Laura Schulz: The surprisingly logical minds of babies

Μετάφραση: Lucas Kaimaras Επιμέλεια: Chryssa Takahashi

Mark Twain summed up what I take to be

Ο Μαρκ Τουαίην έχει συνοψίσει αυτό που θεωρώ

one of the fundamental problems of cognitive science

ως ένα από τα θεμελιώδη προβλήματα της γνωσιακής επιστήμης

with a single witticism.

σε ένα απλό ευφυολόγημα.

He said, "There's something fascinating about science.

Είπε, «Η επιστήμη έχει κάτι συναρπαστικό.

One gets such wholesale returns of conjecture

Μας αποφέρει χονδρικώς τόσο μεγάλα κέρδη σε εικασίες

out of such a trifling investment in fact."

από μια τόσο ευτελή επένδυση σε γεγονότα».

(Laughter)

(Γέλια)

Twain meant it as a joke, of course, but he's right:

Ο Τουαίην φυσικά αστειευόταν αλλά έχει δίκιο:

There's something fascinating about science.

Η επιστήμη έχει κάτι εκπληκτικό.

From a few bones, we infer the existence of dinosuars.

Από λίγα οστά συμπεραίνουμε την ύπαρξη δεινοσαύρων.

From spectral lines, the composition of nebulae.

Από φασματικές γραμμές, τη σύνθεση των νεφών.

From fruit flies,

Από τη δροσόφιλα μύγα,

the mechanisms of heredity,

τους μηχανισμούς της κληρονομικότητας,

and from reconstructed images of blood flowing through the brain,

και από εικόνες της ροής του αίματος μέσα στον εγκέφαλο,

or in my case, from the behavior of very young children,

ή στην περίπτωσή μου, από τη συμπεριφορά πολύ μικρών παιδιών,

we try to say something about the fundamental mechanisms

προσπαθούμε να πούμε κάτι

σχετικά με τους θεμελιώδεις μηχανισμούς της ανθρώπινης νόησης.

of human cognition.

In particular, in my lab in the Department of Brain and Cognitive Sciences at MIT,

Ειδικότερα, στο εργαστήριό μου στο Τμήμα Εγκεφάλου και Γνωσιακών Επιστημών του ΜΙΤ,

I have spent the past decade trying to understand the mystery

πέρασα την τελευταία δεκαετία προσπαθώντας να κατανοήσω το μυστήριο

of how children learn so much from so little so quickly.

του πώς τα παιδιά μαθαίνουν τόσα πολλά από τόσο λίγα, και τόσο γρήγορα.

Because, it turns out that the fascinating thing about science

Καθώς αποδεικνύεται

ότι το συναρπαστικό με την επιστήμη όπως επίσης και με τα παιδιά,

is also a fascinating thing about children,

which, to put a gentler spin on Mark Twain,

για να παραφράσουμε ηπιότερα τον Μαρκ Τουαίην,

is precisely their ability to draw rich, abstract inferences

είναι ακριβώς η ικανότητά τους να βγάζουν αφαιρετικά πλήθος συμπερασμάτων

rapidly and accurately from sparse, noisy data.

με ταχύτητα και ακρίβεια, από τυχαία και αταξινόμητα δεδομένα.

I'm going to give you just two examples today.

Θα σας δώσω μόνο δύο παραδείγματα σήμερα.

One is about a problem of generalization,

Το ένα αφορά ένα πρόβλημα γενίκευσης

and the other is about a problem of causal reasoning.

και το άλλο αφορά ένα πρόβλημα αιτιώδους συλλογισμού.

And although I'm going to talk about work in my lab,

Και παρόλο που θα μιλήσω για δουλειά στο εργαστήριό μου,

this work is inspired by and indebted to a field.

αυτή η δουλειά εμπνέεται και οφείλεται σε ολόκληρο κλάδο.

I'm grateful to mentors, colleagues, and collaborators around the world.

Χρωστώ ευγνωμοσύνη σε μέντορες, συναδέλφους και συνεργάτες ανά τον κόσμο.

Let me start with the problem of generalization.

Ας αρχίσω με το πρόβλημα της γενίκευσης.

Generalizing from small samples of data is the bread and butter of science.

Η γενίκευση από μικρά δείγματα δεδομένων είναι καθημερινή πρακτική της επιστήμης.

We poll a tiny fraction of the electorate

Από δημοσκόπηση σε μικρό τμήμα του εκλογικού σώματος

and we predict the outcome of national elections.

προβλέπουμε το αποτέλεσμα των εθνικών εκλογών.

We see how a handful of patients responds to treatment in a clinical trial,

Βλέπουμε πώς αποκρίνεται δείγμα ασθενών σε μια θεραπεία σε κλινική δοκιμή,

and we bring drugs to a national market.

και βγάζουμε τα φάρμακα στην εθνική αγορά.

But this only works if our sample is randomly drawn from the population.

Αλλά αυτό έχει αποτέλεσμα μόνο με δείγμα τυχαία επιλεγμένο από τον πληθυσμό.

If our sample is cherry-picked in some way --

Αν το δείγμα μας είναι επιλεγμένο με κάποιο κριτήριο -

say, we poll only urban voters,

ας πούμε, μόνο εκλογείς από αστικές περιοχές,

or say, in our clinical trials for treatments for heart disease,

ή, στις κλινικές δοκιμές για τη θεραπεία καρδιακών νόσων,

we include only men --

να συμπεριλάβουμε μόνο άνδρες -

the results may not generalize to the broader population.

