Laura Schulz: The surprisingly logical minds of babies

233,233 views ・ 2015-06-02

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Francisco Dubiela Revisor: Fernando Gonçalves
00:12
Mark Twain summed up what I take to be
0
12835
2155
Mark Twain resumiu o que eu considero
00:14
one of the fundamental problems of cognitive science
1
14990
3120
um dos problemas fundamentais da ciência cognitiva
00:18
with a single witticism.
2
18110
1710
com apenas um chiste.
00:20
He said, "There's something fascinating about science.
3
20410
3082
Ele disse: "Há algo fascinante sobre a ciência.
00:23
One gets such wholesale returns of conjecture
4
23492
3228
Obtém-se retornos profundos de conjectura
00:26
out of such a trifling investment in fact."
5
26720
3204
a partir de investigações superficiais da verdade".
00:29
(Laughter)
6
29924
1585
(Risos)
00:32
Twain meant it as a joke, of course, but he's right:
7
32199
2604
Twain disse isso brincando, mas ele está certo:
00:34
There's something fascinating about science.
8
34803
2876
há algo fascinante sobre a ciência.
00:37
From a few bones, we infer the existence of dinosuars.
9
37679
4261
A partir de alguns ossos, inferimos a existência de dinossauros.
00:42
From spectral lines, the composition of nebulae.
10
42910
3871
A partir de linhas espectrais, a composição de nebulosas.
00:47
From fruit flies,
11
47471
2938
A partir de moscas-das-frutas,
00:50
the mechanisms of heredity,
12
50409
2943
os mecanismos de hereditariedade,
00:53
and from reconstructed images of blood flowing through the brain,
13
53352
4249
e de imagens reconstruídas do sangue que flui através do cérebro,
00:57
or in my case, from the behavior of very young children,
14
57601
4708
ou no meu caso, do comportamento de crianças muito novas,
01:02
we try to say something about the fundamental mechanisms
15
62309
2829
nós tentamos dizer algo sobre os mecanismos fundamentais
01:05
of human cognition.
16
65138
1618
da cognição humana.
01:07
In particular, in my lab in the Department of Brain and Cognitive Sciences at MIT,
17
67716
4759
No meu laboratório no Departamento de Ciências Cognitivas no MIT,
01:12
I have spent the past decade trying to understand the mystery
18
72475
3654
eu passei a última década tentando entender o mistério
de como as crianças aprendem tanto a partir de tão pouco e tão rápido.
01:16
of how children learn so much from so little so quickly.
19
76129
3977
01:20
Because, it turns out that the fascinating thing about science
20
80666
2978
E acontece que essa coisa fascinante sobre ciência
01:23
is also a fascinating thing about children,
21
83644
3529
também é uma coisa fascinante sobre as crianças,
01:27
which, to put a gentler spin on Mark Twain,
22
87173
2581
e mudando um pouco a frase de Mark Twain,
01:29
is precisely their ability to draw rich, abstract inferences
23
89754
4650
é exatamente a capacidade delas de criar inferências ricas e abstratas
01:34
rapidly and accurately from sparse, noisy data.
24
94404
4661
com rapidez e precisão a partir de poucos dados ruidosos.
01:40
I'm going to give you just two examples today.
25
100355
2398
Eu vou dar a vocês apenas dois exemplos.
01:42
One is about a problem of generalization,
26
102753
2287
O primeiro é sobre um problema de generalização,
01:45
and the other is about a problem of causal reasoning.
27
105040
2850
e o segundo é sobre um problema de raciocínio causal.
01:47
And although I'm going to talk about work in my lab,
28
107890
2525
Apesar de falar sobre o trabalho em meu laboratório,
01:50
this work is inspired by and indebted to a field.
29
110415
3460
este trabalho é inspirado e derivado de um campo.
01:53
I'm grateful to mentors, colleagues, and collaborators around the world.
30
113875
4283
Sou grata a mentores, colegas, e colaboradores em todo o mundo.
01:59
Let me start with the problem of generalization.
31
119308
2974
Vou começar com o problema de generalização.
02:02
Generalizing from small samples of data is the bread and butter of science.
32
122652
4133
Generalizar a partir de poucos dados é o feijão com arroz da ciência.
02:06
We poll a tiny fraction of the electorate
33
126785
2554
Nós sondamos uma pequena fração de eleitores
02:09
and we predict the outcome of national elections.
34
129339
2321
e prevemos o resultado das eleições nacionais.
02:12
We see how a handful of patients responds to treatment in a clinical trial,
35
132240
3925
Vemos como alguns pacientes respondem ao tratamento num ensaio clínico,
02:16
and we bring drugs to a national market.
36
136165
3065
e trazemos drogas para o mercado nacional.
02:19
But this only works if our sample is randomly drawn from the population.
37
139230
4365
Mas isso só funciona se nossa amostra for obtida aleatoriamente da população.
02:23
If our sample is cherry-picked in some way --
38
143595
2735
Se nossa amostra for enviesada de alguma maneira,
02:26
say, we poll only urban voters,
39
146330
2072
digamos, sondamos apenas eleitores urbanos,
02:28
or say, in our clinical trials for treatments for heart disease,
40
148402
4388
ou então, em nossos ensaios clínicos para tratamento de doenças do coração,
02:32
we include only men --
41
152790
1881
incluímos apenas homens,
02:34
the results may not generalize to the broader population.
