TEDGlobal 2011
Alison Gopnik: What do babies think?
Alison Gopnik: Was denken Babys?
Filmed:
Readability: 3.4
4,341,974 views
"Babys und kleine Kinder sind wie die Forschungs- und Entwicklungsabteilung der menschlichen Gattung", sagt die Psychologin Alison Gopnik. Ihre Forschungsarbeit untersucht, wie Babys während des Spielens raffiniert Informationen erfassen und Entscheidungen treffen.
Alison Gopnik - Child development psychologist
Alison Gopnik takes us into the fascinating minds of babies and children, and shows us how much we understand before we even realize we do. Full bio
Alison Gopnik takes us into the fascinating minds of babies and children, and shows us how much we understand before we even realize we do. Full bio
Double-click the English transcript below to play the video.
00:15
What is going on
0
0
2000
Was geht im Verstand
00:17
in this baby's mind?
1
2000
2000
dieses Babys vor?
00:19
If you'd asked people this 30 years ago,
2
4000
2000
Hätten Sie das Menschen vor 30 Jahren gefragt,
00:21
most people, including psychologists,
3
6000
2000
hätten die meisten, inklusive Psychologen,
00:23
would have said that this baby was irrational,
4
8000
3000
geantwortet, dass dieses Baby
00:26
illogical, egocentric --
5
11000
2000
unlogisch, egozentrisch sei –
00:28
that he couldn't take the perspective of another person
6
13000
2000
dass es nicht die Sichtweise einer anderen Person einnehmen
00:30
or understand cause and effect.
7
15000
2000
oder Ursache und Wirkung verstehen könne.
00:32
In the last 20 years,
8
17000
2000
In den letzten 20 Jahren
00:34
developmental science has completely overturned that picture.
9
19000
3000
hat die Entwicklungswissenschaft dieses Bild komplett gestürzt.
00:37
So in some ways,
10
22000
2000
So glauben wir
00:39
we think that this baby's thinking
11
24000
2000
in gewisser Hinsicht, dass dieses Baby
00:41
is like the thinking of the most brilliant scientists.
12
26000
4000
wie die brillantesten Wissenschafter denkt.
00:45
Let me give you just one example of this.
13
30000
2000
Lassen Sie mich Ihnen nur ein Beispiel nennen.
00:47
One thing that this baby could be thinking about,
14
32000
3000
Eine Sache, über die dieses Baby nachdenken könnte,
00:50
that could be going on in his mind,
15
35000
2000
was in seinem Kopf vorgehen könnte,
00:52
is trying to figure out
16
37000
2000
wäre, dass es versucht herauszufinden,
00:54
what's going on in the mind of that other baby.
17
39000
3000
was im Kopf des anderen Babys vorgeht.
00:57
After all, one of the things that's hardest for all of us to do
18
42000
3000
Schlussendlich ist etwas vom Schwierigsten für uns alle,
01:00
is to figure out what other people are thinking and feeling.
19
45000
3000
herauszufinden, was andere Menschen denken und fühlen.
01:03
And maybe the hardest thing of all
20
48000
2000
Und das vielleicht Schwierigste von allem
01:05
is to figure out that what other people think and feel
21
50000
3000
ist zu begreifen, dass das, was andere Menschen denken und fühlen
01:08
isn't actually exactly like what we think and feel.
22
53000
2000
nicht genau das ist, was wir denken und fühlen.
01:10
Anyone who's followed politics can testify
23
55000
2000
Jeder, der die Politik verfolgt, kann bezeugen,
01:12
to how hard that is for some people to get.
24
57000
3000
wie schwierig das für gewisse Menschen ist.
01:15
We wanted to know
25
60000
2000
Wir wollten wissen,
01:17
if babies and young children
26
62000
2000
ob Babys und kleine Kinder
01:19
could understand this really profound thing about other people.
27
64000
3000
diese wirklich tiefgreifende Sache über andere Menschen verstehen können.
01:22
Now the question is: How could we ask them?
28
67000
2000
Nun ist die Frage: Wie könnten wir sie fragen?
01:24
Babies, after all, can't talk,
29
69000
2000
Schlussendlich können Babys nicht sprechen,
01:26
and if you ask a three year-old
30
71000
2000
und wenn Sie einen Dreijährigen bitten,
01:28
to tell you what he thinks,
31
73000
2000
Ihnen zu erzählen, was er denkt,
01:30
what you'll get is a beautiful stream of consciousness monologue
32
75000
3000
erhalten Sie einen schönen Bewusstseinsstrom-Monolog
01:33
about ponies and birthdays and things like that.
33
78000
3000
über Ponys und Geburtstage und solche Sachen.
01:36
So how do we actually ask them the question?
34
81000
3000
Wie also stellen wir ihnen tatsächlich diese Frage?
01:39
Well it turns out that the secret was broccoli.
35
84000
3000
Nun, es hat sich herausgestellt, dass das Geheimnis Brokkoli heisst.
01:42
What we did -- Betty Rapacholi, who was one of my students, and I --
36
87000
4000
Was wir taten – Betty Rapacholi, eine meiner Studentinnen, und ich –
01:46
was actually to give the babies two bowls of food:
37
91000
3000
wir gaben den Babys zwei Schüsseln mit Essen:
01:49
one bowl of raw broccoli
38
94000
2000
Eine Schüssel mit rohem Brokkoli,
01:51
and one bowl of delicious goldfish crackers.
39
96000
3000
und eine Schüssel mit leckeren Goldfisch-Kräcker.
01:54
Now all of the babies, even in Berkley,
40
99000
3000
Nun, alle Babys, sogar die in Berkley,
01:57
like the crackers and don't like the raw broccoli.
41
102000
3000
mögen die Kräcker, aber nicht den rohen Brokkoli.
02:00
(Laughter)
42
105000
2000
(Gelächter)
02:02
But then what Betty did
43
107000
2000
Aber dann kostete Betty
02:04
was to take a little taste of food from each bowl.
44
109000
3000
ein bisschen aus beiden Schüsseln.
02:07
And she would act as if she liked it or she didn't.
45
112000
2000
Und tat so, als ob es ihr schmeckte, oder nicht.
02:09
So half the time, she acted
46
114000
2000
So tat sie zur Hälfte so,
02:11
as if she liked the crackers and didn't like the broccoli --
47
116000
2000
als ob sie die Kräcker mochte und nicht den Brokkoli –
02:13
just like a baby and any other sane person.
48
118000
3000
so wie ein Baby oder jede andere normale Person.
