Alison Gopnik: What do babies think?

395,642 views ・ 2011-10-10

TED


Lai atskaņotu videoklipu, divreiz noklikšķiniet uz zemāk redzamajiem subtitriem angļu valodā.

Translator: Raimonds Jaks Reviewer: Ilze Garda
00:15
What is going on
0
15260
2000
Kas notiek šī mazuļa prātā?
00:17
in this baby's mind?
1
17260
2000
00:19
If you'd asked people this 30 years ago,
2
19260
2000
Ja jūs vaicātu pirms 30 gadiem,
00:21
most people, including psychologists,
3
21260
2000
vairums, ieskaitot psihologus,
00:23
would have said that this baby was irrational,
4
23260
3000
atbildētu, ka mazuļi domā neracionāli, neloģiski, egocentriski,
00:26
illogical, egocentric --
5
26260
2000
00:28
that he couldn't take the perspective of another person
6
28260
2000
ka viņi nespēj lūkoties no citu cilvēku skatupunkta
00:30
or understand cause and effect.
7
30260
2000
vai saprast cēloņus un sekas.
00:32
In the last 20 years,
8
32260
2000
Pēdējos 20 gados attīstības psiholoģija ir pilnībā izmainījusi šo ainu.
00:34
developmental science has completely overturned that picture.
9
34260
3000
00:37
So in some ways,
10
37260
2000
Savā ziņā mēs uzskatām,
00:39
we think that this baby's thinking
11
39260
2000
ka šī mazuļa domāšanu var salīdzināt ar spožāko zinātnieku prātiem.
00:41
is like the thinking of the most brilliant scientists.
12
41260
4000
00:45
Let me give you just one example of this.
13
45260
2000
Ļaujiet jums sniegt vienu piemēru.
00:47
One thing that this baby could be thinking about,
14
47260
3000
Viena no domām, kas viņam varētu būt prātā,
00:50
that could be going on in his mind,
15
50260
2000
00:52
is trying to figure out
16
52260
2000
ir mēģināt saprast, kas notiek otra mazuļa prātā.
00:54
what's going on in the mind of that other baby.
17
54260
3000
00:57
After all, one of the things that's hardest for all of us to do
18
57260
3000
Galu galā mums visiem viens no grūtākajiem uzdevumiem
01:00
is to figure out what other people are thinking and feeling.
19
60260
3000
ir saprast, ko citi cilvēki domā un jūt.
01:03
And maybe the hardest thing of all
20
63260
2000
Un varbūt pats grūtākais uzdevums
01:05
is to figure out that what other people think and feel
21
65260
3000
ir saprast, ka tas, ko citi domā un jūt,
01:08
isn't actually exactly like what we think and feel.
22
68260
2000
nav gluži tas pats, ko domājam un jūtam mēs.
01:10
Anyone who's followed politics can testify
23
70260
2000
Tie, kas seko politikai var apstiprināt,
01:12
to how hard that is for some people to get.
24
72260
3000
cik to dažiem ir grūti aptvert.
01:15
We wanted to know
25
75260
2000
Mēs gribējām zināt,
01:17
if babies and young children
26
77260
2000
vai mazuļi un mazi bērni spēj saprast šo tiešām dziļo domu par citiem cilvēkiem.
01:19
could understand this really profound thing about other people.
27
79260
3000
01:22
Now the question is: How could we ask them?
28
82260
2000
Jautājums ir, kā viņiem to pajautāt.
01:24
Babies, after all, can't talk,
29
84260
2000
Jo mazuļi nerunā,
01:26
and if you ask a three year-old
30
86260
2000
un, ja jautāsiet trīsgadīgam bērnam pastāstīt, ko viņš domā,
01:28
to tell you what he thinks,
31
88260
2000
01:30
what you'll get is a beautiful stream of consciousness monologue
32
90260
3000
jūs iegūsiet skaistu apziņas plūsmas monologu
01:33
about ponies and birthdays and things like that.
33
93260
3000
par ponijiem, dzimšanas dienām un tamlīdzīgām lietām.
01:36
So how do we actually ask them the question?
34
96260
3000
Tātad, kā gan viņiem to pajautāt?
01:39
Well it turns out that the secret was broccoli.
35
99260
3000
Risinājums, izrādās, slēpās brokolī.
01:42
What we did -- Betty Rapacholi, who was one of my students, and I --
36
102260
4000
Mēs ar Betiju Repekoli, vienu no manām studentēm,
01:46
was actually to give the babies two bowls of food:
37
106260
3000
iedevām mazuļiem divus traukus ar ēdienu:
01:49
one bowl of raw broccoli
38
109260
2000
vienu ar svaigiem brokoļiem
01:51
and one bowl of delicious goldfish crackers.
39
111260
3000
un vienu ar garšīgiem zelta zivtiņu krekeriem.
01:54
Now all of the babies, even in Berkley,
40
114260
3000
Visiem mazuļiem, pat Bērklijā,
01:57
like the crackers and don't like the raw broccoli.
41
117260
3000
garšo krekeri un negaršo svaigi brokoļi.
02:00
(Laughter)
42
120260
2000
(Smiekli)
02:02
But then what Betty did
43
122260
2000
Bet tad Betija darīja, lūk, ko:
02:04
was to take a little taste of food from each bowl.
44
124260
3000
viņa nogaršoja drusku no katra trauka
02:07
And she would act as if she liked it or she didn't.
45
127260
2000
un tad parādīja, ka viņai tas garšo vai arī negaršo.
02:09
So half the time, she acted
46
129260
2000
Dažreiz viņa izlikās, ka viņai garšo krekeri un negaršo brokoļi,
02:11
as if she liked the crackers and didn't like the broccoli --
47
131260
2000
02:13
just like a baby and any other sane person.
48
133260
3000
gluži kā mazuļiem un jebkuram normālam cilvēkam.
02:16
But half the time,
49
136260
2000
Bet dažreiz viņa paņēma mazliet brokoļu un teica:
02:18
what she would do is take a little bit of the broccoli
50
138260
2000
02:20
and go, "Mmmmm, broccoli.
51
140260
3000
"Mmmmm, brokolis!
02:23
I tasted the broccoli. Mmmmm."
52
143260
3000
Es nogaršoju brokoli. Mmmmm!"
