Cosa credere in un mondo "post-verità"

Solo se sei aperto alla possibilità di avere torto puoi davvero imparare, afferma il ricercatore Alex Edmans. In un intervento arguto, Edmans spiega come il bias di conferma (la tendenza ad accettare solo le informazioni che sostengono le opinioni personali) può portarti fuori strada sui social media, in politica e oltre, e offre tre metodi pratici per trovare le prove di cui ti puoi veramente fidare. (Consiglio: nomina qualcuno come l'avvocato del diavolo nella tua vita).

Belle Gibson era
una giovane australiana felice.

Viveva a Perth, e adorava
andare sullo skateboard.

Nel 2009, le venne diagnosticato il cancro
al cervello e quattro mesi di vita.

I due mesi di chemio
e radioterapia non ebbero effetto.

Ma Belle era determinata.

È stata una combattente
per tutta la sua vita.

Dall'età di sei anni, cucinava
per suo fratello autistico

e per sua madre
che aveva la multiplo sclerosi.

Suo padre non era presente.

Quindi Belle combattè,
con l'attività fisica, con la meditazione

e sostituendo la carne
con frutta e verdura.

Ed guarì completamente.

La storia di Belle divenne virale.

Era su Twitter, sui blog, veniva condivisa
e raggiunse milioni di persone.

Mostrò i benefici di seguire
una dieta sana e fare esercizio fisico

invece della medicina tradizionale.

Nell'agosto del 2013, Belle
ha creato un app per mangiare sano,

The Whole Pantry,

che solo nel primo mese
è stata scaricata 200.000 volte.

Ma la storia di Belle
era tutta una bugia.

Belle non ebbe mai il cancro.

La gente condivideva la sua storia
senza mai controllare se fosse vera.

Questo è un classico esempio
di bias di conferma.

Accettiamo una storia senza controllarla
se conferma ciò che vorremmo fosse vero.

E rifiutiamo ogni storia
che la contraddice.

Quante volte ci capita di farlo

con le storie che condividiamo
e con quelle che ignoriamo?

Nella politica, nel business,
nei consigli di salute.

La parola dell'anno del 2016 secondo
l'Oxford Dictionary era "post-verità".

E il fatto che oggi viviamo
in un mondo post-verità

dimostra l'importanza
di controllare sempre i fatti.

Ma la mia battuta finale oggi

è che controllare
i fatti non è abbastanza.

Anche se la storia
di Belle fosse stata vera

sarebbe comunque stata insignificante.

Come mai?

Diamo un'occhiata a una tecnica
fondamentale in statistica.

Si chiama inferenza bayesiana.

E la spiegazione più semplice è questa:

ci interessa sapere
se la teoria è supportata dai dati,

se i dati aumentano la nostra convinzione
sulla verità di una teoria;

ma invece, ci chiediamo
se i dati sono coerenti con la teoria.

Ma essere coerenti con la teoria

non vuol dire
che i dati sostengono la teoria.

Perché?

A causa di un terzo termine
importante ma dimenticato:

i dati possono anche essere coerenti
con teorie rivali.

Ma a causa del bias di conferma
non consideriamo mai le teorie rivali,

perché siamo così protettivi
della nostra teoria personale.

Guardiamo la storia di Belle.

Ci interessa sapere
se la storia di Belle sostiene la teoria

che una dieta sana cura il cancro.

Ma invece, tendiamo a chiederci,

se la storia di Belle è coerente
con la teoria che la dieta cura il cancro.

E la risposta è: "Sì".

Se la dieta curasse il cancro, vedremmo
molte storie come quella di Belle.

Ma anche se la dieta
non curasse il tumore,

vedremmo comunque storie
come quella di Belle.

Una sola storia in cui apparentemente
un paziente si è auto-curato

solo perché aveva ricevuto
una diagnosi errata.

Proprio come, anche se fumare
fa male alla salute,

uno vede un fumatore
vivere fino a 100 anni.

(Risate)

Proprio come, anche se l'istruzione
aiuta a guadagnare,

c'è sempre un multimilionario
che non è andato all'università.

(Risate)

Quindi il problema principale della storia
di Belle non è che è falsa.

È che è solo una sola storia.

