sponsored links
TED2015

Laura Schulz: The surprisingly logical minds of babies

ローラ・シュルツ: 驚くほど論理的な、赤ちゃんの心

March 10, 2015

赤ちゃんはどうやって、わずかな材料から多くのことを非常に速く学ぶのでしょうか。認知科学者ローラ・シュルツは、面白い話の中で多くの実験を紹介しながら、赤ちゃんたちがしゃべり始めるずっと前から、驚くほど強力な論理感覚を駆使して決断を下す姿を明らかにしていきます。

Laura Schulz - Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn. Full bio

sponsored links
Double-click the English subtitles below to play the video.
Mark Twain summed up
what I take to be
マーク・トウェインは
00:12
one of the fundamental problems
of cognitive science
私が 認知科学の本質的な問題の
1つと考えることを
00:14
with a single witticism.
機知に富む言葉でまとめています
00:17
He said, "There's something
fascinating about science.
「科学には魅力的な面がある
00:20
One gets such wholesale
returns of conjecture
事実に対して
ほんのわずかに投資するだけで
00:23
out of such a trifling
investment in fact."
これほど大量に
予想という利益を得るのだから」
00:26
(Laughter)
(笑)
00:29
Twain meant it as a joke,
of course, but he's right:
これはジョークでしょうが
彼の言葉は的を射ています
00:32
There's something
fascinating about science.
科学には魅力的な面があります
00:34
From a few bones, we infer
the existence of dinosuars.
わずか数本の骨から 恐竜の存在を推測し
00:37
From spectral lines,
the composition of nebulae.
スペクトル線から
銀河の組成を推測します
00:42
From fruit flies,
ショウジョウバエからは
00:47
the mechanisms of heredity,
遺伝のメカニズムを
00:50
and from reconstructed images
of blood flowing through the brain,
そして脳の血流を再現した画像や
00:53
or in my case, from the behavior
of very young children,
私の場合なら
小さな子どもの行動から
00:57
we try to say something about
the fundamental mechanisms
人間の認知の
本質的なメカニズムについて
01:02
of human cognition.
説明しようとするのです
01:04
In particular, in my lab in the Department
of Brain and Cognitive Sciences at MIT,
私は その中でも
MIT脳認知科学科の研究室で
01:07
I have spent the past decade
trying to understand the mystery
過去10年に渡って
ある謎を解こうとしてきました
01:12
of how children learn so much
from so little so quickly.
子どもはどうやって わずかな情報から
これほど速く学ぶのかということです
01:15
Because, it turns out that
the fascinating thing about science
その理由は 科学がもつ魅力は
01:20
is also a fascinating
thing about children,
子どもたちがもつ魅力と
同じものだからです
01:23
which, to put a gentler
spin on Mark Twain,
つまり トウェインの言葉を
少しひねって言えば
01:26
is precisely their ability
to draw rich, abstract inferences
子どもたちは わずかな量の
ノイズだらけのデータから
01:29
rapidly and accurately
from sparse, noisy data.
速く正確に 豊かな抽象的推論をする
能力をもっているからです
01:34
I'm going to give you
just two examples today.
今日は その例を2つ紹介しましょう
01:40
One is about a problem of generalization,
ひとつは「一般化」の問題 ―
01:42
and the other is about a problem
of causal reasoning.
もうひとつは
「因果的思考」の問題です
01:44
And although I'm going to talk
about work in my lab,
お話しするのは
私の研究室で行っていることですが
01:47
this work is inspired by
and indebted to a field.
これは ある研究分野に
動機付けられ 多くを負っています
01:50
I'm grateful to mentors, colleagues,
and collaborators around the world.
世界中の恩師や同僚や
協力者に感謝しています
01:53
Let me start with the problem
of generalization.
まず「一般化」の問題から
はじめましょう
01:59
Generalizing from small samples of data
is the bread and butter of science.
抽出したデータの標本から
一般化することは科学の基本です
02:02
We poll a tiny fraction of the electorate
国政選挙では 有権者のほんの一部から
02:06
and we predict the outcome
of national elections.
聞き取り調査をして 結果を予測します
02:09
We see how a handful of patients
responds to treatment in a clinical trial,
臨床試験では数人の被験者に
治療の効果があるかを調べた上で
02:12
and we bring drugs to a national market.
薬を市場に出します
02:15
But this only works if our sample
is randomly drawn from the population.
