ABOUT THE SPEAKER
Laura Schulz - Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn.

Why you should listen

MIT Early Childhood Cognition Lab lead investigator Laura Schulz studies learning in early childhood. Her research bridges computational models of cognitive development and behavioral studies in order to understand the origins of inquiry and discovery.

Working in play labs, children’s museums, and a recently-launched citizen science website, Schultz is reshaping how we view young children’s perceptions of the world around them. Some of the surprising results of her research: before the age of four, children expect hidden causes when events happen probabilistically, use simple experiments to distinguish causal hypotheses, and trade off learning from instruction and exploration.

More profile about the speaker
Laura Schulz | Speaker | TED.com
TED2015

Laura Schulz: The surprisingly logical minds of babies

Laura Schulz: Iznenađujuće logični umovi beba

Filmed:
1,888,975 views

Kako bebe tako brzo nauče toliko puno na temelju tako male količine podataka? U ovom zabavnom predavanju prepunom eksperimenata kognitivna znanstvenica Laura Schulz pokazuje kako naši najmlađi donose odluke pomoću iznenađujuće snažnog osjećaja za logiku, puno prije no što nauče govoriti.
- Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn. Full bio

Double-click the English transcript below to play the video.

00:12
MarkMark TwainTwain summedsažeti up
what I take to be
0
835
2155
Mark Twain sažeo je nešto što je za mene
00:14
one of the fundamentalosnovni problemsproblemi
of cognitivespoznajni scienceznanost
1
2990
3120
jedno od temeljnih
problema kognitivne znanosti
00:18
with a singlesingl witticismdosjetka.
2
6110
1710
u jednoj duhovitoj rečenici.
00:20
He said, "There's something
fascinatingfascinantan about scienceznanost.
3
8410
3082
Rekao je: "Ima nešto
fascinantno u znanosti.
00:23
One getsdobiva suchtakav wholesaletrgovina na veliko
returnsvraća of conjecturepretpostavke
4
11492
3228
Dobivamo ogromnu dobit
u obliku pretpostavki
00:26
out of suchtakav a triflingneznatan
investmentulaganje in factčinjenica."
5
14720
3204
skromnim ulaganjem u činjenice."
00:29
(LaughterSmijeh)
6
17924
1585
(Smijeh)
00:32
TwainTwain meantznačilo it as a jokevic,
of coursenaravno, but he's right:
7
20199
2604
Twain je to zamislio
kao šalu, ali bio je u pravu:
00:34
There's something
fascinatingfascinantan about scienceznanost.
8
22803
2876
Ima nešto fascinantno u znanosti.
00:37
From a fewnekoliko boneskosti, we inferzaključiti
the existencepostojanje of dinosuarsdinosuars.
9
25679
4261
Na temelju nekoliko kostiju,
zaključujemo o postojanju dinosaura.
00:42
From spectralSpektralna lineslinije,
the compositionsastav of nebulaeMaglica.
10
30910
3871
Iz spektralnih linija zaključujemo
o sastavu svemirskih nebula.
00:47
From fruitvoće fliesmuhe,
11
35471
2938
Od vinskih mušica
00:50
the mechanismsmehanizmi of hereditynasljedstvo,
12
38409
2943
mehanizme nasljeđivanja,
00:53
and from reconstructedrekonstruirana imagesslika
of bloodkrv flowingtekući throughkroz the brainmozak,
13
41352
4249
a iz rekonstruiranih slika
protoka krvi kroz mozak,
00:57
or in my casespis, from the behaviorponašanje
of very youngmladi childrendjeca,
14
45601
4708
ili, u mom slučaju,
iz ponašanja vrlo male djece,
01:02
we try to say something about
the fundamentalosnovni mechanismsmehanizmi
15
50309
2829
pokušavamo reći nešto
o osnovnim mehanizmima
01:05
of humanljudski cognitionspoznaja.
16
53138
1618
ljudske spoznaje.
01:07
In particularposebno, in my lablaboratorija in the DepartmentOdjel
of BrainMozak and CognitiveKognitivne SciencesZnanosti at MITMIT,
17
55716
4759
U svojem laboratoriju na odsjeku
za mozak i kognitivnu znanost na MIT-u
01:12
I have spentpotrošen the pastprošlost decadedesetljeće
tryingtežak to understandrazumjeti the mysterymisterija
18
60475
3654
provela sam proteklo desetljeće
pokušavajući razumjeti misterij
01:16
of how childrendjeca learnnaučiti so much
from so little so quicklybrzo.
19
64129
3977
o tome kako djeca nauče toliko puno
i toliko brzo iz skromne baze podataka.
01:20
Because, it turnsokreti out that
the fascinatingfascinantan thing about scienceznanost
20
68666
2978
Naime, ispada da je ono
što je facinantno kod znanosti,
01:23
is alsotakođer a fascinatingfascinantan
thing about childrendjeca,
21
71644
3529
fascinantno i kod male djece,
01:27
whichkoji, to put a gentlernježniji
spinzavrtiti on MarkMark TwainTwain,
22
75173
2581
a to je, ako ublažimo izjavu Marka Twaina,
01:29
is preciselyprecizno theirnjihov abilitysposobnost
to drawizvući richbogat, abstractsažetak inferenceszaključke
23
77754
4650
upravo njihova sposobnost
da izvlače bogate, apstraktne zaključke
01:34
rapidlybrzo and accuratelytočno
from sparseoskudni, noisyglasan datapodaci.
24
82404
4661
brzo i točno, iz malobrojnih
i nepreciznih podataka.
01:40
I'm going to give you
just two examplesprimjeri todaydanas.
25
88355
2398
Danas ću vam dati samo dva primjera.
01:42
One is about a problemproblem of generalizationgeneralizacija,
26
90753
2287
Jedan se tiče problema generalizacije,
01:45
and the other is about a problemproblem
of causalkauzalni reasoningrasuđivanje.
27
93040
2850
a drugi problema
uzročnog zaključivanja.
01:47
And althoughiako I'm going to talk
about work in my lablaboratorija,
28
95890
2525
Iako ću govoriti o radu
mog laboratorija,
01:50
this work is inspirednadahnut by
and indebteddužnik to a fieldpolje.
29
98415
3460
taj je rad inspiriran i dužan čitavom
jednom polju istraživanja.
01:53
I'm gratefulzahvalan to mentorsmentori, colleagueskolege,
and collaboratorssuradnici around the worldsvijet.
30
101875
4283
Zahvalna sam svojim mentorima,
kolegama i suradnicima diljem svijeta.
01:59
Let me startpočetak with the problemproblem
of generalizationgeneralizacija.
31
107308
2974
Počet ću od problema generalizacije.
02:02
GeneralizingGeneralizacijom from smallmali samplesuzorci of datapodaci
is the breadkruh and buttermaslac of scienceznanost.
32
110652
4133
Generaliziranje na temelju malih uzoraka
osnovno je sredstvo znanstvenog rada.
02:06
We pollAnketa a tinysićušan fractionfrakcija of the electoratebiračko tijelo
33
114785
2554
Ispitamo maleni dio biračkog tijela
02:09
and we predictpredvidjeti the outcomeishod
