She lived in Perth, and she loved skateboarding.

パースに住んでいた彼女は、スケートボードが大好きでした。

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

しかし、2009年、ベルは自分が脳がんで余命4ヶ月であることを知った。

Two months of chemo and radiotherapy had no effect.

2ヶ月間の化学療法と放射線治療は効果がありませんでした。

But Belle was determined.

しかし、ベルは決意していた。

She'd been a fighter her whole life.

彼女は生涯を戦い続けてきた。

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

6歳からは、自閉症の弟のために料理をしなければならなくなった。

and her mother, who had multiple sclerosis.

と多発性硬化症の母親。

Her father was out of the picture.

彼女の父親は、写真には写っていませんでした。

So Belle fought, with exercise, with meditation

ベルは運動と瞑想で戦った

and by ditching meat for fruit and vegetables.

と、果物や野菜の肉を捨てることで

And she made a complete recovery.

そして、彼女は完全に回復しました。

Belle's story went viral.

ベルの話が広まった。

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

ツイートされ、ブログで紹介され、シェアされ、何百万人もの人に届きました。

It showed the benefits of shunning traditional medicine

伝統医学を敬遠することのメリットを示した

for diet and exercise.

ダイエットや運動のために

In August 2013, Belle launched a healthy eating app,

2013年8月、ベルはヘルシーな食事アプリを発売しました。

The Whole Pantry,

全体のパントリー。

downloaded 200,000 times in the first month.

最初の1ヶ月で20万回ダウンロードされました。

But Belle's story was a lie.

しかし、ベルの話は嘘だった。

Belle never had cancer.

ベルは癌になったことはない

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

人々はそれが本当かどうかを確認することなく、彼女の話を共有しました。

This is a classic example of confirmation bias.

これは確認バイアスの典型的な例です。

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

私たちは、真実であってほしいと思うことを確認した場合、その話を無批判に受け入れます。

And we reject any story that contradicts it.

そして、それに反するような話は一切拒否します。

How often do we see this

どのくらいの頻度で見られるのか

in the stories that we share and we ignore?

私たちが共有している物語の中で、私たちは無視していますか？

In politics, in business, in health advice.

政治でもビジネスでも健康アドバイスでも

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

オックスフォード辞書の2016年の単語は "post-truth "だった。

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

そして、私たちは今、ポスト真実の世界に生きているという認識を持っています。

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

は、事実関係の確認を重視するようになった。

But the punch line of my talk

しかし、私の話のパンチラインは

is that just checking the facts is not enough.

は、事実を確認するだけでは不十分だということです。

Even if Belle's story were true,

ベルの話が本当だったとしても

it would be just as irrelevant.

それは同じように無関係だろう。

Why?

なぜ？

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

では、統計学の最も基本的な手法の一つを見てみましょう。

It's called Bayesian inference.

これはベイズ推論と呼ばれています。

And the very simple version is this:

そして、非常にシンプルなのがこれです。

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

"データが理論を支えているのか "が気になります。

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

データがあれば、その理論が真実であるという確信が高まるのでしょうか？

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

しかし、その代わりに、「そのデータは理論と一致しているか」という問いかけに終始します。

But being consistent with the theory

しかし、理論と一致していること

does not mean that the data supports the theory.

は、データが理論を裏付けるものではありません。

Why?

なぜ？

Because of a crucial but forgotten third term --

重要だが忘れ去られた第三期のために--

the data could also be consistent with rival theories.

また、データはライバル理論との整合性を保つことができます。

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

しかし、確証バイアスのために、対抗説を検討することはありません。

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

なぜなら、私たちは自分たちの持論に固執しているからです。

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

さて、ベルの話はこれを見てみましょう。

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

気になるのはベルの話は理論を支持しているのか？

that diet cures cancer?

食事で癌が治るって？

But instead, we end up asking,

しかし、その代わりに、私たちは尋ねてしまうのです。

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

"ベルの話は食事療法で癌が治るのか？"

And the answer is yes.

そして、答えはイエスです。

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

もし食事療法で癌が治ったとしたら、ベルのような話が出てくるだろう。

But even if diet did not cure cancer,

しかし、食事療法でがんが治らなかったとしても

we'd still see stories like Belle's.

