Laura Schulz: The surprisingly logical minds of babies

Vertaald door: Saskia O'Neill Nagekeken door: Els De Keyser

Mark Twain summed up what I take to be

Mark Twain vatte een van de meest

one of the fundamental problems of cognitive science

fundamentele problemen van de cognitieve wetenschap samen

with a single witticism.

in deze quote.

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

Hij zei: "Er is iets fascinerends aan de wetenschap.

One gets such wholesale returns of conjecture

Zo'n enorme opbrengst uit speculatie

out of such a trifling investment in fact."

met zo'n geringe investering in feiten."

(Laughter)

(Gelach)

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

Twain maakte een grapje, maar hij heeft wel gelijk.

There's something fascinating about science.

Er is iets fascinerends aan wetenschap.

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

Uit een paar botten kunnen we het bestaan van dinosaurussen afleiden,

From spectral lines, the composition of nebulae.

uit spectraallijnen het ontstaan van interstellaire gas- en stofwolken,

From fruit flies,

uit fruitvliegjes

the mechanisms of heredity,

de kenmerken van erfelijkheid

and from reconstructed images of blood flowing through the brain,

en uit gereconstrueerde beelden van bloed dat door het brein stroomt,

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

of, in mijn geval, uit het gedrag van heel jonge kinderen

we try to say something about the fundamental mechanisms

proberen we iets af te leiden over de fundamentele werking

of human cognition.

van de menselijke cognitie.

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

In mijn lab, bij TU Massachusetts' afdeling cognitieve neurowetenschappen,

I have spent the past decade trying to understand the mystery

heb ik de afgelopen tien jaar gewerkt met het vraagstuk

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

hoe kinderen zo snel en zo veel kunnen leren van zo weinig.

Because, it turns out that the fascinating thing about science

Want wat zo fascinerend is aan de wetenschap,

is also a fascinating thing about children,

is ook fascinerend aan kinderen.

which, to put a gentler spin on Mark Twain,

Namelijk, om het iets milder te zeggen dan Mark Twain,

is precisely their ability to draw rich, abstract inferences

hun vermogen om snel en nauwkeurig rijke en abstracte conclusies te trekken

rapidly and accurately from sparse, noisy data.

uit schaarse en vage data.

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

Ik zal jullie twee voorbeelden geven.

One is about a problem of generalization,

Het eerste heeft te maken met generalisatie,

and the other is about a problem of causal reasoning.

en het tweede met causale verbanden.

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

Ook al zal ik het vooral over mijn eigen werk hebben,

this work is inspired by and indebted to a field.

dit werk is geïnspireerd door, en te danken aan, een vakgebied.

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

Ik ben alle mentors, collega's en mensen met wie ik heb samengewerkt dankbaar.

Let me start with the problem of generalization.

Laten we beginnen met het probleem van generalisatie.

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

Een kleine hoeveelheid data generaliseren is dagelijkse kost in de wetenschap.

We poll a tiny fraction of the electorate

We peilen een kleine fractie van de kiesgerechtigden

and we predict the outcome of national elections.

en voorspellen de uitkomst van landelijke verkiezingen.

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

We kijken hoe een handvol patiënten reageert op een klinische behandeling

and we bring drugs to a national market.

en we brengen een medicijn op de markt.

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

Maar dit werkt alleen als de proefpersonen willekeurig worden gekozen.

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

Als ze op een of andere manier zijn geselecteerd --

say, we poll only urban voters,

stel dat we alleen mensen in steden peilen,

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

of dat er in onze klinische testen van medicijnen voor hartziektes

we include only men --

alleen mannen meedoen,

the results may not generalize to the broader population.

dan kunnen de resultaten niet veralgemeend worden.

So scientists care whether evidence is randomly sampled or not,

Dus wetenschappers willen weten of het om een willekeurige steekproef gaat,

but what does that have to do with babies?

maar wat heeft dat te maken met baby's?