ただ これが上手くいくのは標本が
母集団から無作為に抽出された時だけです
02:19
If our sample is cherry-picked
in some way --
標本の抽出方法が偏っている場合
たとえば ―
02:23
say, we poll only urban voters,
都市部の有権者だけ調査した場合や
02:26
or say, in our clinical trials
for treatments for heart disease,
心臓病治療の臨床試験で
02:28
we include only men --
被験者が男性だけの場合には
02:32
the results may not generalize
to the broader population.
結果を より広範な集団に
一般化できない可能性があります
02:34
So scientists care whether evidence
is randomly sampled or not,
だから科学者にとって データが
無作為抽出かどうかは重要です
02:38
but what does that have to do with babies?
ただ それが赤ちゃんと
どう結びつくのでしょうか?
02:41
Well, babies have to generalize
from small samples of data all the time.
赤ちゃんは 常に少数の標本から
一般化せざるを得ません
02:44
They see a few rubber ducks
and learn that they float,
ゴムのアヒルをいくつか見て
それが浮くことを学び
02:49
or a few balls and learn that they bounce.
ボールをいくつか見て
それが弾むことを学びます
02:52
And they develop expectations
about ducks and balls
こうして赤ちゃんは
アヒルやボールについて予想を立て
02:55
that they're going to extend
to rubber ducks and balls
その予想を生涯に渡って
02:58
for the rest of their lives.
当てはめ続けるのです
03:01
And the kinds of generalizations
babies have to make about ducks and balls
そして 赤ちゃんが
アヒルとボールに対して行う一般化は
03:03
they have to make about almost everything:
他のほぼあらゆるもの すなわち
03:07
shoes and ships and sealing wax
and cabbages and kings.
靴にも 船にも 封蝋にも キャベツにも
王様にも適用する必要があります
03:09
So do babies care whether
the tiny bit of evidence they see
では 赤ちゃんにとって
自分が見た わずかな証拠が
03:14
is plausibly representative
of a larger population?
より大きな集団の典型例かどうかは
重要なのでしょうか?
03:16
Let's find out.
調べてみましょう
03:21
I'm going to show you two movies,
これから見ていただく2本のビデオは
03:23
one from each of two conditions
of an experiment,
ある実験での 2つの条件のものです
03:25
and because you're going to see
just two movies,
ご覧いただくのは2本だけなので
03:27
you're going to see just two babies,
赤ちゃんは2人しか登場しません
03:30
and any two babies differ from each other
in innumerable ways.
どの赤ちゃんにも
あらゆる面で違いがありますが
03:32
But these babies, of course,
here stand in for groups of babies,
この2人の赤ちゃんは
集団を代表していて
03:36
and the differences you're going to see
これから見ていただく違いは
03:39
represent average group differences
in babies' behavior across conditions.
それぞれの条件における 赤ちゃんの
標準的な行動の違いを表しています
03:41
In each movie, you're going to see
a baby doing maybe
ビデオでは赤ちゃんが
03:46
just exactly what you might
expect a baby to do,
いかにも赤ちゃんらしく
振舞っていて
03:49
and we can hardly make babies
more magical than they already are.
これ以上 可愛く見せることなんて
できないくらいです
03:53
But to my mind the magical thing,
ただ私にとって魅力的なこと ―
03:57
and what I want you to pay attention to,
そして皆さんに注目してほしいことは
03:59
is the contrast between
these two conditions,
2つの条件における違いです
04:02
because the only thing
that differs between these two movies
というのも 2本のビデオで
唯一 違う点は
04:05
is the statistical evidence
the babies are going to observe.
赤ちゃんが目にする
統計的な証拠だけなのです
04:08
We're going to show babies
a box of blue and yellow balls,
私たちは 赤ちゃんに
青と黄色のボールが入った箱を見せ
04:13
and my then-graduate student,
now colleague at Stanford, Hyowon Gweon,
当時 大学院生だった
スタンフォードの同僚ユウァン・グァンが
04:16
is going to pull three blue balls
in a row out of this box,
青いボールを3つ続けて取り出します
04:21
and when she pulls those balls out,
she's going to squeeze them,
そして取り出すたびに ボールを握ると
04:24
and the balls are going to squeak.
音が鳴ります
04:27
And if you're a baby,
that's like a TED Talk.
これは赤ちゃんにとって
TEDトークと同じように
04:29
It doesn't get better than that.
最高の体験なんです
04:32
(Laughter)
(笑)
04:34
But the important point is it's really
easy to pull three blue balls in a row
さて 重要なのは
ほぼ青いボールしか入っていない箱から
04:38
out of a box of mostly blue balls.
