TED2016
Kang Lee: Can you really tell if a kid is lying?
Kang Lee: Felismerjük, mikor hazudnak a gyerekek?
Filmed:
Readability: 4.2
8,673,675 views
Vajon a gyerekek rosszul hazudnak? azt hiszi, könnyen felismeri hazugságaikat? Kang Lee fejlődéskutató azt vizsgálja, mi történik fiziológiailag a gyerekekkel, amikor hazudnak. Gyakran nem mondanak igazat, ez a tulajdonság már kétéves korban kialakul, és nagyon is jól csinálják. Lee kifejti, miért van okunk örülni, amikor a gyerekek megtanulnak hazudni, illetve a kutató új hazugságfeltáró technológiát mutat be, amely egy nap akár a rejtett érzelmeinket is feltárhatja majd.
Kang Lee - Developmental researcher
Kang Lee has devoted his career to understanding the development of social cognition and behavior. Full bio
Kang Lee has devoted his career to understanding the development of social cognition and behavior. Full bio
Double-click the English transcript below to play the video.
00:13
Hi.
0
1112
1325
Jó napot!
00:14
Let me ask the audience a question:
1
2461
2346
Hadd tegyek fel önöknek egy kérdést.
00:16
Did you ever lie as a child?
2
4831
2195
Hazudtak valaha gyermekkorukban?
00:19
If you did, could you please
raise your hand?
raise your hand?
3
7050
2667
Tegye fel a kezét, aki igen!
00:23
Wow! This is the most honest
group of people I've ever met.
group of people I've ever met.
4
11145
3454
Hűha, ez a legőszintébb közönség,
amellyel valaha találkoztam.
amellyel valaha találkoztam.
00:26
(Laughter)
5
14623
1957
(Nevetés)
00:28
So for the last 20 years,
6
16604
1709
Az elmúlt 20 évben azt vizsgáltam,
00:30
I've been studying
how children learn to tell lies.
how children learn to tell lies.
7
18337
3415
hogyan tanulnak meg a gyerekek hazudni.
00:33
And today, I'm going to share with you
8
21776
2304
Ma pedig megosztom önökkel
00:36
some of the discoveries we have made.
9
24104
2162
a kutatás néhány eredményét.
00:38
But to begin, I'm going to tell you
a story from Mr. Richard Messina,
a story from Mr. Richard Messina,
10
26624
4925
De előtte elmesélek
egy történetet Richard Messináról.
egy történetet Richard Messináról.
00:43
who is my friend and an elementary
school principal.
school principal.
11
31573
3129
Richard a barátom,
általános iskolai igazgató.
általános iskolai igazgató.
00:47
He got a phone call one day.
12
35266
1561
Egy nap felhívták telefonon.
00:51
The caller says,
13
39279
1151
A telefonáló azt mondta:
00:52
"Mr. Messina, my son Johnny
will not come to school today
will not come to school today
14
40454
3882
"Messina úr, a fiam, Johnny
nem megy ma iskolába,
nem megy ma iskolába,
00:56
because he's sick."
15
44360
1463
mert beteg."
00:58
Mr. Messina asks,
16
46498
1736
Messina megkérdezte:
01:00
"Who am I speaking to, please?"
17
48258
2014
"Elnézést, kivel beszélek?"
01:02
And the caller says,
18
50788
1490
A hívó azt válaszolta:
01:04
"I am my father."
19
52302
1665
"Az apámmal."
01:05
(Laughter)
20
53991
2787
(Nevetés)
01:10
So this story --
21
58227
1682
Ez a történet, tehát...
01:11
(Laughter)
22
59933
1532
(Nevetés)
01:13
sums up very nicely
three common beliefs we have
three common beliefs we have
23
61489
4310
három tévhitet is magába foglal arról,
amit a gyerekek és a hazugság
kapcsolatáról gondolunk.
kapcsolatáról gondolunk.
01:17
about children and lying.
24
65823
1859
01:20
One, children only come to tell lies
25
68140
4631
Egy: a gyerekek csak
általános iskolás korban
általános iskolás korban
01:24
after entering elementary school.
26
72795
2268
kezdenek hazudni.
01:27
Two, children are poor liars.