of nationalnacionalna electionsizbori.
34
117339
2321
i predviđamo ishod državnih izbora.
02:12
We see how a handfulrukovet of patientspacijenti
respondsodgovara to treatmentliječenje in a clinicalklinički trialsuđenje,
35
120240
3925
Vidimo kako šačica pacijenata reagira
na tretman u kliničkom ispitivanju
02:16
and we bringdonijeti drugslijekovi to a nationalnacionalna markettržište.
36
124165
3065
i te lijekove dovedemo
na nacionalno tržište.
02:19
But this only worksdjela if our sampleuzorak
is randomlyslučajno drawnnacrtan from the populationpopulacija.
37
127230
4365
To je učinkovito jedino ako je naš uzorak
iz populacije izabran slučajem.
02:23
If our sampleuzorak is cherry-pickedtrešnja ubrano
in some way --
38
131595
2735
Ako je naš uzorak na neki način probran --
02:26
say, we pollAnketa only urbanurbani votersbirača,
39
134330
2072
npr. ispitivanjem samo glasača iz gradova
02:28
or say, in our clinicalklinički trialsispitivanja
for treatmentstretmani for heartsrce diseasebolest,
40
136402
4388
ili ako u klinička istraživanja
o liječenju srčanih bolesti
02:32
we includeuključiti only menmuškarci --
41
140790
1881
uključimo samo muškarce --
02:34
the resultsrezultati maysvibanj not generalizegeneralizirati
to the broaderšire populationpopulacija.
42
142671
3158
rezultati se možda neće moći
primijeniti na širu populaciju.
02:38
So scientistsznanstvenici carebriga whetherda li evidencedokaz
is randomlyslučajno sampleduzorkovani or not,
43
146479
3581
Dakle, znanstvenicima je važno
temelje li se dokazi na slučajnom uzorku,
02:42
but what does that have to do with babiesbebe?
44
150060
2015
ali kakve to veze ima s bebama?
02:44
Well, babiesbebe have to generalizegeneralizirati
from smallmali samplesuzorci of datapodaci all the time.
45
152585
4621
Bebe stalno moraju generalizirati
na temelju malih uzoraka podataka.
02:49
They see a fewnekoliko rubberguma duckspatke
and learnnaučiti that they floatplovak,
46
157206
3158
Vide nekoliko gumenih patkica
te zaključe da one plutaju
02:52
or a fewnekoliko ballsjaja and learnnaučiti that they bounceodskočiti.
47
160364
3575
ili vide nekoliko lopti
i zaključe da one odskakuju.
02:55
And they developrazviti expectationsočekivanja
about duckspatke and ballsjaja
48
163939
2951
Razvijaju očekivanja o patkicama i loptama
02:58
that they're going to extendprodužiti
to rubberguma duckspatke and ballsjaja
49
166890
2716
koja će onda primjenjivati
na gumene patkice i lopte
03:01
for the restodmor of theirnjihov livesživot.
50
169606
1879
do kraja svojih života.
03:03
And the kindsvrste of generalizationsgeneralizacije
babiesbebe have to make about duckspatke and ballsjaja
51
171485
3739
Takve generalizacije kakve bebe moraju
činiti o patkicama i loptama,
03:07
they have to make about almostskoro everything:
52
175224
2089
moraju činiti o gotovo svemu:
03:09
shoescipele and shipsbrodovi and sealingbrtvljenje waxvosak
and cabbageskupus and kingskraljevi.
53
177313
3917
o cipelama, brodovima,
pečatnom vosku, kupusima i kraljevima.
03:14
So do babiesbebe carebriga whetherda li
the tinysićušan bitbit of evidencedokaz they see
54
182200
2961
Je li bebama važno je li
maleni vidljivi uzorak dokaza
03:17
is plausiblyplausibly representativepredstavnik
of a largerveći populationpopulacija?
55
185161
3692
reprezentativan za veću populaciju?
03:21
Let's find out.
56
189763
1900
Saznajmo!
03:23
I'm going to showpokazati you two moviesfilmovi,
57
191663
1723
Pokazat ću vam dva filmića,
03:25
one from eachsvaki of two conditionsUvjeti
of an experimenteksperiment,
58
193386
2462
po jedan iz svakog
od uvjeta u eksperimentu,
03:27
and because you're going to see
just two moviesfilmovi,
59
195848
2438
a budući da ćete vidjeti samo dva filmića,
03:30
you're going to see just two babiesbebe,
60
198286
2136
vidjet ćete i samo dvije bebe,
03:32
and any two babiesbebe differrazlikuju from eachsvaki other
in innumerablebezbroj waysnačine.
61
200422
3947
a sve se bebe međusobno
razlikuju na nebrojene načine,
03:36
But these babiesbebe, of coursenaravno,
here standstajati in for groupsgrupe of babiesbebe,
62
204369
3051
ali ove bebe, dakako,
predstavljaju skupine beba,
03:39
and the differencesRazlike you're going to see
63
207420
1895
a razlike koje ćete vidjeti
03:41
representpredstavljati averageprosječan groupskupina differencesRazlike
in babies'male bebe behaviorponašanje acrosspreko conditionsUvjeti.
64
209315
5195
predstavljaju prosječne razlike među
grupama beba u različitim uvjetima.
03:47
In eachsvaki moviefilm, you're going to see
a babydijete doing maybe
65
215160
2583
U svakom filmiću
vidjet ćete bebu koja radi
03:49
just exactlytočno what you mightmoć
expectočekivati a babydijete to do,
66
217743
3460
možda upravo ono što se
od bebe očekuje da radi,
03:53
and we can hardlyjedva make babiesbebe
more magicalčaroban than they alreadyveć are.
67
221203
4017
a njih teško možemo učiniti
čarobnijima nego što one to već jesu.
03:58
But to my mindum the magicalčaroban thing,
68
226090
2010
Ali meni je čarobno to,
04:00
and what I want you to payplatiti attentionpažnja to,
69
228100
2089
i na što želim da obratite pažnju,
04:02
is the contrastkontrast betweenizmeđu
these two conditionsUvjeti,
70
230189
3111
kontrast između ovih dvaju
eksperimentalnih uvjeta
04:05
because the only thing
that differsse razlikuje betweenizmeđu these two moviesfilmovi
71
233300
3529
jer se ova dva filmića razlikuju samo po
04:08
is the statisticalstatistički evidencedokaz
the babiesbebe are going to observepromatrati.
72
236829
3466
statističkim dokazima
koje će bebe promatrati.
04:13
We're going to showpokazati babiesbebe
a boxkutija of blueplava and yellowžuta boja ballsjaja,
73
241425
3183
Pokazat ćemo im
kutiju plavih i žutih loptica.
04:16
and my then-graduateTada-diplomski studentstudent,
now colleaguekolega at StanfordStanford, HyowonHyowon GweonGweon,
74
244608
4620
Moja tadašnja doktorandica, a sada
kolegica sa Stanforda Hyowon Gweon,
04:21
is going to pullVuci threetri blueplava ballsjaja
in a rowred out of this boxkutija,
75
249228
3077
zaredom će iz ove kutije
izvući tri plave loptice.
04:24
and when she pullsvučenje those ballsjaja out,
she's going to squeezeiscijediti them,
76
252305
3123
Kad izvuče loptice, stisnut će ih,
04:27