青を3つ続けて取るのは
簡単だという点です
04:42
You could do that with your eyes closed.
見なくてもできるかもしれません
04:44
It's plausibly a random sample
from this population.
これは母集団からの無作為抽出と
言っていいでしょう
04:46
And if you can reach into a box at random
and pull out things that squeak,
そして 箱に手を入れて
無作為に音が鳴るものを取り出せるなら
04:49
then maybe everything in the box squeaks.
箱の中のボールは
みんな音が出るかもしれません
04:53
So maybe babies should expect
those yellow balls to squeak as well.
だから赤ちゃんは
黄色のボールも音が鳴ると思うはずです
04:56
Now, those yellow balls
have funny sticks on the end,
ただし黄色のボールには
ヘンな棒がついていて
05:00
so babies could do other things
with them if they wanted to.
やろうと思えば
他のことだってできます
05:02
They could pound them or whack them.
トントン打ったり
叩いたりしてもいいのです
05:05
But let's see what the baby does.
では赤ちゃんの行動を見てみましょう
05:07
(Video) Hyowon Gweon: See this?
(Ball squeaks)
(ユウァン・グァン)見える?
(ボールが鳴る)
05:12
Did you see that?
(Ball squeaks)
今の見た?
(ボールが鳴る)
05:16
Cool.
素敵ね
05:19
See this one?
これはどう?
05:24
(Ball squeaks)
(ボールが鳴る)
05:26
Wow.
わあ
05:28
Laura Schulz: Told you. (Laughs)
(ローラ・シュルツ)
可愛いでしょう(笑)
05:33
(Video) HG: See this one?
(Ball squeaks)
(ユウァン)これはどう?
(ボールが鳴る)
05:35
Hey Clara, this one's for you.
You can go ahead and play.
クララ これはあなたにあげる
遊んでいいわよ
05:39
(Laughter)
(笑)
05:51
LS: I don't even have to talk, right?
(ローラ)言葉は必要ないですね
05:56
All right, it's nice that babies
will generalize properties
さて 赤ちゃんが 青いボールの性質を
黄色のボールへと
05:59
of blue balls to yellow balls,
一般化する様子は素晴らしいし
06:01
and it's impressive that babies
can learn from imitating us,
赤ちゃんが私たちの真似をして
学ぶのは すごいことです
06:03
but we've known those things about babies
for a very long time.
ただ このような赤ちゃんの能力は
昔から知られていました
06:06
The really interesting question
一方 本当に興味深いのは
06:10
is what happens when we show babies
exactly the same thing,
赤ちゃんに まったく同じものを
見せると どうなるかです
06:12
and we can ensure it's exactly the same
because we have a secret compartment
箱には見えない仕切りがあり
実際には そこからボールを取るので
06:14
and we actually pull the balls from there,
条件はまったく同じになりますが
06:18
but this time, all we change
is the apparent population
今度は標本を取り出す ―
06:20
from which that evidence was drawn.
母集団の見た目だけを変えます
06:24
This time, we're going to show babies
three blue balls
今度は赤ちゃんに
ほぼ黄色のボールしか入っていない箱から
06:26
pulled out of a box
of mostly yellow balls,
青いボールを
3つ取るところを見せると
06:30
and guess what?
どうなるでしょう?
06:33
You [probably won't] randomly draw
three blue balls in a row
ほとんど黄色だけの箱から
無作為で青いボールを
06:35
out of a box of mostly yellow balls.
3つ連続で取ることは
まずないでしょう
06:38
That is not plausibly
randomly sampled evidence.
つまり無作為に抽出された
データとは言えないのです
06:40
That evidence suggests that maybe Hyowon
was deliberately sampling the blue balls.
この場合 ユウァンが意図的に
青いボールだけ取ったことを示しています
06:44
Maybe there's something special
about the blue balls.
あるいは 青いボールが
特別なのかもしれません
06:49
Maybe only the blue balls squeak.
鳴るのは青だけかもしれません
06:52
Let's see what the baby does.
さあ赤ちゃんはどうするでしょうか
06:55
(Video) HG: See this?
(Ball squeaks)
(ユウァン)見える?
(ボールが鳴る)
06:57
See this toy?
(Ball squeaks)
このおもちゃが見える?
(ボールが鳴る)
07:02
Oh, that was cool. See?
(Ball squeaks)
素敵でしょう?
(ボールが鳴る)
07:05
Now this one's for you to play.
You can go ahead and play.
