Laura Schulz: The surprisingly logical minds of babies

233,233 views ・ 2015-06-02

TED


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

Übersetzung: Lesley-Ann Mathis Lektorat: Patricia Calderón Koch
00:12
Mark Twain summed up what I take to be
0
12835
2155
Mark Twain hat das,
00:14
one of the fundamental problems of cognitive science
1
14990
3120
was ich als grundsätzliches Problem der Kognitionswissenschaft sehe,
00:18
with a single witticism.
2
18110
1710
in einem einzigen Satz zusammengefasst.
00:20
He said, "There's something fascinating about science.
3
20410
3082
Er sagte: "Wissenschaft hat etwas Faszinierendes an sich.
00:23
One gets such wholesale returns of conjecture
4
23492
3228
So eine geringe Investition in Fakten
00:26
out of such a trifling investment in fact."
5
26720
3204
liefert einen so reichen Ertrag an Voraussagen."
00:29
(Laughter)
6
29924
1585
(Gelächter)
00:32
Twain meant it as a joke, of course, but he's right:
7
32199
2604
Twain meinte das als Scherz, aber er hat Recht.
00:34
There's something fascinating about science.
8
34803
2876
Wissenschaft hat etwas Faszinierendes an sich.
00:37
From a few bones, we infer the existence of dinosuars.
9
37679
4261
Von ein paar Knochen schließen wir auf die Existenz von Dinosauriern,
00:42
From spectral lines, the composition of nebulae.
10
42910
3871
von Spektrallinien auf die Komposition von Nebelflecken.
00:47
From fruit flies,
11
47471
2938
Von Fruchtfliegen schließen wir auf die Mechanismen der Erblehre
00:50
the mechanisms of heredity,
12
50409
2943
00:53
and from reconstructed images of blood flowing through the brain,
13
53352
4249
und von rekonstruierten Bildern auf den Blutfluss im Gehirn,
00:57
or in my case, from the behavior of very young children,
14
57601
4708
oder wie ich, vom Verhalten kleiner Kinder
01:02
we try to say something about the fundamental mechanisms
15
62309
2829
auf grundsätzliche Vorgänge der menschlichen Wahrnehmung.
01:05
of human cognition.
16
65138
1618
01:07
In particular, in my lab in the Department of Brain and Cognitive Sciences at MIT,
17
67716
4759
Im Labor am Fachbereich für Neuro- und Kognitionswissenschaften am MIT
01:12
I have spent the past decade trying to understand the mystery
18
72475
3654
habe ich die letzten 10 Jahre versucht, das Geheimnis zu verstehen,
01:16
of how children learn so much from so little so quickly.
19
76129
3977
wie Kinder aus so wenig Informationen so viel und so schnell lernen können.
01:20
Because, it turns out that the fascinating thing about science
20
80666
2978
Denn das Faszinierende an der Wissenschaft ist auch das Faszinierende an Kindern,
01:23
is also a fascinating thing about children,
21
83644
3529
01:27
which, to put a gentler spin on Mark Twain,
22
87173
2581
nämlich, um Mark Twain zu paraphrasieren:
01:29
is precisely their ability to draw rich, abstract inferences
23
89754
4650
ihre Fähigkeit, aus spärlichen und undeutlichen Daten
01:34
rapidly and accurately from sparse, noisy data.
24
94404
4661
schnell und genau abstrakte Schlüsse zu ziehen.
01:40
I'm going to give you just two examples today.
25
100355
2398
Ich werde Ihnen heute nur zwei Beispiele vorstellen.
01:42
One is about a problem of generalization,
26
102753
2287
Das eine ist ein Problem der Verallgemeinerung,
01:45
and the other is about a problem of causal reasoning.
27
105040
2850
und das andere ist ein Problem kausaler Begründungen.
01:47
And although I'm going to talk about work in my lab,
28
107890
2525
Obwohl ich über meine Laborarbeit sprechen werde,
01:50
this work is inspired by and indebted to a field.
29
110415
3460
ist diese Arbeit von einem ganzen Gebiet inspiriert und diesem verpflichtet.
01:53
I'm grateful to mentors, colleagues, and collaborators around the world.
30
113875
4283
Ich bin meinen Mentoren, Kollegen und Mitarbeitern auf der ganzen Welt dankbar.
01:59
Let me start with the problem of generalization.
31
119308
2974
Fangen wir mit dem Problem der Verallgemeinerung an.
02:02
Generalizing from small samples of data is the bread and butter of science.
32
122652
4133
In der Wissenschaft ist es üblich, Stichproben zu verallgemeinern.
02:06
We poll a tiny fraction of the electorate
33
126785
2554
Wir befragen einen kleinen Teil der Wählerschaft
02:09
and we predict the outcome of national elections.
34
129339
2321
und sagen das Ergebnis nationaler Wahlen voraus.
02:12
We see how a handful of patients responds to treatment in a clinical trial,
35
132240
3925
Wir sehen, wie wenige Patienten auf eine Behandlung in einer Studie reagieren
02:16
and we bring drugs to a national market.
36
136165
3065
und bringen Medikamente auf den Markt.
02:19
But this only works if our sample is randomly drawn from the population.
37
139230
4365
Aber das funktioniert nur,
wenn Stichproben willkürlich aus der Grundgesamtheit gezogen wurden.
02:23
If our sample is cherry-picked in some way --
38
143595
2735
Wenn Stichproben auf eine Art absichtlich ausgewählt wurden,
02:26
say, we poll only urban voters,
39
146330
2072
indem z. B. nur städtische Wähler
02:28
or say, in our clinical trials for treatments for heart disease,
40
148402
4388
oder in klinischen Versuchen für die Behandlung von Herzkrankheiten
02:32
we include only men --
41
152790
1881
nur Männer untersucht wurden,
02:34
the results may not generalize to the broader population.