τα αποτελέσματα δεν θα είναι γενικεύσεις για τον ευρύτερο πληθυσμό.

So scientists care whether evidence is randomly sampled or not,

Οι επιστήμονες νοιάζονται αν οι ενδείξεις προέρχονται από τυχαίο δείγμα ή όχι,

but what does that have to do with babies?

αλλά τι σχέση έχει αυτό με τα μωρά;

Well, babies have to generalize from small samples of data all the time.

Τα μωρά χρειάζεται να γενικεύουν από μικρά δείγματα δεδομένων συνεχώς.

They see a few rubber ducks and learn that they float,

Βλέπουν μερικά λαστιχένια παπάκια και μαθαίνουν ότι επιπλέουν,

or a few balls and learn that they bounce.

ή μερικές μπάλες και μαθαίνουν ότι αναπηδούν.

And they develop expectations about ducks and balls

Και εξελίσσουν προσδοκίες σχετικά με τα παπάκια και τις μπάλες

that they're going to extend to rubber ducks and balls

που θα επεκτείνουν σε παπάκια και μπάλες

for the rest of their lives.

για το υπόλοιπο της ζωής τους.

And the kinds of generalizations babies have to make about ducks and balls

Και το είδος των γενικεύσεων που κάνουν τα μωρά για τα παπάκια και τις μπάλες

they have to make about almost everything:

το κάνουν για σχεδόν τα πάντα:

shoes and ships and sealing wax and cabbages and kings.

για τα παπούτσια, τα πλοία, το βουλοκέρι, τα λάχανα και τους βασιλιάδες.

So do babies care whether the tiny bit of evidence they see

Νοιάζονται λοιπόν τα παιδιά εάν οι ελάχιστες ενδείξεις που βλέπουν

is plausibly representative of a larger population?

είναι εμφανώς αντιπροσωπευτικά ενός ευρύτερου πλήθους;

Let's find out.

Ας το ανακαλύψουμε.

I'm going to show you two movies,

Θα σας δείξω δύο ταινίες,

one from each of two conditions of an experiment,

μία από κάθε περίπτωση ενός πειράματος,

and because you're going to see just two movies,

και επειδή θα δείτε μόνο δύο ταινίες,

you're going to see just two babies,

θα δείτε μόνο δύο μωρά,

and any two babies differ from each other in innumerable ways.

και κάθε ζευγάρι μωρών διαφέρει από άλλα με αμέτρητους τρόπους.

But these babies, of course, here stand in for groups of babies,

Φυσικά όμως αυτά εδώ τα μωρά εκπροσωπούν ομάδες μωρών,

and the differences you're going to see

και οι διαφορές που θα δείτε

represent average group differences in babies' behavior across conditions.

αντιπροσωπεύουν μέσες διαφορές ομάδας στη συμπεριφορά των μωρών ανά κατάσταση.

In each movie, you're going to see a baby doing maybe

Σε κάθε ταινία θα δείτε ένα μωρό να κάνει

just exactly what you might expect a baby to do,

ακριβώς ό,τι θα περιμένατε να κάνει κάθε μωρό,

and we can hardly make babies more magical than they already are.

και είναι δύσκολο να κάνουμε τα μωρά πιο μαγευτικά απ' όσο ήδη είναι.

But to my mind the magical thing,

Αλλά στο μυαλό μου το μαγευτικό,

and what I want you to pay attention to,

και αυτό που θέλω να προσέξετε,

is the contrast between these two conditions,

είναι η αντίθεση ανάμεσα στις δύο αυτές περιπτώσεις,

because the only thing that differs between these two movies

επειδή η μόνη διαφορά μεταξύ αυτών των δύο ταινιών

is the statistical evidence the babies are going to observe.

είναι οι στατιστικές ενδείξεις που θα εντοπίσουν τα μωρά.

We're going to show babies a box of blue and yellow balls,

Θα δείξουμε στα μωρά ένα κουτί με μπλε και κίτρινα μπαλάκια,

and my then-graduate student, now colleague at Stanford, Hyowon Gweon,

κι η τότε μεταπτυχιακή φοιτήτρια, και νυν συνάδελφος στο Στάνφορντ, Γιόγουαν Γκουάν,

is going to pull three blue balls in a row out of this box,

θα πάρει με τη σειρά τρία μπλε μπαλάκια από το κουτί

and when she pulls those balls out, she's going to squeeze them,

και καθώς θα τα παίρνει, θα τα ζουλάει,

and the balls are going to squeak.

και τα μπαλάκια θα τσιρίζουν.

And if you're a baby, that's like a TED Talk.

Κι αν είστε μωρό, αυτό είναι σαν ομιλία στο TED.

It doesn't get better than that.

Δεν υπάρχει καλύτερο από αυτό.

(Laughter)

(Γέλια)

But the important point is it's really easy to pull three blue balls in a row

Αλλά σημαντικό είναι πως είναι πανεύκολο να τραβήξετε τρία μπλε μπαλάκια στη σειρά

out of a box of mostly blue balls.

από ένα κουτί με κυρίως μπλε μπαλάκια.

You could do that with your eyes closed.

Θα το κάνατε και με τα μάτια κλειστά.

It's plausibly a random sample from this population.

Είναι ένα δεόντως τυχαίο δείγμα από αυτό το πλήθος.

And if you can reach into a box at random and pull out things that squeak,

Και αν βάζεις το χέρι στο κουτί και τυχαία βγάζεις πράγματα που τσιρίζουν,

then maybe everything in the box squeaks.

