TED2015
Laura Schulz: The surprisingly logical minds of babies
לורה שולץ: המוחות ההגיוניים להפליא של ילדים
Filmed:
Readability: 3.8
1,888,975 views
איך תינוקות לומדים כל כך הרבה, מתוך כל כך מעט, כה מהר? בשיחה מהנה גדושה בניסויים, המדענית הקוגניטיבית לורה שולץ מראה כיצד הצעירים שלנו מקבלים החלטות עם חוש הגיוני חזק, אפילו עוד לפני שהם יכולים לדבר.
Laura Schulz - Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn. Full bio
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn. Full bio
Double-click the English transcript below to play the video.
00:12
Mark Twain summed up
what I take to be
what I take to be
0
835
2155
מארק טוויין סיכם את מה
שאני מחשיבה
שאני מחשיבה
00:14
one of the fundamental problems
of cognitive science
of cognitive science
1
2990
3120
כאחת הבעיות הבסיסיות
של מדע הקוגניציה
של מדע הקוגניציה
00:18
with a single witticism.
2
6110
1710
במשפט שנון אחד.
00:20
He said, "There's something
fascinating about science.
fascinating about science.
3
8410
3082
הוא אמר, "יש משהו מרתק
במדע.
במדע.
00:23
One gets such wholesale
returns of conjecture
returns of conjecture
4
11492
3228
אדם מקבל החזרה כה גדולה
של השערות
של השערות
00:26
out of such a trifling
investment in fact."
investment in fact."
5
14720
3204
תמורת השקעה כל כך
זעומה בעובדה."
זעומה בעובדה."
00:29
(Laughter)
6
17924
1585
(צחוק)
00:32
Twain meant it as a joke,
of course, but he's right:
of course, but he's right:
7
20199
2604
טוויין התכוון לכך כאל בדיחה,
כמובן, אבל הוא צודק:
כמובן, אבל הוא צודק:
00:34
There's something
fascinating about science.
fascinating about science.
8
22803
2876
יש משהו מרתק במדע.
00:37
From a few bones, we infer
the existence of dinosuars.
the existence of dinosuars.
9
25679
4261
מכמה עצמות, אנחנו מסיקים על
קיומם של דינוזאורים.
קיומם של דינוזאורים.
00:42
From spectral lines,
the composition of nebulae.
the composition of nebulae.
10
30910
3871
מקווי ספקטרום את הרכב של ערפיליות,
00:47
From fruit flies,
11
35471
2938
מזבובי הפירות,
00:50
the mechanisms of heredity,
12
38409
2943
מנגנוני התורשה,
00:53
and from reconstructed images
of blood flowing through the brain,
of blood flowing through the brain,
13
41352
4249
ומתמונות משוחזרות של דם שזורם דרך המוח,
00:57
or in my case, from the behavior
of very young children,
of very young children,
14
45601
4708
או במקרה שלי, מאופן ההתנהגות
של ילדים קטנים,
של ילדים קטנים,
01:02
we try to say something about
the fundamental mechanisms
the fundamental mechanisms
15
50309
2829
אנו מנסים לומר משהו
על המנגנונים הבסיסיים
על המנגנונים הבסיסיים
01:05
of human cognition.
16
53138
1618
של הקוגניציה האנושית.
01:07
In particular, in my lab in the Department
of Brain and Cognitive Sciences at MIT,
of Brain and Cognitive Sciences at MIT,
17
55716
4759
במיוחד במעבדה שלי במחלקת
מדעי המוח והקוגניציה
מדעי המוח והקוגניציה
01:12
I have spent the past decade
trying to understand the mystery
trying to understand the mystery
18
60475
3654
ביליתי את העשור האחרון בניסיון
להבין את המיסתורין
להבין את המיסתורין
01:16
of how children learn so much
from so little so quickly.
from so little so quickly.
19
64129
3977
של איך ילדים לומדים כל כך הרבה
מכל כך מעט, כל כך מהר.
מכל כך מעט, כל כך מהר.
01:20
Because, it turns out that
the fascinating thing about science
the fascinating thing about science
20
68666
2978
משום שמתברר שמה שמרתק
במדע
במדע
01:23
is also a fascinating
thing about children,
thing about children,
21
71644
3529
הוא גם משהו מרתק אודות ילדים
01:27
which, to put a gentler
spin on Mark Twain,
spin on Mark Twain,
22
75173
2581
אשר, אם עושים ספין עדין יותר
על מרק טוויין,
על מרק טוויין,
01:29
is precisely their ability
to draw rich, abstract inferences
to draw rich, abstract inferences
23
77754
4650
זו בדיוק היכולת שלהם להסיק,
מסקנות מופשטות עשירות
מסקנות מופשטות עשירות
01:34
rapidly and accurately
from sparse, noisy data.
from sparse, noisy data.
24
82404
4661
מהר ובמדויק מנתונים זעומים
ורועשים.
ורועשים.
01:40
I'm going to give you
just two examples today.
just two examples today.
25
88355
2398
אני הולכת לתת לכם רק שתי
דוגמאות היום.
דוגמאות היום.
01:42
One is about a problem of generalization,
26
90753
2287
האחת היא בעניין בעיה של
הכללה,
הכללה,
01:45
and the other is about a problem
of causal reasoning.
of causal reasoning.
27
93040
2850
והשנייה היא בנושא
ההיגיון הסיבתי
ההיגיון הסיבתי
01:47
And although I'm going to talk
about work in my lab,
about work in my lab,
28
95890
2525
ולמרות שאני הולכת לדבר על
עבודה במעבדה שלי,
עבודה במעבדה שלי,
01:50
this work is inspired by
and indebted to a field.
and indebted to a field.
29
98415
3460
העבודה היא בהשראתה ובזכותה
של עבודת שטח.
של עבודת שטח.
01:53
I'm grateful to mentors, colleagues,
and collaborators around the world.
and collaborators around the world.
30
101875
4283
אני אסירת תודה לחונכים, לעמיתים,
ולמשתפי פעולה ברחבי העולם.
ולמשתפי פעולה ברחבי העולם.
01:59
Let me start with the problem
of generalization.
of generalization.
31
107308
2974
הרשו לי להתחיל עם הבעיה
של הכללה.
של הכללה.
02:02
Generalizing from small samples of data
is the bread and butter of science.
is the bread and butter of science.
32
110652
4133
הכללה מדוגמאות קטנות של נתונים
היא הלחם והחמאה של המדע.
היא הלחם והחמאה של המדע.
02:06
We poll a tiny fraction of the electorate
33
114785
2554
אנו סוקרים חלק זעיר של הבוחרים
02:09
and we predict the outcome
of national elections.
of national elections.
34
117339
2321
ואנו צופים תוצאות
של בחירות ארציות
של בחירות ארציות
02:12
We see how a handful of patients
responds to treatment in a clinical trial,
responds to treatment in a clinical trial,
35
120240
3925
אנו רואים כיצד קומץ של חולים
מגיב לטיפול בניסוי קליני,
מגיב לטיפול בניסוי קליני,
02:16
and we bring drugs to a national market.
36
124165
3065
ואנחנו מכניסים תרופות לשוק לאומי.
02:19
But this only works if our sample
is randomly drawn from the population.
is randomly drawn from the population.
37
127230
4365
אבל זה עובד רק אם המדגם שלנו
נלקח באופן אקראי מהאוכלוסייה.
נלקח באופן אקראי מהאוכלוסייה.
