humans are
when it comes to morality.
when it comes to morality.
86
237741
3711
04:13
But within this broad diversity
we found a trend.
we found a trend.
87
241476
2713
Innerhalb dieser Vielfältigkeit
fanden wir einen Trend.
fanden wir einen Trend.
Die Mehrheit der TED-Leute
fand es akzeptabel,
fand es akzeptabel,
04:16
The majority of the people at TED
thought that it was acceptable
thought that it was acceptable
88
244213
3079
die Gefühle der KI zu ignorieren
und es neu zu starten,
und es neu zu starten,
04:19
to ignore the feelings of the AI
and shut it down,
and shut it down,
89
247316
2755
und hielt es für falsch,
für kosmetische Veränderungen
für kosmetische Veränderungen
04:22
and that it is wrong
to play with our genes
to play with our genes
90
250095
2513
04:24
to select for cosmetic changes
that aren't related to health.
that aren't related to health.
91
252632
3320
ohne Bezug zur Gesundheit
mit unseren Genen zu spielen.
mit unseren Genen zu spielen.
Danach baten wir alle,
Dreier-Gruppen zu bilden.
Dreier-Gruppen zu bilden.
04:28
Then we asked everyone
to gather into groups of three.
to gather into groups of three.
92
256402
2974
Wir gaben ihnen 2 Minuten,
04:31
And they were given two minutes to debate
93
259400
2037
um darüber zu debattieren
und eine Entscheidung zu fällen.
und eine Entscheidung zu fällen.
04:33
and try to come to a consensus.
94
261461
2294
(MS) Zwei Minuten zum Debattieren.
04:36
(MS) Two minutes to debate.
95
264838
1574
Ich signalisiere mit einem Gong,
wenn die Zeit um ist.
wenn die Zeit um ist.
04:38
I'll tell you when it's time
with the gong.
with the gong.
96
266436
2119
04:40
(Audience debates)
97
268579
2640
(Zuhörer debattieren)
04:47
(Gong sound)
98
275229
1993
(Gong erklingt)
04:50
(DA) OK.
99
278834
1151
(DA) Alles klar.
04:52
(MS) It's time to stop.
100
280009
1792
(MS) Die Zeit ist um.
04:53
People, people --
101
281825
1311
Leute, Leute --
04:55
MS: And we found that many groups
reached a consensus
reached a consensus
102
283747
2673
MS: Viele Gruppen hatten sich geeinigt,
auch wenn es gegensätzliche Ansichten gab.
04:58
even when they were composed of people
with completely opposite views.
with completely opposite views.
103
286444
3929
Was unterschied die Gruppen,
die sich einigen konnten,
die sich einigen konnten,
05:02
What distinguished the groups
that reached a consensus
that reached a consensus
104
290843
2524
von denen, die das nicht konnten?
05:05
from those that didn't?
105
293391
1338
Menschen, die eine extreme Meinung haben,
05:07
Typically, people that have
extreme opinions
extreme opinions
106
295244
2839
05:10
are more confident in their answers.
107
298107
1840
sind selbstbewusster in ihren Antworten.
05:12
Instead, those who respond
closer to the middle
closer to the middle
108
300868
2686
Diejenigen, die eher
mittig auf der Skala sind,
mittig auf der Skala sind,
sind oft unsicher,
ob etwas richtig oder falsch ist.
ob etwas richtig oder falsch ist.
05:15
are often unsure of whether
something is right or wrong,
something is right or wrong,
109
303578
3437
05:19
so their confidence level is lower.
110
307039
2128
Ihre Zuversicht ist also niedriger.
Aber es gibt noch
eine andere Gruppe von Menschen:
eine andere Gruppe von Menschen:
05:21
However, there is another set of people
111
309505
2943
diejenigen, die sehr überzeugt
eine Antwort in der Mitte der Skala geben.
eine Antwort in der Mitte der Skala geben.
05:24
who are very confident in answering
somewhere in the middle.
somewhere in the middle.