ベルのような話はまだ見られるだろう。

A single story in which a patient apparently self-cured

一見自力で治ったように見える患者さんの単発話

just due to being misdiagnosed in the first place.

そもそも誤診されただけで

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

喫煙が体に悪いのと同じように

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

100歳まで生きた喫煙者を1人だけ見たことがあります。

(Laughter)

(笑)

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

教育が収入に合っていたとしても、それと同じように。

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

あなたは大学に行かなかった億万長者を一人だけ見ることができます。

(Laughter)

(笑)

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

だから、ベルの話の最大の問題は、それが嘘だったということではありません。

It's that it's only one story.

それは、それが1つの物語でしかないということです。

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

ダイエットだけで失敗した話は他にも何千件とあるかもしれません。

but we never hear about them.

しかし、私たちは彼らのことを聞くことはありません。

We share the outlier cases because they are new,

新品なので、外れたケースを共有しています。

and therefore they are news.

ということで、ニュースになっています。

We never share the ordinary cases.

通常のケースを共有することはありません。

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

彼らはあまりにも普通すぎて、普通に起こっていることです。

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

そして、それは私たちが無視する真の９９％です。

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

社会と同じように、1％の人の言うことを聞くだけではダメなのです。

the outliers,

はみ出し者

and ignore the 99 percent, the ordinary.

と、99パーセントの普通の人を無視しています。

Because that's the second example of confirmation bias.

なぜなら、それは確認バイアスの2つ目の例だからです。

We accept a fact as data.

事実をデータとして受け止めています。

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

最大の問題は、ポスト真実の世界で生きていることではありません。

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

それは、私たちがポストデータの世界に住んでいるということです。

We prefer a single story to tons of data.

データのトン数よりも1話の方が好きです。

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

今、物語は力強く、生き生きとしていて、命を吹き込んでくれます。

They tell you to start every talk with a story.

毎回話をネタにして始めるように言われます。

I did.

私がやったんだ

But a single story is meaningless and misleading

しかし、一話だけでは意味がなく誤解を招く

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

大規模なデータに裏打ちされていなければ。

But even if we had large-scale data,

しかし、大規模なデータがあったとしても

that might still not be enough.

まだまだ足りないかもしれません。

Because it could still be consistent with rival theories.

ライバル理論との整合性が保たれている可能性があるからだ。

Let me explain.

説明させてください。

A classic study by psychologist Peter Wason

心理学者ピーター・ワソンによる古典的な研究

gives you a set of three numbers

三つの数字の集合を与えます

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

と、それらを生成したルールを考えるように求められます。

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

だから、もし2つ、4つ、6つと与えられたら

what's the rule?

何がルールなんだ？

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

まあ、ほとんどの人は偶数の連続だと思うだろう。

How would you test it?

どうやってテストするの？

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

偶数の連続した他の集合を提案するんですね。

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

4、6、8または12、14、16。

And Peter would say these sets also work.

そして、ピーターは、これらのセットも効果があると言うだろう。

But knowing that these sets also work,

しかし、これらのセットも機能することを知っています。

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

偶数の連続した数百のセットも動作することを知っています。

tells you nothing.

は何も教えてくれません。

Because this is still consistent with rival theories.

これでもライバル理論と一致しているからだ。

Perhaps the rule is any three even numbers.

おそらく、ルールは偶数の3つでも良いのではないでしょうか。

Or any three increasing numbers.

あるいは、3つの増えていく数字のどれか。

And that's the third example of confirmation bias:

そして、これが確認バイアスの3つ目の例です。

accepting data as evidence,

データを証拠として受け入れる

even if it's consistent with rival theories.

たとえそれがライバルの理論と一致していたとしても。

Data is just a collection of facts.

データは事実の集合体に過ぎない。

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

証拠とは、一つの理論を支持するデータであり、他の理論を除外するデータである。

So the best way to support your theory

だから、あなたの理論を裏付けるための最善の方法は

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

は、実際にはそれを反証しようとするために、悪魔の擁護者を演じることです。

So test something, like 4, 12, 26.

だから、4、12、26のように何かをテストしてください。

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

もしそれがイエスだとしたら、それはあなたの理論を否定することになります。

of successive even numbers.