42
154671
3158
os resultados podem não abranger a população em geral.
02:38
So scientists care whether evidence is randomly sampled or not,
43
158479
3581
Então, os cientistas se importam se as amostras são randomizadas,
02:42
but what does that have to do with babies?
44
162060
2015
mas o que isso tem a ver com bebês?
02:44
Well, babies have to generalize from small samples of data all the time.
45
164585
4621
Bem, os bebês precisam generalizar pequenas amostras de dados o tempo todo.
02:49
They see a few rubber ducks and learn that they float,
46
169206
3158
Eles veem alguns patos de borracha e sabem que eles flutuam,
02:52
or a few balls and learn that they bounce.
47
172364
3575
ou veem algumas bolas e sabem que quicam.
02:55
And they develop expectations about ducks and balls
48
175939
2951
E eles desenvolvem expectativas sobre patos e bolas
02:58
that they're going to extend to rubber ducks and balls
49
178890
2716
que eles vão estender para os patos de borracha e bolas
03:01
for the rest of their lives.
50
181606
1879
para o resto das suas vidas.
03:03
And the kinds of generalizations babies have to make about ducks and balls
51
183485
3739
E os tipos de generalizações que os bebês fazem sobre patos e bolas,
03:07
they have to make about almost everything:
52
187224
2089
eles precisam fazer sobre quase tudo:
03:09
shoes and ships and sealing wax and cabbages and kings.
53
189313
3917
sapatos, barcos, cera de vela, repolhos e reis.
03:14
So do babies care whether the tiny bit of evidence they see
54
194200
2961
Os bebês se importam se os pedacinhos de evidência que veem
03:17
is plausibly representative of a larger population?
55
197161
3692
são representantes plausíveis de uma população maior?
03:21
Let's find out.
56
201763
1900
Vamos descobrir.
03:23
I'm going to show you two movies,
57
203663
1723
Eu vou mostrar dois filmes a vocês,
03:25
one from each of two conditions of an experiment,
58
205386
2462
um filme para cada condição de um experimento,
03:27
and because you're going to see just two movies,
59
207848
2438
e porque vocês vão ver apenas dois filmes,
03:30
you're going to see just two babies,
60
210286
2136
vocês verão apenas dois bebês,
03:32
and any two babies differ from each other in innumerable ways.
61
212422
3947
e os bebês diferem entre si de várias maneiras.
03:36
But these babies, of course, here stand in for groups of babies,
62
216369
3051
Mas estes bebês, claro, representam um grupos de bebês,
03:39
and the differences you're going to see
63
219420
1895
e as diferenças que vocês vão ver
03:41
represent average group differences in babies' behavior across conditions.
64
221315
5195
representam as diferenças médias de grupos de bebês de cada condição.
03:47
In each movie, you're going to see a baby doing maybe
65
227160
2583
Em cada filme, talvez vocês vejam um bebê fazendo
03:49
just exactly what you might expect a baby to do,
66
229743
3460
exatamente o que você espera que um bebê faça,
03:53
and we can hardly make babies more magical than they already are.
67
233203
4017
e dificilmente podemos tornar os bebês mais mágicos do que já são.
03:58
But to my mind the magical thing,
68
238090
2010
Mas para mim, a coisa mágica
04:00
and what I want you to pay attention to,
69
240100
2089
na qual quero que vocês prestem atenção
04:02
is the contrast between these two conditions,
70
242189
3111
é o contraste entre estas duas condições,
04:05
because the only thing that differs between these two movies
71
245300
3529
porque a única coisa que difere entre estes dois filmes
04:08
is the statistical evidence the babies are going to observe.
72
248829
3466
é a evidência estatística que os bebês vão observar.
04:13
We're going to show babies a box of blue and yellow balls,
73
253425
3183
Vamos mostrar aos bebês uma caixa de bolas azuis e amarelas,
04:16
and my then-graduate student, now colleague at Stanford, Hyowon Gweon,
74
256608
4620
e minha aluna, que agora é minha colega de Stanford, Hyowon Gweon,
04:21
is going to pull three blue balls in a row out of this box,
75
261228
3077
vai tirar três bolas azuis de cada vez fora desta caixa,
04:24
and when she pulls those balls out, she's going to squeeze them,
76
264305
3123
e ao tirar as bolas, ela vai apertá-las,
04:27
and the balls are going to squeak.
77
267428
2113
e as bolas vão chiar.
04:29
And if you're a baby, that's like a TED Talk.
78
269541
2763
E se você for um bebê, é como se fosse uma Palestra TED.
04:32
It doesn't get better than that.
79
272304
1904
Não tem como ficar melhor que isso. (Risos)
04:34
(Laughter)
80
274208
2561
04:38
But the important point is it's really easy to pull three blue balls in a row
81
278968
3659
Mas o que importa é que é fácil pegar três bolas azuis em sequência
04:42
out of a box of mostly blue balls.
82
282627
2305
de uma caixa com maioria de bolas azuis.
04:44
You could do that with your eyes closed.
83
284932
2060
Você pode fazer isso de olhos fechados.
04:46
It's plausibly a random sample from this population.
84
286992
2996
É plausível que seja uma amostra aleatória desta população.