and the ballsjaja are going to squeakcika.
77
255428
2113
a one će zasvirati.
04:29
And if you're a babydijete,
that's like a TEDTED Talk.
78
257541
2763
Za bebu je to poput TED-predavanja.
04:32
It doesn't get better than that.
79
260304
1904
Nema boljega!
04:34
(LaughterSmijeh)
80
262208
2561
(Smijeh)
04:38
But the importantvažno pointtočka is it's really
easylako to pullVuci threetri blueplava ballsjaja in a rowred
81
266968
3659
Ono što je važno jest da je lako
izvući tri plave loptice zaredom
04:42
out of a boxkutija of mostlyuglavnom blueplava ballsjaja.
82
270627
2305
iz kutije u kojoj su
uglavnom plave loptice.
04:44
You could do that with your eyesoči closedzatvoreno.
83
272932
2060
Možete to učiniti i zatvorenih očiju.
04:46
It's plausiblyplausibly a randomslučajan sampleuzorak
from this populationpopulacija.
84
274992
2996
To može predstavljati
slučajni uzorak iz ove populacije.
04:49
And if you can reachdohvatiti into a boxkutija at randomslučajan
and pullVuci out things that squeakcika,
85
277988
3732
A ako možete slučajnim izborom
iz kutije izvući stvari koje sviraju,
04:53
then maybe everything in the boxkutija squeaksškripanje.
86
281720
2839
onda možda sve što je u kutiji svira,
04:56
So maybe babiesbebe should expectočekivati
those yellowžuta boja ballsjaja to squeakcika as well.
87
284559
3650
pa bi bebe možda mogle očekivati
da će i žute loptice svirati.
05:00
Now, those yellowžuta boja ballsjaja
have funnysmiješno sticksštapići on the endkraj,
88
288209
2519
Žute loptice imaju
smiješne štapiće na krajevima,
05:02
so babiesbebe could do other things
with them if they wanted to.
89
290728
2857
tako da bi bebe ako žele mogle
s njima raditi i druge stvari.
05:05
They could poundfunta them or whackudio them.
90
293585
1831
Mogle bi ih udarati ili lupati.
05:07
But let's see what the babydijete does.
91
295416
2586
Ali idemo vidjeti što beba radi.
05:12
(VideoVideo) HyowonHyowon GweonGweon: See this?
(BallLopta squeaksškripanje)
92
300548
3343
Hyowon Gweon: Vidiš ovo?
(Loptica svira)
05:16
Did you see that?
(BallLopta squeaksškripanje)
93
304531
3045
Jesi li to vidjela?
(Loptica svira)
05:20
CoolCool.
94
308036
3066
Fora.
05:24
See this one?
95
312706
1950
Vidiš ovu?
05:26
(BallLopta squeaksškripanje)
96
314656
1881
(Loptica svira)
05:28
WowSjajna osoba.
97
316537
2653
Opa.
05:33
LauraLaura SchulzSchulz: Told you. (LaughsSmijeh)
98
321854
2113
Laura Schulz: Rekla sam vam. (Smijeh)
05:35
(VideoVideo) HGHG: See this one?
(BallLopta squeaksškripanje)
99
323967
4031
HG: Vidiš ovu?
(Loptica svira)
05:39
Hey ClaraClara, this one'sjedan je for you.
You can go aheadnaprijed and playigrati.
100
327998
4619
Hej, Clara, ova je za tebe.
Možeš se igrati njome.
05:51
(LaughterSmijeh)
101
339854
4365
(Smijeh)
05:56
LSJE LI: I don't even have to talk, right?
102
344219
2995
LS: Ni ne moram govoriti, zar ne?
05:59
All right, it's nicelijepo that babiesbebe
will generalizegeneralizirati propertiesnekretnine
103
347214
2899
U redu, zgodno je da
bebe generaliziraju osobine
06:02
of blueplava ballsjaja to yellowžuta boja ballsjaja,
104
350113
1528
plavih loptica na žute loptice
06:03
and it's impressiveimpresivan that babiesbebe
can learnnaučiti from imitatingoponašaju us,
105
351641
3096
i dojmljivo je da mogu
učiti imitirajući nas,
06:06
but we'veimamo knownznan those things about babiesbebe
for a very long time.
106
354737
3669
ali to o bebama već dugo znamo.
06:10
The really interestingzanimljiv questionpitanje
107
358406
1811
Ono što je zaista zanimljivo proučiti
06:12
is what happensdogađa se when we showpokazati babiesbebe
exactlytočno the sameisti thing,
108
360217
2852
jest to što se dogodi kad bebi
pokažemo potpuno istu stvar,
06:15
and we can ensureosigurati it's exactlytočno the sameisti
because we have a secrettajna compartmentodjeljak
109
363069
3611
a sigurni smo da je potpuno ista
jer imamo tajni pretinac
06:18
and we actuallyzapravo pullVuci the ballsjaja from there,
110
366680
2110
iz kojeg vučemo loptice,
06:20
but this time, all we changepromijeniti
is the apparentOčito populationpopulacija
111
368790
3478
ali ovog puta promijenimo
jedino prividnu populaciju
06:24
from whichkoji that evidencedokaz was drawnnacrtan.
112
372268
2902
iz koje se vuku dokazi.
06:27
This time, we're going to showpokazati babiesbebe
threetri blueplava ballsjaja
113
375170
3553
Ovog puta bebi ćemo
pokazati tri plave loptice
06:30
pulledizvukao out of a boxkutija
of mostlyuglavnom yellowžuta boja ballsjaja,
114
378723
3384
izvučene iz kutije u kojoj
je većina žutih loptica,
06:34
and guessnagađati what?
115
382107
1322
i znate što?
06:35
You [probablyvjerojatno won'tnavika] randomlyslučajno drawizvući
threetri blueplava ballsjaja in a rowred
116
383429
2840
Vjerojatno nećete slučajno izvući
tri plave loptice zaredom
06:38
out of a boxkutija of mostlyuglavnom yellowžuta boja ballsjaja.
117
386269
2484
iz kutije u kojoj je većina žutih loptica.
06:40
That is not plausiblyplausibly
randomlyslučajno sampleduzorkovani evidencedokaz.
118
388753
3747
To nije uvjerljiv slučajan uzorak.
06:44
That evidencedokaz suggestssugerira that maybe HyowonHyowon
was deliberatelynamjerno samplinguzorkovanja the blueplava ballsjaja.
119
392500
5123
Ti dokazi upućuju na to da je Hyowon
možda namjerno uzorkovala plave loptice.
06:49
Maybe there's something specialposeban
about the blueplava ballsjaja.
120
397623
2583
Možda ima nešto posebno
u tim plavim lopticama.
06:52
Maybe only the blueplava ballsjaja squeakcika.
121
400846
2976
Možda samo plave loptice sviraju.
06:55
Let's see what the babydijete does.
122
403822
1895
Pogledajmo što beba radi.
06:57
(VideoVideo) HGHG: See this?
(BallLopta squeaksškripanje)
123
405717
2904
HG: Vidiš ovo?
(Loptica svira)
07:02
See this toyigračka?
(BallLopta squeaksškripanje)
124
410851
2645
Vidiš ovu igračku?
(Loptica svira)
07:05
Oh, that was coolsvjež. See?
(BallLopta squeaksškripanje)
125
413496
5480
O, to je bilo fora! Vidiš?
(Loptica svira)
07:10
Now this one'sjedan je for you to playigrati.
You can go aheadnaprijed and playigrati.
126
418976
4394
A ova je tebi za igru.
Možeš se sada poigrati.
07:18
(FussingFussing)
(LaughterSmijeh)
127
426074
6347
(Smijeh)
07:26
LSJE LI: So you just saw
two 15-month-old-mjesec-star babiesbebe
128
434901
2748