02:23
If our sample is cherry-picked
in some way --
in some way --
38
131595
2735
אם המדגם שלנו נבחר בקפידה
בדרך כלשהי -
בדרך כלשהי -
02:26
say, we poll only urban voters,
39
134330
2072
למשל, אנו מסקרים רק בוחרים
עירוניים,
עירוניים,
02:28
or say, in our clinical trials
for treatments for heart disease,
for treatments for heart disease,
40
136402
4388
או למשל, בניסויים הקליניים שלנו
לטיפולים במחלות לב,
לטיפולים במחלות לב,
02:32
we include only men --
41
140790
1881
אנו מכלילים רק גברים --
02:34
the results may not generalize
to the broader population.
to the broader population.
42
142671
3158
התוצאות אולי לא יכלילו את האוכלוסיה
הרחבה יותר.
הרחבה יותר.
02:38
So scientists care whether evidence
is randomly sampled or not,
is randomly sampled or not,
43
146479
3581
אז למדענים אכפת אם ראיות נדגמו
באופן אקראי או לא.
באופן אקראי או לא.
02:42
but what does that have to do with babies?
44
150060
2015
אבל מה לזה ולתינוקות?
02:44
Well, babies have to generalize
from small samples of data all the time.
from small samples of data all the time.
45
152585
4621
ובכן, תינוקות צריכים להכליל מדגימות
קטנות של נתונים כל הזמן.
קטנות של נתונים כל הזמן.
02:49
They see a few rubber ducks
and learn that they float,
and learn that they float,
46
157206
3158
הם רואים כמה ברווזי גומי
ולומדים שהם צפים,
ולומדים שהם צפים,
02:52
or a few balls and learn that they bounce.
47
160364
3575
או כמה כדורים והם לומדים
שהם קופצים.
שהם קופצים.
02:55
And they develop expectations
about ducks and balls
about ducks and balls
48
163939
2951
והם מפתחים ציפיות לגבי
ברווזים וכדורים
ברווזים וכדורים
02:58
that they're going to extend
to rubber ducks and balls
to rubber ducks and balls
49
166890
2716
שהם הולכים להרחיב לגבי
ברווזי גומי וכדורים
ברווזי גומי וכדורים
03:01
for the rest of their lives.
50
169606
1879
למשך שאר חייהם,
03:03
And the kinds of generalizations
babies have to make about ducks and balls
babies have to make about ducks and balls
51
171485
3739
ואת סוגי ההכללות שתינוקות
צריכים לעשות לגבי ברווזים וכדורים
צריכים לעשות לגבי ברווזים וכדורים
03:07
they have to make about almost everything:
52
175224
2089
הם צריכים לעשות לגבי
הכל כמעט:
הכל כמעט:
03:09
shoes and ships and sealing wax
and cabbages and kings.
and cabbages and kings.
53
177313
3917
נעליים וספינות ושעוות-חותם
וראשי כרוב ומלכים.
וראשי כרוב ומלכים.
03:14
So do babies care whether
the tiny bit of evidence they see
the tiny bit of evidence they see
54
182200
2961
אז האם לתינוקות אכפת אם טיפת
ראייה שהם רואים
ראייה שהם רואים
03:17
is plausibly representative
of a larger population?
of a larger population?
55
185161
3692
היא מייצג סביר של
אוכלוסיה גדולה יותר?
אוכלוסיה גדולה יותר?
03:21
Let's find out.
56
189763
1900
בואו ונגלה.
03:23
I'm going to show you two movies,
57
191663
1723
אני הולכת להראות לכם
שני סרטים
שני סרטים
03:25
one from each of two conditions
of an experiment,
of an experiment,
58
193386
2462
כל אחד מהם משני מצבים של ניסוי
03:27
and because you're going to see
just two movies,
just two movies,
59
195848
2438
ומשום שאתם הולכים לראות
רק שני סרטים,
רק שני סרטים,
03:30
you're going to see just two babies,
60
198286
2136
אתם הולכים לראות רק
שני תינוקות,
שני תינוקות,
03:32
and any two babies differ from each other
in innumerable ways.
in innumerable ways.
61
200422
3947
וכל שני תינוקות שונים זה מזה
בדרכים רבות מספור.
בדרכים רבות מספור.
03:36
But these babies, of course,
here stand in for groups of babies,
here stand in for groups of babies,
62
204369
3051
אבל תינוקות אלה, כמובן, מייצגים
קבוצות של תינוקות,
קבוצות של תינוקות,
03:39
and the differences you're going to see
63
207420
1895
וההבדלים שאתם עומדים לראות
03:41
represent average group differences
in babies' behavior across conditions.
in babies' behavior across conditions.
64
209315
5195
מייצגים הבדלי קבוצה ממוצעים
בהתנהגותם של תינוקות לאורך מצבים שונים.
בהתנהגותם של תינוקות לאורך מצבים שונים.
03:47
In each movie, you're going to see
a baby doing maybe
a baby doing maybe
65
215160
2583
בכל סרט אתם הולכים לראות
תינוק עושה אולי
תינוק עושה אולי
03:49
just exactly what you might
expect a baby to do,
expect a baby to do,
66
217743
3460
בדיוק רק מה שאתם עשויים לצפות
מתינוק שיעשה,
מתינוק שיעשה,
03:53
and we can hardly make babies
more magical than they already are.
more magical than they already are.
67
221203
4017
ואנחנו בקושי יכולים לגרום לתינוקות
להיות יותר קסומים ממה שהם כבר.
להיות יותר קסומים ממה שהם כבר.
03:58
But to my mind the magical thing,
68
226090
2010
אבל לדעתי הדבר הקסום,
04:00
and what I want you to pay attention to,
69
228100
2089
ומה שאני רוצה שתשימו לב אליו,
04:02
is the contrast between
these two conditions,
these two conditions,
70
230189
3111
הוא הניגוד בין שני מצבים אלה,
04:05
because the only thing
that differs between these two movies
that differs between these two movies
71
233300
3529
כי הדבר היחיד ששונה
בין שני סרטים אלה
בין שני סרטים אלה
04:08
is the statistical evidence
the babies are going to observe.
the babies are going to observe.
72
236829
3466
הוא הראיות הסטטיסטיות שהתינוקות
עומדים להבחין בהם.
עומדים להבחין בהם.
04:13
We're going to show babies
a box of blue and yellow balls,
a box of blue and yellow balls,
73
241425
3183
אנחנו הולכים להראות לתינוקות
תיבה של כדורים כחולים וצהובים
תיבה של כדורים כחולים וצהובים
04:16
and my then-graduate student,
now colleague at Stanford, Hyowon Gweon,
now colleague at Stanford, Hyowon Gweon,
74
244608
4620
והסטודנטית המתמחה שלי אז, שכיום
היא עמיתה חדשה בסטנפורד , היווון גוואון,
היא עמיתה חדשה בסטנפורד , היווון גוואון,
04:21
is going to pull three blue balls
in a row out of this box,
in a row out of this box,
75
249228
3077
הולכת לשלוף 3 כדורים כחולים בזה אחר זה
מתוך תיבה זו,
מתוך תיבה זו,
04:24
and when she pulls those balls out,
she's going to squeeze them,
she's going to squeeze them,
76
252305
3123
וכאשר היא שולפת כדורים אלה החוצה,
היא הולכת למעוך אותם,
היא הולכת למעוך אותם,
04:27
and the balls are going to squeak.
77
255428
2113
והכדורים יצפצפו.
04:29
And if you're a baby,
that's like a TED Talk.
that's like a TED Talk.
78
257541
2763
ואם אתם תינוקות,
זה כמו הרצאה ב-TED.
זה כמו הרצאה ב-TED.
04:32
It doesn't get better than that.
79
260304
1904
זה לא נעשה יותר טוב מזה.