04:49
And if you can reach into a box at random and pull out things that squeak,
85
289988
3732
E se você põe a mão numa caixa e pega coisas que chiam,
04:53
then maybe everything in the box squeaks.
86
293720
2839
então talvez tudo dentro da caixa chia.
04:56
So maybe babies should expect those yellow balls to squeak as well.
87
296559
3650
Talvez os bebês esperem que essas bolas amarelas chiem também.
05:00
Now, those yellow balls have funny sticks on the end,
88
300209
2519
Essas bolas amarelas têm bastões engraçados,
05:02
so babies could do other things with them if they wanted to.
89
302728
2857
e os bebês podem fazer outras coisas com elas se quiserem.
05:05
They could pound them or whack them.
90
305585
1831
Eles podem amassá-las.
05:07
But let's see what the baby does.
91
307416
2586
Mas vamos ver o que o bebê faz.
05:12
(Video) Hyowon Gweon: See this? (Ball squeaks)
92
312548
3343
(Vídeo) Hyowon Gweon: Olha isso? (Bola chia)
05:16
Did you see that? (Ball squeaks)
93
316531
3045
Você viu? (Bola chia)
05:20
Cool.
94
320036
3066
Legal!
05:24
See this one?
95
324706
1950
Olha isso?
05:26
(Ball squeaks)
96
326656
1881
(Bola chia)
05:28
Wow.
97
328537
2653
Uau!
05:33
Laura Schulz: Told you. (Laughs)
98
333854
2113
Laura Schulz: Não disse? (Risos)
05:35
(Video) HG: See this one? (Ball squeaks)
99
335967
4031
(Vídeo) HG: Olha isso? (Bola chia)
05:39
Hey Clara, this one's for you. You can go ahead and play.
100
339998
4619
Clara, esta é para você. Você pode brincar se quiser.
(Risos)
05:51
(Laughter)
101
351854
4365
05:56
LS: I don't even have to talk, right?
102
356219
2995
LS: Eu não preciso nem falar.
05:59
All right, it's nice that babies will generalize properties
103
359214
2899
Tudo bem, é bom que os bebês generalizem as propriedades
das bolas azuis para as amarelas,
06:02
of blue balls to yellow balls,
104
362113
1528
06:03
and it's impressive that babies can learn from imitating us,
105
363641
3096
é impressionante que os bebês aprendam nos imitando,
06:06
but we've known those things about babies for a very long time.
106
366737
3669
mas já sabemos dessas coisas sobre os bebês há muito tempo.
06:10
The really interesting question
107
370406
1811
A questão mais interessante
06:12
is what happens when we show babies exactly the same thing,
108
372217
2852
é o que acontece quando mostramos exatamente a mesma coisa,
e podemos garantir que é a mesma coisa pois temos um compartimento secreto
06:15
and we can ensure it's exactly the same because we have a secret compartment
109
375069
3611
06:18
and we actually pull the balls from there,
110
378680
2110
e tiramos as bolas de lá,
06:20
but this time, all we change is the apparent population
111
380790
3478
mas desta vez, vamos mudar a população aparente
06:24
from which that evidence was drawn.
112
384268
2902
a partir da qual a evidência é obtida.
06:27
This time, we're going to show babies three blue balls
113
387170
3553
Desta vez, vamos mostrar aos bebês três bolas azuis
06:30
pulled out of a box of mostly yellow balls,
114
390723
3384
tiradas de uma caixa com maioria de bolas amarelas,
06:34
and guess what?
115
394107
1322
e adivinha?
06:35
You [probably won't] randomly draw three blue balls in a row
116
395429
2840
Você provavelmente não tira três bolas azuis em sequência
06:38
out of a box of mostly yellow balls.
117
398269
2484
de uma caixa com maioria de bolas amarelas.
06:40
That is not plausibly randomly sampled evidence.
118
400753
3747
Isso não é uma evidência amostral plausível.
06:44
That evidence suggests that maybe Hyowon was deliberately sampling the blue balls.
119
404500
5123
Essa evidência sugere que Hyowon estivesse escolhendo as bolas azuis.
06:49
Maybe there's something special about the blue balls.
120
409623
2583
Talvez haja algo especial sobre as bolas azuis.
06:52
Maybe only the blue balls squeak.
121
412846
2976
Talvez apenas as bolas azuis chiem.
06:55
Let's see what the baby does.
122
415822
1895
Vamos ver o que o bebê faz.
06:57
(Video) HG: See this? (Ball squeaks)
123
417717
2904
(Vídeo) HG: Olha isso? (Bola chia)
07:02
See this toy? (Ball squeaks)
124
422851
2645
Olha este brinquedo? (Bola chia)
07:05
Oh, that was cool. See? (Ball squeaks)
125
425496
5480
Isso foi legal! Olha? (Bola chia)
07:10
Now this one's for you to play. You can go ahead and play.
126
430976
4394
Agora, esta é para você brincar. Pode brincar se quiser.
07:18
(Fussing) (Laughter)
127
438074
6347
(Mexendo) (Risos)
07:26
LS: So you just saw two 15-month-old babies
128
446901
2748
LS: Você acabou de ver dois bebês de 15 meses de idade
07:29
do entirely different things
129
449649
1942
fazendo coisas totalmente diferentes
07:31
based only on the probability of the sample they observed.
130
451591
3599
com base apenas na probabilidade da amostra que observaram.