LS: Dakle, vidjeli ste dvije
petnaestomjesečne bebe
07:29
do entirelypotpuno differentdrugačiji things
129
437649
1942
koje su se potpuno drugačije ponašale
07:31
basedzasnovan only on the probabilityvjerojatnost
of the sampleuzorak they observedpromatranom.
130
439591
3599
samo na temelju vjerojatnosti
promatranog uzorka.
07:35
Let me showpokazati you the experimentaleksperimentalan resultsrezultati.
131
443190
2321
Pokazat ću vam rezultate eksperimenta.
07:37
On the verticalvertikala axisos, you'llvi ćete see
the percentagepostotak of babiesbebe
132
445511
2764
Na okomitoj osi vidite postotak beba
07:40
who squeezedpod pritiskom the balllopta in eachsvaki conditionstanje,
133
448275
2530
koje su stisnule lopticu
u svakom slučaju,
07:42
and as you'llvi ćete see, babiesbebe are much
more likelyVjerojatno to generalizegeneralizirati the evidencedokaz
134
450805
3715
i kao možete vidjeti, bebe su
sklonije generalizirati dokaze
07:46
when it's plausiblyplausibly representativepredstavnik
of the populationpopulacija
135
454520
3135
koji uvjerljivo predstavljaju populaciju
07:49
than when the evidencedokaz
is clearlyjasno cherry-pickedtrešnja ubrano.
136
457655
3738
nego one koji su očito probrani.
07:53
And this leadsvodi to a funzabava predictionproricanje:
137
461393
2415
To dovodi do zanimljive pretpostavke:
07:55
SupposePretpostavimo da you pulledizvukao just one blueplava balllopta
out of the mostlyuglavnom yellowžuta boja boxkutija.
138
463808
4868
zamislite da izvučemo samo jednu plavu
lopticu iz kutije u kojoj je većina žutih.
08:00
You [probablyvjerojatno won'tnavika] pullVuci threetri blueplava ballsjaja
in a rowred at randomslučajan out of a yellowžuta boja boxkutija,
139
468896
3869
Vjerojatno nećete iz takve kutije
slučajno zaredom izvući tri plave loptice,
08:04
but you could randomlyslučajno sampleuzorak
just one blueplava balllopta.
140
472765
2455
ali mogli biste slučajno
izvući samo jednu plavu.
08:07
That's not an improbableNevjerojatno sampleuzorak.
141
475220
1970
To nije nevjerojatan uzorak.
08:09
And if you could reachdohvatiti into
a boxkutija at randomslučajan
142
477190
2224
Kad biste mogli slučajno iz kutije izvući
08:11
and pullVuci out something that squeaksškripanje,
maybe everything in the boxkutija squeaksškripanje.
143
479414
3987
nešto što svira, možda sve u njoj svira.
08:15
So even thoughiako babiesbebe are going to see
much lessmanje evidencedokaz for squeakingškripa,
144
483875
4445
Iako bebe vide puno manje
dokaza u korist sviranja,
08:20
and have manymnogi fewermanje actionsakcije to imitateimitirati
145
488320
2242
i imaju manje postupaka
koje mogu imitirati,
08:22
in this one balllopta conditionstanje than in
the conditionstanje you just saw,
146
490562
3343
u slučaju s jednom lopticom nego
u slučaju koji ste sada vidjeli,
08:25
we predictedpredvidjeti that babiesbebe themselvesse
would squeezeiscijediti more,
147
493905
3892
predvidjeli smo
da će same bebe češće stiskati,
08:29
and that's exactlytočno what we foundpronađeno.
148
497797
2894
a upravo se to i dogodilo.
08:32
So 15-month-old-mjesec-star babiesbebe,
in this respectpoštovanje, like scientistsznanstvenici,
149
500691
4411
U ovom slučaju petnaestomjesečne
bebe, kao i znanstvenike,
08:37
carebriga whetherda li evidencedokaz
is randomlyslučajno sampleduzorkovani or not,
150
505102
3088
zanima jesu li dokazi
slučajno izabrani ili nisu
08:40
and they use this to developrazviti
expectationsočekivanja about the worldsvijet:
151
508190
3507
i to koriste kako bi stvorile
očekivanja o svijetu:
08:43
what squeaksškripanje and what doesn't,
152
511697
2182
o tome što svira, a što ne,
08:45
what to exploreistražiti and what to ignorezanemariti.
153
513879
3145
što istraživati, a što ignorirati.
08:50
Let me showpokazati you anotherjoš exampleprimjer now,
154
518384
2066
Sada ću vam pokazati još jedan primjer,
08:52
this time about a problemproblem
of causalkauzalni reasoningrasuđivanje.
155
520450
2730
ovog puta o problemu
uzročnog zaključivanja,
08:55
And it startspočinje with a problemproblem
of confoundedsmesti evidencedokaz
156
523180
2439
a počinje s problemom zbunjujućih dokaza
08:57
that all of us have,
157
525619
1672
s kojim se svi suočavamo,
08:59
whichkoji is that we are partdio of the worldsvijet.
158
527291
2020
a to je da smo dio svijeta.
09:01
And this mightmoć not seemčiniti se like a problemproblem
to you, but like mostnajviše problemsproblemi,
159
529311
3436
Vama se ovo možda ne čini
kao problem, ali kao i većina problema,
09:04
it's only a problemproblem when things go wrongpogrešno.
160
532747
2337
problematično je samo
kad stvari pođu po zlu.
09:07
Take this babydijete, for instanceprimjer.
161
535464
1811
Uzmimo npr. ovu bebu.
09:09
Things are going wrongpogrešno for him.
162
537275
1705
Njemu stvari polaze po zlu.
09:10
He would like to make
this toyigračka go, and he can't.
163
538980
2271
Htio bi pokrenuti
ovu igračku, ali ne može.
09:13
I'll showpokazati you a few-secondnekoliko sekundi clipspojnica.
164
541251
2529
Pokazat ću vam filmić od nekoliko sekundi.
09:21
And there's two possibilitiesmogućnosti, broadlyširoko:
165
549340
1920
Općenito gledajući,
imamo dvije opcije.
09:23
Maybe he's doing something wrongpogrešno,
166
551260
2634
Možda on nešto krivo radi
09:25
or maybe there's something
wrongpogrešno with the toyigračka.
167
553894
4216
ili možda nešto nije u redu s igračkom.
09:30
So in this nextSljedeći experimenteksperiment,
168
558110
2111
U sljedećem eksperimentu
09:32
we're going to give babiesbebe
just a tinysićušan bitbit of statisticalstatistički datapodaci
169
560221
3297
bebama ćemo dati samo
mrvicu statističkih podataka
09:35
supportingPodrška one hypothesishipoteza over the other,
170
563518
2582
u prilog jedne ili druge hipoteze
09:38
and we're going to see if babiesbebe
can use that to make differentdrugačiji decisionsodluke
171
566100
3455
i vidjet ćemo mogu li
na temelju toga donositi razlčite odluke
09:41
about what to do.
172
569555
1834
o tome što trebaju učiniti.
09:43
Here'sOvdje je the setupPostava.
173
571389
2022
Evo kako smo to postavili.
09:46
HyowonHyowon is going to try to make
the toyigračka go and succeeduspjeti.
174
574071
3030
Hyowon će pokušati pokrenuti
igračku i u tome će i uspjeti.
09:49
