TEDxLondonBusinessSchool
Alex Edmans: What to trust in a "post-truth" world
Alex Edmans: Miben bízzunk a valóságon túli világban?
Filmed:
Readability: 4.2
1,695,337 views
Csak akkor vagyunk képesek tanulni, ha valóban nyitottak vagyunk tévedésünk lehetőségére – állítja Alex Edmans kutató. A témába mély betekintést nyújtó előadásában föltárja, hogy az ún. megerősítési torzítás – amely csak személyes véleményünket erősítő információkat fogad el – tévútra vezethet a közösségi médiában, a politikában és azokon túl is. A kutató három gyakorlati eszközt ajánl, amelyekkel bizton eljuthatunk a bizonyítékokig. (Javaslat: tegyünk meg valakit az ördög ügyvédjének.)
Alex Edmans - Finance professor, editor
Alex Edmans uses rigorous academic research to influence real-life business practices -- in particular, how companies can pursue purpose as well as profit. Full bio
Alex Edmans uses rigorous academic research to influence real-life business practices -- in particular, how companies can pursue purpose as well as profit. Full bio
Double-click the English transcript below to play the video.
00:13
Belle Gibson was a happy young Australian.
0
1675
2920
Belle Gibson életvidám ausztrál lány volt.
00:16
She lived in Perth,
and she loved skateboarding.
and she loved skateboarding.
1
4619
3023
Perthben lakott, s szeretett gördeszkázni.
00:20
But in 2009, Belle learned that she had
brain cancer and four months to live.
brain cancer and four months to live.
2
8173
4449
Ám 2009-ben megtudta, hogy agydaganata
van, és már csak négy hónapja van hátra.
van, és már csak négy hónapja van hátra.
00:25
Two months of chemo
and radiotherapy had no effect.
and radiotherapy had no effect.
3
13034
3533
A két hónapnyi kemo és sugárkezelés
nem hozott javulást.
nem hozott javulást.
00:29
But Belle was determined.
4
17145
1500
De a lány elszánt volt.
00:30
She'd been a fighter her whole life.
5
18669
2130
Egész életében küzdött.
00:32
From age six, she had to cook
for her brother, who had autism,
for her brother, who had autism,
6
20823
3294
Hatéves korától autista fivérére
és szklerózis multiplexben
szenvedő anyjára kellett főznie.
szenvedő anyjára kellett főznie.
00:36
and her mother,
who had multiple sclerosis.
who had multiple sclerosis.
7
24141
2388
00:38
Her father was out of the picture.
8
26553
1754
Életükben az apja
nem játszott szerepet.
nem játszott szerepet.
00:40
So Belle fought, with exercise,
with meditation
with meditation
9
28736
3286
Belle küzdött:
tornával, meditációval,
tornával, meditációval,
00:44
and by ditching meat
for fruit and vegetables.
for fruit and vegetables.
10
32046
2840
a húst zöldségre és gyümölcsre cserélve.
00:47
And she made a complete recovery.
11
35387
2200
Teljesen meggyógyult.
00:50
Belle's story went viral.
12
38784
1579
Története szélsebesen elterjedt.
00:52
It was tweeted, blogged about,
shared and reached millions of people.
shared and reached millions of people.
13
40387
3393
Milliók twitteltek, blogoltak
és beszéltek róla.
és beszéltek róla.
00:56
It showed the benefits of shunning
traditional medicine
traditional medicine
14
44246
3111
Esete igazolta a hagyományos
orvoslás elvetését,
orvoslás elvetését,
az étrend s gyakorlatok előnyös hatását.
00:59
for diet and exercise.
15
47381
1467
01:01
In August 2013, Belle launched
a healthy eating app,
a healthy eating app,
16
49381
4498
2013 augusztusában egészséges
táplálkozásról szóló alkalmazást indított
táplálkozásról szóló alkalmazást indított
The Whole Pantry címen,
01:05
The Whole Pantry,
17
53903
1349
01:07
downloaded 200,000 times
in the first month.
in the first month.
18
55276
4023
melyet az első hónapban
200 ezren töltöttek le.
200 ezren töltöttek le.
01:13
But Belle's story was a lie.
19
61228
2799
De Belle története hazugság volt.
01:17
Belle never had cancer.
20
65227
1534
Sosem volt rákos.
01:19
People shared her story
without ever checking if it was true.
without ever checking if it was true.
21
67601
4133
Története úgy terjedt, hogy senki
sem ellenőrizte, vajon igaz-e.
sem ellenőrizte, vajon igaz-e.
01:24
This is a classic example
of confirmation bias.
of confirmation bias.
22
72815
3220
Ez az ún. megerősítési torzítás
klasszikus példája.
klasszikus példája.
01:28
We accept a story uncritically
if it confirms what we'd like to be true.
if it confirms what we'd like to be true.
23
76403
4676
Kritikátlanul fogadjuk el a történetet,
amelyet szeretnénk, ha igaz lenne.
amelyet szeretnénk, ha igaz lenne.
01:33
And we reject any story
that contradicts it.
that contradicts it.
24
81484
2506
Elutasítjuk viszont azt,
amely annak ellentmond.
amely annak ellentmond.
Milyen gyakran találkozunk
01:36
How often do we see this
25
84937
1825
általunk terjesztett és figyelmen
kívül hagyott történetekben ezzel?
kívül hagyott történetekben ezzel?
01:38
in the stories
that we share and we ignore?
that we share and we ignore?
26
86786
3045
01:41
In politics, in business,
in health advice.
in health advice.
27
89855
4182
Politikában, üzleti életben,
egészséggel kapcsolatos tanácsadásban.
egészséggel kapcsolatos tanácsadásban.
2016-ban az Oxford Dictionary-nél
01:47
The Oxford Dictionary's
word of 2016 was "post-truth."
word of 2016 was "post-truth."
28
95180
4106
az év szava a post-truth
– valóságon túli – lett
– valóságon túli – lett
01:51
And the recognition that we now live
in a post-truth world
in a post-truth world
29
99768
3492
Annak felismerése, hogy ma valóságon
túli világban élünk, arra vezetett,
túli világban élünk, arra vezetett,
hogy fel kell hívni a figyelmet
a tények ellenőrzésének szükségességére.
a tények ellenőrzésének szükségességére.
01:55
has led to a much needed emphasis
on checking the facts.
on checking the facts.