07:35
Let me show you the experimental results.
131
455190
2321
Vou mostrar os resultados experimentais.
07:37
On the vertical axis, you'll see the percentage of babies
132
457511
2764
No eixo vertical, temos a porcentagem de bebês
07:40
who squeezed the ball in each condition,
133
460275
2530
que apertaram a bola em cada condição,
07:42
and as you'll see, babies are much more likely to generalize the evidence
134
462805
3715
e como podemos ver, os bebês tendem a generalizar a evidência
07:46
when it's plausibly representative of the population
135
466520
3135
quando é uma amostra representativa plausível da população
07:49
than when the evidence is clearly cherry-picked.
136
469655
3738
em vez de de uma amostra escolhida de maneira enviesada.
07:53
And this leads to a fun prediction:
137
473393
2415
E isso leva a uma previsão divertida:
07:55
Suppose you pulled just one blue ball out of the mostly yellow box.
138
475808
4868
suponha que você tirasse uma bola azul da caixa com maioria de bolas amarelas.
08:00
You [probably won't] pull three blue balls in a row at random out of a yellow box,
139
480896
3869
Você provavelmente não tiraria três bolas azuis em sequência,
mas poderia tirar aleatoriamente uma bola azul.
08:04
but you could randomly sample just one blue ball.
140
484765
2455
08:07
That's not an improbable sample.
141
487220
1970
Isso não é uma amostra improvável.
08:09
And if you could reach into a box at random
142
489190
2224
E se você pudesse mexer ao acaso numa caixa
08:11
and pull out something that squeaks, maybe everything in the box squeaks.
143
491414
3987
e tirar uma bola que chia, talvez todas as bolas da caixa chiem.
08:15
So even though babies are going to see much less evidence for squeaking,
144
495875
4445
Mesmo que os bebês estejam vendo menos evidências para o chiado,
08:20
and have many fewer actions to imitate
145
500320
2242
e tenham menos ações para imitar
08:22
in this one ball condition than in the condition you just saw,
146
502562
3343
nesta condição de uma bola que acabei de explicar,
08:25
we predicted that babies themselves would squeeze more,
147
505905
3892
nós previmos que os próprios bebês apertariam mais,
08:29
and that's exactly what we found.
148
509797
2894
e isso foi exatamente o que vimos.
08:32
So 15-month-old babies, in this respect, like scientists,
149
512691
4411
Então os bebês de 15 meses de idade, como se fossem cientistas,
08:37
care whether evidence is randomly sampled or not,
150
517102
3088
se importam se as evidências são amostradas aleatoriamente ou não,
08:40
and they use this to develop expectations about the world:
151
520190
3507
e usam isso para desenvolver expectativas sobre o mundo:
08:43
what squeaks and what doesn't,
152
523697
2182
o que chia e o que não chia,
08:45
what to explore and what to ignore.
153
525879
3145
o que explorar e o que ignorar.
08:50
Let me show you another example now,
154
530384
2066
Vou mostrar outro exemplo agora,
08:52
this time about a problem of causal reasoning.
155
532450
2730
desta vez sobre um problema de raciocínio causal.
08:55
And it starts with a problem of confounded evidence
156
535180
2439
E isso começa com um problema de evidência confusa
08:57
that all of us have,
157
537619
1672
que todos nós enfrentamos,
08:59
which is that we are part of the world.
158
539291
2020
e por isso fazemos parte do mundo.
09:01
And this might not seem like a problem to you, but like most problems,
159
541311
3436
Pode não ser um problema para você, mas como a maioria dos problemas,
09:04
it's only a problem when things go wrong.
160
544747
2337
só é um problema quando as coisas dão errado.
09:07
Take this baby, for instance.
161
547464
1811
Veja este bebê, por exemplo.
09:09
Things are going wrong for him.
162
549275
1705
As coisas estão dando errado.
09:10
He would like to make this toy go, and he can't.
163
550980
2271
Ele quer fazer isso andar, mas não consegue.
09:13
I'll show you a few-second clip.
164
553251
2529
Vou mostrar alguns segundos.
E há duas possibilidades:
09:21
And there's two possibilities, broadly:
165
561340
1920
09:23
Maybe he's doing something wrong,
166
563260
2634
talvez ele esteja fazendo algo errado,
09:25
or maybe there's something wrong with the toy.
167
565894
4216
ou talvez haja algo errado com o brinquedo.
09:30
So in this next experiment,
168
570110
2111
Neste próximo experimento,
09:32
we're going to give babies just a tiny bit of statistical data
169
572221
3297
vamos dar alguns dados estatísticos
09:35
supporting one hypothesis over the other,
170
575518
2582
apoiando uma hipótese sobre a outra,
09:38
and we're going to see if babies can use that to make different decisions
171
578100
3455
e vamos ver se os bebês podem tomar decisões diferentes
09:41
about what to do.
172
581555
1834
sobre o que fazer.
09:43
Here's the setup.
173
583389
2022
Aqui está o experimento.
09:46
Hyowon is going to try to make the toy go and succeed.
174
586071
3030
Hyowon vai fazer o brinquedo andar.