02:26
And then she would take a little bit of the crackers,
53
146260
2000
Un tad viņa paņēma mazliet krekeru un teica:
02:28
and she'd go, "Eww, yuck, crackers.
54
148260
4000
"Fui, pē, krekers! Es nogaršoju krekeru. Fui!"
02:32
I tasted the crackers. Eww, yuck."
55
152260
3000
02:35
So she'd act as if what she wanted
56
155260
2000
Tātad viņa izlikās, it kā gribētu pretējo tam, ko grib mazuļi.
02:37
was just the opposite of what the babies wanted.
57
157260
3000
02:40
We did this with 15 and 18 month-old babies.
58
160260
2000
Mēs to veicām ar 15 un 18 mēnešus veciem mazuļiem,
02:42
And then she would simply put her hand out and say,
59
162260
3000
un tad viņa vienkārši pastiepa roku un teica: "Iedosi man kādu?"
02:45
"Can you give me some?"
60
165260
2000
02:47
So the question is: What would the baby give her,
61
167260
2000
Jautājums bija – ko mazulis viņai dos?
02:49
what they liked or what she liked?
62
169260
2000
To, kas garšo viņam pašam, vai to, kas garšo viņai?
02:51
And the remarkable thing was that 18 month-old babies,
63
171260
3000
Apbrīnojami bija tas, ka 18 mēnešus vecie mazuļi,
02:54
just barely walking and talking,
64
174260
2000
kas vēl īsti nestaigā un nerunā,
02:56
would give her the crackers if she liked the crackers,
65
176260
3000
deva viņai krekerus, ja viņai garšoja krekeri,
02:59
but they would give her the broccoli if she liked the broccoli.
66
179260
3000
un brokoļus, ja viņai garšoja brokoļi.
03:02
On the other hand,
67
182260
2000
Tai pat laikā 15 mēnešus vecie ilgi skatījās uz viņu,
03:04
15 month-olds would stare at her for a long time
68
184260
2000
03:06
if she acted as if she liked the broccoli,
69
186260
2000
ja viņa rādīja, ka viņai patīk brokoļi,
03:08
like they couldn't figure this out.
70
188260
3000
it kā viņi nespētu to saprast.
03:11
But then after they stared for a long time,
71
191260
2000
Bet tad, pēc ilgas skatīšanās,
03:13
they would just give her the crackers,
72
193260
2000
viņi tomēr deva viņai krekerus, kas pēc viņu domām jāgaršo visiem.
03:15
what they thought everybody must like.
73
195260
2000
03:17
So there are two really remarkable things about this.
74
197260
3000
Te mēs redzam divas nozīmīgas lietas.
03:20
The first one is that these little 18 month-old babies
75
200260
3000
Pirmkārt, 18 mēnešus vecie mazuļi
03:23
have already discovered
76
203260
2000
jau ir atklājuši
03:25
this really profound fact about human nature,
77
205260
2000
šo tiešām dziļo atziņu par cilvēka dabu,
03:27
that we don't always want the same thing.
78
207260
2000
ka ne visi vienmēr vēlas vienu un to pašu.
03:29
And what's more, they felt that they should actually do things
79
209260
2000
Turklāt, viņiem šķiet, ka kaut kas jādara, lai palīdzētu citiem tikt pie kārotā.
03:31
to help other people get what they wanted.
80
211260
3000
03:34
Even more remarkably though,
81
214260
2000
Bet kas ir vēl interesantāk –
03:36
the fact that 15 month-olds didn't do this
82
216260
3000
fakts, ka 15 mēnešus vecie tā nedarīja, norāda uz to,
03:39
suggests that these 18 month-olds had learned
83
219260
3000
ka 18 mēnešus vecie bija ieguvuši šo dziļo, pamatīgo atziņu par cilvēka dabu
03:42
this deep, profound fact about human nature
84
222260
3000
03:45
in the three months from when they were 15 months old.
85
225260
3000
trijos mēnešos, kopš bija 15 mēnešus veci.
03:48
So children both know more and learn more
86
228260
2000
Tātad bērni zina un mācās vairāk,
03:50
than we ever would have thought.
87
230260
2000
nekā mums varētu ienākt prātā.
03:52
And this is just one of hundreds and hundreds of studies over the last 20 years
88
232260
4000
Un šis ir tikai viens no simtiem pētījumu pēdējo 20 gadu laikā,
03:56
that's actually demonstrated it.
89
236260
2000
kas to skaidri parāda.
03:58
The question you might ask though is:
90
238260
2000
Jūs varētu jautāt, kāpēc bērni tik daudz mācās
04:00
Why do children learn so much?
91
240260
3000
un kā tas ir iespējams, ka viņi iemācās tik daudz tik īsā laikā.
04:03
And how is it possible for them to learn so much
92
243260
2000
04:05
in such a short time?
93
245260
2000
04:07
I mean, after all, if you look at babies superficially,
94
247260
2000
Galu galā, aplūkojot virspusēji, mazuļi šķiet visai nespējīgi.
04:09
they seem pretty useless.
95
249260
2000
04:11
And actually in many ways, they're worse than useless,
96
251260
3000
Un patiesībā daudzējādā ziņā tie ir vairāk nekā nespējīgi,
04:14
because we have to put so much time and energy
97
254260
2000
jo mums jāiegulda tik daudz laika un enerģijas,
04:16
into just keeping them alive.
98
256260
2000
lai tos vispār uzturētu pie dzīvības.
04:18
But if we turn to evolution
99
258260
2000
Bet, ja mēs šīs mīklas atbildi meklējam evolūcijā,
04:20
for an answer to this puzzle
100
260260
2000
04:22
of why we spend so much time
101
262260
2000
– kāpēc mēs tik daudz laika pavadām, rūpējoties par nevarīgiem mazuļiem, –
04:24
taking care of useless babies,
102
264260
3000
04:27
it turns out that there's actually an answer.
103
267260
3000
izrādās, ka atbilde patiešām ir.