τότε μάλλον όλα μέσα στο κουτί τσιρίζουν.

So maybe babies should expect those yellow balls to squeak as well.

Έτσι τα μωρά θα περιμένουν να τσιρίζουν και τα κίτρινα μπαλάκια.

Now, those yellow balls have funny sticks on the end,

Τα κίτρινα μπαλάκια όμως έχουν ένα ξυλάκι στην άκρη,

so babies could do other things with them if they wanted to.

έτσι τα μωρά θα μπορούσαν να κάνουν και άλλα πράγματα αν ήθελαν,

They could pound them or whack them.

όπως να τα χτυπάνε ή να το κοπανάνε.

But let's see what the baby does.

Αλλά ας δούμε τι κάνει το μωρό.

(Video) Hyowon Gweon: See this? (Ball squeaks)

(Βίντεο) Γιόγουαν Γκουάν: Το βλέπεις; (Το μπαλάκι τσιρίζει)

Did you see that? (Ball squeaks)

Το είδες αυτό; (Το μπαλάκι τσιρίζει)

Cool.

Ωραίο!

See this one?

Βλέπεις αυτό;

(Ball squeaks)

(Το μπαλάκι τσιρίζει)

Wow.

Ουάου!

Laura Schulz: Told you. (Laughs)

Λόρα Σουλτς: Σας το είπα. (Γελάει)

(Video) HG: See this one? (Ball squeaks)

(Βίντεο) ΓΓ: Το βλέπεις; (Το μπαλάκι τσιρίζει)

Hey Clara, this one's for you. You can go ahead and play.

Κλάρα, αυτό είναι για σένα. Πάρτο και παίξε.

(Laughter)

(Γέλια)

LS: I don't even have to talk, right?

ΛΣ: Δεν χρειάζεται καν να μιλήσω, σωστά;

All right, it's nice that babies will generalize properties

Εντάξει, είναι καλό που τα μωρά

γενικεύουν τις ιδιότητες στα μπλε και τα κίτρινα μπαλάκια,

of blue balls to yellow balls,

and it's impressive that babies can learn from imitating us,

και είναι εντυπωσιακό που τα μωρά μαθαίνουν μιμούμενα εμάς,

but we've known those things about babies for a very long time.

αλλά τα ξέραμε αυτά για τα μωρά εδώ και πάρα πολύ καιρό.

The really interesting question

Το πραγματικά ενδιαφέρον ερώτημα

is what happens when we show babies exactly the same thing,

είναι τι θα συμβεί αν δείξουμε στα μωρά ακριβώς το ίδιο πράγμα,

and we can ensure it's exactly the same because we have a secret compartment

κι εξασφαλίζουμε ότι είναι ακριβώς το ίδιο

επειδή υπάρχει ένα μυστικό διαμέρισμα και βγάζουμε τα μπαλάκια από εκεί

and we actually pull the balls from there,

but this time, all we change is the apparent population

αλλά αυτή τη φορά αλλάζουμε μόνο το εμφανές πλήθος

from which that evidence was drawn.

απ' όπου πήραμε τις ενδείξεις.

This time, we're going to show babies three blue balls

Τώρα θα δείξουμε στα μωρά τρία μπλε μπαλάκια

pulled out of a box of mostly yellow balls,

που παίρνουμε από ένα κουτί με κυρίως κίτρινα μπαλάκια,

και μαντέψτε τι γίνεται;

and guess what?

You [probably won't] randomly draw three blue balls in a row

Μάλλον δεν θα τραβήξετε τυχαία τρία μπλε μπαλάκια στη σειρά

out of a box of mostly yellow balls.

από ένα κουτί με κυρίως κίτρινα μπαλάκια.

That is not plausibly randomly sampled evidence.

Αυτές δεν είναι ενδείξεις από δεόντως τυχαίο δείγμα.

That evidence suggests that maybe Hyowon was deliberately sampling the blue balls.

Αυτές οι ενδείξεις δείχνουν ότι η Γιόγουαν μάλλον επίτηδες επέλεγε μπλε μπαλάκια.

Maybe there's something special about the blue balls.

Ίσως τα μπλε μπαλάκια είναι ιδιαίτερα.

Maybe only the blue balls squeak.

Ίσως μόνο τα μπλε μπαλάκια τσιρίζουν.

Let's see what the baby does.

Να δούμε τι κάνει το μωρό.

(Video) HG: See this? (Ball squeaks)

(Βίντεο) ΓΓ: Το βλέπεις αυτό; (Το μπαλάκι τσιρίζει)

See this toy? (Ball squeaks)

Βλέπεις αυτό το παιχνίδι; (Το μπαλάκι τσιρίζει)

Oh, that was cool. See? (Ball squeaks)

Ωραίο δεν είναι; Δες. (Το μπαλάκι τσιρίζει)

Now this one's for you to play. You can go ahead and play.

Αυτό εδώ είναι για να παίξεις εσύ. Μπορείς να παίξεις.

(Fussing) (Laughter)

(Γκρίνια) (Γέλια)

LS: So you just saw two 15-month-old babies

ΛΣ: Μόλις είδατε δύο μωρά ηλικίας 15 μηνών

do entirely different things

να κάνουν εντελώς διαφορετικά πράγματα

based only on the probability of the sample they observed.

βασιζόμενα μόνο στην πιθανότητα του δείγματος που παρατήρησαν.

