Laura Schulz: The surprisingly logical minds of babies

Çeviri: Şâkir Aşçı Gözden geçirme: güney örnek

Mark Twain summed up what I take to be

Mark Twain, benim bilişsel bilimlerin

one of the fundamental problems of cognitive science

temel sorunlarından biri olarak gördüğüm şeyi

with a single witticism.

tek bir espriyle özetledi.

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

"Bilimle ilgili inanılmaz bir şey var.

One gets such wholesale returns of conjecture

İncir çekirdeğini doldurmayan gerçeğe yatırımla,

out of such a trifling investment in fact."

varsayımların toptan satış kârını elde edebilirsiniz."

(Laughter)

(Gülüşmeler)

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

Twain bunu şaka amaçlı söyledi tabii ki de, ama haklı:

There's something fascinating about science.

Bilimle ilgili inanılmaz bir şey var.

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

Birkaç kemikten, dinozorların varlığına ulaşıyoruz.

From spectral lines, the composition of nebulae.

Tayf çizgilerinden, bulutsuların dizilimine;

From fruit flies,

meyve sineklerinden,

the mechanisms of heredity,

kalıtım düzeneklerine

and from reconstructed images of blood flowing through the brain,

ve beynin içinde akan kanın yeniden oluşturulan görüntülerinden,

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

ya da benim durumumda, çok küçük çocukların davranışından,

we try to say something about the fundamental mechanisms

insan bilişinin temel düzenekleriyle ilgili bir şeyler

of human cognition.

söylemeye çalışıyoruz.

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

Özellikle, MIT'teki Beyin ve Bilişsel Bilimler Bölümü'ndeki laboratuvarımda,

I have spent the past decade trying to understand the mystery

geçen on yılı, çocukların çok az bilgiyle bu kadar çok bilgiyi çok hızlıca

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

nasıl öğrendiğini anlamaya çalışarak harcadım.

Because, it turns out that the fascinating thing about science

Çünkü, bilimle ilgili büyüleyici olan şey,

is also a fascinating thing about children,

aynı zamanda çocuklarla ilgili olarak da büyüleyici bir şey oluyor,

which, to put a gentler spin on Mark Twain,

Mark Twain'in bakışıyla ele alırsak,

is precisely their ability to draw rich, abstract inferences

bu durum, tam olarak çocukların yetersiz ve belirsiz veriden

rapidly and accurately from sparse, noisy data.

hızlıca ve doğruca zengin ve soyut çıkarımlar yapma yeteneği demek.

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

Bugün size yalnızca iki örnek vereceğim.

One is about a problem of generalization,

Birisi genelleme sorunuyla ilgili,

and the other is about a problem of causal reasoning.

diğeriyse nedensel akıl yürütme sorunuyla ilgili.

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

Ve laboratuvarımdaki çalışmamla ilgili konuşacak olsam da,

this work is inspired by and indebted to a field.

bu çalışma alanımda teşekkür borçlu olduğum kişilerden ilham alıyor.

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

Dünyadaki tüm danışmanlara, meslektaşlara ve işbirlikçilere minnettârım.

Let me start with the problem of generalization.

Genelleme sorunuyla başlayalım.

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

Küçük veri örneklerinden genelleme yapmak bilimin ekmek teknesidir.

We poll a tiny fraction of the electorate

Küçücük bir seçmen kitlesine anket yaparız

and we predict the outcome of national elections.

ve ulusal seçimlerin sonucunu öngörürüz.

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

Bir klinik deneyde bir avuç insanın tedaviye verdiği tepkiye bakar

and we bring drugs to a national market.

ve ilaçları ülke pazarına süreriz.

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

Fakat böyle bir şey, ancak örneğimiz ana kitleden rastgele alınırsa işe yarar.

