Laura Schulz: The surprisingly logical minds of babies

Translator: Hồng Khánh Lê Reviewer: Hong-Hanh Tran

Mark Twain summed up what I take to be

Theo tôi, Mark Twain đã nêu ra được

one of the fundamental problems of cognitive science

một trong những vấn đề cơ bản của của khoa học nhận thức

with a single witticism.

chỉ với một nhận xét dí dỏm.

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

Ông nói: "Khoa học thật hấp dẫn.

One gets such wholesale returns of conjecture

Nó sinh ra những lợi ích rất to lớn mà chỉ dùng những phỏng đoán

out of such a trifling investment in fact."

từ như người bán hàng rong mà thu được tiền lời của nhà buôn lớn."

(Laughter)

(Tiếng cười)

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

Đương nhiên Twain chỉ nói đùa, nhưng ông ấy lại có lý:

There's something fascinating about science.

Khoa học có điều gì đó rất thú vị.

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

Từ vài mẩu xương, ta suy ra sự tồn tại của khủng long.

From spectral lines, the composition of nebulae.

Từ vạch quang phổ. là kết cấu của tinh vân.

From fruit flies,

Từ những con ruồi giấm,

the mechanisms of heredity,

là cơ chế của di truyền,

and from reconstructed images of blood flowing through the brain,

từ những hình ảnh tái tạo dòng máu chảy qua não,

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

hay trong trường hợp của tôi, từ cách ứng xử của những em bé còn rất nhỏ,

we try to say something about the fundamental mechanisms

chúng ta có thể nói về cơ chế cơ bản

of human cognition.

của sự nhận thức ở con người.

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

Tại phòng thí nghiệm của tôi thuộc khoa "Não và Khoa học Nhận thức," viện MIT,

I have spent the past decade trying to understand the mystery

tôi đã dành 10 năm qua để tìm hiểu về sự bí ẩn

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

về cách trẻ em học rất nhiều thứ, từ khi còn rất nhỏ mà lại rất nhanh.

Because, it turns out that the fascinating thing about science

Ở đây, điều thú vị trong khoa học cũng chính là

is also a fascinating thing about children,

điều kỳ diệu ở trẻ em,

which, to put a gentler spin on Mark Twain,

điều đó, đã gợi hứng cho Mark Twain,

is precisely their ability to draw rich, abstract inferences

là khả năng đưa ra đúng lúc những suy luận trừu tượng phong phú

rapidly and accurately from sparse, noisy data.

nhanh chóng và chính xác từ những dữ liệu ít ỏi và lộn xộn.

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

Hôm nay, tôi sẽ đưa ra chỉ hai ví dụ.

One is about a problem of generalization,

Một ví dụ về vấn đề khái quát hóa,

and the other is about a problem of causal reasoning.

và một về vấn đề liên kết nguyên nhân - hậu quả.

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

Dù tôi sẽ nói về công việc ở phòng nghiên cứu

this work is inspired by and indebted to a field.

nhưng công trình này được truyền cảm hứng và sinh lực từ cuộc sống thật.

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

Tôi rất cảm ơn những cố vấn, đồng nghiệp, và cộng tác viên khắp thế giới.

Let me start with the problem of generalization.

Tôi xin bắt đầu với vấn đề khái quát hóa.

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

Khái quát hóa từ những mẫu dữ liệu ít ỏi là "bánh mì và bơ" trong khoa học.

We poll a tiny fraction of the electorate

Chúng tôi lấy một phần rất nhỏ cử tri

and we predict the outcome of national elections.

rồi dự đoán kết quả của cuộc bầu cử quốc gia.

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

Chúng tôi thấy cách một ít bệnh nhân phản ứng với điều trị thử nghiệm,

and we bring drugs to a national market.

và chúng ta bán thuốc ra cả nước.

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

Nhưng điều này chỉ hiệu quả nếu mẫu thử được lấy ngẫu nhiên trong dân cư.

