Alison Gopnik: What do babies think?

Alison Gopnik: Was denken Babys?

395,642 views ・ 2011-10-10

TED


Bitte doppelklicken Sie auf die englischen Untertitel unten, um das Video abzuspielen.

Übersetzung: Brigitte Federi Lektorat: Karin Friedli
00:15
What is going on
0
15260
2000
Was geht im Verstand
00:17
in this baby's mind?
1
17260
2000
dieses Babys vor?
00:19
If you'd asked people this 30 years ago,
2
19260
2000
Hätten Sie das Menschen vor 30 Jahren gefragt,
00:21
most people, including psychologists,
3
21260
2000
hätten die meisten, inklusive Psychologen,
00:23
would have said that this baby was irrational,
4
23260
3000
geantwortet, dass dieses Baby
00:26
illogical, egocentric --
5
26260
2000
unlogisch, egozentrisch sei –
00:28
that he couldn't take the perspective of another person
6
28260
2000
dass es nicht die Sichtweise einer anderen Person einnehmen
00:30
or understand cause and effect.
7
30260
2000
oder Ursache und Wirkung verstehen könne.
00:32
In the last 20 years,
8
32260
2000
In den letzten 20 Jahren
00:34
developmental science has completely overturned that picture.
9
34260
3000
hat die Entwicklungswissenschaft dieses Bild komplett gestürzt.
00:37
So in some ways,
10
37260
2000
So glauben wir
00:39
we think that this baby's thinking
11
39260
2000
in gewisser Hinsicht, dass dieses Baby
00:41
is like the thinking of the most brilliant scientists.
12
41260
4000
wie die brillantesten Wissenschafter denkt.
00:45
Let me give you just one example of this.
13
45260
2000
Lassen Sie mich Ihnen nur ein Beispiel nennen.
00:47
One thing that this baby could be thinking about,
14
47260
3000
Eine Sache, über die dieses Baby nachdenken könnte,
00:50
that could be going on in his mind,
15
50260
2000
was in seinem Kopf vorgehen könnte,
00:52
is trying to figure out
16
52260
2000
wäre, dass es versucht herauszufinden,
00:54
what's going on in the mind of that other baby.
17
54260
3000
was im Kopf des anderen Babys vorgeht.
00:57
After all, one of the things that's hardest for all of us to do
18
57260
3000
Schlussendlich ist etwas vom Schwierigsten für uns alle,
01:00
is to figure out what other people are thinking and feeling.
19
60260
3000
herauszufinden, was andere Menschen denken und fühlen.
01:03
And maybe the hardest thing of all
20
63260
2000
Und das vielleicht Schwierigste von allem
01:05
is to figure out that what other people think and feel
21
65260
3000
ist zu begreifen, dass das, was andere Menschen denken und fühlen
01:08
isn't actually exactly like what we think and feel.
22
68260
2000
nicht genau das ist, was wir denken und fühlen.
01:10
Anyone who's followed politics can testify
23
70260
2000
Jeder, der die Politik verfolgt, kann bezeugen,
01:12
to how hard that is for some people to get.
24
72260
3000
wie schwierig das für gewisse Menschen ist.
01:15
We wanted to know
25
75260
2000
Wir wollten wissen,
01:17
if babies and young children
26
77260
2000
ob Babys und kleine Kinder
01:19
could understand this really profound thing about other people.
27
79260
3000
diese wirklich tiefgreifende Sache über andere Menschen verstehen können.
01:22
Now the question is: How could we ask them?
28
82260
2000
Nun ist die Frage: Wie könnten wir sie fragen?
01:24
Babies, after all, can't talk,
29
84260
2000
Schlussendlich können Babys nicht sprechen,
01:26
and if you ask a three year-old
30
86260
2000
und wenn Sie einen Dreijährigen bitten,
01:28
to tell you what he thinks,
31
88260
2000
Ihnen zu erzählen, was er denkt,
01:30
what you'll get is a beautiful stream of consciousness monologue
32
90260
3000
erhalten Sie einen schönen Bewusstseinsstrom-Monolog
01:33
about ponies and birthdays and things like that.
33
93260
3000
über Ponys und Geburtstage und solche Sachen.
01:36
So how do we actually ask them the question?
34
96260
3000
Wie also stellen wir ihnen tatsächlich diese Frage?
01:39
Well it turns out that the secret was broccoli.
35
99260
3000
Nun, es hat sich herausgestellt, dass das Geheimnis Brokkoli heisst.
01:42
What we did -- Betty Rapacholi, who was one of my students, and I --
36
102260
4000
Was wir taten – Betty Rapacholi, eine meiner Studentinnen, und ich –
01:46
was actually to give the babies two bowls of food:
37
106260
3000
wir gaben den Babys zwei Schüsseln mit Essen:
01:49
one bowl of raw broccoli
38
109260
2000
Eine Schüssel mit rohem Brokkoli,
01:51
and one bowl of delicious goldfish crackers.
39
111260
3000
und eine Schüssel mit leckeren Goldfisch-Kräcker.
01:54
Now all of the babies, even in Berkley,
40
114260
3000
Nun, alle Babys, sogar die in Berkley,
01:57
like the crackers and don't like the raw broccoli.
41
117260
3000
mögen die Kräcker, aber nicht den rohen Brokkoli.
02:00
(Laughter)
42
120260
2000
(Gelächter)
02:02
But then what Betty did
43
122260
2000
Aber dann kostete Betty
02:04
was to take a little taste of food from each bowl.
44
124260
3000
ein bisschen aus beiden Schüsseln.
02:07
And she would act as if she liked it or she didn't.
45
127260
2000
Und tat so, als ob es ihr schmeckte, oder nicht.
02:09
So half the time, she acted
46
129260
2000
So tat sie zur Hälfte so,
02:11
as if she liked the crackers and didn't like the broccoli --
47
131260
2000
als ob sie die Kräcker mochte und nicht den Brokkoli –
02:13
just like a baby and any other sane person.
48
133260
3000
so wie ein Baby oder jede andere normale Person.
02:16
But half the time,
49
136260
2000
Aber zur anderen Hälfte
02:18
what she would do is take a little bit of the broccoli
50
138260
2000
versuchte sie ein bisschen Brokkoli
02:20
and go, "Mmmmm, broccoli.
51
140260
3000
und sagte: "Mmmmm, Brokkoli.
02:23
I tasted the broccoli. Mmmmm."
52
143260
3000
Ich probierte den Brokkoli. Mmmmm."