Ci potrebbero essere mille altre storie
in cui la dieta da sola ha fallito

ma non ne verremo mai a conoscenza.

Condividiamo i casi anomali
perché sono delle novità,

e quindi fanno notizia.

Non condividiamo mai le storie comuni.

Sono troppo normali,
è ciò che accade sempre.

E quindi ne ignoriamo il 99 per cento.

E come quando, in una società,
puoi ascoltare l'un percento,

le anomalie,

e ignorare quel 99 per cento,
le cose comuni.

E questo è il secondo esempio
del bias di conferma.

Accettiamo i fatti come fossero dati.

Il problema più grande non è
che viviamo in un mondo post-verità;

ma che viviamo in un mondo post-dati.

Preferiamo una singola storia
a tonnellate di dati.

Le storie sono efficaci,
sono nitide, riproducono la realtà.

Ti dicono di iniziare
gli interventi con una storia.

Io l'ho fatto.

Ma una storia da sola
è insignificante e fuorviante

se non sostenuta
da dati su larga scala.

Ma anche se avessimo
dati su larga scala,

potrebbe non essere abbastanza.

Perché potrebbero essere coerenti
con le teorie concorrenti.

Vi spiego.

Un classico studio
dello psicologo Peter Wason

propone una serie di tre numeri

e chiede di creare la regola
alla base della serie di numeri.

Quindi se vi vengono dati
due, quattro, e sei,

qual è la regola?

La maggioranza penserebbe
che è la successione di numeri pari.

Come lo dimostrate?

Proponendo altre serie
di numeri pari che si succedono:

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

E Peter avrebbe detto
che anche queste serie funzionano.

Ma sapere che anche
queste serie hanno senso,

sapere che magari centinaia di altre serie
di numeri pari che si succedono funzionano

non vuol dire niente.

Perché possono essere coerenti
con teorie discordanti.

Magari la regola di base
è avere tre numeri pari qualunque.

O qualsiasi tre numeri che aumentano.

E questo è il terzo esempio
del bias di conferma:

utilizzare i dati come prova,

anche se coerenti
con teorie discordanti.

I dati sono solo una raccolta di fatti.

Le prove sono quei dati che sostengono
una teoria ed escludono altre.

Quindi il modo migliore
per sostenere una teoria

è veramente provare a confutarla,
facendo l'avvocato del diavolo.

Dimostrate qualcosa come 4, 12, 26.

Se ci riuscite, avete confutato la teoria

dei numeri pari che si succedono.

Sì questo è un test efficace

perché se non ci riuscite, avete escluso
la teoria dei "tre numeri pari qualunque"

o "qualsiasi tre numeri che aumentano."

Escluderebbe le teorie concorrenti,
ma non la vostra teoria.

Ma la maggioranza ha paura
a testare 4, 12, 26,

perché non vuole dimostrare
che la propria teoria è sbagliata.

Il bias di conferma non solo
non comporta la ricerca di nuovi dati,

ma porta anche a interpretare male
i dati una volta raccolti.

E accade anche a veri problemi importanti
al di fuori del laboratorio.

Infatti, Thomas Edison notoriamente disse:

"Io non ho fallito,

ho trovato 10.000 altri modi
che non funzionano."

Accettare di aver sbagliato

è l'unico modo per capire cosa è giusto.

Mettiamo che decidete
delle ammissioni universitarie

e la vostra teoria è
che solo gli studenti con voti alti

da famiglie benestanti hanno successo.

Quindi ammettete solo
quel tipo di studenti.

E hanno successo.

Ma questo è coerente anche
con teorie contrastanti.

Magari tutti gli studenti
con voti buoni sono bravi,

ricchi o poveri.

Ma non provate mai quella teoria
perché non ammettete mai studenti poveri,

perché non volete essere smentiti.

Quindi, che cosa abbiamo imparato?

Una storia non è un fatto,
perché potrebbe non essere vera.

Un fatto non equivale a dei dati,

potrebbe non essere rappresentativo
se è solo un punto dati.

E i dati non equivalgono a prove,

potrebbero non essere di supporto
se coerenti con teorie contrastanti.

Quindi, che cosa fate?