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

Nếu mẫu thử của chúng ta được chọn kỹ càng theo cách nào đó--

say, we poll only urban voters,

như chúng ta chỉ chọn cử tri thành thị,

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

hay như, chọn thử nghiệm điều trị bệnh tim,

we include only men --

hay chỉ chọn nam giới --

the results may not generalize to the broader population.

thì kết quả sẽ không khái quát cho lượng người lớn hơn được.

So scientists care whether evidence is randomly sampled or not,

Nên các nhà khoa học quan tâm liệu chứng cứ được thử mẫu có ngẫu nhiên không,

but what does that have to do with babies?

nhưng thế thì liên quan gì đến trẻ con?

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

Vâng, trẻ em phải liên tục khái quát từ những đơn vị dữ liệu ít ỏi.

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

Chúng thấy vài con vịt cao su và học được rằng vịt cao su nổi,

or a few balls and learn that they bounce.

hoặc thấy vài trái bóng và học được rằng bóng nảy lên được.

And they develop expectations about ducks and balls

Và các bé phát triển dự đoán trên vịt và bóng,

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

từ đó mở rộng áp dụng trên vịt cao su và bóng

for the rest of their lives.

trong suốt đời.

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

Những loại khái quát hoá mà trẻ em phải tạo ra về vịt và bóng

they have to make about almost everything:

cũng được các em làm cho hầu hết mọi thứ:

shoes and ships and sealing wax and cabbages and kings.

giày dép, tàu thuyền, con dấu niêm phong, bắp cải hay vua chúa.

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

Vậy trẻ em có quan tâm liệu chứng cứ cỏn con mà chúng thấy

is plausibly representative of a larger population?

có đáng tin để đại diện cho số đông không?

Let's find out.

Chúng ta cùng tìm hiểu nhé!

I'm going to show you two movies,

Tôi sẽ cho các bạn xem hai bộ phim,

one from each of two conditions of an experiment,

mỗi phim có hai cảnh của thử nghiệm,

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

và vì chúng ta chỉ xem hai phim,

you're going to see just two babies,

nên chúng ta chỉ gặp hai em bé thôi,

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

và bất kỳ hai bé nào cũng đều khác nhau theo muôn vàn cách.

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

Nhưng tất nhiên, những em bé này đại diện cho các nhóm em bé khác,

and the differences you're going to see

và những khác biệt mà các bạn sắp thấy

represent average group differences in babies' behavior across conditions.

đại diện cho những khác biệt thường gặp trong hành vi trẻ con qua mọi điều kiện.

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

Trong mỗi bộ phim, bạn sẽ thấy bé làm

just exactly what you might expect a baby to do,

chính xác những gì bạn nghĩ em bé làm,

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

và chúng ta khó có thể làm cho các bé thần kì hơn khả năng của chúng.

But to my mind the magical thing,

Nhưng với tôi điều thần kì,

and what I want you to pay attention to,

và điều mà tôi muốn bạn chú ý

is the contrast between these two conditions,

là sự đối lập giữa hai trường hợp,

because the only thing that differs between these two movies

vì điều duy nhất khác biệt giữa hai bộ phim này

is the statistical evidence the babies are going to observe.

là thống kê chứng cứ mà các bé sẽ quan sát.

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

Chúng tôi sẽ cho các bé xem một hộp bóng xanh và vàng

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

rồi Hyowon Gweon, cựu học sinh sau đại học giờ là đồng nghiệp của tôi tại Stanford,

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

sẽ lấy liên tiếp ba bóng xanh ra khỏi hộp này,

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

khi lấy bóng ra, cô ta sẽ bóp chúng,

and the balls are going to squeak.

và bóng sẽ phát ra tiếng chít chít.

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

Nếu bạn là một đứa trẻ, thì đó như buổi nói chuyện của TED.

It doesn't get better than that.

Mà thực ra là vậy.

(Laughter)

(Tiếng cười)

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

Nhưng điểm quan trọng là dễ lấy liên tiếp ba quả bóng xanh

out of a box of mostly blue balls.

ra khỏi hộp đựng hầu hết bóng xanh.

You could do that with your eyes closed.