42
154671
3158
kann man die Ergebnisse nicht verallgemeinern.
02:38
So scientists care whether evidence is randomly sampled or not,
43
158479
3581
Wissenschaftler prüfen also genau, ob Stichproben zufällig gewählt wurden.
02:42
but what does that have to do with babies?
44
162060
2015
Aber was hat das mit Babys zu tun?
02:44
Well, babies have to generalize from small samples of data all the time.
45
164585
4621
Babys müssen die ganze Zeit aus kleinen Stichproben verallgemeinern.
02:49
They see a few rubber ducks and learn that they float,
46
169206
3158
Sie sehen ein paar Gummienten und lernen, dass sie schwimmen,
02:52
or a few balls and learn that they bounce.
47
172364
3575
oder ein paar Bälle und lernen, dass sie hüpfen.
02:55
And they develop expectations about ducks and balls
48
175939
2951
Dann entwickeln sie Erwartungen über Enten und Bälle,
02:58
that they're going to extend to rubber ducks and balls
49
178890
2716
die sie für den Rest ihres Lebens auf Gummienten und -bälle ausweiten.
03:01
for the rest of their lives.
50
181606
1879
03:03
And the kinds of generalizations babies have to make about ducks and balls
51
183485
3739
Diese Verallgemeinerungen, die Babys bei Enten und Bällen anwenden,
03:07
they have to make about almost everything:
52
187224
2089
müssen sie bei fast allem anwenden:
03:09
shoes and ships and sealing wax and cabbages and kings.
53
189313
3917
bei Schuhen, Schiffen, Siegellack, Käfigen und Königen.
03:14
So do babies care whether the tiny bit of evidence they see
54
194200
2961
Kümmern sich Babys, ob der kleine Beweis, den sie sehen,
03:17
is plausibly representative of a larger population?
55
197161
3692
ein plausibler Repräsentant einer größeren Population ist?
03:21
Let's find out.
56
201763
1900
Finden wir es heraus.
03:23
I'm going to show you two movies,
57
203663
1723
Ich werde Ihnen zwei Videos zeigen, eins für jede Bedingung eines Experiments,
03:25
one from each of two conditions of an experiment,
58
205386
2462
03:27
and because you're going to see just two movies,
59
207848
2438
und weil Sie nur zwei Videos sehen werden, sehen Sie auch nur zwei Babys,
03:30
you're going to see just two babies,
60
210286
2136
03:32
and any two babies differ from each other in innumerable ways.
61
212422
3947
und zwei Babys unterscheiden sich in unzähligen Dingen.
03:36
But these babies, of course, here stand in for groups of babies,
62
216369
3051
Aber diese Babys hier sollen für Gruppen von Babys stehen,
03:39
and the differences you're going to see
63
219420
1895
und die Unterschiede, die Sie sehen werden,
03:41
represent average group differences in babies' behavior across conditions.
64
221315
5195
stehen für durchschnittliche Gruppenunterschiede
von Babys gegenüber Bedingungen.
03:47
In each movie, you're going to see a baby doing maybe
65
227160
2583
In jedem Video werden Sie ein Baby sehen,
03:49
just exactly what you might expect a baby to do,
66
229743
3460
das genau das tut, was Sie erwarten würden,
03:53
and we can hardly make babies more magical than they already are.
67
233203
4017
und wir können die Babys kaum faszinierender machen als sie schon sind.
03:58
But to my mind the magical thing,
68
238090
2010
Für mich ist das Faszinierende,
04:00
and what I want you to pay attention to,
69
240100
2089
und das worauf Sie achten sollten,
04:02
is the contrast between these two conditions,
70
242189
3111
der Unterschied zwischen den beiden Bedingungen,
04:05
because the only thing that differs between these two movies
71
245300
3529
denn der einzige Unterschied zwischen den beiden Videos
04:08
is the statistical evidence the babies are going to observe.
72
248829
3466
ist der statistische Beweis, den die Babys beobachten werden.
04:13
We're going to show babies a box of blue and yellow balls,
73
253425
3183
Wir werden den Babys eine Box mit blauen und gelben Bällen zeigen,
04:16
and my then-graduate student, now colleague at Stanford, Hyowon Gweon,
74
256608
4620
und meine damalige Masterstudentin, jetzt Kollegin in Stanford, Hyowon Gweon,
04:21
is going to pull three blue balls in a row out of this box,
75
261228
3077
wird nacheinander drei blaue Bälle aus der Box nehmen,
04:24
and when she pulls those balls out, she's going to squeeze them,
76
264305
3123
und sie dann drücken
04:27
and the balls are going to squeak.
77
267428
2113
und die Bälle werden quietschen.
04:29
And if you're a baby, that's like a TED Talk.
78
269541
2763
Für die Babys ist das wie ein TED-Vortrag.
04:32
It doesn't get better than that.
79
272304
1904
Etwas Besseres gibt es nicht.
04:34
(Laughter)
80
274208
2561
(Gelächter)
04:38
But the important point is it's really easy to pull three blue balls in a row
81
278968
3659
Aber das Entscheidende ist, dass es sehr einfach ist, nacheinander drei blaue Bälle
04:42
out of a box of mostly blue balls.
82
282627
2305
aus einer Box mit mehrheitlich blauen Bällen zu ziehen.
04:44
You could do that with your eyes closed.
83
284932
2060
Sie könnten das mit geschlossenen Augen machen.
04:46
It's plausibly a random sample from this population.
84
286992
2996
Das ist also eine willkürliche Stichprobe einer Grundgesamtheit.
04:49
And if you can reach into a box at random and pull out things that squeak,
85
289988
3732
Fassen Sie willkürlich in eine Box und ziehen Dinge heraus, die quietschen,
04:53
then maybe everything in the box squeaks.