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

Baby's moeten constant kleine hoeveelheden data generaliseren.

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

Ze zien een paar badeendjes en leren dat die drijven,

or a few balls and learn that they bounce.

of een paar ballen en leren dat die stuiteren.

And they develop expectations about ducks and balls

Zo krijgen ze verwachtingen over eenden en ballen

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

die ze zullen overdragen op badeenden en ballen

for the rest of their lives.

voor de rest van hun leven.

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

En dit soort generalisaties die baby's moeten maken over eenden en ballen

they have to make about almost everything:

moeten ze over bijna alles maken:

shoes and ships and sealing wax and cabbages and kings.

schoenen en schepen en zegellak en kool en koningen.

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

Kan het baby's iets schelen of het luttele bewijs dat ze zien

is plausibly representative of a larger population?

representatief is voor een grotere populatie?

Let's find out.

Laten we eens kijken.

I'm going to show you two movies,

Ik laat jullie twee filmpjes zien

one from each of two conditions of an experiment,

van twee verschillende condities van een experiment.

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

Omdat jullie maar twee filmpjes zien,

you're going to see just two babies,

zien jullie ook maar twee baby's.

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

Twee verschillende baby's vertonen uiteraard ontelbare verschillen.

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

Maar dit zijn natuurlijk voorbeelden uit twee groepen baby's,

and the differences you're going to see

en de verschillen die je ziet

represent average group differences in babies' behavior across conditions.

zijn representatief voor de verschillen per groep voor beide condities.

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

In elk filmpje zie je een baby die waarschijnlijk

just exactly what you might expect a baby to do,

precies doet wat je van een baby verwacht.

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

We kunnen baby's nou een keer niet nog wonderlijker maken dan ze al zijn.

But to my mind the magical thing,

Maar het meest wonderlijke volgens mij,

and what I want you to pay attention to,

en daar moet je hier op letten,

is the contrast between these two conditions,

is het verschil tussen de twee condities,

because the only thing that differs between these two movies

want het enige verschil tussen de beide filmpjes

is the statistical evidence the babies are going to observe.

is het statistische bewijs dat de baby's in acht nemen.

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

We laten de baby's een doos met blauwe en gele ballen zien,

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

en mijn toenmalige student, nu collega in Stanford, Hyowon Gweon,

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

pakt drie blauwe ballen achter elkaar uit die doos,

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

en telkens als ze een bal pakt, knijpt ze erin

and the balls are going to squeak.

en piept de bal.

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

En voor een baby is dat zoiets als een TED-talk.

It doesn't get better than that.

Beter wordt het niet.

(Laughter)

(Gelach)

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

Waar het om gaat, is dat het eenvoudig is om drie blauwe ballen achter elkaar

out of a box of mostly blue balls.

te pakken uit een doos met vooral blauwe ballen.

You could do that with your eyes closed.

Dat kun je met ogen dicht doen.

It's plausibly a random sample from this population.

Het zou goed een willekeurige steekproef kunnen zijn.

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

En als je willekeurig dingen uit een doos haalt en ze piepen,

then maybe everything in the box squeaks.

dan piept misschien wel alles wat in de doos zit.

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

Dus misschien zouden baby's verwachten dat de gele ballen ook piepen.

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

Aan de gele ballen zitten echter grappige stokjes,

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

dus zouden baby's er ook andere dingen mee kunnen doen.

They could pound them or whack them.

Ze kunnen ermee rammelen of slaan.

But let's see what the baby does.

Laten we kijken wat de baby doet.

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

(Video) Hyowon Gweon: Kijk eens? (Bal piept)

Did you see that? (Ball squeaks)

Zag je dat? (Bal piept)

Cool.

Wat mooi!

See this one?

Kijk eens naar deze?

(Ball squeaks)

(Bal piept)

Wow.

Wow.