I am then going to try twicedvaput
and failiznevjeriti bothoba timesputa,
175
577101
3320
Ja ću onda dvaput pokušati
i oba ću puta doživjeti neuspjeh,
09:52
and then HyowonHyowon is going
to try again and succeeduspjeti,
176
580421
3112
a onda će Hyowon
ponovno pokušati i uspjeti.
09:55
and this roughlygrubo sumsiznosi up my relationshipodnos
to my graduatediplomirani studentsstudenti
177
583533
3172
To ukratko opisuje i moj odnos
sa svim mojim doktorandima
09:58
in technologytehnologija acrosspreko the boardodbor.
178
586705
2835
iz tehnologije.
10:02
But the importantvažno pointtočka here is
it providespruža a little bitbit of evidencedokaz
179
590030
3292
Ali ono što je važno jest
da dajemo mrvicu dokaza
10:05
that the problemproblem isn't with the toyigračka,
it's with the personosoba.
180
593322
3668
da problem nije u igrački, nego u osobi.
10:08
Some people can make this toyigračka go,
181
596990
2350
Neki ljudi mogu pokrenuti ovu igračku,
10:11
and some can't.
182
599340
959
a drugi ne.
10:12
Now, when the babydijete getsdobiva the toyigračka,
he's going to have a choiceizbor.
183
600799
3413
Kad beba dobije igračku, moći će birati.
10:16
His mommama is right there,
184
604212
2188
Tamo mu je mama,
10:18
so he can go aheadnaprijed and handruka off the toyigračka
and changepromijeniti the personosoba,
185
606400
3315
pa može proslijediti igračku
i promijeniti osobu,
10:21
but there's alsotakođer going to be
anotherjoš toyigračka at the endkraj of that clothtkanina,
186
609715
3158
ali malo dalje bit će i druga igračka
10:24
and he can pullVuci the clothtkanina towardsza him
and changepromijeniti the toyigračka.
187
612873
3552
za kojom može posegnuti
te promijeniti igračku.
10:28
So let's see what the babydijete does.
188
616425
2090
Pogledajmo što beba radi.
10:30
(VideoVideo) HGHG: Two, threetri. Go!
(MusicGlazba)
189
618515
4183
HG: Dva, tri. Kreni!
(Glazba)
10:34
LSJE LI: One, two, threetri, go!
190
622698
3131
LS: Jedan, dva, tri, kreni!
10:37
ArthurArthur, I'm going to try again.
One, two, threetri, go!
191
625829
7382
Arthure, probat ću ponovo.
Jedan, dva, tri, kreni!
10:45
YGYG: ArthurArthur, let me try again, okay?
192
633677
2600
HG: Arthure, daj da ja
opet probam, može?
10:48
One, two, threetri, go!
(MusicGlazba)
193
636277
4550
Jedan, dva, tri, kreni!
(Glazba)
10:53
Look at that. RememberSjećam se these toysigračke?
194
641583
1883
Vidi ovo. Sjećaš se ovih igračaka?
10:55
See these toysigračke? Yeah, I'm going
to put this one over here,
195
643466
3264
Vidiš ove igračke?
Da, ovu ću staviti ovamo,
10:58
and I'm going to give this one to you.
196
646730
2062
a ovu ću dati tebi.
11:00
You can go aheadnaprijed and playigrati.
197
648792
2335
Sada se možeš igrati.
11:23
LSJE LI: Okay, LauraLaura, but of coursenaravno,
babiesbebe love theirnjihov mommiesmame.
198
671213
4737
LS: U redu, Laura,
ali bebe vole svoje mame.
11:27
Of coursenaravno babiesbebe give toysigračke
to theirnjihov mommiesmame
199
675950
2182
Naravno da bebe daju igračke svojim mamama
11:30
when they can't make them work.
200
678132
2030
kad ih ne mogu pokrenuti.
11:32
So again, the really importantvažno questionpitanje
is what happensdogađa se when we changepromijeniti
201
680162
3593
Ponovno, ono što je zbilja
važno jest što se događa
11:35
the statisticalstatistički datapodaci ever so slightlymalo.
202
683755
3154
kad neznatno izmijenimo
statističke podatke.
11:38
This time, babiesbebe are going to see the toyigračka
work and failiznevjeriti in exactlytočno the sameisti ordernarudžba,
203
686909
4087
Ovog puta bebe će vidjeti istu igračku da
radi i ne radi potpuno istim redoslijedom,
11:42
but we're changingmijenjanje
the distributiondistribucija of evidencedokaz.
204
690996
2415
ali promijenit ćemo raspored dokaza.
11:45
This time, HyowonHyowon is going to succeeduspjeti
oncejednom and failiznevjeriti oncejednom, and so am I.
205
693411
4411
Ovog će puta Hyowon jednom
uspjeti i jednom ne, kao i ja,
11:49
And this suggestssugerira it doesn't matterstvar
who triespokušava this toyigračka, the toyigračka is brokenslomljen.
206
697822
5637
što ukazuje na to da bez obzira na to
tko pokuša, igračka je pokvarena.
11:55
It doesn't work all the time.
207
703459
1886
Ne radi stalno.
11:57
Again, the baby'sbebe going to have a choiceizbor.
208
705345
1965
Beba će ponovno moći birati.
11:59
Her mommama is right nextSljedeći to her,
so she can changepromijeniti the personosoba,
209
707310
3396
Mama je odmah pokraj nje,
pa može promijeniti osobu,
12:02
and there's going to be anotherjoš toyigračka
at the endkraj of the clothtkanina.
210
710706
3204
a na kraju krpe bit će još jedna igračka.
12:05
Let's watch what she does.
211
713910
1378
Pogledajmo što će učiniti.
12:07
(VideoVideo) HGHG: Two, threetri, go!
(MusicGlazba)
212
715288
4348
HG: Dva, tri, kreni!
(Glazba)
12:11
Let me try one more time.
One, two, threetri, go!
213
719636
4984
Daj da još jednom probam.
Jedan, dva, tri, kreni!
12:17
HmmHmm.
214
725460
1697
Hmmm.
12:19
LSJE LI: Let me try, ClaraClara.
215
727950
2692
LS: Daj da ja probam, Clara.
12:22
One, two, threetri, go!
216
730642
3945
Jedan, dva, tri, kreni!
12:27
HmmHmm, let me try again.
217
735265
1935
Hmm, daj da opet probam.
12:29
One, two, threetri, go!
(MusicGlazba)
218
737200
5670
Jedan, dva, tri, kreni!
(glazba)
12:35
HGHG: I'm going
to put this one over here,
219
743009
2233
HG: Ovu ću staviti ovamo,
12:37
and I'm going to give this one to you.
220
745242
2001
a ovu ću dati tebi.
12:39
You can go aheadnaprijed and playigrati.
221
747243
3597
Možeš se igrati.
12:58
(ApplausePljesak)
222
766376
4897
(Pljesak)
13:04
LSJE LI: Let me showpokazati you
the experimentaleksperimentalan resultsrezultati.
223
772993
2392
LS: Pokazat ću vam rezultate eksperimenta.
13:07
On the verticalvertikala axisos,
you'llvi ćete see the distributiondistribucija
224
775385
2475
Na okomitoj osi vidite raspodjelu
13:09
of children'sdječji choicesizbori in eachsvaki conditionstanje,
225
777860
2577
dječjih odgovora u svakom od slučajeva
13:12
and you'llvi ćete see that the distributiondistribucija
of the choicesizbori childrendjeca make
226
780437
4551
i kao što vidite,
raspodjela dječjih odluka
13:16
dependsovisi on the evidencedokaz they observepromatrati.
227
784988
2787
ovisi o dokazima koje promatraju.