さあ あなたはこれで遊んで
さあ遊んでね
07:10
(Fussing)
(Laughter)
(不満の表情)
(笑)
07:17
LS: So you just saw
two 15-month-old babies
(ローラ)さて皆さんには
15か月になる2人の赤ちゃんが
07:26
do entirely different things
観察した確率だけにもとづいて
07:29
based only on the probability
of the sample they observed.
まったく違う行動をとる様子を
見ていただきました
07:31
Let me show you the experimental results.
実験結果をご覧ください
07:35
On the vertical axis, you'll see
the percentage of babies
縦軸は それぞれの条件で
ボールを握った赤ちゃんの
07:37
who squeezed the ball in each condition,
割合を表しています
07:40
and as you'll see, babies are much
more likely to generalize the evidence
ご覧の通り データの選び方が
明らかに偏っている場合より
07:42
when it's plausibly representative
of the population
母集団の代表とみなせる場合の方が
07:46
than when the evidence
is clearly cherry-picked.
そのデータを一般化する傾向が
はるかに強いのです
07:49
And this leads to a fun prediction:
ここから 面白い予想を立てられます
07:53
Suppose you pulled just one blue ball
out of the mostly yellow box.
今度は ほぼ黄色ばかりの箱から
青いボールを1つだけ取るとします
07:55
You [probably won't] pull three blue balls
in a row at random out of a yellow box,
この箱から青いボールを無作為に
3つ連続で取り出すのは無理でしょうが
08:00
but you could randomly sample
just one blue ball.
1つだけなら取り出せるかもしれません
08:04
That's not an improbable sample.
標本として ありえる話です
08:07
And if you could reach into
a box at random
さらに 箱に手を入れて無作為で
08:09
and pull out something that squeaks,
maybe everything in the box squeaks.
音が鳴るものを取り出せるなら
箱の中身は全部鳴るかもしれません
08:11
So even though babies are going to see
much less evidence for squeaking,
つまり ボールを1つだけ取り出す場合
先ほどのビデオの場合と比べて
08:15
and have many fewer actions to imitate
音が鳴る例や 真似すべき行動を
08:20
in this one ball condition than in
the condition you just saw,
赤ちゃんが わずかな回数しか
見ていなくても
08:22
we predicted that babies themselves
would squeeze more,
ボールを握ることが
多くなると予想することができ
08:25
and that's exactly what we found.
結果は まさに その通りでした
08:29
So 15-month-old babies,
in this respect, like scientists,
したがって このような場面では
15か月の赤ちゃんにとって
08:32
care whether evidence
is randomly sampled or not,
データが無作為に抽出されたかは
科学者と同様に重要で
08:36
and they use this to develop
expectations about the world:
それをもとに世界について
予想を立てているのです
08:40
what squeaks and what doesn't,
どれが音が鳴って どれが鳴らないか
08:43
what to explore and what to ignore.
何を調べるべきで
何を無視すべきか・・・
08:45
Let me show you another example now,
次に別の例を紹介しましょう
08:50
this time about a problem
of causal reasoning.
今度は「因果的思考」の問題です
08:52
And it starts with a problem
of confounded evidence
この問題は 私たち全員が経験する
08:55
that all of us have,
データの混乱の問題 すなわち
08:57
which is that we are part of the world.
人間が世界の一部であることから生じます
08:59
And this might not seem like a problem
to you, but like most problems,
一見 問題とは思えないでしょうが
ほとんどの問題と同様に
09:01
it's only a problem when things go wrong.
何かがうまくいかない時
はじめて問題になります
09:04
Take this baby, for instance.
例えば この赤ちゃん ―
09:07
Things are going wrong for him.
彼にとって 物事はうまくいきません
09:09
He would like to make
this toy go, and he can't.
おもちゃを鳴らしたいのに
できないのです
09:10
I'll show you a few-second clip.
数秒のビデオを ご覧ください
09:13
And there's two possibilities, broadly:
大まかに可能性は2つあります
09:21
Maybe he's doing something wrong,
間違ったことをしているか
09:23
or maybe there's something
wrong with the toy.
おもちゃに問題があるか です
09:25
So in this next experiment,
ですから次の実験では
09:29
we're going to give babies
just a tiny bit of statistical data
赤ちゃんに片方の仮説を支持する
09:32
supporting one hypothesis over the other,
ちょっとした統計的データを見せます
09:35
and we're going to see if babies
can use that to make different decisions
その後 赤ちゃんが
自分の行動を決定する時に
09:37
about what to do.
そのデータを使うか 観察するのです
09:41
Here's the setup.
仕組みはこうです
09:43
Hyowon is going to try to make
the toy go and succeed.
