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: Le sorprendenti menti logiche dei bambini

Filmed:
1,888,975 views

Come fanno i bambini ad imparare così velocemente da così pochi dati? In un discorso divertente, pieno di esperimenti, la scienziata cognitiva Laura Schulz ci mostra come i nostri piccoli, ben prima di poter parlare, prendano decisioni con un senso della logica sorprendentemente forte.
- 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.

Mark Twain ha riassunto
ciò che credo sia
00:12
MarkMark TwainTWAIN summedriassunto up
what I take to be
0
835
2155
00:14
one of the fundamentalfondamentale problemsi problemi
of cognitiveconoscitivo sciencescienza
1
2990
3120
uno dei problemi fondamentali
della scienza cognitiva
00:18
with a singlesingolo witticismarguzia.
2
6110
1710
con una battuta di spirito.
00:20
He said, "There's something
fascinatingaffascinante about sciencescienza.
3
8410
3082
Ha detto: "C'è qualcosa
di affascinante nella scienza.
00:23
One getsprende suchcome wholesaleVendita all'ingrosso
returnsritorna of conjecturecongettura
4
11492
3228
Si ottiene un tale ritorno di congetture
00:26
out of suchcome a triflinginsignificanti
investmentinvestimento in factfatto."
5
14720
3204
per un tale insignificante
investimento di fatti."
00:29
(LaughterRisate)
6
17924
1585
(Risate)
00:32
TwainTWAIN meantsignificava it as a jokescherzo,
of coursecorso, but he's right:
7
20199
2604
Ovviamente per Twain
era una battuta, ma ha ragione:
00:34
There's something
fascinatingaffascinante about sciencescienza.
8
22803
2876
la scienza è affasscinante.
00:37
From a fewpochi bonesossatura, we inferdedurre
the existenceesistenza of dinosuarsDinosuars.
9
25679
4261
Da poche ossa, deduciamo
l'esistenza dei dinosauri.
00:42
From spectralspettrale linesLinee,
the compositioncomposizione of nebulaenebulose.
10
30910
3871
Dalle linee spettrali,
la composizione delle nebulose.
00:47
From fruitfrutta fliesmosche,
11
35471
2938
Dai moscerini della frutta,
00:50
the mechanismsmeccanismi of heredityeredità,
12
38409
2943
i meccanismi dell'ereditarietà,
00:53
and from reconstructedricostruito imagesimmagini
of bloodsangue flowingfluente throughattraverso the braincervello,
13
41352
4249
e dalle immagini ricostruite
del flusso di sangue al cervello,
00:57
or in my casecaso, from the behaviorcomportamento
of very younggiovane childrenbambini,
14
45601
4708
o nel mio caso, dal comportamento
di bambini molto piccoli,
01:02
we try to say something about
the fundamentalfondamentale mechanismsmeccanismi
15
50309
2829
cerchiamo di dire qualcosa
sui meccanismi fondamentali
01:05
of humanumano cognitioncognizione.
16
53138
1618
della cognizione umana.
01:07
In particularparticolare, in my lablaboratorio in the DepartmentDipartimento
of BrainCervello and CognitiveConoscitivo SciencesScienze at MITMIT,
17
55716
4759
Nel mio laboratorio al Dipartimento
di Scienze Cognitive del MIT,
01:12
I have spentspeso the pastpassato decadedecennio
tryingprovare to understandcapire the mysterymistero
18
60475
3654
ho trascorso gli ultimi dieci anni
a cercare di capire il mistero
01:16
of how childrenbambini learnimparare so much
from so little so quicklyvelocemente.
19
64129
3977
su come i bambini imparino così tanto
da così poco, così in fretta.
01:20
Because, it turnsgiri out that
the fascinatingaffascinante thing about sciencescienza
20
68666
2978
L'aspetto affascinante della scienza
risulta essere
01:23
is alsoanche a fascinatingaffascinante
thing about childrenbambini,
21
71644
3529
anche un aspetto emozionante
dei bambini,
01:27
whichquale, to put a gentlerpiù delicato
spinrotazione on MarkMark TwainTWAIN,
22
75173
2581
ovvero, parafrasando Mark Twain,
01:29
is preciselyprecisamente theirloro abilitycapacità
to drawdisegnare richricco, abstractastratto inferencesinferenze
23
77754
4650
la loro abilità nel ricavare
deduzioni astratte e ricche
01:34
rapidlyrapidamente and accuratelycon precisione
from sparseRadi, noisyrumoroso datadati.
24
82404
4661
rapidamente e accuratamente
a partire da dati rumorosi e frammentati.
01:40
I'm going to give you
just two examplesesempi todayoggi.
25
88355
2398
Oggi vi mostrerò due esempi.
01:42
One is about a problemproblema of generalizationgeneralizzazione,
26
90753
2287
Uno riguarda un problema
di generalizzazione,
01:45
and the other is about a problemproblema
of causalcausale reasoningragionamento.
27
93040
2850
e l'altro è un problema
di ragionamento causale.
01:47
And althoughsebbene I'm going to talk
about work in my lablaboratorio,
28
95890
2525
Anche se vi parlerò
del mio lavoro in laboratorio,
01:50
this work is inspiredispirato by
and indebtedindebitati to a fieldcampo.
29
98415
3460
questo lavoro è ispirato
e circoscritto a un campo.
01:53
I'm gratefulgrato to mentorsmentori, colleaguescolleghi,
and collaboratorscollaboratori around the worldmondo.
30
101875
4283
Sono grata ai miei mentori, colleghi
e collaboratori in tutto il mondo.
01:59
Let me startinizio with the problemproblema
of generalizationgeneralizzazione.
31
107308
2974
Inizierò con il problema
di generalizzazione.
02:02
GeneralizingGeneralizzando from smallpiccolo samplescampioni of datadati
is the breadpane and butterburro of sciencescienza.
32
110652
4133
Generalizzare a partire da pochi dati
è la base della scienza.
02:06
We pollsondaggio a tinyminuscolo fractionfrazione of the electorateelettorato
33
114785
2554
Intervistiamo una piccola frazione
dell'elettorato
02:09
and we predictpredire the outcomerisultato
of nationalnazionale electionselezioni.
34
117339
2321
e prediciamo i risultati
delle elezioni nazionali.
02:12
We see how a handfulmanciata of patientspazienti
respondsrisponde to treatmenttrattamento in a clinicalclinico trialprova,
35
120240
3925
Vediamo come una manciata di pazienti
reagisce alla cura in un test clinico
02:16
and we bringportare drugsfarmaci to a nationalnazionale marketmercato.
36
124165
3065
e portiamo le medicine sul mercato.
02:19
But this only workslavori if our samplecampione
is randomlya caso drawndisegnato from the populationpopolazione.
37
127230
4365
Ma questo funziona solo se il campione
è scelto casualmente tra la popolazione.