Nhắm mắt bạn cũng làm được.

It's plausibly a random sample from this population.

Đó hiển nhiên là một mẫu thử ngẫu nhiên từ nhóm này.

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

Nếu bạn thò tay vào hộp một cách ngẫu nhiên và lấy ra thứ phát ra tiếng,

then maybe everything in the box squeaks.

thì có thể mọi thứ trong hộp đều kêu.

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

Vậy có thể các bé cũng mong đợi những quả bóng vàng phát ra tiếng.

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

Giờ những quả bóng vàng có gắn que ngộ nghĩnh để cầm,

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

nên các bé có thể làm điều mình muốn.

They could pound them or whack them.

Các bé có thể đập hay gõ vào chúng.

But let's see what the baby does.

Nhưng hãy xem bé làm gì.

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

(Phim) Hyowon Gweon: Thấy không? (Bóng chít chít)

Did you see that? (Ball squeaks)

Con thấy rồi chứ? (Bóng chít chít)

Cool.

Tuyệt nhỉ.

See this one?

Thấy cái này không?

(Ball squeaks)

(Bóng chít chít)

Wow.

Ồ.

Laura Schulz: Told you. (Laughs)

Laura Schulz: Nói rồi mà. (Tiếng cười)

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

(Phim)HG: Thấy quả này không? (Bóng chít chít)

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

Clara, bóng này cho con. Cầm lấy mà chơi.

(Laughter)

(Tiếng cười)

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

LS: Tôi thậm chí không cần nói,

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

Rất hay khi các bé sẽ khái quát những tính chất

of blue balls to yellow balls,

của bóng xanh so với bóng vàng,

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

và rất ấn tượng khi các bé có thể học từ việc bắt chước chúng ta,

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

nhưng chúng ta biết những điều này về các bé từ lâu rồi.

The really interesting question

Câu hỏi thú vị ở đây là

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

điều gì xảy ra khi ta đưa cho các bé cùng một thứ,

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

và chúng tôi chắc chắn nó hoàn toàn giống vì chúng tôi có một ngăn bí mật

and we actually pull the balls from there,

và chúng tôi thật ra chỉ lấy bóng từ đấy,

but this time, all we change is the apparent population

nhưng lần này, tất cả những gì chúng ta thay đổi là nhóm đối tượng hiện có

from which that evidence was drawn.

mà từ đó sẽ rút ra suy luận.

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

Lần này, chúng ta cho các bé thấy ba quả bóng xanh

pulled out of a box of mostly yellow balls,

được lấy ra khỏi hộp có nhiều bóng vàng,

and guess what?

và hãy đoán xem?

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

Bạn [có thể sẽ không] ngẫu nhiên rút liên tiếp 3 bóng xanh

out of a box of mostly yellow balls.

ra khỏi hộp nhiều bóng vàng được.

That is not plausibly randomly sampled evidence.

Đó không phải chứng cứ từ mẫu thử ngẫu nhiên rõ ràng.

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

Chứng cứ đó cho thấy rằng có thể Hyowon đang cố ý lấy mẫu bóng xanh.

Maybe there's something special about the blue balls.

Có thể bóng xanh có gì đó đặc biệt.

Maybe only the blue balls squeak.

Có thể chỉ có bóng xanh kêu được.

Let's see what the baby does.

Chúng ta hãy xem bé làm gì.

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

(Phim) HG: Xem cái này? (Bóng chít chít)

See this toy? (Ball squeaks)

Nhìn đồ chơi này? (Bóng chít chít)

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

Ồ, hay quá hen! thấy không? (Bóng chít chít)

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

Bây giờ, cái này cho con chơi nè!. Cầm lấy chơi đi.

(Fussing) (Laughter)

(Bé kình) (Tiếng cười)

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

Bạn vừa xem hai bé 15 tháng tuổi

do entirely different things

làm những việc hoàn toàn khác nhau

based only on the probability of the sample they observed.

chỉ dựa trên việc xảy ra của mẫu mà chúng quan sát được.

Let me show you the experimental results.