04:34
(Laughter)
80
262208
2561
(צחוק)
04:38
But the important point is it's really
easy to pull three blue balls in a row
easy to pull three blue balls in a row
81
266968
3659
אבל מה שחשוב זה שממש קל
לשלוף שלושה כדורים כחולים ברצף
לשלוף שלושה כדורים כחולים ברצף
04:42
out of a box of mostly blue balls.
82
270627
2305
מתוך תיבת כדורים בעיקר כחולים.
04:44
You could do that with your eyes closed.
83
272932
2060
תוכלו לעשות זאת בעיניים עצומות.
04:46
It's plausibly a random sample
from this population.
from this population.
84
274992
2996
זה מדגם אקראי סביר מקבוצה זו.
04:49
And if you can reach into a box at random
and pull out things that squeak,
and pull out things that squeak,
85
277988
3732
ואם אתם יכולים להושיט יד לתיבה באקראי
ולשלוף ממנה דברים מצפצפים,
ולשלוף ממנה דברים מצפצפים,
04:53
then maybe everything in the box squeaks.
86
281720
2839
אז אולי כל דבר בתיבה חורק.
04:56
So maybe babies should expect
those yellow balls to squeak as well.
those yellow balls to squeak as well.
87
284559
3650
אז אולי תינוקות צריכים לצפות
גם מהכדורים הצהובים שיצפצפו.
גם מהכדורים הצהובים שיצפצפו.
05:00
Now, those yellow balls
have funny sticks on the end,
have funny sticks on the end,
88
288209
2519
עכשיו, לכדורים צהובים אלו
יש מקלות מצחיקים בקצה,
יש מקלות מצחיקים בקצה,
05:02
so babies could do other things
with them if they wanted to.
with them if they wanted to.
89
290728
2857
כך שתינוקות יכולים לעשות דברים אחרים
איתם אם הם היו רוצים.
איתם אם הם היו רוצים.
05:05
They could pound them or whack them.
90
293585
1831
הם יכולים לחבוט בהם או להצליף איתם.
05:07
But let's see what the baby does.
91
295416
2586
אבל בואו נראה מה התינוקת עושה.
05:12
(Video) Hyowon Gweon: See this?
(Ball squeaks)
(Ball squeaks)
92
300548
3343
(וידאו) היוון גוואון: רואה את זה?
(כדור מצפצף)
(כדור מצפצף)
05:16
Did you see that?
(Ball squeaks)
(Ball squeaks)
93
304531
3045
ראית את זה?
05:20
Cool.
94
308036
3066
מגניב.
05:24
See this one?
95
312706
1950
רואה את זה?
05:26
(Ball squeaks)
96
314656
1881
(כדור מצפצף)
05:28
Wow.
97
316537
2653
וואו.
05:33
Laura Schulz: Told you. (Laughs)
98
321854
2113
לורה שולץ: אמרתי לכם? (צוחקת)
05:35
(Video) HG: See this one?
(Ball squeaks)
(Ball squeaks)
99
323967
4031
(וידאו) ה.ג. רואה את זה?
(כדור מצפצף)
(כדור מצפצף)
05:39
Hey Clara, this one's for you.
You can go ahead and play.
You can go ahead and play.
100
327998
4619
היי קלרה, זה בשבילך.
את יכולה להמשיך ולשחק.
את יכולה להמשיך ולשחק.
05:51
(Laughter)
101
339854
4365
(צחוק)
05:56
LS: I don't even have to talk, right?
102
344219
2995
ל.ש.: אני אפילו לא צריכה לדבר, נכון?
05:59
All right, it's nice that babies
will generalize properties
will generalize properties
103
347214
2899
בסדר, זה נחמד שתינוקות
יעשו הכללה של תכונות
יעשו הכללה של תכונות
06:02
of blue balls to yellow balls,
104
350113
1528
מכדורים כחולים לכדורים צהובים,
06:03
and it's impressive that babies
can learn from imitating us,
can learn from imitating us,
105
351641
3096
וזה מרשים שתינוקות
יכולים ללמוד מלחקות אותנו,
יכולים ללמוד מלחקות אותנו,
06:06
but we've known those things about babies
for a very long time.
for a very long time.
106
354737
3669
אבל ידענו דברים אלה על תינוקות
מזה זמן רב.
מזה זמן רב.
06:10
The really interesting question
107
358406
1811
השאלה המעניינת באמת
06:12
is what happens when we show babies
exactly the same thing,
exactly the same thing,
108
360217
2852
היא מה קורה כאשר אנו מראים לתינוקות
בדיוק את אותו הדבר,
בדיוק את אותו הדבר,
06:15
and we can ensure it's exactly the same
because we have a secret compartment
because we have a secret compartment
109
363069
3611
ואנחנו יכולים להבטיח שזה בדיוק
אותו הדבר כי יש לנו תא סודי
אותו הדבר כי יש לנו תא סודי
06:18
and we actually pull the balls from there,
110
366680
2110
ואנחנו למעשה שולפים את הכדורים משם,
06:20
but this time, all we change
is the apparent population
is the apparent population
111
368790
3478
אך הפעם, כל מה שאנו משנים זה
את הקבוצה
את הקבוצה
06:24
from which that evidence was drawn.
112
372268
2902
שממנה ראייה זו נמשכה
06:27
This time, we're going to show babies
three blue balls
three blue balls
113
375170
3553
הפעם, אנחנו הולכים להראות לתינוקות
שלושה כדורים כחולים
שלושה כדורים כחולים
06:30
pulled out of a box
of mostly yellow balls,
of mostly yellow balls,
114
378723
3384
שהוצאו מקופסה
בעיקר של כדורים צהובים
בעיקר של כדורים צהובים
06:34
and guess what?
115
382107
1322
ונחשו מה?
06:35
You [probably won't] randomly draw
three blue balls in a row
three blue balls in a row
116
383429
2840
אתם (כנראה שלא) תשלפו
3 כדורים בזה אחר זה
3 כדורים בזה אחר זה
06:38
out of a box of mostly yellow balls.
117
386269
2484
מתיבה של בעיקר כדורים צהובים
06:40
That is not plausibly
randomly sampled evidence.
randomly sampled evidence.
118
388753
3747
זו לא ראיית דגימה סבירה באופן
אקראי.
אקראי.
06:44
That evidence suggests that maybe Hyowon
was deliberately sampling the blue balls.
was deliberately sampling the blue balls.
119
392500
5123
ראייה זו מצביעה על כך שאולי היוון
דיגמה במתכוון את הכדורים הכחולים
דיגמה במתכוון את הכדורים הכחולים
06:49
Maybe there's something special
about the blue balls.
about the blue balls.
120
397623
2583
אולי יש משהו מיוחד
בכדורים הכחולים.
בכדורים הכחולים.
06:52
Maybe only the blue balls squeak.
121
400846
2976
אולי רק הכדורים הכחולים מצפצפים.
06:55
Let's see what the baby does.
122
403822
1895
בואו נראה מה התינוקת עושה.
06:57
(Video) HG: See this?
(Ball squeaks)
(Ball squeaks)
123
405717
2904
(וידאו) ה.ג.: רואה את זה? (כדור מצפצף)
07:02
See this toy?
(Ball squeaks)
(Ball squeaks)
124
410851
2645
רואה את הצעצוע הזה?
(כדור מצפצף)
(כדור מצפצף)
07:05
Oh, that was cool. See?
(Ball squeaks)
(Ball squeaks)
125
413496
5480
הו, זה היה מגניב. רואה?
(כדור מצפצף)
(כדור מצפצף)
07:10
Now this one's for you to play.
You can go ahead and play.
You can go ahead and play.
126
418976
4394
עכשיו זה בשבילך לשחק.
את יכולה לשחק.
את יכולה לשחק.