02:23
If our samplecampione is cherry-pickedraccolte a ciliegia
in some way --
38
131595
2735
Se il campione è scelto
selettivamente --
02:26
say, we pollsondaggio only urbanurbano voterselettori,
39
134330
2072
ad esempio se intervistiamo
solo gli elettori urbani,
02:28
or say, in our clinicalclinico trialsprove
for treatmentstrattamenti for heartcuore diseasemalattia,
40
136402
4388
o se nei test clinici
per la cura delle malattie del cuore,
02:32
we includeincludere only menuomini --
41
140790
1881
includiamo solo uomini --
02:34
the resultsrisultati maypuò not generalizegeneralizzare
to the broaderpiù ampia populationpopolazione.
42
142671
3158
i risultati potrebbero non applicarsi
a tutta la popolazione.
02:38
So scientistsscienziati carecura whetherse evidenceprova
is randomlya caso sampledCampionati or not,
43
146479
3581
Agli scienziati importa se le prove
sono casualmente campionate o meno,
02:42
but what does that have to do with babiesbambini?
44
150060
2015
ma cosa ha a che fare
questo con i bambini?
02:44
Well, babiesbambini have to generalizegeneralizzare
from smallpiccolo samplescampioni of datadati all the time.
45
152585
4621
I bambini devono ogni volta generalizzare
da piccoli campioni di dati.
02:49
They see a fewpochi rubbergomma da cancellare ducksanatre
and learnimparare that they floatgalleggiante,
46
157206
3158
Vedono poche papere di gomma
e imparano che galleggiano,
02:52
or a fewpochi ballspalle and learnimparare that they bouncerimbalzo.
47
160364
3575
o poche palle
e imparano che rimbalzano.
02:55
And they developsviluppare expectationsaspettative
about ducksanatre and ballspalle
48
163939
2951
Sviluppano aspettative
su papere e palle
02:58
that they're going to extendestendere
to rubbergomma da cancellare ducksanatre and ballspalle
49
166890
2716
che estenderanno
a papere di gomma e palle
03:01
for the restriposo of theirloro livesvite.
50
169606
1879
per tutto il resto della vita.
03:03
And the kindstipi of generalizationsgeneralizzazioni
babiesbambini have to make about ducksanatre and ballspalle
51
171485
3739
E la generalizzazione che i bambini
devono applicare su papere e palle
03:07
they have to make about almostquasi everything:
52
175224
2089
devono applicarli a quasi tutto:
03:09
shoesscarpe and shipsnavi and sealingdi tenuta waxcera
and cabbagesCavoli and kingsre.
53
177313
3917
scarpe, navi, ceralacca, cavoli e re.
03:14
So do babiesbambini carecura whetherse
the tinyminuscolo bitpo of evidenceprova they see
54
182200
2961
Ai bambini importa
se la piccola parte delle prove che vedono
03:17
is plausiblyplausibilmente representativerappresentante
of a largerpiù grandi populationpopolazione?
55
185161
3692
è rappresentativo
di una popolazione più vasta?
03:21
Let's find out.
56
189763
1900
Scopriamolo.
03:23
I'm going to showmostrare you two moviesfilm,
57
191663
1723
Vi mostrerò due filmati,
uno per ognuna delle due condizioni
di un esperimento,
03:25
one from eachogni of two conditionscondizioni
of an experimentsperimentare,
58
193386
2462
03:27
and because you're going to see
just two moviesfilm,
59
195848
2438
e poiché vedrete solo due filmati,
03:30
you're going to see just two babiesbambini,
60
198286
2136
vedrete solo due bambini.
03:32
and any two babiesbambini differdifferire from eachogni other
in innumerableinnumerevoli waysmodi.
61
200422
3947
Qualunque bambino è diverso dagli altri
in tantissimi modi.
03:36
But these babiesbambini, of coursecorso,
here standstare in piedi in for groupsgruppi of babiesbambini,
62
204369
3051
Ma questi bambini, ovviamente,
rappresentano gruppi di bambini,
03:39
and the differencesdifferenze you're going to see
63
207420
1895
e le differenze che vedrete
03:41
representrappresentare averagemedia groupgruppo differencesdifferenze
in babies'Babies' behaviorcomportamento acrossattraverso conditionscondizioni.
64
209315
5195
sono differenze comportamentali di gruppo
nelle diverse condizioni.
03:47
In eachogni moviefilm, you're going to see
a babybambino doing maybe
65
215160
2583
In ogni filmato vedrete un bambino
che fa forse
03:49
just exactlydi preciso what you mightpotrebbe
expectaspettarsi a babybambino to do,
66
217743
3460
proprio quello che vi aspettereste
faccia un bambino,
03:53
and we can hardlyquasi make babiesbambini
more magicalmagico than they alreadygià are.
67
221203
4017
e non possiamo rendere i bambini
più magici di quanto già siano.
03:58
But to my mindmente the magicalmagico thing,
68
226090
2010
Ma per me la cosa magica,
04:00
and what I want you to paypagare attentionAttenzione to,
69
228100
2089
ciò a cui vorrei prestaste attenzione,
04:02
is the contrastcontrasto betweenfra
these two conditionscondizioni,
70
230189
3111
è il contrasto tra queste due condizioni,
04:05
because the only thing
that differssi differenzia betweenfra these two moviesfilm
71
233300
3529
perché l'unica cosa
che differisce tra questi due filmati
04:08
is the statisticalstatistico evidenceprova
the babiesbambini are going to observeosservare.
72
236829
3466
è l'evidenza statistica
che i bambini osserveranno.
04:13
We're going to showmostrare babiesbambini
a boxscatola of blueblu and yellowgiallo ballspalle,
73
241425
3183
Mostreremo ai bambini
una scatola di palle blu e gialle,
04:16
and my then-graduateAllora-laureato studentalunno,
now colleaguecollega at StanfordStanford, HyowonHYOWON GweonGweon,
74
244608
4620
e l'allora studentessa e mia collega
a Stanford, Hyowon Gwen,
04:21
is going to pullTirare threetre blueblu ballspalle
in a rowriga out of this boxscatola,
75
249228
3077
estrarrà dalla scatola
tre palle blu di seguito,
04:24
and when she pullstira those ballspalle out,
she's going to squeezespremere them,
76
252305
3123
e una volta estratte,
le spremerà,
04:27
and the ballspalle are going to squeaksquittio.
77
255428
2113
e le palle scricchioleranno.
04:29
And if you're a babybambino,
that's like a TEDTED Talk.
78
257541
2763
Se sei un bambino, è come un TED Talk.
04:32
It doesn't get better than that.
79
260304
1904
Non c'è niente di meglio.
04:34
(LaughterRisate)
80
262208
2561
(Risate)
04:38
But the importantimportante pointpunto is it's really
easyfacile to pullTirare threetre blueblu ballspalle in a rowriga
81
266968
3659
La cosa importante è che è davvero facile
estrarre tre palle blu di seguito
da una scatola
che contiene quasi solo palle blu.
04:42
out of a boxscatola of mostlysoprattutto blueblu ballspalle.
