Laura Schulz: The surprisingly logical minds of babies

Translator: Ramya S. Arachchige Reviewer: Dulini Mudunkotuwa

Mark Twain summed up what I take to be

මාර්ක් ට්වින් සංක්ෂිප්තව දැක්වූවා,

one of the fundamental problems of cognitive science

ඥානන විද්යාවේ මා දකින එක් මුලික ගැටළුවක්

with a single witticism.

හාස්යෝත්පාදක ලෙස

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

ඔහු පැවසුවා " ඉතාම සිත් ගන්නා යමක් විද්යාවේ ඇති බව ,

One gets such wholesale returns of conjecture

කෙනෙකුට ආපසු ලැබෙන දේ ගැන තොග ගනින් අනුමාන කරන්න පුළුවන්

out of such a trifling investment in fact."

කරුණු ගැන අඩුවෙන් කරදර වීමෙන් "

(Laughter)

(සිනාව)

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

ට්වින් එය විහිළුවක් සේ අදහස් කලත් ඇත්තෙන්ම ඔහු නිවැරදියි

There's something fascinating about science.

විද්යාවේ ඉතාම සිත් ගන්නා දෙයක් පවතිනවා

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

ඇට සැකිලි කිහිපයකින් අපි ඩයිනොසරයකුගේ පැවැත්ම ගැන අනුමාන කරනවා

From spectral lines, the composition of nebulae.

වර්ණාවලී රේඛාව කින් දූලි වලාවක සංයුතිය ගැනත්

From fruit flies,

පළතුරු මැස්සෙකු ගෙන්

the mechanisms of heredity,

ප්‍රවේණියේ ක්‍රියාකාරිත්වය ගැනත්

and from reconstructed images of blood flowing through the brain,

නැවත සැකසු මොලයේ රුධිරය ගමනයේ පිළිබිඹුවකින්

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

හෝ , මගේ කතාවේ දී නම් තරුණ ළමුන්ගේ හැසිරීමෙන්

we try to say something about the fundamental mechanisms

අපි උත්සාහ කරනවා මිනිස් ඥානනයේ

of human cognition.

මුලික ක්රියාකාරිත්වය ගැන යමක් පවසන්න

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

විශේෂයෙන්, එම් අයි ටි ආයතනේ, මොළය හා ඥානන දෙපාර්තුමේන්තුවේ මගේ පරීක්ෂණාගාරයේ දී

I have spent the past decade trying to understand the mystery

පසු ගිය දශකය මා යෙදවූයේ අභිරහසක් වටහා ගැනීමට

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

ළමයි ඉතා කුඩා දෙයකින් විශාල දෙයක් ඉතා ඉක්මනින් ඉගෙන ගන්නේ කෙසේද යන්න

Because, it turns out that the fascinating thing about science

ඉන් පෙනී යනවා විද්යාවේ අපුරත්වය යනු

is also a fascinating thing about children,

ළමයින්ගේ ද අපුර්වත්වය බව

which, to put a gentler spin on Mark Twain,

එනම් මාර්ක් ට්වින්ගේ අදහස සියුම්ව විග්‍රහ කලොත්

is precisely their ability to draw rich, abstract inferences

සැබවින්ම එය ඔවුන් තුල ඇති උසස්,භාවාත්මක උපකල්පන කිරීමේ හැකියාවක්.

rapidly and accurately from sparse, noisy data.

වේගවත්ව සහ නිවැරදිව . විසිරුණු හා අක්‍රමවත් දත්ත මගින්

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

අද මම උදාහරණ දෙකක් පමණක් දක්වන්නම්

One is about a problem of generalization,

එය ගැටළුවක් සාමාන්යකරණය කිරීම ගැන

and the other is about a problem of causal reasoning.

අනෙක තාර්කික හේතු දැක්වීම පිළිබඳ ගැටලුව

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

මම මගේ පර්යේෂණාගාරයේ කාර්ය ගැන පවසන්නේ වුවත්

this work is inspired by and indebted to a field.

මේ උත්සාහය ක්ෂේත්රයෙන් ලද පෙලම්බවිම නිසා හා එයට ට ණයගැති යි

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

ලොව පුරා සිටින උපදේශකවරුන්ට යහළුවන්ට සහ එක්ව වැඩකරන සියලු දෙනාට ම ස්තුති යි

Let me start with the problem of generalization.

සාමාන්යකරණය පිළිබඳ ගැටළුවෙන් මම පටන් ගන්නම්

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

කුඩා නියැදියක දත්ත සාමාන්යකරණයට යොදා ගැනීම විද්යාවේ එන මුලික දෙයක්

We poll a tiny fraction of the electorate

කුඩා ඡන්ද කොට්ඨාසයක ඡන්ද විමසීමෙන්

and we predict the outcome of national elections.

අපි ජාතික මැතිවරණයක ප්‍රතිඑලය පුරෝකථනය කරනවා

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

රෝගීන් කිහිපදෙනෙක්ගේ ශායනික පරීක්ෂණ ප්‍රතිචාර බලා

and we bring drugs to a national market.