ユウァンがおもちゃを
鳴らそうとして成功します
09:45
I am then going to try twice
and fail both times,
次に私が2回試して
2回とも失敗します
09:48
and then Hyowon is going
to try again and succeed,
その後ユウァンが
また試して成功します
09:52
and this roughly sums up my relationship
to my graduate students
これはテクノロジー全般に関する
院生たちと私の関係を
09:55
in technology across the board.
表していますね
09:58
But the important point here is
it provides a little bit of evidence
ただ ここで重要なのは
おもちゃではなく 人のほうに
10:01
that the problem isn't with the toy,
it's with the person.
問題があるということを
証拠として示している点です
10:05
Some people can make this toy go,
おもちゃを鳴らせる人と
鳴らせない人が
10:08
and some can't.
いるのです
10:11
Now, when the baby gets the toy,
he's going to have a choice.
さて おもちゃを手にした時
赤ちゃんは選択することになります
10:12
His mom is right there,
近くにお母さんがいるので
10:16
so he can go ahead and hand off the toy
and change the person,
おもちゃを渡して
代わりにやってもらえます
10:18
but there's also going to be
another toy at the end of that cloth,
一方 布の端には
別のおもちゃがあり
10:21
and he can pull the cloth towards him
and change the toy.
布を引けば おもちゃを
取り替えることもできます
10:24
So let's see what the baby does.
赤ちゃんがどうするか 見てみましょう
10:28
(Video) HG: Two, three. Go!
(Music)
(ユウァン)2 3 ゴー!
(音楽)
10:30
LS: One, two, three, go!
(ローラ)1 2 3 ゴー!
10:34
Arthur, I'm going to try again.
One, two, three, go!
アーサー もう一度やってみるわね
1 2 3 ゴー!
10:37
YG: Arthur, let me try again, okay?
(ユウァン)アーサー
もう一度 私にやらせて
10:45
One, two, three, go!
(Music)
1 2 3 ゴー!
(音楽)
10:48
Look at that. Remember these toys?
これを見て これ覚えてる?
10:53
See these toys? Yeah, I'm going
to put this one over here,
おもちゃよ
これは こっちに置いて
10:55
and I'm going to give this one to you.
これは あなたにあげるわ
10:58
You can go ahead and play.
遊んでね
11:00
LS: Okay, Laura, but of course,
babies love their mommies.
(ローラ)当然 赤ちゃんは
お母さんのことが大好きです
11:23
Of course babies give toys
to their mommies
おもちゃが鳴らなければ
11:27
when they can't make them work.
当たり前のように お母さんに渡します
11:29
So again, the really important question
is what happens when we change
でも ここで重要な点は
統計的データを わずかに変えたら
11:31
the statistical data ever so slightly.
どうなるかということです
11:35
This time, babies are going to see the toy
work and fail in exactly the same order,
今度は 同じ順でおもちゃが鳴ったり
鳴らなかったりするところを見せますが
11:38
but we're changing
the distribution of evidence.
証拠の分布は変えます
11:42
This time, Hyowon is going to succeed
once and fail once, and so am I.
今度はユウァンが成功した後 失敗し
私の時も同じにします
11:45
And this suggests it doesn't matter
who tries this toy, the toy is broken.
ここからわかるのは 使う人は無関係で
おもちゃが壊れており
11:49
It doesn't work all the time.
常に鳴るとは限らないということです
11:55
Again, the baby's going to have a choice.
今度も赤ちゃんには選択肢があります
11:57
Her mom is right next to her,
so she can change the person,
お母さんは隣にいるので
代わりをしてもらうこともできるし
11:59
and there's going to be another toy
at the end of the cloth.
布の端には別のおもちゃもあります
12:02
Let's watch what she does.
どうするか見てみましょう
12:05
(Video) HG: Two, three, go!
(Music)
(ユウァン)2 3 ゴー!
(音楽)
12:07
Let me try one more time.
One, two, three, go!
もう一度やらせて
1 2 3 ゴー!
12:11
Hmm.
うーん
12:17
LS: Let me try, Clara.
(ローラ)私にやらせて クララ
12:19
One, two, three, go!
1 2 3 ゴー!
12:22
Hmm, let me try again.
もう一度やらせて
12:27
One, two, three, go!
(Music)
1 2 3 ゴー!
(音楽)
12:29
HG: I'm going
to put this one over here,
(ユウァン)これは こっちに置いて
12:34
and I'm going to give this one to you.
これは あなたにあげるわ
12:37
You can go ahead and play.