02:16
But half the time,
49
121000
2000
Aber zur anderen Hälfte
02:18
what she would do is take a little bit of the broccoli
50
123000
2000
versuchte sie ein bisschen Brokkoli
02:20
and go, "Mmmmm, broccoli.
51
125000
3000
und sagte: "Mmmmm, Brokkoli.
02:23
I tasted the broccoli. Mmmmm."
52
128000
3000
Ich probierte den Brokkoli. Mmmmm."
02:26
And then she would take a little bit of the crackers,
53
131000
2000
Und dann versuchte sie ein bisschen von den Kräcker,
02:28
and she'd go, "Eww, yuck, crackers.
54
133000
4000
und sagte: "Pfui, Igitt, Kräcker.
02:32
I tasted the crackers. Eww, yuck."
55
137000
3000
Ich habe die Kräcker probiert. Pfui, Igitt."
02:35
So she'd act as if what she wanted
56
140000
2000
Sie handelte also so, als ob sie genau
02:37
was just the opposite of what the babies wanted.
57
142000
3000
das Gegenteil von dem wollte, was den Babys schmeckte.
02:40
We did this with 15 and 18 month-old babies.
58
145000
2000
Wir taten dies mit 15- und 18-monatigen Babys.
02:42
And then she would simply put her hand out and say,
59
147000
3000
Und dann streckte sie ganz einfach ihre Hand aus und sagte:
02:45
"Can you give me some?"
60
150000
2000
"Kannst Du mir ein bisschen davon geben?"
02:47
So the question is: What would the baby give her,
61
152000
2000
Nun lautet die Frage: Was würde das Baby ihr geben,
02:49
what they liked or what she liked?
62
154000
2000
was ihnen schmeckte oder was ihr schmeckte?
02:51
And the remarkable thing was that 18 month-old babies,
63
156000
3000
Und das Bemerkenswerte war, dass die 18-monatigen Babys,
02:54
just barely walking and talking,
64
159000
2000
die mit Müh und Not laufen und sprechen konnten,
02:56
would give her the crackers if she liked the crackers,
65
161000
3000
ihr die Kräcker gaben, wenn ihr diese gefielen,
02:59
but they would give her the broccoli if she liked the broccoli.
66
164000
3000
ihr aber den Brokkoli gaben, wenn der ihr schmeckte.
03:02
On the other hand,
67
167000
2000
Dahingegen
03:04
15 month-olds would stare at her for a long time
68
169000
2000
starrten die 15-monatigen Babys sie lange an
03:06
if she acted as if she liked the broccoli,
69
171000
2000
wenn sie so tat, als ob sie Brokkoli mochte,
03:08
like they couldn't figure this out.
70
173000
3000
als ob sie das nicht verstehen konnten.
03:11
But then after they stared for a long time,
71
176000
2000
Aber nachdem sie dann für eine lange Zeit gestarrt hatten,
03:13
they would just give her the crackers,
72
178000
2000
haben sie ihr einfach die Kräcker gegeben,
03:15
what they thought everybody must like.
73
180000
2000
von denen sie dachten, jeder müsse sie mögen.
03:17
So there are two really remarkable things about this.
74
182000
3000
So gibt es hierzu zwei wirklich bemerkenswerte Sachen.
03:20
The first one is that these little 18 month-old babies
75
185000
3000
Die erste ist, dass diese 18-monatigen Babys
03:23
have already discovered
76
188000
2000
bereits diese wirklich tiefgreifende
03:25
this really profound fact about human nature,
77
190000
2000
Tatsache über die menschliche Natur herausgefunden hatten,
03:27
that we don't always want the same thing.
78
192000
2000
dass wir nicht immer alle dasselbe wollen.
03:29
And what's more, they felt that they should actually do things
79
194000
2000
Und ausserdem haben sie gespürt, dass sie Sachen tun sollten,
03:31
to help other people get what they wanted.
80
196000
3000
um anderen Menschen helfen zu kriegen, was diese wollten.
03:34
Even more remarkably though,
81
199000
2000
Noch bemerkenswerter jedoch ist,
03:36
the fact that 15 month-olds didn't do this
82
201000
3000
dass die Tatsache, dass 15-monatige Babys das nicht taten,
03:39
suggests that these 18 month-olds had learned
83
204000
3000
andeutet, dass diese 18-monatigen Babys
03:42
this deep, profound fact about human nature
84
207000
3000
diesen tiefen, tiefgründigen Fakt über die menschlichte Natur
03:45
in the three months from when they were 15 months old.
85
210000
3000
in den drei Monaten nach ihren ersten 15 Lebensmonaten gelernt hatten.
03:48
So children both know more and learn more
86
213000
2000
Kindern wissen und lernen also mehr,
03:50
than we ever would have thought.
87
215000
2000
als wir uns je hätten denken können.
03:52
And this is just one of hundreds and hundreds of studies over the last 20 years
88
217000
4000
Und das ist nur eine von aberhunderten von Studien der letzten 20 Jahren,
03:56
that's actually demonstrated it.
89
221000
2000
die das tatsächlich aufzeigt.
03:58
The question you might ask though is:
90
223000
2000
Die Frage, die Sie nun jedoch stellen mögen lautet:
04:00
Why do children learn so much?
91
225000
3000
Wieso lernen Kinder soviel?
04:03
And how is it possible for them to learn so much
92
228000
2000
Und wie ist es ihnen möglich, in so kurzer Zeit
04:05
in such a short time?
93
230000
2000
soviel zu lernen?
04:07
I mean, after all, if you look at babies superficially,
94
232000
2000
Ich meine, letzten Endes, wenn wir uns Babys oberflächlich betrachten,
04:09
they seem pretty useless.
95
234000
2000
erscheinen sie uns ziemlich nutzlos.
04:11
And actually in many ways, they're worse than useless,
96
236000
3000
Und tatsächlich sind sie in vielfacher Weise völlig nutzlos,
04:14
because we have to put so much time and energy
97
239000
2000
denn wir müssen soviel Zeit und Energie investieren,
04:16
into just keeping them alive.
98
241000
2000
um sie nur schon am Leben zu erhalten.
04:18
But if we turn to evolution
99
243000
2000
Aber wenn wir uns der Evolution zuwenden,
04:20
for an answer to this puzzle
100
245000
2000
um das Rätsel zu beantworten,
04:22
of why we spend so much time
101
247000
2000
wieso wir soviel Zeit aufwenden
04:24
taking care of useless babies,
102
249000
3000
um auf nutzlose Babys aufzupassen,
04:27
it turns out that there's actually an answer.
103
252000
3000
zeigt sich, dass es darauf tatsächlich eine Antwort gibt.