Để tôi cho các bạn xem kết quả thí nghiệm.

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

trên trục tung là phần trăm các bé

who squeezed the ball in each condition,

bóp bóng kêu trong mỗi trường hợp,

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

như bạn thấy, trẻ gần như khái quát chứng cứ tốt hơn

when it's plausibly representative of the population

khi chứng cứ là đại diện hợp lý từ số đông

than when the evidence is clearly cherry-picked.

so với khi chứng cứ rõ ràng được chọn một cách cố ý.

And this leads to a fun prediction:

Điều này đưa đến một dự đoán thú vị:

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

Giả sử bạn lấy chỉ một bóng xanh ra từ một hộp đa số là bóng vàng,

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

bạn [có thể không] lấy ra được ngẫu nhiên liên tiếp ba bóng xanh trong hộp bóng vàng

but you could randomly sample just one blue ball.

nhưng bạn có thể lấy ngẫu nhiên chỉ một bóng xanh.

That's not an improbable sample.

Đó không là một mẫu thử không chắc.

And if you could reach into a box at random

Nếu bạn ngẫu nhiên đưa tay vào trong hộp

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

và lấy ra quả nào đó kêu được thì có thể mọi bóng trong đó đều kêu.

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

Mặc dù các bé sẽ thấy ít chứng cứ cho thứ kêu được,

and have many fewer actions to imitate

và có ít động tác để bắt chước

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

như trường hợp thấy một quả bóng này hơn so với trường hợp bạn vừa xem,

we predicted that babies themselves would squeeze more,

chúng ta dự đoán chính các bé sẽ bóp bóng kêu nhiều hơn,

and that's exactly what we found.

và đó chính là điều chúng tôi đã tìm ra.

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

Vậy em bé 15 tháng tuổi trong trường hợp này, giống như các nhà khoa học,

care whether evidence is randomly sampled or not,

quan tâm liệu chứng cứ được lấy mẫu ngẫu nhiên hay không,

and they use this to develop expectations about the world:

và chúng dùng cách này để phát triển phán đoán về thế giới:

what squeaks and what doesn't,

cái gì kêu và cái gì không kêu,

what to explore and what to ignore.

cái gì nên khám phá và cái gì nên bỏ qua.

Let me show you another example now,

Tôi sẽ cho các bạn xem một ví dụ khác,

this time about a problem of causal reasoning.

lần này là về vấn đề về lý luận nguyên nhân - hậu quả.

And it starts with a problem of confounded evidence

Nó bắt đầu với vấn đề của chứng cứ quái quỷ

that all of us have,

mà tất cả chúng ta đều có,

which is that we are part of the world.

mà là chúng ta là một phần thế giới.

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

Đây có thể không phải là rắc rối với bạn, nhưng như hầu hết các rắc rối,

it's only a problem when things go wrong.

nó chỉ sinh chuyện khi có cái gì đó sai.

Take this baby, for instance.

Hãy lấy bé này làm ví dụ.

Things are going wrong for him.

Có gì đó trục trặc cho bé.

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

Bé muốn đồ chơi này chạy, nhưng không thể.

I'll show you a few-second clip.

Tôi sẽ cho bạn xem một clip ngắn vài giây.

And there's two possibilities, broadly:

Nói chung, có hai khả năng sau:

Maybe he's doing something wrong,

Có thể bé làm gì đó sai,

or maybe there's something wrong with the toy.

hoặc có thể món đồ chơi có gì đó trục trặc.

So in this next experiment,

Vậy trong thí nghiệm tiếp theo,

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

chúng tôi chỉ đưa cho các bé chỉ một chút xíu dữ liệu thống kê

supporting one hypothesis over the other,

hổ trợ giả thuyết đối với giả thuyết con lại,

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

chúng tôi sẽ quan sát liệu các bé có thể dùng dữ liệu đó để quyết định

about what to do.

khác điều mình làm.

Here's the setup.

Đây là sự dàn dựng.

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

Hyowon sẽ cố gắng làm đồ chơi chạy và nó kêu thật.