82
270627
2305
04:44
You could do that with your eyesocchi closedchiuso.
83
272932
2060
Potreste farlo a occhi chiusi.
04:46
It's plausiblyplausibilmente a randomcasuale samplecampione
from this populationpopolazione.
84
274992
2996
È un campione casuale
di questa popolazione.
04:49
And if you can reachraggiungere into a boxscatola at randomcasuale
and pullTirare out things that squeaksquittio,
85
277988
3732
E se potete estrarre casualmente
da una scatola cose che scricchiolano
04:53
then maybe everything in the boxscatola squeakscigolii.
86
281720
2839
forse allora qualsiasi cosa
nella scatola scricchiola.
04:56
So maybe babiesbambini should expectaspettarsi
those yellowgiallo ballspalle to squeaksquittio as well.
87
284559
3650
Perciò i bambini dovrebbero pensare
che anche le palle gialle scricchiolano.
05:00
Now, those yellowgiallo ballspalle
have funnydivertente sticksbastoni on the endfine,
88
288209
2519
Quelle palline gialle
hanno degli strani manici,
05:02
so babiesbambini could do other things
with them if they wanted to.
89
290728
2857
e, se volessero, i bambini
potrebbero farci altre cose
05:05
They could poundlibbra them or whackpicchiare them.
90
293585
1831
Potrebbero agitarle o colpirle.
05:07
But let's see what the babybambino does.
91
295416
2586
Ma vediamo cosa fa il bambino.
05:12
(VideoVideo) HyowonHYOWON GweonGweon: See this?
(BallPalla squeakscigolii)
92
300548
3343
(Video) Hyowon Gweon: La vedi?
(La palla scricchiola)
05:16
Did you see that?
(BallPalla squeakscigolii)
93
304531
3045
L'hai vista?
(La palla scricchiola)
05:20
CoolBello.
94
308036
3066
Forte.
05:24
See this one?
95
312706
1950
La vedi questa?
05:26
(BallPalla squeakscigolii)
96
314656
1881
(La palla scricchiola)
05:28
WowWow.
97
316537
2653
Wow.
05:33
LauraLaura SchulzSchulz: Told you. (LaughsRisate)
98
321854
2113
Laura Schulz: Ve l'avevo detto.
(Risate)
05:35
(VideoVideo) HGHG: See this one?
(BallPalla squeakscigolii)
99
323967
4031
(Video) HG: La vedi questa?
(La palla scricchiola)
05:39
Hey ClaraClara, this one'suno è for you.
You can go aheadavanti and playgiocare.
100
327998
4619
Ehi Clara, questa è per te.
Puoi giocarci.
05:51
(LaughterRisate)
101
339854
4365
(Risate)
05:56
LSLS: I don't even have to talk, right?
102
344219
2995
LS: Non devo neanche parlare, no?
05:59
All right, it's nicesimpatico that babiesbambini
will generalizegeneralizzare propertiesproprietà
103
347214
2899
Benissimo, è bello
che i bambini estendano le proprietà
06:02
of blueblu ballspalle to yellowgiallo ballspalle,
104
350113
1528
delle palle blu a quelle gialle,
06:03
and it's impressiveimpressionante that babiesbambini
can learnimparare from imitatingimitando us,
105
351641
3096
ed è impressionante che i bambini
possano imparare imitandoci,
06:06
but we'venoi abbiamo knownconosciuto those things about babiesbambini
for a very long time.
106
354737
3669
ma conosciamo da tanto
queste qualità dei bambini.
06:10
The really interestinginteressante questiondomanda
107
358406
1811
La domanda interessante
è cosa accade quando mostriamo ai bambini
la stessa identica cosa,
06:12
is what happensaccade when we showmostrare babiesbambini
exactlydi preciso the samestesso thing,
108
360217
2852
06:15
and we can ensuregarantire it's exactlydi preciso the samestesso
because we have a secretsegreto compartmentscomparto
109
363069
3611
e possiamo assicurare che è la stessa cosa
perché c'è uno scomparto segreto
06:18
and we actuallyin realtà pullTirare the ballspalle from there,
110
366680
2110
da cui estraiamo le palle,
06:20
but this time, all we changemodificare
is the apparentapparente populationpopolazione
111
368790
3478
ma questa volta, ciò che cambia
è il gruppo superficiale
06:24
from whichquale that evidenceprova was drawndisegnato.
112
372268
2902
da cui sono tratte le prove.
06:27
This time, we're going to showmostrare babiesbambini
threetre blueblu ballspalle
113
375170
3553
Questa volta mostreremo ai bambini
tre palle blu
06:30
pulledtirato out of a boxscatola
of mostlysoprattutto yellowgiallo ballspalle,
114
378723
3384
estratte da una scatola
che contiene soprattutto palle gialle,
06:34
and guessindovina what?
115
382107
1322
e indovinate?
06:35
You [probablyprobabilmente won'tnon lo farà] randomlya caso drawdisegnare
threetre blueblu ballspalle in a rowriga
116
383429
2840
È difficile estrarre casualmente
tre palle blu di seguito
06:38
out of a boxscatola of mostlysoprattutto yellowgiallo ballspalle.
117
386269
2484
da una scatola
di palle quasi tutte gialle.
06:40
That is not plausiblyplausibilmente
randomlya caso sampledCampionati evidenceprova.
118
388753
3747
Non si tratta di prove
casualmente campionate.
06:44
That evidenceprova suggestssuggerisce that maybe HyowonHYOWON
was deliberatelydeliberatamente samplingcampionamento the blueblu ballspalle.
119
392500
5123
Ci fa pensare che Hyowon stesse
deliberatamente scegliendo palle blu.
06:49
Maybe there's something specialspeciale
about the blueblu ballspalle.
120
397623
2583
Forse le palle blu sono speciali.
06:52
Maybe only the blueblu ballspalle squeaksquittio.
121
400846
2976
Forse solo le palle blu scricchiolano
06:55
Let's see what the babybambino does.
122
403822
1895
Vediamo cosa fa la bambina.
06:57
(VideoVideo) HGHG: See this?
(BallPalla squeakscigolii)
123
405717
2904
(Video) HG: La vedi questa?
(La palla scricchiola)
07:02
See this toygiocattolo?
(BallPalla squeakscigolii)
124
410851
2645
Vedi questo giocattolo?
(La palla scricchiola)
07:05
Oh, that was coolfreddo. See?
(BallPalla squeakscigolii)
125
413496
5480
Oh, che bello. Vedi?
(La palla scricchiola)
07:10
Now this one'suno è for you to playgiocare.
You can go aheadavanti and playgiocare.
126
418976
4394
Questa è per te.
Puoi giocarci.
07:18
(FussingFussing)
(LaughterRisate)
127
426074
6347
(Agitazione)
(Risate)
07:26
LSLS: So you just saw
two 15-month-old-mese-vecchio babiesbambini
128
434901
2748
LS: Avete appena visto due bambine
di quindici mesi
07:29
do entirelyinteramente differentdiverso things
129
437649
1942
fare cose completamente diverse
07:31
basedbasato only on the probabilityprobabilità
of the samplecampione they observedosservata.