02:26
And then she would take a little bit of the crackers,
53
146260
2000
Und dann versuchte sie ein bisschen von den Kräcker,
02:28
and she'd go, "Eww, yuck, crackers.
54
148260
4000
und sagte: "Pfui, Igitt, Kräcker.
02:32
I tasted the crackers. Eww, yuck."
55
152260
3000
Ich habe die Kräcker probiert. Pfui, Igitt."
02:35
So she'd act as if what she wanted
56
155260
2000
Sie handelte also so, als ob sie genau
02:37
was just the opposite of what the babies wanted.
57
157260
3000
das Gegenteil von dem wollte, was den Babys schmeckte.
02:40
We did this with 15 and 18 month-old babies.
58
160260
2000
Wir taten dies mit 15- und 18-monatigen Babys.
02:42
And then she would simply put her hand out and say,
59
162260
3000
Und dann streckte sie ganz einfach ihre Hand aus und sagte:
02:45
"Can you give me some?"
60
165260
2000
"Kannst Du mir ein bisschen davon geben?"
02:47
So the question is: What would the baby give her,
61
167260
2000
Nun lautet die Frage: Was würde das Baby ihr geben,
02:49
what they liked or what she liked?
62
169260
2000
was ihnen schmeckte oder was ihr schmeckte?
02:51
And the remarkable thing was that 18 month-old babies,
63
171260
3000
Und das Bemerkenswerte war, dass die 18-monatigen Babys,
02:54
just barely walking and talking,
64
174260
2000
die mit Müh und Not laufen und sprechen konnten,
02:56
would give her the crackers if she liked the crackers,
65
176260
3000
ihr die Kräcker gaben, wenn ihr diese gefielen,
02:59
but they would give her the broccoli if she liked the broccoli.
66
179260
3000
ihr aber den Brokkoli gaben, wenn der ihr schmeckte.
03:02
On the other hand,
67
182260
2000
Dahingegen
03:04
15 month-olds would stare at her for a long time
68
184260
2000
starrten die 15-monatigen Babys sie lange an
03:06
if she acted as if she liked the broccoli,
69
186260
2000
wenn sie so tat, als ob sie Brokkoli mochte,
03:08
like they couldn't figure this out.
70
188260
3000
als ob sie das nicht verstehen konnten.
03:11
But then after they stared for a long time,
71
191260
2000
Aber nachdem sie dann für eine lange Zeit gestarrt hatten,
03:13
they would just give her the crackers,
72
193260
2000
haben sie ihr einfach die Kräcker gegeben,
03:15
what they thought everybody must like.
73
195260
2000
von denen sie dachten, jeder müsse sie mögen.
03:17
So there are two really remarkable things about this.
74
197260
3000
So gibt es hierzu zwei wirklich bemerkenswerte Sachen.
03:20
The first one is that these little 18 month-old babies
75
200260
3000
Die erste ist, dass diese 18-monatigen Babys
03:23
have already discovered
76
203260
2000
bereits diese wirklich tiefgreifende
03:25
this really profound fact about human nature,
77
205260
2000
Tatsache über die menschliche Natur herausgefunden hatten,
03:27
that we don't always want the same thing.
78
207260
2000
dass wir nicht immer alle dasselbe wollen.
03:29
And what's more, they felt that they should actually do things
79
209260
2000
Und ausserdem haben sie gespürt, dass sie Sachen tun sollten,
03:31
to help other people get what they wanted.
80
211260
3000
um anderen Menschen helfen zu kriegen, was diese wollten.
03:34
Even more remarkably though,
81
214260
2000
Noch bemerkenswerter jedoch ist,
03:36
the fact that 15 month-olds didn't do this
82
216260
3000
dass die Tatsache, dass 15-monatige Babys das nicht taten,
03:39
suggests that these 18 month-olds had learned
83
219260
3000
andeutet, dass diese 18-monatigen Babys
03:42
this deep, profound fact about human nature
84
222260
3000
diesen tiefen, tiefgründigen Fakt über die menschlichte Natur
03:45
in the three months from when they were 15 months old.
85
225260
3000
in den drei Monaten nach ihren ersten 15 Lebensmonaten gelernt hatten.
03:48
So children both know more and learn more
86
228260
2000
Kindern wissen und lernen also mehr,
03:50
than we ever would have thought.
87
230260
2000
als wir uns je hätten denken können.
03:52
And this is just one of hundreds and hundreds of studies over the last 20 years
88
232260
4000
Und das ist nur eine von aberhunderten von Studien der letzten 20 Jahren,
03:56
that's actually demonstrated it.
89
236260
2000
die das tatsächlich aufzeigt.
03:58
The question you might ask though is:
90
238260
2000
Die Frage, die Sie nun jedoch stellen mögen lautet:
04:00
Why do children learn so much?
91
240260
3000
Wieso lernen Kinder soviel?
04:03
And how is it possible for them to learn so much
92
243260
2000
Und wie ist es ihnen möglich, in so kurzer Zeit
04:05
in such a short time?
93
245260
2000
soviel zu lernen?
04:07
I mean, after all, if you look at babies superficially,
94
247260
2000
Ich meine, letzten Endes, wenn wir uns Babys oberflächlich betrachten,
04:09
they seem pretty useless.
95
249260
2000
erscheinen sie uns ziemlich nutzlos.
04:11
And actually in many ways, they're worse than useless,
96
251260
3000
Und tatsächlich sind sie in vielfacher Weise völlig nutzlos,
04:14
because we have to put so much time and energy
97
254260
2000
denn wir müssen soviel Zeit und Energie investieren,
04:16
into just keeping them alive.
98
256260
2000
um sie nur schon am Leben zu erhalten.
04:18
But if we turn to evolution
99
258260
2000
Aber wenn wir uns der Evolution zuwenden,
04:20
for an answer to this puzzle
100
260260
2000
um das Rätsel zu beantworten,
04:22
of why we spend so much time
101
262260
2000
wieso wir soviel Zeit aufwenden
04:24
taking care of useless babies,
102
264260
3000
um auf nutzlose Babys aufzupassen,
04:27
it turns out that there's actually an answer.
103
267260
3000
zeigt sich, dass es darauf tatsächlich eine Antwort gibt.