04:30
If we look across many, many different species of animals,
104
255000
3000
Wenn wir uns die vielen, vielen verschiedenen Tierarten ansehen,
04:33
not just us primates,
105
258000
2000
nicht nur uns Primaten,
04:35
but also including other mammals, birds,
106
260000
2000
sondern auch andere Säugetiere, Vögel,
04:37
even marsupials
107
262000
2000
sogar Beuteltiere wie
04:39
like kangaroos and wombats,
108
264000
2000
Känguruhs und Wombats einschliessen,
04:41
it turns out that there's a relationship
109
266000
2000
zeigt sich, dass es eine Beziehung gibt
04:43
between how long a childhood a species has
110
268000
4000
zwischen der Länge der Kindheit einer Gattung
04:47
and how big their brains are compared to their bodies
111
272000
4000
und der Grösse ihrer Gehirne im Vergleich zu ihren Körpern,
04:51
and how smart and flexible they are.
112
276000
2000
und wie schlau und flexibel sie sind.
04:53
And sort of the posterbirds for this idea are the birds up there.
113
278000
3000
Und eine Art Paradebeispiel für diese Idee sind die Vögel da oben.
04:56
On one side
114
281000
2000
Auf der einen Seite
04:58
is a New Caledonian crow.
115
283000
2000
ist eine Geradschnabelkrähe.
05:00
And crows and other corvidae, ravens, rooks and so forth,
116
285000
3000
Und Krähen und andere Krähenvögel, Raben, Saatkrähen und so weiter,
05:03
are incredibly smart birds.
117
288000
2000
sind unglaublich schlaue Vögel.
05:05
They're as smart as chimpanzees in some respects.
118
290000
3000
In mancher Hinsicht sind sie so schlau wie Schimpansen.
05:08
And this is a bird on the cover of science
119
293000
2000
Und das ist ein Vogel auf der Titelseite von Science,
05:10
who's learned how to use a tool to get food.
120
295000
3000
der lernte, wie er mit einem Hilfsmittel an Futter gelangte.
05:13
On the other hand,
121
298000
2000
Andererseits
05:15
we have our friend the domestic chicken.
122
300000
2000
haben wir hier unseren Freund, das Haushuhn.
05:17
And chickens and ducks and geese and turkeys
123
302000
3000
Und Hühner, Enten, Gänse und Truthahne
05:20
are basically as dumb as dumps.
124
305000
2000
sind grundsätzlich so dumm wie Bohnenstroh.
05:22
So they're very, very good at pecking for grain,
125
307000
3000
Sie sind sehr, sehr gut darin, Körner zu picken,
05:25
and they're not much good at doing anything else.
126
310000
3000
und in nichts anderem besonders gut.
05:28
Well it turns out that the babies,
127
313000
2000
Nun hat sich gezeigt, dass die Babys,
05:30
the New Caledonian crow babies, are fledglings.
128
315000
2000
die Babys der Geradschnabelkrähen, Küken sind.
05:32
They depend on their moms
129
317000
2000
Sie sind von ihren Müttern abhängig,
05:34
to drop worms in their little open mouths
130
319000
3000
die ihnen zwei Jahre lang Würmer
05:37
for as long as two years,
131
322000
2000
in ihre kleinen geöffneten Münder stecken,
05:39
which is a really long time in the life of a bird.
132
324000
2000
was eine wirklich lange Zeit ist im Leben eines Vogels.
05:41
Whereas the chickens are actually mature
133
326000
2000
Wohingegen die Hühner innerhalb weniger
05:43
within a couple of months.
134
328000
2000
Monate reif sind.
05:45
So childhood is the reason
135
330000
3000
Also ist die Kindheit der Grund,
05:48
why the crows end up on the cover of Science
136
333000
2000
wieso Krähen auf dem Titelbild von Science enden,
05:50
and the chickens end up in the soup pot.
137
335000
2000
und die Hühner im Suppentopf.
05:52
There's something about that long childhood
138
337000
3000
Es besteht also ein Zusammenhang zwischen
05:55
that seems to be connected
139
340000
2000
einer langen Kindheit und
05:57
to knowledge and learning.
140
342000
2000
Wissen und Lernen.
05:59
Well what kind of explanation could we have for this?
141
344000
3000
Was für eine Erklärung könnten wir dafür haben?
06:02
Well some animals, like the chicken,
142
347000
3000
Nun, einige Tiere, wie die Hühner,
06:05
seem to be beautifully suited
143
350000
2000
scheinen bestens dazu geeignet,
06:07
to doing just one thing very well.
144
352000
2000
nur eine Sache besonders gut zu können.
06:09
So they seem to be beautifully suited
145
354000
3000
Sie scheinen also bestens geeignet,
06:12
to pecking grain in one environment.
146
357000
2000
in einem Umfeld Körner zu picken.
06:14
Other creatures, like the crows,
147
359000
2000
Andere Lebewesen, wie die Krähen,
06:16
aren't very good at doing anything in particular,
148
361000
2000
können nichts besonders gut,
06:18
but they're extremely good
149
363000
2000
sind aber extrem gut darin,
06:20
at learning about laws of different environments.
150
365000
2000
die Gesetze der verschiedenen Umgebungen zu erlernen.
06:22
And of course, we human beings
151
367000
2000
Und natürlich sind wir Menschen
06:24
are way out on the end of the distribution like the crows.
152
369000
3000
sind ganz am Ende dieser Verteilung, wie die Krähen.
06:27
We have bigger brains relative to our bodies
153
372000
2000
Wir haben grössere Gehirne im Vergleich zu unseren Körpern,
06:29
by far than any other animal.
154
374000
2000
mit grossem Abstand zu den anderen Tieren.
06:31
We're smarter, we're more flexible,
155
376000
2000
Wir sind schlauer, flexibler,
06:33
we can learn more,
156
378000
2000
wir können mehr lernen,
06:35
we survive in more different environments,
157
380000
2000
wir überleben in verschiedeneren Umgebungen,
06:37
we migrated to cover the world and even go to outer space.
158
382000
3000
wir wanderten aus, um die Welt zu besiedeln und flogen sogar in den Weltraum.
06:40
And our babies and children are dependent on us
159
385000
3000
Und unsere Babys und Kinder sind viel länger
06:43
for much longer than the babies of any other species.
160
388000
3000
abhängig von uns als die Babys jeder anderen Gattung.
06:46
My son is 23.
161
391000
2000
Mein Sohn ist 23.