Quando vi trovate a un punto
di svolta nella vita,

quando dovete decidere
una strategia di business,

un metodo educativo per vostro figlio,

o un regime per la vostra salute,

come vi assicurate
di non avere una storia,

ma delle prove?

Ecco qui tre consigli.

Il primo è di cercare sempre
opinioni differenti.

Leggete e ascoltate coloro
con cui non vi trovate d'accordo.

Il 90 per cento di quello che dicono
può essere sbagliato, secondo voi.

Ma se quel 10 per cento fosse corretto?

Come disse Aristotele:

"È segno distintivo di una mente istruita

essere in grado di trattare un concetto

senza accettarlo per forza."

Circondatevi di persone
che vi mettono alla prova,

e create una cultura
che incoraggi il dissenso.

Delle banche hanno avuto problemi
con il pensiero di gruppo

in cui lo staff aveva paura a sfidare
le decisioni finanziarie della direzione,

contribuendo alla crisi finanziaria.

In una riunione, nomina qualcuno
come avvocato del diavolo

contro la tua teoria.

E non sentire e basta un'altra opinione,

ascoltala per davvero.

Lo psicologo Stephen Covey disse:

"Ascolta con l'intento di capire,

non con l'intento di rispondere."

Un punto di vista discordante,
è qualcosa da cui imparare

non da controbattere.

E questo ci porta a discutere
un altro fattore dimenticato

della inferenza Bayesiana.

Perché i dati ti permettono di imparare,

ma l'apprendimento è solo relativo
a un punto di partenza.

Se cominciate con la completa certezza
che la vostra teoria deve essere vera,

allora la vostra opinione non cambierà

nonostante i dati.

Solo se siete davvero aperti
alla possibilità di aver sbagliato

potete davvero imparare.

Come scrisse Leo Tolstoy:

"Gli argomenti più difficili

possono essere spiegati
all'uomo più ottuso del mondo

se non si è ancora formato
nessuna opinione.

Ma la cosa più semplice

non può essere chiarita
all'uomo più intelligente del mondo

se crede di conoscerla di già."

Consiglio numero due:
"Ascoltate gli esperti."

Questo è forse il consiglio
più sgradito che potessi darvi.

(Risate)

Michael Gove, politico Britannico, disse
in una famosa frase che la gente

aveva già avuto abbastanza esperti.

Un sondaggio ha mostrato che più persone
si fidano di più del loro parrucchiere

(Risate)

o di una persona qualunque

che dei leader delle aziende,
della sanità e degli enti benefici.

Quindi crediamo alla formula sbiancante
per i denti scoperta da una mamma,

o ascoltiamo l'opinione
di un attore sulla vaccinazione.

Ci piacciono le persone
che dicono le cose come stanno,

che seguono l'istinto,
e le chiamiamo autentiche.

Ma l'istinto può portarvi solo
fino a un certo punto.

L'istinto vi direbbe di non dare mai
acqua a un bambino con la diarrea,

perché defluirebbe dall'altra parte.

La competenza vi dice il contrario.

Non vi fareste mai operare
da una persona qualunque.

Volete che sia un esperto
con anni di chirurgia alle spalle

e che conosce le tecniche migliori.

Ma questo dovrebbe essere applicato
a qualsiasi decisione importante.

Politica, business, consigli sanitari

richiedono competenza,
proprio come la chirurgia.

Quindi, come mai
c'è poca fiducia negli esperti?

Una ragione è
che sono percepiti fuori dalla realtà.

Un direttore milionario non può parlare
per una persona qualunque

Ma la vera competenza
si trova nelle prove.

Le prove supportano l'uomo qualunque

e vanno contro l'élite.

Perché le prove
vi obbligano a dimostrare.

L'evidenza impedisce l'élite
di imporre la propria opinione

senza prove.

Il secondo motivo
della sfiducia negli esperti

è che esperti diversi
dicono cose diverse.

Per ogni esperto che ha detto che uscire
dall'UE sarebbe nocivo per il Regno Unito,

ce n'è un altro che dice che va fatto.

Metà di questi "esperti" ha torto.

E devo ammettere che molti dei giornali
scritti da esperti sono sbagliati.

O meglio, fanno affermazioni
che non sono sostenute dalle prove.

Quindi non possiamo fidarci
della parola dell'esperto.