04:30
If we look across many, many different species of animals,
104
270260
3000
Wenn wir uns die vielen, vielen verschiedenen Tierarten ansehen,
04:33
not just us primates,
105
273260
2000
nicht nur uns Primaten,
04:35
but also including other mammals, birds,
106
275260
2000
sondern auch andere Säugetiere, Vögel,
04:37
even marsupials
107
277260
2000
sogar Beuteltiere wie
04:39
like kangaroos and wombats,
108
279260
2000
Känguruhs und Wombats einschliessen,
04:41
it turns out that there's a relationship
109
281260
2000
zeigt sich, dass es eine Beziehung gibt
04:43
between how long a childhood a species has
110
283260
4000
zwischen der Länge der Kindheit einer Gattung
04:47
and how big their brains are compared to their bodies
111
287260
4000
und der Grösse ihrer Gehirne im Vergleich zu ihren Körpern,
04:51
and how smart and flexible they are.
112
291260
2000
und wie schlau und flexibel sie sind.
04:53
And sort of the posterbirds for this idea are the birds up there.
113
293260
3000
Und eine Art Paradebeispiel für diese Idee sind die Vögel da oben.
04:56
On one side
114
296260
2000
Auf der einen Seite
04:58
is a New Caledonian crow.
115
298260
2000
ist eine Geradschnabelkrähe.
05:00
And crows and other corvidae, ravens, rooks and so forth,
116
300260
3000
Und Krähen und andere Krähenvögel, Raben, Saatkrähen und so weiter,
05:03
are incredibly smart birds.
117
303260
2000
sind unglaublich schlaue Vögel.
05:05
They're as smart as chimpanzees in some respects.
118
305260
3000
In mancher Hinsicht sind sie so schlau wie Schimpansen.
05:08
And this is a bird on the cover of science
119
308260
2000
Und das ist ein Vogel auf der Titelseite von Science,
05:10
who's learned how to use a tool to get food.
120
310260
3000
der lernte, wie er mit einem Hilfsmittel an Futter gelangte.
05:13
On the other hand,
121
313260
2000
Andererseits
05:15
we have our friend the domestic chicken.
122
315260
2000
haben wir hier unseren Freund, das Haushuhn.
05:17
And chickens and ducks and geese and turkeys
123
317260
3000
Und Hühner, Enten, Gänse und Truthahne
05:20
are basically as dumb as dumps.
124
320260
2000
sind grundsätzlich so dumm wie Bohnenstroh.
05:22
So they're very, very good at pecking for grain,
125
322260
3000
Sie sind sehr, sehr gut darin, Körner zu picken,
05:25
and they're not much good at doing anything else.
126
325260
3000
und in nichts anderem besonders gut.
05:28
Well it turns out that the babies,
127
328260
2000
Nun hat sich gezeigt, dass die Babys,
05:30
the New Caledonian crow babies, are fledglings.
128
330260
2000
die Babys der Geradschnabelkrähen, Küken sind.
05:32
They depend on their moms
129
332260
2000
Sie sind von ihren Müttern abhängig,
05:34
to drop worms in their little open mouths
130
334260
3000
die ihnen zwei Jahre lang Würmer
05:37
for as long as two years,
131
337260
2000
in ihre kleinen geöffneten Münder stecken,
05:39
which is a really long time in the life of a bird.
132
339260
2000
was eine wirklich lange Zeit ist im Leben eines Vogels.
05:41
Whereas the chickens are actually mature
133
341260
2000
Wohingegen die Hühner innerhalb weniger
05:43
within a couple of months.
134
343260
2000
Monate reif sind.
05:45
So childhood is the reason
135
345260
3000
Also ist die Kindheit der Grund,
05:48
why the crows end up on the cover of Science
136
348260
2000
wieso Krähen auf dem Titelbild von Science enden,
05:50
and the chickens end up in the soup pot.
137
350260
2000
und die Hühner im Suppentopf.
05:52
There's something about that long childhood
138
352260
3000
Es besteht also ein Zusammenhang zwischen
05:55
that seems to be connected
139
355260
2000
einer langen Kindheit und
05:57
to knowledge and learning.
140
357260
2000
Wissen und Lernen.
05:59
Well what kind of explanation could we have for this?
141
359260
3000
Was für eine Erklärung könnten wir dafür haben?
06:02
Well some animals, like the chicken,
142
362260
3000
Nun, einige Tiere, wie die Hühner,
06:05
seem to be beautifully suited
143
365260
2000
scheinen bestens dazu geeignet,
06:07
to doing just one thing very well.
144
367260
2000
nur eine Sache besonders gut zu können.
06:09
So they seem to be beautifully suited
145
369260
3000
Sie scheinen also bestens geeignet,
06:12
to pecking grain in one environment.
146
372260
2000
in einem Umfeld Körner zu picken.
06:14
Other creatures, like the crows,
147
374260
2000
Andere Lebewesen, wie die Krähen,
06:16
aren't very good at doing anything in particular,
148
376260
2000
können nichts besonders gut,
06:18
but they're extremely good
149
378260
2000
sind aber extrem gut darin,
06:20
at learning about laws of different environments.
150
380260
2000
die Gesetze der verschiedenen Umgebungen zu erlernen.
06:22
And of course, we human beings
151
382260
2000
Und natürlich sind wir Menschen
06:24
are way out on the end of the distribution like the crows.
152
384260
3000
sind ganz am Ende dieser Verteilung, wie die Krähen.
06:27
We have bigger brains relative to our bodies
153
387260
2000
Wir haben grössere Gehirne im Vergleich zu unseren Körpern,
06:29
by far than any other animal.
154
389260
2000
mit grossem Abstand zu den anderen Tieren.
06:31
We're smarter, we're more flexible,
155
391260
2000
Wir sind schlauer, flexibler,
06:33
we can learn more,
156
393260
2000
wir können mehr lernen,
06:35
we survive in more different environments,
157
395260
2000
wir überleben in verschiedeneren Umgebungen,
06:37
we migrated to cover the world and even go to outer space.
158
397260
3000
wir wanderten aus, um die Welt zu besiedeln und flogen sogar in den Weltraum.
06:40
And our babies and children are dependent on us
159
400260
3000
Und unsere Babys und Kinder sind viel länger
06:43
for much longer than the babies of any other species.
160
403260
3000
abhängig von uns als die Babys jeder anderen Gattung.
06:46
My son is 23.
161
406260
2000
Mein Sohn ist 23.
06:48
(Laughter)
162
408260
2000
(Gelächter)
06:50
And at least until they're 23,
163
410260
2000
Und mindestens bis sie 23 sind,
06:52
we're still popping those worms
164
412260
2000
stecken wir ihnen noch immer diese Würmer
06:54
into those little open mouths.