Laura Schulz: Told you. (Laughs)

Laura Schulz: Ik zei het toch. (Gelach)

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

(Video) HG: Kijk eens naar deze? (Bal piept)

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

Kijk, Clara, deze is voor jou. Speel er maar mee.

(Laughter)

(Gelach)

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

LS: Ik hoef niets meer te zeggen, toch?

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

Oké, het is leuk dat baby's eigenschappen generaliseren

of blue balls to yellow balls,

van blauwe naar gele ballen,

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

en het is indrukwekkend dat baby's kunnen leren door te imiteren,

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

maar die dingen wisten we al heel lang.

The really interesting question

De echt interessante vraag is

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

wat er gebeurt als we baby's meermaals exact hetzelfde laten zien.

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

En we weten dat het exact hetzelfde is, want we hebben een geheim vakje

and we actually pull the balls from there,

waar we de ballen uit halen.

but this time, all we change is the apparent population

Het enige dat we veranderen, is de zichtbare populatie

from which that evidence was drawn.

waar het bewijs vandaan komt.

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

Deze keer laten we de baby's drie blauwe ballen zien

pulled out of a box of mostly yellow balls,

uit een doos met vooral gele ballen,

and guess what?

en wat denk je?

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

Je kunt niet willekeurig drie blauwe ballen achter elkaar

out of a box of mostly yellow balls.

uit een doos met vooral gele ballen pakken.

That is not plausibly randomly sampled evidence.

Het is niet aannemelijk dat je ze dan willekeurig gekozen hebt.

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

Dat resultaat suggereert dat Hyowon misschien expres de blauwe ballen pakte.

Maybe there's something special about the blue balls.

Misschien is er iets speciaals aan de blauwe ballen.

Maybe only the blue balls squeak.

Misschien piepen alleen de blauwe ballen.

Let's see what the baby does.

Laten we kijken wat de baby doet.

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

(Video) HG: Kijk eens? (Bal piept)

See this toy? (Ball squeaks)

Kijk eens naar deze? (Bal piept)

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

Oh, dat was leuk. Kijk? (Bal piept)

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

Hier, deze is voor jou om mee te spelen. Toe maar, speel er maar mee.

(Fussing) (Laughter)

(Gerommel) (Gelach)

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

LS: Jullie hebben net twee baby's van 15 maanden gezien

do entirely different things

die totaal verschillend reageerden,

based only on the probability of the sample they observed.

enkel gebaseerd op de waarschijnlijkheid van de proef die ze zagen.

Let me show you the experimental results.

Hier zijn de resultaten van het experiment:

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

Op de verticale as zie je het percentage baby's

who squeezed the ball in each condition,

dat in de bal kneep, per conditie.

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

En je ziet: baby's generaliseren het bewijs eerder

when it's plausibly representative of the population

als het representatief lijkt te zijn voor de populatie

than when the evidence is clearly cherry-picked.

dan wanneer het bewijs duidelijk gekozen is.

And this leads to a fun prediction:

En dit leidt tot een leuke voorspelling:

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

stel dat je maar één blauwe bal pakt uit de doos met vooral gele.

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

Drie blauwe ballen achter elkaar uit een gele doos pakken is onwaarschijnlijk,

but you could randomly sample just one blue ball.

maar je kunt wel toevallig één blauwe bal pakken.

That's not an improbable sample.

Dat is geen onwaarschijnlijke steekproef.

And if you could reach into a box at random

En als je willekeurig iets uit een doos pakt

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

en dat piept, misschien dat alles in die doos dan wel piept.

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

Dus ook al zien de baby's veel minder bewijs voor het piepen,

and have many fewer actions to imitate

en veel minder voorbeelden om na te doen

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

in deze conditie met één bal dan in de conditie die je net zag,

we predicted that babies themselves would squeeze more,

wij voorspelden dat meer baby's in de ballen zouden knijpen,

and that's exactly what we found.

en dat is precies wat er gebeurde.