86
293720
2839
dann könnte alles quietschen, was in der Box ist.
04:56
So maybe babies should expect those yellow balls to squeak as well.
87
296559
3650
Also würden Babys vielleicht erwarten, dass auch die gelben Bälle quietschen.
05:00
Now, those yellow balls have funny sticks on the end,
88
300209
2519
Die gelben Bälle haben an einem Ende lustige Stiele,
05:02
so babies could do other things with them if they wanted to.
89
302728
2857
sodass Babys auch mit ihnen trommeln oder schlagen könnten.
05:05
They could pound them or whack them.
90
305585
1831
05:07
But let's see what the baby does.
91
307416
2586
Aber schauen wir mal, was das Baby macht.
05:12
(Video) Hyowon Gweon: See this? (Ball squeaks)
92
312548
3343
(Video) Hyowon Gweon: Siehst du das? (Der Ball quietscht)
05:16
Did you see that? (Ball squeaks)
93
316531
3045
Hast du das gesehen? (Der Ball quietscht.)
05:20
Cool.
94
320036
3066
Cool.
05:24
See this one?
95
324706
1950
Siehst du den hier?
05:26
(Ball squeaks)
96
326656
1881
(Der Ball quietscht.)
05:28
Wow.
97
328537
2653
Wow.
05:33
Laura Schulz: Told you. (Laughs)
98
333854
2113
Laura Schulz: Das meinte ich. (Lacht)
05:35
(Video) HG: See this one? (Ball squeaks)
99
335967
4031
(Video) HG: Siehst du das? (Der Ball quietscht.)
05:39
Hey Clara, this one's for you. You can go ahead and play.
100
339998
4619
Hey Clara, der hier ist für dich. Damit kannst du spielen.
(Gelächter)
05:51
(Laughter)
101
351854
4365
05:56
LS: I don't even have to talk, right?
102
356219
2995
Laura Schulz: Das ist deutlich, oder?
05:59
All right, it's nice that babies will generalize properties
103
359214
2899
Es ist super, dass Babys Eigenschaften blauer Bälle
06:02
of blue balls to yellow balls,
104
362113
1528
auf gelbe Bälle übertragen,
06:03
and it's impressive that babies can learn from imitating us,
105
363641
3096
und beeindruckend, dass sie davon lernen, uns nachzuahmen.
06:06
but we've known those things about babies for a very long time.
106
366737
3669
Dies wissen wir aber schon seit langem.
06:10
The really interesting question
107
370406
1811
Die wirklich interessante Frage ist,
06:12
is what happens when we show babies exactly the same thing,
108
372217
2852
was passiert, wenn wir Babys genau dasselbe zeigen
06:15
and we can ensure it's exactly the same because we have a secret compartment
109
375069
3611
und es auch genau dasselbe ist, da wir ein Geheimfach haben,
06:18
and we actually pull the balls from there,
110
378680
2110
aus dem wir die Bälle tatsächlich herausnehmen.
06:20
but this time, all we change is the apparent population
111
380790
3478
Dieses Mal ändern wir nur die Grundgesamtheit,
06:24
from which that evidence was drawn.
112
384268
2902
aus dem der Beweis stammt.
06:27
This time, we're going to show babies three blue balls
113
387170
3553
Dieses Mal werden wir den Babys drei blaue Bälle zeigen,
06:30
pulled out of a box of mostly yellow balls,
114
390723
3384
die aus einer Box mit mehrheitlich gelben Bällen gezogen werden.
06:34
and guess what?
115
394107
1322
Raten Sie mal, was passiert?
06:35
You [probably won't] randomly draw three blue balls in a row
116
395429
2840
Sie werden höchstwahrscheinlich keine 3 blauen Bälle hintereinander
06:38
out of a box of mostly yellow balls.
117
398269
2484
aus einer Box mit überwiegend gelben ziehen.
06:40
That is not plausibly randomly sampled evidence.
118
400753
3747
Das wäre also keine zufällige Stichprobe.
06:44
That evidence suggests that maybe Hyowon was deliberately sampling the blue balls.
119
404500
5123
Diese Stichprobe würde unterstellen, dass Hyowon absichtlich blaue Bälle zieht.
06:49
Maybe there's something special about the blue balls.
120
409623
2583
Vielleicht sind die blauen Bälle ja etwas Besonderes.
06:52
Maybe only the blue balls squeak.
121
412846
2976
Vielleicht quietschen nur die blauen Bälle.
06:55
Let's see what the baby does.
122
415822
1895
Schauen wir uns an, was das Baby macht.
06:57
(Video) HG: See this? (Ball squeaks)
123
417717
2904
(Video) HG: Siehst du das? (Der Ball quietscht.)
07:02
See this toy? (Ball squeaks)
124
422851
2645
Siehst du das Spielzeug? (Der Ball quietscht.)
07:05
Oh, that was cool. See? (Ball squeaks)
125
425496
5480
Oh, das war cool. Siehst du? (Der Ball quietscht.)
07:10
Now this one's for you to play. You can go ahead and play.
126
430976
4394
Der hier ist für dich zum Spielen. Damit kannst du spielen.
07:18
(Fussing) (Laughter)
127
438074
6347
(Gejammer) (Gelächter)
07:26
LS: So you just saw two 15-month-old babies
128
446901
2748
LS: Sie haben gerade zwei 15-Monate alte Babys
07:29
do entirely different things
129
449649
1942
völlig unterschiedliche Dinge tun sehen,
07:31
based only on the probability of the sample they observed.
130
451591
3599
und das nur, weil die Wahrscheinlichkeit der Stichprobe unterschiedlich war.
07:35
Let me show you the experimental results.
131
455190
2321
Hier die Ergebnisse des Experiments.