අපි ජාතික වෙළෙඳපළට ඖෂධ හඳුන්වා දෙනවා

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

නමුත් මෙය වලංගු වන්නේ අපේ නියැදිය අහඹු නියැදියක් නම් පමණයි

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

අපේ නියැදිය පරිස්සමින් තෝරගත්ත එකක් නම් කිසියම් ලෙසකට

say, we poll only urban voters,

කියමු අපි නාගරිග ඡන්ද පමණක් සලකනවා

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

එසේ නැත්නම් හර්දරෝග ප්‍රතිකාර ගැන කරන ශායනික පරීක්ෂණයකට

we include only men --

පිරිමින් පමණක් යොදාගන්නවා නම්

the results may not generalize to the broader population.

ප්‍රතිපල මුළු ජනගහය සඳහාම අදාල නොවේවි .

So scientists care whether evidence is randomly sampled or not,

එනිසා

විද්යාඥයින්ට වැදගත් අහඹු සාක්ෂ්යයි නමුත්

but what does that have to do with babies?

මෙය ළදරුවන්ට අදාල වන්නේ කෙසේද ?

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

හරි, දරුවන් ගේ සාමාන්යකරණයත් සැමවිටම කුඩා දත්ත නියැදියකින් විය යුතුයි

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

ඔවුහු රබර් තාරාවන් දැක ඔවුන් වතුරේ පාවෙන බව දැන ගනී

or a few balls and learn that they bounce.

නැත්නම් බෝල බිම වැදී නැවත උඩ එන බව දැන ගනී

And they develop expectations about ducks and balls

ඉන් ඔවුන් බෝල සහ තාරාවන් පිලිබඳ අපේක්ෂා ඇති කර ගනී

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

තාරාවන් සහ රබර් බෝල වලින් ලත් දැනීම ඔවුන්ගේ

for the rest of their lives.

මුළු ජීවිතය පුරාවටම අදාල කරගනී

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

මින් කුඩා දරුවන්ට ට තාරාවන් සහ බෝල ගැන කළහැකි සාමාන්යකරණය

they have to make about almost everything:

සැමදෙයක් සඳහාම පාහේ කිරීමට ඔවුන්ට සිදුවේ

shoes and ships and sealing wax and cabbages and kings.

සපත්තු සහ නැව් සහ ලාකඩ සහ ගෝවා සහ රජුන්

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

මේ නිසා ළදරුවන් ඔවුන් කුඩා දේ දෙයකකින් වුවත්

is plausibly representative of a larger population?

විශාල සමුහයක් නියෝජනය කිරීමට හැකිවේදැයි උනන්දු වෙනවා

Let's find out.

අපි සොයාබලමු ඒ පිළිබඳ

I'm going to show you two movies,

මම ඔබට චිත්‍රපට දෙකක් පෙන්වන්නම්

one from each of two conditions of an experiment,

එකක් පර්යේෂණයක අවස්ථා දෙකක් පිළිබඳව

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

ඔබ චිතපට දෙකක් පමණක් බැලීමට සැරසෙන නිසා

you're going to see just two babies,

ඔබ ළදරුවන් දෙදෙනෙකු පිලිබඳව දකීවි

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

ළදරුවන් දෙදෙනා එකිනෙකට විශාල ලෙස වෙනස්

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

නමුත් මෙම ළදරුවන් දෙදෙනාගෙන් කණ්ඩායම් දෙකක් නියෝජනය වෙනවා

and the differences you're going to see

සහ ඔබ දැකීමට යන වෙනස්කම්

represent average group differences in babies' behavior across conditions.

තත්වයන් දෙකක ළදරුවන් කාණ්ඩ දෙකක් අතර සාමාන්‍ය වෙනස

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

එක් එක් චිත්‍රපටයෙහි ඔබට දකින්නට ලැබේවි

just exactly what you might expect a baby to do,

ළදරුවෙක් විසින් කළ හැකි යයිඔබ නියත වශයෙන් අපේක්ෂිත දෙයක්

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

ළදරුවන් තුල ඇති මේ අපුර්වත්වය අපට තවත්නම් වැඩි කල නොහැකියි

But to my mind the magical thing,

නමුත් මට හිතෙන සේ අපුර්ව දෙය නම්

and what I want you to pay attention to,

ඔබගේ අවධානය යොමුකළ යුතු දෙය නම්

is the contrast between these two conditions,

මෙම තත්වයක් දෙකෙහි ඇති වෙනසයි

because the only thing that differs between these two movies

එයට හේතුව නම් මෙම චිත්‍රපට දෙකේ ඇති එක ම වෙනස

is the statistical evidence the babies are going to observe.

මෙම ළදරුවන විසින් නිරීක්ෂණය කරන සංඛ්යානමය සාක්ෂි වල වෙනස යි

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

අපි මේ දරුවන්ට නිල් සහ රතු බෝල ඇති පෙට්ටියක් පෙන්වනවා

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

එකල මගේ උපාධි සිසුන් හා දැන් ස්ටන්ෆාර්ඩ් Hyowon Gweon හි සගයින්

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

එකින් එක නිල් බෝල තුනක් පෙට්ටියෙන් ගන්නවා

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

බෝල එලියට ගනිද්දී ඇය ඒවා තෙරපනවා

and the balls are going to squeak.