130
439591
3599
basandosi solo sulla probabilità
del campione osservato.
07:35
Let me showmostrare you the experimentalsperimentale resultsrisultati.
131
443190
2321
Vi mostrerò i risultati dell'esperimento.
07:37
On the verticalverticale axisasse, you'llpotrai see
the percentagepercentuale of babiesbambini
132
445511
2764
Sull'asse verticale, vedrete
la percentuale dei bambini
07:40
who squeezedspremuto the ballpalla in eachogni conditioncondizione,
133
448275
2530
che hanno spremuto le palle
in ogni condizione,
07:42
and as you'llpotrai see, babiesbambini are much
more likelyprobabile to generalizegeneralizzare the evidenceprova
134
450805
3715
e vedrete che è più probabile
che i bambini generalizzino le prove
07:46
when it's plausiblyplausibilmente representativerappresentante
of the populationpopolazione
135
454520
3135
se sono credibilmente rappresentative
della popolazione
07:49
than when the evidenceprova
is clearlychiaramente cherry-pickedraccolte a ciliegia.
136
457655
3738
rispetto a quando le prove
sono selezionate appositamente.
07:53
And this leadsconduce to a fundivertimento predictionpredizione:
137
461393
2415
Questo ci porta
a una previsione divertente:
07:55
SupposeSi supponga che you pulledtirato just one blueblu ballpalla
out of the mostlysoprattutto yellowgiallo boxscatola.
138
463808
4868
ipotizzate di aver estratto una palla blu
da una scatola di quasi tutte gialle.
08:00
You [probablyprobabilmente won'tnon lo farà] pullTirare threetre blueblu ballspalle
in a rowriga at randomcasuale out of a yellowgiallo boxscatola,
139
468896
3869
Forse non estrarrete tre palle blu
di fila a caso da una scatola gialla,
08:04
but you could randomlya caso samplecampione
just one blueblu ballpalla.
140
472765
2455
ma potete estrarne a caso
una blu.
08:07
That's not an improbableimprobabili samplecampione.
141
475220
1970
Non è un campione improbabile.
08:09
And if you could reachraggiungere into
a boxscatola at randomcasuale
142
477190
2224
E se cercate casualmente nella scatola
08:11
and pullTirare out something that squeakscigolii,
maybe everything in the boxscatola squeakscigolii.
143
479414
3987
e estraete qualcosa che scricchiola
forse tutto nella scatola scricchiola.
08:15
So even thoughanche se babiesbambini are going to see
much lessDi meno evidenceprova for squeakingcigolio,
144
483875
4445
Anche se i bambini vedranno
meno palle scricchiolare
08:20
and have manymolti fewermeno actionsAzioni to imitateimitare
145
488320
2242
e avranno meno azioni da imitare
08:22
in this one ballpalla conditioncondizione than in
the conditioncondizione you just saw,
146
490562
3343
in questa condizione,
piuttosto che nell'altra,
08:25
we predictedprevisto that babiesbambini themselvesloro stessi
would squeezespremere more,
147
493905
3892
abbiamo predetto che i bambini stessi
avrebbero spremuto di più,
08:29
and that's exactlydi preciso what we foundtrovato.
148
497797
2894
ed è proprio quello che abbiamo visto.
08:32
So 15-month-old-mese-vecchio babiesbambini,
in this respectrispetto, like scientistsscienziati,
149
500691
4411
Ai bambini di quindici mesi,
quindi, come agli scienziati,
08:37
carecura whetherse evidenceprova
is randomlya caso sampledCampionati or not,
150
505102
3088
importa se le prove
siano randomizzate o no,
08:40
and they use this to developsviluppare
expectationsaspettative about the worldmondo:
151
508190
3507
e lo usano per sviluppare
aspettative sul mondo:
08:43
what squeakscigolii and what doesn't,
152
511697
2182
cosa scricchiola e cosa no,
08:45
what to exploreEsplorare and what to ignoreignorare.
153
513879
3145
cosa esplorare e cosa ignorare.
08:50
Let me showmostrare you anotherun altro exampleesempio now,
154
518384
2066
Vi mostrerò un altro esempio,
08:52
this time about a problemproblema
of causalcausale reasoningragionamento.
155
520450
2730
questa volta di un problema
di ragionamento causale.
08:55
And it startsinizia with a problemproblema
of confoundedha confuso evidenceprova
156
523180
2439
Comincia con un problema
di prove confuse
08:57
that all of us have,
157
525619
1672
che abbiamo tutti noi,
08:59
whichquale is that we are partparte of the worldmondo.
158
527291
2020
ovvero che facciamo parte del mondo.
09:01
And this mightpotrebbe not seemsembrare like a problemproblema
to you, but like mostmaggior parte problemsi problemi,
159
529311
3436
Potrebbe non sembrarvi un problema,
ma come quasi tutti i problemi,
09:04
it's only a problemproblema when things go wrongsbagliato.
160
532747
2337
diventa un problema
quando le cose vanno male.
09:07
Take this babybambino, for instanceesempio.
161
535464
1811
Prendete questo bambino, per esempio.
09:09
Things are going wrongsbagliato for him.
162
537275
1705
Le cose gli stanno andando male.
Vorrebbe far partire il suo giocattolo,
ma non ci riesce.
09:10
He would like to make
this toygiocattolo go, and he can't.
163
538980
2271
09:13
I'll showmostrare you a few-secondalcuni secondi clipclip.
164
541251
2529
Vi mostrerò una clip di pochi secondi.
09:21
And there's two possibilitiespossibilità, broadlyin linea di massima:
165
549340
1920
Ci sono grossomodo due possibilità:
09:23
Maybe he's doing something wrongsbagliato,
166
551260
2634
o sta facendo qualcosa di sbagliato,
09:25
or maybe there's something
wrongsbagliato with the toygiocattolo.
167
553894
4216
o c'è qualcosa che non va nel giocattolo.
09:30
So in this nextIl prossimo experimentsperimentare,
168
558110
2111
Nel prossimo esperimento,
09:32
we're going to give babiesbambini
just a tinyminuscolo bitpo of statisticalstatistico datadati
169
560221
3297
daremo ai bambini
alcuni dati statistici
09:35
supportingsupporto one hypothesisipotesi over the other,
170
563518
2582
che supportano un'ipotesi
piuttosto che l'altra,
09:38
and we're going to see if babiesbambini
can use that to make differentdiverso decisionsdecisioni
171
566100
3455
e vedremo se i bambini se ne servono
per prendere decisioni diverse
09:41
about what to do.
172
569555
1834
sul da farsi.
09:43
Here'sQui è the setupprogramma di installazione.
173
571389
2022
Questa è la premessa.
09:46
HyowonHYOWON is going to try to make
the toygiocattolo go and succeedavere successo.
174
574071
3030
Hyowon proverà a far partire
il giocattolo e ci riuscirà.