07:37
On the vertical axis, you'll see the percentage of babies
132
457511
2764
Auf der vertikalen Achse sehen Sie den Prozentsatz der Babys,
07:40
who squeezed the ball in each condition,
133
460275
2530
die den Ball in jedem Fall gedrückt haben,
07:42
and as you'll see, babies are much more likely to generalize the evidence
134
462805
3715
und wie Sie sehen werden, ist es wahrscheinlicher,
dass sie die Stichprobe verallgemeinern,
07:46
when it's plausibly representative of the population
135
466520
3135
wenn es ein plausibler Repräsentant der Grundgesamtheit ist,
07:49
than when the evidence is clearly cherry-picked.
136
469655
3738
als wenn die Stichprobe absichtlich ausgewählt wurde.
07:53
And this leads to a fun prediction:
137
473393
2415
Das führt zu einer lustigen Vorhersage:
07:55
Suppose you pulled just one blue ball out of the mostly yellow box.
138
475808
4868
Angenommen, Sie ziehen nur einen blauen Ball aus der mehrheitlich gelben Box.
08:00
You [probably won't] pull three blue balls in a row at random out of a yellow box,
139
480896
3869
Sie würden wahrscheinlich nicht zufällig hintereinander 3 blaue Bälle ziehen,
08:04
but you could randomly sample just one blue ball.
140
484765
2455
aber Sie könnten zufällig nur einen blauen Ball herausziehen.
08:07
That's not an improbable sample.
141
487220
1970
Das wäre keine unmögliche Stichprobe.
08:09
And if you could reach into a box at random
142
489190
2224
Wenn Sie zufällig in eine Box greifen
08:11
and pull out something that squeaks, maybe everything in the box squeaks.
143
491414
3987
und etwas herausziehen, das quietscht, dann quietscht vielleicht alles darin.
08:15
So even though babies are going to see much less evidence for squeaking,
144
495875
4445
Selbst wenn Babys weniger Beweise für das Quietschen sehen
08:20
and have many fewer actions to imitate
145
500320
2242
und sie weniger Aktionen zur Nachahmung in dieser Ein-Ball-Bedingung haben,
08:22
in this one ball condition than in the condition you just saw,
146
502562
3343
als in der Bedingung, die Sie gerade gesehen haben,
08:25
we predicted that babies themselves would squeeze more,
147
505905
3892
vermuteten wir, dass Babys mehr Bälle drücken würden
08:29
and that's exactly what we found.
148
509797
2894
und das ist genau das, was wir herausfanden.
08:32
So 15-month-old babies, in this respect, like scientists,
149
512691
4411
Also zählt für 15-Monate alte Babys, genauso wie für Wissenschaftler,
08:37
care whether evidence is randomly sampled or not,
150
517102
3088
ob eine Stichprobe zufällig gezogen wurde oder nicht,
08:40
and they use this to develop expectations about the world:
151
520190
3507
und sie nutzen dieses Wissen, um Vermutungen über die Welt anzustellen:
08:43
what squeaks and what doesn't,
152
523697
2182
was quietscht und was nicht,
08:45
what to explore and what to ignore.
153
525879
3145
was man entdecken und was man ignorieren kann.
08:50
Let me show you another example now,
154
530384
2066
Sehen wir uns ein weiteres Beispiel an,
08:52
this time about a problem of causal reasoning.
155
532450
2730
dieses Mal ein Problem des kausalen Denkens.
08:55
And it starts with a problem of confounded evidence
156
535180
2439
Es beginnt mit dem Problem widersprüchlicher Beweise,
08:57
that all of us have,
157
537619
1672
das jeder hat,
08:59
which is that we are part of the world.
158
539291
2020
was der Grund dafür ist, dass wir Teil der Welt sind.
09:01
And this might not seem like a problem to you, but like most problems,
159
541311
3436
Es mag für Sie nicht wie ein Problem aussehen, aber wie die meisten Probleme
09:04
it's only a problem when things go wrong.
160
544747
2337
ist es nur dann ein Problem, wenn Dinge schief gehen.
09:07
Take this baby, for instance.
161
547464
1811
Nehmen wir z. B. dieses Baby.
09:09
Things are going wrong for him.
162
549275
1705
Für ihn gehen die Dinge schief.
09:10
He would like to make this toy go, and he can't.
163
550980
2271
Er möchte dieses Spielzeug in Gang setzen und es geht nicht.
09:13
I'll show you a few-second clip.
164
553251
2529
Ich zeige Ihnen einen kurzes Video.
09:21
And there's two possibilities, broadly:
165
561340
1920
Grob gesagt, gibt es zwei Möglichkeiten:
09:23
Maybe he's doing something wrong,
166
563260
2634
Entweder er macht etwas falsch
09:25
or maybe there's something wrong with the toy.
167
565894
4216
oder das Spielzeug ist kaputt.
09:30
So in this next experiment,
168
570110
2111
Im nächsten Experiment
09:32
we're going to give babies just a tiny bit of statistical data
169
572221
3297
geben wir den Babys nur wenige statistische Daten,
09:35
supporting one hypothesis over the other,
170
575518
2582
um die eine Hypothese gegenüber der anderen vorzuziehen,
09:38
and we're going to see if babies can use that to make different decisions
171
578100
3455
um zu sehen, ob die Babys das nutzen, um andere Entscheidungen zu treffen.
09:41
about what to do.
172
581555
1834
09:43
Here's the setup.
173
583389
2022
Und so läuft es ab:
09:46
Hyowon is going to try to make the toy go and succeed.
174
586071
3030
Hyowon wird versuchen, das Spielzeug in Gang zu setzen
und wird Erfolg haben.
09:49
I am then going to try twice and fail both times,
175
589101
3320
Ich werde es versuchen und beide Male keinen Erfolg haben
09:52
and then Hyowon is going to try again and succeed,
176
592421
3112
und dann wird Hyowon es erneut versuchen und wieder Erfolg haben.