30
103284
3364
01:59
But the punch line of my talk
31
107339
1397
De előadásom csattanója,
02:00
is that just checking
the facts is not enough.
the facts is not enough.
32
108760
2991
hogy a tényeket csupáncsak
ellenőrizni kevés.
ellenőrizni kevés.
02:04
Even if Belle's story were true,
33
112347
2927
Ha Belle története igaz volna is,
02:07
it would be just as irrelevant.
34
115298
2067
az sem jelentene semmi lényegeset.
02:10
Why?
35
118457
1150
Miért?
02:11
Well, let's look at one of the most
fundamental techniques in statistics.
fundamental techniques in statistics.
36
119957
3508
Figyeljük meg az egyik
legalapvetőbb statisztikai eljárást!
legalapvetőbb statisztikai eljárást!
02:15
It's called Bayesian inference.
37
123489
2410
Ezt bayesi következtetéselméletnek hívjuk.
02:18
And the very simple version is this:
38
126251
2936
Dióhéjban a következő a lényege.
02:21
We care about "does the data
support the theory?"
support the theory?"
39
129211
3268
Bennünket az érdekel, hogy "az adatok
alátámasztják-e az elméletet?"
alátámasztják-e az elméletet?"
02:25
Does the data increase our belief
that the theory is true?
that the theory is true?
40
133053
3456
Megerősítik-e meggyőződésünket,
hogy az elmélet igaz?
hogy az elmélet igaz?
02:29
But instead, we end up asking,
"Is the data consistent with the theory?"
"Is the data consistent with the theory?"
41
137520
4383
De helyette ezt kérdezzük: "Összhangban
vannak-e az adatok az elmélettel?"
vannak-e az adatok az elmélettel?"
02:34
But being consistent with the theory
42
142838
2515
Az, hogy összhangban vannak vele,
02:37
does not mean that the data
supports the theory.
supports the theory.
43
145377
2929
még nem jelenti azt,
hogy alátámasztják az elméletet.
hogy alátámasztják az elméletet.
02:40
Why?
44
148799
1159
Miért?
02:41
Because of a crucial
but forgotten third term --
but forgotten third term --
45
149982
3825
Egy lényeges, de figyelmen kívül
hagyott harmadik fogalom miatt:
hagyott harmadik fogalom miatt:
02:45
the data could also be consistent
with rival theories.
with rival theories.
46
153831
3558
az adatok más elméletekkel is
összhangban lehetnek.
összhangban lehetnek.
02:49
But due to confirmation bias,
we never consider the rival theories,
we never consider the rival theories,
47
157918
4667
A megerősítési torzítás miatt soha nem
vesszük fontolóra a versengő elméleteket,
vesszük fontolóra a versengő elméleteket,
02:54
because we're so protective
of our own pet theory.
of our own pet theory.
48
162609
3151
mert annyira védjük a magunk
dédelgetett elméletét.
dédelgetett elméletét.
02:58
Now, let's look at this for Belle's story.
49
166688
2413
Lássuk Belle történetét!
03:01
Well, we care about:
Does Belle's story support the theory
Does Belle's story support the theory
50
169125
4214
Bennünket az érdekel: Belle története
alátámasztja-e azt,
alátámasztja-e azt,
hogy diétával gyógyítható a rák?
03:05
that diet cures cancer?
51
173363
1603
03:06
But instead, we end up asking,
52
174990
1787
De helyette ezt kérdezzük:
03:08
"Is Belle's story consistent
with diet curing cancer?"
with diet curing cancer?"
53
176801
4045
"Belle története összhangban áll
a rákot gyógyító étrenddel?"
a rákot gyógyító étrenddel?"
03:13
And the answer is yes.
54
181790
1604
A válasz pedig: igen.
03:15
If diet did cure cancer,
we'd see stories like Belle's.
we'd see stories like Belle's.
55
183839
4103
Ha az étrend tényleg gyógyítaná a rákot,
hallanánk Belléhez hasonló történeteket.
hallanánk Belléhez hasonló történeteket.
03:20
But even if diet did not cure cancer,
56
188839
2849
De még akkor is hallanánk ilyeneket,
03:23
we'd still see stories like Belle's.
57
191712
2643
ha az étrend nem gyógyítja a rákot.
03:26
A single story in which
a patient apparently self-cured
a patient apparently self-cured
58
194744
5190
Egyszerű történetet, melyben a beteg
kétségtelenül magától gyógyult meg,
kétségtelenül magától gyógyult meg,
03:31
just due to being misdiagnosed
in the first place.
in the first place.
59
199958
3174
csupán mert helytelenül diagnosztizálták.
03:35
Just like, even if smoking
was bad for your health,
was bad for your health,
60
203680
3326
Ez olyan, mint az, hogy bár
a dohányzás káros az egészségre,
a dohányzás káros az egészségre,
03:39
you'd still see one smoker
who lived until 100.
who lived until 100.
61
207030
3304
találkoztak már dohányzó százévessel.
03:42
(Laughter)
62
210664
1150
(Nevetés)
03:44
Just like, even if education
was good for your income,
was good for your income,
63
212157
2562
Ez olyan, mint hogy a tanulás
a keresetünk előnyére válik,
a keresetünk előnyére válik,
03:46
you'd still see one multimillionaire
who didn't go to university.
who didn't go to university.
64
214743
4281
mégis van olyan multimilliomos,
aki nem járt egyetemre.
aki nem járt egyetemre.
03:51
(Laughter)
65
219048
4984
(Nevetés)
03:56
So the biggest problem with Belle's story
is not that it was false.
is not that it was false.
66
224056
3911
Bell történetével nem az
a legnagyobb baj, hogy hamis.
a legnagyobb baj, hogy hamis.
03:59
It's that it's only one story.
67
227991
2531
Ez csak egy történet.
04:03
There might be thousands of other stories
where diet alone failed,
where diet alone failed,
68
231094
4381
Lehetne ezernyi más történet,
ahol az étrend magában nem segített,
ahol az étrend magában nem segített,
04:07
but we never hear about them.
69
235499
1934
de róluk egyáltalán nem hallunk.
04:10
We share the outlier cases
because they are new,
because they are new,
70
238141
3896
Továbbadjuk a kirívó eseteket,
mert újdonságként hatnak,
mert újdonságként hatnak,
04:14
and therefore they are news.
71
242061
1867
ezért hírértékük van.
04:16
We never share the ordinary cases.
72
244657
2476
A szokványos eseteket nem meséljük.