Let me show you the experimental results.

Ας σας δείξω τα επιστημονικά αποτελέσματα.

On the vertical axis, you'll see the percentage of babies

Στον κάθετο άξονα θα δείτε το ποσοστό των μωρών

who squeezed the ball in each condition,

που ζούληξαν το μπαλάκι σε κάθε περίπτωση,

and as you'll see, babies are much more likely to generalize the evidence

κι όπως θα δείτε, είναι πολύ πιθανότερο τα μωρά να γενικεύσουν τα αποτελέσματα

when it's plausibly representative of the population

αν είναι εύλογα αντιπροσωπευτικά του πλήθους,

than when the evidence is clearly cherry-picked.

από όταν οι ενδείξεις είναι σαφές πως είναι ειδικά επιλεγμένες.

And this leads to a fun prediction:

Κι αυτό μας οδηγεί σε μια αστεία πρόβλεψη:

Suppose you pulled just one blue ball out of the mostly yellow box.

Ας υποθέσουμε ότι παίρνατε μόνο ένα μπλε μπαλάκι από ένα κυρίως κίτρινο κουτί.

You [probably won't] pull three blue balls in a row at random out of a yellow box,

Μάλλον δεν θα τραβούσατε τυχαία τρία μπλε μπαλάκια στη σειρά από ένα κίτρινο κουτί,

but you could randomly sample just one blue ball.

αλλά τραβούσατε τυχαία μόνο ένα μπλε μπαλάκι.

That's not an improbable sample.

Αυτό δεν είναι απίθανο δείγμα.

And if you could reach into a box at random

Και αν βάζατε το χέρι τυχαία σε ένα κουτί

and pull out something that squeaks, maybe everything in the box squeaks.

και τραβούσαμε κάτι που τσιρίζει, μάλλον όλα μέσα στο κουτί τσιρίζουν.

So even though babies are going to see much less evidence for squeaking,

Έτσι, αν και τα μωρά θα έχουν λιγότερες ενδείξεις για το τσίριγμα,

and have many fewer actions to imitate

και πολύ λιγότερες πράξεις να μιμηθούν,

in this one ball condition than in the condition you just saw,

στην περίπτωση με το ένα μπαλάκι απ' ό,τι στην περίπτωση που μόλις είδατε,

we predicted that babies themselves would squeeze more,

προβλέψαμε ότι τα ίδια τα μωρά θα ζουλούσαν περισσότερο,

and that's exactly what we found.

και ακριβώς αυτό ανακαλύψαμε.

So 15-month-old babies, in this respect, like scientists,

Έτσι τα 15μηνα μωρά, κατ' αυτή την έννοια, όπως οι επιστήμονες

νοιάζονται αν τα ενδεικτικά στοιχεία είναι τυχαία επιλεγμένα ή όχι

care whether evidence is randomly sampled or not,

and they use this to develop expectations about the world:

και από αυτά εξελίσσουν προσδοκίες σχετικά με τον κόσμο:

what squeaks and what doesn't,

τι τσιρίζει και τι όχι,

what to explore and what to ignore.

τι να εξερευνήσουν και τι να αγνοήσουν.

Let me show you another example now,

Να σας δείξω άλλο ένα παράδειγμα,

this time about a problem of causal reasoning.

αυτή τη φορά με ένα πρόβλημα αιτιώδους συλλογισμού.

And it starts with a problem of confounded evidence

Και αρχίζει με ένα πρόβλημα της μπερδεμένης ένδειξης

that all of us have,

που όλοι μας έχουμε,

which is that we are part of the world.

ότι είμαστε μέρος αυτού του κόσμου.

And this might not seem like a problem to you, but like most problems,

Μπορεί να μην το θεωρείτε πρόβλημα, αλλά όπως τα περισσότερα προβλήματα,

it's only a problem when things go wrong.

είναι πρόβλημα μόνο αν κάτι πάει στραβά.

Take this baby, for instance.

Πάρτε αυτό το μωρό για παράδειγμα.

Things are going wrong for him.

Κάτι του πάει στραβά.

He would like to make this toy go, and he can't.

Δεν μπορεί να κάνει το παιχνίδι να δουλέψει.

I'll show you a few-second clip.

Θα σας δείξω ένα βιντεοκλιπ λίγων δευτερολέπτων.

And there's two possibilities, broadly:

Και υπάρχουν δύο πιθανότητες, γενικά:

Maybe he's doing something wrong,

Ίσως το ίδιο κάνει κάτι λάθος,

or maybe there's something wrong with the toy.

ή μπορεί να έχει χαλάσει το παιχνίδι.

So in this next experiment,

Στο επόμενο πείραμα

we're going to give babies just a tiny bit of statistical data

θα δώσουμε στα μωρά λίγα στατιστικά δεδομένα

supporting one hypothesis over the other,

που θα στηρίζουν τη μια υπόθεση ή την άλλη

και θα δούμε αν τα μωρά μπορούν να τα χρησιμοποιήσουν

and we're going to see if babies can use that to make different decisions

για να πάρουν διαφορετικές αποφάσεις για το τι να κάνουν.

about what to do.

Here's the setup.

Να το σχέδιο.

Hyowon is going to try to make the toy go and succeed.

Η Γιογουάν θα καταφέρει να βάλει το παιχνίδι σε λειτουργία.