09:55
and this roughly sums up my relationship to my graduate students
177
595533
3172
Das fasst die Beziehung zu meinen Masterstudenten
09:58
in technology across the board.
178
598705
2835
in der Technik allgemein zusammen.
10:02
But the important point here is it provides a little bit of evidence
179
602030
3292
Aber das Wichtige hier ist, dass es einen kleinen Beweis dafür erbringt,
10:05
that the problem isn't with the toy, it's with the person.
180
605322
3668
dass das Problem nicht mit dem Spielzeug, sondern mit der Person zusammenhängt.
10:08
Some people can make this toy go,
181
608990
2350
Einige Leute können das Spielzeug in Gang setzen, andere eben nicht.
10:11
and some can't.
182
611340
959
10:12
Now, when the baby gets the toy, he's going to have a choice.
183
612799
3413
Bekommt das Baby das Spielzeug, wird es die Wahl haben.
10:16
His mom is right there,
184
616212
2188
Seine Mutter ist in der Nähe,
10:18
so he can go ahead and hand off the toy and change the person,
185
618400
3315
also könnte er das Spielzeug an eine andere Person weitergeben,
10:21
but there's also going to be another toy at the end of that cloth,
186
621715
3158
aber es wird noch ein anderes Spielzeug auf dem Tuch geben,
10:24
and he can pull the cloth towards him and change the toy.
187
624873
3552
und er kann das Tuch zu sich ziehen und das Spielzeug tauschen.
10:28
So let's see what the baby does.
188
628425
2090
Schauen wir, was das Baby macht.
10:30
(Video) HG: Two, three. Go! (Music)
189
630515
4183
(Video) HG: Zwei, drei. Los! (Musik)
10:34
LS: One, two, three, go!
190
634698
3131
LS: Eins, zwei, drei, los!
10:37
Arthur, I'm going to try again. One, two, three, go!
191
637829
7382
Arthur, ich versuche es noch einmal. Eins, zwei, drei, los!
10:45
YG: Arthur, let me try again, okay?
192
645677
2600
YG: Arthur, lass es mich nochmal versuchen, ja?
10:48
One, two, three, go! (Music)
193
648277
4550
Eins, zwei, drei, los! (Musik)
10:53
Look at that. Remember these toys?
194
653583
1883
Schau. Erinnerst du dich an die Spielsachen?
10:55
See these toys? Yeah, I'm going to put this one over here,
195
655466
3264
Siehst du sie? Ich lege das eine hierüber
10:58
and I'm going to give this one to you.
196
658730
2062
und das andere gebe ich dir.
11:00
You can go ahead and play.
197
660792
2335
Damit kannst du spielen.
11:23
LS: Okay, Laura, but of course, babies love their mommies.
198
683213
4737
LS: Okay, Laura, aber natürlich lieben Babys ihre Mütter.
11:27
Of course babies give toys to their mommies
199
687950
2182
Natürlich geben Babys ihren Müttern das Spielzeug,
11:30
when they can't make them work.
200
690132
2030
wenn sie es selbst nicht in Gang setzen können.
11:32
So again, the really important question is what happens when we change
201
692162
3593
Also ist die wichtige Frage, was passieren wird,
11:35
the statistical data ever so slightly.
202
695755
3154
wenn wir die statistischen Daten wieder leicht ändern.
11:38
This time, babies are going to see the toy work and fail in exactly the same order,
203
698909
4087
Jetzt sehen die Babys, dass das Spielzeug funktioniert und auch versagt,
11:42
but we're changing the distribution of evidence.
204
702996
2415
aber wir ändern die Beweisverteilung.
11:45
This time, Hyowon is going to succeed once and fail once, and so am I.
205
705411
4411
Dieses Mal wird Hyowon einmal Erfolg haben und einmal versagen, genauso wie ich.
11:49
And this suggests it doesn't matter who tries this toy, the toy is broken.
206
709822
5637
Das lässt vermuten, dass es egal ist, wer es versucht, denn es ist kaputt.
11:55
It doesn't work all the time.
207
715459
1886
Es funktioniert nicht jedes Mal.
11:57
Again, the baby's going to have a choice.
208
717345
1965
Wieder wird das Baby die Wahl haben.
11:59
Her mom is right next to her, so she can change the person,
209
719310
3396
Ihre Mutter sitzt neben ihr, also kann sie die Person wechseln,
12:02
and there's going to be another toy at the end of the cloth.
210
722706
3204
und es wird auch ein weiteres Spielzeug am Ende des Tuchs geben.
12:05
Let's watch what she does.
211
725910
1378
Schauen wir, was sie tut.
12:07
(Video) HG: Two, three, go! (Music)
212
727288
4348
(Video) HG: Zwei, drei, los! (Musik)
12:11
Let me try one more time. One, two, three, go!
213
731636
4984
Lass es mich nochmal versuchen. Eins, zwei drei, los!
12:17
Hmm.
214
737460
1697
Hmm.
12:19
LS: Let me try, Clara.
215
739950
2692
LS: Lass es mich versuchen, Clara.
12:22
One, two, three, go!
216
742642
3945
Eins, zwei, drei, los!
12:27
Hmm, let me try again.
217
747265
1935
Hmm, lass es mich nochmal versuchen.
12:29
One, two, three, go! (Music)
218
749200
5670
Eins, zwei, drei, los! (Musik)
12:35
HG: I'm going to put this one over here,
219
755009
2233
HG: Ich lege dieses hier dorthin
12:37
and I'm going to give this one to you.
220
757242
2001
und gebe dir das hier.
12:39
You can go ahead and play.
221
759243
3597
Damit kannst du spielen.
12:58
(Applause)
222
778376
4897
(Gelächter) (Applaus)
13:04
LS: Let me show you the experimental results.
223
784993
2392
LS: Hier die Ergebnisse des Experiments.