එවිට බෝල වලින් හඬක් එනවා

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

එමෙන්ම ඔබ ළදරුවෙක් නම් එය හරියට 'ටෙඩ්' කතාවක් වගේ

It doesn't get better than that.

මිට වඩා එය වැඩි දියුණු වෙන්නේ නෑ

(Laughter)

නමුත් මෙහි වැදගත් දේනම්

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

out of a box of mostly blue balls.

වැඩි පුරම නිල් බෝල ඇති පෙට්ටියකින්

You could do that with your eyes closed.

ඇස් වසාගෙන වුවත් ඔබට එය කළ හැකියි

It's plausibly a random sample from this population.

මේ ගහනයෙන් නම් එය අහඹු නියැදුමක්

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

අහඹුලෙස පෙට්ටියෙන් යමක් ගත්විට එයින් ශබ්දයක් නිකුත් වේ නම්

then maybe everything in the box squeaks.

ඇතැම්විට පෙට්ටියේ ඇති සියලුම දෙයින් ඒ ශබ්දය නිකුත් විය හැකයි

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

ඇතැම් විට කහපැහැති බෝල වලින්න්ද හඬක් එතැයි දරුවෝ අපේක්ෂා කරාවි

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

කහ පාට බෝල වල කෙළවරක කෝටුවක් වැනි දෙයක් තිබෙනවා

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

මේ නිසා එයින් ළදරුවන්ට වෙනත් දෙයක් කිරීමට පුළුවන්

They could pound them or whack them.

ඉන් තලන්න හෝ වේගයෙන් පහර දෙන්න පුළුවන්

But let's see what the baby does.

එහෙත් අපි බලමු ඔවුන් කුමක් කරාවි දැයි කියා

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

Hyowon Gweon:"මේක දැක්ක ද ? ( බෝලය මිරිකයි )

Did you see that? (Ball squeaks)

ඔබ එය දැක්ක ද ?

Cool.

හොඳයි

See this one?

මේකත් දැක්කද

(Ball squeaks)

බෝලය මිරිකයි

Wow.

ෂාහ්

Laura Schulz: Told you. (Laughs)

Laura Schulz::මම කිවා නේ සිනහව

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

වීඩියෝව HG මේ බලන්න බෝලය මිරිකයි

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

ක්ලාරා මේක ඔයාට දැන් සෙල්ලම් කරන්න

(Laughter)

සිනාව

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

LS: මට කීමට දෙයක් නැ නේද

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

ඔව් , එය කදිමයි ළදරුවන් නිල් බෝල වල ලක්ෂණ

of blue balls to yellow balls,

කහ බෝල වලට සාමාන්යකරණය කිරීම

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

එමෙන්ම අපව අනුකරණයෙක් ළදරුවන් ඉගෙනීම චමත්කාරජනකයි

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

එහෙත් ළදරුවන් පිලිබඳ මෙවැනි දේ අප බොහෝ කල් සිට දන්නා දේවල්

The really interesting question

ඉතාම සිත්ගන්න ගැටළු ව නම්

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

අපි එකමදේ ළදරුවන්ට පෙන්වුවොත් කුමක් වේවිද

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

එකම දේ බවඅපට සහතිකවිය හැක්කේ සැඟවූ වෙනම කොටසකින් අප බෝලය

and we actually pull the balls from there,

ගන්න නිසා , නමුත් මෙහිදී අපි

but this time, all we change is the apparent population

වෙනස් කරන්නේ බෝලය ලබාගන්න

from which that evidence was drawn.

ජනගහනය පමණයි

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

මෙවර ළදරුවන්ට නිල් පට බෝල තුනක් පෙන්වනවා

pulled out of a box of mostly yellow balls,

වැඩිපුරම කහ පාට බෝල තිබෙන පෙට්ටියකින්

and guess what?

දැන් කුමක් වේ යයි සිතන්නේද ?

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

ඔබ අහඹු ලෙස එක දිගට නිල් පාට බෝල තුනක් ගනීවි (ඇතම් විට එසේ නොවේවි)

out of a box of mostly yellow balls.

වැඩිපුරම කහපාට බෝල ඇති පෙට්ටියකින්

That is not plausibly randomly sampled evidence.

මෙය සත්‍ය අහඹු සාම්පලයකින් ගත් සාධකයක් නොවේ

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

මෙම සාක්ෂිය හඟවනවා ඇතැම් විට හොය්වොන් ඕනෑකමින්ම නිල බෝල ක් ගත බව

Maybe there's something special about the blue balls.

ඇතැම්විට නිල බෝල වල යම් විශේෂත්වයක් තිබිය හැකියි

Maybe only the blue balls squeak.

ඇතැම් විට නිල් බෝල පමණක් හඬ නගනවා විය හැකියි

Let's see what the baby does.

ළදරුවන් කරන්නේ කුමක් දැයි බලමු

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

වීඩියෝව HG: මෙය දැක්කාද?(බෝලය මිරිකයි)

See this toy? (Ball squeaks)

මේ සෙල්ලම් බඩු ව දැක්කාද ? (බෝලය මිරිකයි)

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

ඕහෝ ඒක හොඳයි නේද බලන්න ? (බෝලය මිරිකයි )

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

දැන් මේක ඔයාට සෙල්ලම් කරන්න , දැන් සෙල්ලම් කරන්න

(Fussing) (Laughter)

(කලබල වෙයි ) (සිනාව)

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

LS: ඔබ දැන් දුටුවේ මාස 15 වයසැති කුඩා ළමුන් දෙදෙනෙක්

do entirely different things

සම්පුර්ණයෙන් වෙනස් දෙයක් කරනවා

based only on the probability of the sample they observed.