I am then going to try twice and fail both times,

Μετά θα προσπαθήσω εγώ δύο φορές και θα αποτύχω και τις δύο,

and then Hyowon is going to try again and succeed,

και μετά η Γιογουάν θα προσπαθήσει ξανά και θα τα καταφέρει.

and this roughly sums up my relationship to my graduate students

Και αυτό γενικά συνοψίζει τη σχέση μου με τους μεταπτυχιακούς μου φοιτητές

in technology across the board.

σε όλο το φάσμα της τεχνολογίας.

But the important point here is it provides a little bit of evidence

Αλλά το σημαντικό εδώ είναι ότι δίνει μια μικρή ένδειξη

that the problem isn't with the toy, it's with the person.

ότι το πρόβλημα δεν είναι στο παιχνίδι αλλά στο άτομο.

Some people can make this toy go,

Κάποιοι μπορούν να το βάλουν σε λειτουργία

and some can't.

και κάποιοι όχι.

Now, when the baby gets the toy, he's going to have a choice.

Όταν το μωρό πάρει το παιχνίδι, θα έχει μια επιλογή.

His mom is right there,

Η μαμά του είναι εκεί,

so he can go ahead and hand off the toy and change the person,

μπορεί να δώσει το παιχνίδι και να αλλάξει το άτομο,

but there's also going to be another toy at the end of that cloth,

αλλά θα υπάρχει και ένα ακόμη παιχνίδι στην άκρη εκείνου του υφάσματος

and he can pull the cloth towards him and change the toy.

και μπορεί να τραβήξει το ύφασμα και να αλλάξει το παιχνίδι.

So let's see what the baby does.

Ας δούμε τι κάνει το μωρό.

(Video) HG: Two, three. Go! (Music)

(Βίντεο) ΓΓ: Δύο, τρία. Πάμε! (Μουσική)

LS: One, two, three, go!

ΛΣ: Ένα, δύο, τρία, πάμε!

Arthur, I'm going to try again. One, two, three, go!

Άρθουρ, θα προσπαθήσω πάλι. Ένα, δύο, τρία, πάμε!

YG: Arthur, let me try again, okay?

ΓΓ: Άρθουρ, ας προσπαθήσω εγώ πάλι, ΟΚ;

One, two, three, go! (Music)

Ένα, δύο, τρία, πάμε! (Μουσική)

Look at that. Remember these toys?

Κοίτα αυτό. Θυμάσαι αυτά τα παιχνίδια;

See these toys? Yeah, I'm going to put this one over here,

Βλέπεις αυτά τα παιχνίδια; Ναι, θα βάλω αυτό εδώ πέρα,

and I'm going to give this one to you.

και θα δώσω αυτό σε σένα.

You can go ahead and play.

Μπορείς να παίξεις.

LS: Okay, Laura, but of course, babies love their mommies.

ΛΣ: ΟΚ, Λόρα, φυσικά τα μωρά αγαπούν τις μαμάδες τους.

Of course babies give toys to their mommies

Φυσικά το παιδί δίνει το παιχνίδι στη μαμά

when they can't make them work.

όταν δεν λειτουργεί.

So again, the really important question is what happens when we change

Και πάλι, η πραγματικά σημαντική ερώτηση είναι

τι θα συμβεί όταν αλλάξουμε τα στατιστικά δεδομένα ακόμα λίγο.

the statistical data ever so slightly.

This time, babies are going to see the toy work and fail in exactly the same order,

Τώρα τα μωρά θα δουν το παιχνίδι να λειτουργεί και να σταματάει εναλλάξ

but we're changing the distribution of evidence.

αλλά αλλάζουμε την κατανομή των ενδείξεων.

This time, Hyowon is going to succeed once and fail once, and so am I.

Τωρα η Γιογουάν μια φορά θα τα καταφέρει και μια θα αποτύχει, και το ίδιο κι εγώ.

And this suggests it doesn't matter who tries this toy, the toy is broken.

Και αυτό λέει ότι άσχετα με το ποιος χειρίζεται το παιχνίδι, αυτό δεν δουλεύει.

It doesn't work all the time.

Δεν λειτουργεί γενικά.

Again, the baby's going to have a choice.

Πάλι το μωρό έχει μια επιλογή.

Η μαμά της είναι δίπλα της, έτσι μπορεί να αλλάξει πρόσωπο

Her mom is right next to her, so she can change the person,

and there's going to be another toy at the end of the cloth.

και θα υπάρχει ένα άλλο παιχνίδι στην άκρη του υφάσματος.

Let's watch what she does.

Ας δούμε τι κάνει.

(Video) HG: Two, three, go! (Music)

(Βίντεο) ΓΓ: Δύο, τρία. Πάμε! (Μουσική)

Let me try one more time. One, two, three, go!

Να προσπαθήσω άλλη μια φορά. Ένα, δύο, τρία, πάμε!

Hmm.

Χμμ.

LS: Let me try, Clara.

ΛΣ: Άσε με να προσπαθήσω, Κλάρα.

One, two, three, go!

Ένα, δύο, τρία, πάμε!

Hmm, let me try again.

Χμμ. Ας προσπαθήσω πάλι.

One, two, three, go! (Music)

Ένα, δύο, τρία, πάμε! (Μουσική)

ΓΓ: Θα βάλω αυτό εδώ πέρα

HG: I'm going to put this one over here,

and I'm going to give this one to you.

και θα δώσω αυτό σε σένα.

You can go ahead and play.

Μπορείς να παίξεις.

(Applause)

(Χειροκρότημα)

LS: Let me show you the experimental results.