09:49
I am then going to try twicedue volte
and failfallire bothentrambi timesvolte,
175
577101
3320
Poi io proverò due volte,
fallendo entrambe,
09:52
and then HyowonHYOWON is going
to try again and succeedavere successo,
176
580421
3112
e Hyowon proverà di nuovo
e ci riuscirà,
09:55
and this roughlyapprossimativamente sumssomme up my relationshiprelazione
to my graduatediplomato studentsstudenti
177
583533
3172
e questa è più o meno
la mia relazione con la tecnologia
09:58
in technologytecnologia acrossattraverso the boardtavola.
178
586705
2835
rispetto ai miei studenti.
10:02
But the importantimportante pointpunto here is
it providesfornisce a little bitpo of evidenceprova
179
590030
3292
Il punto importante qui
è che le prove ci dicono
10:05
that the problemproblema isn't with the toygiocattolo,
it's with the personpersona.
180
593322
3668
che il problema non è del giocattolo,
ma della persona.
Alcune persone riescono
a far funzionare il giocattolo,
10:08
Some people can make this toygiocattolo go,
181
596990
2350
10:11
and some can't.
182
599340
959
e altre no.
10:12
Now, when the babybambino getsprende the toygiocattolo,
he's going to have a choicescelta.
183
600799
3413
Quando il bambino prende il gioco,
avrà una scelta.
10:16
His mommamma is right there,
184
604212
2188
La sua mamma è lì,
10:18
so he can go aheadavanti and handmano off the toygiocattolo
and changemodificare the personpersona,
185
606400
3315
quindi può andare da lei, darle il gioco
e cambiare la persona,
10:21
but there's alsoanche going to be
anotherun altro toygiocattolo at the endfine of that clothpanno,
186
609715
3158
ma ci sarà anche un altro gioco
alla fine di quel tessuto,
10:24
and he can pullTirare the clothpanno towardsin direzione him
and changemodificare the toygiocattolo.
187
612873
3552
e può tirare il tessuto verso di sé
e cambiare il giocattolo.
10:28
So let's see what the babybambino does.
188
616425
2090
Vediamo cosa fa il bambino.
10:30
(VideoVideo) HGHG: Two, threetre. Go!
(MusicMusica)
189
618515
4183
(Video) HG: Due, tre. Via!
(Musica)
10:34
LSLS: One, two, threetre, go!
190
622698
3131
LS: Uno, due, tre, via!
10:37
ArthurArthur, I'm going to try again.
One, two, threetre, go!
191
625829
7382
Arthur, proverò di nuovo.
Uno, due, tre, via!
10:45
YGYG: ArthurArthur, let me try again, okay?
192
633677
2600
HG: Arthur, fa provare me, okay?
10:48
One, two, threetre, go!
(MusicMusica)
193
636277
4550
Uno, due, tre, via!
(Musica)
10:53
Look at that. RememberRicordate these toysGiocattoli?
194
641583
1883
Guarda. Ricordi questi giochi?
10:55
See these toysGiocattoli? Yeah, I'm going
to put this one over here,
195
643466
3264
Li vedi? Sì, metterò questo qui,
10:58
and I'm going to give this one to you.
196
646730
2062
e darò questo a te.
11:00
You can go aheadavanti and playgiocare.
197
648792
2335
Puoi giocarci.
11:23
LSLS: Okay, LauraLaura, but of coursecorso,
babiesbambini love theirloro mommiesmamme.
198
671213
4737
LS: Okay, Laura, ma è ovvio,
i bambini amano le loro mamme.
11:27
Of coursecorso babiesbambini give toysGiocattoli
to theirloro mommiesmamme
199
675950
2182
È ovvio che diano i giocattoli
alle mamme
11:30
when they can't make them work.
200
678132
2030
quando non riescono
a farli funzionare.
11:32
So again, the really importantimportante questiondomanda
is what happensaccade when we changemodificare
201
680162
3593
Di nuovo, la domanda importante
è cosa accade quando cambiamo
11:35
the statisticalstatistico datadati ever so slightlyleggermente.
202
683755
3154
leggermente i dati statistici.
11:38
This time, babiesbambini are going to see the toygiocattolo
work and failfallire in exactlydi preciso the samestesso orderordine,
203
686909
4087
Questa volta, i bambini vedranno il gioco
funzionare e fallire nello stesso ordine,
11:42
but we're changingmutevole
the distributiondistribuzione of evidenceprova.
204
690996
2415
ma cambiamo
la distribuzione delle prove.
11:45
This time, HyowonHYOWON is going to succeedavere successo
onceuna volta and failfallire onceuna volta, and so am I.
205
693411
4411
Questa volta, Hyowon riuscirà una volta
e fallirà una volta, proprio come me.
11:49
And this suggestssuggerisce it doesn't matterimporta
who triescerca this toygiocattolo, the toygiocattolo is brokenrotto.
206
697822
5637
Questo indica che non importa chi lo usi,
il giocattolo è rotto.
11:55
It doesn't work all the time.
207
703459
1886
Non funziona sempre.
11:57
Again, the baby'sdi bambino going to have a choicescelta.
208
705345
1965
Di nuovo, il bambino avrà una scelta.
11:59
Her mommamma is right nextIl prossimo to her,
so she can changemodificare the personpersona,
209
707310
3396
La mamma è vicino a lei,
quindi può cambiare la persona,
12:02
and there's going to be anotherun altro toygiocattolo
at the endfine of the clothpanno.
210
710706
3204
e ci sarà un altro giocattolo
alla fine del tessuto.
12:05
Let's watch what she does.
211
713910
1378
Guardiamo cosa fa.
12:07
(VideoVideo) HGHG: Two, threetre, go!
(MusicMusica)
212
715288
4348
(Video) HG: Due, tre, via!
(Musica)
12:11
Let me try one more time.
One, two, threetre, go!
213
719636
4984
Fammi riprovare.
Uno, due, tre, via!
12:17
HmmHmm.
214
725460
1697
Hmm.
12:19
LSLS: Let me try, ClaraClara.
215
727950
2692
LS: Fammi provare, Clara.
12:22
One, two, threetre, go!
216
730642
3945
Uno, due, tre, via!
12:27
HmmHmm, let me try again.
217
735265
1935
Hmm, fammi riprovare.
12:29
One, two, threetre, go!
(MusicMusica)
218
737200
5670
Uno, due, tre, via!
(Musica)
12:35
HGHG: I'm going
to put this one over here,
219
743009
2233
HG: Metterò questo qui,
12:37
and I'm going to give this one to you.
220
745242
2001
e darò quest'altro a te.
12:39
You can go aheadavanti and playgiocare.
221
747243
3597
Puoi giocarci.
12:58
(ApplauseApplausi)
222
766376
4897
(Applausi)
13:04
LSLS: Let me showmostrare you
the experimentalsperimentale resultsrisultati.
223
772993
2392
LS: Vi mostrerò
i risultati sperimentali.