27
75552
2311
Kettő: a gyerekek rosszul hazudnak.
01:29
We adults can easily detect their lies.
28
77887
2857
Mi, felnőttek könnyen
felismerjük hazugságaikat.
felismerjük hazugságaikat.
01:32
And three, if children lie
at a very young age,
at a very young age,
29
80768
4038
És három: ha a gyerek már
nagyon kicsi korában hazudik,
nagyon kicsi korában hazudik,
01:36
there must be some
character flaws with them,
character flaws with them,
30
84830
2849
biztos személyiségzavarokkal küzd,
01:39
and they are going to become
pathological liars for life.
pathological liars for life.
31
87703
4049
és élete végéig kóros hazudozóvá válik.
01:44
Well, it turns out
32
92720
2194
Nos, úgy tűnik,
01:46
all of the three beliefs are wrong.
33
94938
2298
mindhárom hiedelem téves.
01:50
We have been playing guessing games
34
98617
2710
Gyakran teszünk fel találós kérdést
01:53
with children all over the world.
35
101351
2082
a gyerekeknek világszerte.
01:55
Here is an example.
36
103457
1486
Itt egy példa.
01:56
So in this game, we asked children
to guess the numbers on the cards.
to guess the numbers on the cards.
37
104967
4365
A játék lényege,
hogy megkérjük a gyerekeket,
hogy megkérjük a gyerekeket,
02:01
And we tell them if they win the game,
38
109958
2878
találják ki a kártyán lévő számokat,
02:04
they are going to get a big prize.
39
112860
2157
és ha sikerül, értékes nyereményt kapnak.
02:07
But in the middle of the game,
40
115525
1477
A játék közben azonban
02:09
we make an excuse and leave the room.
41
117026
2760
keresünk valami kifogást,
és elhagyjuk a szobát.
és elhagyjuk a szobát.
02:13
And before we leave the room,
42
121763
1934
Mielőtt kimennénk,
02:15
we tell them not to peek at the cards.
43
123721
2936
megkérjük őket, hogy
ne lessenek bele a kártyáikba.
ne lessenek bele a kártyáikba.
02:19
Of course,
44
127518
1416
Természetesen,
02:20
we have hidden cameras in the room
45
128958
2161
kamerákat rejtettünk el a szobában,
02:23
to watch their every move.
46
131143
1795
hogy figyeljük minden mozdulatukat.
02:26
Because the desire
to win the game is so strong,
to win the game is so strong,
47
134216
3417
Mivel nagyon szeretnének nyerni,
02:29
more than 90 percent of children will peek
48
137657
3486
a gyerekek több mint 90%-a
megnézi a kártyákat,
megnézi a kártyákat,
02:33
as soon as we leave the room.
49
141167
1437
amint elhagyjuk a szobát.
02:34
(Laughter)
50
142628
2000
(Nevetés)
02:37
The crucial question is:
51
145044
1986
A legfontosabb kérdés,
02:39
When we return and ask the children
52
147054
2748
amikor a szobába visszatérve
megkérdezzük őket:
megkérdezzük őket:
02:41
whether or not they have peeked,
53
149826
2309
csaltak-e vagy sem,
02:44
will the children who peeked confess
54
152159
3052
bevallják-e, hogy megnézték a kártyát,
02:47
or lie about their transgression?
55
155235
2578
vagy hazudnak a szabályszegésről?
02:51
We found that regardless
of gender, country, religion,
of gender, country, religion,
56
159525
4773
Arra jutottunk, hogy nemtől,
származástól, vallástól függetlenül
származástól, vallástól függetlenül
02:56
at two years of age,
57
164934
1579
kétéves korban
02:59
30 percent lie,
58
167188
1927
30%-uk hazudik,
03:01
70 percent tell the truth
about their transgression.
about their transgression.
59
169139
3809
70%-uk bevallja, hogy áthágta a szabályt.
03:04
At three years of age,
60
172972
2138
Hároméves korban
03:07
50 percent lie and 50 percent
tell the truth.
tell the truth.
61
175134
3474
50%-uk hazudik, és 50%-uk igazat mond.
03:11
At four years of age,
62
179302
1899
Négyéves korban
03:13
more than 80 percent lie.