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

Örneğimiz bir şekilde keyfî olarak seçilmişse,

say, we poll only urban voters,

diyelim ki yalnızca şehirdeki seçmenleri

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

ya da diyelim ki kalp hastalığı tedavisi klinik deneylerimizde

we include only men --

yalnızca erkekleri dâhil ettik --

the results may not generalize to the broader population.

sonuçlar daha geniş ana kitleye genellenemeyebilir.

So scientists care whether evidence is randomly sampled or not,

Bu yüzden bilim insanları, bulgunun rastgeleliğine önem verir,

but what does that have to do with babies?

ama bunun bebeklerle ne ilgisi var?

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

Şöyle ki, bebekler sürekli küçük veri örneklerinden genellemek zorundadır.

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

Birkaç oyuncak ördek görürler ve batmadan durduğunu öğrenirler

or a few balls and learn that they bounce.

ya da birkaç topun zıpladığını öğrenirler.

And they develop expectations about ducks and balls

Ördekler ve toplarla ilgili

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

yaşamları boyunca oyuncak ördek ve toplara ekleyecekleri

for the rest of their lives.

beklentiler edinirler.

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

Ve bebekler, ördekler ve toplarla ilgili yapması gereken bu tür genellemeleri

they have to make about almost everything:

neredeyse her şey için yapmak zorundadır:

shoes and ships and sealing wax and cabbages and kings.

ayakkabılar, gemiler, mühür mumları, lahanalar, krallar...

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

Peki bebekler gördükleri küçücük bulgu parçasının

is plausibly representative of a larger population?

daha büyük bir ana kitleyi temsil edişini umursar mı?

Let's find out.

Haydi öğrenelim.

I'm going to show you two movies,

Size iki video göstereceğim,

one from each of two conditions of an experiment,

bir deneyin iki koşulunu da gösteren videolar

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

ve yalnızca iki video izleyeceğiniz için

you're going to see just two babies,

yalnızca iki bebek göreceksiniz

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

ve herhangi iki bebek birbirinden sayısız farklılıklar gösterir.

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

Fakat bu bebekler, tabii ki, bebek gruplarını temsil ediyor

and the differences you're going to see

ve göreceğiniz farklılıklar

represent average group differences in babies' behavior across conditions.

bebeklerin davranışındaki koşullar arası ortalama grup farklılıklarını temsil ediyor.

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

Her videoda, bir bebeğin belki de

just exactly what you might expect a baby to do,

bir bebekten tam da bekleyeceğiniz şeyi yaptığını göreceksiniz

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

ve bebekleri olduklarından daha sihirli yapmamız mümkün değildir.

But to my mind the magical thing,

Fakat benim zihnimde, sihirli olan şey

and what I want you to pay attention to,

ve dikkat etmenizi istediğim şey

is the contrast between these two conditions,

bu iki koşul arasındaki zıtlık,

because the only thing that differs between these two movies

çünkü bu iki video arasındaki tek farklı şey

is the statistical evidence the babies are going to observe.

bebeklerin gözlemleyeceği istatistiksel bulgu.

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

Bebeklere mavi ve sarı toplarla dolu bir kutu göstereceğiz

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

ve eski yüksek lisans öğrencim, şimdiki Stanford'lu meslektaşım Hyowon Gweon,

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

bu kutudan art arda üç mavi top çekecek

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

ve bu topları çektiğinde onları sıkacak

and the balls are going to squeak.

ve toplar ses çıkaracak.

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

Ve bebekseniz, bu tam TED Konuşması gibidir.

It doesn't get better than that.

Bundan daha iyisi olamaz.

(Laughter)

(Gülüşmeler)

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

Fakat önemli olan şey şu ki çoğu topun mavi olduğu bir kutudan art arda

out of a box of mostly blue balls.

üç mavi top çekmek gerçekten kolaydır.

You could do that with your eyes closed.

Bunu gözleriniz kapalı da yapabilirsiniz.

It's plausibly a random sample from this population.

Ana kitleden çekilen toplar olası biçimde rastgele bir örnektir.