06:48
(Laughter)
162
393000
2000
(Gelächter)
06:50
And at least until they're 23,
163
395000
2000
Und mindestens bis sie 23 sind,
06:52
we're still popping those worms
164
397000
2000
stecken wir ihnen noch immer diese Würmer
06:54
into those little open mouths.
165
399000
3000
in diese kleinen offenen Münder.
06:57
All right, why would we see this correlation?
166
402000
3000
Also gut, wieso sehen wir diesen Zusammenhang?
07:00
Well an idea is that that strategy, that learning strategy,
167
405000
4000
Nun, eine Idee ist, dass diese Strategie, diese Lernstrategie,
07:04
is an extremely powerful, great strategy for getting on in the world,
168
409000
3000
eine extrem mächtige, grossartige Strategie ist, um in der Welt weiter zu kommen,
07:07
but it has one big disadvantage.
169
412000
2000
aber sie hat einen grossen Nachteil.
07:09
And that one big disadvantage
170
414000
2000
Und dieser eine grosse Nachteil ist,
07:11
is that, until you actually do all that learning,
171
416000
3000
dass man, bis man tatsächlich all das lernt,
07:14
you're going to be helpless.
172
419000
2000
hilflos sein wird.
07:16
So you don't want to have the mastodon charging at you
173
421000
3000
Sie möchten also nicht das Rüsseltier auf Sie losstürmen sehen
07:19
and be saying to yourself,
174
424000
2000
und sich sagen:
07:21
"A slingshot or maybe a spear might work. Which would actually be better?"
175
426000
4000
"Eine Steinschleuder oder vielleicht ein Speer könnte helfen. Was wäre wohl besser?"
07:25
You want to know all that
176
430000
2000
Sie möchten das alles wissen,
07:27
before the mastodons actually show up.
177
432000
2000
bevor die Rüsseltiere tatsächlich auftauchen.
07:29
And the way the evolutions seems to have solved that problem
178
434000
3000
Und die Evolution scheint dieses Problem mit einer Art von
07:32
is with a kind of division of labor.
179
437000
2000
Arbeitsteilung gelöst zu haben.
07:34
So the idea is that we have this early period when we're completely protected.
180
439000
3000
Die Idee ist, dass wir alle diese Frühzeit haben, in der wir komplett beschützt sind.
07:37
We don't have to do anything. All we have to do is learn.
181
442000
3000
Wir müssen nichts verrichten. Alles was wir tun müssen ist lernen.
07:40
And then as adults,
182
445000
2000
Und dann, als Erwachsene,
07:42
we can take all those things that we learned when we were babies and children
183
447000
3000
können wir all diese Dinge, die wir als Babys und Kinder lernten, nehmen
07:45
and actually put them to work to do things out there in the world.
184
450000
3000
und sie quasi zur Arbeit schicken um Dinge zu erledigen draussen in der Welt.
07:48
So one way of thinking about it
185
453000
2000
Eine Denkweise wäre also,
07:50
is that babies and young children
186
455000
2000
dass Babys und kleine Kinder
07:52
are like the research and development division of the human species.
187
457000
3000
wie die Forschungs- und Entwicklungsabteilung der menschlichen Gattung sind.
07:55
So they're the protected blue sky guys
188
460000
3000
Sie sind die beschützten Idealisten,
07:58
who just have to go out and learn and have good ideas,
189
463000
2000
die einfach nur in die Welt hinaus gehen, lernen und gute ideen haben müssen,
08:00
and we're production and marketing.
190
465000
2000
und wir sind die Produktions- und Marketingabteilung.
08:02
We have to take all those ideas
191
467000
2000
Wir müssen all diese Ideen nehmen,
08:04
that we learned when we were children
192
469000
2000
die wir lernten, als wir Kinder waren,
08:06
and actually put them to use.
193
471000
2000
und sie tatsächlich umsetzen.
08:08
Another way of thinking about it
194
473000
2000
Eine andere Denkweise wäre,
08:10
is instead of thinking of babies and children
195
475000
2000
Babys und Kinder nicht als
08:12
as being like defective grownups,
196
477000
2000
unvollkommene Erwachsene zu sehen,
08:14
we should think about them
197
479000
2000
sondern in einem anderen Entwicklungsstadium,
08:16
as being a different developmental stage of the same species --
198
481000
2000
aber in derselben Gattung –
08:18
kind of like caterpillars and butterflies --
199
483000
3000
in etwa so wie Raupen und Schmetterlinge –
08:21
except that they're actually the brilliant butterflies
200
486000
2000
nur dass sie eigentlich die brillanten Schmetterlinge sind,
08:23
who are flitting around the garden and exploring,
201
488000
3000
die im Garten herumfliegen und auskundschaften,
08:26
and we're the caterpillars
202
491000
2000
und wir sind die Raupen,
08:28
who are inching along our narrow, grownup, adult path.
203
493000
3000
die sich langsam auf unserem schmalen, erwachsenen Pfad bewegen.
08:31
If this is true, if these babies are designed to learn --
204
496000
3000
Wenn das stimmt, wenn Babys bestimmt sind zu lernen –
08:34
and this evolutionary story would say children are for learning,
205
499000
3000
und diese Evolutionsgeschichte würde sagen, dass Kinder zum Lernen da sind,
08:37
that's what they're for --
206
502000
2000
wenn sie dafür bestimmt sind –
08:39
we might expect
207
504000
2000
könnten wir erwarten,
08:41
that they would have really powerful learning mechanisms.
208
506000
2000
dass sie über wirklich mächtige Lernmechanismen verfügen.
08:43
And in fact, the baby's brain
209
508000
3000
Und tatsächlich, das Gehirn eines Babys
08:46
seems to be the most powerful learning computer
210
511000
2000
scheint der mächtigste Lerncomputer auf dem
08:48
on the planet.
211
513000
2000
Planeten zu sein.
08:50
But real computers are actually getting to be a lot better.
212
515000
3000
Aber genau genommen werden richtige Computer viel besser werden.
08:53
And there's been a revolution
213
518000
2000
Und es gab eine Revolution
08:55
in our understanding of machine learning recently.
214
520000
2000
in unserem Verständnis über maschinelles Lernen.
08:57
And it all depends on the ideas of this guy,
215
522000
3000
Und alles ist abhängig von den Ideen dieses Mannes,
09:00
the Reverend Thomas Bayes,
216
525000
2000
Reverend Thomas Bayes,
09:02
who was a statistician and mathematician in the 18th century.
217
527000
3000
der ein Statistiker und Mathematiker im 18. Jahrhundert war.