07:18
(Fussing)
(Laughter)
(Laughter)
127
426074
6347
(התרגשות)
(צחוק)
(צחוק)
07:26
LS: So you just saw
two 15-month-old babies
two 15-month-old babies
128
434901
2748
ל.ש: אז אתם ראיתם
שני תינוקות בני 15 חודשים
שני תינוקות בני 15 חודשים
07:29
do entirely different things
129
437649
1942
עושים דברים שונים לחלוטין
07:31
based only on the probability
of the sample they observed.
of the sample they observed.
130
439591
3599
שמבוססים רק על ההסתברות של
הדוגמה שהם ראו.
הדוגמה שהם ראו.
07:35
Let me show you the experimental results.
131
443190
2321
הרשו לי להראות לכם את
תוצאות הניסוי.
תוצאות הניסוי.
07:37
On the vertical axis, you'll see
the percentage of babies
the percentage of babies
132
445511
2764
על הציר האנכי, תראו את
אחוז התינוקות
אחוז התינוקות
07:40
who squeezed the ball in each condition,
133
448275
2530
שמעכו את הכדור בכל מצב.
07:42
and as you'll see, babies are much
more likely to generalize the evidence
more likely to generalize the evidence
134
450805
3715
וכפי שתראו, סביר הרבה יותר
שתינוקות יעשו הכללה
שתינוקות יעשו הכללה
07:46
when it's plausibly representative
of the population
of the population
135
454520
3135
כשזה ייצוג מתקבל על הדעת
של האוכלוסייה
של האוכלוסייה
07:49
than when the evidence
is clearly cherry-picked.
is clearly cherry-picked.
136
457655
3738
מאשר כשהראייה נבחרת בקפידה
07:53
And this leads to a fun prediction:
137
461393
2415
וזה מוליך לחיזוי מהנה:
07:55
Suppose you pulled just one blue ball
out of the mostly yellow box.
out of the mostly yellow box.
138
463808
4868
נניח ששלפתם רק כדור כחול אחד
מהתיבה שבה רוב של כדורים צהובים
מהתיבה שבה רוב של כדורים צהובים
08:00
You [probably won't] pull three blue balls
in a row at random out of a yellow box,
in a row at random out of a yellow box,
139
468896
3869
אתם (כנראה לא) תוציאו 3 כדורים כחולים
בזה אחר זה , באקראי מתוך תיבה צהובה.
בזה אחר זה , באקראי מתוך תיבה צהובה.
08:04
but you could randomly sample
just one blue ball.
just one blue ball.
140
472765
2455
אבל יכולתם באקראי לדגום רק
כדור כחול אחד.
כדור כחול אחד.
08:07
That's not an improbable sample.
141
475220
1970
זה לא מדגם בלתי סביר.
08:09
And if you could reach into
a box at random
a box at random
142
477190
2224
ולו יכולתם להגיע לתיבה באקראי
08:11
and pull out something that squeaks,
maybe everything in the box squeaks.
maybe everything in the box squeaks.
143
479414
3987
ולהוציא משהו שחורק,מצפצף,
אולי הכל בתיבה מצפצף.
אולי הכל בתיבה מצפצף.
08:15
So even though babies are going to see
much less evidence for squeaking,
much less evidence for squeaking,
144
483875
4445
אז למרות שתינוקות הולכים לראות
הרבה פחות ראיות לצפצופים,
הרבה פחות ראיות לצפצופים,
08:20
and have many fewer actions to imitate
145
488320
2242
ויש להם הרבה פחות פעולות לחקות
08:22
in this one ball condition than in
the condition you just saw,
the condition you just saw,
146
490562
3343
במצב זה של כדור אחד מאשר במצב
שראיתם זה עתה.
שראיתם זה עתה.
08:25
we predicted that babies themselves
would squeeze more,
would squeeze more,
147
493905
3892
חזינו שהתינוקות עצמם ילחצו יותר.
08:29
and that's exactly what we found.
148
497797
2894
וזה בדיוק מה שמצאנו.
08:32
So 15-month-old babies,
in this respect, like scientists,
in this respect, like scientists,
149
500691
4411
ובכן, לתינוקות בני 15 חודשים, בהקשר זה,
כמו מדענים,
כמו מדענים,
08:37
care whether evidence
is randomly sampled or not,
is randomly sampled or not,
150
505102
3088
אכפת אם ראיות נדגמו באקראי או לא,
08:40
and they use this to develop
expectations about the world:
expectations about the world:
151
508190
3507
והם משתמשים בזה כדי לפתח
ציפיות לגבי העולם:
ציפיות לגבי העולם:
08:43
what squeaks and what doesn't,
152
511697
2182
מה חורק ומה לא,
08:45
what to explore and what to ignore.
153
513879
3145
מה לחקור וממה להתעלם.
08:50
Let me show you another example now,
154
518384
2066
הרשו לי להראות לכם
דוגמה נוספת עכשיו,
דוגמה נוספת עכשיו,
08:52
this time about a problem
of causal reasoning.
of causal reasoning.
155
520450
2730
הפעם על חשיבה סיבתית
08:55
And it starts with a problem
of confounded evidence
of confounded evidence
156
523180
2439
וזה מתחיל עם בעיה של ראייה מבולבלת.
08:57
that all of us have,
157
525619
1672
שיש לכל אחד מאיתנו.
08:59
which is that we are part of the world.
158
527291
2020
שהיא שאנחנו הננו חלק מהעולם
09:01
And this might not seem like a problem
to you, but like most problems,
to you, but like most problems,
159
529311
3436
וזה עשוי לא להיראות לכם כמו בעייה,
אבל כמו רב הבעיות,
אבל כמו רב הבעיות,
09:04
it's only a problem when things go wrong.
160
532747
2337
זו רק בעיה כאשר דברים משתבשים.
09:07
Take this baby, for instance.
161
535464
1811
קחו את התינוק הזה לדוגמה.
09:09
Things are going wrong for him.
162
537275
1705
דברים משתבשים עבורו.
09:10
He would like to make
this toy go, and he can't.
this toy go, and he can't.
163
538980
2271
הוא היה רוצה לגרום לצעצוע זה
לפעול, ואינו יכול.
לפעול, ואינו יכול.
09:13
I'll show you a few-second clip.
164
541251
2529
אראה לכם סרטון של כמה שניות.
09:21
And there's two possibilities, broadly:
165
549340
1920
ויש שתי אפשרויות, בגדול:
09:23
Maybe he's doing something wrong,
166
551260
2634
אולי הוא עושה משהו לא בסדר.
09:25
or maybe there's something
wrong with the toy.
wrong with the toy.
167
553894
4216
או שאולי יש משהו לא בסדר בצעצוע.
09:30
So in this next experiment,
168
558110
2111
אז בניסוי הבא,
09:32
we're going to give babies
just a tiny bit of statistical data
just a tiny bit of statistical data
169
560221
3297
אנחנו הולכים לתת לתינוקות רק טיפ-טיפה
של נתונים סטטיסטיים
של נתונים סטטיסטיים
09:35
supporting one hypothesis over the other,
170
563518
2582
שתומכים בהשערה אחת לעומת השנייה,
09:38
and we're going to see if babies
can use that to make different decisions
can use that to make different decisions
171
566100
3455
ואנחנו הולכים לראות אם תינוקות יכולים
להשתמש בזה כדי לקבל החלטות שונות
להשתמש בזה כדי לקבל החלטות שונות
09:41
about what to do.
172
569555
1834
מה לעשות.
09:43
Here's the setup.
173
571389
2022
הנה המערך.
09:46
Hyowon is going to try to make
the toy go and succeed.
the toy go and succeed.