遊んでね
12:39
(Applause)
(拍手)
12:58
LS: Let me show you
the experimental results.
(ローラ)実験の結果をお見せします
13:04
On the vertical axis,
you'll see the distribution
縦軸には それぞれの条件における
13:07
of children's choices in each condition,
子どもたちの選択の分布を示しています
13:09
and you'll see that the distribution
of the choices children make
選択の分布は 赤ちゃんが目にした
データに基づいているのが
13:12
depends on the evidence they observe.
わかるでしょう
13:16
So in the second year of life,
赤ちゃんたちは生まれて2年で
13:19
babies can use a tiny bit
of statistical data
わずかな統計的なデータを利用して
13:21
to decide between two
fundamentally different strategies
世界で行動するために
根本的に異なる2つの戦略から
13:24
for acting in the world:
1つ選ぶのです
13:27
asking for help and exploring.
つまり 助けを求めるか
自分で試すかです
13:29
I've just shown you
two laboratory experiments
研究室での実験を
2つだけお見せしましたが
13:33
out of literally hundreds in the field
that make similar points,
まさに何百もの研究で
同様の結果が出ています
13:36
because the really critical point
そして本当に重要な点は
13:40
is that children's ability
to make rich inferences from sparse data
わずかなデータから
豊かに推測するという子どもの能力が
13:43
underlies all the species-specific
cultural learning that we do.
人間に特有の あらゆる文化的学習の
根底にあることです
13:48
Children learn about new tools
from just a few examples.
子どもたちは わずかな例をもとに
新たな道具について学び
13:53
They learn new causal relationships
from just a few examples.
わずかな例をもとに
新たな因果関係を学びます
13:58
They even learn new words,
in this case in American Sign Language.
新たな言葉さえ学びます
これはアメリカ手話です
14:03
I want to close with just two points.
最後に2点だけお話しします
14:08
If you've been following my world,
the field of brain and cognitive sciences,
もし私の世界 すなわち
脳科学と認知科学の分野を
14:11
for the past few years,
ここ数年 追いかけていれば
14:15
three big ideas will have come
to your attention.
3つの壮大な発想に
気づくでしょう
14:17
The first is that this is
the era of the brain.
1つは現在が「脳の時代」だという点です
14:19
And indeed, there have been
staggering discoveries in neuroscience:
実際 神経科学の分野では
驚異的な発見が続いています
14:23
localizing functionally specialized
regions of cortex,
機能ごとに特化した
大脳皮質の領域の特定や
14:27
turning mouse brains transparent,
マウスの脳の透明化
14:30
activating neurons with light.
光によるニューロンの活性化などです
14:33
A second big idea
2つ目の壮大な発想とは
14:36
is that this is the era of big data
and machine learning,
現代が「ビッグデータと
機械学習の時代」だという点です
14:38
and machine learning promises
to revolutionize our understanding
機械学習は SNSから疫学まで ―
14:42
of everything from social networks
to epidemiology.
あらゆるものの理解を
大きく変えるはずです
14:46
And maybe, as it tackles problems
of scene understanding
そして機械が 場面認識や
自然言語処理といった
14:50
and natural language processing,
課題に取り組むことで
14:53
to tell us something
about human cognition.
人間の認知について
わかってくるかもしれません
14:55
And the final big idea you'll have heard
そして最後の壮大な発想とは
14:59
is that maybe it's a good idea we're going
to know so much about brains
脳への理解を深めていき
ビッグデータを十分 利用できるのは
15:01
and have so much access to big data,
いいことかもしれないという点です
15:04
because left to our own devices,
なぜなら人間は
好きなようにさせておくと
15:06
humans are fallible, we take shortcuts,
誤りがちで 楽をしようとし
15:09
we err, we make mistakes,
判断を誤り 間違いを犯し
15:13
we're biased, and in innumerable ways,
偏った見方をし
さらにあらゆる面で
15:16
we get the world wrong.
世界を間違って捉えてしまいます
15:20
I think these are all important stories,
私は これらすべてが
重要な事だと思っていて
15:24
and they have a lot to tell us
about what it means to be human,
そこから人間であることの意味を
いろいろ知ることができます
15:27
but I want you to note that today
I told you a very different story.
ただ注意してほしいのですが
今日の話は それとは別のことです
15:31
It's a story about minds and not brains,
今日の話題は 脳のことではなく
心についてです
15:35
and in particular, it's a story
about the kinds of computations
その中でも
人間の心だけが実行できる
15:39
that uniquely human minds can perform,
様々な計算に関する話です
15:42
which involve rich, structured knowledge
and the ability to learn
この計算には
豊かで構造化された知識と
15:45
from small amounts of data,
the evidence of just a few examples.