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

rồi đến lượt tôi, hai lần đều thất bại,

and then Hyowon is going to try again and succeed,

và rồi Hyowon thử lại lần nữa và thành công,

and this roughly sums up my relationship to my graduate students

điều đó kết luận mối liên hệ giữa tôi và những sinh viên cao học

in technology across the board.

về mặt công nghệ .

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

Nhưng điều quan trọng ở đây là nó cho thấy một ít chứng cứ

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

rằng rắc rối không từ đồ chơi, nó từ con người.

Some people can make this toy go,

Một số người có thể làm đồ chơi này chạy được,

and some can't.

số khác thì không.

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

Bây giờ, khi bé lấy được đồ chơi, bé sẽ có một lựa chọn.

His mom is right there,

Mẹ bé ở ngay đây,

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

nên bé có thể đưa mẹ đồ chơi và thay đổi người chơi,

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

hoặc cũng sẽ có đồ chơi khác ở cuối tấm vải,

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

bé có thể kéo tấm vải về phía mình và đổi đồ chơi

So let's see what the baby does.

Vậy hãy xem bé sẽ làm gì nhé.

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

HG: Hai, ba, nhấn! (tiếng nhạc)

LS: One, two, three, go!

LS: Một, hai, ba, nhấn!

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

Athur, cô sẽ làm lại nhé. Một, hai, ba, nhấn!

YG: Arthur, let me try again, okay?

YG: Athur, cô thử lại lần nữa nhé?

One, two, three, go! (Music)

Một, hai, ba, nhấn! (Tiếng nhạc)

Look at that. Remember these toys?

Nhìn này, con nhớ các đồ chơi này chứ?

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

Hãy nhìn các đồ chơi này? Cô sẽ để nó ở đây,

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

và cô đưa cho con món này.

You can go ahead and play.

Con có thể cầm lấy và chơi.

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

LS: Được rồi, Laura, nhưng tất nhiên các bé yêu mẹ mình.

Of course babies give toys to their mommies

Cho nên tất nhiên là các em đưa đồ chơi cho mẹ

when they can't make them work.

khi các bé không mở được đồ chơi.

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

Một lần nữa, câu hỏi quan trọng là điều gì xảy ra khi chúng ta thay đổi

the statistical data ever so slightly.

một chút dữ liệu thống kê.

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

Lần này, các bé sẽ thấy đồ chơi kêu và không kêu theo đúng trật tự,

but we're changing the distribution of evidence.

nhưng chúng tôi thay đổi sự thứ tự của kết quả.

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

Lần này, Hyowon là thành công một lần và thất bại một lần, tôi cũng vậy.

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

Điều này muốn nói rằng dù là ai thử đi nữa thì đồ chơi này cũng đã hỏng.

It doesn't work all the time.

Nó không hoạt động nữa.

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

Một Lần nữa, các bé sẽ phải chọn lựa.

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

Mẹ bé ở ngay bên cạnh, nên bé có thể đổi người,

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

và có đồ chơi khác ở phía cuối tấm vải.

Let's watch what she does.

Hãy xem bé làm gì nhé.

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

(Video) HG : Hai, ba, nhấn! (Tiếng nhạc)

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

Cho cô làm lần nữa nhé. Một, hai, ba, nhấn!

Hmm.

(Hừm)

LS: Let me try, Clara.

LS: Cho cô thử nhé, Clara

One, two, three, go!

Một, hai, ba nhấn!

Hmm, let me try again.

Hmm, cô thử lại nhé.

One, two, three, go! (Music)

Một, hai, ba, nhấn! (Tiếng nhạc)

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

HG: tôi sẽ đặt cái này ở đây,

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

và cô cho con cái này.

You can go ahead and play.

Con có thể cầm lấy và chơi nhé.

(Applause)

(Vỗ tay)

LS: Let me show you the experimental results.

LS: Để tôi cho các bạn xem kết quả thí nghiệm.

On the vertical axis, you'll see the distribution

Trên trục tung, bạn sẽ thấy số lần

of children's choices in each condition,

lựa chọn của các bé trong mỗi trường hợp,

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

và bạn cũng thấy số lần lựa chọn các bé làm

depends on the evidence they observe.

dựa vào chứng cứ các bé quan sát.