連続した偶数の

Yet this test is powerful,

しかし、このテストは強力です。

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

"いいえ "が出たら "3つの偶数 "は除外されるからだ

and "any three increasing numbers."

"任意の3つの増加する数字"

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

ライバルの理論は除外されるが 君の理論は除外されない

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

しかし、ほとんどの人は4、12、26を試すことを恐れすぎています。

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

なぜなら、彼らはイエスを得て、自分たちの持論が間違っていることを証明したくないからです。

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

確認バイアスは、新しいデータの検索に失敗するだけではありません。

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

しかし、それはデータを受け取った後の解釈の誤りにも関係しています。

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

そして、これは研究室の外でも、重要な現実世界の問題に適用されます。

Indeed, Thomas Edison famously said,

確かに、トーマス・エジソンは有名なことを言っていました。

"I have not failed,

"私は失敗していません。

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

私は１万通りの方法を見つけたが、うまくいかない。

Finding out that you're wrong

自分が間違っていることに気づく

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

は、何が正しいのかを見極める唯一の方法です。

Say you're a university admissions director

あなたが大学の入試担当者だとしましょう。

and your theory is that only students with good grades

成績優秀な生徒だけが

from rich families do well.

金持ちの家系の人はよくやる

So you only let in such students.

そういう学生しか入れないんですね。

And they do well.

そして、彼らはよくやってくれます。

But that's also consistent with the rival theory.

しかし、それもライバル説と一致しています。

Perhaps all students with good grades do well,

おそらく、成績の良い生徒はみんなよくやっているのでしょう。

rich or poor.

金持ちか貧乏か

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

でも貧乏学生は絶対に入れないからその理屈は絶対に検証しないんだよな

because you don't want to be proven wrong.

なぜなら、あなたは間違っていることを証明されたくないからです。

So, what have we learned?

では、何がわかったのか？

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

物語は事実ではないかもしれないので、事実ではありません。

A fact is not data,

事実はデータではありません。

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

1つのデータポイントだけだと代表的ではないかもしれません。

And data is not evidence --

データは証拠にならない

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

ライバルの理論と矛盾していては支持されないかもしれません。

So, what do you do?

で、どうするの？

When you're at the inflection points of life,

人生の変曲点にいるとき。

deciding on a strategy for your business,

ビジネスの戦略を決める

a parenting technique for your child

お子さんのための子育て術

or a regimen for your health,

または健康のための養生法。

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

どうやって話を持っていないことを確認するのか

but you have evidence?

でも証拠があるのか？

Let me give you three tips.

3つのコツをお伝えします。

The first is to actively seek other viewpoints.

1つ目は、積極的に他の視点を求めることです。

Read and listen to people you flagrantly disagree with.

露骨に反対する人の話を読んだり聞いたりする。

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

彼らの言うことの9割は間違っているかもしれない、あなたの見解では。

But what if 10 percent is right?

しかし、10％が正しいとしたらどうでしょうか？

As Aristotle said,

アリストテレスが言っていたように

"The mark of an educated man

"教養のある男の印

is the ability to entertain a thought

思想を持つことができる

without necessarily accepting it."

必ずしも受け入れることなく"

Surround yourself with people who challenge you,

自分に挑戦する人に囲まれて

and create a culture that actively encourages dissent.

と、反対意見を積極的に奨励する文化を作ります。

Some banks suffered from groupthink,

集団思考に苦しむ銀行もあった。

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

スタッフは経営陣の融資決定に異議を唱えることを恐れていました。

contributing to the financial crisis.

金融危機に貢献している。

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

会議では、悪魔の擁護者になるために誰かを任命する

against your pet idea.

あなたのペットの考えに反して

And don't just hear another viewpoint --

そして、ただ別の視点を聞くだけではいけません。

listen to it, as well.

にも耳を傾ける。

As psychologist Stephen Covey said,

心理学者のスティーブン・コヴィーが言っていたように

"Listen with the intent to understand,

"理解するつもりで聞く

not the intent to reply."

"返事をする気はない"

A dissenting viewpoint is something to learn from

反対意見は見習うべきもの

not to argue against.

