The Bayesian TrapYouTube↗  IA↗(long shot)
Education  2.7M views 102.4K likes 1.4K dislikes   05 Apr 2017
Veritasium 20.8M subscribers United States YouTube↗


Please select the problem
You must specify your email and describe the problem in detail
Describe your problem in detail if it's not obvious

Click to Play Video Click to Play Video
Picture this: You wake up one morning and
תדמיינו את זה: אתם מתעוררים בוקר אחד
you feel a little bit sick. No particular
ואתם מרגישים קצת חולים.
symptoms, just not 100%.
בלי סימפטומים מיוחדים, פשוט לא 100%.
So you go to the doctor and she also
אז אתם הולכים לרופאה והיא גם
doesn't know what's going on with you, so
לא יודעת מה קורה איתכם,
she suggests they run a battery of tests
אז היא מציעה לכם לבצע סידרה של בדיקות.
and after a week goes by, the results
שבוע אחד חולף לו,
come back, turns out you tested positive
התוצאות חוזרות, ומסתבר כי התשובה היא חיובית,
for a very rare disease that affects
וכי יש לכם מחלה נדירה מאוד שמשפיעה
about 0.1% of the
על כ-0.1% מהאוכלוסייה
population and it's a nasty disease,
וזאת מחלה נוראית,
horrible consequences, you don't want it.
שהשלכותיה נוראות, אתם לא רוצים אותה.
So you ask the doctor "You know, how
אז אתם שואלים את הרופאה:
certain is it that I have this disease?"
"עד כמה את בטוחה שיש לי את המחלה הזאת?"
and she says "Well, the test will
והיא אומרת "ובכן, הבדיקה
correctly identify 99% of people that
מזהה 99% מהאנשים להם
have the disease and only incorrectly
יש את המחלה. ורק ל-1% מהאנשים
identify 1% of people who don't have the disease". So that sounds pretty
היא מזהה בצורה שגויה כי אין להם את המחלה".
bad. I mean, what are the chances that you
אז זה נשמע די רַע. אני מתכוון, מה הסיכוי שיש
actually have this disease? I think most
לכם את המחלה הזאת בפועל? אני חושב שרוב
people would say 99%, because
האנשים היו אומרים 99%, בגלל
that's the accuracy of the test. But that
שזהו דיוק תוצאת הבדיקה, אבל זה
is not actually correct! You need Bayes' Theorem
אבל בפועל זה לא נכון! אתם צריכים את משפט בייס(Bayes)
to get some perspective.
כדי לקבל קצת פרספקטיבה.
Bayes' Theorem can give you the probability that some hypothesis, say
משפט בייס יכול לתת לך את ההסתברות של משהו היפותטי,
that you actually have the disease, is
נגיד: כי יש לכם את המחלה
true given an event; that you tested
וזהו מאורע נתון; שקיבלתם תוצאה
positive for the disease. To calculate
חיובית לכך שיש להם את המחלה.
this, you need to take the prior
על מנת לחשב זאת, אתם צריכים לקחת את
probability of the hypothesis was true - that
ההסתברות אפריוריות(לפני הניסוי) לכך שההשערה הייתה נכונה,
is, how likely you thought it was that
שהיא - עד כמה חשבתם שזה סביר לכך
you have this disease before you got the
כי יש לכם את מחלה, זאת לפני שקיבלתם את
test results - and multiply it by the
תוצאות הבדיקה ולהכפיל אותה
probability of the event given the
בהסתברות של המאורע הנתון -
hypothesis is true - that is, the
בהנחה כי ההשערה נכונה - כלומר,
probability that you would test positive
זו ההסתברות לכך שהייתם מקבלים תוצאת בדיקה שהיא חיובית
if you had the disease - and then divide
אם הייתה לכם את המחלה.
that by the total probability of the
לאחר מכן, תחלקו את זה בסך ההסתברות לכך
event occurring - that is testing positive.
שהמאורע התרחש. כלומר, תוצאת הבדיקה היא חיובית.
This term is a combination of your
הביטוי הזה הוא שילוב של
probability of having the disease and
ההסתברות לכך שיש לכם את המחלה