13:19
So in the seconddrugi yeargodina of life,
228
787775
1857
U drugoj godini života
13:21
babiesbebe can use a tinysićušan bitbit
of statisticalstatistički datapodaci
229
789632
2577
bebe mogu koristiti
djelić statističkih podataka
13:24
to decideodlučiti betweenizmeđu two
fundamentallyfundamentalno differentdrugačiji strategiesstrategije
230
792209
3367
kako bi odlučili između dvaju
znatno različitih strategija
13:27
for actinggluma in the worldsvijet:
231
795576
1881
pristupa svijetu:
13:29
askingtraži for help and exploringistraživanje.
232
797457
2743
traženje pomoći i istraživanje.
13:33
I've just shownprikazan you
two laboratorylaboratorija experimentspokusi
233
801700
3434
Upravo sam vam pokazala
dva laboratorijska eksperimenta
13:37
out of literallydoslovce hundredsstotine in the fieldpolje
that make similarsličan pointsbodova,
234
805134
3691
među stotinama eksperimenata na ovom
području koji ukazuju na slične zaključke
13:40
because the really criticalkritično pointtočka
235
808825
2392
jer ono što je zaista ključno
13:43
is that children'sdječji abilitysposobnost
to make richbogat inferenceszaključke from sparseoskudni datapodaci
236
811217
5108
jest da dječja sposobnost da donose
bogate zaključke iz malo podataka
13:48
underliesnalazi u pozadini all the species-specificSpecies-specific
culturalkulturni learningučenje that we do.
237
816325
5341
temelj je svakog kulturološkog učenja
specifičnog za našu vrstu.
13:53
ChildrenDjeca learnnaučiti about newnovi toolsalat
from just a fewnekoliko examplesprimjeri.
238
821666
4597
Djeca uče o novim alatima
iz tek nekoliko primjera.
13:58
They learnnaučiti newnovi causalkauzalni relationshipsodnosa
from just a fewnekoliko examplesprimjeri.
239
826263
4717
Uče nove kauzalne odnose
iz tek nekoliko primjera.
14:03
They even learnnaučiti newnovi wordsriječi,
in this casespis in AmericanAmerički SignZnak LanguageJezik.
240
831928
4871
Uče čak i nove riječi, u ovom
slučaju američki znakovni jeziik.
14:08
I want to closeblizu with just two pointsbodova.
241
836799
2311
Želim završiti s dva zaključka.
14:12
If you've been followingsljedeći my worldsvijet,
the fieldpolje of brainmozak and cognitivespoznajni sciencesznanosti,
242
840050
3688
Ako ste pratili područje
mozga i kognitivnih znanosti
14:15
for the pastprošlost fewnekoliko yearsgodina,
243
843738
1927
zadnjih nekoliko godina,
14:17
threetri bigvelika ideasideje will have come
to your attentionpažnja.
244
845665
2415
primijetili ste tri velike ideje.
14:20
The first is that this is
the eradoba of the brainmozak.
245
848080
3436
Prva - ovo je era mozga.
14:23
And indeeddoista, there have been
staggeringzapanjujući discoveriesotkrića in neuroscienceneuroznanost:
246
851516
3669
U neuroznanosti se uistinu
dogodio niz zapanjujućih otkrića:
14:27
localizinglokaliziranje functionallyfunkcionalno specializedspecijalizirani
regionsregije of cortexkorteks,
247
855185
3436
lokalizacija funkcionalno
specijaliziranih regija korteksa,
14:30
turningtokarenje mousemiš brainsmozak transparenttransparentan,
248
858621
2601
transparentnost mišjih mozgova,
14:33
activatingaktiviranje neuronsneuroni with lightsvjetlo.
249
861222
3776
aktiviranje neurona pomoću svjetlosti.
14:36
A seconddrugi bigvelika ideaideja
250
864998
1996
Druga velika ideja
14:38
is that this is the eradoba of bigvelika datapodaci
and machinemašina learningučenje,
251
866994
4104
jest da je ovo era velike
količine podataka i strojnog učenja,
14:43
and machinemašina learningučenje promisesobećanja
to revolutionizerevolucionirati our understandingrazumijevanje
252
871098
3141
a strojno učenje obećava
revoluciju našeg razumijevanja
14:46
of everything from socialsocijalni networksmreže
to epidemiologyepidemiologija.
253
874239
4667
svega od društvenih
mreža do epidemiologije.
14:50
And maybe, as it tacklesdotiče problemsproblemi
of scenescena understandingrazumijevanje
254
878906
2693
Budući da se bavi problemima
razumijevanja scene
14:53
and naturalprirodni languagejezik processingobrada,
255
881599
1993
i obrade prirodnog jezika,
14:55
to tell us something
about humanljudski cognitionspoznaja.
256
883592
3324
možda nam može nešto
reći o ljudskoj spoznaji.
14:59
And the finalkonačni bigvelika ideaideja you'llvi ćete have heardčuo
257
887756
1937
Posljednja velika ideja
15:01
is that maybe it's a good ideaideja we're going
to know so much about brainsmozak
258
889693
3387
jest da je možda dobra stvar
to što ćemo znati toliko o mozgovima
15:05
and have so much accesspristup to bigvelika datapodaci,
259
893080
1917
i imati pristup tolikoj bazi podataka
15:06
because left to our ownvlastiti devicesuređaji,
260
894997
2507
jer kad su prepušteni sami sebi,
15:09
humansljudi are falliblepogrešiv, we take shortcutsprečaci,
261
897504
3831
ljudi su grešni, koriste prečace,
15:13
we errgriješiti, we make mistakesgreške,
262
901335
3437
griješe, čine pogreške,
15:16
we're biasedpristran, and in innumerablebezbroj waysnačine,
263
904772
3684
pristrani su i na nebrojene načine
15:20
we get the worldsvijet wrongpogrešno.
264
908456
2969
pogrešno shvaćaju svijet.
15:24
I think these are all importantvažno storiespriče,
265
912843
2949
Mislim da su sve ovo važne priče
15:27
and they have a lot to tell us
about what it meanssredstva to be humanljudski,
266
915792
3785
i mogu nam puno toga reći
o tome što to znači biti čovjek,
15:31
but I want you to noteBilješka that todaydanas
I told you a very differentdrugačiji storypriča.
267
919577
3529
ali želim da primijetite da sam vam
danas ispričala posve drugačiju priču,
15:35
It's a storypriča about mindsmisli and not brainsmozak,
268
923966
3807
priču o umovima, a ne o mozgovima.
15:39
and in particularposebno, it's a storypriča
about the kindsvrste of computationsizračunavanje
269
927773
3006
Točnije, to je priča o vrstama računanja
15:42
that uniquelyjedinstveno humanljudski mindsmisli can performizvesti,
270
930779
2590
koje samo ljudski umovi mogu izvršiti,
15:45
whichkoji involveobuhvatiti richbogat, structuredstrukturirani knowledgeznanje
and the abilitysposobnost to learnnaučiti
271
933369
3944
a koji uključuju bogato
strukturirano znanje i sposobnost učenja
15:49
from smallmali amountsiznosi of datapodaci,
the evidencedokaz of just a fewnekoliko examplesprimjeri.