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

Dus baby's van 15 maanden vinden, net als wetenschappers,

care whether evidence is randomly sampled or not,

het van belang of bewijs uit een willekeurige steekproef komt.

and they use this to develop expectations about the world:

En dat passen ze toe als ze verwachtingen over de wereld scheppen:

what squeaks and what doesn't,

wat piept en wat niet,

what to explore and what to ignore.

wat te ontdekken en wat te negeren.

Let me show you another example now,

Ik zal nu een ander voorbeeld laten zien,

this time about a problem of causal reasoning.

over het probleem van causaal redeneren.

And it starts with a problem of confounded evidence

En het begint met het verwarrende bewijs

that all of us have,

waar we allemaal over beschikken,

which is that we are part of the world.

namelijk dat we deel uitmaken van de wereld.

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

Misschien lijkt jullie dat geen probleem, maar zoals meestal,

it's only a problem when things go wrong.

is het alleen een probleem als er iets mis gaat.

Take this baby, for instance.

Neem bijvoorbeeld deze baby.

Things are going wrong for him.

Hij heeft een probleem:

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

hij wil dat dit speeltje werkt en dat lukt niet.

I'll show you a few-second clip.

Ik laat een paar seconden van het filmpje zien.

And there's two possibilities, broadly:

Er zijn twee mogelijkheden:

Maybe he's doing something wrong,

misschien doet hij iets fout,

or maybe there's something wrong with the toy.

of misschien is het speeltje kapot.

So in this next experiment,

Dus in het volgende experiment

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

geven we de baby's een heel klein beetje statistisch bewijs

supporting one hypothesis over the other,

dat een van de hypotheses ondersteunt

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

en we kijken of baby's dat kunnen gebruiken in hun beslissingen

about what to do.

over wat ze moeten doen.

Here's the setup.

Dit is wat we deden:

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

Hyowon probeert het speeltje en het werkt.

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

Daarna probeer ik het twee keer en beide keren lukt het niet,

and then Hyowon is going to try again and succeed,

Hyowon probeert het nog een keer en het werkt.

and this roughly sums up my relationship to my graduate students

En dit is ongeveer hoe het meestal gaat tussen mij en mijn studenten

in technology across the board.

met de meeste technologische dingen.

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

Maar waar het hier om gaat is dat het enigszins bewijst

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

dat het niet aan het speeltje ligt, maar aan de persoon.

Some people can make this toy go,

Sommige mensen krijgen dit speeltje aan de praat,

and some can't.

en andere niet.

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

Wanneer de baby het speeltje krijgt, heeft hij een keuze.

His mom is right there,

Zijn moeder zit naast hem,

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

dus hij kan het meteen aan haar geven en de persoon veranderen.

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

Maar er ligt ook nog speeltje op het kleed,

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

dus hij kan het kleed naar zich toe trekken en het speeltje veranderen.

So let's see what the baby does.

Kijk maar wat de baby doet.

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

(Video) HG: Twee, drie, go! (Muziek)

LS: One, two, three, go!

LS: Een, twee, drie, go!

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

Arthur, ik probeer het nog een keer. Een, twee drie, go!

YG: Arthur, let me try again, okay?

HG: Arthur, ik probeer het nog eens, oké?

One, two, three, go! (Music)

Een, twee, drie, go! (Muziek)

Look at that. Remember these toys?

Kijk eens! Ken je deze speeltjes nog?

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

Zie je ze? Ik leg deze hier neer

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

en deze geef ik aan jou.

You can go ahead and play.

Speel er maar mee.

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

LS: Ja, Laura, maar natuurlijk houden baby's van hun moeder.

Of course babies give toys to their mommies

Baby's geven hun moeder het speeltje

when they can't make them work.

als het niet werkt.

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

Dus het gaat er ook hier weer om wat er gebeurt

the statistical data ever so slightly.

als we de statistische data een beetje veranderen.