165
414260
3000
in diese kleinen offenen Münder.
06:57
All right, why would we see this correlation?
166
417260
3000
Also gut, wieso sehen wir diesen Zusammenhang?
07:00
Well an idea is that that strategy, that learning strategy,
167
420260
4000
Nun, eine Idee ist, dass diese Strategie, diese Lernstrategie,
07:04
is an extremely powerful, great strategy for getting on in the world,
168
424260
3000
eine extrem mächtige, grossartige Strategie ist, um in der Welt weiter zu kommen,
07:07
but it has one big disadvantage.
169
427260
2000
aber sie hat einen grossen Nachteil.
07:09
And that one big disadvantage
170
429260
2000
Und dieser eine grosse Nachteil ist,
07:11
is that, until you actually do all that learning,
171
431260
3000
dass man, bis man tatsächlich all das lernt,
07:14
you're going to be helpless.
172
434260
2000
hilflos sein wird.
07:16
So you don't want to have the mastodon charging at you
173
436260
3000
Sie möchten also nicht das Rüsseltier auf Sie losstürmen sehen
07:19
and be saying to yourself,
174
439260
2000
und sich sagen:
07:21
"A slingshot or maybe a spear might work. Which would actually be better?"
175
441260
4000
"Eine Steinschleuder oder vielleicht ein Speer könnte helfen. Was wäre wohl besser?"
07:25
You want to know all that
176
445260
2000
Sie möchten das alles wissen,
07:27
before the mastodons actually show up.
177
447260
2000
bevor die Rüsseltiere tatsächlich auftauchen.
07:29
And the way the evolutions seems to have solved that problem
178
449260
3000
Und die Evolution scheint dieses Problem mit einer Art von
07:32
is with a kind of division of labor.
179
452260
2000
Arbeitsteilung gelöst zu haben.
07:34
So the idea is that we have this early period when we're completely protected.
180
454260
3000
Die Idee ist, dass wir alle diese Frühzeit haben, in der wir komplett beschützt sind.
07:37
We don't have to do anything. All we have to do is learn.
181
457260
3000
Wir müssen nichts verrichten. Alles was wir tun müssen ist lernen.
07:40
And then as adults,
182
460260
2000
Und dann, als Erwachsene,
07:42
we can take all those things that we learned when we were babies and children
183
462260
3000
können wir all diese Dinge, die wir als Babys und Kinder lernten, nehmen
07:45
and actually put them to work to do things out there in the world.
184
465260
3000
und sie quasi zur Arbeit schicken um Dinge zu erledigen draussen in der Welt.
07:48
So one way of thinking about it
185
468260
2000
Eine Denkweise wäre also,
07:50
is that babies and young children
186
470260
2000
dass Babys und kleine Kinder
07:52
are like the research and development division of the human species.
187
472260
3000
wie die Forschungs- und Entwicklungsabteilung der menschlichen Gattung sind.
07:55
So they're the protected blue sky guys
188
475260
3000
Sie sind die beschützten Idealisten,
07:58
who just have to go out and learn and have good ideas,
189
478260
2000
die einfach nur in die Welt hinaus gehen, lernen und gute ideen haben müssen,
08:00
and we're production and marketing.
190
480260
2000
und wir sind die Produktions- und Marketingabteilung.
08:02
We have to take all those ideas
191
482260
2000
Wir müssen all diese Ideen nehmen,
08:04
that we learned when we were children
192
484260
2000
die wir lernten, als wir Kinder waren,
08:06
and actually put them to use.
193
486260
2000
und sie tatsächlich umsetzen.
08:08
Another way of thinking about it
194
488260
2000
Eine andere Denkweise wäre,
08:10
is instead of thinking of babies and children
195
490260
2000
Babys und Kinder nicht als
08:12
as being like defective grownups,
196
492260
2000
unvollkommene Erwachsene zu sehen,
08:14
we should think about them
197
494260
2000
sondern in einem anderen Entwicklungsstadium,
08:16
as being a different developmental stage of the same species --
198
496260
2000
aber in derselben Gattung –
08:18
kind of like caterpillars and butterflies --
199
498260
3000
in etwa so wie Raupen und Schmetterlinge –
08:21
except that they're actually the brilliant butterflies
200
501260
2000
nur dass sie eigentlich die brillanten Schmetterlinge sind,
08:23
who are flitting around the garden and exploring,
201
503260
3000
die im Garten herumfliegen und auskundschaften,
08:26
and we're the caterpillars
202
506260
2000
und wir sind die Raupen,
08:28
who are inching along our narrow, grownup, adult path.
203
508260
3000
die sich langsam auf unserem schmalen, erwachsenen Pfad bewegen.
08:31
If this is true, if these babies are designed to learn --
204
511260
3000
Wenn das stimmt, wenn Babys bestimmt sind zu lernen –
08:34
and this evolutionary story would say children are for learning,
205
514260
3000
und diese Evolutionsgeschichte würde sagen, dass Kinder zum Lernen da sind,
08:37
that's what they're for --
206
517260
2000
wenn sie dafür bestimmt sind –
08:39
we might expect
207
519260
2000
könnten wir erwarten,
08:41
that they would have really powerful learning mechanisms.
208
521260
2000
dass sie über wirklich mächtige Lernmechanismen verfügen.
08:43
And in fact, the baby's brain
209
523260
3000
Und tatsächlich, das Gehirn eines Babys
08:46
seems to be the most powerful learning computer
210
526260
2000
scheint der mächtigste Lerncomputer auf dem
08:48
on the planet.
211
528260
2000
Planeten zu sein.
08:50
But real computers are actually getting to be a lot better.
212
530260
3000
Aber genau genommen werden richtige Computer viel besser werden.
08:53
And there's been a revolution
213
533260
2000
Und es gab eine Revolution
08:55
in our understanding of machine learning recently.
214
535260
2000
in unserem Verständnis über maschinelles Lernen.
08:57
And it all depends on the ideas of this guy,
215
537260
3000
Und alles ist abhängig von den Ideen dieses Mannes,
09:00
the Reverend Thomas Bayes,
216
540260
2000
Reverend Thomas Bayes,
09:02
who was a statistician and mathematician in the 18th century.
217
542260
3000
der ein Statistiker und Mathematiker im 18. Jahrhundert war.