ΛΣ: Να σας δείξω τα αποτελέσματα των πειραμάτων.

On the vertical axis, you'll see the distribution

Στον κάθετο άξονα θα δείτε την κατανομή

of children's choices in each condition,

των επιλογών των παιδιών σε κάθε περίπτωση

and you'll see that the distribution of the choices children make

και θα δείτε ότι η κατανομή των επιλογών που κάνουν τα παιδιά

depends on the evidence they observe.

εξαρτάται από τις ενδείξεις που παρατηρούν.

So in the second year of life,

Έτσι στο δεύτερο έτος ζωής,

babies can use a tiny bit of statistical data

τα μωρά μπορούν να χρησιμοποιήσουν λίγα στατιστικά δεδομένα

to decide between two fundamentally different strategies

για να αποφασίσουν μεταξύ δύο βασικά διαφορετικών στρατηγικών

for acting in the world:

για να δράσουν στον κόσμο:

asking for help and exploring.

να ζητήσουν βοήθεια και να εξερευνήσουν.

I've just shown you two laboratory experiments

Μόλις σας έδειξα δύο εργαστηριακά πειράματα

out of literally hundreds in the field that make similar points,

από κυριολεκτικά εκατοντάδες στον κλάδο που έχουν παρόμοια συμπεράσματα

because the really critical point

επειδή το πραγματικά σημαντικό σημείο είναι

is that children's ability to make rich inferences from sparse data

ότι η ικανότητα των παιδιών να βγάζουν πλήθος συμπερασμάτων από λίγα δεδομένα

underlies all the species-specific cultural learning that we do.

βρίσκεται πίσω από όλη την πολιτιστική μάθηση του είδους μας.

Children learn about new tools from just a few examples.

Τα παιδιά μαζεύουν τα νέα εργαλεία από λίγα μόνο παραδείγματα.

They learn new causal relationships from just a few examples.

Μαθαίνουν νέες σχέσεις αιτιασμού από λίγα μόνο παραδείγματα.

They even learn new words, in this case in American Sign Language.

Μαθαίνουν ακόμα και νέες λέξεις, όπως εδώ, στην αμερικανική νοηματική γλώσσα.

I want to close with just two points.

Θέλω να κλείσω με μόνο δύο σημεία.

If you've been following my world, the field of brain and cognitive sciences,

Αν παρακολουθείτε τον κόσμο μου, τον τομέα εγκεφάλου και γνωστικών επιστημών,

for the past few years,

για τα τελευταία λίγα χρόνια,

three big ideas will have come to your attention.

τρεις μεγάλες ιδέες θα υπέπεσαν στην αντίληψή σας.

The first is that this is the era of the brain.

Η πρώτη είναι ότι αυτή είναι η εποχή του εγκεφάλου.

And indeed, there have been staggering discoveries in neuroscience:

Και όντως έχουν γίνει τεράστιες ανακαλύψεις στη νευροεπιστήμη:

localizing functionally specialized regions of cortex,

εντοπίστηκαν λειτουργικά εξειδικευμένες περιοχές του φλοιού,

turning mouse brains transparent,

οι εγκέφαλοι των ποντικιών έγιναν διαφανείς,

activating neurons with light.

ενεργοποιούνται νευρώνες με το φως.

A second big idea

Μια δεύτερη μεγάλη ιδέα είναι

is that this is the era of big data and machine learning,

ότι είναι η εποχή των μεγάλων δεδομένων και της μηχανικής μάθησης,

and machine learning promises to revolutionize our understanding

και η μηχανική μάθηση υπόσχεται ν' αλλάξει ριζικά την κατανόηση των πάντων,

of everything from social networks to epidemiology.

από τα κοινωνικά δίκτυα έως την επιδημιολογία.

And maybe, as it tackles problems of scene understanding

Και ίσως, καθώς επιλύει προβλήματα κατανόησης σκηνών

and natural language processing,

και φυσικής επεξεργασίας της γλώσσας,

to tell us something about human cognition.

να μας πει κάτι σχετικά με την ανθρώπινη νόηση.

And the final big idea you'll have heard

Και η τελευταία μεγάλη ιδέα που θα έχετε ακούσει

is that maybe it's a good idea we're going to know so much about brains

είναι πως μάλλον είναι καλό που θα μάθουμε τόσα για τον εγκέφαλο

and have so much access to big data,

και θα έχουμε πρόσβαση σε μεγάλα δεδομένα,

because left to our own devices,

επειδή αν πράξουμε κατά βούληση,

humans are fallible, we take shortcuts,

οι άνθρωποι παραπλανούμαστε, καταφεύγουμε σε πρόχειρες λύσεις,

we err, we make mistakes,

κάνουμε σφάλματα, κάνουμε λάθη,

we're biased, and in innumerable ways,

έχουμε προκαταλήψεις,

και με πάμπολλους τρόπους, εκλαμβάνουμε τον κόσμο λάθος.

we get the world wrong.

I think these are all important stories,

Νομίζω ότι όλες αυτές είναι σημαντικές ιστορίες

and they have a lot to tell us about what it means to be human,

και έχουν πολλά να μας πουν σχετικά με το τι σημαίνει να είσαι άνθρωπος,

but I want you to note that today I told you a very different story.

αλλά θέλω να σημειώσετε ότι σήμερα σας είπα μια πολύ διαφορετική ιστορία.