correctly testing positive plus your
והבדיקה היא חיובית ועוד
probability of not having the disease
ההסתברות לכך שאין לכם את המחלה
and being falsely identified. The prior
והבדיקה זיהתה באופן שגוי כי אתם חולים במחלה.
probability that a hypothesis is true is
ההסתברות האפריורית לכך שההשערה היא נכונה
often the hardest part of this equation
להבין זאת, לרוב, זה החלק הכי קשה במשוואה.
to figure out and, sometimes, it's no
ו.., לפעמים, זה לא יותר
better than a guess. But in this case, a
מאשר ניחוש. אבל במקרה הזה
reasonable starting point is the
המקום ההגיוני ממנו להתחיל הוא
frequency of the disease in the
שכיחות המחלה באוכלוסייה,
population, so 0.1%. And if
שהיא 0.1%. ואם
you plug in the rest of the numbers, you
תכניסו את שאר האפשרויות(שהם מספרים), אתם
find that you have a 9% chance
תגלו כי יש לכם סיכוי של 9%
of actually having the disease after
שבפועל תהיה לכם את המחלה לאחר שהבדיקה יצאה תוצאה חיובית.
testing positive. Which is incredibly low if you think about it. Now, this isn't
שהסיכוי לכך מאוד נמוך אם אתם חושבים על זה.
some sort of crazy magic. It's actually
עכשיו, זהו לא איזה קסם מטורף.
common sense applied to mathematics. Just
זהו בעצם השכל ישר בו משתמשים במתמטיקה.
think about a sample size of 1000
פשוט תחשבו על מדגם בגודל של 1,000 איש.
people. Now, one person out of that thousand, is likely to actually have the
עכשיו, מתוך 1,000 איש, סביר להניח כי אדם אחד יהיה חולה במַחֲלָה.
disease. And the test would likely identify them correctly as having the
והבדיקה ככל הנראה תזהה זאת נכונה כי אכן יש לו את המחלה.
disease. But out of the 999 other people,
אבל מתוך 999 האנשים האחרים,
1% or 10 people would falsely be identified as having the disease. So,
1% או 10 אנשים יזוהו באופן שגוי ככאלה שחולים במחלה.
if you're one of those people who has a positive test result and everyone's just
אז אם אתם אחד מהאנשים הללו שיש לו תוצאת בדיקה חיובית וכל השאר פשוט נבחרו באקראי,
selected at random - well, you're actually part of a group of 11 where only one person has the disease. So your chances
אז אתם בעצם חלק מקבוצה של 11 איש, כאשר רק לאחד ממכם יש את המחלה בפועל.
of actually having it are 1 in 11. 9%. It just makes sense. When Bayes
אז הסיכוי שלכם לכך שבפועל אתם חולים במחלה הוא 1 ל-11. 9%. וזה פשוט נשמע הגיוני.
first came up with this theorem he
כאשר בייס לראשונה חשב על המשפט הזה,
didn't actually think it was
הוא לא באמת חשב שזה היה משהו מַהְפֵּכָנִי.
revolutionary. He didn't even think it was worthy of publication, he didn't
הוא אפילו לא חשב שזה היה ראוי לפרסום, הוא לא
submit it to the Royal Society of which
הגיש זאת ל"חברה המלכותית"(אגודה מדעית מ-1660 וכבוד גדול להתקבל אליה) אשר הוא היה חבר בה.
he was a member, and in fact it was discovered in his papers after he died
ולמעשה, זה התגלה בניירות שלו לאחר מותו
and he had abandoned it for more than a
והוא נטש את זה ליותר מעשור.
decade. His relatives asked his friend,
קרובי משפחתו שאלו את חברו,
Richard Price, to dig through his papers and see if there is anything worth
ריצ'רד פרייס, לעבור על הניירות שלו באופן מעמיק ולראות אם יש משהו ששווה לפרסם שם.
publishing in there. And that's where Price discovered what we now know as
וזה איפה שפרייס גילה את מה שאנו מכירים כיום
the origins of Bayes' Theorem. Bayes
כמקורותיו של משפט בייס(Bayes).
originally considered a thought
במקור בייס חשב על ניסוי מחשבתי,
experiment where he was sitting with his back to a perfectly flat, perfectly