13:07
On the verticalverticale axisasse,
you'llpotrai see the distributiondistribuzione
224
775385
2475
Sull'asse verticale,
vedrete la distribuzione
13:09
of children'sbambini choicesscelte in eachogni conditioncondizione,
225
777860
2577
delle scelte dei bambini
in ogni condizione,
13:12
and you'llpotrai see that the distributiondistribuzione
of the choicesscelte childrenbambini make
226
780437
4551
e vedete che la distribuzione
delle scelte dei bambini
13:16
dependsdipende on the evidenceprova they observeosservare.
227
784988
2787
dipende dalle prove osservate.
13:19
So in the secondsecondo yearanno of life,
228
787775
1857
Al secondo anno di vita
13:21
babiesbambini can use a tinyminuscolo bitpo
of statisticalstatistico datadati
229
789632
2577
i bambini possono usare una parte
dei dati statistici
13:24
to decidedecidere betweenfra two
fundamentallyfondamentalmente differentdiverso strategiesstrategie
230
792209
3367
per scegliere tra due strategie
fondamentalmente diverse
13:27
for actingrecitazione in the worldmondo:
231
795576
1881
per agire nel mondo:
13:29
askingchiede for help and exploringesplorando.
232
797457
2743
chiedere aiuto e esplorare.
13:33
I've just shownmostrato you
two laboratorylaboratorio experimentsesperimenti
233
801700
3434
Vi ho mostrato solo due delle centinaia
di esperimenti di laboratorio
13:37
out of literallyletteralmente hundredscentinaia in the fieldcampo
that make similarsimile pointspunti,
234
805134
3691
che mostrano le stesse cose,
13:40
because the really criticalcritico pointpunto
235
808825
2392
poiché il punto critico
13:43
is that children'sbambini abilitycapacità
to make richricco inferencesinferenze from sparseRadi datadati
236
811217
5108
è che la capacità dei bambini
di trarre conclusioni da pochi dati
13:48
underliesè alla base all the species-specificspecie-specifici
culturalculturale learningapprendimento that we do.
237
816325
5341
è alla base del nostro specifico
apprendimento culturale.
13:53
ChildrenBambini learnimparare about newnuovo toolsutensili
from just a fewpochi examplesesempi.
238
821666
4597
I bambini imparano a usare nuovi strumenti
soltanto da pochi esempi.
13:58
They learnimparare newnuovo causalcausale relationshipsrelazioni
from just a fewpochi examplesesempi.
239
826263
4717
Imparano nuove relazioni causali
partendo da pochi esempi.
14:03
They even learnimparare newnuovo wordsparole,
in this casecaso in AmericanAmericano SignSegno LanguageLingua.
240
831928
4871
Imparano persino nuove parole,
in questo caso nella lingua dei segni.
14:08
I want to closevicino with just two pointspunti.
241
836799
2311
Vorrei concludere con due punti.
14:12
If you've been followinga seguire my worldmondo,
the fieldcampo of braincervello and cognitiveconoscitivo sciencesscienze,
242
840050
3688
Se avete seguito negli ultimi anni
il mio mondo,
il campo delle scienze cognitive
e cerebrali,
14:15
for the pastpassato fewpochi yearsanni,
243
843738
1927
tre grandi idee avranno attirato
la vostra attenzione.
14:17
threetre biggrande ideasidee will have come
to your attentionAttenzione.
244
845665
2415
14:20
The first is that this is
the eraera of the braincervello.
245
848080
3436
La prima è che questa
è l'era del cervello.
14:23
And indeedinfatti, there have been
staggeringbarcollando discoveriesscoperte in neuroscienceneuroscienza:
246
851516
3669
Sono state fatte
strabilianti scoperte nella neuroscienza:
14:27
localizinglocalizzazione functionallyfunzionalmente specializedspecializzato
regionsregioni of cortexcorteccia,
247
855185
3436
la scoperta di regioni della corteccia
specializzate funzionalmente,
14:30
turningsvolta mousetopo brainsmente transparenttrasparente,
248
858621
2601
l'aver fatto diventare trasparenti
i cervelli dei topi,
14:33
activatingattivazione neuronsneuroni with lightleggero.
249
861222
3776
l'attivazione dei neuroni con la luce.
14:36
A secondsecondo biggrande ideaidea
250
864998
1996
Una seconda grande idea
14:38
is that this is the eraera of biggrande datadati
and machinemacchina learningapprendimento,
251
866994
4104
è che questa è l'era
dei Big Data e del machine learning.
14:43
and machinemacchina learningapprendimento promisespromesse
to revolutionizerivoluzionare our understandingcomprensione
252
871098
3141
L'apprendimento delle macchine
promette di rivoluzionare
la nostra comprensione di tutto,
dai social network all'epidemiologia.
14:46
of everything from socialsociale networksreti
to epidemiologyepidemiologia.
253
874239
4667
E forse, poiché affronta problemi
di comprensione della scena
14:50
And maybe, as it tacklesaffronta problemsi problemi
of scenescena understandingcomprensione
254
878906
2693
14:53
and naturalnaturale languageLingua processinglavorazione,
255
881599
1993
e di processione delle lingue naturali,
14:55
to tell us something
about humanumano cognitioncognizione.
256
883592
3324
di dirci qualcosa
sulla cognizione umana.
L'altra idea di cui avrete sentito parlare
14:59
And the finalfinale biggrande ideaidea you'llpotrai have heardsentito
257
887756
1937
15:01
is that maybe it's a good ideaidea we're going
to know so much about brainsmente
258
889693
3387
è che forse è un bene
che ne sapremo di più sui cervelli
15:05
and have so much accessaccesso to biggrande datadati,
259
893080
1917
e che avremo accesso ai Big Data,
15:06
because left to our ownproprio devicesdispositivi,
260
894997
2507
perché se lasciati a noi stessi,
15:09
humansgli esseri umani are falliblefallibile, we take shortcutstasti di scelta rapida,
261
897504
3831
noi umani siamo fallibili,
prendiamo scorciatoie,
15:13
we errErr, we make mistakeserrori,
262
901335
3437
sbagliamo,
commettiamo errori,
15:16
we're biasedparziale, and in innumerableinnumerevoli waysmodi,
263
904772
3684
siamo prevenuti in un'infinità di modi,
15:20
we get the worldmondo wrongsbagliato.
264
908456
2969
fraintendiamo il mondo.
15:24
I think these are all importantimportante storiesstorie,
265
912843
2949
Penso che siano
tutte storie importanti,
15:27
and they have a lot to tell us
about what it meanssi intende to be humanumano,
266
915792
3785
e ci potranno dire molto
su cosa voglia dire essere umani,
15:31
but I want you to noteNota that todayoggi
I told you a very differentdiverso storystoria.
267
919577
3529
ma vorrei farvi notare che oggi
vi ho raccontato una storia diversa.