174
574071
3030
היווון תנסה לגרום לצעצוע לפעול ותצליח.
09:49
I am then going to try twice
and fail both times,
and fail both times,
175
577101
3320
ואז אני אנסה פעמיים ואכשל
בשתי הפעמים.
בשתי הפעמים.
09:52
and then Hyowon is going
to try again and succeed,
to try again and succeed,
176
580421
3112
ואז היווון תנסה שוב ותצליח.
09:55
and this roughly sums up my relationship
to my graduate students
to my graduate students
177
583533
3172
וזה בערך מסכם את מערכת היחסים שלי
עם הסטודנטים שלי לתואר שני
עם הסטודנטים שלי לתואר שני
09:58
in technology across the board.
178
586705
2835
בטכנולוגיה באופן כללי
10:02
But the important point here is
it provides a little bit of evidence
it provides a little bit of evidence
179
590030
3292
אבל הנקודה החשובה כאן היא שזה
מספק מעט ראיות
מספק מעט ראיות
10:05
that the problem isn't with the toy,
it's with the person.
it's with the person.
180
593322
3668
שהבעיה אינה עם הצעצוע.
אלא עם האדם.
אלא עם האדם.
10:08
Some people can make this toy go,
181
596990
2350
יש אנשים שמסוגלים לגרום
לצעצוע לפעול.
לצעצוע לפעול.
10:11
and some can't.
182
599340
959
ויש כאלה שלא.
10:12
Now, when the baby gets the toy,
he's going to have a choice.
he's going to have a choice.
183
600799
3413
עכשיו, כשהתינוק מקבל צעצוע,
הולכת להיות לו בחירה.
הולכת להיות לו בחירה.
10:16
His mom is right there,
184
604212
2188
האמא שלו היא ממש שם,
10:18
so he can go ahead and hand off the toy
and change the person,
and change the person,
185
606400
3315
אז אני יכולה לתת את הצעצוע
ולהחליף את האדם.
ולהחליף את האדם.
10:21
but there's also going to be
another toy at the end of that cloth,
another toy at the end of that cloth,
186
609715
3158
אבל הולך להיות צעצוע אחר
בקצה הבד הזה,
בקצה הבד הזה,
10:24
and he can pull the cloth towards him
and change the toy.
and change the toy.
187
612873
3552
והוא יכול למשוך את הבד אליו
ולהחליף את הצעצוע.
ולהחליף את הצעצוע.
10:28
So let's see what the baby does.
188
616425
2090
אז בואו נראה מה התינוק עושה.
10:30
(Video) HG: Two, three. Go!
(Music)
(Music)
189
618515
4183
(וידאו) ה.ג.: שתיים, שלוש. צא!
(מוסיקה)
(מוסיקה)
10:34
LS: One, two, three, go!
190
622698
3131
ל.ש: אחת שתיים שלוש, צא!
10:37
Arthur, I'm going to try again.
One, two, three, go!
One, two, three, go!
191
625829
7382
ארתור, אני הולך לנסות שוב.
אחת, שתיים שלוש, צא!
אחת, שתיים שלוש, צא!
10:45
YG: Arthur, let me try again, okay?
192
633677
2600
ה.ג: ארתור, תן לי לנסות, טוב?
10:48
One, two, three, go!
(Music)
(Music)
193
636277
4550
אחת, שתיים, שלוש, צא!
10:53
Look at that. Remember these toys?
194
641583
1883
תראו את זה. זוכר את
הצעצועים האלה?
הצעצועים האלה?
10:55
See these toys? Yeah, I'm going
to put this one over here,
to put this one over here,
195
643466
3264
רואה את הצעצועים האלה? אני הולכת
להניח את זה כאן.
להניח את זה כאן.
10:58
and I'm going to give this one to you.
196
646730
2062
ואני הולכת לתת את זה לך.
11:00
You can go ahead and play.
197
648792
2335
אתה יכול להמשיך ולשחק.
11:23
LS: Okay, Laura, but of course,
babies love their mommies.
babies love their mommies.
198
671213
4737
ל.ש: טוב, לורה, אבל כמובן,
תינוקות אוהבים את האמהות שלהם.
תינוקות אוהבים את האמהות שלהם.
11:27
Of course babies give toys
to their mommies
to their mommies
199
675950
2182
כמובן שתינוקות נותנים צעצועים
לאמהות שלהם
לאמהות שלהם
11:30
when they can't make them work.
200
678132
2030
כשאינם מצליחים להפעיל אותם.
11:32
So again, the really important question
is what happens when we change
is what happens when we change
201
680162
3593
אז שוב, השאלה החשובה באמת היא
מה קורה כאשר אנו משנים
מה קורה כאשר אנו משנים
11:35
the statistical data ever so slightly.
202
683755
3154
מעט את הנתונים הסטטיסטיים .
11:38
This time, babies are going to see the toy
work and fail in exactly the same order,
work and fail in exactly the same order,
203
686909
4087
הפעם, תינוקות הולכים לראות את הצעצוע
פועל ולא פועל בדיוק באותו הסדר,
פועל ולא פועל בדיוק באותו הסדר,
11:42
but we're changing
the distribution of evidence.
the distribution of evidence.
204
690996
2415
אבל אנחנו משנים את חלוקת הראיות.
11:45
This time, Hyowon is going to succeed
once and fail once, and so am I.
once and fail once, and so am I.
205
693411
4411
הפעם, היווון הולכת להצליח
פעם אחת ולהיכשל פעם אחת, וגם אני!
פעם אחת ולהיכשל פעם אחת, וגם אני!
11:49
And this suggests it doesn't matter
who tries this toy, the toy is broken.
who tries this toy, the toy is broken.
206
697822
5637
וזה מציע שלא משנה מי מנסה את הצעצוע
הזה. הצעצוע שבור.
הזה. הצעצוע שבור.
11:55
It doesn't work all the time.
207
703459
1886
הוא לא פועל כל הזמן.
11:57
Again, the baby's going to have a choice.
208
705345
1965
שוב, לתינוק הולכת להיות ברירה.
11:59
Her mom is right next to her,
so she can change the person,
so she can change the person,
209
707310
3396
אמא שלה נמצאת ממש לידה,
כך שהיא יכולה לשנות את האדם
כך שהיא יכולה לשנות את האדם
12:02
and there's going to be another toy
at the end of the cloth.
at the end of the cloth.
210
710706
3204
והולך להיות צעצוע אחר
בקצהו של הבד.
בקצהו של הבד.
12:05
Let's watch what she does.
211
713910
1378
בואו נראה מה היא עושה.
12:07
(Video) HG: Two, three, go!
(Music)
(Music)
212
715288
4348
(וידאו) ה.ג.: שתיים, שלוש, צא!
(מוסיקה)
(מוסיקה)
12:11
Let me try one more time.
One, two, three, go!
One, two, three, go!
213
719636
4984
תנו לי לנסות עוד פעם אחת.
אחת, שתיים, שלוש, צא!
אחת, שתיים, שלוש, צא!
12:17
Hmm.
214
725460
1697
המממ.
12:19
LS: Let me try, Clara.
215
727950
2692
ל.ש: תני לי לנסות, קלרה.
12:22
One, two, three, go!
216
730642
3945
אחת, שתיים, שלוש, צא!
12:27
Hmm, let me try again.
217
735265
1935
הממ, תנו לי לנסות שוב.
12:29
One, two, three, go!
(Music)
(Music)
218
737200
5670
אחת, שתיים, שלוש, צא!
(מוסיקה)
(מוסיקה)
12:35
HG: I'm going
to put this one over here,
to put this one over here,
219
743009
2233
ה.ג.: אני אשים את זה כאן,
12:37
and I'm going to give this one to you.