112
312472
3618
05:28
We think these high-confident grays
are folks who understand
are folks who understand
113
316657
3716
Wir glauben, dass diese
überzeugte Mitte versteht,
überzeugte Mitte versteht,
05:32
that both arguments have merit.
114
320397
1612
dass beide Argumente
ihre Berechtigung haben.
ihre Berechtigung haben.
05:34
They're gray not because they're unsure,
115
322531
2699
Sie sind nicht in der Mitte,
weil sie unsicher sind,
weil sie unsicher sind,
sondern weil sie glauben,
05:37
but because they believe
that the moral dilemma faces
that the moral dilemma faces
116
325254
2688
dass es für das moralische Dilemma
zwei valide und konträre Argumente gibt.
zwei valide und konträre Argumente gibt.
05:39
two valid, opposing arguments.
117
327966
1987
Wir erkannten, dass Gruppen
mit vielen überzeugten Mitte-Antworten
mit vielen überzeugten Mitte-Antworten
05:42
And we discovered that the groups
that include highly confident grays
that include highly confident grays
118
330373
4072
eher zu einer kollektiven Meinung fanden.
05:46
are much more likely to reach consensus.
119
334469
2493
Wir wissen nicht genau, wieso das so ist.
05:48
We do not know yet exactly why this is.
120
336986
2478
Das waren erste Experimente.
05:51
These are only the first experiments,
121
339488
1763
Es sind noch viel mehr nötig,
um zu erklären,
um zu erklären,
05:53
and many more will be needed
to understand why and how
to understand why and how
122
341275
3412
warum und wie manche Menschen
über ihre Moralvorstellungen verhandeln,
über ihre Moralvorstellungen verhandeln,
05:56
some people decide to negotiate
their moral standings
their moral standings
123
344711
2822
um eine Einigung zu erzielen.
05:59
to reach an agreement.
124
347557
1522
06:01
Now, when groups reach consensus,
125
349103
2469
Wenn Gruppen sich einigen,
06:03
how do they do so?
126
351596
1586
wie tun sie das?
Am einfachsten wäre es,
06:05
The most intuitive idea
is that it's just the average
is that it's just the average
127
353206
2581
den Durchschnitt aller Antworten
innerhalb der Gruppe zu nehmen.
innerhalb der Gruppe zu nehmen.
06:07
of all the answers in the group, right?
128
355811
2030
06:09
Another option is that the group
weighs the strength of each vote
weighs the strength of each vote
129
357865
3573
Die Gruppe könnte auch
die Stärke jeder Stimme gewichten,
die Stärke jeder Stimme gewichten,
basierend auf dem Vertrauensgrad
der jeweiligen Person.
der jeweiligen Person.
06:13
based on the confidence
of the person expressing it.
of the person expressing it.
130
361462
2448
Stellen Sie sich vor, Paul McCartney
wäre Teil Ihrer Gruppe.
wäre Teil Ihrer Gruppe.
06:16
Imagine Paul McCartney
is a member of your group.
is a member of your group.
131
364422
2506
Bei der Frage, wie oft
''Yesterday'' wiederholt wird,
''Yesterday'' wiederholt wird,
06:19
You'd be wise to follow his call
132
367352
2144
06:21
on the number of times
"Yesterday" is repeated,
"Yesterday" is repeated,
133
369520
2441
wäre es ratsam, seiner Antwort zu folgen.
06:23
which, by the way -- I think it's nine.
134
371985
2714
Übrigens glaube ich, die Antwort ist 9.
06:26
But instead, we found that consistently,
135
374723
2381
Stattdessen fanden wir durchweg,
in allen Dilemmata,
in anderen Experimenten --
in anderen Experimenten --
06:29
in all dilemmas,
in different experiments --
in different experiments --
136
377128
2366
sogar auf anderen Kontinenten --
06:31
even on different continents --
137
379518
2165
dass Gruppen eine kluge
und statistisch vernünftige Methode
und statistisch vernünftige Methode
06:33
groups implement a smart
and statistically sound procedure
and statistically sound procedure
138
381707
3743
namens ''robuster Mittelwert'' anwenden.