04:30
If we look across many, many different species of animals,
104
270260
3000
Ja pavērojam dažādas dzīvnieku sugas,
04:33
not just us primates,
105
273260
2000
ne vien primātus, bet arī citus zīdītājus, putnus
04:35
but also including other mammals, birds,
106
275260
2000
04:37
even marsupials
107
277260
2000
un pat somaiņus, piemēram, ķengurus un vombatus,
04:39
like kangaroos and wombats,
108
279260
2000
04:41
it turns out that there's a relationship
109
281260
2000
izrādās, ka pastāv sakarība starp sugas bērnības ilgumu
04:43
between how long a childhood a species has
110
283260
4000
04:47
and how big their brains are compared to their bodies
111
287260
4000
un smadzeņu lielumu attiecībā pret ķermeņa masu,
04:51
and how smart and flexible they are.
112
291260
2000
un to, cik tie ir gudri un elastīgi.
04:53
And sort of the posterbirds for this idea are the birds up there.
113
293260
3000
Piemēram palūkosimies uz šiem putniem.
04:56
On one side
114
296260
2000
Vienā pusē redzam Jaunkaledonijas vārnu.
04:58
is a New Caledonian crow.
115
298260
2000
05:00
And crows and other corvidae, ravens, rooks and so forth,
116
300260
3000
Vārnas un citi vārnveidīgie, kraukļi, kovārņi un tā tālāk,
05:03
are incredibly smart birds.
117
303260
2000
ir neticami gudri putni.
05:05
They're as smart as chimpanzees in some respects.
118
305260
3000
Dažos aspektos tie ir tikpat gudri kā šimpanzes.
05:08
And this is a bird on the cover of science
119
308260
2000
Šis putns ir uz žurnāla Science vāka,
05:10
who's learned how to use a tool to get food.
120
310260
3000
jo tas iemācījies lietot darbarīku, lai iegūtu pārtiku.
05:13
On the other hand,
121
313260
2000
Otrā pusē mēs redzam mūsu draugu – mājas vistu.
05:15
we have our friend the domestic chicken.
122
315260
2000
05:17
And chickens and ducks and geese and turkeys
123
317260
3000
Vistas, pīles, zosis un tītari principā ir dumji kā zābaki.
05:20
are basically as dumb as dumps.
124
320260
2000
05:22
So they're very, very good at pecking for grain,
125
322260
3000
Tie ļoti, ļoti labi knābā graudus, bet neko citu tie īsti nespēj.
05:25
and they're not much good at doing anything else.
126
325260
3000
05:28
Well it turns out that the babies,
127
328260
2000
Izrādās, ka mazuļi
05:30
the New Caledonian crow babies, are fledglings.
128
330260
2000
– Jaunkaledonijas vārnas mazuļi jeb cālēni –
05:32
They depend on their moms
129
332260
2000
ir atkarīgi no mammām, kas liek tārpiņus viņu pavērtajās mutītēs,
05:34
to drop worms in their little open mouths
130
334260
3000
05:37
for as long as two years,
131
337260
2000
veselus divus gadus, kas putna dzīvē ir ļoti ilgs laiks.
05:39
which is a really long time in the life of a bird.
132
339260
2000
05:41
Whereas the chickens are actually mature
133
341260
2000
Turpretī vistas nobriest pāris mēnešos.
05:43
within a couple of months.
134
343260
2000
05:45
So childhood is the reason
135
345260
3000
Tātad bērnība ir iemesls,
05:48
why the crows end up on the cover of Science
136
348260
2000
kāpēc vārnas nokļūst uz Science vāka un vistas – zupas katlā.
05:50
and the chickens end up in the soup pot.
137
350260
2000
05:52
There's something about that long childhood
138
352260
3000
Kaut kas to ilgo bērnību, šķiet, saista ar zināšanām un mācīšanos.
05:55
that seems to be connected
139
355260
2000
05:57
to knowledge and learning.
140
357260
2000
05:59
Well what kind of explanation could we have for this?
141
359260
3000
Kāds gan tam varētu būt izskaidrojums?
06:02
Well some animals, like the chicken,
142
362260
3000
Daži dzīvnieki, kā vistas,
06:05
seem to be beautifully suited
143
365260
2000
šķiet, ir kā radīti, lai darītu labi tikai vienu.
06:07
to doing just one thing very well.
144
367260
2000
06:09
So they seem to be beautifully suited
145
369260
3000
Tātad, tie ir kā radīti graudu knābāšanai noteiktā vidē.
06:12
to pecking grain in one environment.
146
372260
2000
06:14
Other creatures, like the crows,
147
374260
2000
Citas radības, kā vārnas, nedara neko īpaši labi,
06:16
aren't very good at doing anything in particular,
148
376260
2000
06:18
but they're extremely good
149
378260
2000
bet tie ārkārtīgi labi apgūst likumus dažādās vidēs.
06:20
at learning about laws of different environments.
150
380260
2000
06:22
And of course, we human beings
151
382260
2000
Un, protams, mēs, cilvēki, esam ļoti tālu šī sadalījuma galā, tāpat kā vārnas.
06:24
are way out on the end of the distribution like the crows.
152
384260
3000
06:27
We have bigger brains relative to our bodies
153
387260
2000
Mums ir daudz lielākas smadzenes attiecībā pret ķermeni,
06:29
by far than any other animal.
154
389260
2000
salīdzinot ar jebkuru dzīvnieku.
06:31
We're smarter, we're more flexible,
155
391260
2000
Mēs esam gudrāki, elastīgāki, mēs spējam vairāk iemācīties,
06:33
we can learn more,
156
393260
2000
06:35
we survive in more different environments,
157
395260
2000
mēs izdzīvojam dažādās vidēs,
06:37
we migrated to cover the world and even go to outer space.
158
397260
3000
mēs migrējam un apdzīvojam visu pasauli, un pat dodamies kosmosā,
06:40
And our babies and children are dependent on us
159
400260
3000
un mūsu mazuļi un bērni ir atkarīgi no mums daudz ilgāk nekā citu sugu mazuļi.
06:43
for much longer than the babies of any other species.
160
403260
3000
06:46
My son is 23.
161
406260
2000
Manam dēlam ir 23 un...
06:48
(Laughter)
162
408260
2000
(Smiekli)
06:50
And at least until they're 23,
163
410260
2000
un vismaz līdz 23 gadu vecumam
06:52
we're still popping those worms
164
412260
2000
mēs vēl arvien bāžam tos tārpiņus viņu pavērtajās mutītēs.