09:49
I am then going to try twice and fail both times,
175
589101
3320
Depois eu vou tentar duas vezes e falhar,
09:52
and then Hyowon is going to try again and succeed,
176
592421
3112
e Hyowon tenta de novo e consegue,
09:55
and this roughly sums up my relationship to my graduate students
177
595533
3172
e isto resume minha relação com meus alunos de pós-graduação
09:58
in technology across the board.
178
598705
2835
com novas tecnologias.
10:02
But the important point here is it provides a little bit of evidence
179
602030
3292
Mas o importante aqui é fornecer um pouco de evidência
10:05
that the problem isn't with the toy, it's with the person.
180
605322
3668
de que o problema não é o brinquedo, é a pessoa.
10:08
Some people can make this toy go,
181
608990
2350
Algumas pessoas fazem o brinquedo andar,
10:11
and some can't.
182
611340
959
e outras não.
10:12
Now, when the baby gets the toy, he's going to have a choice.
183
612799
3413
Quando o bebê pega o brinquedo, ele tem uma escolha.
10:16
His mom is right there,
184
616212
2188
Sua mãe está ali,
10:18
so he can go ahead and hand off the toy and change the person,
185
618400
3315
para que possa entregar o brinquedo e mudar de pessoa,
10:21
but there's also going to be another toy at the end of that cloth,
186
621715
3158
mas há também outro brinquedo, no final do pano,
10:24
and he can pull the cloth towards him and change the toy.
187
624873
3552
e ele pode puxar o pano e mudar de brinquedo.
10:28
So let's see what the baby does.
188
628425
2090
Vamos ver o que o bebê faz.
10:30
(Video) HG: Two, three. Go! (Music)
189
630515
4183
(Vídeo) HG: Dois, três. vai! (Música)
10:34
LS: One, two, three, go!
190
634698
3131
LS: Um, dois, três, vai!
10:37
Arthur, I'm going to try again. One, two, three, go!
191
637829
7382
Arthur, vou tentar novamente. Um, dois, três, vai!
10:45
YG: Arthur, let me try again, okay?
192
645677
2600
HG: Arthur, vou tentar de novo.
10:48
One, two, three, go! (Music)
193
648277
4550
Um, dois, três, vai! (Música)
10:53
Look at that. Remember these toys?
194
653583
1883
Veja isso. Lembra destes brinquedos?
10:55
See these toys? Yeah, I'm going to put this one over here,
195
655466
3264
Estes brinquedos aqui? Vou colocar este aqui,
10:58
and I'm going to give this one to you.
196
658730
2062
e eu vou dar este para você.
11:00
You can go ahead and play.
197
660792
2335
Você pode brincar se quiser.
11:23
LS: Okay, Laura, but of course, babies love their mommies.
198
683213
4737
LS: Certo, mas é óbvio que os bebês amam suas mamães.
11:27
Of course babies give toys to their mommies
199
687950
2182
Os bebês vão dar brinquedos para suas mães
11:30
when they can't make them work.
200
690132
2030
quando não conseguem fazê-los funcionar.
11:32
So again, the really important question is what happens when we change
201
692162
3593
Novamente, o que importa é o que acontece quando mudamos
11:35
the statistical data ever so slightly.
202
695755
3154
os dados estatísticos ligeiramente.
11:38
This time, babies are going to see the toy work and fail in exactly the same order,
203
698909
4087
Desta vez, os bebês vão ver o brinquedo funcionar e falhar na mesma ordem,
11:42
but we're changing the distribution of evidence.
204
702996
2415
mas mudamos a distribuição das evidências.
11:45
This time, Hyowon is going to succeed once and fail once, and so am I.
205
705411
4411
Hyowon vai conseguir uma vez e falhar uma vez, e eu também.
11:49
And this suggests it doesn't matter who tries this toy, the toy is broken.
206
709822
5637
Isso sugere que não importa quem tenta, o brinquedo está quebrado.
11:55
It doesn't work all the time.
207
715459
1886
Ele não funciona o tempo todo.
De novo, o bebê terá uma escolha.
11:57
Again, the baby's going to have a choice.
208
717345
1965
A mãe dele está ao seu lado, então ela pode mudar a pessoa,
11:59
Her mom is right next to her, so she can change the person,
209
719310
3396
12:02
and there's going to be another toy at the end of the cloth.
210
722706
3204
e tem outro brinquedo no fim do pano.
Vamos ver o que ela faz.
12:05
Let's watch what she does.
211
725910
1378
12:07
(Video) HG: Two, three, go! (Music)
212
727288
4348
(Vídeo) HG: Dois, três, vai! (Música)
12:11
Let me try one more time. One, two, three, go!
213
731636
4984
Vou tentar de novo. Um, dois, três, vai!
12:17
Hmm.
214
737460
1697
Hmmm.
12:19
LS: Let me try, Clara.
215
739950
2692
LS: Vou tentar, Clara.
12:22
One, two, three, go!
216
742642
3945
Um, dois, três, vai!
12:27
Hmm, let me try again.
217
747265
1935
Vou tentar de novo.
12:29
One, two, three, go! (Music)
218
749200
5670
Um, dois, três, vai! (Música)
12:35
HG: I'm going to put this one over here,
219
755009
2233
HG: Eu vou deixar este aqui,
12:37
and I'm going to give this one to you.
220
757242
2001
e vou dar este para você.
12:39
You can go ahead and play.
221
759243
3597
Você pode brincar se quiser.