15:35
It's a storystoria about mindsmenti and not brainsmente,
268
923966
3807
È una storia di menti e non di cervelli,
15:39
and in particularparticolare, it's a storystoria
about the kindstipi of computationscalcoli
269
927773
3006
e in particolare, è una storia
sui tipi di calcoli
15:42
that uniquelyunivocamente humanumano mindsmenti can performeseguire,
270
930779
2590
che solo le menti umane
possono compiere,
15:45
whichquale involvecoinvolgere richricco, structuredstrutturato knowledgeconoscenza
and the abilitycapacità to learnimparare
271
933369
3944
che riguardano conoscenze ricche,
strutturate, e l'abilità di imparare
15:49
from smallpiccolo amountsquantità of datadati,
the evidenceprova of just a fewpochi examplesesempi.
272
937313
5268
da poche quantità di dati,
da solo pochi esempi.
15:56
And fundamentallyfondamentalmente, it's a storystoria
about how startingdi partenza as very smallpiccolo childrenbambini
273
944301
4299
E fondamentalmente, è una storia
di come, iniziando da piccolissimi
16:00
and continuingcontinua out all the way
to the greatestpiù grande accomplishmentsrealizzazioni
274
948600
4180
e continuando fino ai traguardi
più straordinari
16:04
of our culturecultura,
275
952780
3843
della nostra cultura,
16:08
we get the worldmondo right.
276
956623
1997
capiamo bene il mondo.
16:12
FolksGente, humanumano mindsmenti do not only learnimparare
from smallpiccolo amountsquantità of datadati.
277
960433
5267
Gente, le menti umane non solo
imparano da piccole quantità di dati.
16:18
HumanUmano mindsmenti think
of altogetherComplessivamente newnuovo ideasidee.
278
966285
2101
Le menti umane pensano
idee nuovissime.
16:20
HumanUmano mindsmenti generatecreare
researchricerca and discoveryscoperta,
279
968746
3041
Le menti umane generano
ricerche e scoperte,
16:23
and humanumano mindsmenti generatecreare
artarte and literatureletteratura and poetrypoesia and theaterTeatro,
280
971787
5273
generano arte, letteratura,
poesia, teatro,
16:29
and humanumano mindsmenti take carecura of other humansgli esseri umani:
281
977070
3760
le menti umane si prendono cura
di altri umani:
16:32
our oldvecchio, our younggiovane, our sickmalato.
282
980830
3427
anziani, giovani, malati.
16:36
We even healguarire them.
283
984517
2367
Addirittura li guariamo.
16:39
In the yearsanni to come, we're going
to see technologicaltecnologico innovationsinnovazioni
284
987564
3103
Negli anni a venire,
vedremo innovazioni tecnologiche
16:42
beyondal di là anything I can even envisionEnvision,
285
990667
3797
superiori a qualsiasi cosa
si possa immaginare,
16:46
but we are very unlikelyimprobabile
286
994464
2150
ma è molto improbabile che vedremo,
16:48
to see anything even approximatingravvicinamento delle
the computationalcomputazionale powerenergia of a humanumano childbambino
287
996614
5709
nella mia o nella vostra esistenza,
16:54
in my lifetimetutta la vita or in yoursil tuo.
288
1002323
4298
qualcosa che si avvicini al potere
computazionale dei piccoli umani.
16:58
If we investinvestire in these mostmaggior parte powerfulpotente
learnersstudenti and theirloro developmentsviluppo,
289
1006621
5047
Se investiamo nello sviluppo
di questi potenti apprendenti,
17:03
in babiesbambini and childrenbambini
290
1011668
2917
nei bambini,
17:06
and mothersmadri and fatherspadri
291
1014585
1826
nelle madri, nei padri,
17:08
and caregiversoperatori sanitari and teachersinsegnanti
292
1016411
2699
nei baby-sitter e negli insegnanti,
17:11
the waysmodi we investinvestire in our other
mostmaggior parte powerfulpotente and elegantelegante formsforme
293
1019110
4170
nel modo in cui investiamo nelle altre
nostre forme eleganti e potenti
17:15
of technologytecnologia, engineeringingegneria and designdesign,
294
1023280
3218
di tecnologia, ingegneria e design,
17:18
we will not just be dreamingsognare
of a better futurefuturo,
295
1026498
2939
non sogneremo solo un futuro migliore,
17:21
we will be planningpianificazione for one.
296
1029437
2127
ma ne pianificheremo uno.
17:23
Thank you very much.
297
1031564
2345
Grazie mille.
17:25
(ApplauseApplausi)
298
1033909
3421
(Applausi)
17:29
ChrisChris AndersonAnderson: LauraLaura, thank you.
I do actuallyin realtà have a questiondomanda for you.
299
1037810
4426
Chris Anderson: Laura, grazie.
Avrei una domanda per te.
17:34
First of all, the researchricerca is insanefolle.
300
1042236
2359
Prima di tutto, questa ricerca è assurda.
17:36
I mean, who would designdesign
an experimentsperimentare like that? (LaughterRisate)
301
1044595
3725
Chi mai progetterebbe
un esperimento simile? (Risate)
17:41
I've seenvisto that a couplecoppia of timesvolte,
302
1049150
1790
Ne ho visti un paio simili,
17:42
and I still don't honestlyonestamente believe
that that can trulyveramente be happeningavvenimento,
303
1050940
3222
e ancora non ci credo
che stiano avvenendo davvero,
ma altre persone hanno fatto
esperimenti simili; è stato verificato.
17:46
but other people have donefatto
similarsimile experimentsesperimenti; it checkscontrolli out.
304
1054162
3158
I bambini sono davvero così geniali.
17:49
The babiesbambini really are that geniusgenio.
305
1057320
1633
17:50
LSLS: You know, they look really impressiveimpressionante
in our experimentsesperimenti,
306
1058953
3007
LS: Sai, sono davvero impressionanti
nei nostri esperimenti,
17:53
but think about what they
look like in realvero life, right?
307
1061960
2652
ma pensa a come sono
nella vita reale.
Nascono.
17:56
It startsinizia out as a babybambino.
308
1064612
1150
17:57
EighteenDiciotto anni monthsmesi laterdopo,
it's talkingparlando to you,
309
1065762
2007
Diciotto mesi dopo,
ti parlano,
17:59
and babies'Babies' first wordsparole aren'tnon sono just
things like ballspalle and ducksanatre,
310
1067769
3041
e le loro parole non sono
palle o papere,
sono ad esempio "non c'è più"
per parlare di una scomparsa,
18:02
they're things like "all goneandato,"
whichquale referfare riferimento to disappearancescomparsa,
311
1070810
2881
o "uh-oh", per riferirsi
ad azioni non intenzionali.
18:05
or "uh-ohUh-oh," whichquale referfare riferimento
to unintentionalnon intenzionale actionsAzioni.
312
1073691
2283
18:07
It has to be that powerfulpotente.
313
1075974
1562
Sono così potenti.
18:09
It has to be much more powerfulpotente
than anything I showedha mostrato you.
314
1077536
2775
Sono molto più potenti
di quanto vi abbia mostrato.