06:54
into those little open mouths.
165
414260
3000
06:57
All right, why would we see this correlation?
166
417260
3000
Bet kāpēc gan šāda sakarība?
07:00
Well an idea is that that strategy, that learning strategy,
167
420260
4000
Tās pamatā ir doma, ka mācīšanās kā stratēģija,
07:04
is an extremely powerful, great strategy for getting on in the world,
168
424260
3000
ir ārkārtīgi efektīva un lieliska, lai pasaulē gūtu panākumus,
07:07
but it has one big disadvantage.
169
427260
2000
bet tai ir kāds nozīmīgs trūkums.
07:09
And that one big disadvantage
170
429260
2000
Šis viens nozīmīgais trūkums ir tāds,
07:11
is that, until you actually do all that learning,
171
431260
3000
ka, kamēr jūs to visu mācāties, jūs būsiet nevarīgs.
07:14
you're going to be helpless.
172
434260
2000
07:16
So you don't want to have the mastodon charging at you
173
436260
3000
Brīdī, kad jums brāžas virsū mastodons, jums nevajadzētu prātot:
07:19
and be saying to yourself,
174
439260
2000
07:21
"A slingshot or maybe a spear might work. Which would actually be better?"
175
441260
4000
"Varētu derēt linga... vai varbūt tomēr šķēps?
07:25
You want to know all that
176
445260
2000
Kurš būtu labāks...?"
Jūs gribat to zināt, pirms mastodons vispār parādās.
07:27
before the mastodons actually show up.
177
447260
2000
07:29
And the way the evolutions seems to have solved that problem
178
449260
3000
Evolūcija šo problēmu, šķiet, atrisinājusi ar darba dalīšanas paņēmienu.
07:32
is with a kind of division of labor.
179
452260
2000
07:34
So the idea is that we have this early period when we're completely protected.
180
454260
3000
Tātad, mums ir agrīnais periods, kurā mēs esam pilnībā pasargāti,
07:37
We don't have to do anything. All we have to do is learn.
181
457260
3000
mums nav jādara nekas, tikai jāmācās.
07:40
And then as adults,
182
460260
2000
Un tad, kad esam pieauguši,
07:42
we can take all those things that we learned when we were babies and children
183
462260
3000
mēs visu bērnībā apgūto varam pielietot dzīvē.
07:45
and actually put them to work to do things out there in the world.
184
465260
3000
07:48
So one way of thinking about it
185
468260
2000
Viens veids, kā uz to palūkoties,
07:50
is that babies and young children
186
470260
2000
ir uztvert mazuļus un mazus bērnus kā cilvēces izpētes un attīstības nodaļas.
07:52
are like the research and development division of the human species.
187
472260
3000
07:55
So they're the protected blue sky guys
188
475260
3000
Tie ir no reālijām pasargātie fantazētāji,
07:58
who just have to go out and learn and have good ideas,
189
478260
2000
kuriem jāmācās un jārada jaunas idejas,
08:00
and we're production and marketing.
190
480260
2000
un mēs esam ražošana un mārketings.
08:02
We have to take all those ideas
191
482260
2000
Mums šīs bērnībā apgūtās lietas beidzot jāliek lietā.
08:04
that we learned when we were children
192
484260
2000
08:06
and actually put them to use.
193
486260
2000
08:08
Another way of thinking about it
194
488260
2000
Uz to var paraudzīties arī citādāk.
08:10
is instead of thinking of babies and children
195
490260
2000
Tā vietā, lai mazuļus un bērnus uzskatītu par nepilnīgiem pieaugušajiem,
08:12
as being like defective grownups,
196
492260
2000
08:14
we should think about them
197
494260
2000
mums būtu uz tiem jāraugās
kā tās pašas sugas pārstāvjiem, bet citā attīstības stadijā,
08:16
as being a different developmental stage of the same species --
198
496260
2000
08:18
kind of like caterpillars and butterflies --
199
498260
3000
līdzīgi kā kāpuri un tauriņi,
08:21
except that they're actually the brilliant butterflies
200
501260
2000
tikai šajā gadījumā viņi ir brīnišķīgie tauriņi,
08:23
who are flitting around the garden and exploring,
201
503260
3000
kas lidinās pa dārzu un pēta,
08:26
and we're the caterpillars
202
506260
2000
bet mēs – kāpuri, kas rāpo pa savu šauro, pieaugušajiem paredzēto taku.
08:28
who are inching along our narrow, grownup, adult path.
203
508260
3000
08:31
If this is true, if these babies are designed to learn --
204
511260
3000
Ja tas tā ir, ja šie mazuļi ir radīti, lai mācītos,
08:34
and this evolutionary story would say children are for learning,
205
514260
3000
– un šis evolūcijas stāsts apliecina, ka bērni ir tam kā radīti, –
08:37
that's what they're for --
206
517260
2000
08:39
we might expect
207
519260
2000
mēs varētu gaidīt, ka viņiem ir ļoti jaudīgi mācīšanās mehānismi.
08:41
that they would have really powerful learning mechanisms.
208
521260
2000
08:43
And in fact, the baby's brain
209
523260
3000
Patiesībā mazuļa smadzenes,
08:46
seems to be the most powerful learning computer
210
526260
2000
šķiet, ir pasaules visjaudīgākais zināšanu apguves dators.
08:48
on the planet.
211
528260
2000
08:50
But real computers are actually getting to be a lot better.
212
530260
3000
Bet īstie datori patiesībā kļūst arvien labāki,
08:53
And there's been a revolution
213
533260
2000
un ir notikusi revolūcija
08:55
in our understanding of machine learning recently.
214
535260
2000
mūsu sapratnē par mašīnmācīšanos.
08:57
And it all depends on the ideas of this guy,
215
537260
3000
Tas noticis, pateicoties šī vīra, reverenda Tomasa Beiza idejām,
09:00
the Reverend Thomas Bayes,
216
540260
2000
09:02
who was a statistician and mathematician in the 18th century.
217
542260
3000
kas bija 18. gadsimta statistiķis un matemātiķis.