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

Ve kutunun içinden rastgele çektiğiniz toplar ses çıkarıyorsa, belki

then maybe everything in the box squeaks.

kutudaki tüm toplar ses çıkarıyordur.

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

Bu yüzden belki bebekler sarı topların da ses çıkarmasını bekliyordur.

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

Bu sarı topların ucunda komik çubuklar takılı,

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

bebekler isterlerse sarı toplara farklı şeyler de yapabilir.

They could pound them or whack them.

Alıp yere vurabilirler.

But let's see what the baby does.

Ama bir görelim ne yapıyorlar.

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

(Video) Hyowon Gweon: Bunu görüyor musun? (Top ses çıkarıyor)

Did you see that? (Ball squeaks)

Gördün mü? (Top ses çıkarıyor)

Cool.

Çok güzel.

See this one?

Bunu görüyor musun?

(Ball squeaks)

(Top ses çıkarıyor)

Wow.

Vay be.

Laura Schulz: Told you. (Laughs)

Laura Schulz: Dedim size. (Gülüşmeler)

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

(Video) HG: Bunu görüyor musun? (Top ses çıkarıyor)

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

Bak Clara, bu sana. Alıp oynayabilirsin.

(Laughter)

(Gülüşmeler)

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

LS: Konuşmama bile gerek yok, değil mi?

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

Pekâlâ, bebeklerin mavi topların özelliklerini sarı toplara

of blue balls to yellow balls,

genellemesi güzel

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

ve bizi taklit ederek öğrenebilmeleri etkileyici

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

fakat bebeklerle ilgili olarak bunları uzun süredir biliyoruz.

The really interesting question

Gerçekten ilginç olan soru şu:

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

bebeklere tam olarak aynı şeyi gösterirsek ne olur?

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

Birebir aynı olduğuna emin olabiliriz, çünkü gizli bir bölmemiz var

and we actually pull the balls from there,

ve aslında topları oradan çekiyoruz,

but this time, all we change is the apparent population

ancak bu sefer, değiştirdiğimiz tek şey bulgunun çekildiği

from which that evidence was drawn.

görünürdeki ana kitlenin kendisi.

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

Bu sefer, bebeklere üç mavi topu

pulled out of a box of mostly yellow balls,

çoğunlukla sarı topların olduğu kutudan çekerek göstereceğiz

and guess what?

ve bilin bakalım ne olacak?

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

Çoğunluğun sarı toplar olduğu kutudan art arda üç mavi topu

out of a box of mostly yellow balls.

[muhtemelen] çekemezsiniz.

That is not plausibly randomly sampled evidence.

Böyle bir şey muhtemelen rastgele örnekli bulgu olmaz.

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

Böyle bir bulgu, Hyowon'un kasıtlı olarak mavi topları çektiği izlenimini verebilir.

Maybe there's something special about the blue balls.

Belki toplarla ilgili özel bir şey var.

Maybe only the blue balls squeak.

Belki yalnızca mavi toplar ses çıkarıyor.

Let's see what the baby does.

Bakalım bebek ne yapıyor.

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

(Video) HG: Bunu görüyor musun? (Top ses çıkarıyor)

See this toy? (Ball squeaks)

Bu oyuncağı görüyor musun? (Top ses çıkarıyor)

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

Aman da ne güzel. Gördün mü? (Top ses çıkarıyor)

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

Bak bu da senin için. Alıp oynayabilirsin.

(Fussing) (Laughter)

(Mızıldanıyor) (Gülüşmeler)

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

LS: Az önce 15 aylık iki bebeğin

do entirely different things

yalnızca gözlemledikleri örneğin

based only on the probability of the sample they observed.

olasılığına dayanarak bambaşka şeyler yapışını gördünüz.

Let me show you the experimental results.

Deneysel sonuçlara bakalım.