63
181225
1947
a gyerekek több mint 80%-a hazudik.
03:16
And after four years of age,
64
184334
2451
Négyéves kor felett pedig
03:18
most children lie.
65
186809
1389
a legtöbb gyerek hazudik.
03:21
So as you can see,
66
189180
1363
Amint látják,
03:22
lying is really a typical part
of development.
of development.
67
190567
3463
a hazugság a fejlődés velejárója.
03:26
And some children begin to tell lies
68
194054
2790
Néhány gyerek pedig már
03:28
as young as two years of age.
69
196868
2439
kétéves korától fogva füllent.
03:32
So now, let's take a closer look
at the younger children.
at the younger children.
70
200438
3557
Vegyük jobban szemügyre a kisgyerekeket!
03:37
Why do some but not all
young children lie?
young children lie?
71
205336
3813
Miért hazudik néhány gyerek,
míg mások nem?
míg mások nem?
03:42
In cooking, you need good ingredients
72
210184
3329
A főzéshez jó alapanyagok kellenek,
03:45
to cook good food.
73
213537
1613
hogy jó ételt készíthessünk.
03:47
And good lying requires
two key ingredients.
two key ingredients.
74
215793
4563
A jó hazugsághoz
két összetevőre van szükségünk.
két összetevőre van szükségünk.
03:53
The first key ingredient
is theory of mind,
is theory of mind,
75
221109
4110
Az első fontos elem a tudatelmélet,
03:57
or the mind-reading ability.
76
225243
1835
vagyis a gondolatolvasó képesség.
03:59
Mind reading is the ability to know
77
227768
2078
Az egyes emberek más-más módon
érzékelik a helyzetet;
érzékelik a helyzetet;
04:01
that different people have
different knowledge about the situation
different knowledge about the situation
78
229870
4608
a gondolatolvasás az a képesség,
04:06
and the ability to differentiate
between what I know
between what I know
79
234502
3801
amellyel meg tudjuk különböztetni,
hogy én mit tudok és a másik mit tud.
04:10
and what you know.
80
238327
1223
04:11
Mind reading is important for lying
81
239914
2247
A gondolatolvasás a hazugság
elengedhetetlen feltétele,
elengedhetetlen feltétele,
04:14
because the basis of lying is that I know
82
242185
3847
mert a hazugság alapja az,
hogy tudom:
hogy tudom:
04:18
you don't know
83
246056
1151
a másik nem tudja,
04:19
what I know.
84
247231
1151
amit én tudok.
04:20
Therefore, I can lie to you.
85
248406
1371
Ezért hazudhatok.
04:23
The second key ingredient
for good lying is self-control.
for good lying is self-control.
86
251070
4610
A jó hazugság másik
fontos eleme az önkontroll.
fontos eleme az önkontroll.
04:27
It is the ability to control your speech,
your facial expression
your facial expression
87
255704
4623
Az a képesség, amellyel szabályozzuk
beszédünket, arckifejezésünket
beszédünket, arckifejezésünket
04:32
and your body language,
88
260351
1540
és testbeszédünket annak érdekében,
04:33
so that you can tell a convincing lie.
89
261915
2078
hogy meggyőzően hazudjunk.
04:36
And we found that those young children
90
264938
3726
Arra jutottunk, hogy a kisgyerekek,
akiknek fejlettebb a gondolatolvasó
képességük és az önkontrolljuk,
képességük és az önkontrolljuk,
04:40
who have more advanced mind-reading
and self-control abilities
and self-control abilities
91
268688
4856
korábban kezdenek hazudni,
04:45
tell lies earlier
92
273568
2038
04:47
and are more sophisticated liars.
93
275630
2816
és ügyesebben is hazudnak.
04:51
As it turns out, these two abilities
are also essential for all of us
are also essential for all of us
94
279887
5619
Mint kiderült, e két képességre
mindannyiunknak szükségünk van,
mindannyiunknak szükségünk van,
04:57
to function well in our society.
95
285530
2522
hogy a társadalomban jól boldoguljunk.