04:19
They're too ordinary,
they're what normally happens.
they're what normally happens.
73
247157
3213
Túl szokványosak,
általában az szokott történni.
általában az szokott történni.
04:23
And that's the true
99 percent that we ignore.
99 percent that we ignore.
74
251125
3095
Erre az igaz 99%-ra rá se hederítünk.
04:26
Just like in society, you can't just
listen to the one percent,
listen to the one percent,
75
254244
2968
Mint a társadalomban:
nem helyes figyelnünk csak az 1%-ra,
nem helyes figyelnünk csak az 1%-ra,
04:29
the outliers,
76
257236
1158
a kirívókra,
04:30
and ignore the 99 percent, the ordinary.
77
258418
2666
és nem törődni a 99%-nyi köznapival.
04:34
Because that's the second example
of confirmation bias.
of confirmation bias.
78
262022
3254
Mert ez a másik példa
a megerősítési torzításra.
a megerősítési torzításra.
04:37
We accept a fact as data.
79
265300
2769
Egyetlen tényt elfogadunk adatként.
04:41
The biggest problem is not
that we live in a post-truth world;
that we live in a post-truth world;
80
269038
3968
Nem az a legnagyobb baj,
hogy valóságon túli világban élünk,
hogy valóságon túli világban élünk,
04:45
it's that we live in a post-data world.
81
273030
3769
hanem hogy adatokon túliban.
04:49
We prefer a single story to tons of data.
82
277792
3744
Jobb szeretünk egyetlen történetet
a rengeteg adathoz képest.
a rengeteg adathoz képest.
04:54
Now, stories are powerful,
they're vivid, they bring it to life.
they're vivid, they bring it to life.
83
282752
3016
A történetek erőteljesek, színesek,
életre keltik a dolgokat.
életre keltik a dolgokat.
04:57
They tell you to start
every talk with a story.
every talk with a story.
84
285792
2222
Azt mondják, kezdjük
az előadást egy történettel.
az előadást egy történettel.
05:00
I did.
85
288038
1150
Én is így tettem.
05:01
But a single story
is meaningless and misleading
is meaningless and misleading
86
289696
4754
De egyetlen történet önmagában
értelmetlen és félrevezető,
értelmetlen és félrevezető,
05:06
unless it's backed up by large-scale data.
87
294474
2849
ha nem támasztja alá tengernyi adat.
05:11
But even if we had large-scale data,
88
299236
2357
Ám még ha tengernyi adatunk van is,
05:13
that might still not be enough.
89
301617
2158
lehet, hogy annyi még mindig kevés.
05:16
Because it could still be consistent
with rival theories.
with rival theories.
90
304260
3138
Mert összhangban állhatnak
versengő elméletekkel is.
versengő elméletekkel is.
05:20
Let me explain.
91
308136
1150
Elmagyarázom.
05:22
A classic study
by psychologist Peter Wason
by psychologist Peter Wason
92
310072
3262
Peter Wason pszichológus a kísérletében
05:25
gives you a set of three numbers
93
313358
1952
három számot ad meg,
05:27
and asks you to think of the rule
that generated them.
that generated them.
94
315334
2905
és belőlük kell kitalálni
előállításuk szabályát.
előállításuk szabályát.
05:30
So if you're given two, four, six,
95
318585
4476
Ha a kettest, négyest és hatost kapjuk,
05:35
what's the rule?
96
323085
1150
mi a szabály?
05:36
Well, most people would think,
it's successive even numbers.
it's successive even numbers.
97
324895
3219
A legtöbben úgy gondolják,
hogy "egymást követő páros számok".
hogy "egymást követő páros számok".
05:40
How would you test it?
98
328767
1515
Hogy győződhetünk meg róla?
05:42
Well, you'd propose other sets
of successive even numbers:
of successive even numbers:
99
330306
3262
Más egymást követő páros számokra
kéne rákérdeznünk.
kéne rákérdeznünk.
05:45
4, 6, 8 or 12, 14, 16.
100
333592
3318
4, 6, 8 vagy 12, 14, 16.
05:49
And Peter would say these sets also work.
101
337546
2800
Peter azt mondaná,
hogy ezek a halmazok is jók.
hogy ezek a halmazok is jók.
05:53
But knowing that these sets also work,
102
341124
2564
De ennek ismeretében,
05:55
knowing that perhaps hundreds of sets
of successive even numbers also work,
of successive even numbers also work,
103
343712
4765
tudva, hogy esetleg egymást követő
páros számok százai szintén jók,
páros számok százai szintén jók,
06:00
tells you nothing.
104
348501
1348
ez még mindig nem mond semmit.
06:02
Because this is still consistent
with rival theories.
with rival theories.
105
350572
3358
Mert ezek összhangban állnak
más, versengő elméletekkel.
más, versengő elméletekkel.
06:06
Perhaps the rule
is any three even numbers.
is any three even numbers.
106
354889
3205
A szabály talán ez:
bármely három páros szám.
bármely három páros szám.
06:11
Or any three increasing numbers.
107
359000
2133
Vagy bármely három növekvő szám.
06:14
And that's the third example
of confirmation bias:
of confirmation bias:
108
362365
2888
Itt a harmadik példa
a megerősítési torzításra:
a megerősítési torzításra:
06:17
accepting data as evidence,
109
365277
3689
adatok bizonyítékként való elfogadása,
06:20
even if it's consistent
with rival theories.
with rival theories.
110
368990
3000
még akkor is, ha ez összhangban áll
versengő elméletekkel.
versengő elméletekkel.
06:24
Data is just a collection of facts.
111
372704
2952
Az adatok csupán tények gyűjteménye.
06:28
Evidence is data that supports
one theory and rules out others.
one theory and rules out others.
112
376402
4923
Bizonyíték az olyan adat, mely egyetlen
elméletet igazol, minden mást kizár.
elméletet igazol, minden mást kizár.
06:34
So the best way to support your theory
113
382665
2483
Elméletünk alátámasztásának
legjobb módja,
legjobb módja,
06:37
is actually to try to disprove it,
to play devil's advocate.
to play devil's advocate.
114
385172
3930
ha megpróbáljuk cáfolni,
az ördög ügyvédje szerepét játszva.
az ördög ügyvédje szerepét játszva.
06:41
So test something, like 4, 12, 26.
115
389466
4718
Teszteljük valamivel,
mondjuk: 4, 12, 26.
mondjuk: 4, 12, 26.