13:07
On the vertical axis, you'll see the distribution
224
787385
2475
Auf der vertikalen Achse sehen Sie die Verteilung der Wahl,
13:09
of children's choices in each condition,
225
789860
2577
die die Kinder in jeder Bedingung getroffen haben.
13:12
and you'll see that the distribution of the choices children make
226
792437
4551
Sie sehen, dass die Verteilung der Wahl, die die Kinder treffen,
13:16
depends on the evidence they observe.
227
796988
2787
vom Beweis abhängt, den die Kinder sehen.
13:19
So in the second year of life,
228
799775
1857
Also können Babys in ihrem zweiten Lebensjahr
13:21
babies can use a tiny bit of statistical data
229
801632
2577
das bisschen an statistischen Daten nutzen,
13:24
to decide between two fundamentally different strategies
230
804209
3367
um zwischen zwei völlig verschiedenen Strategien zu wählen,
13:27
for acting in the world:
231
807576
1881
wie man sich in der Welt verhalten kann:
13:29
asking for help and exploring.
232
809457
2743
nach Hilfe fragen und selbst entdecken.
13:33
I've just shown you two laboratory experiments
233
813700
3434
Ich habe Ihnen gerade zwei von hunderten Laborexperimenten
in diesem Bereich gezeigt, die Ähnliches aussagen,
13:37
out of literally hundreds in the field that make similar points,
234
817134
3691
13:40
because the really critical point
235
820825
2392
denn der wirklich entscheidende Punkt ist,
13:43
is that children's ability to make rich inferences from sparse data
236
823217
5108
dass die Fähigkeit der Kinder,
aus wenigen Daten zahlreiche Schlussfolgerungen zu ziehen,
13:48
underlies all the species-specific cultural learning that we do.
237
828325
5341
zu unserem kulturtypischen Lernen gehört.
13:53
Children learn about new tools from just a few examples.
238
833666
4597
Kinder lernen über neue Werkzeuge aus wenigen Beispielen.
13:58
They learn new causal relationships from just a few examples.
239
838263
4717
Sie lernen neue kausale Zusammenhänge aus wenigen Beispielen.
14:03
They even learn new words, in this case in American Sign Language.
240
843928
4871
Sie lernen sogar neue Wörter, in diesem Fall amerikanische Zeichensprache.
14:08
I want to close with just two points.
241
848799
2311
Ich möchte mit 2 Bemerkungen abschließen.
14:12
If you've been following my world, the field of brain and cognitive sciences,
242
852050
3688
Wenn Sie meine Welt, den Bereich der Neuro- und Kognitionswissenschaft
14:15
for the past few years,
243
855738
1927
über die letzten Jahre verfolgt hätten,
14:17
three big ideas will have come to your attention.
244
857665
2415
wären Ihnen drei besondere Erkenntnisse aufgefallen.
14:20
The first is that this is the era of the brain.
245
860080
3436
Die erste ist, dass jetzt die Ära des Gehirns ist.
14:23
And indeed, there have been staggering discoveries in neuroscience:
246
863516
3669
Tatsächlich gab es atemberaubende Entdeckungen in den Neurowissenschaften:
14:27
localizing functionally specialized regions of cortex,
247
867185
3436
die Lokalisierung funktionsspezifischer Regionen des Kortex,
14:30
turning mouse brains transparent,
248
870621
2601
das Transparentmachen eines Mäusegehirns
14:33
activating neurons with light.
249
873222
3776
und die Aktivierung von Neuronen mit Licht.
14:36
A second big idea
250
876998
1996
Eine zweite große Erkenntnis ist,
14:38
is that this is the era of big data and machine learning,
251
878994
4104
dass jetzt die Ära der "Big Data" und des maschinellen Lernens ist,
14:43
and machine learning promises to revolutionize our understanding
252
883098
3141
und maschinelles Lernen verspricht unser Verstehen von allem zu revolutionieren,
14:46
of everything from social networks to epidemiology.
253
886239
4667
seien es soziale Netzwerke oder Epidemiologie.
14:50
And maybe, as it tackles problems of scene understanding
254
890906
2693
Vielleicht können wir damit Probleme wie Szenenverständnis
14:53
and natural language processing,
255
893599
1993
oder natürliche Sprachverarbeitung angehen,
14:55
to tell us something about human cognition.
256
895592
3324
sodass wir etwas über die menschliche Wahrnehmung lernen.
14:59
And the final big idea you'll have heard
257
899756
1937
Die letzte große Erkenntnis, von der Sie gehört haben könnten, besagt,
15:01
is that maybe it's a good idea we're going to know so much about brains
258
901693
3387
dass es gut ist, dass wir so viel über das Gehirn herausfinden
15:05
and have so much access to big data,
259
905080
1917
15:06
because left to our own devices,
260
906997
2507
und so viele Daten haben.
Sind wir nämlich uns selbst überlassen, sind wir fehlbar.
15:09
humans are fallible, we take shortcuts,
261
909504
3831
Wir nehmen Abkürzungen, wir irren, wir machen Fehler,
15:13
we err, we make mistakes,
262
913335
3437
15:16
we're biased, and in innumerable ways,
263
916772
3684
wir haben Vorurteile und verstehen die Welt oft falsch.
15:20
we get the world wrong.
264
920456
2969
15:24
I think these are all important stories,
265
924843
2949
Ich glaube, dass sind alles wichtige Erkenntnisse,
15:27
and they have a lot to tell us about what it means to be human,
266
927792
3785
und sie sagen uns viel darüber, was es heißt, Mensch zu sein,
15:31
but I want you to note that today I told you a very different story.