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

Dikey eksende, her iki durumda da topu sıkan bebeklerin

who squeezed the ball in each condition,

yüzdesini görüyorsunuz

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

ve gördüğünüz gibi, bebekler; bulgu, ana kitlenin muhtemel temsilcisi

when it's plausibly representative of the population

olduğunda bulguyu genellemeye,

than when the evidence is clearly cherry-picked.

bulgu keyfî olarak seçildiğindeki durumda genellemekten daha yatkınlar.

And this leads to a fun prediction:

Ve bu, eğlenceli bir öngörüye çıkıyor:

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

Çoğu sarı top olan kutudan yalnızca bir mavi top çektiğinizi varsayın.

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

Sarı top kutusundan art arda üç kez mavi topu muhtemelen çekemezsiniz,

but you could randomly sample just one blue ball.

ama rastgele yalnızca bir mavi top çekebilirsiniz.

That's not an improbable sample.

Olasılıksız bir örnek değil.

And if you could reach into a box at random

Ve bir kutudan rastgele bir şey çekip de

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

çektiğiniz şey ses çıkarıyorsa, belki kutudaki her şey ses çıkarıyordur.

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

Bu yüzden, bebekler bu tek top koşulunda izlediğiniz bir önceki koşula göre

and have many fewer actions to imitate

ses çıkaran daha az bulgu görseler de

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

ve taklit edecekleri daha az eylem olsa da

we predicted that babies themselves would squeeze more,

bebeklerin daha çok top sıkacağını öngördük

and that's exactly what we found.

ve bulduğumuz da tam olarak bu oldu.

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

15 aylık bebekler, bu hususta, tıpkı bilim adamları gibi

care whether evidence is randomly sampled or not,

bulgunun rastgele örneklenip örneklenmediğini önemsiyor

and they use this to develop expectations about the world:

ve bunu dünyayla ilgili beklentiler edinmek için kullanıyorlar:

what squeaks and what doesn't,

Ne ses çıkarır, ne ses çıkarmaz,

what to explore and what to ignore.

ne keşfedilmeli, ne görmezden gelinmeli?

Let me show you another example now,

Şimdi size bir başka örnek göstereyim,

this time about a problem of causal reasoning.

bu seferki nedensel akıl yürütme sorunuyla ilgili.

And it starts with a problem of confounded evidence

Ve hepimizin yaşadığı bir şaşırtıcı bulgu

that all of us have,

sorunuyla başlıyor,

which is that we are part of the world.

dünyanın parçası olmamızın sorunu.

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

Ve size bir sorun gibi görünmeyebilir, fakat çoğu sorun gibi,

it's only a problem when things go wrong.

yalnızca işler yoldan çıkınca sorun hâlini alıyor.

Take this baby, for instance.

Örneğin bu bebeği ele alalım.

Things are going wrong for him.

Onun için işler yolunda gitmiyor.

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

Bu oyuncağı çalıştırmak istiyor ve yapamıyor.

I'll show you a few-second clip.

Birkaç saniyelik videoyu göstereceğim.

And there's two possibilities, broadly:

Ve kabaca iki olasılık var:

Maybe he's doing something wrong,

Belki bir şeyleri yanlış yapıyor

or maybe there's something wrong with the toy.

ya da belki oyuncakta bir bozukluk var.

So in this next experiment,

Diğerini izleyen bu deneyde,

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

bebeklere, bir varsayımı diğerine göre destekleyen yalnızca küçücük

supporting one hypothesis over the other,

istatistiksel veri parçası vereceğiz

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

ve bebekler, yapacakları şeye karar verirken bunu

about what to do.

kullanabilecekler mi göreceğiz.

Here's the setup.

Böyle bir kurgumuz var.

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

Hyowon oyuncağı çalıştırmayı deneyecek ve başaracak.