05:00
In fact, deficits in mind-reading
and self-control abilities
and self-control abilities
96
288848
4335
Sőt, a gondolatolvasás
és önkontroll hiányosságai
és önkontroll hiányosságai
05:05
are associated with serious
developmental problems,
developmental problems,
97
293207
3559
súlyos fejlődési rendellenességekkel
függnek össze,
függnek össze,
05:08
such as ADHD and autism.
98
296790
2759
pl. az ADHD-val és az autizmussal.
Ha azt veszik észre, hogy gyerekük
kétévesen füllentett először,
kétévesen füllentett először,
05:13
So if you discover your two-year-old
is telling his or her first lie,
is telling his or her first lie,
99
301893
5177
05:19
instead of being alarmed,
100
307094
1984
riadalom helyett
05:21
you should celebrate --
101
309102
1492
inkább örülniük kellene,
05:22
(Laughter)
102
310618
1522
(Nevetés)
05:24
because it signals that your child
has arrived at a new milestone
has arrived at a new milestone
103
312164
5730
mert ez annak jele:
a fejlődés új mérföldkövéhez érkezett.
05:29
of typical development.
104
317918
1635
05:33
Now, are children poor liars?
105
321085
3136
Rosszul hazudnak-e a gyerekek?
05:36
Do you think you can easily
detect their lies?
detect their lies?
106
324878
2994
Úgy gondolják, önök könnyen
felismerik, amikor hazudnak?
felismerik, amikor hazudnak?
05:40
Would you like to give it a try?
107
328745
1678
Ki akarják próbálni?
05:42
Yes? OK.
108
330921
1480
Igen? Oké.
05:44
So I'm going to show you two videos.
109
332425
2139
Lejátszok önöknek két videót.
05:47
In the videos,
110
335024
1151
A videókon
05:48
the children are going to respond
to a researcher's question,
to a researcher's question,
111
336199
3057
a gyerekek kutató kérdésére
válaszolnak, mely így hangzik:
válaszolnak, mely így hangzik:
05:51
"Did you peek?"
112
339280
1482
"Megnézted a kártyát?"
05:52
So try to tell me
113
340786
1554
Találják ki,
05:54
which child is lying
114
342364
1398
melyik gyerek hazudik,
05:55
and which child is telling the truth.
115
343786
2110
és melyik gyerek mond igazat.
05:58
Here's child number one.
116
346272
1719
Itt az első gyerek.
06:00
Are you ready?
117
348991
1237
Készen állnak?
06:03
(Video) Adult: Did you peek? Child: No.
118
351006
1920
(Videó) Felnőtt: Megnézted?
Gyerek: Nem.
Gyerek: Nem.
06:05
Kang Lee: And this is child number two.
119
353619
2236
Kang Lee: Jöjjön a második gyerek.
06:09
(Video) Adult: Did you peek? Child: No.
120
357501
2192
(Videó) Felnőtt: Megnézted?
Gyerek: Nem.
Gyerek: Nem.
06:13
KL: OK, if you think
child number one is lying,
child number one is lying,
121
361296
3587
KL: Aki szerint az első gyerek hazudik,
06:16
please raise your hand.
122
364907
1687
tegye fel a kezét!
06:20
And if you think child number two
is lying, please raise your hand.
is lying, please raise your hand.
123
368401
3552
Most az tegye fel a kezét,
aki szerint a második gyerek hazudik!
aki szerint a második gyerek hazudik!
06:25
OK, so as a matter of fact,
124
373593
2474
Az a helyzet,
06:28
child number one is telling the truth,
125
376091
2937
hogy az első gyerek mond igazat,
06:31
child number two is lying.
126
379052
2029
a második gyerek hazudik.
06:34
Looks like many of you are terrible
detectors of children's lies.
detectors of children's lies.
127
382124
3230
Úgy tűnik, sokan önök közül
nem ismerték fel a hazugságot.
nem ismerték fel a hazugságot.
06:37
(Laughter)
128
385378
2478
(Nevetés)
06:39
Now, we have played similar kinds of games
129
387880
3384
Hasonló játékot játszottunk
06:43
with many, many adults
from all walks of life.
from all walks of life.
130
391288
4625
sok felnőttel az élet minden területéről.
06:48
And we show them many videos.
131
396714
2158
Számtalan videót mutattunk nekik.
06:51
In half of the videos, the children lied.