So in the second year of life,

Vậy, ở năm hai tuổi,

babies can use a tiny bit of statistical data

các bé có thể biết sử dụng một ít dữ liệu thống kê

to decide between two fundamentally different strategies

để quyết định giữa hai chiến lược cơ bản khác nhau

for acting in the world:

tác động vào thế giới xung quanh:

asking for help and exploring.

tìm sự giúp đỡ hay khám phá.

I've just shown you two laboratory experiments

Tôi vừa cho các bạn xem hai thí nghiệm

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

trong hàng trăm thí nghiệm trên thực địa cho cùng mục tiêu,

because the really critical point

vì điểm then chốt

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

là khả năng làm phong phú lập luận từ những dữ liệu ít ỏi của các bé

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

ẩn chứa tất cả cách học của từng giống loài chuyên biệt mà chúng ta làm.

Children learn about new tools from just a few examples.

Trẻ học cách dùng những công cụ mới chỉ từ vài ví dụ.

They learn new causal relationships from just a few examples.

Chúng học quan hệ nhân quả chỉ từ vài ví dụ.

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

Chúng thậm chí học từ mới, trong trường hợp này, là Ngôn ngữ bằng tay của Mỹ.

I want to close with just two points.

Tôi muốn kết thúc với hai điểm.

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

Nếu bạn theo dõi chuyên môn của tôi, trong lĩnh vực não và khoa học nhận thức,

for the past few years,

trong những năm qua,

three big ideas will have come to your attention.

ba ý tưởng lớn sẽ thu hút sự chú ý của bạn.

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

Thứ nhất, đó là thời đại của não.

And indeed, there have been staggering discoveries in neuroscience:

Thực ra, có những phát hiện chiến lược trong khoa học nơ-ron thần kinh:

localizing functionally specialized regions of cortex,

việc định vị các vùng chuyên biệt của vỏ não theo chức năng,

turning mouse brains transparent,

việc làm trong suốt não chuột,

activating neurons with light.

việc kích hoạt các nơ-ron bằng ánh sáng.

A second big idea

Ý tưởng thứ nhì

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

thì đây là kỷ nguyên của dữ liệu lớn và học máy,

and machine learning promises to revolutionize our understanding

và học máy hứa hẹn sẽ cách mạng hoá sự hiểu biết của ta

of everything from social networks to epidemiology.

về mọi thứ từ hệ thống xã hội cho đến dịch tễ học.

And maybe, as it tackles problems of scene understanding

Và có thể, qua việc giải quyết vấn đề về phân tích hình ảnh

and natural language processing,

và quá trình hiểu ngôn ngữ tự nhiên,

to tell us something about human cognition.

để nói với chúng ta điều gì đó về nhận thức của con người.

And the final big idea you'll have heard

Ý tưởng lớn cuối cùng bạn sẽ nghe

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

là một ý tưởng tuyệt vời giúp chúng ta biết nhiều về não

and have so much access to big data,

và tiếp cận được dữ liệu lớn,

because left to our own devices,

nhờ vào những thiết bị của chúng ta,

humans are fallible, we take shortcuts,

con người lầm lẫn, ta hay đi tắt,

we err, we make mistakes,

ta đi lạc, ta phạm lỗi,

we're biased, and in innumerable ways,

ta bị chệch hướng, và trong vô vàn cách,

we get the world wrong.

ta nhận thức sai về thế giới.

I think these are all important stories,

Tôi nghĩ đây là những câu chuyện quan trọng,

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

và những thiết bị đó nhiều điều để nói với ta về ý nghĩa của việc làm người,

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

nhưng tôi muốn bạn nhớ rằng hôm nay tôi nói với bạn về câu chuyện rất khác.