12:58
(Applause)
222
778376
4897
(Aplausos)
13:04
LS: Let me show you the experimental results.
223
784993
2392
LS: Vou mostrar os resultados experimentais.
13:07
On the vertical axis, you'll see the distribution
224
787385
2475
No eixo vertical, temos a distribuição
13:09
of children's choices in each condition,
225
789860
2577
de escolhas para cada condição,
13:12
and you'll see that the distribution of the choices children make
226
792437
4551
e podemos ver que as escolhas que as crianças fazem
13:16
depends on the evidence they observe.
227
796988
2787
dependem da evidência observada.
13:19
So in the second year of life,
228
799775
1857
Então no segundo ano de vida,
13:21
babies can use a tiny bit of statistical data
229
801632
2577
os bebês podem usar alguns dados estatísticos
13:24
to decide between two fundamentally different strategies
230
804209
3367
e decidir entre duas estratégias muito diferentes
13:27
for acting in the world:
231
807576
1881
para agir no mundo:
13:29
asking for help and exploring.
232
809457
2743
pedir ajuda e explorar.
13:33
I've just shown you two laboratory experiments
233
813700
3434
Eu só mostrei dois experimentos de laboratório
entre centenas de outros que mostram resultados parecidos,
13:37
out of literally hundreds in the field that make similar points,
234
817134
3691
13:40
because the really critical point
235
820825
2392
pois o ponto essencial
13:43
is that children's ability to make rich inferences from sparse data
236
823217
5108
é mostrar que a capacidade das crianças fazerem inferências com poucos dados
13:48
underlies all the species-specific cultural learning that we do.
237
828325
5341
está por trás de toda aprendizagem cultural específica que fazemos.
13:53
Children learn about new tools from just a few examples.
238
833666
4597
As crianças aprendem sobre coisas novas a partir de alguns exemplos.
13:58
They learn new causal relationships from just a few examples.
239
838263
4717
Elas aprendem novas relações causais a partir de alguns exemplos.
14:03
They even learn new words, in this case in American Sign Language.
240
843928
4871
Elas até aprendem novas palavras, neste caso em Língua de Sinais Americana.
14:08
I want to close with just two points.
241
848799
2311
Quero concluir com apenas dois pontos.
14:12
If you've been following my world, the field of brain and cognitive sciences,
242
852050
3688
Se você estiver acompanhando as ciências cognitivas e do cérebro
14:15
for the past few years,
243
855738
1927
pelos últimos anos,
14:17
three big ideas will have come to your attention.
244
857665
2415
três grandes ideias vão chamar sua atenção.
14:20
The first is that this is the era of the brain.
245
860080
3436
A primeira é que estamos na era do cérebro.
14:23
And indeed, there have been staggering discoveries in neuroscience:
246
863516
3669
De fato, houve descobertas surpreendentes nas neurociências:
14:27
localizing functionally specialized regions of cortex,
247
867185
3436
a localização funcional de regiões especializadas do córtex,
14:30
turning mouse brains transparent,
248
870621
2601
tornar transparentes cérebros de camundongos,
14:33
activating neurons with light.
249
873222
3776
ativação de neurônios com luz.
14:36
A second big idea
250
876998
1996
A segunda grande ideia
14:38
is that this is the era of big data and machine learning,
251
878994
4104
é que estamos na era dos grandes dados e do aprendizado de máquina,
14:43
and machine learning promises to revolutionize our understanding
252
883098
3141
e isso promete revolucionar nossa compreensão
14:46
of everything from social networks to epidemiology.
253
886239
4667
de tudo, desde redes sociais até epidemiologia.
14:50
And maybe, as it tackles problems of scene understanding
254
890906
2693
E talvez ao enfrentar problemas de compreensão contextual
14:53
and natural language processing,
255
893599
1993
e processamento de linguagem natural,
14:55
to tell us something about human cognition.
256
895592
3324
isso pode nos dizer algo sobre cognição humana.
14:59
And the final big idea you'll have heard
257
899756
1937
E a terceira grande ideia
15:01
is that maybe it's a good idea we're going to know so much about brains
258
901693
3387
é que talvez seja uma boa ideia sabermos muito sobre cérebros
e termos acesso a grandes dados,
15:05
and have so much access to big data,
259
905080
1917
15:06
because left to our own devices,
260
906997
2507
pois se ficarmos como estamos,
15:09
humans are fallible, we take shortcuts,
261
909504
3831
os seres humanos são falíveis, usamos atalhos,
15:13
we err, we make mistakes,
262
913335
3437
nós erramos, cometemos enganos,
15:16
we're biased, and in innumerable ways,
263
916772
3684
somos enviesados e, de várias maneiras,
15:20
we get the world wrong.
264
920456
2969
vemos o mundo errado.
15:24
I think these are all important stories,
265
924843
2949
Penso que estas histórias são importantes,
15:27
and they have a lot to tell us about what it means to be human,
266
927792
3785
e elas nos dizem muito sobre o que significa ser humano,
15:31
but I want you to note that today I told you a very different story.
267
931577
3529
mas quero que vocês percebam que contei uma história muito diferente.