09:05
And essentially what Bayes did
218
545260
3000
Und was Bayes im wesentlichen getan hat war,
09:08
was to provide a mathematical way
219
548260
2000
einen mathematischen Weg aufzuzeigen,
09:10
using probability theory
220
550260
2000
mit Hilfe der Wahrscheinlichkeitstheorie,
09:12
to characterize, describe,
221
552260
2000
um zu charakterisieren, beschreiben,
09:14
the way that scientists find out about the world.
222
554260
2000
wie Wissenschafter die Welt erkunden.
09:16
So what scientists do
223
556260
2000
Was Wissenschafter also tun,
09:18
is they have a hypothesis that they think might be likely to start with.
224
558260
3000
sie haben eine Hypothese, die möglich scheint, und beginnen damit.
09:21
They go out and test it against the evidence.
225
561260
2000
Sie beginnen damit und testen sie gegen die Messung.
09:23
The evidence makes them change that hypothesis.
226
563260
2000
Der Befund bringt sie dazu, die Hypothese zu ändern.
09:25
Then they test that new hypothesis
227
565260
2000
Dann testen sie diese neue Hypothese,
09:27
and so on and so forth.
228
567260
2000
und so weiter und so fort.
09:29
And what Bayes showed was a mathematical way that you could do that.
229
569260
3000
Und Bayes zeigte einen mathematischen Weg auf, wie man das tun könnte.
09:32
And that mathematics is at the core
230
572260
2000
Und diese Mathematik ist im Mittelpunkt
09:34
of the best machine learning programs that we have now.
231
574260
2000
der besten maschinellen Lernprogramme, die wir heute haben.
09:36
And some 10 years ago,
232
576260
2000
Und vor etwa 10 Jahren
09:38
I suggested that babies might be doing the same thing.
233
578260
4000
habe ich behauptet, dass Babys dasselbe tun würden.
09:42
So if you want to know what's going on
234
582260
2000
Wenn Sie also wissen möchten, was
09:44
underneath those beautiful brown eyes,
235
584260
2000
hinter diesen schönen braunen Augen passiert,
09:46
I think it actually looks something like this.
236
586260
2000
stelle ich mir das in etwa so vor.
09:48
This is Reverend Bayes's notebook.
237
588260
2000
Das ist Reverend Bayes Notizbuch.
09:50
So I think those babies are actually making complicated calculations
238
590260
3000
Ich denke, diese Babys machen eigentlich komplizierte Kalkulationen
09:53
with conditional probabilities that they're revising
239
593260
3000
mit bedingten Wahrscheinlichkeiten, die sie korrigieren,
09:56
to figure out how the world works.
240
596260
2000
um herauszufinden, wie die Welt funktioniert.
09:58
All right, now that might seem like an even taller order to actually demonstrate.
241
598260
4000
Nun gut, es mag nun noch mehr verlangt sein, das zu beweisen.
10:02
Because after all, if you ask even grownups about statistics,
242
602260
2000
Denn schlussendlich, selbst wenn Sie Erwachsene über Statistiken befragen,
10:04
they look extremely stupid.
243
604260
2000
stehen diese extrem dumm da.
10:06
How could it be that children are doing statistics?
244
606260
3000
Wie also sollen Kinder Statistken erstellen?
10:09
So to test this we used a machine that we have
245
609260
2000
Um das zu testen, benutzten wir eine Maschine, die wir
10:11
called the Blicket Detector.
246
611260
2000
"Blicket Detektor" nannten.
10:13
This is a box that lights up and plays music
247
613260
2000
Das ist eine Box die leuchtet und Musik spielt,
10:15
when you put some things on it and not others.
248
615260
3000
wenn man die richtigen Dinge auf sie stellt.
10:18
And using this very simple machine,
249
618260
2000
Und mit dieser sehr einfachen Maschine
10:20
my lab and others have done dozens of studies
250
620260
2000
haben mein Labor und andere Dutzende von Studien gemacht
10:22
showing just how good babies are
251
622260
2000
die zeigen, wie gut Babys sind,
10:24
at learning about the world.
252
624260
2000
wenn es darum geht, mehr über die Welt zu lernen.
10:26
Let me mention just one
253
626260
2000
Lassen Sie mich nur eine Studie erwähnen,
10:28
that we did with Tumar Kushner, my student.
254
628260
2000
die wir mit Tumar Kushner, meinem Studenten, verfassten.
10:30
If I showed you this detector,
255
630260
2000
Würde ich Ihnen diesen Detektor zeigen,
10:32
you would be likely to think to begin with
256
632260
2000
würden Sie wahrscheinlich annehmen, dass Sie
10:34
that the way to make the detector go
257
634260
2000
ihn aktivieren können, indem Sie
10:36
would be to put a block on top of the detector.
258
636260
3000
einen Block auf den Detektor stellen.
10:39
But actually, this detector
259
639260
2000
Dieser Detektor aber
10:41
works in a bit of a strange way.
260
641260
2000
funktioniert auf eine ein bisschen seltsame Weise.
10:43
Because if you wave a block over the top of the detector,
261
643260
3000
Wenn Sie nämlich einen Block oberhalb des Detektors
10:46
something you wouldn't ever think of to begin with,
262
646260
3000
hin und her bewegen, etwas, worauf Sie zu Beginn gar nie kommen würden,
10:49
the detector will actually activate two out of three times.
263
649260
3000
wird sich der Detektor in zwei von drei Fällen automatisch aktivieren.
10:52
Whereas, if you do the likely thing, put the block on the detector,
264
652260
3000
Wohingegen sich der Detektor, wenn Sie das Wahrscheinliche tun und den Block auf ihn stellen,
10:55
it will only activate two out of six times.
265
655260
4000
nur in zwei von sechs Fällen aktiviert.
10:59
So the unlikely hypothesis
266
659260
2000
Die unwahrscheinliche Hypothese hat
11:01
actually has stronger evidence.
267
661260
2000
also deutlichere Beweiskraft.
11:03
It looks as if the waving
268
663260
2000
Es sieht so aus, als ob das Hin- und Herbewegen
11:05
is a more effective strategy than the other strategy.
269
665260
2000
eine effektivere Strategie ist als die andere.
11:07
So we did just this; we gave four year-olds this pattern of evidence,
270
667260
3000
Wir taten also folgendes: Wir gaben Vierjährigen dieses Muster in den Indizien
11:10
and we just asked them to make it go.
271
670260
2000
und wir baten sie nur, den Detektor funktionieren zu lassen.
11:12
And sure enough, the four year-olds used the evidence
272
672260
3000
Und wirklich, die Vierjährigen benutzten die Hinweise,
11:15
to wave the object on top of the detector.