132
399347
2549
A videók egyik felén hazudtak a gyerekek.
06:53
In the other half of the videos,
the children told the truth.
the children told the truth.
133
401920
3267
A videók másik felén igazat mondtak.
06:58
And let's find out
how these adults performed.
how these adults performed.
134
406529
2857
Nézzük meg, ezek a felnőttek
hogyan szerepeltek!
hogyan szerepeltek!
07:02
Because there are as many liars
as truth tellers,
as truth tellers,
135
410319
3855
Mivel ugyanannyian mondanak igazat
mint ahányan hazudnak,
mint ahányan hazudnak,
07:06
if you guess randomly,
136
414198
2399
ha csak találgatunk,
07:08
there's a 50 percent chance
you're going to get it right.
you're going to get it right.
137
416621
4070
50% az esélye, hogy jó a tippünk.
07:12
So if your accuracy is around 50 percent,
138
420715
3594
Tehát, ha kb. 50%-ban jól válaszolunk,
07:16
it means you are a terrible detector
of children's lies.
of children's lies.
139
424333
3441
azt jelenti, hogy csapnivaló
hazugságfelismerők vagyunk.
hazugságfelismerők vagyunk.
07:20
So let's start with undergrads
and law school students,
and law school students,
140
428290
4529
Kezdjük egyetemistákkal s
joghallgatókkal,
joghallgatókkal,
07:24
who typically have
limited experience with children.
limited experience with children.
141
432843
3672
akiknek általában kevés
tapasztalatuk van gyerekekkel!
tapasztalatuk van gyerekekkel!
07:30
No, they cannot detect children's lies.
142
438038
1962
Nem ismerik fel a gyerekek hazugságait.
07:32
Their performance is around chance.
143
440024
2214
Csak találgatnak.
07:34
Now how about social workers
and child-protection lawyers,
and child-protection lawyers,
144
442262
5229
Mi a helyzet a szociális gondozókkal
és a gyermekvédelmi ügyvédekkel,
és a gyermekvédelmi ügyvédekkel,
07:39
who work with children on a daily basis?
145
447515
2674
akik nap mint nap
gyerekekkel dolgoznak?
gyerekekkel dolgoznak?
07:42
Can they detect children's lies?
146
450213
2087
Ők felismerik a gyerekek hazugságait?
07:45
No, they cannot.
147
453624
1151
Nem, ők sem.
07:46
(Laughter)
148
454799
1045
(Nevetés)
07:47
What about judges,
149
455868
1472
Mi a helyzet a bírókkal,
07:49
customs officers
150
457364
1800
a vámtisztviselőkkel,
07:51
and police officers,
151
459188
1858
és a rendőrökkel,
07:53
who deal with liars on a daily basis?
152
461070
2643
akik naponta dolgoznak hazugokkal?
07:55
Can they detect children's lies?
153
463737
1917
Ők felismerik, mikor hazudnak a gyerekek?
07:58
No, they cannot.
154
466800
1214
Nem, ők sem.
08:00
What about parents?
155
468430
1186
Na és a szülők?
08:01
Can parents detect other children's lies?
156
469640
3014
Szülők felismerik-e
más gyerekének hazugságát?
más gyerekének hazugságát?
08:05
No, they cannot.
157
473898
1238
Nem, nem tudják.
08:07
What about, can parents
detect their own children's lies?
detect their own children's lies?
158
475821
3585
Felismerik-e saját gyerekük hazugságát?
08:13
No, they cannot.
159
481208
1201
Nem.
08:14
(Laughter) (Applause)
160
482433
3476
(Nevetés) (Taps)
08:17
So now you may ask
161
485933
1547
Feltehetik a kérdést,
08:20
why children's lies
are so difficult to detect.
are so difficult to detect.
162
488504
3632
gyerekek hazugságát
miért olyan nehéz felismerni?
miért olyan nehéz felismerni?
08:24
Let me illustrate this
with my own son, Nathan.
with my own son, Nathan.
163
492958
3012
Hadd mutassam ezt be a fiam,
Nathan példáján keresztül.
Nathan példáján keresztül.
08:27
This is his facial expression
164
495994
2169
Ilyen az arckifejezése,
08:30
when he lies.