It's a story about minds and not brains,

Είναι μια ιστορία για το μυαλό μας και όχι για τον εγκέφαλό μας

and in particular, it's a story about the kinds of computations

και ειδικότερα, είναι μια ιστορία για το είδος των υπολογισμών

that uniquely human minds can perform,

που μόνο τα ανθρώπινα μυαλά μπορούν να εκτελέσουν,

which involve rich, structured knowledge and the ability to learn

που εμπλέκει πλούσια, δομημένη γνώση και την ικανότητα να μαθαίνουμε

from small amounts of data, the evidence of just a few examples.

από μικρές ποσότητες δεδομένων, τις ενδείξεις από πολύ λίγα παραδείγματα.

Και βασικά, είναι μια ιστορία του πώς, ξεκινώντας ως μικρά παιδιά

And fundamentally, it's a story about how starting as very small children

and continuing out all the way to the greatest accomplishments

και συνεχίζοντας έως τα μεγαλύτερα επιτεύγματα της κουλτούρας μας,

of our culture,

we get the world right.

αντιλαμβανόμαστε τον κόσμο μας σωστά.

Folks, human minds do not only learn from small amounts of data.

Φίλοι μου, το ανθρώπινο μυαλό δεν μαθαίνει μόνο από μικρές ποσότητες δεδομένων.

Τα ανθρώπινα μυαλά σκέφτονται και εξ ολοκλήρου νέες ιδέες.

Human minds think of altogether new ideas.

Human minds generate research and discovery,

Τα ανθρώπινα μυαλά παράγουν έρευνες και ανακαλύψεις,

and human minds generate art and literature and poetry and theater,

και τα ανθρώπινα μυαλά παράγουν τέχνη, λογοτεχνία, ποίηση και θέατρο,

and human minds take care of other humans:

και τα ανθρώπινα μυαλά φροντίζουν άλλους ανθρώπους:

our old, our young, our sick.

τους ηλικιωμένους μας, τους νέους μας, τους ασθενείς μας.

We even heal them.

Ακόμη και τους θεραπεύουμε.

In the years to come, we're going to see technological innovations

Στα επόμενα χρόνια, θα δούμε τεχνολογικές καινοτομίες

beyond anything I can even envision,

πέρα από οτιδήποτε μπορούμε να οραματιστούμε,

but we are very unlikely

αλλά είναι μάλλον απίθανο

to see anything even approximating the computational power of a human child

να δούμε οτιδήποτε καν να πλησιάζει την υπολογιστική δύναμη ενός μωρού

in my lifetime or in yours.

όσο θα ζήσω εγώ ή εσείς.

If we invest in these most powerful learners and their development,

Εάν επενδύσουμε σ' αυτούς τους πολύ δυνατούς μαθητές και την ανάπτυξή τους,

in babies and children

στα μωρά και στα παιδιά,

and mothers and fathers

στις μητέρες και τους πατεράδες,

and caregivers and teachers

στους κηδεμόνες και τους δασκάλους,

the ways we invest in our other most powerful and elegant forms

έτσι όπως επενδύουμε στις άλλες μας πιο ισχυρές και κομψές μορφές

of technology, engineering and design,

τεχνολογίας, μηχανικής και σχεδιασμού,

we will not just be dreaming of a better future,

δεν θα ονειρευόμαστε μόνο ένα καλύτερο μέλλον,

we will be planning for one.

θα το σχεδιάζουμε.

Thank you very much.

Ευχαριστώ πολύ.

(Applause)

(Χειροκρότημα)

Chris Anderson: Laura, thank you. I do actually have a question for you.

Κρις Άντερσον: Λόρα, σ' ευχαριστώ. Έχω μια ερώτηση για σένα.

First of all, the research is insane.

Πρώτα απ' όλα, η έρευνα είναι εξωφρενική.

I mean, who would design an experiment like that? (Laughter)

Ποιος θα σχεδίαζε ένα τέτοιο πείραμα; (Γέλια)

I've seen that a couple of times,

Το είδα μερικές φορές

and I still don't honestly believe that that can truly be happening,

και ακόμη δεν πιστεύω ειλικρινά ότι αυτό όντως μπορεί να συμβαίνει,

but other people have done similar experiments; it checks out.

αλλά και άλλοι έχουν κάνει παρόμοια πειράματα. Είναι λογικό.

The babies really are that genius.

Τα μωρά είναι όντως ιδιοφυίες.

LS: You know, they look really impressive in our experiments,

ΛΣ: Ξέρεις, είναι τόσο εντυπωσιακά στα πειράματά μας,

but think about what they look like in real life, right?

αλλά σκέψου πώς είναι στην κανονική ζωή;

It starts out as a baby.

Ξεκινάει σαν μωρό.

Eighteen months later, it's talking to you,

Δεκαοκτώ μήνες αργότερα σου μιλάει,

and babies' first words aren't just things like balls and ducks,

και τα πρώτα λογάκια δεν είναι απλά πράγματα όπως μπάλες και παπάκια,

they're things like "all gone," which refer to disappearance,

είναι πράγματα όπως τα «πάει!» που αναφέρεται στην εξαφάνιση,

or "uh-oh," which refer to unintentional actions.

ή το «ωχ!» που αναφέρεται σε ακούσιες πράξεις.

It has to be that powerful.

Πρέπει να είναι τόσο ισχυρά.

It has to be much more powerful than anything I showed you.

Πρέπει να είναι πολύ πιο ισχυρά από οτιδήποτε σας έδειξα.

They're figuring out the entire world.

Αντιλαμβάνονται πώς λειτουργεί όλος ο κόσμος.