273
675260
3000
um das Objekt oberhalb des Detektors hin- und her zu bewegen.
11:18
Now there are two things that are really interesting about this.
274
678260
3000
Nun gibt es zwei Sachen, die wirklich interessant daran sind.
11:21
The first one is, again, remember, these are four year-olds.
275
681260
3000
Die erste ist, wieder, denken Sie daran, das sind Vierjährige.
11:24
They're just learning how to count.
276
684260
2000
Sie lernen gerade erst, wie man zählt.
11:26
But unconsciously,
277
686260
2000
Aber unbewusst
11:28
they're doing these quite complicated calculations
278
688260
2000
stellen sie diese ziemlich komplizierten Kalkulationen an,
11:30
that will give them a conditional probability measure.
279
690260
3000
die ihnen ein bedingtes Wahrscheinlichkeitsmass geben.
11:33
And the other interesting thing
280
693260
2000
Und die andere interessante Sache ist,
11:35
is that they're using that evidence
281
695260
2000
dass sie diesen Hinweis nutzten,
11:37
to get to an idea, get to a hypothesis about the world,
282
697260
3000
um eine Idee, eine Hypothese über die Welt zu erhalten,
11:40
that seems very unlikely to begin with.
283
700260
3000
mit der man sehr wahrscheinlich nicht beginnen würde.
11:43
And in studies we've just been doing in my lab, similar studies,
284
703260
3000
Und in Studien, die wir soeben in meinem Labor gemacht haben, ähnlichen Studien,
11:46
we've show that four year-olds are actually better
285
706260
2000
haben wir aufgezeigt, dass Vierjährige tatsächlich besser darin sind,
11:48
at finding out an unlikely hypothesis
286
708260
3000
unwahrscheinliche Hypothesen ausfindig zu machen
11:51
than adults are when we give them exactly the same task.
287
711260
3000
als Erwachsene, wenn wir ihnen die genau gleiche Aufgabe stellen.
11:54
So in these circumstances,
288
714260
2000
Unter diesen Umständen also
11:56
the children are using statistics to find out about the world,
289
716260
3000
benutzen die Kinder Statistiken um herauszufinden, wie die Welt funktioniert,
11:59
but after all, scientists also do experiments,
290
719260
3000
aber schliesslich machen Wissenschafter auch Experimente,
12:02
and we wanted to see if children are doing experiments.
291
722260
3000
und wir wollten sehen, ob auch Kinder Experimente machen.
12:05
When children do experiments we call it "getting into everything"
292
725260
3000
Wenn Kinder experimentieren, nennen wir das "in alles hinein geraten"
12:08
or else "playing."
293
728260
2000
beziehungsweise "spielen".
12:10
And there's been a bunch of interesting studies recently
294
730260
3000
Und kürzlich gab es einen Haufen interessante Studien
12:13
that have shown this playing around
295
733260
3000
die aufzeigten, dass dieses Herumspielen
12:16
is really a kind of experimental research program.
296
736260
2000
wirklich eine Art experimentielles Forschungsprogramm ist.
12:18
Here's one from Cristine Legare's lab.
297
738260
3000
Hier ist eine vom Labor von Cristine Legare.
12:21
What Cristine did was use our Blicket Detectors.
298
741260
3000
Cristine hat unseren "Blicket Detektor" benutzt.
12:24
And what she did was show children
299
744260
2000
Und sie hat damit Kindern gezeigt,
12:26
that yellow ones made it go and red ones didn't,
300
746260
2000
dass die gelben ihn zum Funktionieren brachten und die roten nicht,
12:28
and then she showed them an anomaly.
301
748260
3000
und hat ihnen dann eine Anomalie gezeigt.
12:31
And what you'll see
302
751260
2000
Und sie werden sehen,
12:33
is that this little boy will go through five hypotheses
303
753260
3000
dass der kleine Junge durch fünf Hypothesen gehen wird,
12:36
in the space of two minutes.
304
756260
3000
in der Zeit von zwei Minuten.
12:39
(Video) Boy: How about this?
305
759260
3000
(Video) Junge: Wie wär's damit?
12:43
Same as the other side.
306
763260
3000
Gleich wie die andere Seite.
12:46
Alison Gopnik: Okay, so his first hypothesis has just been falsified.
307
766260
4000
Alison Gopnik: Okay, seine erste Hypothese wurde soeben verworfen.
12:55
(Laughter)
308
775260
2000
(Gelächter)
12:57
Boy: This one lighted up, and this one nothing.
309
777260
3000
Junge: Das hier hat aufgeleuchtet, das hier nicht.
13:00
AG: Okay, he's got his experimental notebook out.
310
780260
3000
AG: Okay, er hat sein experimentielles Notizbuch hervorgeholt.
13:06
Boy: What's making this light up.
311
786260
4000
Boy: Was bringt das hier zum aufleuchten.
13:11
(Laughter)
312
791260
9000
(Gelächter)
13:20
I don't know.
313
800260
2000
Ich weiss es nicht.
13:22
AG: Every scientist will recognize that expression of despair.
314
802260
4000
AG: Jeder Wissenschafter wird diesen Ausdruck der Verzweiflung kennen.
13:26
(Laughter)
315
806260
3000
(Gelächter)
13:29
Boy: Oh, it's because this needs to be like this,
316
809260
6000
Junge: Oh, es ist, weil das so sein muss,
13:35
and this needs to be like this.
317
815260
2000
und das muss so sein.
13:37
AG: Okay, hypothesis two.
318
817260
3000
AG: Okay, zweite Hypothese.
13:40
Boy: That's why.
319
820260
2000
Boy: Darum.
13:42
Oh.
320
822260
2000
Oh.
13:44
(Laughter)
321
824260
5000
(Gelächter)
13:49
AG: Now this is his next idea.
322
829260
2000
AG: Das ist nun seine nächste Idee.
13:51
He told the experimenter to do this,
323
831260
2000
Er bat die Experimentatorin, das zu tun,
13:53
to try putting it out onto the other location.
324
833260
4000
zu versuchen, es auf die andere Seite zu stellen.
13:57
Not working either.
325
837260
2000
Funktioniert auch nicht.
14:02
Boy: Oh, because the light goes only to here,
326
842260
4000
Boy: Oh, das Licht leuchtet nur da auf,
14:06
not here.
327
846260
3000
nicht hier.