06:46
If you got a yes to that,
that would disprove your theory
that would disprove your theory
116
394938
3683
Ha igenlő választ kapunk,
az cáfolja az egymást követő
páros számokról szóló elméletünket.
páros számokról szóló elméletünket.
06:50
of successive even numbers.
117
398645
1936
06:53
Yet this test is powerful,
118
401232
2016
Ez a teszt hatékony,
06:55
because if you got a no, it would rule out
"any three even numbers"
"any three even numbers"
119
403272
4845
mert ha nemleges a válasz, az kizárja
a "bármely három páros szám"
a "bármely három páros szám"
és a " bármely három
növekvő szám" lehetőségét.
növekvő szám" lehetőségét.
07:00
and "any three increasing numbers."
120
408141
1712
07:01
It would rule out the rival theories,
but not rule out yours.
but not rule out yours.
121
409877
3341
Ki fogja zárni a versengő elméleteket,
de a miénket nem.
de a miénket nem.
07:05
But most people are too afraid
of testing the 4, 12, 26,
of testing the 4, 12, 26,
122
413968
4794
De a legtöbben túlságosan félnek
a 4, 12, 26 sort kipróbálni,
a 4, 12, 26 sort kipróbálni,
07:10
because they don't want to get a yes
and prove their pet theory to be wrong.
and prove their pet theory to be wrong.
123
418786
4163
mert nem szeretnének igent hallani,
és dédelgetett elméletüket hamisnak tudni.
és dédelgetett elméletüket hamisnak tudni.
07:16
Confirmation bias is not only
about failing to search for new data,
about failing to search for new data,
124
424727
5676
A megerősítési torzítás nemcsak azt
jelenti, hogy nem keresünk új adatokat,
jelenti, hogy nem keresünk új adatokat,
07:22
but it's also about misinterpreting
data once you receive it.
data once you receive it.
125
430427
3073
hanem a kapott adatok
hibás értelmezését is.
hibás értelmezését is.
07:26
And this applies outside the lab
to important, real-world problems.
to important, real-world problems.
126
434339
3548
Ez így van a gyakorlatban is,
a mindennapi életben.
a mindennapi életben.
07:29
Indeed, Thomas Edison famously said,
127
437911
3309
Thomas Edison híres mondása:
07:33
"I have not failed,
128
441244
1888
"Nem vallottam kudarcot,
07:35
I have found 10,000 ways that won't work."
129
443156
4188
csupán 10 ezer járhatatlan utat találtam."
07:40
Finding out that you're wrong
130
448281
2627
Tévedésünkre rájönni:
07:42
is the only way to find out what's right.
131
450932
2733
ez az egyetlen módja
az igazság kiderítésének.
az igazság kiderítésének.
07:46
Say you're a university
admissions director
admissions director
132
454654
2946
Mondjuk, ön egyetemi felvételikkel
foglalkozó vezető,
foglalkozó vezető,
és elmélete szerint csak
a jó érdemjegyeket fölmutató,
a jó érdemjegyeket fölmutató,
07:49
and your theory is that only
students with good grades
students with good grades
133
457624
2563
07:52
from rich families do well.
134
460211
1763
gazdag családból jövő diákok válnak be.
07:54
So you only let in such students.
135
462339
2190
Tehát csak őket veszi fel.
07:56
And they do well.
136
464553
1150
És ők valóban jól tanulnak.
07:58
But that's also consistent
with the rival theory.
with the rival theory.
137
466482
2772
De ez összhangban áll
versengő elméletekkel is.
versengő elméletekkel is.
Lehet, hogy minden,
jó jegyeket hozó diák jól tanul,
jó jegyeket hozó diák jól tanul,
08:01
Perhaps all students
with good grades do well,
with good grades do well,
138
469593
2747
akár gazdag, akár szegény.
08:04
rich or poor.
139
472364
1181
08:06
But you never test that theory
because you never let in poor students
because you never let in poor students
140
474307
3730
De ön sosem ellenőrzi az elméletét,
mert szegény diákokat nem vesz föl,
mert szegény diákokat nem vesz föl,
08:10
because you don't want to be proven wrong.
141
478061
2800
hiszen nem akarja,
hogy bebizonyosodjék a tévedése.
hogy bebizonyosodjék a tévedése.
08:14
So, what have we learned?
142
482577
1857
Mit tudtunk meg?
08:17
A story is not fact,
because it may not be true.
because it may not be true.
143
485315
3560
A történet nem tény,
mert lehet, hogy nem igaz.
mert lehet, hogy nem igaz.
08:21
A fact is not data,
144
489498
2087
Egyetlen tény nem adatok sokasága,
08:23
it may not be representative
if it's only one data point.
if it's only one data point.
145
491609
4039
lehet, hogy nem jellemző,
hiszen egyetlen adat csupán.
hiszen egyetlen adat csupán.
08:28
And data is not evidence --
146
496680
2349
Az adathalmaz nem bizonyíték,
08:31
it may not be supportive
if it's consistent with rival theories.
if it's consistent with rival theories.
147
499053
3678
mert összhangban állhat
versengő elméletekkel is.
versengő elméletekkel is.
08:36
So, what do you do?
148
504146
2277
Mit tegyünk?
08:39
When you're at
the inflection points of life,
the inflection points of life,
149
507464
2682
Mikor életünk fordulópontjához érkezünk,
08:42
deciding on a strategy for your business,
150
510170
2566
üzleti stratégiát kell választanunk,
08:44
a parenting technique for your child
151
512760
2611
gyereknevelési módszerről döntünk,
08:47
or a regimen for your health,
152
515395
2428
vagy betegségünk kezeléséről,
08:49
how do you ensure
that you don't have a story
that you don't have a story
153
517847
3539
miként szoktunk eljárni,
hogy ne történetünk legyen,
hogy ne történetünk legyen,
08:53
but you have evidence?
154
521410
1468
hanem bizonyítékunk?
08:56
Let me give you three tips.
155
524268
1619
Három tippet mondok.
08:58
The first is to actively seek
other viewpoints.
other viewpoints.
156
526641
3984
Az első, hogy serényen kutassunk
más szempontok után.
más szempontok után.
09:02
Read and listen to people
you flagrantly disagree with.
you flagrantly disagree with.
157
530649
3594
Olvassuk és hallgassuk azokat,
akik véleményével élesen szemben állunk.
akik véleményével élesen szemben állunk.