09:05
And essentially what Bayes did
218
545260
3000
Būtībā Beiza veikums bija viņa radītā matemātiskā metode,
09:08
was to provide a mathematical way
219
548260
2000
09:10
using probability theory
220
550260
2000
kas izmantoja varbūtības teoriju,
09:12
to characterize, describe,
221
552260
2000
lai raksturotu, aprakstītu, veidu, kā zinātnieki izzina pasauli.
09:14
the way that scientists find out about the world.
222
554260
2000
09:16
So what scientists do
223
556260
2000
Zinātnieki sāk ar hipotēzi, kas viņiem šķiet piemērota.
09:18
is they have a hypothesis that they think might be likely to start with.
224
558260
3000
09:21
They go out and test it against the evidence.
225
561260
2000
Tad viņi to pārbauda, salīdzinot ar pierādījumiem.
09:23
The evidence makes them change that hypothesis.
226
563260
2000
Pierādījumi liek tiem mainīt hipotēzi.
09:25
Then they test that new hypothesis
227
565260
2000
Tad tie pārbauda jauno hipotēzi un tā tālāk un tā joprojām.
09:27
and so on and so forth.
228
567260
2000
09:29
And what Bayes showed was a mathematical way that you could do that.
229
569260
3000
Beizs parādīja, kā to izdarīt matemātiski,
09:32
And that mathematics is at the core
230
572260
2000
un šī matemātika ir labāko mašīnmācīšanās programmu pamatā.
09:34
of the best machine learning programs that we have now.
231
574260
2000
09:36
And some 10 years ago,
232
576260
2000
Aptuveni pirms 10 gadiem
09:38
I suggested that babies might be doing the same thing.
233
578260
4000
es ierosināju, ka mazuļi, iespējams, dara tāpat.
09:42
So if you want to know what's going on
234
582260
2000
Ja gribat uzzināt, kas notiek aiz tām skaistajām brūnajām acīm,
09:44
underneath those beautiful brown eyes,
235
584260
2000
09:46
I think it actually looks something like this.
236
586260
2000
manuprāt, tas izskatās aptuveni šādi –
09:48
This is Reverend Bayes's notebook.
237
588260
2000
šī ir reverenda Beiza piezīmju grāmatiņa.
09:50
So I think those babies are actually making complicated calculations
238
590260
3000
Es domāju, ka mazuļi īstenībā veic sarežģītus aprēķinus
09:53
with conditional probabilities that they're revising
239
593260
3000
ar nosacītām varbūtībām, ko viņi izskata, lai saprastu, kā pasaule funkcionē.
09:56
to figure out how the world works.
240
596260
2000
09:58
All right, now that might seem like an even taller order to actually demonstrate.
241
598260
4000
Labi, bet to pierādīt šķiet pat vēl grūtāk,
10:02
Because after all, if you ask even grownups about statistics,
242
602260
2000
jo, pat pajautājot par statistiku pieaugušajiem,
10:04
they look extremely stupid.
243
604260
2000
tie izskatās ārkārtīgi muļķīgi.
10:06
How could it be that children are doing statistics?
244
606260
3000
Kā gan statistiskas darbības varētu veikt bērni?
10:09
So to test this we used a machine that we have
245
609260
2000
Lai to pārbaudītu, mēs izmantojām aparātu,
10:11
called the Blicket Detector.
246
611260
2000
ko saucam par bliketdetektoru.
10:13
This is a box that lights up and plays music
247
613260
2000
Tā ir kaste, kas iemirdzas un atskaņo mūziku,
10:15
when you put some things on it and not others.
248
615260
3000
ja uz tās uzliek dažas lietas, bet ne citas.
10:18
And using this very simple machine,
249
618260
2000
Izmantojot šo ļoti vienkāršo aparātu,
10:20
my lab and others have done dozens of studies
250
620260
2000
mana laboratorija un citas ir veikušas desmitiem pētījumu,
10:22
showing just how good babies are
251
622260
2000
kas parāda, cik mazuļi ir attapīgi, apgūstot pasauli.
10:24
at learning about the world.
252
624260
2000
10:26
Let me mention just one
253
626260
2000
Ļaujiet pieminēt tikai vienu, ko veicām ar manu studentu Tumaru Kušneru.
10:28
that we did with Tumar Kushner, my student.
254
628260
2000
10:30
If I showed you this detector,
255
630260
2000
Ja es jums parādītu šo detektoru, jūs droši vien domātu,
10:32
you would be likely to think to begin with
256
632260
2000
10:34
that the way to make the detector go
257
634260
2000
ka detektora iedarbināšana jāsāk ar klucīšu uzlikšanu uz detektora.
10:36
would be to put a block on top of the detector.
258
636260
3000
10:39
But actually, this detector
259
639260
2000
Bet šis detektors darbojas nedaudz dīvaini.
10:41
works in a bit of a strange way.
260
641260
2000
10:43
Because if you wave a block over the top of the detector,
261
643260
3000
Ja pavēcināsiet klucīti virs tā,
10:46
something you wouldn't ever think of to begin with,
262
646260
3000
ko jums, pirmkārt, nekad neienāks prātā darīt,
10:49
the detector will actually activate two out of three times.
263
649260
3000
detektors ieslēgsies divās no trijām reizēm.
10:52
Whereas, if you do the likely thing, put the block on the detector,
264
652260
3000
Turpretī, ja darīsiet acīmredzamo un liksiet klucīšus uz detektora,
10:55
it will only activate two out of six times.
265
655260
4000
tas ieslēgsies divās no sešām reizēm.
10:59
So the unlikely hypothesis
266
659260
2000
Tātad mazticamajai hipotēzei ir stiprāki pierādījumi.
11:01
actually has stronger evidence.
267
661260
2000
11:03
It looks as if the waving
268
663260
2000
Izskatās, ka vēcināšana ir efektīvāka stratēģija nekā tā otra.
11:05
is a more effective strategy than the other strategy.
269
665260
2000
11:07
So we did just this; we gave four year-olds this pattern of evidence,
270
667260
3000
Lūk, ko mēs darījām: mēs iedevām četrgadīgajiem šo pierādījumu modeli
11:10
and we just asked them to make it go.
271
670260
2000
un lūdzām viņiem izmēģināt.
11:12
And sure enough, the four year-olds used the evidence
272
672260
3000
Protams, četrgadnieki izmantoja pierādījumus
11:15
to wave the object on top of the detector.