ඔවුන් නිරීක්ෂණය කල සාම්පලයේ සම්භාවිතවය අනුව පමණක්

Let me show you the experimental results.

දැන් මට පරීක්ෂණයේ ප්‍රතිපල පෙන්වීමට ඉඩ දෙන්න

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

සිරස් අක්ෂයේ ඔබ දකින්නේ එක එක අවස්ථාවේදී

who squeezed the ball in each condition,

බෝලය තෙරපු ළදරුවන්ගේ ප්‍රතිශයයි

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

ඔබට පෙනෙන සේ දරුවන් සාක්ෂි සාමාන්යකරණයට වැඩි නැඹුරුවක් දක්වන්නේ

when it's plausibly representative of the population

සාක්ෂි තෝරාගැනීමකට වඩා සාක්ෂි

than when the evidence is clearly cherry-picked.

සත්‍ය ලෙස ජනගහනය නියෝජනය වන්නේ යයි පෙනෙනවිට ය

And this leads to a fun prediction:

මෙය සතුටු දනවන පුරෝකතනයකට මග පාදයි

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

ඔබ වැඩිපුරම කහ පැහැති බෝල ඇති පෙට්ටියෙන් එක නිල් බෝලයක් ගත්තේ යයි සිතමු

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

ඔබ එක දිගට නිල් පාට බෝල තුනක් අහඹු ලෙස කහ පාට පෙට්ටියෙන් ගන්නේ නම්

but you could randomly sample just one blue ball.

නමුත් ඔබට අහඹු ලෙස එක නිල බෝල සාම්පලයක් ගත හැකියි

That's not an improbable sample.

එය නොවියහැකි( අසමභාව්ය )සාම්පලයක් නොවේ

And if you could reach into a box at random

ඔබට අහඹු ලෙස පෙට්ටියෙන්

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

හඬක්එන යමක් ගැනීමට හැකි නම්; ඇතැම් විට පෙට්ටියේ ඇති සෑම දෙයක්ම හඬක් දේ

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

මෙහිදී ළදරුවන් ශබ්දය ගැන සක්ෂී අඩුවෙන් දුටුවද

and have many fewer actions to imitate

අනුකරණය ට කිරීමට ක්‍රියාවන් අඩු වූ විට ද

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

එක බෝලයක් ගන් මේ අවස්ථාවේ දී ,ඔබ දුටු අනෙක් තත්වයට වඩා

we predicted that babies themselves would squeeze more,

ළදරුවන් එය වැඩියෙන් තෙරපන බව අප පුරෝකථනය කලා

and that's exactly what we found.

එයයි අප හරියටම සොයාගන්න ලද්දේ

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

මේ අනුව වයස 15 ක දරුවන් විද්‍යාඥයන් වැනිය

care whether evidence is randomly sampled or not,

සාක්ෂි අහඹු සාම්පලයක් ද නැද්ද යන්න සලකයි

and they use this to develop expectations about the world:

එයින් ලෝකය ගැන අපේක්ෂා ඇතිකර ගනියි ගනියි

what squeaks and what doesn't,

ශබ්දයක් එන්නේ හෝ නොඑන්නේ කුමකින්ද

what to explore and what to ignore.

කුමක් ගවේෂණය කලයුතුද කුමක් නොතැකිය යුතුද

Let me show you another example now,

තවත් උදාහරණයක් පෙන්වීමට ඉඩ දෙන්න

this time about a problem of causal reasoning.

මෙවර හේතුඵල තර්කනය පිලිබඳ ගැටළුවක්

And it starts with a problem of confounded evidence

එය ව්‍යාකූල සාක්ෂි පිලිබඳ ප්‍රශ්නයකින් ඇරඹෙනවා

that all of us have,

එය අපි හැමෝම සතුයි

which is that we are part of the world.

මෙනිසයි අප ලෝකයේ කොටසක් වන්නේ

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

ඔබට මෙය ගැටළුවක් ලෙස නොපෙනේවි නමුත් බොහෝ ප්‍රශ්න මෙන්

it's only a problem when things go wrong.

යමක් වරදුනවිටදී පමණක් එය ගැටළුවක් වේ

Take this baby, for instance.

මේ ළදරුව උදාහරණක් ලෙස ගන්න

Things are going wrong for him.

ඔහුට දේවල් වරදිනවා

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

මේ සෙල්ලම් බඩුව ක්‍රියා කරවීමට ඔහුට අවශ්‍ය වුවත් නොහැකියි

I'll show you a few-second clip.

මම ඔබට තත්පර කිහිපයක දර්ශනයක් පෙන්වනන්ම්

And there's two possibilities, broadly:

පුළුල්ව, මෙහි දේවල් දෙකක් විය හැකියි

Maybe he's doing something wrong,

ඇතැම්විට ඔහුට වැරදුනා විය හැකියි

or maybe there's something wrong with the toy.