272
937313
5268
na temelju vrlo malo
podataka, dokaza ili primjera.
15:56
And fundamentallyfundamentalno, it's a storypriča
about how startingpolazeći as very smallmali childrendjeca
273
944301
4299
To je u osnovi priča o tome kako se
započevši svoj put kao sasvim mala djeca
16:00
and continuingnastavlja out all the way
to the greatestnajveći accomplishmentspostignuća
274
948600
4180
razvijamo do najvećih postignuća
16:04
of our cultureKultura,
275
952780
3843
naše kulture
16:08
we get the worldsvijet right.
276
956623
1997
i svijet shvaćamo ispravno.
16:12
FolksLjudi, humanljudski mindsmisli do not only learnnaučiti
from smallmali amountsiznosi of datapodaci.
277
960433
5267
Ljudi, naši umovi ne uče
samo iz malih količina podataka.
16:18
HumanLjudski mindsmisli think
of altogethersve u svemu newnovi ideasideje.
278
966285
2101
Ljudski umovi stvaraju sasvim nove ideje,
16:20
HumanLjudski mindsmisli generategenerirati
researchistraživanje and discoveryotkriće,
279
968746
3041
pokreću istraživanja i otkrića,
16:23
and humanljudski mindsmisli generategenerirati
artumjetnost and literatureknjiževnost and poetrypoezija and theaterkazalište,
280
971787
5273
stvaraju umjetnost,
književnost, povijest, kazalište
16:29
and humanljudski mindsmisli take carebriga of other humansljudi:
281
977070
3760
te brinu za druge ljude:
16:32
our oldstar, our youngmladi, our sickbolestan.
282
980830
3427
naše stare, naše mlade, naše bolesne.
16:36
We even healliječiti them.
283
984517
2367
Liječimo ih.
16:39
In the yearsgodina to come, we're going
to see technologicaltehnološki innovationsinovacije
284
987564
3103
U predstojećim godinama svjedočit ćemo
tehnološkim inovacijama
16:42
beyondIznad anything I can even envisionpredvidjeti,
285
990667
3797
iznad svih mojih očekivanja,
16:46
but we are very unlikelynevjerojatno
286
994464
2150
ali teško da ćemo
16:48
to see anything even approximatingpribližavanje
the computationalračunalna powervlast of a humanljudski childdijete
287
996614
5709
svjedočiti ičemu što je
približno djetetovoj moći računanja
16:54
in my lifetimedoživotno or in yourstvoj.
288
1002323
4298
- za mog života ili za vaših života.
16:58
If we investInvestirati in these mostnajviše powerfulsnažan
learnersučenici and theirnjihov developmentrazvoj,
289
1006621
5047
Uložimo li u ove najmoćnije
učenike i u njihov razvoj,
17:03
in babiesbebe and childrendjeca
290
1011668
2917
u bebe i djecu,
17:06
and mothersmajke and fathersoci
291
1014585
1826
majke i očeve,
17:08
and caregiversskrbnici and teachersučitelji
292
1016411
2699
skrbnike i nastavnike
17:11
the waysnačine we investInvestirati in our other
mostnajviše powerfulsnažan and elegantelegantan formsobrasci
293
1019110
4170
onoliko koliko ulažemo u druge
najmoćnije i najelegantnije oblike
17:15
of technologytehnologija, engineeringinženjering and designdizajn,
294
1023280
3218
tehnologije, inženjeringa i dizajna,
17:18
we will not just be dreamingsanjanje
of a better futurebudućnost,
295
1026498
2939
nećemo samo sanjati o boljoj budućnosti
17:21
we will be planningplaniranje for one.
296
1029437
2127
već ćemo je i planirati.
17:23
Thank you very much.
297
1031564
2345
Puno vam hvala.
17:25
(ApplausePljesak)
298
1033909
3421
(Pljesak)
17:29
ChrisChris AndersonAnderson: LauraLaura, thank you.
I do actuallyzapravo have a questionpitanje for you.
299
1037810
4426
Chris Anderson: Laura,
hvala ti, ali imam pitanje za tebe.
17:34
First of all, the researchistraživanje is insanelud.
300
1042236
2359
Kao prvo, istraživanje je preludo.
17:36
I mean, who would designdizajn
an experimenteksperiment like that? (LaughterSmijeh)
301
1044595
3725
Mislim, tko bi uopće osmislio
takav eksperiment? (Smijeh)
17:41
I've seenvidio that a couplepar of timesputa,
302
1049150
1790
Nekoliko sam to puta vidio,
17:42
and I still don't honestlypošteno believe
that that can trulyuistinu be happeningdogađa,
303
1050940
3222
i još uvijek ne vjerujem
da se to stvarno događa,
17:46
but other people have doneučinio
similarsličan experimentspokusi; it checksprovjerava out.
304
1054162
3158
ali drugi su ljudi provodili
slične eksperimente - drži vodu.
17:49
The babiesbebe really are that geniusgenije.
305
1057320
1633
Bebe uistinu jesu geniji.
17:50
LSJE LI: You know, they look really impressiveimpresivan
in our experimentspokusi,
306
1058953
3007
LS: U našim eksperimentima
doista izgledaju impresivno,
17:53
but think about what they
look like in realstvaran life, right?
307
1061960
2652
ali razmisli o tome kako
izgledaju u stvarnom životu.
17:56
It startspočinje out as a babydijete.
308
1064612
1150
Počinje kao beba,
17:57
EighteenOsamnaest godina monthsmjeseci laterkasnije,
it's talkingkoji govori to you,
309
1065762
2007
osamnaest mjeseci kasnije priča s vama,
17:59
and babies'male bebe first wordsriječi aren'tnisu just
things like ballsjaja and duckspatke,
310
1067769
3041
a njihove prve riječi nisu samo
stvari poput loptica i patkica
18:02
they're things like "all goneotišao,"
whichkoji referuputiti to disappearancenestanak,
311
1070810
2881
već i stvari poput "nema više",
koji se odnosi na nestajanje.
18:05
or "uh-ohUh-oh," whichkoji referuputiti
to unintentionalnenamjerno actionsakcije.
312
1073691
2283
Ili "uh-oh" koji se odnosi
na nenamjerne radnje.
18:07
It has to be that powerfulsnažan.
313
1075974
1562
Mora biti toliko moćno.
18:09
It has to be much more powerfulsnažan
than anything I showedpokazala you.
314
1077536
2775
Mora biti moćnije od svega
što sam vam pokazala.
18:12
They're figuringfiguring out the entirečitav worldsvijet.
315
1080311
1974
Pokušavaju shvatiti cijeli svijet.
18:14
A four-year-oldčetiri-godišnjak can talk to you
about almostskoro anything.
316
1082285
3144
Četverogodišnjak s vama može
razgovarati gotovo o bilo čemu.
18:17
(ApplausePljesak)
317
1085429
1601
(Pljesak)
18:19
CACA: And if I understandrazumjeti you right,
the other keyključ pointtočka you're makingizrađivanje is,
318
1087030
3414
CA: A ako sam vas dobro razumio,
vaš drugi ključni argument jest
18:22
we'veimamo been throughkroz these yearsgodina
where there's all this talk
319
1090444
2754
da se godinama priča o tome
18:25
of how quirkyigra riječima and buggylud our mindsmisli are,
320
1093198
1932
koliko su naši umovi čudni i grešni,
18:27