165
498187
1384
amikor hazudik.
08:31
(Laughter)
166
499595
2206
(Nevetés)
08:33
So when children lie,
167
501825
1602
Amikor gyerekek hazudnak,
08:35
their facial expression
is typically neutral.
is typically neutral.
168
503451
3156
arckifejezésük általában semleges.
08:39
However, behind this neutral expression,
169
507123
3460
Azonban a semleges arckifejezés mögött
08:42
the child is actually experiencing
a lot of emotions,
a lot of emotions,
170
510607
3326
a gyerekek valójában
sokfajta érzelmet élnek át,
sokfajta érzelmet élnek át,
08:45
such as fear, guilt, shame
171
513957
3855
pl. félelmet, bűntudatot, szégyent
08:49
and maybe a little bit of liar's delight.
172
517836
3096
és talán egy kicsit a hazugság gyönyörét.
08:52
(Laughter)
173
520956
2702
(Nevetés)
08:55
Unfortunately, such emotions
are either fleeting or hidden.
are either fleeting or hidden.
174
523682
4840
Sajnos ezek az érzelmek
vagy átmenetiek vagy rejtettek.
vagy átmenetiek vagy rejtettek.
09:00
Therefore, it's mostly invisible to us.
175
528546
3099
Ezáltal számunkra szinte láthatatlanok.
09:03
So in the last five years,
176
531669
1359
Az elmúlt öt évben
09:05
we have been trying to figure out a way
to reveal these hidden emotions.
to reveal these hidden emotions.
177
533052
3896
próbáltuk megtalálni e
rejtett érzelmek feltárásának módját.
rejtett érzelmek feltárásának módját.
09:08
Then we made a discovery.
178
536972
1514
Aztán tettünk egy felfedezést.
09:11
We know that underneath our facial skin,
179
539273
3185
Tudjuk, hogy az arcbőrünk alatt
09:14
there's a rich network of blood vessels.
180
542482
3394
gazdag véredényhálózat van.
09:17
When we experience different emotions,
181
545900
2417
Amikor különböző érzelmeket élünk át,
09:20
our facial blood flow changes subtly.
182
548341
2641
az arc véráramlása kissé megváltozik.
09:23
And these changes are regulated
by the autonomic system
by the autonomic system
183
551613
3948
Ezeket a változásokat
az autonóm idegrendszer szabályozza,
az autonóm idegrendszer szabályozza,
09:27
that is beyond our conscious control.
184
555585
2169
amelyet nem tudatosan irányítunk.
09:30
By looking at facial blood flow changes,
185
558159
3823
Az arc véráramlásának
változását vizsgálva,
változását vizsgálva,
09:34
we can reveal people's hidden emotions.
186
562006
2697
felfedhetjük az emberek rejtett érzelmeit.
09:37
Unfortunately, such emotion-related
facial blood flow changes
facial blood flow changes
187
565229
4778
Sajnos, az arc érzelemmel kapcsolatos
véráramlás változásai
véráramlás változásai
09:42
are too subtle to detect by our naked eye.
188
570031
2625
szabad szemmel észrevehetetlenek.
09:45
So to help us reveal
people's facial emotions,
people's facial emotions,
189
573632
3768
Az emberi arc érzelmeinek felfedéséhez
09:49
we have developed a new imaging technology
190
577424
3034
új képalkotó technológiát
fejlesztettünk ki,
fejlesztettünk ki,
09:52
we call "transdermal optical imaging."
191
580482
3149
melyet transzdermális optikai
képalkotásnak nevezünk.
képalkotásnak nevezünk.
09:56
To do so, we use a regular
video camera to record people
video camera to record people
192
584679
3953
Ehhez hagyományos videókamerával
vesszük fel az embereket,
vesszük fel az embereket,
10:00
when they experience
various hidden emotions.
various hidden emotions.
193
588656
3086
miközben különböző
rejtett érzelmeket élnek át.
rejtett érzelmeket élnek át.
10:04
And then, using our image
processing technology,
processing technology,
194
592385
4094
Majd a képalkotó technológiánkat használva
10:08
we can extract transdermal images
of facial blood flow changes.
of facial blood flow changes.