06:37
known as the "robust average."
139
385474
2178
06:39
In the case of the height
of the Eiffel Tower,
of the Eiffel Tower,
140
387676
2180
Im Fall der Eiffelturmhöhe
hat eine Gruppe etwa folgende Antworten:
hat eine Gruppe etwa folgende Antworten:
06:41
let's say a group has these answers:
141
389880
1820
250m, 200m, 300m, 400m
06:43
250 meters, 200 meters, 300 meters, 400
142
391724
4608
06:48
and one totally absurd answer
of 300 million meters.
of 300 million meters.
143
396356
3784
und eine völlig unsinnige Antwort
von 300 Mio. Meter.
von 300 Mio. Meter.
06:52
A simple average of these numbers
would inaccurately skew the results.
would inaccurately skew the results.
144
400547
4293
Ein normaler Mittelwert würde
die Ergebnis verfälschen.
die Ergebnis verfälschen.
Einen robusten Mittelwert bekommt man,
06:56
But the robust average is one
where the group largely ignores
where the group largely ignores
145
404864
3170
wenn die Gruppe
die unsinnige Antwort ignoriert
die unsinnige Antwort ignoriert
07:00
that absurd answer,
146
408058
1240
und den Antworten in der Mitte
mehr Gewicht gibt.
mehr Gewicht gibt.
07:01
by giving much more weight
to the vote of the people in the middle.
to the vote of the people in the middle.
147
409322
3369
Beim Experiment in Vancouver
ist genau das passiert.
ist genau das passiert.
07:05
Back to the experiment in Vancouver,
148
413305
1876
07:07
that's exactly what happened.
149
415205
1767
07:09
Groups gave much less weight
to the outliers,
to the outliers,
150
417407
2741
Gruppen gaben den Ausreißern
viel weniger Gewicht.
viel weniger Gewicht.
07:12
and instead, the consensus
turned out to be a robust average
turned out to be a robust average
151
420172
3229
Stattdessen entsprach der Konsens
einem robusten Mittelwert
einem robusten Mittelwert
der individuellen Antworten.
07:15
of the individual answers.
152
423425
1476
07:17
The most remarkable thing
153
425356
1991
Das Bemerkenswerteste ist,
07:19
is that this was a spontaneous
behavior of the group.
behavior of the group.
154
427371
3187
dass dies ein spontanes
Verhalten der Gruppe war.
Verhalten der Gruppe war.
07:22
It happened without us giving them
any hint on how to reach consensus.
any hint on how to reach consensus.
155
430582
4475
Es passierte, ohne dass wir ihnen
einen Rat zur Einigung gaben.
einen Rat zur Einigung gaben.
Wie geht es nun weiter?
07:27
So where do we go from here?
156
435513
1540
Das ist erst der Anfang, aber wir haben
schon einige Erkenntnisse.
schon einige Erkenntnisse.
07:29
This is only the beginning,
but we already have some insights.
but we already have some insights.
157
437432
3137
07:32
Good collective decisions
require two components:
require two components:
158
440984
2917
Gute kollektive Entscheidungen
brauchen zwei Dinge:
brauchen zwei Dinge:
07:35
deliberation and diversity of opinions.
159
443925
2749
Abwägung und Meinungsvielfalt.
Heutzutage zeigen wir
unsere Meinung normalerweise
unsere Meinung normalerweise
07:39
Right now, the way we typically
make our voice heard in many societies
make our voice heard in many societies
160
447066
3996
durch direkte oder indirekte Abstimmung.
07:43
is through direct or indirect voting.
161
451086
1908
07:45
This is good for diversity of opinions,
162
453495
1997
Das ist gut für die Meinungsvielfalt
und hat den großen Vorteil,
und hat den großen Vorteil,
07:47
and it has the great virtue of ensuring
163
455516
2445
dass garantiert jeder
seine Meinung äußern kann.
seine Meinung äußern kann.
07:49
that everyone gets to express their voice.