It's a story about minds and not brains,

Đó là một câu chuyện về tư duy chứ không phải về não bộ,

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

và đặc biệt, đó là một câu chuyện về các loại tính toán

that uniquely human minds can perform,

mà chỉ có não người mới có thể làm,

which involve rich, structured knowledge and the ability to learn

lại có liên quan đến kiến thức dồi dào trật tự và khả năng học

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

từ những lượng dữ liệu ít ỏi, đó là chứng cứ qua vài ví dụ.

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

Và cơ bản, đó là câu chuyện về cách khởi đầu của các em bé rất nhỏ

and continuing out all the way to the greatest accomplishments

và cứ tiếp tục như thế đến những hoàn thiện tuyệt vời nhất

of our culture,

của văn hoá của chúng ta,

we get the world right.

để chúng ta dẫn dắt thế giới đúng hướng.

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

Tư duy người không chỉ học được từ lượng dữ liệu ít ỏi.

Human minds think of altogether new ideas.

Tư duy người còn cùng lúc tạo ra ý tưởng mới.

Human minds generate research and discovery,

Tư duy người làm nghiên cứu và phát minh,

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

và tư duy người sản sinh ra nghệ thuật và văn học và thơ và kịch,

and human minds take care of other humans:

và tư duy người chăm lo cho người khác:

our old, our young, our sick.

người già, người trẻ, người bệnh.

We even heal them.

Chúng ta thậm chí chữa lành cho họ.

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

Trong những năm tới, chúng ta sẽ thấy nhiều đổi mới công nghệ

beyond anything I can even envision,

vượt xa mọi thứ mà ta có thể tưởng tượng,

but we are very unlikely

nhưng chúng ta không có nhiều cơ may

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

thấy được bất kỳ cái gì thậm chí gần giống với sức mạnh tính toán của một đứa trẻ

in my lifetime or in yours.

trong đời tôi hay trong đời bạn.

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

Nếu ta đầu tư cho lực học mạnh mẽ nhất này và cho sự phát triển

in babies and children

nơi em bé và trẻ em

and mothers and fathers

và những bà mẹ và ông bố

and caregivers and teachers

và người chăm sóc, và thầy cô

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

và cách mà chúng ta đầu tư vào những hình thức mạnh mẽ và lịch lãm nhất

of technology, engineering and design,

của công nghệ, kỹ thuật và thiết kế,

we will not just be dreaming of a better future,

ta sẽ không chỉ mơ ước về một tương lai tốt hơn,

we will be planning for one.

mà ta còn lên kế hoạch cho tương lai.

Thank you very much.

Cảm ơn rất nhiều.

(Applause)

(Vỗ tay)

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

Chris Anderson: Laura, cảm ơn. Tôi xin có một câu hỏi cho bạn.

First of all, the research is insane.

Trước hết, nghiên cứu này vô nghĩa.

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

Tôi muốn nói, ai thiết kế một thử nghiệm kiểu này? (Tiếng cười)

I've seen that a couple of times,

Tôi đã từng thấy vài lần,

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

và tôi thật tình vẫn không tin rằng điều đó có thể thật sự xảy ra,

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

nhưng vài người khác đã làm thí nghiệm giống vậy; thất bại.

The babies really are that genius.

Các em bé thật sự là thần đồng.

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

LS: Bạn biết đấy, các em có vẻ rất ấn tượng trong các thí nghiêm,

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

nhưng hãy nghĩ các em như thế nào trong cuộc đời thật!

It starts out as a baby.

Bắt đầu từ một em bé.

Eighteen months later, it's talking to you,

18 tháng sau, bé nói với bạn,

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

những từ đầu tiên của bé không chỉ là những thứ như banh và vịt,

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

mà là những thứ như "hết rồi" để chỉ sự biến mất,

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

hay "ái, ui," để chỉ những hành động không cố ý.

It has to be that powerful.

Điều đó cũng có sức mạnh tương tự.

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

Nó phải mạnh hơn nhiều những gì tôi vừa trình bày với bạn.

They're figuring out the entire world.

Chúng là toàn bộ thế giới.

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

Một trẻ bốn tuổi có thể nói với bạn về hầu hết mọi thứ.