18:12
They're figuringcapire out the entireintero worldmondo.
315
1080311
1974
Stanno imparando a comprendere il mondo.
18:14
A four-year-oldquattro anni can talk to you
about almostquasi anything.
316
1082285
3144
Un bambino di quattro anni
può parlarti di quasi tutto.
18:17
(ApplauseApplausi)
317
1085429
1601
(Applausi)
18:19
CACA: And if I understandcapire you right,
the other keychiave pointpunto you're makingfabbricazione is,
318
1087030
3414
CA: Se ho capito bene,
l'altro tuo punto chiave è:
18:22
we'venoi abbiamo been throughattraverso these yearsanni
where there's all this talk
319
1090444
2754
ci sono stati in questi anni
discorsi su quanto le nostre menti
siano particolari e piene di errori.
18:25
of how quirkyeccentrico and buggypasseggino our mindsmenti are,
320
1093198
1932
18:27
that behavioralcomportamentale economicseconomia
and the wholetotale theoriesteorie behinddietro a that
321
1095130
2867
Per la finanza comportamentale
e le teorie che la supportano
18:29
that we're not rationalrazionale agentsagenti.
322
1097997
1603
non siamo agenti razionali.
18:31
You're really sayingdetto that the biggerpiù grande
storystoria is how extraordinarystraordinario,
323
1099600
4216
Stai davvero dicendo
18:35
and there really is geniusgenio there
that is underappreciatedsottovalutati.
324
1103816
4944
che c'è del genio sottovalutato.
18:40
LSLS: One of my favoritefavorito
quotescitazioni in psychologyPsicologia
325
1108760
2070
LS: Una delle mie citazioni
di psicologia preferite
18:42
comesviene from the socialsociale
psychologistpsicologo SolomonSalomone AschAsch,
326
1110830
2290
è dello psicologo sociale Solomon Asch,
18:45
and he said the fundamentalfondamentale taskcompito
of psychologyPsicologia is to removerimuovere
327
1113120
2807
che ha detto che l'impresa principale
della psicologia è rimuovere
18:47
the veilvelo of self-evidencespontaneitá from things.
328
1115927
2626
il velo dell'ovvietà dalle cose.
18:50
There are ordersordini of magnitudemagnitudine
more decisionsdecisioni you make everyogni day
329
1118553
4551
Sono le tantissime decisioni
che prendiamo ogni giorno
18:55
that get the worldmondo right.
330
1123104
1347
a rendere il mondo giusto.
18:56
You know about objectsoggetti
and theirloro propertiesproprietà.
331
1124451
2132
Conosciamo gli oggetti
e le loro proprietà.
18:58
You know them when they're occludedoccluso.
You know them in the darkbuio.
332
1126583
3029
Li riconosciamo quando sono nascosti.
Li riconosciamo al buio.
Possiamo camminare per le stanze.
19:01
You can walkcamminare throughattraverso roomscamere.
333
1129612
1308
19:02
You can figurefigura out what other people
are thinkingpensiero. You can talk to them.
334
1130920
3532
Possiamo immaginare cosa pensa
la gente. Possiamo parlargli.
Possiamo navigare lo spazio.
Conosciamo i numeri.
19:06
You can navigatenavigare spacespazio.
You know about numbersnumeri.
335
1134452
2230
Conosciamo le relazioni causali
e il ragionamento morale.
19:08
You know causalcausale relationshipsrelazioni.
You know about moralmorale reasoningragionamento.
336
1136682
3022
Lo facciamo senza sforzo,
quindi non lo vediamo,
19:11
You do this effortlesslysenza sforzo,
so we don't see it,
337
1139704
2356
ma è così che comprendiamo il mondo,
ed è un risultato straordinario.
19:14
but that is how we get the worldmondo right,
and it's a remarkablenotevole
338
1142060
2912
19:16
and very difficult-to-understanddifficile da capire
accomplishmentrealizzazione.
339
1144972
2318
CA: Credo che ci siano persone
nel pubblico
19:19
CACA: I suspectsospettare there are people
in the audiencepubblico who have
340
1147290
2628
che credono nel potere tecnologico
19:21
this viewvista of acceleratingaccelerando
technologicaltecnologico powerenergia
341
1149918
2238
e che potrebbero contestare
la tua affermazione
19:24
who mightpotrebbe disputecontroversia your statementdichiarazione
that never in our lifetimescorsi della vita
342
1152156
2958
che mai nella nostra esistenza
un computer potrà fare
19:27
will a computercomputer do what
a three-year-olddi tre anni childbambino can do,
343
1155114
2618
ciò che sa fare un bambino di tre anni,
19:29
but what's clearchiaro is that in any scenarioscenario,
344
1157732
3248
ma è chiaro che in ogni caso
19:32
our machinesmacchine have so much to learnimparare
from our toddlersper i più piccoli.
345
1160980
3770
le nostre macchine hanno molto
da imparare dai nostri bambini.
LS: Credo di sì. Ci saranno fan
dell'apprendimento delle macchine qui.
19:38
LSLS: I think so. You'llYou'll have some
machinemacchina learningapprendimento folksgente up here.
346
1166230
3216
19:41
I mean, you should never betscommessa
againstcontro babiesbambini or chimpanzeesscimpanzé
347
1169446
4203
Non bisognerebbe mai scommettere
contro i bambini o gli scimpanzé
19:45
or technologytecnologia as a matterimporta of practicepratica,
348
1173649
3645
o la tecnologia, se è per questo,
19:49
but it's not just
a differencedifferenza in quantityquantità,
349
1177294
4528
ma non è solo
una differenza di quantità,
19:53
it's a differencedifferenza in kindgenere.
350
1181822
1764
è una differenza di tipologia.
19:55
We have incrediblyincredibilmente powerfulpotente computerscomputer,
351
1183586
2160
Abbiamo computer
incredibilmente potenti,
19:57
and they do do amazinglyincredibilmente
sophisticatedsofisticato things,
352
1185746
2391
che fanno cose sofisticate,
20:00
oftenspesso with very biggrande amountsquantità of datadati.
353
1188137
3204
spesso con quantità enormi di dati.
20:03
HumanUmano mindsmenti do, I think,
something quiteabbastanza differentdiverso,
354
1191341
2607
Le menti umane fanno, credo,
qualcosa di diverso,
20:05
and I think it's the structuredstrutturato,
hierarchicalgerarchico naturenatura of humanumano knowledgeconoscenza
355
1193948
3895
e penso che sia la natura gerarchica,
strutturata, della conoscenza umana
20:09
that remainsresti a realvero challengesfida.
356
1197843
2032
a rimanere la vera sfida.
20:11
CACA: LauraLaura SchulzSchulz, wonderfulmeraviglioso
foodcibo for thought. Thank you so much.
357
1199875
3061
CA: Laura Schulz, magnifici
spunti di riflessione. Grazie mille.
20:14
LSLS: Thank you.
(ApplauseApplausi)
358
1202936
2922
LS: Grazie.
(Applausi)

▲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