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

Sonra ben iki kez deneyeceğim ve ikisinde de başarısız olacağım

and then Hyowon is going to try again and succeed,

ve sonra Hyowon yeniden deneyip başaracak

and this roughly sums up my relationship to my graduate students

ve bu durum, kurul boyunca yüksek lisans öğrencilerimle teknoloji

in technology across the board.

durumumu kabaca özetliyor.

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

Fakat buradaki önemli nokta, sorunun oyuncakla ilgili olmadığı;

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

kişiyle ilgili olduğuyla ilgili küçük bulgu sağlanıyor.

Some people can make this toy go,

Kimi insanlar bu oyuncağı çalıştırabiliyor

and some can't.

kimileri yapamıyor.

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

Şimdi, bebek oyuncağı alınca bir seçim yapacak.

His mom is right there,

Annesi hemen yanında,

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

bu yüzden oyuncağı ona verip kişiyi değiştirebilir,

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

fakat kumaşın ucunda başka bir oyuncak daha bulunacak

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

ve kumaşı kendine çekerek oyuncağı değiştirebilir.

So let's see what the baby does.

Haydi bakalım bebek ne yapıyor.

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

(Video) HG: İki, üç. Başla! (Müzik)

LS: One, two, three, go!

LS: Bir, iki, üç, başla!

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

Arthur, yeniden deneyeceğim. Bir, iki, üç, başla!

YG: Arthur, let me try again, okay?

YG: Arthur, ben yeniden deneyeyim, olur mu?

One, two, three, go! (Music)

Bir, iki, üç, başla! (Müzik)

Look at that. Remember these toys?

Şuna bak. Bu oyuncakları hatırladın mı?

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

Oyuncakları görüyor musun? Tamam, bunu buraya koyuyorum

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

ve bunu da sana veriyorum.

You can go ahead and play.

Alıp oynayabilirsin.

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

LS: Tamam Laura, ama tabii ki bebekler annelerini severler.

Of course babies give toys to their mommies

Tabii ki bebekler oyuncakları çalıştıramayınca

when they can't make them work.

annelerine verir.

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

Bu yüzden yine, önemli soru, istatistiksel veriyi çok azıcık

the statistical data ever so slightly.

değiştirince ne olacağıdır.

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

Bu sefer, bebekler oyuncağın bir öncekiyle aynı biçimde çalışıp bozulduğunu görecek,

but we're changing the distribution of evidence.

fakat bulgunun dağılımını değiştireceğiz.

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

Bu sefer, Hyowon bir kez başarıp bir kez yapamayacak, bende de aynısı olacak.

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

Ve oyuncağı kimin denediğinin önemi olmayacak, oyuncak bozuk izlenimi verecek.

It doesn't work all the time.

Oyuncak her denemede çalışmıyor.

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

Yine, bebek bir seçim yapacak.

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

Annesi hemen yanında, bu yüzden bebek deneyeni değiştirebilir

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

ve kumaşın ucunda başka bir oyuncak daha olacak.

Let's watch what she does.

Bebek ne yapıyor izleyelim.

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

(Video) HG: İki, üç, başla! (Müzik)

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

Bir kere daha deneyeyim. Bir, iki, üç, başla!

Hmm.

Hımm.

LS: Let me try, Clara.

LS: Ben deneyeyim Clara.

One, two, three, go!

Bir, iki, üç, başla!

Hmm, let me try again.

Hımm, bir daha deneyeyim.

One, two, three, go! (Music)

Bir, iki, üç, başla! (Müzik)

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

HG: Bunu buraya koyuyorum

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

ve bunu da sana veriyorum.

You can go ahead and play.

Alıp oynayabilirsin.

(Applause)

(Alkış)

LS: Let me show you the experimental results.

LS: Size deney sonuçlarını göstereyim.

On the vertical axis, you'll see the distribution

Dikey eksende, çocukların her durumla ilgili

of children's choices in each condition,

seçimlerini görüyorsunuz

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

ve çocukların yaptığı seçimlerin dağılımı

depends on the evidence they observe.

gözlemledikleri bulguya bağlı.