that behavioralponašanja economicsekonomija
and the wholečitav theoriesteorije behindiza that
321
1095130
2867
da bihevioralna ekonomija
i teorije o tome govore
18:29
that we're not rationalracionalan agentsagenti.
322
1097997
1603
da nismo racionalni agenti.
18:31
You're really sayingizreka that the biggerveći
storypriča is how extraordinaryizvanredan,
323
1099600
4216
Vi zapravo govorite o većoj priči
o tome koliko smo nevjerojatni
18:35
and there really is geniusgenije there
that is underappreciatedunderappreciated.
324
1103816
4944
i da se tu negdje zaista
krije podcijenjeni genij.
18:40
LSJE LI: One of my favoriteljubimac
quotescitati in psychologyPsihologija
325
1108760
2070
LS: Jedan od najdražih
mi psiholoških citata
18:42
comesdolazi from the socialsocijalni
psychologistpsiholog SolomonSalomon AschAsch,
326
1110830
2290
dolazi od socijalnog psihologa
Solomona Ascha
18:45
and he said the fundamentalosnovni taskzadatak
of psychologyPsihologija is to removeukloniti
327
1113120
2807
koji je rekao da je temeljna
zadaća psihologije ukloniti
18:47
the veilveo of self-evidenceSelf-Evidence from things.
328
1115927
2626
veo očiglednosti sa stvari.
18:50
There are ordersnarudžbe of magnitudeveličina
more decisionsodluke you make everysvaki day
329
1118553
4551
Postoji niz odluka
koje donosite svakog dana,
18:55
that get the worldsvijet right.
330
1123104
1347
a kojima shvaćate svijet.
18:56
You know about objectsobjekti
and theirnjihov propertiesnekretnine.
331
1124451
2132
Znate o objektima i njihovim svojstvima.
18:58
You know them when they're occludedputovizatvaraju.
You know them in the darkmrak.
332
1126583
3029
Prepoznajete ih kad su skriveni,
prepoznajete ih u mraku.
19:01
You can walkhodati throughkroz roomssobe.
333
1129612
1308
Prolazite sobama.
19:02
You can figurelik out what other people
are thinkingmišljenje. You can talk to them.
334
1130920
3532
Možete shvatiti što drugi ljudi
misle, možete razgovarati s njima.
19:06
You can navigateploviti spaceprostor.
You know about numbersbrojevi.
335
1134452
2230
Možete se kretati prostorom,
znate za brojeve.
19:08
You know causalkauzalni relationshipsodnosa.
You know about moralmoralan reasoningrasuđivanje.
336
1136682
3022
Znate o posljedičnim vezama,
znate o moralnosti.
19:11
You do this effortlesslybez napora,
so we don't see it,
337
1139704
2356
To činite bez napora,
pa to ni ne primjećujemo,
19:14
but that is how we get the worldsvijet right,
and it's a remarkableizvanredan
338
1142060
2912
ali tako ispravno shvaćamo
svijet i to je nevjerojatno
19:16
and very difficult-to-understandteško razumjeti
accomplishmentsvršavanje.
339
1144972
2318
i teško razumljivo postignuće.
19:19
CACA: I suspectsumnjiv there are people
in the audiencepublika who have
340
1147290
2628
CA: Vjerujem da u publici ima ljudi
19:21
this viewpogled of acceleratingubrzanje
technologicaltehnološki powervlast
341
1149918
2238
koji vjeruju u ubrzanje tehnološke moći
19:24
who mightmoć disputespora your statementizjava
that never in our lifetimesvijekom trajanja
342
1152156
2958
i koji bi mogli osporavati vašu
izjavu da nikad za naših života
19:27
will a computerračunalo do what
a three-year-oldtri-godišnjak childdijete can do,
343
1155114
2618
računalo neće moći raditi
ono što trogodišnjak može,
19:29
but what's clearčisto is that in any scenarioscenario,
344
1157732
3248
ali jasno je da u bilo kojem scenarju
19:32
our machinesstrojevi have so much to learnnaučiti
from our toddlersmala djeca.
345
1160980
3770
naši strojevi imaju
puno za učiti od djece.
19:38
LSJE LI: I think so. You'llVi ćete have some
machinemašina learningučenje folksljudi up here.
346
1166230
3216
LS: Mislim da da. Imat ćete ovdje i
strojeve koji poučavaju ljude,
19:41
I mean, you should never betkladiti se
againstprotiv babiesbebe or chimpanzeesčimpanze
347
1169446
4203
ali nikad se ne biste trebali kladiti
protiv djece ili čimpanzi
19:45
or technologytehnologija as a matterstvar of practicepraksa,
348
1173649
3645
ili tehnologije općenito,
19:49
but it's not just
a differencerazlika in quantitykoličina,
349
1177294
4528
ali ne radi se tu samo
o razlici u kvantiteti,
19:53
it's a differencerazlika in kindljubazan.
350
1181822
1764
postoji i razlika u vrsti.
19:55
We have incrediblynevjerojatno powerfulsnažan computersračunala,
351
1183586
2160
Imamo nevjerojatno moćna računala
19:57
and they do do amazinglyzačuđeno
sophisticatedsofisticirana things,
352
1185746
2391
koja rade nevjerojatne
i sofisticirane stvari,
20:00
oftenčesto with very bigvelika amountsiznosi of datapodaci.
353
1188137
3204
često s velikim količinama podataka.
20:03
HumanLjudski mindsmisli do, I think,
something quitedosta differentdrugačiji,
354
1191341
2607
Ljudski umovi čine nešto sasvim drugačije
20:05
and I think it's the structuredstrukturirani,
hierarchicalhijerarhijski naturepriroda of humanljudski knowledgeznanje
355
1193948
3895
i mislim da strukturirana
hijerajhijska narav ljudskog znanja
20:09
that remainsostaci a realstvaran challengeizazov.
356
1197843
2032
nastavlja predstavljati pravi izazov.
20:11
CACA: LauraLaura SchulzSchulz, wonderfulpredivan
foodhrana for thought. Thank you so much.
357
1199875
3061
CA: Laura Schulz, dali ste nam
na razmišljanje. Hvala vam.
20:14
LSJE LI: Thank you.
(ApplausePljesak)
358
1202936
2922
LS: Hvala vama.
(Pljesak)
Translated by Anja Kolobarić
Reviewed by Ivan Stamenkovic

▲Back to top

ABOUT THE SPEAKER
Laura Schulz - Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn.

Why you should listen

MIT Early Childhood Cognition Lab lead investigator Laura Schulz studies learning in early childhood. Her research bridges computational models of cognitive development and behavioral studies in order to understand the origins of inquiry and discovery.

Working in play labs, children’s museums, and a recently-launched citizen science website, Schultz is reshaping how we view young children’s perceptions of the world around them. Some of the surprising results of her research: before the age of four, children expect hidden causes when events happen probabilistically, use simple experiments to distinguish causal hypotheses, and trade off learning from instruction and exploration.

More profile about the speaker
Laura Schulz | Speaker | TED.com