09:06
Ninety percent of what they say
may be wrong, in your view.
may be wrong, in your view.
158
534267
3488
Amit mondanak, annak 90%-a
téves lehet – szerintünk.
téves lehet – szerintünk.
09:10
But what if 10 percent is right?
159
538728
2133
De ha a 10%-ban igazuk van?
09:13
As Aristotle said,
160
541851
1619
Arisztotelész azt mondta:
09:15
"The mark of an educated man
161
543494
2214
"A tanult elme ismertetőjegye,
09:17
is the ability to entertain a thought
162
545732
3397
hogy képes foglalkozni egy gondolattal,
09:21
without necessarily accepting it."
163
549153
2333
anélkül hogy szükségképpen elfogadná."
09:24
Surround yourself with people
who challenge you,
who challenge you,
164
552649
2254
Olyanokkal vegyük körül magunkat,
akik vitába szállnak velünk,
akik vitába szállnak velünk,
09:26
and create a culture
that actively encourages dissent.
that actively encourages dissent.
165
554917
3699
teremtsünk olyan kultúrát, ahol helye van
az eltérő véleménynek.
az eltérő véleménynek.
09:31
Some banks suffered from groupthink,
166
559347
2318
Pár bank a csoportgondol'-tól szenvedett,
09:33
where staff were too afraid to challenge
management's lending decisions,
management's lending decisions,
167
561689
4309
ahol a stáb túlzottan félt vitába szállni
a vezetők hitelezési döntéseivel,
a vezetők hitelezési döntéseivel,
09:38
contributing to the financial crisis.
168
566022
2466
ami hozzájárult a pénzügyi válsághoz.
09:41
In a meeting, appoint someone
to be devil's advocate
to be devil's advocate
169
569029
4199
Az üléseken tegyünk meg
valakit az ördög ügyvédjének,
valakit az ördög ügyvédjének,
aki ellentmond dédelgetett ötletünknek.
09:45
against your pet idea.
170
573252
1642
09:47
And don't just hear another viewpoint --
171
575720
2571
Ne csupán hallgassuk végig
az eltérő álláspontot,
az eltérő álláspontot,
09:50
listen to it, as well.
172
578315
2176
de figyeljünk is rá.
09:53
As psychologist Stephen Covey said,
173
581389
2404
Stephen Covey pszichológus mondta:
09:55
"Listen with the intent to understand,
174
583817
3397
"A megértés szándékával hallgassuk,
09:59
not the intent to reply."
175
587238
1666
ne pedig a válaszadás szándékával."
10:01
A dissenting viewpoint
is something to learn from
is something to learn from
176
589642
3492
Az eltérő véleményből tanulni lehet,
10:05
not to argue against.
177
593158
1548
nem vitázásra való.
10:07
Which takes us to the other
forgotten terms in Bayesian inference.
forgotten terms in Bayesian inference.
178
595690
3866
Ez elvezet a bayesi következtetéselmélet
másik elfeledett fogalmához.
másik elfeledett fogalmához.
10:12
Because data allows you to learn,
179
600198
2324
Mert az adatokból tanulni lehet,
10:14
but learning is only relative
to a starting point.
to a starting point.
180
602546
3515
de a tanulás csak viszonylagos
a kiindulóponthoz képest
a kiindulóponthoz képest
10:18
If you started with complete certainty
that your pet theory must be true,
that your pet theory must be true,
181
606085
5716
Ha teljes bizonyossággal úgy vágunk neki,
hogy dédelgetett elméletünk biztos igaz,
hogy dédelgetett elméletünk biztos igaz,
10:23
then your view won't change --
182
611825
1897
akkor nézetünk nem fog változni,
10:25
regardless of what data you see.
183
613746
2466
függetlenül az előkerült adatoktól.
10:28
Only if you are truly open
to the possibility of being wrong
to the possibility of being wrong
184
616641
4391
Csak ha tényleg nyitottak vagyunk
a tévedés lehetőségére,
a tévedés lehetőségére,
10:33
can you ever learn.
185
621056
1267
akkor tudunk tanulni.
10:35
As Leo Tolstoy wrote,
186
623580
2095
Lev Tolsztoj így írt:
10:37
"The most difficult subjects
187
625699
2182
"A legbonyolultabb dolgot is
10:39
can be explained to the most
slow-witted man
slow-witted man
188
627905
3135
elmagyarázhatjuk
egy nehéz felfogásúnak,
egy nehéz felfogásúnak,
10:43
if he has not formed
any idea of them already.
any idea of them already.
189
631064
2753
ha még nem alkotott semmilyen fogalmat róla;
de a legegyszerűbb fogalmat
sem tudjuk érthetővé tenni
sem tudjuk érthetővé tenni
10:46
But the simplest thing
190
634365
1873
10:48
cannot be made clear
to the most intelligent man
to the most intelligent man
191
636262
3071
a legintelligensebb embernek sem,
ha csökönyösen meg van róla győződve,
hogy már minden tud róla."
hogy már minden tud róla."
10:51
if he is firmly persuaded
that he knows already."
that he knows already."
192
639357
3334
10:56
Tip number two is "listen to experts."
193
644500
3743
A második tipp: hallgassunk szakemberre!
11:01
Now, that's perhaps the most
unpopular advice that I could give you.
unpopular advice that I could give you.
194
649040
3492
Talán ez a legkevésbé népszerű tanács,
amit csak adhatok önöknek.
amit csak adhatok önöknek.
11:04
(Laughter)
195
652556
1220
(Nevetés)
11:05
British politician Michael Gove
famously said that people in this country
famously said that people in this country
196
653800
4738
Michael Gove brit politikus híres
kijelentése szerint ebben az országban
kijelentése szerint ebben az országban
az embereknek elegük van a szakemberekből.
11:10
have had enough of experts.
197
658562
2276
11:13
A recent poll showed that more people
would trust their hairdresser --
would trust their hairdresser --
198
661696
3508
Egy friss közvélemény-kutatás szerint
többen hisznek fodrászuknak
többen hisznek fodrászuknak
11:17
(Laughter)
199
665228
2285
(Nevetés)
11:19
or the man on the street
200
667537
1833
vagy a járókelőknek,
11:21
than they would leaders of businesses,
the health service and even charities.
the health service and even charities.
201
669394
4305
mint üzleti vezetőknek, egészségügyi
vagy akár jótékonysági intézménynek.
vagy akár jótékonysági intézménynek.