273
675260
3000
un vēcināja objektu virs detektora.
11:18
Now there are two things that are really interesting about this.
274
678260
3000
Šeit tiešām interesantas ir divas lietas.
11:21
The first one is, again, remember, these are four year-olds.
275
681260
3000
Pirmkārt,
– un atcerieties, ka šie ir četrgadnieki, viņi vēl tikai mācās skaitīt, –
11:24
They're just learning how to count.
276
684260
2000
11:26
But unconsciously,
277
686260
2000
bet neapzināti viņi veic šos visai sarežģītos aprēķinus,
11:28
they're doing these quite complicated calculations
278
688260
2000
11:30
that will give them a conditional probability measure.
279
690260
3000
kas viņiem sniedz nosacītās varbūtības mērījumus.
11:33
And the other interesting thing
280
693260
2000
Otra interesantā lieta –
11:35
is that they're using that evidence
281
695260
2000
viņi izmanto liecības, lai iegūtu atziņas, iegūtu hipotēzes par pasauli,
11:37
to get to an idea, get to a hypothesis about the world,
282
697260
3000
11:40
that seems very unlikely to begin with.
283
700260
3000
kas jau no paša sākuma šķiet maz ticamas.
11:43
And in studies we've just been doing in my lab, similar studies,
284
703260
3000
Līdzīgos, manā laboratorijā veiktos pētījumos esam pierādījuši,
11:46
we've show that four year-olds are actually better
285
706260
2000
ka četrgadnieki spēj labāk atrast mazticamu hipotēzi
11:48
at finding out an unlikely hypothesis
286
708260
3000
11:51
than adults are when we give them exactly the same task.
287
711260
3000
nekā pieaugušie, kad tiem dod tādu pašu uzdevumu.
11:54
So in these circumstances,
288
714260
2000
Šādos apstākļos bērni izmanto statistiku, lai izzinātu pasauli,
11:56
the children are using statistics to find out about the world,
289
716260
3000
11:59
but after all, scientists also do experiments,
290
719260
3000
tomēr zinātnieki veic arī eksperimentus,
12:02
and we wanted to see if children are doing experiments.
291
722260
3000
un mēs gribējām redzēt, vai bērni eksperimentē.
12:05
When children do experiments we call it "getting into everything"
292
725260
3000
Kad bērni eksperimentē, mēs to saucam par ložņāšanu pa visurieni
12:08
or else "playing."
293
728260
2000
vai citkārt par spēlēšanos.
12:10
And there's been a bunch of interesting studies recently
294
730260
3000
Pēdējā laikā ir veikta virkne interesantu pētījumu,
12:13
that have shown this playing around
295
733260
3000
kas pierādījuši, ka šī spēlēšanās
12:16
is really a kind of experimental research program.
296
736260
2000
patiesībā ir sava veida eksperimentāla izpētes programma.
12:18
Here's one from Cristine Legare's lab.
297
738260
3000
Šeit ir viens no Kristīnes Legēras laboratorijas.
12:21
What Cristine did was use our Blicket Detectors.
298
741260
3000
Kristīne izmantoja mūsu bliketdetektorus
12:24
And what she did was show children
299
744260
2000
un parādīja bērniem, ka dzeltenie to iedarbina, bet sarkanie ne,
12:26
that yellow ones made it go and red ones didn't,
300
746260
2000
12:28
and then she showed them an anomaly.
301
748260
3000
un tad viņa tiem parādīja kādu anomāliju.
12:31
And what you'll see
302
751260
2000
Jūs redzēsiet, ka šis zēns izskatīs piecas hipotēzes divu minūšu laikā.
12:33
is that this little boy will go through five hypotheses
303
753260
3000
12:36
in the space of two minutes.
304
756260
3000
12:39
(Video) Boy: How about this?
305
759260
3000
(Video) Zēns: Kā būtu ar šo?
12:43
Same as the other side.
306
763260
3000
Tāpat kā otrā pusē.
12:46
Alison Gopnik: Okay, so his first hypothesis has just been falsified.
307
766260
4000
Elisone Gopnika: Tātad viņa pirmā hipotēze ir izrādījusies nepareiza.
12:55
(Laughter)
308
775260
2000
Zēns: Nekā.
(Smiekli)
12:57
Boy: This one lighted up, and this one nothing.
309
777260
3000
Šis iedegās, bet šis ne.
13:00
AG: Okay, he's got his experimental notebook out.
310
780260
3000
E.G.: Nu viņš ķeras klāt eksperimentēšanai.
13:06
Boy: What's making this light up.
311
786260
4000
Zēns: Kas tam liek iedegties?
13:11
(Laughter)
312
791260
9000
(Smiekli)
13:20
I don't know.
313
800260
2000
Es nezinu.
13:22
AG: Every scientist will recognize that expression of despair.
314
802260
4000
E.G.: Katrs zinātnieks atpazīs šo izmisuma izteiksmi.
13:26
(Laughter)
315
806260
3000
(Smiekli)
13:29
Boy: Oh, it's because this needs to be like this,
316
809260
6000
Zēns: Ā, tas ir tāpēc, ka šim jābūt šādi,
13:35
and this needs to be like this.
317
815260
2000
un šim jābūt šādi.
13:37
AG: Okay, hypothesis two.
318
817260
3000
E.G.: Labi, otrā hipotēze.
13:40
Boy: That's why.
319
820260
2000
Zēns: Tāpēc.
13:42
Oh.
320
822260
2000
Vai...
13:44
(Laughter)
321
824260
5000
(Smiekli)
13:49
AG: Now this is his next idea.
322
829260
2000
E.G.: Šī ir nākamā ideja.
13:51
He told the experimenter to do this,
323
831260
2000
Viņš lūdza eksperimentētājai tos uzlikt uz otra detektora.
13:53
to try putting it out onto the other location.
324
833260
4000
13:57
Not working either.
325
837260
2000
Tas arī nenostrādāja.
14:02
Boy: Oh, because the light goes only to here,
326
842260
4000
Zēns: Ā, tas ir tāpēc, ka gaisma pienāk tikai šeit,
14:06
not here.
327
846260
3000
un ne šeit.
14:09
Oh, the bottom of this box
328
849260
3000
Šīs kastes apakšā iekšā ir elektrība,
14:12
has electricity in here,
329
852260
2000
14:14
but this doesn't have electricity.