בו הוא יושב עם הגב שלו לשולחן שטוח לחלוטין והשולחן שלו הוא בצורת ריבוע.
square table and then he would ask an assistant to throw a ball onto the table.
ואז, הוא ביקש מעוזרו לזרוק כדור על אותו שולחן.
Now this ball could obviously land and end up anywhere on the table and he
עכשיו, ברור כי הכדור הזה יכול לנחות על כל מקום בשולחן
wanted to figure out where it was. So
והוא רצה לענות על שאלה איפה הוא ינחת.
what he'd asked his assistant to do was
אז מה שהוא ביקש מעוזרו לעשות היה
to throw on another ball and then tell him
לזרוק עוד כדור, ואז להגיד לו
if it landed to the left, or to the right,
אם הכדור נחת משמאל, או מימין,
or in front, behind of the first ball, and
מלפני או מאחורי הכדור הראשון.
he would note that down and then ask for more and more balls to be thrown on the
ואז הוא היה רושם זאת ומבקש מעוזרו לזרוק עוד ועוד כדורים שיזרקו על השולחן.
table. What he realized, was that through this method he could keep updating his idea of where the first ball was. Now of
מה שהוא הבין, זה שדרך השיטה הזאת הוא יכל להמשיך לעדכן את הרעיון שלו לגבי איפה נחת הכדור הראשון. עכשיו,
course, he would never be completely
עכשיו, כמובן שהוא לא אף פעם לא יהיה לגמרי בטוח,
certain, but with each new piece of
אבל עם כל חתיכת ראיה חדשה -
evidence, he would get more and more accurate, and that's how Bayes saw the
הוא יהיה יותר ויותר מדויק וככה בייס ראה את העולם.
world. It wasn't that he thought the world was not determined, that reality didn't quite exist, but it was that we
זה לא שהוא חשב כי העולם סטטי(קבוע, לא דינאמי), שאין באמת מציאות כזאתי
couldn't know it perfectly, and all we
אבל היא הייתה כזאת שלא יכולנו לדעת אותה בשלמותה.
could hope to do was update our understanding as more and more evidence became available. When Richard Price
ומה שכולנו יכולנו לקוות לעשות, זה לעדכן את ההבנה שלנו בנוגע למציאות כאשר עוד ועוד ראיות הופכות לזמינות.
introduced Bayes' Theorem, he made an
כאשר ריצ'רד פרייס הציג את משפט בייס(Bayes),
analogy to a man coming out of a cave,
הוא עשה אנלוגיה לאדם היוצא מן המערה שלו,
maybe he'd lived his whole life in there
אולי הוא חי עד כה את כל חייו שם(במערה)
and he saw the Sun rise for the first
והוא ראה את זריחת השמש לראשונה בחייו,
time, and kind of thought to himself: "Is,
וסוג של חשב לעצמו:
Is this a one-off, is this a quirk, or
"האם זה חד פעמי? האם זו תפנית כלשהי ובלתי צפויה?
does the Sun always do this?" And then,
או האם השמש תמיד עושה זאת?(זורחת)"
every day after that, as the Sun rose
ואז מאותו יום והילך, כאשר השמש זרחה לה שוב,
again, he could get a little bit more
הוא היה יכול יותר ויותר בטוח,
confident, that, well, that was the way the
ובכן, שזו הדרך שבה העולם עובד.
world works. So Bayes' Theorem wasn't really a formula intended to be used
אז משפט בייס לא היה באמת נוסחא המיועדת לשימוש באופן חד פעמי,
just once, it was intended to be used
היא נועדה לשימוש מספר רב של פעמים.
multiple times, each time gaining new evidence and updating your probability that something is true. So if we go back
בכל פעם, צוברת עוד ועוד ראיות חדשות ומעדכנת את ההסתברות שלנו לכך שהמשהו הזה באמת נכון.
to the first example when you tested
אז אם נחזור לדוגמא הראשונה,
positive for a disease, what would happen
בה בדקנו לגבי כך שקיבלנו תוצאה חיובית עבור הבדיקה;
if you went to another doctor, get a
מה היה קורה אילו הייתם הולכים לרופא אחר,
second opinion and get that test run
מקבלים חוות דעת נוספת ולבצע בדיקה חוזרת?