නැත්නම් සෙල්ලම බඩුවේ දෝෂයක් විය හැකියි

So in this next experiment,

මේ නිසා මීළඟ පර්යෙෂණයේ දී

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

සංඛයාණමය දත්ත ස්වල්පයක් දරුවාට ලබා දෙනවා

supporting one hypothesis over the other,

එක උපන්‍යාසයකට වඩා අනෙකට වඩාත් ගැලපෙන ලෙස

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

අපි බලමු දරුවන් ඒවා භාවිත කර කලයුතු දේ ගැන

about what to do.

වෙනස් තිරණයක එලබෙනවා දැයි

Here's the setup.

මෙයයි ඒ අවස්ථාව

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

හ්යෝවොන් සෙල්ලම් බඩුව නිවැරදිව ක්‍රියා කරවනවා

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

මම දෙපාරක් උත්සාහ කර අසාර්ථක වෙනවා

and then Hyowon is going to try again and succeed,

මීළඟට හ්යෝවොන් නැවත උත්සාහ කර සාර්ථක වෙනවා

and this roughly sums up my relationship to my graduate students

මෙය දල වශයෙන් මා මගේ උපාධි සිසුන්ට ඇති සම්භන්දයේ ස්වභාවය පෙන්වනවා

in technology across the board.

තාක්ෂණය සම්භන්ධයෙන්

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

මෙහි වැදගත්ම දෙය නම් මෙහි ගැටලුව පුද්ගයාගේ බවත්

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

සෙල්ලම් බඩුවේ නොවන බවටත් සාක්ෂ්ය තිබීමයි

Some people can make this toy go,

සමහර මිනිසුන්ට සෙල්ලම බඩුව ක්රියාකරවිය හැකියි

and some can't.

සමහරුන්ට නොහැකියි

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

දැන් දරුවට සෙල්ලම් බඩුව ලැබුණු විට

ඔහු උත්සාහ කර යි

His mom is right there,

ඔහුගේ මව එතන සිටි එනිසා

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

ඔහුට එය උත්සාහ කර මවට ලබාදි පුදගලයා වෙනස් කල හැකියි

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

එහෙත් රෙදි කැබැල්ලේ තවත් සෙල්ල්මදුවක් තිබේ

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

රෙදි කබෙල්ලෙන් අද ඔහුවෙත එය ලබා ගත හැකියි

So let's see what the baby does.

අපි බලමු දරුවා කුමක් කරන්නේදැයි

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

HG: එකයි දෙකයි හරී.. (සංගීතය)

LS: One, two, three, go!

LS: එකයි දෙකයි තුනයි හරී !

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

YG: ආර්තර්, මම නැවත කරන්නද ? එකයි දෙකයි තුනයි, හරි

YG: Arthur, let me try again, okay?

ආතර් මම නැවත කරන්නම

One, two, three, go! (Music)

එකයි දෙකයි තුනයි හරි

Look at that. Remember these toys?

බලන්න මේ දිහා දැන් , මේක මතකද

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

දුටුවා නේද ,මම් මේක මෙතනින් තියනවා

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

මම මක ඔයාට දෙනවා, ඔය දැන් සෙල්ලම් කරන්න

You can go ahead and play.

ඇත්තටම දරුවන් සෙල්ලම් බඩුව මවට දෙනවා

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

LS: හොඳයි, ලෝරා එත් ඇත්තටම දරුවෝ ඔවුන්ගේ මවට ආදරෙයි

Of course babies give toys to their mommies

ඇත්තෙන්ම ඔවුන් සෙල්ලම් බඩුව මවට දෙනවා

when they can't make them work.

ඔවුන්ට එය ක්‍රියාකරවීමට නොහැකි වන විට

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

නැවත වැදගත් වන්නේ සංක්‍යනාමය දත්ත මදක් වෙනස් කල විට

the statistical data ever so slightly.

වන්නේ කුමක්ද යන්නයි

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

මෙවර දරුවන් දකිනවා සෙල්ලම් බඩුව ක්‍රියාකර නැවත අක්‍රිය වනවා නමුත්

but we're changing the distribution of evidence.

අපි සාක්ෂි ව්‍යාප්තිය වෙනස් කරනවා

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

මෙවර හොයිවොන් සහ මම සාර්ථක වී නැවත අසාර්ථක වනවා

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

මෙවර හැඟෙන්නේ කවුරුන් උතසහ කලත් සෙල්ලම් බඩුව කැඩී ඇති බවයි

It doesn't work all the time.

නැවත දරුවන්ට අවස්තාවක් ලැබෙනවා

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

ඇගේ මව ඇය ලගින් සිටිනවා

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

මෙනිසා ඇයට පුද්ගලයාව වෙනස් කරන්න පුළුවන්

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

එමෙන්ම තවත් සෙල්ලම් බඩුවක් රෙදි කැබැල්ල අග තිබෙනවා

Let's watch what she does.

ඇය කරන්නේ කුමක්ද බලමු

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

(HW) දෙකයි තුනී හරි

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

මම නැවතත් කරන්නම් එකයි දෙකයි තුනයි හරි

Hmm.