So in the second year of life,

Yaşamın ikinci yılında,

babies can use a tiny bit of statistical data

bebekler küçücük istatistiksel veri parçasını,

to decide between two fundamentally different strategies

temelde farklı stratejiler arasında dünyada eylemde bulunmak için

for acting in the world:

karara varırken kullanabiliyorlar:

asking for help and exploring.

yardım istemek ve keşfetmek.

I've just shown you two laboratory experiments

Size az önce iki laboratuvar deneyini

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

alandaki abartısız yüzlerce benzer noktaya vurgu yapanların arasından gösterdim,

because the really critical point

çünkü esas önemli mesele

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

çocukların belirsiz verilerden zengin çıkarımlar yapabilme yeteneği

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

türümüze özgü kültürel öğrenmemizin temelini oluşturuyor.

Children learn about new tools from just a few examples.

Çocuklar yeni araçları yalnızca birkaç örnekten öğreniyor.

They learn new causal relationships from just a few examples.

Nedensel ilişkilerini yalnızca birkaç örnekten öğreniyor.

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

Hatta yeni sözcükleri bile öğreniyorlar, bu örnekte Amerikan İşaret Dili'ni.

I want to close with just two points.

Konuşmamı iki hususla kapatmak istiyorum.

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

Benim dünyamı, beyin ve bilişsel bilimler alanını, son birkaç yıldır

for the past few years,

takip ediyorsanız,

three big ideas will have come to your attention.

üç büyük fikir ilginizi çekmiştir.

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

Birincisi, bu çağ beyin çağıdır.

And indeed, there have been staggering discoveries in neuroscience:

Ve aslında, sinirbilimde insanı afallatan keşifler yapıldı:

localizing functionally specialized regions of cortex,

beyin kabuğunun işlevselce özelleşmiş bölgelerinin yerinin belirlenmesi,

turning mouse brains transparent,

fare beyinlerinin şeffaflaştırılması,

activating neurons with light.

sinir hücrelerinin ışıkla etkinleştirilmesi.

A second big idea

İkinci büyük fikir,

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

bu çağ, büyük veri ve makine öğrenimi çağıdır

and machine learning promises to revolutionize our understanding

ve makine öğrenimi, sosyal ağlardan salgınbilimine

of everything from social networks to epidemiology.

her şeyi anlayışımızı değiştirmeye söz veriyor.

And maybe, as it tackles problems of scene understanding

Ve belki makine öğrenimi, mekan algılama

and natural language processing,

ve doğal dil işleme sorunlarıyla

to tell us something about human cognition.

bize insan bilişi hakkında bir şeyler anlatmak için uğraşıyor.

And the final big idea you'll have heard

Ve duyacağınız üçüncü büyük fikir,

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

beyin hakkında o kadar çok şey bilmemiz ve büyük veriye o kadar çok

and have so much access to big data,

erişimimizin olması iyi olacak,

because left to our own devices,

çünkü işler kendi irademize bırakıldığında,

humans are fallible, we take shortcuts,

insanlar yanılabilir, kestirmeleri seçiyoruz

we err, we make mistakes,

konuşurken duraksıyoruz, hatalar yapıyoruz,

we're biased, and in innumerable ways,

önyargılıyız ve birçok biçimde

we get the world wrong.

dünyaya kötülük yapıyoruz.

I think these are all important stories,

Bence bunların hepsi önemli hikâyeler

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

ve insan olmanın anlamı üzerine bize söyleyecekleri çok şey var,

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

fakat bir kenara yazmanızı istiyorum, bugün size çok başka bir hikâye anlattım.