195
596503
5536
az arc véráramlásának változásairól
ragadhatunk ki bőrön keresztüli képeket.
ragadhatunk ki bőrön keresztüli képeket.
10:16
By looking at transdermal video images,
196
604475
4272
A bőrön keresztüli videóképeken
10:20
now we can easily see
197
608771
1787
egyértelműen látszik
10:23
facial blood flow changes associated
with the various hidden emotions.
with the various hidden emotions.
198
611737
5631
az arc véráramlásának változása
a különböző rejtett érzelmek hatására.
a különböző rejtett érzelmek hatására.
10:29
And using this technology,
199
617944
1788
Ezzel a technológiával
10:31
we can now reveal the hidden emotions
associated with lying,
associated with lying,
200
619756
4668
a hazugsággal kapcsolatos
rejtett érzelmeket is felfedhetjük,
rejtett érzelmeket is felfedhetjük,
10:36
and therefore detect people's lies.
201
624448
2910
tehát megállapíthatjuk,
mikor hazudik valaki.
mikor hazudik valaki.
10:39
We can do so noninvasively,
202
627382
2439
Megtehetjük fizikai beavatkozás nélkül,
10:41
remotely, inexpensively,
203
629845
2539
távolról, olcsón
10:44
with an accuracy at about 85 percent,
204
632408
3660
85%-os pontossággal,
10:48
which is far better than chance level.
205
636092
2054
amely a találgatásnál
sokkal eredményesebb
sokkal eredményesebb
10:51
And in addition, we discovered
a Pinocchio effect.
a Pinocchio effect.
206
639100
3790
Sőt, felfedeztük a Pinocchio-hatást is.
10:56
No, not this Pinocchio effect.
207
644336
2055
Nem, nem ezt a Pinocchio-hatást.
10:58
(Laughter)
208
646415
1007
(Nevetés)
10:59
This is the real Pinocchio effect.
209
647446
2122
Ez az igazi Pinocchio-hatás.
11:01
When people lie,
210
649592
1417
Amikor hazudunk,
11:03
the facial blood flow
on the cheeks decreases,
on the cheeks decreases,
211
651033
3779
a véráramlás az arcon csökken,
11:06
and the facial blood flow
on the nose increases.
on the nose increases.
212
654836
3261
az orron pedig nő.
11:11
Of course, lying is not the only situation
213
659379
3507
Természetesen nem csak hazugság során
11:14
that will evoke our hidden emotions.
214
662910
2848
kerülnek elő rejtett érzelmeink.
11:17
So then we asked ourselves,
215
665782
1874
Így feltettük magunknak a kérdést,
11:19
in addition to detecting lies,
216
667680
2347
a hazugság leleplezése mellett
11:22
how can our technology be used?
217
670051
2333
mire használható még a technológiánk?
11:25
One application is in education.
218
673027
3546
Alkalmazható egyrészt az oktatásban.
11:28
For example, using this technology,
we can help this mathematics teacher
we can help this mathematics teacher
219
676597
4661
Ezzel a technológiával pl. a matektanár
11:33
to identify the student in his classroom
220
681282
2907
azonosíthatja azt a diákot az osztályban,
11:36
who may experience high anxiety
about the topic he's teaching
about the topic he's teaching
221
684213
4745
akiből a tananyag erős szorongást vált ki,
11:40
so that he can help him.
222
688982
1509
hogy segíthessen neki.
11:43
And also we can use this in health care.
223
691337
2740
Alkalmazható még az egészségügyben is.
11:46
For example, every day I Skype my parents,
224
694101
3368
Mindennap beszélek Skype-on a szüleimmel,
11:49
who live thousands of miles away.
225
697493
2082
akik több ezer mérföldnyire laknak tőlem.
11:52
And using this technology,
226
700178
1821
Ezzel a technológiával
11:54
I can not only find out
what's going on in their lives
what's going on in their lives
227
702023
3482
nemcsak a mindennapi életüket
ismerhetem meg,
ismerhetem meg,
11:57
but also simultaneously monitor
their heart rate, their stress level,
their heart rate, their stress level,
228
705529
6302
hanem egyidejűleg ellenőrizhetem
pulzusukat, stressz-szintjüket,
pulzusukat, stressz-szintjüket,
12:03
their mood and whether or not
they are experiencing pain.
they are experiencing pain.