හ්ම්ම්

LS: Let me try, Clara.

මම කරන්නම් ක්ලාරා

One, two, three, go!

එකයි දෙකයි තුනයි හරි

Hmm, let me try again.

හ්ම්ම් මම නැවතත් කරන්නම්

One, two, three, go! (Music)

එකයි දෙකයි තුනී හරි

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

HG: මම මක මෙතනින් තියල

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

මේක ඔයාට දෙනවා දැන් ඔය

You can go ahead and play.

සෙල්ලම් කරන්න

(Applause)

(අත්පොලසන් )

LS: Let me show you the experimental results.

මම ඔබට පර්යේෂනයේ ප්‍රතිපල පෙන්වන්නම්

On the vertical axis, you'll see the distribution

සිරස් අක්ෂයේ ළමුන්ගේ එක එක අවස්ථාවේ

of children's choices in each condition,

තේරීමේ ව්යාප්තිය දක්වනවා

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

එමන්ම ඔබ දකිනවා දරුවන්ගේ තේරීමේ ව්‍යාප්තිය

depends on the evidence they observe.

නිරීක්ෂකයාගේ සාක්ෂ්ය මත පදනම්ව ඇතිබව

So in the second year of life,

මෙනිසා දෙවන වසරේදී

babies can use a tiny bit of statistical data

දරුවන්ට සංඛ්යානමය දත්ත එත ස්වල්පයකින්

to decide between two fundamentally different strategies

මුලික උපායමාර්ග දෙකක වෙනස තිරනය කර

for acting in the world:

ක්‍රියා කිරීමට

asking for help and exploring.

උදව් ඉල්ලීමට සහ ගවේෂණයට

I've just shown you two laboratory experiments

මම පෙන්වුයේ විද්යාගාර පර්යේශන දෙකක්

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

ක්ෂේත්‍රයේ සියයක් පමණවූ පර්යේෂණ අතරින් එම කරුණම දක්වන

because the really critical point

තීරණාත්මක කරුණ නම්

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

විසුරුණු දත්ත මගින් ප්‍රබල අනුමාන කිරීමේ ළමුන්ගේ හැකියාවයි

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

අප කරන වාර්ගික, සංස්කෘතික අධ්‍යයන මත පදනම් වන බවයි

Children learn about new tools from just a few examples.

උදාහරණ කිහිපයින් ළමුන් උපකරණ ගැන උගනියි

They learn new causal relationships from just a few examples.

උදාහරණ කිහිපයකින් නව හේතුපල සම්භන්ධතා උගනියි

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

එමෙන්ම ඔවුන් අලුත් වචන උගනියි, මෙහිදී නම් ඇමරිකානු සංඥා භාෂාව

I want to close with just two points.

කරුණු දෙකකින් ම මෙය නිම කරන්නම්

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

ඔබ පසු ගිය වසර තුල මොලය සහ සංජානන ගැන

for the past few years,

හදාරන්නේ නම්

three big ideas will have come to your attention.

වැදගත් අදහස් තුනකට අවධානය යොමුවේවි

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

එක , මෙය මොලය හා බැඳුනු යුගය බව සහ

And indeed, there have been staggering discoveries in neuroscience:

ස්නායු විද්යාවේ පුදුමාකාර සොයාගැනීම් තිබීම

localizing functionally specialized regions of cortex,

එක් එක කාර්යන් සඳහා වෙන්වූ කොටස් බාහිකයේ ඇතිබව

turning mouse brains transparent,

මියන්ගේ මොලය විනිවිද දැකීම ,

activating neurons with light.

නියුරෝන අලෝකය මගින් ක්‍රියා කරවීම

A second big idea

දෙවන වැදගත් අදහස

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

මෙය විසල් දත්ත වල හා යාන්ත්‍රික බුද්ධි යුගය බව

and machine learning promises to revolutionize our understanding

යාන්ත්‍රික උගැනුම, සමාජ සබඳතා සිට වසංගත අධ්යයනය දක්වා

of everything from social networks to epidemiology.

අවභෝදය පුළුල් කිරිමට සමත් වේ

And maybe, as it tackles problems of scene understanding

ඇතැම්විට එය දර්ශන හඳුනාගැනීම සහ ස්වාධවික ස්වභාවික භාෂා සැකසුම්

and natural language processing,

ගැටළු විමසමින්

to tell us something about human cognition.

මිනිස් ඥානන ය පිලිබඳ යමක් අපට පවසයි.

And the final big idea you'll have heard

එමෙන්ම ඔබ මීළඟට අසන අදහස වැදගත්

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

ඇතැම් විට මොලය ගැන වඩාත් දැන ගැනීම සහා

and have so much access to big data,

විසල් දත්ත ලබා ගැනීමේ ඉහල අවකාශයත්

because left to our own devices,

අප සතුවූ උපක්‍රමය (මොලයෙන්) ම කිරීම ,

humans are fallible, we take shortcuts,

මිනිසුන් වරද්දනවා , කෙටි මාර්ග සොයනවා

we err, we make mistakes,

අපි ට වැරදීම් වෙනවා

we're biased, and in innumerable ways,

අප පක්ෂග්‍රාහී වෙනවා

we get the world wrong.