330
854260
2000
bet šai kastei nav elektrības.
14:16
AG: Okay, that's a fourth hypothesis.
331
856260
2000
E.G.: Šī ir ceturtā hipotēze.
14:18
Boy: It's lighting up.
332
858260
2000
Zēns: Tā iedegās!
14:20
So when you put four.
333
860260
5000
Tātad, kad uzliek četrus.
14:26
So you put four on this one to make it light up
334
866260
3000
Uz šī jāliek četri, lai tas iedegtos,
14:29
and two on this one to make it light up.
335
869260
2000
bet uz šī – divi, lai tas iedegtos.
14:31
AG: Okay,there's his fifth hypothesis.
336
871260
2000
E.G.: Lūk, arī piektā hipotēze.
14:33
Now that is a particularly --
337
873260
3000
Šis ir īpaši... (Aplausi)
14:36
that is a particularly adorable and articulate little boy,
338
876260
3000
šis ir īpaši jauks un izteiksmīgs puisītis,
14:39
but what Cristine discovered is this is actually quite typical.
339
879260
3000
bet Kristīne atklāja, ka tas tiešām ir tipiski.
14:42
If you look at the way children play, when you ask them to explain something,
340
882260
3000
Ja pavērojat, kā bērni spēlējas, kad lūdzat tiem kaut ko izskaidrot,
14:45
what they really do is do a series of experiments.
341
885260
3000
tie veic virkni eksperimentu.
14:48
This is actually pretty typical of four year-olds.
342
888260
3000
Tas ir diezgan tipiski četrgadniekiem.
14:51
Well, what's it like to be this kind of creature?
343
891260
3000
Kā tad īsti ir būt šādai radībai?
14:54
What's it like to be one of these brilliant butterflies
344
894260
3000
Kā ir būt vienam no šiem krāšņajiem tauriņiem,
14:57
who can test five hypotheses in two minutes?
345
897260
3000
kas spēj pārbaudīt piecas hipotēzes divās minūtēs?
15:00
Well, if you go back to those psychologists and philosophers,
346
900260
3000
Ja atgriežamies pie psihologiem un filozofiem,
15:03
a lot of them have said
347
903260
2000
tad daudzi no tiem ir teikuši,
15:05
that babies and young children were barely conscious
348
905260
2000
ka mazuļi un mazi bērni ir tik tikko apveltīti ar apziņu,
15:07
if they were conscious at all.
349
907260
2000
ja viņiem vispār ir kāda apziņa.
15:09
And I think just the opposite is true.
350
909260
2000
Manuprāt, patiesībā ir tieši otrādi.
15:11
I think babies and children are actually more conscious than we are as adults.
351
911260
3000
Es domāju, ka mazuļiem un bērniem ir izteiktāka apziņa nekā pieaugušajiem.
15:14
Now here's what we know about how adult consciousness works.
352
914260
3000
Lūk, ko mēs zinām par to, kā darbojas pieaugušo apziņa.
15:17
And adults' attention and consciousness
353
917260
2000
Pieaugušo uzmanība un apziņa līdzinās starmetim.
15:19
look kind of like a spotlight.
354
919260
2000
15:21
So what happens for adults
355
921260
2000
Kā pieaugušie mēs izlemjam,
15:23
is we decide that something's relevant or important,
356
923260
2000
ka kaut kas ir nozīmīgs vai svarīgs, ka tam jāpievērš uzmanība.
15:25
we should pay attention to it.
357
925260
2000
15:27
Our consciousness of that thing that we're attending to
358
927260
2000
Mūsu apziņa ap to, kam tā pievērsusies, kļūst ļoti spoža un dzīva,
15:29
becomes extremely bright and vivid,
359
929260
3000
15:32
and everything else sort of goes dark.
360
932260
2000
bet viss pārējais it kā iegrimst tumsā.
15:34
And we even know something about the way the brain does this.
361
934260
3000
Un mēs pat zinām kaut ko par to, kā šajā brīdī strādā smadzenes.
15:37
So what happens when we pay attention
362
937260
2000
Kad mēs uz kaut ko vēršam uzmanību,
15:39
is that the prefrontal cortex, the sort of executive part of our brains,
363
939260
3000
mūsu prefrontālā smadzeņu garoza, kas smadzenēs veic izpildfunkciju,
15:42
sends a signal
364
942260
2000
raida signālu,
15:44
that makes a little part of our brain much more flexible,
365
944260
2000
kas nelielu mūsu smadzeņu daļu padara elastīgāku,
15:46
more plastic, better at learning,
366
946260
2000
plastiskāku, mācīties spējīgāku,
15:48
and shuts down activity
367
948260
2000
un izslēdz aktivitāti pārējās smadzeņu daļās.
15:50
in all the rest of our brains.
368
950260
2000
15:52
So we have a very focused, purpose-driven kind of attention.
369
952260
4000
Tā mēs iegūstam ļoti sakopotu, uz rezultātu vērstu uzmanību.
15:56
If we look at babies and young children,
370
956260
2000
Ja palūkojamies uz mazuļiem un maziem bērniem,
15:58
we see something very different.
371
958260
2000
mēs redzam kaut ko pavisam citādāku.
16:00
I think babies and young children
372
960260
2000
Es domāju, ka mazuļu un mazu bērnu apziņa drīzāk līdzinās laternai, nevis starmetim.
16:02
seem to have more of a lantern of consciousness
373
962260
2000
16:04
than a spotlight of consciousness.
374
964260
2000
16:06
So babies and young children are very bad
375
966260
3000
Tāpēc mazuļiem un maziem bērniem ir grūti koncentrēties vienai lietai.
16:09
at narrowing down to just one thing.
376
969260
3000
16:12
But they're very good at taking in lots of information
377
972260
3000
Bet tie ļoti labi uztver daudz informācijas
16:15
from lots of different sources at once.
378
975260
2000
no dažādiem avotiem vienlaikus.
16:17
And if you actually look in their brains,
379
977260
2000
Ja jūs ielūkotos viņu smadzenēs,
16:19
you see that they're flooded with these neurotransmitters
380
979260
3000
jūs redzētu, ka tās ir pilnas neiromediatoru,
16:22
that are really good at inducing learning and plasticity,
381
982260
2000
kas ļoti labi rosina mācīšanos un plastiskumu,
16:24
and the inhibitory parts haven't come on yet.