A four-year-old can talk to you about almost anything.

Ένα τετράχρονο μπορεί να σας μιλήσει για σχεδόν οτιδήποτε.

(Applause)

(Χειροκρότημα)

CA: And if I understand you right, the other key point you're making is,

ΚΑ: Και αν σε καταλαβαίνω σωστά, το άλλο κεντρικό σημείο είναι

we've been through these years where there's all this talk

ότι περάσαμε τόσα χρόνια που έγιναν τόσες συζητήσεις

πόσο ιδιόμορφα και προβληματικά είναι τα μυαλά μας

of how quirky and buggy our minds are,

that behavioral economics and the whole theories behind that

που η συμπεριφοριστική οικονομία και παρόμοιες θεωρίες,

that we're not rational agents.

ότι δεν πράττουμε λογικά.

You're really saying that the bigger story is how extraordinary,

Ουσιαστικά λες ότι η σημαντικότερη ιστορία είναι πόσο αξιοσημείωτα είναι,

and there really is genius there that is underappreciated.

και ότι πράγματι υπάρχει εκεί ευφυία που δεν εκτιμάται αναλόγως.

LS: One of my favorite quotes in psychology

ΛΣ: Ένα αγαπημένο μου ρητό από την ψυχολογία

comes from the social psychologist Solomon Asch,

είναι από τον κοινωνικό ψυχολόγο Σόλομον Ας, που είπε

and he said the fundamental task of psychology is to remove

ότι το βασικό καθήκον της ψυχολογίας

the veil of self-evidence from things.

είναι να παραμερίσει το πέπλο του αυταπόδεικτου από τα πράγματα.

There are orders of magnitude more decisions you make every day

Εκατομμύρια τάξεις μεγέθους και καθημερινές αποφάσεις

βοηθούν να αντιληφθείς σωστά τον κόσμο.

that get the world right.

You know about objects and their properties.

Γνωρίζεις περί αντικειμένων και των ιδιοτήτων τους.

You know them when they're occluded. You know them in the dark.

Ξέρεις πότε φρακάρουν. Τα αναγνωρίζεις στο σκοτάδι.

You can walk through rooms.

Μπορείς να διασχίζεις δωμάτια. Καταλαβαίνεις τι σκέφτονται οι άλλοι.

You can figure out what other people are thinking. You can talk to them.

Μπορείς να τους μιλήσεις και να πορευθείς στο χώρο.

You can navigate space. You know about numbers.

Ξέρεις για αριθμούς.

You know causal relationships. You know about moral reasoning.

Ξέρεις τις σχέσεις αιτιατού και την ηθική αιτίαση.

Το κάνεις χωρίς δυσκολία, έτσι δεν το βλέπουμε,

You do this effortlessly, so we don't see it,

αλλά έτσι καταλαβαίνουμε σωστά τον κόσμο

but that is how we get the world right, and it's a remarkable

και είναι ένα αξιοσημείωτο και πολύ δυσνόητο επίτευγμα.

and very difficult-to-understand accomplishment.

ΚΑ: Υποψιάζομαι ότι υπάρχουν άνθρωποι στο ακροατήριο

CA: I suspect there are people in the audience who have

που έχουν την άποψη να επιταχύνουν την τεχνολογική ισχύ

this view of accelerating technological power

που ίσως αμφισβητήσουν τη δήλωσή σου ότι ποτέ στη ζωή μας

who might dispute your statement that never in our lifetimes

δεν θα κάνει ένας υπολογιστής ότι μπορεί να κάνει ένα τρίχρονο παιδί,

will a computer do what a three-year-old child can do,

but what's clear is that in any scenario,

αλλά είναι σαφές ότι σε κάθε σενάριο,

our machines have so much to learn from our toddlers.

οι μηχανές μας έχουν πολλά να μάθουν από τους μπόμπιρες.

LS: I think so. You'll have some machine learning folks up here.

ΛΣ: Έτσι νομίζω. Θα έχετε αρκετούς υπέρ της μηχανικής μάθησης εδώ πέρα.

I mean, you should never bet against babies or chimpanzees

Δεν πρέπει να υποτιμάτε τα μωρά ή τους χιμπατζήδες

or technology as a matter of practice,

ή την τεχνολογία, σε μόνιμη βάση,

but it's not just a difference in quantity,

αλλά δεν είναι απλώς μια διαφορά στην ποσότητα,

it's a difference in kind.

είναι διαφορά στο είδος.

We have incredibly powerful computers,

Έχουμε απίστευτα ισχυρούς υπολογιστές

and they do do amazingly sophisticated things,

και πράγματι κάνουν τρομερά εξεζητημένα πράγματα,

often with very big amounts of data.

συχνά με μεγάλες ποσότητες δεδομένων.

Human minds do, I think, something quite different,

Θεωρώ ότι τα ανθρώπινα μυαλά κάνουν κάτι τελείως διαφορετικό,

and I think it's the structured, hierarchical nature of human knowledge

και νομίζω ότι είναι η δομημένη, ιεραρχική φύση της ανθρώπινης γνώσης

that remains a real challenge.

που παραμένει μια πραγματική πρόκληση.

CA: Laura Schulz, wonderful food for thought. Thank you so much.

ΚΑ: Λορα Σουλτς, θαυμάσια τροφή για σκέψη. Σε ευχαριστούμε τόσο πολύ.

LS: Thank you. (Applause)

ΛΣ: Ευχαριστώ. (Χειροκρότημα)