සහ විවිධ අයුරින් ලෝකය වැරදි ලෙස දකිනවා

I think these are all important stories,

මම හිතනවා මේ සෑම දෙයක් ම වැදගත්

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

මින් මිනිසා ගැන මහත් සේ පැවසෙනවා

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

නමුත් අද දුටු මින් වෙනස් වූ කතාවට අවධානය යොමු කරන්න

It's a story about minds and not brains,

එය මනස පිලිබඳ මිස මොලය පිලිබඳ කතාවක්

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

විශේෂයෙන්ම මිනිසුන්ගේ මනසින් කළහැකි

that uniquely human minds can perform,

ගණන හැකියාව ගැනයි

which involve rich, structured knowledge and the ability to learn

ඒ කුඩා දත්ත ස්වල්පයකින් , සාක්ෂ්ය කිහිපයකින්

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

උසස් හා ව්යුහගත දැනුම උගැනුම් හැකියාවයි දුටුවේ උදාහරණ කිහිපයක්.

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

මුලිකවම එය ළමුන් ලෙස පටන් ගෙන

and continuing out all the way to the greatest accomplishments

ඉහල ජයග්‍රහණ තෙක්

of our culture,

සමාජයේ ක්‍රියාකිරීමයි.

we get the world right.

අප නිවැරදිව ලෝකය දකියි .

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

මිනිසා දත්ත ස්වල්පයකින් ඉගෙනීම පමණක් නොව

Human minds think of altogether new ideas.

අලුත් අදහස් ද සිතනවා.

Human minds generate research and discovery,

මිනිස් මනස පර්යේෂණ සහ සොයාගැනීම් කරනවා

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

මිනිස් මනස කලාව, සාහිත්‍ය , කවි සහ රැඟුම් කරනවා

and human minds take care of other humans:

මිනිස මනස අනික් මිනිසුන් ට සලකනවා

our old, our young, our sick.

වයසක , තරුණ , ගිලන් වු

We even heal them.

.ඔවුන් ව සුවපත් කරනවා

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

ඉදිරියේදී සිතා ගැනීමටවත් නොහැකි වූ

beyond anything I can even envision,

තාක්ෂණික නව්‍යතා අපි දකිනවා

but we are very unlikely

නමුත් මිනිස් දරුවෙක් ගේ ගණනය හැකියා වට

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

අසන්න විය හැකි දෙයක් දැකීමට ඉතාමත් අපහසු වේවි

in my lifetime or in yours.

ඔබේ හෝ මගේ ජිවන කාලය තුලදී

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

අපි මෙම බලවත් ඉගෙනුම් කරුවන් ගේ සංවර්ධනය වෙනුවෙන් ආයෝජනය කළහොත්

in babies and children

ළදරුවන් සහ දරුවන් වෙනුවෙන්

and mothers and fathers

මව් වරු සහ පියවරු වෙනුවෙන්

and caregivers and teachers

රැකබලා ගන්නන් සහ ගුරුවරුන් වෙනුවෙන් ,

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

අප අනිකුන් තාක්ෂනය , ඉදිකිරීම් සහ සැලසුම් සඳහා අලංකාර ලෙස ආයෝජනය කරන මෙන්

of technology, engineering and design,

ආයෝජනය කරන්නේ නම්

we will not just be dreaming of a better future,

වඩා හොඳ අනගතය සිහිනයක් නොවනු ඇත

we will be planning for one.

එවැන්නක් සඳහා සැලසුමක් වේවි

Thank you very much.

ඉතමත් ස්තුතයි ඔබට

(Applause)

(අත්පොලසන්)

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

ස්තුති ලොරා. මට ප්රශ්න කිහිපයක් අසන්නට තිබෙනවා

First of all, the research is insane.

පළමුව පර්යේෂණය විකාරයක්,

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

කවුරුන් එවැනි පර්යේෂණයක් සැලසුම් කරයිද (සිනා )

I've seen that a couple of times,

මම කිහිපවතාවක් ම දැක තිබෙනවා

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

සහ තවමත් අවන්කවම වීශ්වාස කරන්නේ නැහැ එය සැබෑවක් වේ යයි.

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

අනික් අයත් සමාන පර්යේෂණ සිදු කර තිබෙනවා . එය පිරික්සීමට

The babies really are that genius.

ළදරුවන් එතරම්ම සැබැවින්ම බුද්ධිමත්

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

LS: අප පර්යේෂණයේදී ඔවුන් ඉතා සිත් ගන්න සුළුයි

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

නමුත් සැබෑ ජිවත්යේදී සිදුවනදේ සිතන්න

It starts out as a baby.

දරුවෙක් ලෙස පටන් ගෙන මාස 18 කට පසු

Eighteen months later, it's talking to you,

ඔබට කතා කරයි

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

ඔවුනේ පළමු වචන බෝල සහ තාරාවන් වැනි දේ නොවේ ඒවා "අතුරුදහන් වූ දේවල් "

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

ඒවා "අතුරුදහන් වූ දේවල් "

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

"ඌ- ඔහ් " මෙය සිත මතා නොකරන කාර්ය ගැන හැඟවෙයි

It has to be that powerful.