15:35
It's a story about minds and not brains,
268
935966
3807
É uma história sobre mentes e não sobre cérebros,
15:39
and in particular, it's a story about the kinds of computations
269
939773
3006
é uma história sobre o tipo de computação
15:42
that uniquely human minds can perform,
270
942779
2590
que as mentes unicamente humanas podem fazer,
15:45
which involve rich, structured knowledge and the ability to learn
271
945369
3944
que envolve o conhecimento estruturado e a capacidade de aprender
15:49
from small amounts of data, the evidence of just a few examples.
272
949313
5268
a partir de pequenas quantidades de dados, das evidências de alguns exemplos.
Essencialmente, é uma história sobre como as crianças começam
15:56
And fundamentally, it's a story about how starting as very small children
273
956301
4299
16:00
and continuing out all the way to the greatest accomplishments
274
960600
4180
e continuam seu caminho para grandes realizações
16:04
of our culture,
275
964780
3843
da nossa cultura,
16:08
we get the world right.
276
968623
1997
e conseguem ver o mundo direito.
16:12
Folks, human minds do not only learn from small amounts of data.
277
972433
5267
As mentes humanas não aprendem apenas com pequenas quantidades de dados.
16:18
Human minds think of altogether new ideas.
278
978285
2101
As mentes humanas pensam novas ideias.
16:20
Human minds generate research and discovery,
279
980746
3041
As mentes humanas geram pesquisa e descoberta,
16:23
and human minds generate art and literature and poetry and theater,
280
983787
5273
e as mentes humanas geram arte, literatura, poesia e teatro,
16:29
and human minds take care of other humans:
281
989070
3760
e as mentes humanas cuidam de outros seres humanos:
16:32
our old, our young, our sick.
282
992830
3427
de pessoas idosas, jovens ou doentes.
16:36
We even heal them.
283
996517
2367
Nós até mesmo as curamos.
16:39
In the years to come, we're going to see technological innovations
284
999564
3103
Nos próximos anos, veremos inovações tecnológicas
16:42
beyond anything I can even envision,
285
1002667
3797
além de qualquer coisa que eu possa imaginar,
16:46
but we are very unlikely
286
1006464
2150
mas é muito improvável
16:48
to see anything even approximating the computational power of a human child
287
1008614
5709
que a gente veja um computador com o mesmo poder da mente de uma criança
16:54
in my lifetime or in yours.
288
1014323
4298
na minha geração ou na sua.
16:58
If we invest in these most powerful learners and their development,
289
1018621
5047
Se investirmos nestes aprendizes mais poderosos e no seu desenvolvimento,
17:03
in babies and children
290
1023668
2917
nos bebês, e nas crianças,
17:06
and mothers and fathers
291
1026585
1826
e mães, e pais,
17:08
and caregivers and teachers
292
1028411
2699
e cuidadores, e professores
17:11
the ways we invest in our other most powerful and elegant forms
293
1031110
4170
da mesma maneira que investimos em outras formas poderosas e elegantes
17:15
of technology, engineering and design,
294
1035280
3218
de tecnologia, engenharia e design,
17:18
we will not just be dreaming of a better future,
295
1038498
2939
nós não vamos apenas sonhar por um futuro melhor,
17:21
we will be planning for one.
296
1041437
2127
vamos planejar um futuro.
17:23
Thank you very much.
297
1043564
2345
Muito obrigada.
17:25
(Applause)
298
1045909
3421
(Aplausos)
17:29
Chris Anderson: Laura, thank you. I do actually have a question for you.
299
1049810
4426
Chris Anderson: Laura, obrigado. Eu tenho uma pergunta para você.
17:34
First of all, the research is insane.
300
1054236
2359
Em primeiro lugar, a pesquisa é insana.
17:36
I mean, who would design an experiment like that? (Laughter)
301
1056595
3725
Quero dizer, quem iria projetar um experimento como esse?
17:41
I've seen that a couple of times,
302
1061150
1790
Eu vi isso algumas vezes,
17:42
and I still don't honestly believe that that can truly be happening,
303
1062940
3222
e eu ainda não acredito que isso pode estar acontecendo,
17:46
but other people have done similar experiments; it checks out.
304
1066162
3158
mas outras pessoas fizeram experimentos semelhantes.
Os bebês são realmente geniais.
17:49
The babies really are that genius.
305
1069320
1633
17:50
LS: You know, they look really impressive in our experiments,
306
1070953
3007
LS: Eles parecem muito impressionantes em nossos experimentos,
17:53
but think about what they look like in real life, right?
307
1073960
2652
mas pense sobre como eles se parecem na vida real.
17:56
It starts out as a baby.
308
1076612
1150
Nasce um bebê.
17:57
Eighteen months later, it's talking to you,
309
1077762
2007
Dezoito meses depois, ele fala com você,
17:59
and babies' first words aren't just things like balls and ducks,
310
1079769
3041
e suas primeiras palavras não são coisas como bolas e patos,
18:02
they're things like "all gone," which refer to disappearance,
311
1082810
2881
são coisas como "sumiu", que se refere ao desaparecimento,
ou "opa", que se refere a ações intencionais.
18:05
or "uh-oh," which refer to unintentional actions.
312
1085691
2283
18:07
It has to be that powerful.
313
1087974
1562
Ele precisa ser poderoso.
18:09
It has to be much more powerful than anything I showed you.
314
1089536
2775
Precisa ser mais poderoso do que tudo que eu mostrei.
Eles estão descobrindo o mundo inteiro.