220
745242
2001
ואני אתן את זה לך.
12:39
You can go ahead and play.
221
747243
3597
את יכולה להמשיך ולשחק.
12:58
(Applause)
222
766376
4897
(מחיאות כפיים)
13:04
LS: Let me show you
the experimental results.
the experimental results.
223
772993
2392
ל.ש.: תנו לי להראות לכם
את תוצאות הניסוי.
את תוצאות הניסוי.
13:07
On the vertical axis,
you'll see the distribution
you'll see the distribution
224
775385
2475
על הציר האנכי תראו את החלוקה
13:09
of children's choices in each condition,
225
777860
2577
של בחירות הילדים בכל מצב,
13:12
and you'll see that the distribution
of the choices children make
of the choices children make
226
780437
4551
ותראו שחלוקת הבחירות
שילדים עושים
שילדים עושים
13:16
depends on the evidence they observe.
227
784988
2787
תלוייה בראיות שנצפו.
13:19
So in the second year of life,
228
787775
1857
אז בשנה השנייה של החיים,
13:21
babies can use a tiny bit
of statistical data
of statistical data
229
789632
2577
תינוקות יכולים להשתמש בטיפ-טיפה
של נתונים סטטיסטיים
של נתונים סטטיסטיים
13:24
to decide between two
fundamentally different strategies
fundamentally different strategies
230
792209
3367
כדי להחליט בין שתי אסטרטגיות
שונות במהותן
שונות במהותן
13:27
for acting in the world:
231
795576
1881
כדי לפעול בעולם:
13:29
asking for help and exploring.
232
797457
2743
לבקש עזרה ולחקור.
13:33
I've just shown you
two laboratory experiments
two laboratory experiments
233
801700
3434
הראיתי לכם זה עתה שני
ניסויי מעבדה
ניסויי מעבדה
13:37
out of literally hundreds in the field
that make similar points,
that make similar points,
234
805134
3691
מתוך מאות, בשטח שמראים
נקודות דומות,
נקודות דומות,
13:40
because the really critical point
235
808825
2392
בגלל שהנקודה הקריטית ממש
13:43
is that children's ability
to make rich inferences from sparse data
to make rich inferences from sparse data
236
811217
5108
היא שיכולתם של הילדים להסיק מסקנות
רבות מנתונים דלים
רבות מנתונים דלים
13:48
underlies all the species-specific
cultural learning that we do.
cultural learning that we do.
237
816325
5341
נמצאת בבסיס כל תרבות הלמידה
ייחודית-למינים שאנו עושים.
ייחודית-למינים שאנו עושים.
13:53
Children learn about new tools
from just a few examples.
from just a few examples.
238
821666
4597
ילדים לומדים על כלים חדשים
מתוך כמה דוגמאות בלבד.
מתוך כמה דוגמאות בלבד.
13:58
They learn new causal relationships
from just a few examples.
from just a few examples.
239
826263
4717
הם לומדים קשרי גומלין סיבתיים חדשים
מכמה דוגמאות בלבד.
מכמה דוגמאות בלבד.
14:03
They even learn new words,
in this case in American Sign Language.
in this case in American Sign Language.
240
831928
4871
הם אפילו לומדים מילים חדשות,
במקרה זה בשפת סימנים אמריקאית.
במקרה זה בשפת סימנים אמריקאית.
14:08
I want to close with just two points.
241
836799
2311
אני רוצה לסיים עם
שתי נקודות בלבד
שתי נקודות בלבד
14:12
If you've been following my world,
the field of brain and cognitive sciences,
the field of brain and cognitive sciences,
242
840050
3688
אם עקבתם אחרי העולם שלי,
תחום מדעי המוח והקוגניציה
תחום מדעי המוח והקוגניציה
14:15
for the past few years,
243
843738
1927
בשנים האחרונות,
14:17
three big ideas will have come
to your attention.
to your attention.
244
845665
2415
הייתם שמים לב לשלושה רעיונות גדולים.
14:20
The first is that this is
the era of the brain.
the era of the brain.
245
848080
3436
הראשון הוא שזה עידן המוח.
14:23
And indeed, there have been
staggering discoveries in neuroscience:
staggering discoveries in neuroscience:
246
851516
3669
ואכן, היו תגליות מדהימות
בחקר מדעי המוח:
בחקר מדעי המוח:
14:27
localizing functionally specialized
regions of cortex,
regions of cortex,
247
855185
3436
לוקליזציה של תפקודים מיוחדים
באזורים של קליפת המוח,
באזורים של קליפת המוח,
14:30
turning mouse brains transparent,
248
858621
2601
הפיכת מוחות של עכברים
לשקופים.
לשקופים.
14:33
activating neurons with light.
249
861222
3776
הפעלת נוירונים עם אור.
14:36
A second big idea
250
864998
1996
רעיון גדול שני
14:38
is that this is the era of big data
and machine learning,
and machine learning,
251
866994
4104
הוא שזה העידן של נתונים גדולים
ולמידת מכונה,
ולמידת מכונה,
14:43
and machine learning promises
to revolutionize our understanding
to revolutionize our understanding
252
871098
3141
ולמידת מכונה מבטיחה לחולל
מהפיכה בהבנה שלנו
מהפיכה בהבנה שלנו
14:46
of everything from social networks
to epidemiology.
to epidemiology.
253
874239
4667
של כל דבר, החל מרשתות חברתיות
לאפידמיולוגיה.
לאפידמיולוגיה.
14:50
And maybe, as it tackles problems
of scene understanding
of scene understanding
254
878906
2693
ואולי, בעת התמודדות עם בעיות
של הבנת סצנה
של הבנת סצנה
14:53
and natural language processing,
255
881599
1993
ועיבוד טבעי של שפה,
14:55
to tell us something
about human cognition.
about human cognition.
256
883592
3324
לספר לנו משהו
על קוגניציה אנושית.
על קוגניציה אנושית.
14:59
And the final big idea you'll have heard
257
887756
1937
והרעיון הגדול האחרון שהייתם שומעים
עליו
עליו
15:01
is that maybe it's a good idea we're going
to know so much about brains
to know so much about brains
258
889693
3387
הוא שאולי זה רעיון טוב שאנחנו הולכים
לדעת כל כך הרבה על מוחות
לדעת כל כך הרבה על מוחות
15:05
and have so much access to big data,
259
893080
1917
ויש גישה רבה כל כך לנתונים רבים,
15:06
because left to our own devices,
260
894997
2507
כי אם ניעזב לנפשנו
15:09
humans are fallible, we take shortcuts,
261
897504
3831
בני אדם נוטים לטעות, אנחנו עושים
קיצורי דרך,
קיצורי דרך,
15:13
we err, we make mistakes,
262
901335
3437
אנחנו שוגים, אנחנו עושים טעויות,
15:16
we're biased, and in innumerable ways,
263
904772
3684
אנחנו מוטים, ובמובנים רבים מספור,
15:20
we get the world wrong.
264
908456
2969
אנו תופשים לא נכון את העולם.
15:24
I think these are all important stories,
265
912843
2949
אני חושבת שאלה כולם סיפורים חשובים,
15:27
and they have a lot to tell us
about what it means to be human,
about what it means to be human,
266
915792
3785
ויש להם הרבה מה לספר לנו
על מה זה להיות אנושי,
על מה זה להיות אנושי,
15:31
but I want you to note that today
I told you a very different story.
I told you a very different story.
267
919577
3529
אבל אני רוצה שתשימו לב שהיום סיפרתי
לכם סיפור שונה מאוד.
לכם סיפור שונה מאוד.