11:26
So we respect a teeth-whitening formula
discovered by a mom,
discovered by a mom,
202
674227
3977
Tehát méltányoljuk egy anyuka által
feltalált fogfehérítő receptjét,
feltalált fogfehérítő receptjét,
11:30
or we listen to an actress's view
on vaccination.
on vaccination.
203
678228
3198
vagy figyelünk oda az oltással
kapcsolatban egy színésznő nézetére.
kapcsolatban egy színésznő nézetére.
11:33
We like people who tell it like it is,
who go with their gut,
who go with their gut,
204
681450
2865
Szeretjük azokat, akik megmondják
a tutit, megérzéseikre hallgatnak,
a tutit, megérzéseikre hallgatnak,
11:36
and we call them authentic.
205
684339
1800
és hitelesnek nevezzük őket.
11:38
But gut feel can only get you so far.
206
686847
3214
De megérzéssel nem jutunk messzire.
11:42
Gut feel would tell you never to give
water to a baby with diarrhea,
water to a baby with diarrhea,
207
690736
4436
Megérzésünk megsúgja, hogy hasmenéses
kisdeddel ne itassunk vizet,
kisdeddel ne itassunk vizet,
11:47
because it would just
flow out the other end.
flow out the other end.
208
695196
2318
mert csak kifolyik alul belőle.
11:49
Expertise tells you otherwise.
209
697538
2578
A szakvélemény mást mond.
11:53
You'd never trust your surgery
to the man on the street.
to the man on the street.
210
701149
3428
Soha nem bíznánk műtétünket
valami jöttmentre.
valami jöttmentre.
11:56
You'd want an expert
who spent years doing surgery
who spent years doing surgery
211
704887
3587
Szakembert szeretnénk,
akinek hosszú műtéti tapasztalata van,
akinek hosszú műtéti tapasztalata van,
12:00
and knows the best techniques.
212
708498
2000
és ismeri a legjobb módszereket.
12:03
But that should apply
to every major decision.
to every major decision.
213
711514
3133
Ennek kéne érvényesülnie
minden fontos döntésünkben is.
minden fontos döntésünkben is.
12:07
Politics, business, health advice
214
715255
4556
A politika, az üzlet,
az egészségügyi tanácsadás is
az egészségügyi tanácsadás is
12:11
require expertise, just like surgery.
215
719835
2896
szakértelmet igényel, mint a műtét.
12:16
So then, why are experts so mistrusted?
216
724474
3539
Akkor hát miért nem bíznak a szakértőkben?
12:20
Well, one reason
is they're seen as out of touch.
is they're seen as out of touch.
217
728981
3239
Az egyik ok: érzéketlennek tartják őket.
12:24
A millionaire CEO couldn't possibly
speak for the man on the street.
speak for the man on the street.
218
732244
4090
Egy milliomos vezérigazgató bizonyára
nem emel szót a kisemberért.
nem emel szót a kisemberért.
12:29
But true expertise is found on evidence.
219
737455
3559
De a valódi szakvélemény
alapja a bizonyíték.
alapja a bizonyíték.
12:33
And evidence stands up
for the man on the street
for the man on the street
220
741447
2905
A bizonyíték a közember mellett áll ki,
12:36
and against the elites.
221
744376
1533
az elit ellenében.
12:38
Because evidence forces you to prove it.
222
746456
2667
Mert a bizonyíték bizonyításra késztet.
12:41
Evidence prevents the elites
from imposing their own view
from imposing their own view
223
749774
4421
A bizonyíték gátolja,
hogy nézeteit az elit
hogy nézeteit az elit
bizonyítás nélkül ránk kényszerítse.
12:46
without proof.
224
754219
1150
12:49
A second reason
why experts are not trusted
why experts are not trusted
225
757006
2071
A szakértőkkel szembeni
bizalmatlanság másik oka,
bizalmatlanság másik oka,
12:51
is that different experts
say different things.
say different things.
226
759101
3087
hogy mindegyikük mást mond.
12:54
For every expert who claimed that leaving
the EU would be bad for Britain,
the EU would be bad for Britain,
227
762212
4476
Egyes szakértők szerint az EU-t rossz
lenne elhagyniuk a briteknek,
lenne elhagyniuk a briteknek,
12:58
another expert claimed it would be good.
228
766712
2429
más szakértők szerint viszont jó lenne.
13:01
Half of these so-called experts
will be wrong.
will be wrong.
229
769165
3767
Az ún. szakértők fele felsül.
13:05
And I have to admit that most papers
written by experts are wrong.
written by experts are wrong.
230
773774
4243
El kell ismernem, hogy a szakértők
legtöbb cikke téves.
legtöbb cikke téves.
13:10
Or at best, make claims that
the evidence doesn't actually support.
the evidence doesn't actually support.
231
778520
3505
Vagy legjobb esetben is
alaptalanul állítanak valamit.
alaptalanul állítanak valamit.
13:14
So we can't just take
an expert's word for it.
an expert's word for it.
232
782990
3133
Ezért nem vehetjük készpénznek a szavukat.
13:18
In November 2016, a study
on executive pay hit national headlines.
on executive pay hit national headlines.
233
786776
6034
2016 novemberében egy vezetői fizetésekről
szóló tanulmánnyal volt tele a sajtó,
szóló tanulmánnyal volt tele a sajtó,
13:25
Even though none of the newspapers
who covered the study
who covered the study
234
793240
2890
annak ellenére, hogy magát a tanulmányt
egyik cikk írója sem látta,
13:28
had even seen the study.
235
796154
1600
13:30
It wasn't even out yet.
236
798685
1533
sőt, még meg sem jelent.
13:32
They just took the author's word for it,
237
800708
2204
Egyszerűen hittek annak,
amit a szerző mondott róla,
amit a szerző mondott róla,
13:35
just like with Belle.
238
803768
1400
akárcsak Belle-nek.
13:38
Nor does it mean that we can
just handpick any study
just handpick any study
239
806093
2436
Ez nem azt jelenti,
hogy kimazsolázhatunk bármely kutatást,
hogy kimazsolázhatunk bármely kutatást,
13:40
that happens to support our viewpoint --
240
808553
2111
amely épp egybevág a nézetünkkel,
13:42
that would, again, be confirmation bias.
241
810688
2103
mert ez is megerősítési torzítás lenne.