Nel Novembre del 2016,

una ricerca sul compenso dei dirigenti
ha fatto scandalo.

Anche se nessuno dei giornali
che ha trattato della ricerca

ha visto i risultati.

Non erano ancora usciti.

Si sono fidati di quello
che diceva l'autore,

proprio come con Belle.

E non vuol dire che possiamo selezionare
qualsiasi ricerca

che guarda caso appoggia
la nostra opinione --

sarebbe di nuovo bias di conferma.

Non vuole nemmeno dire
che se sette studi dimostrano A

e tre dimostrano B,

allora A deve essere vero.

Ciò che conta è la qualità.

e non la quantità della competenza.

Quindi dovremmo fare due cose.

La prima: dovremmo esaminare
criticamente le credenziali degli autori.

Come quando esaminiamo criticamente
le credenziali di un potenziale chirurgo.

Sono davvero esperti dell'argomento,

o hanno solo un interesse personale?

La seconda: dovremmo prestare
particolare attenzione

agli studi pubblicati
nei migliori giornali accademici.

Gli accademici sono spesso accusati
di essere staccati dal mondo reale.

Ma questo distacco li porta
a passare anni su uno studio

per fissare davvero un risultato,

per confutare le teorie concorrenti,

e per distinguere la correlazione
dalla casualità.

Un giornale accademico richiede
la valutazione paritaria,

in cui un articolo viene
scrutato rigorosamente

(Risate)

dalle più grandi menti.

Migliore è il giornale,
più alto sarà lo standard.

I giornali migliori
rifiutano il 95 per cento degli studi.

Le prove accademiche non sono tutto.

Ha importanza anche l'esperienza reale.

E la revisione paritaria non è perfetta,
possono essere fatti errori.

Ma meglio seguire qualcosa di controllato

che qualcosa che non lo è stato.

Ci attacchiamo a uno studio
perché ci piacciono i risultati,

senza considerare chi lo ha scritto
o se è stato persino controllato,

c'è un'alta probabilità
che la ricerca sia ingannevole.

E chi tra noi si ritiene un esperto

dovrebbe riconoscere i limiti
della propria analisi.

Molto raramente è possibile dimostrare
o predire qualcosa con certezza,

però è così allettante affermare qualcosa
di così radicale e non qualificato.

È più facile metterlo in prima pagina
o twittarlo in 140 caratteri.

Ma anche l'evidenza potrebbe
non essere una prova.

Potrebbe non essere universale,
o non essere applicabile dappertutto.

Quindi non affermate: "Il vino rosso
fa vivere più a lungo",

quando l'unica prova è una correlazione
tra il vino rosso e una vita lunga.

E anche solo tra le persone
che fanno attività fisica.

Consiglio numero tre: "Fate una pausa,
prima di condividere qualcosa."

Il giuramento di Ippocrate dice:
"Non fare del male."

Ciò che condividiamo potrebbe essere
molto contagioso,

quindi bisogna fare attenzione
a quel che diffondiamo.

Il nostro obiettivo non dovrebbe essere
avere mi piace o retweets.

Perché altrimenti condividiamo il consenso
non sfidiamo il pensiero di nessuno.

Perché altrimenti condividiamo
solo ciò che sembra giusto,

con o senza prove.

Invece dovremmo chiederci:

se è una storia: "è vera?"

Se è vera: "é supportata
da dati su larga scala?"

Se sì, "chi l'ha scritta?
Quali sono le credenziali?"

Se è pubblicata, "quanto
è rigoroso il giornale?"

E ponetevi la domanda
da un milione di dollari:

"Se la stessa ricerca fosse scritta

dallo stesso autore
con le stesse credenziali

ma con risultati opposti,

ci credereste e
la condividereste comunque?

Trattare ogni problema

come l'economia di una nazione
o un problema di salute di un singolo,

è sempre difficile.

Quindi dobbiamo accertarci che siano
le prove migliori a guidarci.

Solo se è vero può essere un fatto.

Solo se rappresentativo
possono essere dei dati.

Solo se supporta
può essere una prova.

E solo con le prove possiamo
passare da un mondo post-verità

a uno pro-verità.

Grazie mille.

(Applausi)