15:35
It's a story about minds and not brains,
268
923966
3807
זה סיפור על המודעות ולא על המוח,
15:39
and in particular, it's a story
about the kinds of computations
about the kinds of computations
269
927773
3006
ובמיוחד זה סיפור על סוגי חישובים
15:42
that uniquely human minds can perform,
270
930779
2590
שבאופן ייחודי התודעה האנושית יכולה לבצע,
15:45
which involve rich, structured knowledge
and the ability to learn
and the ability to learn
271
933369
3944
שמעורבים בו ידע מובנה עשיר,
והיכולת ללמוד
והיכולת ללמוד
15:49
from small amounts of data,
the evidence of just a few examples.
the evidence of just a few examples.
272
937313
5268
מכמויות קטנות של נתונים, ראייה של
רק מעט דוגמאות.
רק מעט דוגמאות.
15:56
And fundamentally, it's a story
about how starting as very small children
about how starting as very small children
273
944301
4299
וביסודו, זה סיפור על איך מתחילים כילדים
קטנים מאוד
קטנים מאוד
16:00
and continuing out all the way
to the greatest accomplishments
to the greatest accomplishments
274
948600
4180
וממשיכים כל הדרך להישגים הגדולים ביותר
16:04
of our culture,
275
952780
3843
של התרבות שלנו.
16:08
we get the world right.
276
956623
1997
אנו תופשים נכון את העולם .
16:12
Folks, human minds do not only learn
from small amounts of data.
from small amounts of data.
277
960433
5267
התודעה האנושית לא רק לומדת
מכמויות קטנות של נתונים,
מכמויות קטנות של נתונים,
16:18
Human minds think
of altogether new ideas.
of altogether new ideas.
278
966285
2101
התודעה האנושית חושבת
על רעיונות לגמרי חדשים.
על רעיונות לגמרי חדשים.
16:20
Human minds generate
research and discovery,
research and discovery,
279
968746
3041
התודעה האנושית יוצרת מחקר
ומחוללת גילוי.
ומחוללת גילוי.
16:23
and human minds generate
art and literature and poetry and theater,
art and literature and poetry and theater,
280
971787
5273
והתודעה האנושית יוצרת אמנות וספרות
ושירה ותיאטרון,
ושירה ותיאטרון,
16:29
and human minds take care of other humans:
281
977070
3760
והתודעה האנושית דואגת לבני אדם אחרים:
16:32
our old, our young, our sick.
282
980830
3427
הזקנים שלנו, הצעירים שלנו, החולים שלנו.
16:36
We even heal them.
283
984517
2367
אנו אפילו מרפאים אותם.
16:39
In the years to come, we're going
to see technological innovations
to see technological innovations
284
987564
3103
בשנים הבאות, אנחנו עומדים
לראות חידושים טכנולוגיים
לראות חידושים טכנולוגיים
16:42
beyond anything I can even envision,
285
990667
3797
מעבר לכל מה שאני יכולה לדמיין,
16:46
but we are very unlikely
286
994464
2150
אבל מאוד לא סביר שאנחנו
16:48
to see anything even approximating
the computational power of a human child
the computational power of a human child
287
996614
5709
נראה משהו שמתקרב אפילו לכוח
החישובי של הילד האנושי
החישובי של הילד האנושי
16:54
in my lifetime or in yours.
288
1002323
4298
בחיים שלי או בשלכם.
16:58
If we invest in these most powerful
learners and their development,
learners and their development,
289
1006621
5047
אם נשקיע הרבה בלומדים אלה ובפיתוחם
17:03
in babies and children
290
1011668
2917
בתינוקות ובילדים
17:06
and mothers and fathers
291
1014585
1826
ואימהות ואבות
17:08
and caregivers and teachers
292
1016411
2699
ובמטפלים ומורים
17:11
the ways we invest in our other
most powerful and elegant forms
most powerful and elegant forms
293
1019110
4170
בדרך שאנו משקיעים בצורות האחרות האלגנטיות
ורבות העצמה שלנו
ורבות העצמה שלנו
17:15
of technology, engineering and design,
294
1023280
3218
של טכנולוגיה, הנדסה ועיצוב,
17:18
we will not just be dreaming
of a better future,
of a better future,
295
1026498
2939
לא רק נחלום על עתיד טוב יותר,
17:21
we will be planning for one.
296
1029437
2127
נתכנן כזה.
17:23
Thank you very much.
297
1031564
2345
תודה רבה.
17:25
(Applause)
298
1033909
3421
(מחיאות כפיים)
17:29
Chris Anderson: Laura, thank you.
I do actually have a question for you.
I do actually have a question for you.
299
1037810
4426
כריס אנדרסון: לורה, תודה.
למעשה יש לי שאלה אליך.
למעשה יש לי שאלה אליך.
17:34
First of all, the research is insane.
300
1042236
2359
ראשית המחקר הוא מטורף.
17:36
I mean, who would design
an experiment like that? (Laughter)
an experiment like that? (Laughter)
301
1044595
3725
אני מתכוון, מי היה מעצב
ניסוי כזה? (צחוק)
ניסוי כזה? (צחוק)
17:41
I've seen that a couple of times,
302
1049150
1790
ראיתי את זה כמה פעמים
17:42
and I still don't honestly believe
that that can truly be happening,
that that can truly be happening,
303
1050940
3222
ועדיין איני מאמין בכנות שיכול להיות
שזה באמת קורה.
שזה באמת קורה.
17:46
but other people have done
similar experiments; it checks out.
similar experiments; it checks out.
304
1054162
3158
אבל אנשים אחרים עשו
ניסויים דומים; זה עובד.
ניסויים דומים; זה עובד.
17:49
The babies really are that genius.
305
1057320
1633
התינוקות באמת כאלה גאונים.
17:50
LS: You know, they look really impressive
in our experiments,
in our experiments,
306
1058953
3007
ל.ש: אתה יודע, הם נראים ממש
מרשימים בניסויים שלנו,
מרשימים בניסויים שלנו,
17:53
but think about what they
look like in real life, right?
look like in real life, right?
307
1061960
2652
אבל חישבו על איך שהם נראים בחיי
היומיום. נכון?
היומיום. נכון?
17:56
It starts out as a baby.
308
1064612
1150
זה מתחיל כתינוק.
17:57
Eighteen months later,
it's talking to you,
it's talking to you,
309
1065762
2007
18 חודש מאוחר יותר זה מדבר אליך.
17:59
and babies' first words aren't just
things like balls and ducks,
things like balls and ducks,
310
1067769
3041
והמילים הראשונות של התינוקות הן לא רק
דברים כמו כדורים וברווזים,
דברים כמו כדורים וברווזים,
18:02
they're things like "all gone,"
which refer to disappearance,
which refer to disappearance,
311
1070810
2881
אלה דברים כמו "הכל הלך", שמתייחסים
להיעלמות.
להיעלמות.
18:05
or "uh-oh," which refer
to unintentional actions.
to unintentional actions.
312
1073691
2283
או "או-או" שמתייחס לפעולות שאינן מכוונות.
18:07
It has to be that powerful.
313
1075974
1562
זה חייב להיות עד כדי כך חזק.
18:09
It has to be much more powerful
than anything I showed you.
than anything I showed you.
314
1077536
2775
זה חייב להיות הרבה יותר חזק
מכל דבר שהראיתי לכם.
מכל דבר שהראיתי לכם.
18:12
They're figuring out the entire world.
315
1080311
1974
הם מבינים את העולם כולו.
18:14
A four-year-old can talk to you
about almost anything.
about almost anything.
316
1082285
3144
בן 4 יכול לדבר איתכם כמעט
על כל דבר.
על כל דבר.