De azt sem,
hogy ha hét kutatás állítja A-t,
hogy ha hét kutatás állítja A-t,
13:44
Nor does it mean
that if seven studies show A
that if seven studies show A
242
812815
2555
13:47
and three show B,
243
815394
1668
és három kutatás B-t,
13:49
that A must be true.
244
817086
1483
akkor A biztos helytálló.
13:51
What matters is the quality,
245
819109
2659
Csakis a minőség számít,
13:53
and not the quantity of expertise.
246
821792
2817
és nem a szakvélemények mennyisége.
13:57
So we should do two things.
247
825879
1800
Két dolgot tehetünk.
14:00
First, we should critically examine
the credentials of the authors.
the credentials of the authors.
248
828434
4578
Először, kritikus szemmel vizsgáljuk meg
a szerzők szavahihetőségét!
a szerzők szavahihetőségét!
14:05
Just like you'd critically examine
the credentials of a potential surgeon.
the credentials of a potential surgeon.
249
833807
4143
Ahogyan orvosunk felkészültségét is,
mielőtt rábízzuk műtétünket.
mielőtt rábízzuk műtétünket.
14:10
Are they truly experts in the matter,
250
838347
3206
Valóban szakértői a dolguknak,
14:13
or do they have a vested interest?
251
841577
2267
vagy csak egyéni érdekük fűződik hozzá?
14:16
Second, we should pay particular attention
252
844768
2523
Másodszor, különös figyelmet
kell fordítanunk
kell fordítanunk
14:19
to papers published
in the top academic journals.
in the top academic journals.
253
847315
3889
a legjobb szaklapokban közzétett cikkekre.
14:24
Now, academics are often accused
of being detached from the real world.
of being detached from the real world.
254
852038
3861
A tudósokat gyakran vádolják azzal,
hogy elefántcsonttoronyban élnek.
hogy elefántcsonttoronyban élnek.
14:28
But this detachment gives you
years to spend on a study.
years to spend on a study.
255
856585
3730
De ez az elkülönülés megadja
az éveken át tartó kutatás lehetőségét.
az éveken át tartó kutatás lehetőségét.
14:32
To really nail down a result,
256
860339
1905
Valódi eredményre juthatnak,
14:34
to rule out those rival theories,
257
862268
2015
kizárhatják a versengő elméleteket,
14:36
and to distinguish correlation
from causation.
from causation.
258
864307
3134
különbséget tehetnek korreláció
és ok-okozati összefüggés között.
és ok-okozati összefüggés között.
14:40
And academic journals involve peer review,
259
868172
3477
A szaklapokba szánt cikkeket
szakemberek lektorálják,
szakemberek lektorálják,
14:43
where a paper is rigorously scrutinized
260
871673
2294
tüzetesen megvizsgálják
14:45
(Laughter)
261
873991
1419
(Nevetés)
14:47
by the world's leading minds.
262
875434
1934
a világ legjobb koponyái.
14:50
The better the journal,
the higher the standard.
the higher the standard.
263
878434
2556
Minél jobb a folyóirat,
annál magasabb a mérce.
annál magasabb a mérce.
14:53
The most elite journals
reject 95 percent of papers.
reject 95 percent of papers.
264
881014
5148
A legkiválóbb lapok
a cikkek 95%-át visszautasítják.
a cikkek 95%-át visszautasítják.
14:59
Now, academic evidence is not everything.
265
887434
3333
De a tudományos bizonyíték még nem minden.
15:03
Real-world experience is critical, also.
266
891109
2667
A gyakorlati tapasztalat is fontos.
15:06
And peer review is not perfect,
mistakes are made.
mistakes are made.
267
894465
3400
A szaklektorálás nem tökéletes,
tévedések előadódnak.
tévedések előadódnak.
15:10
But it's better to go
with something checked
with something checked
268
898530
2063
De jobb valami ellenőrzöttre,
semmint ellenőrzés nélkülire támaszkodni.
15:12
than something unchecked.
269
900617
1667
15:14
If we latch onto a study
because we like the findings,
because we like the findings,
270
902696
3199
Ha azért ragaszkodunk egy tanulmányhoz,
mert tetszik, amire jut,
mert tetszik, amire jut,
15:17
without considering who it's by
or whether it's even been vetted,
or whether it's even been vetted,
271
905919
3888
de nem mérlegeljük, ki írta,
vagy volt-e lektorálva egyáltalán,
vagy volt-e lektorálva egyáltalán,
15:21
there is a massive chance
that that study is misleading.
that that study is misleading.
272
909831
3627
jó esélyünk van rá,
hogy a tanulmány félrevezető.
hogy a tanulmány félrevezető.
15:26
And those of us who claim to be experts
273
914894
2580
Azoknak, akik szakértőknek
tartják magukat,
tartják magukat,
15:29
should recognize the limitations
of our analysis.
of our analysis.
274
917498
3253
fel kell ismerniük elemzésük korlátait.
15:33
Very rarely is it possible to prove
or predict something with certainty,
or predict something with certainty,
275
921244
4563
Igen ritkán lehet valamit
bizonyítani vagy biztosan előrelátni,
bizonyítani vagy biztosan előrelátni,
15:38
yet it's so tempting to make
a sweeping, unqualified statement.
a sweeping, unqualified statement.
276
926292
4369
még ha oly csábító is lehengerlően
magabiztos kijelentéseket tenni.
magabiztos kijelentéseket tenni.
15:43
It's easier to turn into a headline
or to be tweeted in 140 characters.
or to be tweeted in 140 characters.
277
931069
4344
Könnyebb szalagcímet vagy 140
leütéses twittert csinálni belőle.
leütéses twittert csinálni belőle.
15:48
But even evidence may not be proof.
278
936417
3142
Ám még a bizonyíték sem bizonyosság.
15:52
It may not be universal,
it may not apply in every setting.
it may not apply in every setting.
279
940481
4210
Lehet, hogy nem általános érvényű,
nem alkalmazható minden helyzetre.
nem alkalmazható minden helyzetre.
15:57
So don't say, "Red wine
causes longer life,"
causes longer life,"
280
945252
4920
Ne mondjuk, hogy "a vörösbor
a hosszú élet titka",
a hosszú élet titka",
16:02
when the evidence is only that red wine
is correlated with longer life.
is correlated with longer life.