09:05
And essentially what Bayes did
218
530000
3000
Und was Bayes im wesentlichen getan hat war,
09:08
was to provide a mathematical way
219
533000
2000
einen mathematischen Weg aufzuzeigen,
09:10
using probability theory
220
535000
2000
mit Hilfe der Wahrscheinlichkeitstheorie,
09:12
to characterize, describe,
221
537000
2000
um zu charakterisieren, beschreiben,
09:14
the way that scientists find out about the world.
222
539000
2000
wie Wissenschafter die Welt erkunden.
09:16
So what scientists do
223
541000
2000
Was Wissenschafter also tun,
09:18
is they have a hypothesis that they think might be likely to start with.
224
543000
3000
sie haben eine Hypothese, die möglich scheint, und beginnen damit.
09:21
They go out and test it against the evidence.
225
546000
2000
Sie beginnen damit und testen sie gegen die Messung.
09:23
The evidence makes them change that hypothesis.
226
548000
2000
Der Befund bringt sie dazu, die Hypothese zu ändern.
09:25
Then they test that new hypothesis
227
550000
2000
Dann testen sie diese neue Hypothese,
09:27
and so on and so forth.
228
552000
2000
und so weiter und so fort.
09:29
And what Bayes showed was a mathematical way that you could do that.
229
554000
3000
Und Bayes zeigte einen mathematischen Weg auf, wie man das tun könnte.
09:32
And that mathematics is at the core
230
557000
2000
Und diese Mathematik ist im Mittelpunkt
09:34
of the best machine learning programs that we have now.
231
559000
2000
der besten maschinellen Lernprogramme, die wir heute haben.
09:36
And some 10 years ago,
232
561000
2000
Und vor etwa 10 Jahren
09:38
I suggested that babies might be doing the same thing.
233
563000
4000
habe ich behauptet, dass Babys dasselbe tun würden.
09:42
So if you want to know what's going on
234
567000
2000
Wenn Sie also wissen möchten, was
09:44
underneath those beautiful brown eyes,
235
569000
2000
hinter diesen schönen braunen Augen passiert,
09:46
I think it actually looks something like this.
236
571000
2000
stelle ich mir das in etwa so vor.
09:48
This is Reverend Bayes's notebook.
237
573000
2000
Das ist Reverend Bayes Notizbuch.
09:50
So I think those babies are actually making complicated calculations
238
575000
3000
Ich denke, diese Babys machen eigentlich komplizierte Kalkulationen
09:53
with conditional probabilities that they're revising
239
578000
3000
mit bedingten Wahrscheinlichkeiten, die sie korrigieren,
09:56
to figure out how the world works.
240
581000
2000
um herauszufinden, wie die Welt funktioniert.
09:58
All right, now that might seem like an even taller order to actually demonstrate.
241
583000
4000
Nun gut, es mag nun noch mehr verlangt sein, das zu beweisen.
10:02
Because after all, if you ask even grownups about statistics,
242
587000
2000
Denn schlussendlich, selbst wenn Sie Erwachsene über Statistiken befragen,
10:04
they look extremely stupid.
243
589000
2000
stehen diese extrem dumm da.
10:06
How could it be that children are doing statistics?
244
591000
3000
Wie also sollen Kinder Statistken erstellen?
10:09
So to test this we used a machine that we have
245
594000
2000
Um das zu testen, benutzten wir eine Maschine, die wir
10:11
called the Blicket Detector.
246
596000
2000
"Blicket Detektor" nannten.
10:13
This is a box that lights up and plays music
247
598000
2000
Das ist eine Box die leuchtet und Musik spielt,
10:15
when you put some things on it and not others.
248
600000
3000
wenn man die richtigen Dinge auf sie stellt.
10:18
And using this very simple machine,
249
603000
2000
Und mit dieser sehr einfachen Maschine
10:20
my lab and others have done dozens of studies
250
605000
2000
haben mein Labor und andere Dutzende von Studien gemacht
10:22
showing just how good babies are
251
607000
2000
die zeigen, wie gut Babys sind,
10:24
at learning about the world.
252
609000
2000
wenn es darum geht, mehr über die Welt zu lernen.
10:26
Let me mention just one
253
611000
2000
Lassen Sie mich nur eine Studie erwähnen,
10:28
that we did with Tumar Kushner, my student.
254
613000
2000
die wir mit Tumar Kushner, meinem Studenten, verfassten.
10:30
If I showed you this detector,
255
615000
2000
Würde ich Ihnen diesen Detektor zeigen,
10:32
you would be likely to think to begin with
256
617000
2000
würden Sie wahrscheinlich annehmen, dass Sie
10:34
that the way to make the detector go
257
619000
2000
ihn aktivieren können, indem Sie
10:36
would be to put a block on top of the detector.
258
621000
3000
einen Block auf den Detektor stellen.
10:39
But actually, this detector
259
624000
2000
Dieser Detektor aber
10:41
works in a bit of a strange way.
260
626000
2000
funktioniert auf eine ein bisschen seltsame Weise.
10:43
Because if you wave a block over the top of the detector,
261
628000
3000
Wenn Sie nämlich einen Block oberhalb des Detektors
10:46
something you wouldn't ever think of to begin with,
262
631000
3000
hin und her bewegen, etwas, worauf Sie zu Beginn gar nie kommen würden,
10:49
the detector will actually activate two out of three times.
263
634000
3000
wird sich der Detektor in zwei von drei Fällen automatisch aktivieren.
10:52
Whereas, if you do the likely thing, put the block on the detector,
264
637000
3000
Wohingegen sich der Detektor, wenn Sie das Wahrscheinliche tun und den Block auf ihn stellen,
10:55
it will only activate two out of six times.
265
640000
4000
nur in zwei von sechs Fällen aktiviert.
10:59
So the unlikely hypothesis
266
644000
2000
Die unwahrscheinliche Hypothese hat
11:01
actually has stronger evidence.
267
646000
2000
also deutlichere Beweiskraft.
11:03
It looks as if the waving
268
648000
2000
Es sieht so aus, als ob das Hin- und Herbewegen
11:05
is a more effective strategy than the other strategy.
269
650000
2000
eine effektivere Strategie ist als die andere.
11:07
So we did just this; we gave four year-olds this pattern of evidence,
270
652000
3000
Wir taten also folgendes: Wir gaben Vierjährigen dieses Muster in den Indizien
11:10
and we just asked them to make it go.
271
655000
2000
und wir baten sie nur, den Detektor funktionieren zu lassen.
11:12
And sure enough, the four year-olds used the evidence
272
657000
3000
Und wirklich, die Vierjährigen benutzten die Hinweise,
11:15
to wave the object on top of the detector.
273
660000
3000
um das Objekt oberhalb des Detektors hin- und her zu bewegen.