18:12
They're figuring out the entire world.
315
1092311
1974
Uma criança de quatro anos pode conversar sobre quase tudo.
18:14
A four-year-old can talk to you about almost anything.
316
1094285
3144
18:17
(Applause)
317
1097429
1601
(Aplausos)
18:19
CA: And if I understand you right, the other key point you're making is,
318
1099030
3414
CA: Se eu entendi direito, o outro ponto que você levanta
18:22
we've been through these years where there's all this talk
319
1102444
2754
é que ultrapassamos a ideia sobre como nossa mente
18:25
of how quirky and buggy our minds are,
320
1105198
1932
é falha e confusa,
18:27
that behavioral economics and the whole theories behind that
321
1107130
2867
da economia comportamental e outras teorias que dizem
18:29
that we're not rational agents.
322
1109997
1603
que não somos agentes racionais.
18:31
You're really saying that the bigger story is how extraordinary,
323
1111600
4216
Você realmente acha que nossa mente é extraordinária
18:35
and there really is genius there that is underappreciated.
324
1115816
4944
e que há um gênio ali que é ignorado?
18:40
LS: One of my favorite quotes in psychology
325
1120760
2070
LS: Uma das minhas citações favoritas
18:42
comes from the social psychologist Solomon Asch,
326
1122830
2290
é do psicólogo social Solomon Asch,
18:45
and he said the fundamental task of psychology is to remove
327
1125120
2807
que disse que a tarefa fundamental da psicologia é remover
18:47
the veil of self-evidence from things.
328
1127927
2626
o véu da autoevidência das coisas.
18:50
There are orders of magnitude more decisions you make every day
329
1130553
4551
Há milhões de tipos de escolhas que fazemos todos os dias,
18:55
that get the world right.
330
1135104
1347
que nos fazem ver o mundo.
18:56
You know about objects and their properties.
331
1136451
2132
Sabemos dos objetos e suas propriedades.
18:58
You know them when they're occluded. You know them in the dark.
332
1138583
3029
Sabemos quando estão ocultos. Podemos vê-los no escuro.
19:01
You can walk through rooms.
333
1141612
1308
Podemos andar nas salas.
19:02
You can figure out what other people are thinking. You can talk to them.
334
1142920
3532
Podemos descobrir o que outras pessoas estão pensando e falar com elas.
Podemos navegar no espaço e saber números.
19:06
You can navigate space. You know about numbers.
335
1146452
2230
Sabemos sobre relações causais e raciocínio moral.
19:08
You know causal relationships. You know about moral reasoning.
336
1148682
3022
Fazemos isso sem esforço, por isso não percebemos,
19:11
You do this effortlessly, so we don't see it,
337
1151704
2356
mas é assim que vemos o mundo, e é uma realização notável
19:14
but that is how we get the world right, and it's a remarkable
338
1154060
2912
e muito difícil de entender.
19:16
and very difficult-to-understand accomplishment.
339
1156972
2318
CA: Eu suspeito que há pessoas na plateia que têm
19:19
CA: I suspect there are people in the audience who have
340
1159290
2628
esta visão sobre o poder tecnológico crescente
19:21
this view of accelerating technological power
341
1161918
2238
e que refutam sua afirmação de que nunca teremos um computador
19:24
who might dispute your statement that never in our lifetimes
342
1164156
2958
com a mesma capacidade de um criança de três anos,
19:27
will a computer do what a three-year-old child can do,
343
1167114
2618
mas está claro que, em qualquer situação,
19:29
but what's clear is that in any scenario,
344
1169732
3248
19:32
our machines have so much to learn from our toddlers.
345
1172980
3770
nossas máquinas têm muito a aprender com nossas crianças.
19:38
LS: I think so. You'll have some machine learning folks up here.
346
1178230
3216
LS: Acho que sim. Temos pessoas do aprendizado de máquina por aqui.
19:41
I mean, you should never bet against babies or chimpanzees
347
1181446
4203
Quero dizer, a gente não deve apostar em bebês ou em chimpanzés
19:45
or technology as a matter of practice,
348
1185649
3645
ou na tecnologia como uma questão prática,
19:49
but it's not just a difference in quantity,
349
1189294
4528
mas não é apenas uma diferença em quantidade,
19:53
it's a difference in kind.
350
1193822
1764
é uma diferença de tipo.
19:55
We have incredibly powerful computers,
351
1195586
2160
Temos computadores incrivelmente poderosos,
19:57
and they do do amazingly sophisticated things,
352
1197746
2391
que fazem coisas muito sofisticadas,
20:00
often with very big amounts of data.
353
1200137
3204
muitas vezes com grandes quantidades de dados.
20:03
Human minds do, I think, something quite different,
354
1203341
2607
As mentes humanas fazem algo completamente diferente,
20:05
and I think it's the structured, hierarchical nature of human knowledge
355
1205948
3895
e acho que é a natureza hierárquica e estruturada do conhecimento humano
20:09
that remains a real challenge.
356
1209843
2032
que continua a ser um desafio real.
20:11
CA: Laura Schulz, wonderful food for thought. Thank you so much.
357
1211875
3061
CA: Laura Schulz, isso foi maravilhoso. Muito obrigado.
20:14
LS: Thank you. (Applause)
358
1214936
2922
LS: Obrigada. (Aplausos)
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7