again, but let's say by a different lab,
אבל הפעם נניח כי הבדיקה במעבדה אחרת,
just to be sure that those tests are
רק כדי להיות בטוח כי הבדיקות הללו הן בלתי תלויות(בקודמות),
independent, and let's say that test also
ובואו נניח כי גם הבדיקה הזאתי חוזרת חיובית.
comes back as positive. Now what is the probability that you actually have the
עכשיו מה היא ההסתברות לכך כי בפועל יש לכם את המַחֲלָה?
disease? Well, you can use Bayes formula
ובכן, אתם יכולים להשתמש בנוסחת בייס שוב,
again, except this time for your prior probability that you have the disease,
אלא שבניגוד לפעם שעברה, עבור ההסתברות האפריורית כי יש לכם את המחלה,
you have to put in the posterior
אתם תצטרכו להכניס לנוסחה את ההסתברות אפוסטריורית.
probability, the probability that we worked out before which is 9%,
אותה הסתברות שחישבנו מקודם והיא 9%.
because you've already had one positive
וזה בגלל כי כבר היה לכם תוצאת בדיקה חיובית ממקודם.
test. If you crunch those numbers, the new
אם תנתחו את המספרים הללו:
probability based on two positive tests
ההסתברות החדשה, בהתבסס על כך שהתקבלו שתי בדיקות חיוביות
is 91%. There's a
היא 91%.
91% chance that you
ישנו סיכוי של 91% כי למעשה יש לכם את המחלה.
actually have the disease, which kind of
שזה משהו שבהחלט מתקבל על הדעת.
makes sense. 2 positive results by different labs are unlikely to just be
סביר להניח, כי לקבל שתי תוצאות חיוביות משתי מעבדות שונות הוא יותר מסתם מקריות.
chance, but you'll notice that probability is still not as high as the
אבל אתם תשימו לב שההסתברות הזאת עדיין לא גבוהה
accuracy, the reported accuracy of the
כמו רמת הדיוק של הבדיקה שביצעתם, הידועה לכם.
test. Bayes' Theorem has found a number of
נמצאו מספר רב של שימושים מעשיים למשפט בייס.
practical applications, including notably filtering your spam. You know, traditional
למשל: יהמפורסם מכל - סינון דואר הזבל שלכם.
spam filters actually do a kind of bad
אתם יודעים כי באופן מסורתי מסנני דואר הזבל לא בדיוק ידועים בעבודתם הטובה.
job, there's too many false positives, too
זה פשוט כי יש יותר מדי פעמים בהם התקבלה תוצאה שיקרית.
much of your email ends up in spam, but
יותר מדי מהמיילים אותם אתם מקבלים מסתיימים בתיבת הספאם שלכם.
using a Bayesian filter, you can look at
אבל בעזרת שימוש במסנן מסוג בייס,
the various words that appear in e-mails,
אתם יכול להסתכל על המילים השונות המופיעות בהודעות דואר אלקטרוני,
and use Bayes' Theorem to give a probability that the email is spam, given
ולהשתמש במשפט בייס כדי לדעת את ההסתברות כי הדואר שהתקבל הוא דואר זבל,
that those words appear. Now Bayes' Theorem
בהנחה שהמילים הללו מופיעות שם.
tells us how to update our beliefs in
עכשיו, משפט בייס מגלה לנו כיצד לעדכן האמונות שלנו לאור הראיות החדשות שהתקבלו,
light of new evidence, but it can't tell us how to set our prior beliefs, and so
אבל המשפט לא יכול לגלות לנו כיצד לקבוע מהן האמונות הקודמות שלנו,
it's possible for some people to hold that certain things are true with a
וכך זה אפשרי עבור אנשים מסוימים להחזיק בדעה כי דברים מסוימים הם נכונים בוודאות של 100%,
100% certainty, and other people to hold those same things are true with 0% certainty. What
וזה נכון גם עבור אנשים המחזיקים בדעות כי אותם הדברים נכונים בוודאות של 0%.
Bayes' Theorem shows us is that in those cases, there is absolutely no evidence,
מה שמשפט בייס מראה לנו, כי במקרים הללו אין שום הוכחה,
nothing anyone could do to change their
לא משהו שמישהו יכל לעשות כדי לשנות את דעתם,
minds, and so as Nate Silver points out