229
711855
3225
hangulatukat és hogy vannak-e fájdalmaik.
12:07
And perhaps in the future,
230
715839
1810
Talán a jövőben szívinfarktus
12:09
their risks for heart attack
or hypertension.
or hypertension.
231
717673
3289
vagy magas vérnyomás kockázatát is.
12:13
And you may ask:
232
721701
1260
Felmerülhet a kérdés,
12:15
Can we use this also to reveal
politicians' emotions?
politicians' emotions?
233
723472
5481
hogy politikusok érzelmeinek
feltárására is alkalmazhatjuk-e?
feltárására is alkalmazhatjuk-e?
12:20
(Laughter)
234
728977
1540
(Nevetés)
12:22
For example, during a debate.
235
730541
1854
Vita közben, például.
12:25
Well, the answer is yes.
236
733220
1453
Nos, a válasz igen.
12:27
Using TV footage,
237
735167
1944
tévéfelvételeken
12:29
we could detect
the politicians' heart rate,
the politicians' heart rate,
238
737135
4046
kimutatható a politikusok pulzusa,
12:33
mood and stress,
239
741205
2046
hangulata, stressz-szintje,
12:35
and perhaps in the future,
whether or not they are lying to us.
whether or not they are lying to us.
240
743275
3578
és a jövőben talán az is,
hogy hazudnak-e nekünk.
hogy hazudnak-e nekünk.
12:39
We can also use this
in marketing research,
in marketing research,
241
747495
2996
Használhatjuk piackutatásban is,
12:42
for example, to find out
242
750515
1851
hogy felmérjük például,
12:44
whether or not people like
certain consumer products.
certain consumer products.
243
752390
4355
az emberek mennyire szeretnek
egy adott fogyasztási cikket.
egy adott fogyasztási cikket.
12:49
We can even use it in dating.
244
757229
2238
Még ismerkedéskor is hasznos lehet.
12:51
So for example,
245
759904
1160
Tehát, ha a randin
12:53
if your date is smiling at you,
246
761088
2594
a partnered rád mosolyog,
12:55
this technology can help you to determine
247
763706
2794
ez a technológia segíthet megállapítani,
12:58
whether she actually likes you
248
766524
2607
hogy tényleg tetszel-e a lánynak,
13:01
or she is just trying to be nice to you.
249
769155
2175
vagy csak kedves próbál lenni.
13:03
And in this case,
250
771864
1695
Ebben az esetben,
13:05
she is just trying to be nice to you.
251
773583
1876
a lány csak kedveskedni próbál.
13:07
(Laughter)
252
775483
2392
(Nevetés)
13:11
So transdermal optical imaging technology
253
779244
3709
A transzdermális optikai
képalkotás technológiája
képalkotás technológiája
13:14
is at a very early stage of development.
254
782977
2578
még gyermekcipőben jár.
13:17
Many new applications will come about
that we don't know today.
that we don't know today.
255
785579
4114
Sok új alkalmazás lát még napvilágot majd,
melyeket ma nem is ismerünk.
melyeket ma nem is ismerünk.
13:22
However, one thing I know for sure
256
790293
2778
De egy dologban biztos vagyok,
13:25
is that lying will never
be the same again.
be the same again.
257
793095
3414
a hazugság már soha nem lesz ugyanaz.
13:28
Thank you very much.
258
796533
1158
Köszönöm szépen.
13:29
Xiè xie.
259
797715
1324
(Kínaiul) Köszönöm.
13:31
(Applause)
260
799063
3906
(Taps)
ABOUT THE SPEAKER
Kang Lee - Developmental researcherKang Lee has devoted his career to understanding the development of social cognition and behavior.
Why you should listen
With an international team based at the University of Toronto, Kang Lee investigates the neurological and social basis of emerging social behaviors in young children. His two-pronged research focuses first on how and when children develop the capacity to lie, to detect liesand to feel guilty about it afterwards.
The second focus of Lee's research is facial recognition, which has led to revelations of when children develop the ability to distinguish races and has helped explain why some people occasionally see Jesus' face on a piece of toast.
Kang Lee | Speaker | TED.com