267
931577
3529
aber ich möchte Sie daran erinnern, dass ich Ihnen etwas anderes erzählt habe:
15:35
It's a story about minds and not brains,
268
935966
3807
die Erkenntnis über den Verstand und nicht das Gehirn,
15:39
and in particular, it's a story about the kinds of computations
269
939773
3006
und im Besonderen ist es die Erkenntnis
15:42
that uniquely human minds can perform,
270
942779
2590
über die Arten von Berechnungen,
die nur der menschliche Verstand durchführen kann,
15:45
which involve rich, structured knowledge and the ability to learn
271
945369
3944
die strukturiertes Wissen und die Fähigkeit zu lernen beinhalten,
15:49
from small amounts of data, the evidence of just a few examples.
272
949313
5268
sei es von wenigen Daten oder Beispielen.
15:56
And fundamentally, it's a story about how starting as very small children
273
956301
4299
Grundsätzlich ist es die Erkenntnis darüber,
wie wir als kleine Kinder damit anfangen und weitermachen,
16:00
and continuing out all the way to the greatest accomplishments
274
960600
4180
bis zu den großen Errungenschaften unserer Kultur,
16:04
of our culture,
275
964780
3843
16:08
we get the world right.
276
968623
1997
bis wir die Welt richtig verstehen.
16:12
Folks, human minds do not only learn from small amounts of data.
277
972433
5267
Der menschliche Verstand lernt nicht nur aus kleinen Datenmengen.
16:18
Human minds think of altogether new ideas.
278
978285
2101
Der menschliche Verstand entwickelt neue Ideen.
16:20
Human minds generate research and discovery,
279
980746
3041
Er erzeugt Forschung und Entdeckungen,
16:23
and human minds generate art and literature and poetry and theater,
280
983787
5273
sowie Kunst, Literatur, Dichtung und Theater.
16:29
and human minds take care of other humans:
281
989070
3760
Der menschliche Verstand kümmert sich um andere Menschen:
16:32
our old, our young, our sick.
282
992830
3427
die alten, jungen oder kranken Menschen.
16:36
We even heal them.
283
996517
2367
Wir heilen sie sogar.
16:39
In the years to come, we're going to see technological innovations
284
999564
3103
In den kommenden Jahren werden wir technologische Innovationen sehen,
16:42
beyond anything I can even envision,
285
1002667
3797
die weit über das hinaus gehen, was man sich überhaupt vorstellen kann,
16:46
but we are very unlikely
286
1006464
2150
aber es wird sehr unwahrscheinlich sein,
16:48
to see anything even approximating the computational power of a human child
287
1008614
5709
dass wir noch in meinem Leben oder Ihrem etwas sehen werden,
16:54
in my lifetime or in yours.
288
1014323
4298
dass dem Urteilsvermögen eines menschlichen Kindes nahe kommt.
16:58
If we invest in these most powerful learners and their development,
289
1018621
5047
Wenn wir in diese mächtigen Lerner und ihre Entwicklung investieren,
17:03
in babies and children
290
1023668
2917
in Babys, Kinder, Mütter, Väter, Erzieher und Lehrer,
17:06
and mothers and fathers
291
1026585
1826
17:08
and caregivers and teachers
292
1028411
2699
17:11
the ways we invest in our other most powerful and elegant forms
293
1031110
4170
genauso wie wir in die mächtigen und eleganten Formen
17:15
of technology, engineering and design,
294
1035280
3218
der Technologie, Ingenieurskunst und Design investieren,
17:18
we will not just be dreaming of a better future,
295
1038498
2939
werden wir nicht nur von einer besseren Zukunft träumen,
17:21
we will be planning for one.
296
1041437
2127
wir werden sie tatsächlich planen.
17:23
Thank you very much.
297
1043564
2345
Vielen Dank.
17:25
(Applause)
298
1045909
3421
(Applaus)
17:29
Chris Anderson: Laura, thank you. I do actually have a question for you.
299
1049810
4426
Chris Anderson: Laura, danke. Ich hätte eine Frage.
17:34
First of all, the research is insane.
300
1054236
2359
Erst einmal: Ihre Forschung ist Wahnsinn.
17:36
I mean, who would design an experiment like that? (Laughter)
301
1056595
3725
Wer würde ein derartiges Experiment zusammenstellen? (Gelächter)
17:41
I've seen that a couple of times,
302
1061150
1790
Ich habe das schon ein paar Mal gesehen
17:42
and I still don't honestly believe that that can truly be happening,
303
1062940
3222
und ich kann es immer noch nicht glauben, dass das wirklich passiert.
17:46
but other people have done similar experiments; it checks out.
304
1066162
3158
Aber andere Leute haben ähnliche Experimente erfolgreich durchgeführt.
17:49
The babies really are that genius.
305
1069320
1633
Die Babys sind einfach genial.
17:50
LS: You know, they look really impressive in our experiments,
306
1070953
3007
LS: Sie sehen sehr beeindruckend in unseren Experimenten aus,
17:53
but think about what they look like in real life, right?
307
1073960
2652
aber bedenken wir, wie sie im wirklichen Leben aussehen.
17:56
It starts out as a baby.
308
1076612
1150
Es beginnt als Baby.
17:57
Eighteen months later, it's talking to you,
309
1077762
2007
Achtzehn Monate später spricht es
17:59
and babies' first words aren't just things like balls and ducks,
310
1079769
3041
und seine ersten Worte sind nicht nur Dinge wie Ball und Ente,
18:02
they're things like "all gone," which refer to disappearance,
311
1082810
2881
sondern etwas wie "alles weg", das sich auf das Verschwinden bezieht,
18:05
or "uh-oh," which refer to unintentional actions.
312
1085691
2283
oder "oh-oh", das sich auf ungewollte Handlungen bezieht.
18:07
It has to be that powerful.
313
1087974
1562
Das Baby muss so leistungsstark sein.
18:09
It has to be much more powerful than anything I showed you.
314
1089536
2775
Es muss leistungsstärker als alles andere sein, das ich gezeigt habe.