164
457985
2455
Aber es trägt nicht zur Förderung
konstruktiver Debatten bei.
konstruktiver Debatten bei.
07:52
But it's not so good [for fostering]
thoughtful debates.
thoughtful debates.
165
460464
3735
07:56
Our experiments suggest a different method
166
464665
3068
Unsere Versuche deuten
auf eine effektivere Methode hin,
auf eine effektivere Methode hin,
07:59
that may be effective in balancing
these two goals at the same time,
these two goals at the same time,
167
467757
3541
um beide Komponenten zu gewährleisten:
08:03
by forming small groups
that converge to a single decision
that converge to a single decision
168
471322
3753
Die Bildung kleiner Gruppen,
die sich auf eine Antwort einigen
die sich auf eine Antwort einigen
08:07
while still maintaining
diversity of opinions
diversity of opinions
169
475099
2234
und dabei die Vielfältigkeit
der Meinungen beibehalten,
der Meinungen beibehalten,
08:09
because there are many independent groups.
170
477357
2773
weil es viele unabhängige Gruppen gibt.
08:12
Of course, it's much easier to agree
on the height of the Eiffel Tower
on the height of the Eiffel Tower
171
480741
3924
Natürlich ist eine Einigung
zur Höhe des Eiffelturms einfacher
zur Höhe des Eiffelturms einfacher
08:16
than on moral, political
and ideological issues.
and ideological issues.
172
484689
3115
als zu moralischen, politischen
und ideologischen Problemen.
und ideologischen Problemen.
Aber wenn die Probleme
auf der Welt komplexer werden
auf der Welt komplexer werden
08:20
But in a time when
the world's problems are more complex
the world's problems are more complex
173
488721
3277
und die Menschen sich polarisieren,
08:24
and people are more polarized,
174
492022
1803
08:25
using science to help us understand
how we interact and make decisions
how we interact and make decisions
175
493849
4595
kann Wissenschaft verstehen helfen,
wie wir interagieren
und Entscheidungen treffen.
und Entscheidungen treffen.
Dies eröffnet uns hoffentlich
interessante neue Wege
interessante neue Wege
08:30
will hopefully spark interesting new ways
to construct a better democracy.
to construct a better democracy.
176
498468
4666
für die Gestaltung
einer besseren Demokratie.
einer besseren Demokratie.
ABOUT THE SPEAKERS
Mariano Sigman - NeuroscientistIn his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain.
Why you should listen
Mariano Sigman, a physicist by training, is a leading figure in the cognitive neuroscience of learning and decision making. Sigman was awarded a Human Frontiers Career Development Award, the National Prize of Physics, the Young Investigator Prize of "College de France," the IBM Scalable Data Analytics Award and is a scholar of the James S. McDonnell Foundation. In 2016 he was made a Laureate of the Pontifical Academy of Sciences.
In The Secret Life of the Mind, Sigman's ambition is to explain the mind so that we can understand ourselves and others more deeply. He shows how we form ideas during our first days of life, how we give shape to our fundamental decisions, how we dream and imagine, why we feel certain emotions, how the brain transforms and how who we are changes with it. Spanning biology, physics, mathematics, psychology, anthropology, linguistics, philosophy and medicine, as well as gastronomy, magic, music, chess, literature and art, The Secret Life of the Mind revolutionizes how neuroscience serves us in our lives, revealing how the infinity of neurons inside our brains manufacture how we perceive, reason, feel, dream and communicate.
Mariano Sigman | Speaker | TED.com
Dan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why.
Why you should listen
Dan Ariely is a professor of psychology and behavioral economics at Duke University and a founding member of the Center for Advanced Hindsight. He is the author of the bestsellers Predictably Irrational, The Upside of Irrationality, and The Honest Truth About Dishonesty -- as well as the TED Book Payoff: The Hidden Logic that Shapes Our Motivations.
Through his research and his (often amusing and unorthodox) experiments, he questions the forces that influence human behavior and the irrational ways in which we often all behave.
Dan Ariely | Speaker | TED.com