382
984260
3000
bet bremzējošās daļiņas vēl nav attīstījušās.
16:27
So when we say that babies and young children
383
987260
2000
Tāpēc, sakot, ka mazuļi un mazi bērni nespēj īsti koncentrēties,
16:29
are bad at paying attention,
384
989260
2000
16:31
what we really mean is that they're bad at not paying attention.
385
991260
4000
mēs patiesībā sakām, ka viņi nespēj nekoncentrēties.
16:35
So they're bad at getting rid
386
995260
2000
Viņi nespēj tikt vaļā
16:37
of all the interesting things that could tell them something
387
997260
2000
no visām interesantajām lietām, kas tiem kaut ko vēsta,
16:39
and just looking at the thing that's important.
388
999260
2000
un lūkoties tikai uz vienu svarīgo.
16:41
That's the kind of attention, the kind of consciousness,
389
1001260
3000
Tāda veida uzmanība, tāda veida apziņa,
16:44
that we might expect
390
1004260
2000
ko mēs varētu sagaidīt no tauriņiem, kas radīti, lai mācītos.
16:46
from those butterflies who are designed to learn.
391
1006260
2000
16:48
Well if we want to think about a way
392
1008260
2000
Ja mēs vēlētos iedomāties veidu, kā pieaugušajam izprast mazuļa apziņu,
16:50
of getting a taste of that kind of baby consciousness as adults,
393
1010260
4000
16:54
I think the best thing is think about cases
394
1014260
2000
manuprāt, vislabākais veids ir atrast situācijas,
16:56
where we're put in a new situation that we've never been in before --
395
1016260
3000
kurās iepriekš neesam bijuši –
16:59
when we fall in love with someone new,
396
1019260
2000
kad iemīlamies kādā vai pirmoreiz ierodamies jaunā pilsētā.
17:01
or when we're in a new city for the first time.
397
1021260
3000
17:04
And what happens then is not that our consciousness contracts,
398
1024260
2000
Kad tas notiek, mūsu apziņa nevis sašaurinās, bet gan paplašinās,
17:06
it expands,
399
1026260
2000
17:08
so that those three days in Paris
400
1028260
2000
tāpēc trīs dienas Parīzē šķiet ar apziņu un pieredzi piepildītākas
17:10
seem to be more full of consciousness and experience
401
1030260
2000
17:12
than all the months of being
402
1032260
2000
nekā visi tie mēneši mājās,
17:14
a walking, talking, faculty meeting-attending zombie back home.
403
1034260
4000
kad kā zombiji staigājam, runājam, apmeklējam fakultātes tikšanās.
(Smiekli)
17:18
And by the way, that coffee,
404
1038260
2000
Un, starp citu, tā kafija, tā brīnišķīgā kafija, ko lejā dzērāt,
17:20
that wonderful coffee you've been drinking downstairs,
405
1040260
2000
17:22
actually mimics the effect
406
1042260
2000
patiesībā atdarina efektu, ko veic mazuļu neiromediatori.
17:24
of those baby neurotransmitters.
407
1044260
2000
17:26
So what's it like to be a baby?
408
1046260
2000
Tātad, kāda sajūta ir būt mazulim?
17:28
It's like being in love
409
1048260
2000
Tas ir kā iemīlēties,
17:30
in Paris for the first time
410
1050260
2000
esot pirmo reizi Parīzē,
17:32
after you've had three double-espressos.
411
1052260
2000
pēc tam, kad esat izdzēruši trīs dubultespresso tases.
17:34
(Laughter)
412
1054260
3000
(Smiekli)
17:37
That's a fantastic way to be,
413
1057260
2000
Tā ir fantastiska sajūta,
17:39
but it does tend to leave you waking up crying at three o'clock in the morning.
414
1059260
4000
bet tā arī mēdz jūs uzmodināt trijos naktī ar asarām acīs.
17:43
(Laughter)
415
1063260
3000
(Smiekli)
17:46
Now it's good to be a grownup.
416
1066260
2000
Ir labi būt pieaugušam.
17:48
I don't want to say too much about how wonderful babies are.
417
1068260
2000
Es negribu pārāk slavēt, cik brīnišķīgi ir mazuļi.
17:50
It's good to be a grownup.
418
1070260
2000
Ir labi būt pieaugušam.
17:52
We can do things like tie our shoelaces and cross the street by ourselves.
419
1072260
3000
Mēs spējam tādas lietas kā sasiet kurpju auklas un paši pāriet ielu.
17:55
And it makes sense that we put a lot of effort
420
1075260
2000
Un ir prātīgi, ka ieguldām daudz spēka,
17:57
into making babies think like adults do.
421
1077260
4000
lai liktu mazuļiem domāt kā pieaugušajiem.
18:01
But if what we want is to be like those butterflies,
422
1081260
3000
Bet, ja vēlamies būt kā tie tauriņi,
18:04
to have open-mindedness, open learning,
423
1084260
3000
atvērti pasaulei, atvērti zināšanu apguvei,
18:07
imagination, creativity, innovation,
424
1087260
2000
iztēlei, radošumam, inovācijām,
18:09
maybe at least some of the time
425
1089260
2000
varbūt vismaz dažreiz mums vajadzētu mudināt pieaugušos
18:11
we should be getting the adults
426
1091260
2000
18:13
to start thinking more like children.
427
1093260
2000
domāt vairāk kā bērniem.
18:15
(Applause)
428
1095260
8000
(Aplausi)
Par šo vietni

Šajā vietnē jūs iepazīstinās ar YouTube videoklipiem, kas noder angļu valodas apguvei. Jūs redzēsiet angļu valodas nodarbības, ko pasniedz augstas klases skolotāji no visas pasaules. Divreiz uzklikšķiniet uz angļu subtitriem, kas redzami katrā video lapā, lai atskaņotu video no turienes. Subtitri ritinās sinhroni ar video atskaņošanu. Ja jums ir kādi komentāri vai pieprasījumi, lūdzu, sazinieties ar mums, izmantojot šo kontaktformu.

https://forms.gle/WvT1wiN1qDtmnspy7