It's a story about minds and not brains,

Anlattığım zihin hakkında, beyin hakkında değil

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

ve özellikle, yalnızca insan zihninin gerçekleştirebildiği türde,

that uniquely human minds can perform,

zengin, yapılandırılmış bilgi ve küçük miktarda veriden;

which involve rich, structured knowledge and the ability to learn

yalnızca birkaç örneğin bulgusundan öğrenme yeteneğini içeren türde

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

hesaplamalar hakkında bir hikâye, yalnızca birkaç örneğin bulgusu.

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

Ve temelde, küçük bir çocuk olarak başlayıp

and continuing out all the way to the greatest accomplishments

kültürümüzdeki en büyük başarılara giden yolda

of our culture,

devam ederek,

we get the world right.

dünyayı düzeltişimizin hikâyesidir.

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

Arkadaşlar, insan zihni yalnızca küçük miktarda veriyle öğrenmez.

Human minds think of altogether new ideas.

İnsan zihni, bütün fikirleri bir arada düşünür.

Human minds generate research and discovery,

İnsan zihni, araştırma ve keşif yaratır,

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

insan zihni; sanat, edebiyat, şiir ve tiyatro yaratır

and human minds take care of other humans:

ve insan zihni diğer insanlarla ilgilenir:

our old, our young, our sick.

yaşlılarımızla, gençlerimizle, hastalarımızla.

We even heal them.

Hatta insanları iyileştiriyoruz.

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

Gelecek yıllarda, zihnimde canlandırabileceğimin bile ötesinde

beyond anything I can even envision,

teknolojik yenileşmeler göreceğiz,

but we are very unlikely

fakat benim ya da sizin yaşamınız boyunca

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

bir insan çocuğunun hesaplama gücüne yaklaşacak güçte bile

in my lifetime or in yours.

bir şeyin görülmesi olası değil.

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

Bu en güçlü öğrenicilere ve onların gelişimine;

in babies and children

bebeklere ve çocuklara,

and mothers and fathers

annelere ve babalara,

and caregivers and teachers

bakıcılara ve öğretmenlere,

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

diğer teknolojinin, mühendisliğin ve tasarımın en güçlü ve zeki türlerine

of technology, engineering and design,

yatırım yaptığımız gibi yaparsak,

we will not just be dreaming of a better future,

yalnızca daha iyi bir geleceğin hayalini kuruyor olmayacağız,

we will be planning for one.

iyi bir geleceği planlıyor olacağız.

Thank you very much.

Çok teşekkür ederim.

(Applause)

(Alkış)

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

Chris Anderson: Laura, teşekkür ederiz. Sana soracağım bir sorum var.

First of all, the research is insane.

Öncelikle, bu çılgınca bir araştırma.

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

Demek istediğim, kim böyle bir deney tasarlar ki? (Gülüşmeler)

I've seen that a couple of times,

Birkaç kez izledim

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

ve hâlâ gerçekten bunun olabileceğine inanmıyorum,

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

fakat diğer insanlar da benzer deneyler yaptı ve sonuçlar örtüşüyor.

The babies really are that genius.

Bebekler gerçekten tam bir dâhi.

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

LS: Biliyor musun, deneylerimizde gerçekten şaşırtıcı görünüyor,

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

fakat gerçek yaşamda nasıl olduklarını bir düşün.

It starts out as a baby.

Bebek olarak başlıyor.

Eighteen months later, it's talking to you,

On sekiz ay sonra, seninle konuşuyor

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

ve bebeklerin ilk sözcükleri yalnızca top ya da ördek değil,

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

"hepsi gitti" gibi ortadan kaybolmayla ilgili şeyler ya da

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

"a-aa" gibi istemsiz eylemlerle ilgili şeyler.

It has to be that powerful.

Bebeğin güçlü olması gerekiyor.

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

Gösterdiğim herhangi bir şeyden daha güçlü olması gerekiyor.

They're figuring out the entire world.

Koca dünyayı anlamlandırıyorlar.

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

Dört yaşında bir çocuk neredeyse her şey hakkında konuşabilir.