14:09
Oh, the bottom of this box
328
849260
3000
Oh, der Boden dieser Schachtel
14:12
has electricity in here,
329
852260
2000
hat Elektrizät drin,
14:14
but this doesn't have electricity.
330
854260
2000
und dieser hier hat keine Elektrizität.
14:16
AG: Okay, that's a fourth hypothesis.
331
856260
2000
AG: Okay, das ist eine vierte Hypothese.
14:18
Boy: It's lighting up.
332
858260
2000
Junge: Es leuchtet auf.
14:20
So when you put four.
333
860260
5000
Wenn man also vier darauf stellt.
14:26
So you put four on this one to make it light up
334
866260
3000
Man stellt also vier darauf, um ihn aufleuchten zu lassen
14:29
and two on this one to make it light up.
335
869260
2000
und zwei auf diesen, um ihn aufleuchten zu lassen.
14:31
AG: Okay,there's his fifth hypothesis.
336
871260
2000
AG: Okay, da ist seine fünfte Hypothese.
14:33
Now that is a particularly --
337
873260
3000
Nun das ist speziell –
14:36
that is a particularly adorable and articulate little boy,
338
876260
3000
das ist ein besonders liebenswerter und redegewandter kleiner Junge,
14:39
but what Cristine discovered is this is actually quite typical.
339
879260
3000
aber was Cristine entdeckte, ist eigentlich ziemlich typisch.
14:42
If you look at the way children play, when you ask them to explain something,
340
882260
3000
Wenn Sie sich anschauen, wie Kinder spielen, wenn Sie sie bitten, Ihnen etwas zu erklären,
14:45
what they really do is do a series of experiments.
341
885260
3000
dann machen sie eigentlich eine Serie von Experimenten.
14:48
This is actually pretty typical of four year-olds.
342
888260
3000
Das ist sogar ziemlich typisch für Vierjährige.
14:51
Well, what's it like to be this kind of creature?
343
891260
3000
Nun, wie ist es, ein solches Geschöpf zu sein?
14:54
What's it like to be one of these brilliant butterflies
344
894260
3000
Wie ist es, einer dieser grossartigen Schmetterlinge zu sein,
14:57
who can test five hypotheses in two minutes?
345
897260
3000
der fünf Hypothesen in zwei Minuten testen kann?
15:00
Well, if you go back to those psychologists and philosophers,
346
900260
3000
Gehen wir doch zurück zu diesen Psychologen und Philosophen,
15:03
a lot of them have said
347
903260
2000
viele von ihnen haben gesagt,
15:05
that babies and young children were barely conscious
348
905260
2000
dass sich Babies und kleine Kinder kaum bewusst seien,
15:07
if they were conscious at all.
349
907260
2000
wenn sie sich überhaupt bewusst seien.
15:09
And I think just the opposite is true.
350
909260
2000
Und ich glaube, genau das Gegenteil trifft zu.
15:11
I think babies and children are actually more conscious than we are as adults.
351
911260
3000
Ich glaube dass sich Babies und Kinder mehr bewusst sind als wir Erwachsene.
15:14
Now here's what we know about how adult consciousness works.
352
914260
3000
Nun hier ist, was wir über das Bewusstsein von Erwachsenen wissen.
15:17
And adults' attention and consciousness
353
917260
2000
Und die Aufmerksamkeit und das Bewusstein von Erwachsenen
15:19
look kind of like a spotlight.
354
919260
2000
sieht irgendwie aus wie ein Scheinwerfer.
15:21
So what happens for adults
355
921260
2000
Bei uns Erwachsenen ist es also so,
15:23
is we decide that something's relevant or important,
356
923260
2000
dass wir entscheiden, ob etwas relevant oder wichtig ist,
15:25
we should pay attention to it.
357
925260
2000
ob wir der Sache Aufmerksamkeit schenken sollen.
15:27
Our consciousness of that thing that we're attending to
358
927260
2000
Unser Bewusstsein über diese Sache
15:29
becomes extremely bright and vivid,
359
929260
3000
wird extrem hell und lebhaft,
15:32
and everything else sort of goes dark.
360
932260
2000
und alles andere wird wie dunkel.
15:34
And we even know something about the way the brain does this.
361
934260
3000
Und wir wissen sogar etwas über die Weise, wie unser Gehirn das tut.
15:37
So what happens when we pay attention
362
937260
2000
Was also passiert, während wir etwas Aufmerksamkeit zollen,
15:39
is that the prefrontal cortex, the sort of executive part of our brains,
363
939260
3000
ist, dass der präfrontale Kortex, der eigentlich ausführende Teil unseres Gehirns,
15:42
sends a signal
364
942260
2000
ein Signal sendet,
15:44
that makes a little part of our brain much more flexible,
365
944260
2000
das einen kleinen Teil unseres Gehirns viel flexibler macht,
15:46
more plastic, better at learning,
366
946260
2000
formbarer, lernfähiger,
15:48
and shuts down activity
367
948260
2000
und es schaltet Aktivitäten
15:50
in all the rest of our brains.
368
950260
2000
im Rest unseres Gehirns aus.
15:52
So we have a very focused, purpose-driven kind of attention.
369
952260
4000
Wir haben also eine sehr fokussierte, zweckgetriebene Art von Aufmerksamkeit.
15:56
If we look at babies and young children,
370
956260
2000
Wenn wir uns Babys und kleine Kinder anschauen,
15:58
we see something very different.
371
958260
2000
sehen wir etwas sehr anderes.
16:00
I think babies and young children
372
960260
2000
Ich glaube Babys und kleine Kinder
16:02
seem to have more of a lantern of consciousness
373
962260
2000
scheinen eher eine Laterne des Bewusstseins zu haben,
16:04
than a spotlight of consciousness.
374
964260
2000
als ein Scheinwerfer des Bewusstseins.
16:06
So babies and young children are very bad
375
966260
3000
Babys und kleine Kinder sind also schlecht darin,
16:09
at narrowing down to just one thing.
376
969260
3000
sich auf eine engere Wahl zu konzentrieren.
16:12
But they're very good at taking in lots of information
377
972260
3000
Aber sie sind sehr gut darin, viele Informationen von vielen
16:15
from lots of different sources at once.
378
975260
2000
verschiedenen Quellen gleichzeitig aufzunehmen.
16:17
And if you actually look in their brains,
379
977260
2000
Und wenn Sie tatsächlich in ihre Gehirne schauen,
16:19
you see that they're flooded with these neurotransmitters
380
979260
3000
sehen Sie, dass sie mit diesen Neurotransmittern überflutet sind,
16:22
that are really good at inducing learning and plasticity,
381
982260
2000
die sehr gut darin sind, Lernen und Plastizität hervorzubringen,
16:24
and the inhibitory parts haven't come on yet.