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

Deze keer zien de baby's het speeltje wel en niet werken in dezelfde volgorde,

but we're changing the distribution of evidence.

maar we veranderen de distributie van het bewijs.

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

Deze keer lukt het Hyowon één keer wel en één keer niet, en mij ook.

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

En dit suggereert dat het niet uitmaakt wie het probeert, het speeltje is kapot.

It doesn't work all the time.

Het doet het niet altijd.

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

Ook nu heeft de baby weer een keuze.

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

Haar moeder zit naast haar, dus ze kan de persoon veranderen

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

en er is nog een speeltje op het kleed.

Let's watch what she does.

Kijk maar wat ze doet.

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

(Video) HG: Twee, drie, go! (Muziek)

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

Nog een keer. Een, twee, drie, go!

Hmm.

Hmm.

LS: Let me try, Clara.

LS: Laat mij eens proberen, Clara.

One, two, three, go!

Een, twee, drie, go!

Hmm, let me try again.

Hmm, nog een keer.

One, two, three, go! (Music)

Een, twee, drie, go! (Muziek)

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

HG: Ik leg deze hier neer,

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

en deze geef ik aan jou.

You can go ahead and play.

Speel er maar mee.

(Applause)

(Applaus)

LS: Let me show you the experimental results.

LS: Dit zijn de resultaten:

On the vertical axis, you'll see the distribution

op de verticale as zie je de distributie

of children's choices in each condition,

van de keuzes voor de beide condities,

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

en je ziet dat de verdeling van de keuzes die kinderen maken

depends on the evidence they observe.

afhangt van het bewijs dat ze zien.

So in the second year of life,

Dus in het tweede jaar van hun leven,

babies can use a tiny bit of statistical data

kunnen baby's wat statistische data gebruiken

to decide between two fundamentally different strategies

om te kiezen tussen twee fundamenteel verschillende manieren

for acting in the world:

om je te gedragen:

asking for help and exploring.

hulp vragen en op verkenning gaan.

I've just shown you two laboratory experiments

Ik heb jullie net twee experimenten laten zien

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

van de honderden in dit gebied die vergelijkbare dingen aantonen.

because the really critical point

Het echt cruciale punt

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

is dat het vermogen van kinderen om rijke conclusies te trekken uit weinig data

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

de grondslag is van hoe mensen leren.

Children learn about new tools from just a few examples.

Kinderen hebben maar een paar voorbeelden nodig om een nieuw apparaat te begrijpen.

They learn new causal relationships from just a few examples.

Ze leren over nieuwe causale verbanden van maar een paar voorbeelden.

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

Ze leren zelfs nieuwe woorden, in dit geval in Amerikaanse gebarentaal.

I want to close with just two points.

Ik wil afsluiten met twee punten.

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

Als je mijn vakgebied, de neurocognitieve wetenschappen, hebt gevolgd

for the past few years,

in de afgelopen paar jaar,

three big ideas will have come to your attention.

dan zullen drie grote ideeën je zijn opgevallen.

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

Het eerste is dat dit het tijdperk is van de hersenen.

And indeed, there have been staggering discoveries in neuroscience:

En inderdaad, er zijn indrukwekkende ontdekkingen gedaan in neurowetenschap:

localizing functionally specialized regions of cortex,

het localiseren van functioneel specifieke gebieden van de cortex,

turning mouse brains transparent,

het doorzichtig maken van de hersenen van muizen,

activating neurons with light.

neuronen activeren met licht.

A second big idea

Een tweede groot idee

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

is dat dit het tijdperk is van veel data en machinaal leren,

and machine learning promises to revolutionize our understanding

en machinaal leren lijkt te zorgen voor een revolutie in ons begrip

of everything from social networks to epidemiology.

van alles, van sociale netwerken tot epidemiologie.

And maybe, as it tackles problems of scene understanding

Naarmate vragen opgelost raken rond het begrip van de omgeving

and natural language processing,

en natuurlijke taalverwerking

to tell us something about human cognition.

kan het ons misschien iets leren overmenselijke cognitie.