11:18
Now there are two things that are really interesting about this.
274
663000
3000
Nun gibt es zwei Sachen, die wirklich interessant daran sind.
11:21
The first one is, again, remember, these are four year-olds.
275
666000
3000
Die erste ist, wieder, denken Sie daran, das sind Vierjährige.
11:24
They're just learning how to count.
276
669000
2000
Sie lernen gerade erst, wie man zählt.
11:26
But unconsciously,
277
671000
2000
Aber unbewusst
11:28
they're doing these quite complicated calculations
278
673000
2000
stellen sie diese ziemlich komplizierten Kalkulationen an,
11:30
that will give them a conditional probability measure.
279
675000
3000
die ihnen ein bedingtes Wahrscheinlichkeitsmass geben.
11:33
And the other interesting thing
280
678000
2000
Und die andere interessante Sache ist,
11:35
is that they're using that evidence
281
680000
2000
dass sie diesen Hinweis nutzten,
11:37
to get to an idea, get to a hypothesis about the world,
282
682000
3000
um eine Idee, eine Hypothese über die Welt zu erhalten,
11:40
that seems very unlikely to begin with.
283
685000
3000
mit der man sehr wahrscheinlich nicht beginnen würde.
11:43
And in studies we've just been doing in my lab, similar studies,
284
688000
3000
Und in Studien, die wir soeben in meinem Labor gemacht haben, ähnlichen Studien,
11:46
we've show that four year-olds are actually better
285
691000
2000
haben wir aufgezeigt, dass Vierjährige tatsächlich besser darin sind,
11:48
at finding out an unlikely hypothesis
286
693000
3000
unwahrscheinliche Hypothesen ausfindig zu machen
11:51
than adults are when we give them exactly the same task.
287
696000
3000
als Erwachsene, wenn wir ihnen die genau gleiche Aufgabe stellen.
11:54
So in these circumstances,
288
699000
2000
Unter diesen Umständen also
11:56
the children are using statistics to find out about the world,
289
701000
3000
benutzen die Kinder Statistiken um herauszufinden, wie die Welt funktioniert,
11:59
but after all, scientists also do experiments,
290
704000
3000
aber schliesslich machen Wissenschafter auch Experimente,
12:02
and we wanted to see if children are doing experiments.
291
707000
3000
und wir wollten sehen, ob auch Kinder Experimente machen.
12:05
When children do experiments we call it "getting into everything"
292
710000
3000
Wenn Kinder experimentieren, nennen wir das "in alles hinein geraten"
12:08
or else "playing."
293
713000
2000
beziehungsweise "spielen".
12:10
And there's been a bunch of interesting studies recently
294
715000
3000
Und kürzlich gab es einen Haufen interessante Studien
12:13
that have shown this playing around
295
718000
3000
die aufzeigten, dass dieses Herumspielen
12:16
is really a kind of experimental research program.
296
721000
2000
wirklich eine Art experimentielles Forschungsprogramm ist.
12:18
Here's one from Cristine Legare's lab.
297
723000
3000
Hier ist eine vom Labor von Cristine Legare.
12:21
What Cristine did was use our Blicket Detectors.
298
726000
3000
Cristine hat unseren "Blicket Detektor" benutzt.
12:24
And what she did was show children
299
729000
2000
Und sie hat damit Kindern gezeigt,
12:26
that yellow ones made it go and red ones didn't,
300
731000
2000
dass die gelben ihn zum Funktionieren brachten und die roten nicht,
12:28
and then she showed them an anomaly.
301
733000
3000
und hat ihnen dann eine Anomalie gezeigt.
12:31
And what you'll see
302
736000
2000
Und sie werden sehen,
12:33
is that this little boy will go through five hypotheses
303
738000
3000
dass der kleine Junge durch fünf Hypothesen gehen wird,
12:36
in the space of two minutes.
304
741000
3000
in der Zeit von zwei Minuten.
12:39
(Video) Boy: How about this?
305
744000
3000
(Video) Junge: Wie wär's damit?
12:43
Same as the other side.
306
748000
3000
Gleich wie die andere Seite.
12:46
Alison Gopnik: Okay, so his first hypothesis has just been falsified.
307
751000
4000
Alison Gopnik: Okay, seine erste Hypothese wurde soeben verworfen.
12:55
(Laughter)
308
760000
2000
(Gelächter)
12:57
Boy: This one lighted up, and this one nothing.
309
762000
3000
Junge: Das hier hat aufgeleuchtet, das hier nicht.
13:00
AG: Okay, he's got his experimental notebook out.
310
765000
3000
AG: Okay, er hat sein experimentielles Notizbuch hervorgeholt.
13:06
Boy: What's making this light up.
311
771000
4000
Boy: Was bringt das hier zum aufleuchten.
13:11
(Laughter)
312
776000
9000
(Gelächter)
13:20
I don't know.
313
785000
2000
Ich weiss es nicht.
13:22
AG: Every scientist will recognize that expression of despair.
314
787000
4000
AG: Jeder Wissenschafter wird diesen Ausdruck der Verzweiflung kennen.
13:26
(Laughter)
315
791000
3000
(Gelächter)
13:29
Boy: Oh, it's because this needs to be like this,
316
794000
6000
Junge: Oh, es ist, weil das so sein muss,
13:35
and this needs to be like this.
317
800000
2000
und das muss so sein.
13:37
AG: Okay, hypothesis two.
318
802000
3000
AG: Okay, zweite Hypothese.
13:40
Boy: That's why.
319
805000
2000
Boy: Darum.
13:42
Oh.
320
807000
2000
Oh.
13:44
(Laughter)
321
809000
5000
(Gelächter)
13:49
AG: Now this is his next idea.
322
814000
2000
AG: Das ist nun seine nächste Idee.
13:51
He told the experimenter to do this,
323
816000
2000
Er bat die Experimentatorin, das zu tun,
13:53
to try putting it out onto the other location.
324
818000
4000
zu versuchen, es auf die andere Seite zu stellen.
13:57
Not working either.
325
822000
2000
Funktioniert auch nicht.
14:02
Boy: Oh, because the light goes only to here,
326
827000
4000
Boy: Oh, das Licht leuchtet nur da auf,
14:06
not here.
327
831000
3000
nicht hier.
14:09
Oh, the bottom of this box
328
834000
3000
Oh, der Boden dieser Schachtel
14:12
has electricity in here,
329
837000
2000
hat Elektrizät drin,
14:14
but this doesn't have electricity.
330
839000
2000
und dieser hier hat keine Elektrizität.
14:16
AG: Okay, that's a fourth hypothesis.