382
984260
3000
und die hemmenden Teile sind noch nicht ins Spiel gekommen.
16:27
So when we say that babies and young children
383
987260
2000
Wenn wir also sagen, dass Babys und kleine Kinder
16:29
are bad at paying attention,
384
989260
2000
schlecht aufmerksam sein können,
16:31
what we really mean is that they're bad at not paying attention.
385
991260
4000
dann meinen wir eigentlich, dass sie schlecht darin sind, nicht aufmerksam zu sein.
16:35
So they're bad at getting rid
386
995260
2000
Sie sind also schlecht darin,
16:37
of all the interesting things that could tell them something
387
997260
2000
sich von all den interessanten Dingen zu lösen, die ihnen etwas erzählen könnten,
16:39
and just looking at the thing that's important.
388
999260
2000
und sich nur auf das wichtige fokussieren.
16:41
That's the kind of attention, the kind of consciousness,
389
1001260
3000
Und das ist die Art von Aufmerksamkeit, die Art von Bewusstsein,
16:44
that we might expect
390
1004260
2000
die wir erwarten mögen
16:46
from those butterflies who are designed to learn.
391
1006260
2000
von diesen Schmetterlingen, die entworfen wurden um zu lernen.
16:48
Well if we want to think about a way
392
1008260
2000
Nun, wenn wir über einen Weg nachdenken wollen,
16:50
of getting a taste of that kind of baby consciousness as adults,
393
1010260
4000
um sich als Erwachsener ein Bild des Bewusstsein eines Babys zu machen,
16:54
I think the best thing is think about cases
394
1014260
2000
denke ich, dass wir am besten über Fälle nachzudenken,
16:56
where we're put in a new situation that we've never been in before --
395
1016260
3000
in denen wir in eine neue Situation gebracht wurden, in der wir noch nie zuvor waren –
16:59
when we fall in love with someone new,
396
1019260
2000
wenn wir uns in jemanden Neuen verlieben,
17:01
or when we're in a new city for the first time.
397
1021260
3000
oder wenn wir zum ersten Mal in einer uns unbekannten Stadt sind.
17:04
And what happens then is not that our consciousness contracts,
398
1024260
2000
Und dann kontrahiert nicht unser Bewusstsein, sondern
17:06
it expands,
399
1026260
2000
es expandiert,
17:08
so that those three days in Paris
400
1028260
2000
so dass diese drei Tage in Paris
17:10
seem to be more full of consciousness and experience
401
1030260
2000
intensiver an Bewusstsein und Erfahrungen zu sein scheinen
17:12
than all the months of being
402
1032260
2000
als all die Monate, in denen wir
17:14
a walking, talking, faculty meeting-attending zombie back home.
403
1034260
4000
zuhause ein wandelnder, sprechender, an Lehrerkonferenzen teilnehmender Zombie waren.
17:18
And by the way, that coffee,
404
1038260
2000
Und übrigens, dieser Kaffee,
17:20
that wonderful coffee you've been drinking downstairs,
405
1040260
2000
dieser wunderbare Kaffee, den Sie unten getrunken haben,
17:22
actually mimics the effect
406
1042260
2000
ahmt den Effekt dieser
17:24
of those baby neurotransmitters.
407
1044260
2000
Baby-Neurotransmitter nach.
17:26
So what's it like to be a baby?
408
1046260
2000
Wie ist es also, ein Baby zu sein?
17:28
It's like being in love
409
1048260
2000
Es ist, wie wenn man verliebt
17:30
in Paris for the first time
410
1050260
2000
und zum ersten Mal in Paris ist,
17:32
after you've had three double-espressos.
411
1052260
2000
und drei doppelte Espressi getrunken hat.
17:34
(Laughter)
412
1054260
3000
(Gelächter)
17:37
That's a fantastic way to be,
413
1057260
2000
So zu leben ist fantastisch,
17:39
but it does tend to leave you waking up crying at three o'clock in the morning.
414
1059260
4000
tendiert aber dazu, dass Sie morgens um drei Uhr weinend aufwachen.
17:43
(Laughter)
415
1063260
3000
(Gelächter)
17:46
Now it's good to be a grownup.
416
1066260
2000
Eben, es ist gut, ein Erwachsener zu sein.
17:48
I don't want to say too much about how wonderful babies are.
417
1068260
2000
Ich möchte nicht zuviel darüber sagen, wie wunderbar Babys sind.
17:50
It's good to be a grownup.
418
1070260
2000
Es ist gut, ein Erwachsener zu sein.
17:52
We can do things like tie our shoelaces and cross the street by ourselves.
419
1072260
3000
Wir können Dinge wie unsere Schnürsenkel knüpfen und die Strasse alleine überqueren.
17:55
And it makes sense that we put a lot of effort
420
1075260
2000
Und es macht Sinn, dass wir uns sehr bemühen
17:57
into making babies think like adults do.
421
1077260
4000
Babys dazu zu bringen, wie Erwachsene zu denken.
18:01
But if what we want is to be like those butterflies,
422
1081260
3000
Aber wenn wir wie diese Schmetterlinge sein möchten,
18:04
to have open-mindedness, open learning,
423
1084260
3000
aufgeschlossen und offen dem Lernen gegenüber,
18:07
imagination, creativity, innovation,
424
1087260
2000
Vorstellung, Kreativität, Innovation
18:09
maybe at least some of the time
425
1089260
2000
vielleicht wenigstens manchmal,
18:11
we should be getting the adults
426
1091260
2000
sollten wir die Erwachsenen dazu bringen,
18:13
to start thinking more like children.
427
1093260
2000
mehr wie Kinder zu denken.
18:15
(Applause)
428
1095260
8000
(Applaus)

Original video on YouTube.com
Über diese Website

Auf dieser Seite finden Sie YouTube-Videos, die zum Englischlernen nützlich sind. Sie sehen Englischlektionen, die von hochkarätigen Lehrern aus der ganzen Welt unterrichtet werden. Doppelklicken Sie auf die englischen Untertitel, die auf jeder Videoseite angezeigt werden, um das Video von dort aus abzuspielen. Die Untertitel laufen synchron mit der Videowiedergabe. Wenn Sie irgendwelche Kommentare oder Wünsche haben, kontaktieren Sie uns bitte über dieses Kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7