281
950196
4682
mert csupán annyi igaz ebből,
hogy a vörösbor s a hosszú élet összefügg,
hogy a vörösbor s a hosszú élet összefügg,
16:07
And only then in people
who exercise as well.
who exercise as well.
282
955379
2770
de csak azoknál, akik mozognak is.
16:11
Tip number three
is "pause before sharing anything."
is "pause before sharing anything."
283
959868
3966
A harmadik tipp: "várj ki egy
picit, mielőtt továbbadod!"
picit, mielőtt továbbadod!"
16:16
The Hippocratic oath says,
"First, do no harm."
"First, do no harm."
284
964907
3464
A hippokratészi eskü így szól:
"Mindenekelőtt ne árts!"
"Mindenekelőtt ne árts!"
16:21
What we share is potentially contagious,
285
969046
3134
Amit továbbadunk, az jó eséllyel ragályos,
16:24
so be very careful about what we spread.
286
972204
3683
így legyünk nagyon óvatosak,
mit terjesztünk.
mit terjesztünk.
Ne a lájk legyen a célunk,
vagy hogy továbbítsák tweetünket.
vagy hogy továbbítsák tweetünket.
16:28
Our goal should not be
to get likes or retweets.
to get likes or retweets.
287
976632
2953
16:31
Otherwise, we only share the consensus;
we don't challenge anyone's thinking.
we don't challenge anyone's thinking.
288
979609
3985
Különben csak egyetértést osztunk
meg, nem vitatjuk a gondolatot.
meg, nem vitatjuk a gondolatot.
16:36
Otherwise, we only share what sounds good,
289
984085
2905
Különben csak azt
osztjuk meg, ami jól hangzik,
osztjuk meg, ami jól hangzik,
16:39
regardless of whether it's evidence.
290
987014
2400
függetlenül attól, hogy bizonyítva van-e.
16:42
Instead, we should ask the following:
291
990188
2466
Helyette így tegyük föl a kérdést:
16:45
If it's a story, is it true?
292
993572
2135
vajon ez tényleg igaz?
16:47
If it's true, is it backed up
by large-scale evidence?
by large-scale evidence?
293
995731
2865
Ha igaz, alá van-e támasztva
aprólékos bizonyítékokkall?
aprólékos bizonyítékokkall?
16:50
If it is, who is it by,
what are their credentials?
what are their credentials?
294
998620
2595
Ha igen, ki írta, szavahihető-e?
16:53
Is it published,
how rigorous is the journal?
how rigorous is the journal?
295
1001239
2756
Ha közzétették, mennyire mérvadó lapban?
16:56
And ask yourself
the million-dollar question:
the million-dollar question:
296
1004733
2317
Tegyük föl a millió dolláros kérdést:
16:59
If the same study was written by the same
authors with the same credentials
authors with the same credentials
297
1007980
4023
ha ugyanez a szerző megírja
ugyanezt a tanulmányt,
ugyanezt a tanulmányt,
17:05
but found the opposite results,
298
1013130
1587
de ellenkező eredményre jut,
17:07
would you still be willing
to believe it and to share it?
to believe it and to share it?
299
1015608
3694
vajon elhinnénk és továbbadnánk-e?
17:13
Treating any problem --
300
1021442
2246
Feldolgozni egy problémát –
17:15
a nation's economic problem
or an individual's health problem,
or an individual's health problem,
301
1023712
3792
érintse az egy egész nemzet gazdaságát
vagy egyetlen ember egészségét –
vagy egyetlen ember egészségét –
17:19
is difficult.
302
1027528
1150
nem könnyű.
17:21
So we must ensure that we have
the very best evidence to guide us.
the very best evidence to guide us.
303
1029242
4383
Gondoskodnunk kell róla, hogy
a legjobb bizonyítékokra hagyatkozzunk.
a legjobb bizonyítékokra hagyatkozzunk.
17:26
Only if it's true can it be fact.
304
1034188
2681
Csak akkor kezelhetjük tényként, ha igaz.
17:29
Only if it's representative
can it be data.
can it be data.
305
1037601
2781
Csak akkor fogadhatjuk el
adatként, ha jellemző.
adatként, ha jellemző.
17:33
Only if it's supportive
can it be evidence.
can it be evidence.
306
1041128
3165
Csak akkor bizonyíték,
ha alátámasztja álláspontunkat.
ha alátámasztja álláspontunkat.
17:36
And only with evidence
can we move from a post-truth world
can we move from a post-truth world
307
1044317
5167
És csak bizonyítékkal juthatunk el
a valóságon túli világból
a valóságon túli világból
17:41
to a pro-truth world.
308
1049508
1583
az valóságot pártoló világba.
17:44
Thank you very much.
309
1052183
1334
Köszönöm szépen.
(Taps)
17:45
(Applause)
310
1053541
1150
ABOUT THE SPEAKER
Alex Edmans - Finance professor, editorAlex Edmans uses rigorous academic research to influence real-life business practices -- in particular, how companies can pursue purpose as well as profit.
Why you should listen
Alex Edmans is professor of finance at London Business School and managing editor of the Review of Finance, the leading academic finance journal in Europe. He is an expert in corporate governance, executive compensation, corporate social responsibility and behavioral economics.
Edmans has a unique combination of deep academic rigor and practical business experience. He's particularly passionate about translating complex academic research into practical ideas that can then be applied to real-life problems. He has spoken at the World Economic Forum in Davos, at the World Bank Distinguished Speaker Series and in the UK House of Commons. Edmans is heavily involved in the ongoing reform of corporate governance, in particular to ensure that both the diagnosis of problems and suggested solutions are based on rigorous evidence rather than anecdote. He was appointed by the UK government to study the effect of share buybacks on executive pay and investment. Edmans also serves on the Steering Group of The Purposeful Company, which aims to embed purpose into the heart of business, and on Royal London Asset Management's Responsible Investment Advisory Committee.
Edmans has been interviewed by Bloomberg, BBC, CNBC, CNN, ESPN, Fox, ITV, NPR, Reuters, Sky News and Sky Sports, and has written for the Wall Street Journal, Financial Times and Harvard Business Review. He runs a blog, Access to Finance, that makes academic research accessible to a general audience, and was appointed Mercers' School Memorial Professor of Business by Gresham College, to give free lectures to the public. Edmans was previously a tenured professor at Wharton, where he won 14 teaching awards in six years. At LBS, he won the Excellence in Teaching award, LBS's highest teaching accolade.
Alex Edmans | Speaker | TED.com