わずかなデータ 少ない例から得た
証拠をもとに学ぶ能力が伴います
15:49
And fundamentally, it's a story
about how starting as very small children
今日の話の本質は
どうやって 赤ちゃんに始まり
15:56
and continuing out all the way
to the greatest accomplishments
遥かな道をたどって
文化という偉業を成し遂げる中で
16:00
of our culture,
私たちが世界を
16:04
we get the world right.
正しく捉えているかということです
16:08
Folks, human minds do not only learn
from small amounts of data.
人間の心は 単にわずかなデータから
学習するだけではありません
16:12
Human minds think
of altogether new ideas.
心はまったく新しい発想も生み出します
16:18
Human minds generate
research and discovery,
心が研究や発見を生み
16:20
and human minds generate
art and literature and poetry and theater,
芸術や 文学や 詩や 劇を生み
16:23
and human minds take care of other humans:
心が お年寄りや若者や
16:28
our old, our young, our sick.
病んだ人々を思いやるのです
16:32
We even heal them.
私たちは そんな人々を癒しさえします
16:36
In the years to come, we're going
to see technological innovations
今後 数年で私たちは
想像をはるかに超えた
16:39
beyond anything I can even envision,
技術的な革新を
目の当たりにすることでしょう
16:42
but we are very unlikely
でも とても残念なことに
16:46
to see anything even approximating
the computational power of a human child
私や皆さんが生きている間には
人間の子どもの計算能力に
16:48
in my lifetime or in yours.
近いものすら
目にすることはないでしょう
16:54
If we invest in these most powerful
learners and their development,
私たちは この極めて優れた学習者の
発達に対する投資を惜しんではいけません
16:58
in babies and children
赤ちゃんや子どもたち ―
17:03
and mothers and fathers
母親や父親 ―
17:06
and caregivers and teachers
子どもの世話をする人々や
教師への投資を惜しんではいけません
17:08
the ways we invest in our other
most powerful and elegant forms
私たちは 他の極めて優れた
エレガントな技術や工学やデザインには
17:10
of technology, engineering and design,
投資を惜しみませんが
同じように投資することで
17:15
we will not just be dreaming
of a better future,
よりよい未来を
ただ夢見るだけではなく
17:18
we will be planning for one.
そんな未来の青写真を描けるはずです
17:21
Thank you very much.
ありがとうございます
17:23
(Applause)
(拍手)
17:25
Chris Anderson: Laura, thank you.
I do actually have a question for you.
(クリス・アンダーソン)ありがとう ローラ
ぜひ 尋ねたいことがあります
17:29
First of all, the research is insane.
まず この研究は常識外れですね
17:34
I mean, who would design
an experiment like that? (Laughter)
一体誰が こんな実験方法を
考えるんですか?(笑)
17:36
I've seen that a couple of times,
私は実験の様子を2回見ても
17:40
and I still don't honestly believe
that that can truly be happening,
本当に こんな風になるなんて
信じられません
17:42
but other people have done
similar experiments; it checks out.
一方 他の研究者たちも
同様の実験で実証しています
17:45
The babies really are that genius.
赤ちゃんは まさに天才ですね
17:49
LS: You know, they look really impressive
in our experiments,
(ローラ)実験での 赤ちゃん達は
すごく優秀に見えますが
17:50
but think about what they
look like in real life, right?
実際の赤ちゃんの様子を
思い出してください
17:53
It starts out as a baby.
最初は赤ん坊です
17:56
Eighteen months later,
it's talking to you,
18か月経つと話し始めますが
17:57
and babies' first words aren't just
things like balls and ducks,
初めて話す言葉には
「ボール」や「アヒル」だけではなく
17:59
they're things like "all gone,"
which refer to disappearance,
失くなったことを表す「ない」や
18:02
or "uh-oh," which refer
to unintentional actions.
意図せぬ行為を指す
「あれれ」まであります
18:05
It has to be that powerful.
彼らの能力は それほど強力ですし
18:07
It has to be much more powerful
than anything I showed you.
お見せしたものより
はるかに強力なはずです
18:09
They're figuring out the entire world.
子どもは世界全体を理解していき
18:12
A four-year-old can talk to you
about almost anything.