And the final big idea you'll have heard

En het laatste grote idee

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

is dat het misschien wel goed is dat we zoveel over de hersenen leren

and have so much access to big data,

en toegang hebben tot zoveel data,

because left to our own devices,

want als we aan onszelf zijn overgelaten,

humans are fallible, we take shortcuts,

dan zijn mensen feilbaar: we nemen een kortere weg,

we err, we make mistakes,

we vergissen ons, we maken fouten,

we're biased, and in innumerable ways,

we zijn partijdig, en op ontelbaar veel manieren

we get the world wrong.

begrijpen we de wereld verkeerd.

I think these are all important stories,

Ik denk dat dit allemaal belangrijke ideeën zijn,

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

die ons veel vertellen over de mensheid,

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

maar ik heb jullie vandaag een heel ander verhaal verteld.

It's a story about minds and not brains,

Een verhaal over het verstand in plaats van over hersens,

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

en vooral over het soort berekeningen die

that uniquely human minds can perform,

het menselijk verstand kan maken,

which involve rich, structured knowledge and the ability to learn

op basis van rijke, gestructureerde kennis

en het vermogen om van een kleine hoeveelheid data te leren,

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

van het bewijs van enkele voorbeelden.

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

In de kern is het een verhaal over hoe we van jongs af aan

and continuing out all the way to the greatest accomplishments

tot aan de meest indrukwekkende prestaties

of our culture,

van onze cultuur,

we get the world right.

de wereld wél begrijpen.

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

Het menselijk verstand leert natuurlijk niet alleen van kleine hoeveelheden data.

Human minds think of altogether new ideas.

Ons verstand kan nieuwe ideeën bedenken.

Human minds generate research and discovery,

Ons verstand onderzoekt en ontdekt,

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

en het creëert kunst, literatuur, poëzie en theater.

and human minds take care of other humans:

En met het menselijk verstand kunnen we voor andere mensen zorgen:

our old, our young, our sick.

de ouderen, jongeren, zieken.

We even heal them.

We kunnen ze zelfs genezen.

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

In de komende jaren zullen we technologische innovaties zien,

beyond anything I can even envision,

die mijn eigen verbeelding te boven gaan,

but we are very unlikely

maar het is zeer onwaarschijnlijk

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

dat we in onze tijd iets zullen zien wat ook maar enigszins lijkt

in my lifetime or in yours.

op het calculerende vermogen van een kind.

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

Door te investeren in deze doortastende lerenden en hun ontwikkeling,

in babies and children

in baby's en kinderen

and mothers and fathers

en moeders en vaders

and caregivers and teachers

en verzorgers en leraren

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

op dezelfde manier als we investeren in onze andere fantastische, mooie vormen

of technology, engineering and design,

van techniek en design,

we will not just be dreaming of a better future,

dromen we niet alleen van een betere toekomst,

we will be planning for one.

maar maken we er plannen voor.

Thank you very much.

Dank je wel.

(Applause)

(Applaus)

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

Chris Anderson: Laura, dank je wel. Ik heb nog een vraag voor je.

First of all, the research is insane.

Ten eerste, dit is onderzoek is krankzinnig.

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

Ik bedoel, wie doet er nou zo'n experiment? (Gelach)

I've seen that a couple of times,

Ik heb dit een paar keer gezien,

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

en ik geloof nog steeds niet dat het echt is,

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

maar anderen hebben soortgelijke experimenten gedaan; het klopt.

The babies really are that genius.

De baby's zijn echt zulke genieën.

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

LS: Ze zien er heel indrukwekkend uit in onze experimenten,

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

maar let maar eens op hoe ze er in het echt uitzien.

It starts out as a baby.

Eerst is het een baby.