反論しないこと。

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

これはベイズ推論で忘れ去られている他の用語につながります。

Because data allows you to learn,

データが学習を可能にしてくれるからです。

but learning is only relative to a starting point.

しかし、学習は出発点からの相対的なものでしかありません。

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

自分の持論が真実に違いないと完全に確信して始めたのであれば

then your view won't change --

では、あなたの見解は変わらないでしょう -- {cHn.

regardless of what data you see.

どのようなデータを見ても

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

あなたが間違っている可能性を真に受け入れている場合に限ります。

can you ever learn.

あなたは学ぶことができますか？

As Leo Tolstoy wrote,

レオ・トルストイが書いたように

"The most difficult subjects

"最難関科目

can be explained to the most slow-witted man

頭の悪い奴にもわかる

if he has not formed any idea of them already.

もし彼がすでにそれらのアイデアを形成していないならば。

But the simplest thing

でも一番簡単なのは

cannot be made clear to the most intelligent man

知者にもわからない

if he is firmly persuaded that he knows already."

"彼はすでに知っていると確信しているならば"

Tip number two is "listen to experts."

ヒントその２ "専門家の話を聞く"

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

さて、それはおそらく私があなたに与えることができる最も人気のないアドバイスです。

(Laughter)

(笑)

British politician Michael Gove famously said that people in this country

イギリスの政治家マイケル・ゴーヴは、この国の人々のことをこう言ったことで有名です。

have had enough of experts.

専門家はもう十分だ

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

最近の世論調査では、より多くの人々が彼らの美容師を信頼することを示した - 。

(Laughter)

(笑)

or the man on the street

通りの人

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

企業、医療サービス、慈善団体のリーダーになるよりも

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

なので、ママが発見した歯のホワイトニング処方を尊重しています。

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

あるいは、ある女優の予防接種についての見解を聞く。

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

私たちは、それをありのままに伝える人が好きで、自分の直感に従う人が好きです。

and we call them authentic.

そして、私たちはそれらを本物と呼んでいます。

But gut feel can only get you so far.

しかし、直感ではここまでしかできません。

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

下痢の赤ちゃんには絶対に水を飲ませてはいけないと腸の感覚が教えてくれます。

because it would just flow out the other end.

反対側に流れ出てしまうからです。

Expertise tells you otherwise.

専門知識は別の方法で伝えます。

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

あなたの手術を道端の男に託すことはないでしょう。

You'd want an expert who spent years doing surgery

何年もかけて手術をしてきた専門家にお願いしたい

and knows the best techniques.

と最高のテクニックを知っています。

But that should apply to every major decision.

しかし、それはすべての重要な決定に適用されるべきです。

Politics, business, health advice

政治・ビジネス・健康アドバイス

require expertise, just like surgery.

手術と同じように専門知識が必要です。

So then, why are experts so mistrusted?

では、なぜ専門家はこんなにも不信感を抱くのでしょうか？

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

まあ、その理由の一つは、彼らが接触していないと見られていることです。

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

大富豪のＣＥＯは、街の人を代弁することはできませんでした。

But true expertise is found on evidence.

しかし、真の専門性は証拠の上に見出されます。

And evidence stands up for the man on the street

そして、路上の男のために証拠が立っている。

and against the elites.

とエリートに対抗しています。

Because evidence forces you to prove it.

証拠があると強制的に証明されるから

Evidence prevents the elites from imposing their own view

証拠はエリートが自分の考えを押し付けるのを防ぐ

without proof.

証拠がなくても

A second reason why experts are not trusted

専門家が信頼されない2つ目の理由

is that different experts say different things.

は、専門家によって違うことを言うということです。

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

EU離脱はイギリスにとって悪いことだと主張する専門家のために

another expert claimed it would be good.

別の専門家は、それが良いと主張していました。

Half of these so-called experts will be wrong.

いわゆる専門家の半分は間違っているだろう。

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

そして、専門家が書いた論文のほとんどが間違っていることを認めざるを得ません。

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

あるいは、せいぜい、証拠が実際には裏付けられていないという主張をすることです。

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

だから、専門家の言葉を鵜呑みにすることはできません。

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

2016年11月には、役員給与に関する調査が全国的なヘッドラインを賑わせました。