331
841000
2000
AG: Okay, das ist eine vierte Hypothese.
14:18
Boy: It's lighting up.
332
843000
2000
Junge: Es leuchtet auf.
14:20
So when you put four.
333
845000
5000
Wenn man also vier darauf stellt.
14:26
So you put four on this one to make it light up
334
851000
3000
Man stellt also vier darauf, um ihn aufleuchten zu lassen
14:29
and two on this one to make it light up.
335
854000
2000
und zwei auf diesen, um ihn aufleuchten zu lassen.
14:31
AG: Okay,there's his fifth hypothesis.
336
856000
2000
AG: Okay, da ist seine fünfte Hypothese.
14:33
Now that is a particularly --
337
858000
3000
Nun das ist speziell –
14:36
that is a particularly adorable and articulate little boy,
338
861000
3000
das ist ein besonders liebenswerter und redegewandter kleiner Junge,
14:39
but what Cristine discovered is this is actually quite typical.
339
864000
3000
aber was Cristine entdeckte, ist eigentlich ziemlich typisch.
14:42
If you look at the way children play, when you ask them to explain something,
340
867000
3000
Wenn Sie sich anschauen, wie Kinder spielen, wenn Sie sie bitten, Ihnen etwas zu erklären,
14:45
what they really do is do a series of experiments.
341
870000
3000
dann machen sie eigentlich eine Serie von Experimenten.
14:48
This is actually pretty typical of four year-olds.
342
873000
3000
Das ist sogar ziemlich typisch für Vierjährige.
14:51
Well, what's it like to be this kind of creature?
343
876000
3000
Nun, wie ist es, ein solches Geschöpf zu sein?
14:54
What's it like to be one of these brilliant butterflies
344
879000
3000
Wie ist es, einer dieser grossartigen Schmetterlinge zu sein,
14:57
who can test five hypotheses in two minutes?
345
882000
3000
der fünf Hypothesen in zwei Minuten testen kann?
15:00
Well, if you go back to those psychologists and philosophers,
346
885000
3000
Gehen wir doch zurück zu diesen Psychologen und Philosophen,
15:03
a lot of them have said
347
888000
2000
viele von ihnen haben gesagt,
15:05
that babies and young children were barely conscious
348
890000
2000
dass sich Babies und kleine Kinder kaum bewusst seien,
15:07
if they were conscious at all.
349
892000
2000
wenn sie sich überhaupt bewusst seien.
15:09
And I think just the opposite is true.
350
894000
2000
Und ich glaube, genau das Gegenteil trifft zu.
15:11
I think babies and children are actually more conscious than we are as adults.
351
896000
3000
Ich glaube dass sich Babies und Kinder mehr bewusst sind als wir Erwachsene.
15:14
Now here's what we know about how adult consciousness works.
352
899000
3000
Nun hier ist, was wir über das Bewusstsein von Erwachsenen wissen.
15:17
And adults' attention and consciousness
353
902000
2000
Und die Aufmerksamkeit und das Bewusstein von Erwachsenen
15:19
look kind of like a spotlight.
354
904000
2000
sieht irgendwie aus wie ein Scheinwerfer.
15:21
So what happens for adults
355
906000
2000
Bei uns Erwachsenen ist es also so,
15:23
is we decide that something's relevant or important,
356
908000
2000
dass wir entscheiden, ob etwas relevant oder wichtig ist,
15:25
we should pay attention to it.
357
910000
2000
ob wir der Sache Aufmerksamkeit schenken sollen.
15:27
Our consciousness of that thing that we're attending to
358
912000
2000
Unser Bewusstsein über diese Sache
15:29
becomes extremely bright and vivid,
359
914000
3000
wird extrem hell und lebhaft,
15:32
and everything else sort of goes dark.
360
917000
2000
und alles andere wird wie dunkel.
15:34
And we even know something about the way the brain does this.
361
919000
3000
Und wir wissen sogar etwas über die Weise, wie unser Gehirn das tut.
15:37
So what happens when we pay attention
362
922000
2000
Was also passiert, während wir etwas Aufmerksamkeit zollen,
15:39
is that the prefrontal cortex, the sort of executive part of our brains,
363
924000
3000
ist, dass der präfrontale Kortex, der eigentlich ausführende Teil unseres Gehirns,
15:42
sends a signal
364
927000
2000
ein Signal sendet,
15:44
that makes a little part of our brain much more flexible,
365
929000
2000
das einen kleinen Teil unseres Gehirns viel flexibler macht,
15:46
more plastic, better at learning,
366
931000
2000
formbarer, lernfähiger,
15:48
and shuts down activity
367
933000
2000
und es schaltet Aktivitäten
15:50
in all the rest of our brains.
368
935000
2000
im Rest unseres Gehirns aus.
15:52
So we have a very focused, purpose-driven kind of attention.
369
937000
4000
Wir haben also eine sehr fokussierte, zweckgetriebene Art von Aufmerksamkeit.
15:56
If we look at babies and young children,
370
941000
2000
Wenn wir uns Babys und kleine Kinder anschauen,
15:58
we see something very different.
371
943000
2000
sehen wir etwas sehr anderes.
16:00
I think babies and young children
372
945000
2000
Ich glaube Babys und kleine Kinder
16:02
seem to have more of a lantern of consciousness
373
947000
2000
scheinen eher eine Laterne des Bewusstseins zu haben,
16:04
than a spotlight of consciousness.
374
949000
2000
als ein Scheinwerfer des Bewusstseins.
16:06
So babies and young children are very bad
375
951000
3000
Babys und kleine Kinder sind also schlecht darin,
16:09
at narrowing down to just one thing.
376
954000
3000
sich auf eine engere Wahl zu konzentrieren.
16:12
But they're very good at taking in lots of information
377
957000
3000
Aber sie sind sehr gut darin, viele Informationen von vielen
16:15
from lots of different sources at once.
378
960000
2000
verschiedenen Quellen gleichzeitig aufzunehmen.
16:17
And if you actually look in their brains,
379
962000
2000
Und wenn Sie tatsächlich in ihre Gehirne schauen,
16:19
you see that they're flooded with these neurotransmitters
380
964000
3000
sehen Sie, dass sie mit diesen Neurotransmittern überflutet sind,
16:22
that are really good at inducing learning and plasticity,
381
967000
2000
die sehr gut darin sind, Lernen und Plastizität hervorzubringen,
16:24
and the inhibitory parts haven't come on yet.
382
969000
3000
und die hemmenden Teile sind noch nicht ins Spiel gekommen.