Eighteen months later, it's talking to you,

Achttien maanden later praat het met je,

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

de eerste woordjes beperken zich niet tot dingen als bal of eend,

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

ze zeggen ook dingen als "op" wat verwijst naar verdwijning,

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

of "oh-oh", als iets per ongeluk gebeurt.

It has to be that powerful.

Hij moet zoveel kunnen.

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

Hij moet veel meer kunnen dan wat ik heb laten zien.

They're figuring out the entire world.

Ze zijn de hele wereld aan het ontdekken.

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

Een vierjarige kan over bijna alles met je praten.

(Applause)

(Applaus)

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

CA: En als ik het goed begrijp, is jouw andere punt

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

dat er de afgelopen jaren zo vaak is gezegd dat ons verstand

of how quirky and buggy our minds are,

maar eigenzinnig en gebrekkig is,

that behavioral economics and the whole theories behind that

de gedragseconomie en al die theorieën daarachter,

that we're not rational agents.

dat we niet rationeel zijn.

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

Jij legt juist de nadruk op hoe buitengewoon,

and there really is genius there that is underappreciated.

dat er echte genialiteit is die wordt ondergewaardeerd.

LS: One of my favorite quotes in psychology

LS: Deze quote uit de psychologie

comes from the social psychologist Solomon Asch,

is van sociaal psycholoog Solomon Asch;

and he said the fundamental task of psychology is to remove

hij zei dat de fundamentele taak van de psychologie is om

the veil of self-evidence from things.

de sluier van vanzelfsprekendheid weg te nemen.

There are orders of magnitude more decisions you make every day

We maken elke dag ontelbaar veel meer beslissingen waaruit blijkt

that get the world right.

dat we de wereld begrijpen.

You know about objects and their properties.

Je kent objecten en hun eigenschappen.

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

Je kent ze als ze verstopt zijn. Je kent ze in het donker.

You can walk through rooms.

Je kunt door ruimtes lopen.

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

Je kunt erachter komen wat andere mensen denken. Je kunt met ze praten.

You can navigate space. You know about numbers.

Je kunt navigeren. Je kent cijfers.

You know causal relationships. You know about moral reasoning.

Je kent causale verbanden. Je kan moreel redeneren.

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

Je doet het vanzelf, dus we zien het niet,

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

maar zo begrijpen we de wereld, en dat is een wonderbaarlijke

and very difficult-to-understand accomplishment.

en moeilijk te begrijpen prestatie.

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

CA: Ik vermoed dat er mensen in het publiek zijn die

this view of accelerating technological power

een beeld hebben van technologische ontwikkeling,

who might dispute your statement that never in our lifetimes

die het er niet mee eens zijn dat er nooit in ons leven

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

een computer zal doen wat een driejarig kind kan doen,

but what's clear is that in any scenario,

maar wat hier in ieder geval uit blijkt

our machines have so much to learn from our toddlers.

is dat onze apparaten nog heel veel kunnen leren van onze peuters.

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

LS: Ja dat denk ik wel. Machinaal leren zit hier vast ook.

I mean, you should never bet against babies or chimpanzees

Je moet natuurlijk nooit tegen baby's of chimpansees

or technology as a matter of practice,

of techniek zijn, enkel uit principe,

but it's not just a difference in quantity,

maar het gaat niet alleen om een verschil in kwantiteit,

it's a difference in kind.

het is een verschil in aard.

We have incredibly powerful computers,

We hebben ontzettend slimme computers,

and they do do amazingly sophisticated things,

en ze doen ongelooflijk geavanceerde dingen,

often with very big amounts of data.

vaak met gigantisch veel data.

Human minds do, I think, something quite different,

Mensen doen iets heel anders

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

en ik denk dat het de gestructureerde, hiërarchische aard van onze kennis is,

that remains a real challenge.

wat een echte uitdaging blijft.

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

CA: Laura Schulz, mooi om over na te denken. Dank je wel.

LS: Thank you. (Applause)

LS: Bedankt. (Applaus)