18:12
They're figuring out the entire world.
315
1092311
1974
Sie begreifen die ganze Welt.
18:14
A four-year-old can talk to you about almost anything.
316
1094285
3144
Ein 4-jähriges Kind kann zu Ihnen über fast alles sprechen.
18:17
(Applause)
317
1097429
1601
(Applaus)
18:19
CA: And if I understand you right, the other key point you're making is,
318
1099030
3414
CA: Wenn ich Sie richtig verstehe, machen Sie die andere Kernaussage,
18:22
we've been through these years where there's all this talk
319
1102444
2754
dass nach all den Jahren der Gespräche darüber,
wie sonderbar und fehlbar unser Verstand ist,
18:25
of how quirky and buggy our minds are,
320
1105198
1932
die Verhaltensökonomie und all die Theorien dahinter besagen,
18:27
that behavioral economics and the whole theories behind that
321
1107130
2867
18:29
that we're not rational agents.
322
1109997
1603
dass wir nicht rational handeln.
18:31
You're really saying that the bigger story is how extraordinary,
323
1111600
4216
Aber eigentlich sagen Sie, dass wir erkennen sollen,
18:35
and there really is genius there that is underappreciated.
324
1115816
4944
wie außergewöhnlich und genial wir sind, was nicht ausreichend gewürdigt wird.
18:40
LS: One of my favorite quotes in psychology
325
1120760
2070
LS: Eines meiner Lieblingszitate in der Psychologie ist
18:42
comes from the social psychologist Solomon Asch,
326
1122830
2290
von dem Sozialpsychologen Salomon Asch.
18:45
and he said the fundamental task of psychology is to remove
327
1125120
2807
Er sagte: "Die Grundaufgabe der Psychologie ist,
18:47
the veil of self-evidence from things.
328
1127927
2626
den Schleier der Selbstverständlichkeit von den Dingen zu nehmen."
18:50
There are orders of magnitude more decisions you make every day
329
1130553
4551
Es gibt Größenordnungen von Entscheidungen,
die man täglich trifft, die die Welt richtig erfassen.
18:55
that get the world right.
330
1135104
1347
18:56
You know about objects and their properties.
331
1136451
2132
Wir erkennen Gegenstände und ihre Eigenschaften,
18:58
You know them when they're occluded. You know them in the dark.
332
1138583
3029
auch wenn sie verdeckt oder im Dunkeln sind.
19:01
You can walk through rooms.
333
1141612
1308
Wir können durch Räume laufen
19:02
You can figure out what other people are thinking. You can talk to them.
334
1142920
3532
und herausfinden, was andere denken und mit ihnen reden.
Wir können ins All fliegen, kennen Zahlen,
19:06
You can navigate space. You know about numbers.
335
1146452
2230
19:08
You know causal relationships. You know about moral reasoning.
336
1148682
3022
kausale Zusammenhänge und haben moralisches Urteilsvermögen.
19:11
You do this effortlessly, so we don't see it,
337
1151704
2356
Wir tun das ohne Mühe, deshalb sehen wir es nicht,
19:14
but that is how we get the world right, and it's a remarkable
338
1154060
2912
aber so sehen wir die Welt.
Es ist eine bemerkenswerte und schwer nachvollziehbare Leistung.
19:16
and very difficult-to-understand accomplishment.
339
1156972
2318
CA: Einige Leute im Publikum denken vermutlich,
19:19
CA: I suspect there are people in the audience who have
340
1159290
2628
19:21
this view of accelerating technological power
341
1161918
2238
dass die Technik sich sehr schnell verbessern wird,
was Ihre Behauptung in Frage stellen könnte,
19:24
who might dispute your statement that never in our lifetimes
342
1164156
2958
dass ein Computer niemals das tun wird, was ein 3-jähriges Kind tun kann.
19:27
will a computer do what a three-year-old child can do,
343
1167114
2618
19:29
but what's clear is that in any scenario,
344
1169732
3248
Aber in jedem Fall ist klar,
dass Maschinen noch sehr viel von Babys lernen müssen.
19:32
our machines have so much to learn from our toddlers.
345
1172980
3770
19:38
LS: I think so. You'll have some machine learning folks up here.
346
1178230
3216
LS: Genau. Das werden einige aus dem Bereich des maschinellen Lernens sagen.
19:41
I mean, you should never bet against babies or chimpanzees
347
1181446
4203
Ich denke, man sollte allgemein nie gegen Babys, Schimpansen
19:45
or technology as a matter of practice,
348
1185649
3645
oder Technik wetten,
19:49
but it's not just a difference in quantity,
349
1189294
4528
denn es gibt nicht nur einen Unterschied in der Quantität,
19:53
it's a difference in kind.
350
1193822
1764
sondern auch in der Art und Weise.
19:55
We have incredibly powerful computers,
351
1195586
2160
Wir haben unglaublich leistungsstarke Computer
19:57
and they do do amazingly sophisticated things,
352
1197746
2391
und sie tun anspruchsvolle Dinge,
20:00
often with very big amounts of data.
353
1200137
3204
oft mit riesigen Datenmengen.
Ich finde, dass den menschlichen Verstand etwas völlig anderes ausmacht,
20:03
Human minds do, I think, something quite different,
354
1203341
2607
20:05
and I think it's the structured, hierarchical nature of human knowledge
355
1205948
3895
nämlich die strukturierte, hierarchische Natur des menschlichen Wissens,
20:09
that remains a real challenge.
356
1209843
2032
das eine wahre Herausforderung ist.
20:11
CA: Laura Schulz, wonderful food for thought. Thank you so much.
357
1211875
3061
CA: Laura Schulz, danke für den wunderbaren Gedankenanstoß.
20:14
LS: Thank you. (Applause)
358
1214936
2922
LS: Danke. (Applaus)
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