וכך נייט סילבר מציין בסיפרו
in his book, The Signal and The Noise, we
"הסיגנל והרעש" -
should probably not have debates between people with a 100% prior
שאנחנו ככל הנראה לא צריכים להתחיל דיון עם אנשים בעלי 100% וודאות אפריורית,
certainty, and 0% prior
וכנ"ל גם באלו עם 0% וודאות פריורית.
certainty, because, well really, they'll never convince each other of anything. Most of the time when people talk about Bayes' Theorem, they discussed how
זה בגלל שבפועל הם אף פעם לא ישכנעו אחד את השני בשום דבר. רוב הפעמים בהם אנשים מדברים על משפט בייס, הם דנים עד כמה הוא נוגד את האינטואיציה שלנו,
counterintuitive it is and how we don't really have an inbuilt sense of it, but
ואיך אין לנו שום היגיון פנימי שנולדנו איתו,
recently my concern has been the
אבל לאחרונה הדאגה שלי הייתה ההפוכה:
opposite: that maybe we're too good at internalizing the thinking behind Bayes' Theorem,
זה אולי בגלל שאנחנו יותר מדי טובים בלהפנים את המחשבה שמאחורי משפט בייס,
and the reason I'm worried about
והסיבה למה אני מודאג מכך,
that is because, I think in life we can get used to particular circumstances, we
היא בגלל שאני חושב שבחיינו אנחנו יכולים להתרגל לתוצאות מסויימות,
can get used to results, maybe getting
אנחנו יכולים להתרגל לתוצאות,
rejected or failing at something or
אולי התוצאה נדחית או נכשלת במשהו או
getting paid a low wage and we can
לא מייחסים לה חשיבות, ואנחנו יכולים
internalize that as though we are that man emerging from the cave and we see
להפנים זאת כמחשבה כאילו אנחנו אותו האדם, המגיח מהמערה של ואז רואה
the Sun rise every day and every day,
את השמש זורחת בכל יום ויום.
and we keep updating our beliefs to a
ואנחנו ממשיכים לעדכן את האמונות שלנו
point of near certainty that we think
לנקודה קרובה לוודאות שאנחנו חושבים
that that is basically the way that
שהיא למען האמת הדרך בה הטבע הוא כפי שהוא,
nature is, it's the way the world is and there's nothing that we can do to change it.
זו דרכו של העולם, אין משהו שאנחנו יכולים לעשות על-מנת לשנותו.
You know, there's Nelson Mandela's
אתם יודעים, ישנו ציטוט של נלסון מנדלה:
quote that: 'Everything is impossible
"הכל הוא בלתי אפשרי עד שעושים גם אותו".
until it's done', and I think that is kind of a very Bayesian viewpoint on the
ואני חושב שזו סוג של נקודת מבט מאוד 'בייסנית'(מבוססת על בייס) העולם,
world, if you have no instances of something happening, then what is your prior for that event? It will seem
אם אין לכם זיכרון של משהו שקרה לכם, אז מהו אורע האפריורי שלכם?
completely impossible your prior may be
זה יראה לגמרי בלתי אפשרי.
0 until it actually happens. You know, the
האפריורי שלכם עלול להיות 0 עד שהוא בפועל קורה.
thing we forget in Bayes' Theorem is that:
אתם יודעים, הדבר שאנחנו שוכחים במשפט בייס זה ש:
our actions play a role in determining
המעשים שלנו משחקים תפקיד בקביעת התוצאות הסופיות,
outcomes, and determining how true things actually are. But if we internalize that
וקביעתן עד כמה הדברים הללו באמת נכונים. אבל אם נפנים
something is true and maybe we're a 100% sure that it's true, and
שמשהו נכון ואולי אנחנו 100% בטוחים כי זה נכון,
there's nothing we can do to change it,
ואין שום דבר בעולם שאנחנו יכולים לעשות על מנת לשנותו.
well, then we're going to keep on doing
ובכן, אז אנחנו הולכים להמשיך לעשות
the same thing, and we're going to keep
את אותו הדבר, ואנחנו נמשיך לקבל את
on getting the same result, it's a
את אותה התוצאה -
self-fulfilling prophecy, so I think a