(Applause)

(Alkış)

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

CA: Sizi doğru anladıysam, dikkat çektiğiniz diğer bir husus

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

yıllardır şu konuşma ortada dönüyor,

of how quirky and buggy our minds are,

beynimiz ve zihnimiz acayip ve kusurlu,

that behavioral economics and the whole theories behind that

davranışsal ekonomi ve ardındaki bütün kuramlar

that we're not rational agents.

mantıklı varlıklar olmadığımızı söyler.

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

Gerçekten de büyük hikâyenin olağanüstü olduğunu

and there really is genius there that is underappreciated.

ve gerçekten gereğinden az değer verilen bir dâhinin varlığından bahsediyorsunuz.

LS: One of my favorite quotes in psychology

LS: Ruhbilimdeki en sevdiğim alıntılardan biri

comes from the social psychologist Solomon Asch,

toplumsal ruhbilimci Solomon Asch'tan gelir

and he said the fundamental task of psychology is to remove

ve Solomon, ruhbilimin temel görevinin zâten ortada olanın

the veil of self-evidence from things.

örtüsünü kaldırmak olduğunu söylemiştir.

There are orders of magnitude more decisions you make every day

Her gün önem sırasına göre verdiğiniz birçok karar vardır,

that get the world right.

bu kararlar dünyayı düzeltir.

You know about objects and their properties.

Nesneleri ve özelliklerini bilirsiniz.

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

Önüne engel gelince tanırsınız. Karanlıkta tanırsınız.

Bir odadan diğerine yürüyebilirsiniz.

You can walk through rooms.

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

Başkalarının ne düşündüğünü anlarsınız. Onlarla konuşursunuz.

Uzayda hareket edersiniz. Sayıları bilirsiniz.

You can navigate space. You know about numbers.

Nedensel ilişkileri bilirsiniz. Ahlâkî akıl yürütmeyi bilirsiniz.

You know causal relationships. You know about moral reasoning.

Bunları çabasız yaparsınız, bu yüzden pek bir şey görmeyiz,

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

fakat dünyayı böyle anlamlandırırız, bu dikkate değerdir

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

and very difficult-to-understand accomplishment.

ve anlaması çok zor bir başarımdır.

CA: Sanırım izleyicilerimiz arasında teknolojinin hızlanan gücünü

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

this view of accelerating technological power

benimseyen sizin üç yaşındaki çocuğun

who might dispute your statement that never in our lifetimes

yapabileceklerini bir bilgisayarın hiçbir zaman yapamayacağı

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

açıklamanıza itiraz edecek insanlar olabilir,

but what's clear is that in any scenario,

fakat net olan şey şu, her durumda

our machines have so much to learn from our toddlers.

makinelerimizin bebeklerimizden öğreneceği çok şey var.

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

LS: Bence de. Burada makine öğrenimiyle ilgilenen arkadaşlar vardır.

I mean, you should never bet against babies or chimpanzees

Diyorum ki, asla bebekleri şempanzelerle

or technology as a matter of practice,

ya da teknolojiyle kıyaslamayın,

but it's not just a difference in quantity,

fakat bu yalnızca nicelik farklılığı değil.

it's a difference in kind.

Tür farklılığı.

We have incredibly powerful computers,

İnanılmaz güçlü bilgisayarlarımız var

and they do do amazingly sophisticated things,

ve inanılmaz karmaşık şeyler yapıyorlar,

often with very big amounts of data.

sıklıkla büyük miktarda veriyle.

Human minds do, I think, something quite different,

İnsan zihni, bence, oldukça farklı bir şey yapıyor

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

ve bence, asıl zorlayıcı olan şey,

insan zihninin yapısal, basamaklı doğası.

that remains a real challenge.

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

CA: Laura Schulz, üstünde düşünülecek harika bir konuşmaydı. Çok teşekkürler.

LS: Thank you. (Applause)

LS: Teşekkürler (Alkış)