4歳になれば
ほぼ何でも話せるようになるのです
18:14
(Applause)
(拍手)
18:17
CA: And if I understand you right,
the other key point you're making is,
(クリス)私の理解が正しければ
あなたの主張には他に重要な点があります
18:18
we've been through these years
where there's all this talk
ここ数年 言われ続けているのは
人間の心が
18:22
of how quirky and buggy our minds are,
いかに気まぐれで 誤りが多いか
18:25
that behavioral economics
and the whole theories behind that
そして行動経済学と
その背景にある理論によれば
18:26
that we're not rational agents.
人間は理性的主体ではないという点です
18:29
You're really saying that the bigger
story is how extraordinary,
あなたが言おうとしている
より大きな物語とは
18:31
and there really is genius there
that is underappreciated.
まだ正当に評価されていない才能があり
それが いかに素晴らしいかということですね
18:35
LS: One of my favorite
quotes in psychology
(ローラ)心理学の分野で
私が好きな言葉は
18:40
comes from the social
psychologist Solomon Asch,
社会心理学者S・アッシュのものです
18:42
and he said the fundamental task
of psychology is to remove
彼によると
心理学の作業の本質とは
18:44
the veil of self-evidence from things.
事物から自明という名の
ベールを取り除くことです
18:47
There are orders of magnitude
more decisions you make every day
人間は 世界を正しく捉えるために
日々 膨大な回数の
18:50
that get the world right.
決断を下します
18:54
You know about objects
and their properties.
人は物体や その性質を知っていて
18:56
You know them when they're occluded.
You know them in the dark.
見えなくても 暗闇でも
それが何かわかります
18:58
You can walk through rooms.
部屋を歩き回ることもできます
19:01
You can figure out what other people
are thinking. You can talk to them.
他の人の考えも分かりますし
彼らに話しかけることもできます
19:02
You can navigate space.
You know about numbers.
空間を移動でき
数について知っています
19:06
You know causal relationships.
You know about moral reasoning.
因果関係や
倫理的な推論について知っています
19:08
You do this effortlessly,
so we don't see it,
こういうことは自然にできるので
気づきませんが
19:11
but that is how we get the world right,
and it's a remarkable
人間は こうやって世界を捉えます
これは驚くべき偉業ですが
19:13
and very difficult-to-understand
accomplishment.
理解するのは とても難しいのです
19:16
CA: I suspect there are people
in the audience who have
(クリス)観客のみなさんの中には
19:19
this view of accelerating
technological power
技術は さらに加速すると考えていて
19:21
who might dispute your statement
that never in our lifetimes
我々の世代で コンピュータに
3歳児と同じことをさせるのは
19:23
will a computer do what
a three-year-old child can do,
不可能だという主張に
反対の人もいるでしょう
19:26
but what's clear is that in any scenario,
ただ はっきりしているのは
どうなっていくにせよ
19:29
our machines have so much to learn
from our toddlers.
機械には 子どもから学ぶことが
まだたくさんあるという点です
19:32
LS: I think so. You'll have some
machine learning folks up here.
(ローラ)そうですね ここには
機械学習の研究者もいるでしょう
19:38
I mean, you should never bet
against babies or chimpanzees
ただ 赤ちゃんや チンパンジーや
テクノロジーを
19:41
or technology as a matter of practice,
単なる実践上の問題として
片付けるべきではありません
19:45
but it's not just
a difference in quantity,
それは ただ量的に
異なっているだけではなく
19:49
it's a difference in kind.
別の種類のものなのです
19:53
We have incredibly powerful computers,
驚くほど強力なコンピュータは
19:55
and they do do amazingly
sophisticated things,
しばしば非常に大量のデータを使い
19:57
often with very big amounts of data.
極めて洗練されたことを
やってのけます
19:59
Human minds do, I think,
something quite different,
一方 人間の心は
これとはまったく異なっていて
20:03
and I think it's the structured,
hierarchical nature of human knowledge
本当の課題として残るのは
構造的かつ階層的な
20:05
that remains a real challenge.
人間の知識の性質だと思います
20:09
CA: Laura Schulz, wonderful
food for thought. Thank you so much.
(クリス)シュルツさん
考える材料になりました ありがとう
20:11
LS: Thank you.
(Applause)
(ローラ)ありがとう
(拍手)
20:14
Translator:Kazunori Akashi
Reviewer:Misaki Sato

sponsored links

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.

sponsored links

If you need translations, you can install "Google Translate" extension into your Chrome Browser.
Furthermore, you can change playback rate by installing "Video Speed Controller" extension.

Data provided by TED.

This website is owned and operated by Tokyo English Network.
The developer's blog is here.