זו נבואה שמגשימה את עצמה.
really good understanding of Bayes' Theorem implies that experimentation is
אז אני חושב שזו הבנה טובה למה שמשפט בייס מרמז,
essential. If you've been doing the same
והוא: כי לבצע ניסויים הם דבר הכרחי.
thing for a long time and getting the
אם אתם כבר עושים את אותו הדבר
same result that you're not necessarily
במשך זמן רב ומקבלים את
happy with, maybe it's time to change.
אותה התוצאה שאתם לא בהכרח שמחים לקבלה, אז אולי זה הזמן לשינוי.
So is there something like that that you've
אז האם ישנו משהו כזה שחשבתם עליו?
been thinking about? If so, let me know in the comments.
אם כן, תיידעו אותי על כך בתגובות לסירטון זה.
Hey, this episode of Veritasium was
היי, פרק זה של Veritasium
supported in part by viewers like you on
נתמך בחלקו על ידי הצופים, כמוך
Patreon and by Audible. Audible is a
ב"פטריאון" וע"י Audible. Audible היא
leading provider of spoken audio
ספקית מובילה על מידע של ספרי שמע,
information including an unmatched
כולל מרחב יוצא דופן של ספרי שמע(כאלה שמקריאים את הספר),
selection of audiobooks: original, programming, news, comedy and more.
כגון: יצירות מקוריות, תיכנות, חדשות, קומדיה ועוד.
So if you're thinking about trying something new and
אז אם אתם חושבים על לנסות משהו חדש
you haven't tried Audible yet, you
וטרם ניסית להשתמש ב- Audible, אז
should give them a shot, and for viewers
אתה צריך לתת להם הזדמנות, ועבור הצופים
of this channel, they offer a free 30-day
של הערוץ הזה, הם מציעים 30 יום ללא תשלום
trial just by going to: audible.com/Veritasium
פשוט ע"י כך שתכנסו לקישור הבא: audible.com/Veritasium
You know, the book I've
אתה יודע, הספר שלו
been listening to on Audible recently is
הקשבתי לאחרונה ב-Audible
called: 'The Theory That Would Not Die' by
נקרא: "התיאוריה שמסרבת למוות" על ידי
Sharon Bertsch McGrayne, and it is an
שרון ברטש מקגריין, והספר מספק
incredible in-depth look at Bayes'
מבט מעמיק באופן מדהים על משפט בייס,
Theorem, and I've learned a lot just
ואני למדתי רבות רק ע"י
listening to this book, including the crazy
כך שהאזנתי לספר הזה, כולל עובדה מדהימה
fact that Bayes never came up with the
שבייס כלל לא עלה עליה בניסוח המתמטי של החוק שלו,
mathematical formulation of his rule that was done independently by the
זה משהו שנעשה באופן עצמאי על ידי
mathematician Pierre-Simon Laplace so,
המתמטיקאי פייר-סימון לפלס.
really I think he deserves a lot of a
אז אני באמת חושב שהוא ראוי להרבה
credit for this theory, but Bayes gets
הערכה על התיאוריה הזו, אבל בייס מקבל
naming rights because he was first, and
את זכויות השם לכך וזאת בגלל שהוא היה קודם.
if you want, you can download this book
ואם תרצו, אתם יכולים להוריד את הספר הזה
and listen to it, as I have, when I've
ולהקשיב לו, כפי שאני עשיתי, כאשר
just been driving in the car or going to
אני בנהיגה או הולך למכון כושר,
the gym, which I'm doing again, and so if
שזה מה שאני חוזר לעשותו, אז אם
there's a part of your day that you feel
יש חלק ביום שלך שאתה מרגיש
is kind of boring then I can highly
סוג של משועמם, אז אני יכול
recommend trying out audiobooks from Audible.
להמליץ לך בחום לנסות את הספרי שמע מ-Audible.
Just go to: audible.com/Veritasium
פשוט תיכנסו לאתר: audible.com/Veritasium
So as always I want to thank:
אז כמו תמיד, אני רוצה להודות
Audible for supporting me, and I
ל-Audible עח כל שתמכו בי(גם כלכלית)
want to thank you for watching.
ואני רוצה להודות לך על כך שצפיתם בסירטון. -(תורגם ע"י סער קטלן)
Similar videos:

Will There Be an NFL Season in 2020? | NFL Coronavirus
Doctor Mike Hansen
22.5K views 974 likes 104 dislikes 23 Jun 202033% match


원한 버리기: 모든 원한은 가슴에 굳은살을 만든다 | 미니멀리즘 미니멀라이프 미니멀리스트
minimalnomad
5.7K views 189 likes -1 dislikes 23 Feb 202133% match

Different Lines We Use on a Tugboat
TimBatSea
11.9K views 1K likes 1 dislikes 19 Oct 202032% match

Behind the scenes + Our new house | Ep. 20
Jonna Jinton
3.1M views 72.9K likes -1 dislikes 13 Mar 201932% match

A Dirty Assist Job
TimBatSea
14.6K views 1.4K likes 10 dislikes 23 Nov 202032% match

💥 ¡KAIDO VS SHIROHIGE! ¿Por qué no?
Anime Site
9K views 303 likes 9 dislikes 09 Jan 202132% match



Losing the Battle
The Game Theorists
15.3M views 1.3M likes 26.6K dislikes 25 Jul 201832% match




🔥 SUZUKI JIMNY Off Road EXTREME 4x4 llegamos al 💯%
JimGonzax 4x4 Off Road Experience
81K views 1.4K likes -1 dislikes 07 Mar 202132% match





A Faster Way To The Wheelhouse
TimBatSea
6.7K views 710 likes 5 dislikes 02 Mar 202132% match

🎯 ONE PIECE 999 Análisis y Curiosidades
Anime Site
4.8K views 174 likes 7 dislikes 21 Dec 202032% match



Coronavirüs salgını hakkında merak ettiğiniz yeni sorular ve yanıtları...
Dr. Halit Yerebakan
21.4K views 486 likes 10 dislikes 16 Apr 202032% match






Димаш MTV - Мнение Народного Эксперта / Данелия - America's Got Talent
ALGA KAZAKHSTAN
23.7K views 1.6K likes 22 dislikes 07 Oct 202032% match



(American in Sweden) SWEDEN CORONAVIRUS STRATEGY: IS IT REALLY WORKING?
Evan Thomas
18.3K views 1.2K likes 94 dislikes 25 Oct 202032% match

BLACKPINK (블랙핑크) 'Lovesick Girls' MV Reaction & Analysis!
Olivia Leverenz
9.7K views 781 likes 7 dislikes 02 Oct 202032% match



How movies teach manhood | Colin Stokes
TED
3.2M views 116.6K likes 12.5K dislikes 18 Jan 201332% match






Димаш Кудайберген, «Грешная страсть» - Первая реакция / Музыканты впервые услышали голос Димаша
ALGA KAZAKHSTAN
117.9K views 5.4K likes 438 dislikes 10 Mar 202132% match



Classical Singer First Time Reaction- So Hyang | You Raise Me Up. Amazing Tone and Control!!
SingerDad Reacts
41.8K views 1.9K likes 20 dislikes 15 Jul 202032% match


Do the Quran manuscripts really matter? Why don't we date the ink? Are these variations significant?
Variant Quran
8.1K views 913 likes 20 dislikes 22 Nov 202032% match








🚨RESCATES 4x4🚨❄️►PROBLEMAS por TORMENTA de NIEVE◄
JimGonzax 4x4 Off Road Experience
89.2K views 1.4K likes -1 dislikes 17 Jan 202131% match





The world’s first flying saucer - Nikola Tesla - The world's first man who made UFO?
NaTuber Tv
840.1K views 14.6K likes -1 dislikes 25 Feb 201931% match












🎯 ONE PIECE 996 Análisis y Curiosidades
Anime Site
4K views 186 likes 3 dislikes 21 Nov 202031% match


Smite Arena 2020 Thanatos Beginner Friendly Damage Build Smite Arena Season 7 Thanatos Damage Build
Garza Gaming Channel
3.4K views 74 likes 8 dislikes 21 May 202031% match


Adora BatBrat Pt. 1: The Embarrassment Of The Goth Community
Repzilla
134.2K views 7.3K likes 224 dislikes 01 Nov 202031% match

11 things we LOVE about life in MEXICO
Tangerine Travels
35.6K views 3.1K likes 49 dislikes 15 Dec 202031% match


Hot and STEAMY at a Turkish Bath | Our First Time
Eileen Aldis
72.4K views 2.5K likes 30 dislikes 10 Oct 202031% match











Inbound Chelsea Creek (East Boston)
TimBatSea
9.5K views 981 likes 1 dislikes 11 Jan 202131% match

Complete Disaster Full Interior Car Detailing Transformation! Car Cleaning A Nasty Ford Explorer!
Stauffer Garage
223K views 6K likes -1 dislikes 19 Sep 202031% match



Diablo 2 Remaster Remake Resurrected EXPLAINED : All info we know so far 2021
the Nathan NAPALM
2.2K views 101 likes 7 dislikes 20 Feb 202131% match


11 things we HATE about life in MEXICO
Tangerine Travels
48.2K views 3K likes 172 dislikes 15 Dec 202031% match


Del 44 Hirsholmene en næsten øde ø man godt må besøge
Sailing CLAN
2.4K views 43 likes 1 dislikes 20 Feb 202131% match


Settings Privacy About Contact Donate