18:17
(Applause)
317
1085429
1601
(מחיאות כפיים)
18:19
CA: And if I understand you right,
the other key point you're making is,
the other key point you're making is,
318
1087030
3414
כ.א.: ואם אני מבין אותך נכון הנקודה
המרכזית האחרת שאת מצביעה עליה היא,
המרכזית האחרת שאת מצביעה עליה היא,
18:22
we've been through these years
where there's all this talk
where there's all this talk
319
1090444
2754
כבר עברנו דרך השנים האלה
שיש בהן את כל הדיבורים האלה
שיש בהן את כל הדיבורים האלה
18:25
of how quirky and buggy our minds are,
320
1093198
1932
עד כמה מוזרה ומטורפה התודעה שלנו.
18:27
that behavioral economics
and the whole theories behind that
and the whole theories behind that
321
1095130
2867
שכלכלה ארגונית ותיאוריות שלמות עומדים
מאחורי זה
מאחורי זה
18:29
that we're not rational agents.
322
1097997
1603
שאנחנו לא יצורים רציונליים.
18:31
You're really saying that the bigger
story is how extraordinary,
story is how extraordinary,
323
1099600
4216
את באמת אומרת שהסיפור הגדול יותר הוא
עד כמה יוצא מהכלל,
עד כמה יוצא מהכלל,
18:35
and there really is genius there
that is underappreciated.
that is underappreciated.
324
1103816
4944
ויש גאון שם שאינו מוערך דיו.
18:40
LS: One of my favorite
quotes in psychology
quotes in psychology
325
1108760
2070
ל.ש.: אחד מהציטוטים בפסיכולוגיה
האהובים עלי
האהובים עלי
18:42
comes from the social
psychologist Solomon Asch,
psychologist Solomon Asch,
326
1110830
2290
הוא של הפסיכולוג החברתי סולומון אש,
18:45
and he said the fundamental task
of psychology is to remove
of psychology is to remove
327
1113120
2807
והוא אמר שהתפקיד הקריטי של פסיכולוגיה
הוא להסיר
הוא להסיר
18:47
the veil of self-evidence from things.
328
1115927
2626
את מעטה הראיה-העצמית מעל הדברים.
18:50
There are orders of magnitude
more decisions you make every day
more decisions you make every day
329
1118553
4551
ישנם סדרי גודל
יותר החלטות שמקבלים מדי יום
יותר החלטות שמקבלים מדי יום
18:55
that get the world right.
330
1123104
1347
שמבינים את העולם נכון.
18:56
You know about objects
and their properties.
and their properties.
331
1124451
2132
אתם יודעים על אובייקטים
והמאפיינים שלהם.
והמאפיינים שלהם.
18:58
You know them when they're occluded.
You know them in the dark.
You know them in the dark.
332
1126583
3029
אתם מכירים אותם כאשר הם
חסומים. אתם מכירים אותם בחושך.
חסומים. אתם מכירים אותם בחושך.
19:01
You can walk through rooms.
333
1129612
1308
אתם יכולים לעבור דרך חדרים.
19:02
You can figure out what other people
are thinking. You can talk to them.
are thinking. You can talk to them.
334
1130920
3532
אתם יכולים להבין מה אחרים
חושבים. אתם יכולים לדבר איתם.
חושבים. אתם יכולים לדבר איתם.
19:06
You can navigate space.
You know about numbers.
You know about numbers.
335
1134452
2230
אתם יכולים לנווט בחלל.
אתם יודעים על מספרים
אתם יודעים על מספרים
19:08
You know causal relationships.
You know about moral reasoning.
You know about moral reasoning.
336
1136682
3022
אתם יודעים על קשרים סיבתיים, אתם
יודעים על חשיבה מוסרית.
יודעים על חשיבה מוסרית.
19:11
You do this effortlessly,
so we don't see it,
so we don't see it,
337
1139704
2356
אתם עושים זאת בקלות, ולכן אנו לא
רואים את זה.
רואים את זה.
19:14
but that is how we get the world right,
and it's a remarkable
and it's a remarkable
338
1142060
2912
אבל ככה אנחנו מבינים את העולם נכון,
וזה מרשים
וזה מרשים
19:16
and very difficult-to-understand
accomplishment.
accomplishment.
339
1144972
2318
והישג קשה מאוד להבנה.
19:19
CA: I suspect there are people
in the audience who have
in the audience who have
340
1147290
2628
כ.א.: אני חושד שיש אנשים בקהל
שיש להם
שיש להם
19:21
this view of accelerating
technological power
technological power
341
1149918
2238
השקפה זו של האצת כוח טכנולוגי
19:24
who might dispute your statement
that never in our lifetimes
that never in our lifetimes
342
1152156
2958
שאולי יחלוק על ההצהרה שלך
שאף פעם בחיינו
שאף פעם בחיינו
19:27
will a computer do what
a three-year-old child can do,
a three-year-old child can do,
343
1155114
2618
מחשב לא יעשה את מה שילד בן 3 יכול לעשות,
19:29
but what's clear is that in any scenario,
344
1157732
3248
אבל מה שברור הוא, שבכל תרחיש,
19:32
our machines have so much to learn
from our toddlers.
from our toddlers.
345
1160980
3770
למכונות שלנו יש כל כך הרבה ללמוד
מהפעוטות שלנו.
מהפעוטות שלנו.
19:38
LS: I think so. You'll have some
machine learning folks up here.
machine learning folks up here.
346
1166230
3216
ל.ש.: אני חושבת כך,יהיו לכם כמה
אנשי למידת מכונה כאן.
אנשי למידת מכונה כאן.
19:41
I mean, you should never bet
against babies or chimpanzees
against babies or chimpanzees
347
1169446
4203
כלומר, אתם אף פעם לא צריכים להמר
נגד תינוקות או שימפנזים
נגד תינוקות או שימפנזים
19:45
or technology as a matter of practice,
348
1173649
3645
או טכנולוגיה למעשה,
19:49
but it's not just
a difference in quantity,
a difference in quantity,
349
1177294
4528
אבל זה לא רק הבדל בכמות,
19:53
it's a difference in kind.
350
1181822
1764
זה הבדל בסוג.
19:55
We have incredibly powerful computers,
351
1183586
2160
יש לנו מחשבים רבי עוצמה,
19:57
and they do do amazingly
sophisticated things,
sophisticated things,
352
1185746
2391
והם עושים דברים מתוחכמים להפליא,
20:00
often with very big amounts of data.
353
1188137
3204
לעתים קרובות עם כמויות
גדולות מאוד של נתונים.
גדולות מאוד של נתונים.
20:03
Human minds do, I think,
something quite different,
something quite different,
354
1191341
2607
התודעה האנושית, אני חושבת,
עושה משהו שונה בתכלית,
עושה משהו שונה בתכלית,
20:05
and I think it's the structured,
hierarchical nature of human knowledge
hierarchical nature of human knowledge
355
1193948
3895
ואני חושבת שזה המבנה ההיררכי המובנה
של הידע אנושי
של הידע אנושי
20:09
that remains a real challenge.
356
1197843
2032
שנשאר אתגר אמיתי.
20:11
CA: Laura Schulz, wonderful
food for thought. Thank you so much.
food for thought. Thank you so much.
357
1199875
3061
כ.א.: לורה שולץ, חומר נפלא למחשבה
תודה רבה לך.
תודה רבה לך.
20:14
LS: Thank you.
(Applause)
(Applause)
358
1202936
2922
ל.ש.: תודה רבה
(מחיאות כפיים)
(מחיאות כפיים)
ABOUT THE SPEAKER
Laura Schulz - Cognitive scientistDevelopmental 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.
Laura Schulz | Speaker | TED.com