16:27
So when we say that babies and young children
383
972000
2000
Wenn wir also sagen, dass Babys und kleine Kinder
16:29
are bad at paying attention,
384
974000
2000
schlecht aufmerksam sein können,
16:31
what we really mean is that they're bad at not paying attention.
385
976000
4000
dann meinen wir eigentlich, dass sie schlecht darin sind, nicht aufmerksam zu sein.
16:35
So they're bad at getting rid
386
980000
2000
Sie sind also schlecht darin,
16:37
of all the interesting things that could tell them something
387
982000
2000
sich von all den interessanten Dingen zu lösen, die ihnen etwas erzählen könnten,
16:39
and just looking at the thing that's important.
388
984000
2000
und sich nur auf das wichtige fokussieren.
16:41
That's the kind of attention, the kind of consciousness,
389
986000
3000
Und das ist die Art von Aufmerksamkeit, die Art von Bewusstsein,
16:44
that we might expect
390
989000
2000
die wir erwarten mögen
16:46
from those butterflies who are designed to learn.
391
991000
2000
von diesen Schmetterlingen, die entworfen wurden um zu lernen.
16:48
Well if we want to think about a way
392
993000
2000
Nun, wenn wir über einen Weg nachdenken wollen,
16:50
of getting a taste of that kind of baby consciousness as adults,
393
995000
4000
um sich als Erwachsener ein Bild des Bewusstsein eines Babys zu machen,
16:54
I think the best thing is think about cases
394
999000
2000
denke ich, dass wir am besten über Fälle nachzudenken,
16:56
where we're put in a new situation that we've never been in before --
395
1001000
3000
in denen wir in eine neue Situation gebracht wurden, in der wir noch nie zuvor waren –
16:59
when we fall in love with someone new,
396
1004000
2000
wenn wir uns in jemanden Neuen verlieben,
17:01
or when we're in a new city for the first time.
397
1006000
3000
oder wenn wir zum ersten Mal in einer uns unbekannten Stadt sind.
17:04
And what happens then is not that our consciousness contracts,
398
1009000
2000
Und dann kontrahiert nicht unser Bewusstsein, sondern
17:06
it expands,
399
1011000
2000
es expandiert,
17:08
so that those three days in Paris
400
1013000
2000
so dass diese drei Tage in Paris
17:10
seem to be more full of consciousness and experience
401
1015000
2000
intensiver an Bewusstsein und Erfahrungen zu sein scheinen
17:12
than all the months of being
402
1017000
2000
als all die Monate, in denen wir
17:14
a walking, talking, faculty meeting-attending zombie back home.
403
1019000
4000
zuhause ein wandelnder, sprechender, an Lehrerkonferenzen teilnehmender Zombie waren.
17:18
And by the way, that coffee,
404
1023000
2000
Und übrigens, dieser Kaffee,
17:20
that wonderful coffee you've been drinking downstairs,
405
1025000
2000
dieser wunderbare Kaffee, den Sie unten getrunken haben,
17:22
actually mimics the effect
406
1027000
2000
ahmt den Effekt dieser
17:24
of those baby neurotransmitters.
407
1029000
2000
Baby-Neurotransmitter nach.
17:26
So what's it like to be a baby?
408
1031000
2000
Wie ist es also, ein Baby zu sein?
17:28
It's like being in love
409
1033000
2000
Es ist, wie wenn man verliebt
17:30
in Paris for the first time
410
1035000
2000
und zum ersten Mal in Paris ist,
17:32
after you've had three double-espressos.
411
1037000
2000
und drei doppelte Espressi getrunken hat.
17:34
(Laughter)
412
1039000
3000
(Gelächter)
17:37
That's a fantastic way to be,
413
1042000
2000
So zu leben ist fantastisch,
17:39
but it does tend to leave you waking up crying at three o'clock in the morning.
414
1044000
4000
tendiert aber dazu, dass Sie morgens um drei Uhr weinend aufwachen.
17:43
(Laughter)
415
1048000
3000
(Gelächter)
17:46
Now it's good to be a grownup.
416
1051000
2000
Eben, es ist gut, ein Erwachsener zu sein.
17:48
I don't want to say too much about how wonderful babies are.
417
1053000
2000
Ich möchte nicht zuviel darüber sagen, wie wunderbar Babys sind.
17:50
It's good to be a grownup.
418
1055000
2000
Es ist gut, ein Erwachsener zu sein.
17:52
We can do things like tie our shoelaces and cross the street by ourselves.
419
1057000
3000
Wir können Dinge wie unsere Schnürsenkel knüpfen und die Strasse alleine überqueren.
17:55
And it makes sense that we put a lot of effort
420
1060000
2000
Und es macht Sinn, dass wir uns sehr bemühen
17:57
into making babies think like adults do.
421
1062000
4000
Babys dazu zu bringen, wie Erwachsene zu denken.
18:01
But if what we want is to be like those butterflies,
422
1066000
3000
Aber wenn wir wie diese Schmetterlinge sein möchten,
18:04
to have open-mindedness, open learning,
423
1069000
3000
aufgeschlossen und offen dem Lernen gegenüber,
18:07
imagination, creativity, innovation,
424
1072000
2000
Vorstellung, Kreativität, Innovation
18:09
maybe at least some of the time
425
1074000
2000
vielleicht wenigstens manchmal,
18:11
we should be getting the adults
426
1076000
2000
sollten wir die Erwachsenen dazu bringen,
18:13
to start thinking more like children.
427
1078000
2000
mehr wie Kinder zu denken.
18:15
(Applause)
428
1080000
8000
(Applaus)
ABOUT THE SPEAKER
Alison Gopnik - Child development psychologistAlison Gopnik takes us into the fascinating minds of babies and children, and shows us how much we understand before we even realize we do.
Why you should listen
What’s it really like to see through the eyes of a child? Are babies and young children just empty, irrational vessels to be formed into little adults, until they become the perfect images of ourselves? On the contrary, argues Alison Gopnik, professor of psychology and philosophy at the University of California at Berkeley.
The author of The Philosophical Baby, The Scientist in the Crib and other influential books on cognitive development, Gopnik presents evidence that babies and children are conscious of far more than we give them credit for, as they engage every sense and spend every waking moment discovering, filing away, analyzing and acting on information about how the world works. Gopnik’s work draws on psychological, neuroscientific, and philosophical developments in child development research to understand how the human mind learns, how and why we love, our ability to innovate, as well as giving us a deeper appreciation for the role of parenthood.
She says: "What's it like to be a baby? Being in love in Paris for the first time after you've had 3 double espressos."
Alison Gopnik | Speaker | TED.com