(Applause)

(Vỗ tay)

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

CA: Nếu tôi không lầm, điểm mấu chốt khác bạn đang làm

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

chúng ta đã nói trong những năm qua qua buổi nói chuyện này

of how quirky and buggy our minds are,

về mức độ lầm lẫn trong suy nghĩ của ta,

that behavioral economics and the whole theories behind that

rằng kinh tế học hành vi và những lý thuyết đằng sau nó

that we're not rational agents.

rằng chúng ta không là những nhân tố lý trí.

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

Bạn nói rằng câu chuyện lớn hơn là kỳ diệu thế nào,

and there really is genius there that is underappreciated.

khi có một thần đồng thật sự ở đây mà chưa được đánh giá đúng mức.

LS: One of my favorite quotes in psychology

LS: Trích dẫn tôi thích trong tâm lý học

comes from the social psychologist Solomon Asch,

từ Nhà tâm lý xã hội Solomon Asch,

and he said the fundamental task of psychology is to remove

ông ta nói nhiệm vụ cơ bản của tâm lý là lấy đi

the veil of self-evidence from things.

bức màn chứng cứ tự có về sự vật.

There are orders of magnitude more decisions you make every day

Có những thứ tự về độ quan trọng khác nhau của những quyết định hàng ngày

that get the world right.

để đưa thế giới đúng hướng.

You know about objects and their properties.

Bạn biết về sự vật và các thuộc tính của nó.

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

Bạn biết khi sự vật bị che lấp, Bạn biết sự vật trong bóng tối.

You can walk through rooms.

Bạn có thể đi qua các phòng.

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

Bạn có thể suy ra điều người khác đang nghĩ. Bạn có thể nói với họ.

You can navigate space. You know about numbers.

Bạn định vị trong không gian. Bạn biết các chữ số.

You know causal relationships. You know about moral reasoning.

Bạn biết quan hệ nhân quả. Bạn biết lý luận hợp lý.

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

Bạn làm điều đó dễ dàng, đến mức bạn không để ý

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

Đó là cách ta dẫn thế giới đúng hướng, và đó là một thành quả

and very difficult-to-understand accomplishment.

đáng nể nhưng rất khó hiểu.

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

CA: Tôi nghĩ nhiều người trong khán phòng có

this view of accelerating technological power

cách nhìn về việc tăng tốc sức mạnh kỹ thuật

who might dispute your statement that never in our lifetimes

họ chống lại ý kiến của bạn rằng không bao giờ trong đời

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

một máy tính làm được điều đứa trẻ 3 tuổi có thể làm,

but what's clear is that in any scenario,

nhưng điều rõ ràng là trong bất kỳ tình huống nào,

our machines have so much to learn from our toddlers.

máy cần phải học nhiều thứ từ những đứa trẻ.

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

LS: Tôi nghĩ vậy. Bạn sẽ thấy nhiều người - máy học ở đây.

I mean, you should never bet against babies or chimpanzees

Tôi muốn nói bạn không nên cá cược mà không chọn bên trẻ con hoặc tinh tinh

or technology as a matter of practice,

hoặc công nghệ trong thực hành,

but it's not just a difference in quantity,

nhưng nó không chỉ là một khác biệt về số lượng,

it's a difference in kind.

nó còn là một khác biệt về thể loại.

We have incredibly powerful computers,

Chúng ta có những máy tính cực kỳ mạnh,

and they do do amazingly sophisticated things,

và chúng làm được nhiều thứ vô cùng tinh vi,

often with very big amounts of data.

thông thường với một lượng dữ liệu rất lớn.

Human minds do, I think, something quite different,

Theo tôi, tư duy con người làm được thứ khá khác biệt,

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

và tôi nghĩ nó là tự nhiên của kiến thức con người được kết cấu, xếp đặt

that remains a real challenge.

mà vẫn còn là một thách thức thật sự.

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

CA: Laura Schulz, một món ăn tuyệt vời cho suy nghĩ. Cảm ơn nhiều.

LS: Thank you. (Applause)

LS: Cảm ơn. (Vỗ tay)