එය බලගතු විය යූතුයි

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

එය ම ඔබට පෙන් වූ දෙයට වඩා බලගතු විය යුතයි .

They're figuring out the entire world.

ඔවුන් මුළු ලොවම හසු කර ගන්නවා අවුරුද හතරක දරුවෙකුට

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

ඕනෑම දෙයක් කතා කල හැකියි

(Applause)

(අත්පොලසන්)

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

CA: මා නිවැරදිනම් ඔබ දැක වූ මීළඟ කරුණ නම්

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

අපි මේ සියලුම කාලය ගත කලා

of how quirky and buggy our minds are,

මනස කෙතරම් අප්‍රසන්න හා කරදරකාරිද පෙනෙන,

that behavioral economics and the whole theories behind that

හැසිරීම් ආර්ථික විද්‍යාව හා බැඳුනු සියලුම න්‍යායන් අනුව

that we're not rational agents.

තාර්කික පුද්ගලයන් නොවේ

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

ඔබ පවසන්නේ මෙම විශාල කතාව කොතරම් අසාමාන්‍යද

and there really is genius there that is underappreciated.

එහි නිසි ඇගයුම් නොවූ සුවිශේෂී අයෙක් සිටි

LS: One of my favorite quotes in psychology

LS: මා ඉතා කැමතිම මනෝවිද්යාවේ කියමක් නම්සමාජ මනොවිද්ය්න්ඥ Solomon Asch ගේ

comes from the social psychologist Solomon Asch,

ඔහු පැවසුවේ මනෝවිද්යාවේ මුලික කාර්යක් නම්

and he said the fundamental task of psychology is to remove

ස්වයං ප්‍රත්‍යක්ෂ බවේ වැස්ම ඉවත් කලයුතු බවයි

the veil of self-evidence from things.

එදිනෙදා වැඩි වශයෙන් ගන්න තීරණවල ප්‍රමාණාත්ම පිළිවෙල

There are orders of magnitude more decisions you make every day

ලෝකය නිවැරදිව තේරුම් කර දෙයි

that get the world right.

දේවල් සහ සහ ඒවායේ ලක්ෂය ඔබ දනී

You know about objects and their properties.

ඒවා වැලක් වුවිට ඔබ දනී . අදුරේදීද ඔබ ඒවා දනී

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

කාමර හරහා ඔබට ගමන් කල හැකියි

You can walk through rooms.

අනිත් මිනිසුන් කියන දෙය ඔබට වැටහ ගත හැකියි

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

ඔවුන්ට කතා කල හැකියි

You can navigate space. You know about numbers.

ඔබට අවකාශය ක්‍රියාත්මක කල හැකියි , ඔබ අංක පිලිබඳ දනී

You know causal relationships. You know about moral reasoning.

ඔබ හේතු සම්බන්දතා දනී, ඔබ සදාචාරාත්මක විචාරය දනී

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

ඔබ මේවා ඉබේම කරයි , අපි එය නොදකියි

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

නමුත් අප ලෝකය වැටහ ගන්නේ එලෙසයි , එය විශිෂ්ටයි

and very difficult-to-understand accomplishment.

දිනාගැනීම් තේරුම් ගැනීම අපහසුයි

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

CA: ප්‍රේක්ෂකාගාරයේ මිනිසුන් ඇති බව සක සහිතයි

this view of accelerating technological power

මෙම තාක්ෂණික බලය පිලිබඳ අදහස් ඇති අය ඔබගේ ප්‍රකශයට එකඟ නොවේ.

who might dispute your statement that never in our lifetimes

, එනම් කිසිදා පරිගණකයට කල හැකි දේ අවුරුදු තුනක ළමයකුට කලහි බවට

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

නමුත් ඕනෑම අවස්ථාවක පැහැදිලි දෙය නම්

but what's clear is that in any scenario,

යන්ත්‍ර වලට සින්ගිත්තන්ගෙන් දන ගැන්මට

our machines have so much to learn from our toddlers.

ඇතිදේ බොහෝය යන්නයි

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

LS: යාන්ත්‍රික හැදෑරීම කරන අය මෙහි ඇති මා හිතනවා

I mean, you should never bet against babies or chimpanzees

ඕන ළදරුවන් හෝ චිම්පන්සින් ගැන ඔට්ටු නොඅල්ලනු ඇති

or technology as a matter of practice,

එමෙන්ම තාක්ෂනය ගැනත්

but it's not just a difference in quantity,

නමුත් එය ප්‍රමාණාත්ම වෙනසක් නොවේ

it's a difference in kind.

එය දේවල් වල වෙනසයි

We have incredibly powerful computers,

ඉතාම වේගවත් පරිගනක අප සතුයි

and they do do amazingly sophisticated things,

ඒවා එතම අති නවීන දේ කරයි

often with very big amounts of data.

එත විශාල දත්ත ඇසුරින්

Human minds do, I think, something quite different,

මිනිස් මනස මෙයට වැඩ වෙනස් දෙයක් කරයි

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

මෙය ව්‍යුහගත සහ දැනුමේ දුරවලියක්අනුව

that remains a real challenge.

වෙනස් කම් වෙයි

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

සිත්ගන්න සුළු සිතන්නට යමක්

LS: Thank you. (Applause)

ස්තුතියි