TED2015
Laura Schulz: The surprisingly logical minds of babies
Laura Schulz: Le sorprendenti menti logiche dei bambini
Filmed:
Readability: 3.8
1,888,975 views
Come fanno i bambini ad imparare così velocemente da così pochi dati? In un discorso divertente, pieno di esperimenti, la scienziata cognitiva Laura Schulz ci mostra come i nostri piccoli, ben prima di poter parlare, prendano decisioni con un senso della logica sorprendentemente forte.
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.
Mark Twain ha riassunto
ciò che credo sia
ciò che credo sia
00:12
Mark Twain summed up
what I take to be
what I take to be
0
835
2155
00:14
one of the fundamental problems
of cognitive science
of cognitive science
1
2990
3120
uno dei problemi fondamentali
della scienza cognitiva
della scienza cognitiva
00:18
with a single witticism.
2
6110
1710
con una battuta di spirito.
00:20
He said, "There's something
fascinating about science.
fascinating about science.
3
8410
3082
Ha detto: "C'è qualcosa
di affascinante nella scienza.
di affascinante nella scienza.
00:23
One gets such wholesale
returns of conjecture
returns of conjecture
4
11492
3228
Si ottiene un tale ritorno di congetture
00:26
out of such a trifling
investment in fact."
investment in fact."
5
14720
3204
per un tale insignificante
investimento di fatti."
investimento di fatti."
00:29
(Laughter)
6
17924
1585
(Risate)
00:32
Twain meant it as a joke,
of course, but he's right:
of course, but he's right:
7
20199
2604
Ovviamente per Twain
era una battuta, ma ha ragione:
era una battuta, ma ha ragione:
00:34
There's something
fascinating about science.
fascinating about science.
8
22803
2876
la scienza è affasscinante.
00:37
From a few bones, we infer
the existence of dinosuars.
the existence of dinosuars.
9
25679
4261
Da poche ossa, deduciamo
l'esistenza dei dinosauri.
l'esistenza dei dinosauri.
00:42
From spectral lines,
the composition of nebulae.
the composition of nebulae.
10
30910
3871
Dalle linee spettrali,
la composizione delle nebulose.
la composizione delle nebulose.
00:47
From fruit flies,
11
35471
2938
Dai moscerini della frutta,
00:50
the mechanisms of heredity,
12
38409
2943
i meccanismi dell'ereditarietà,
00:53
and from reconstructed images
of blood flowing through the brain,
of blood flowing through the brain,
13
41352
4249
e dalle immagini ricostruite
del flusso di sangue al cervello,
del flusso di sangue al cervello,
00:57
or in my case, from the behavior
of very young children,
of very young children,
14
45601
4708
o nel mio caso, dal comportamento
di bambini molto piccoli,
di bambini molto piccoli,
01:02
we try to say something about
the fundamental mechanisms
the fundamental mechanisms
15
50309
2829
cerchiamo di dire qualcosa
sui meccanismi fondamentali
sui meccanismi fondamentali
01:05
of human cognition.
16
53138
1618
della cognizione umana.
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
Nel mio laboratorio al Dipartimento
di Scienze Cognitive del MIT,
di Scienze Cognitive del MIT,
01:12
I have spent the past decade
trying to understand the mystery
trying to understand the mystery
18
60475
3654
ho trascorso gli ultimi dieci anni
a cercare di capire il mistero
a cercare di capire il mistero
01:16
of how children learn so much
from so little so quickly.
from so little so quickly.
19
64129
3977
su come i bambini imparino così tanto
da così poco, così in fretta.
da così poco, così in fretta.
01:20
Because, it turns out that
the fascinating thing about science
the fascinating thing about science
20
68666
2978
L'aspetto affascinante della scienza
risulta essere
risulta essere
01:23
is also a fascinating
thing about children,
thing about children,
21
71644
3529
anche un aspetto emozionante
dei bambini,
dei bambini,
01:27
which, to put a gentler
spin on Mark Twain,
spin on Mark Twain,
22
75173
2581
ovvero, parafrasando Mark Twain,
01:29
is precisely their ability
to draw rich, abstract inferences
to draw rich, abstract inferences
23
77754
4650
la loro abilità nel ricavare
deduzioni astratte e ricche
deduzioni astratte e ricche
01:34
rapidly and accurately
from sparse, noisy data.
from sparse, noisy data.
24
82404
4661
rapidamente e accuratamente
a partire da dati rumorosi e frammentati.
a partire da dati rumorosi e frammentati.
01:40
I'm going to give you
just two examples today.
just two examples today.
25
88355
2398
Oggi vi mostrerò due esempi.
01:42
One is about a problem of generalization,
26
90753
2287
Uno riguarda un problema
di generalizzazione,
di generalizzazione,
01:45
and the other is about a problem
of causal reasoning.
of causal reasoning.
27
93040
2850
e l'altro è un problema
di ragionamento causale.
di ragionamento causale.
01:47
And although I'm going to talk
about work in my lab,
about work in my lab,
28
95890
2525
Anche se vi parlerò
del mio lavoro in laboratorio,
del mio lavoro in laboratorio,
01:50
this work is inspired by
and indebted to a field.
and indebted to a field.
29
98415
3460
questo lavoro è ispirato
e circoscritto a un campo.
e circoscritto a un campo.
01:53
I'm grateful to mentors, colleagues,
and collaborators around the world.
and collaborators around the world.
30
101875
4283
Sono grata ai miei mentori, colleghi
e collaboratori in tutto il mondo.
e collaboratori in tutto il mondo.
01:59
Let me start with the problem
of generalization.
of generalization.
31
107308
2974
Inizierò con il problema
di generalizzazione.
di generalizzazione.
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
Generalizzare a partire da pochi dati
è la base della scienza.
è la base della scienza.
02:06
We poll a tiny fraction of the electorate
33
114785
2554
Intervistiamo una piccola frazione
dell'elettorato
dell'elettorato
02:09
and we predict the outcome
of national elections.
of national elections.
34
117339
2321
e prediciamo i risultati
delle elezioni nazionali.
delle elezioni nazionali.
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
Vediamo come una manciata di pazienti
reagisce alla cura in un test clinico
reagisce alla cura in un test clinico
02:16
and we bring drugs to a national market.
36
124165
3065
e portiamo le medicine sul mercato.
02:19
But this only works if our sample
is randomly drawn from the population.
is randomly drawn from the population.
37
127230
4365
Ma questo funziona solo se il campione
è scelto casualmente tra la popolazione.
è scelto casualmente tra la popolazione.
02:23
If our sample is cherry-picked
in some way --
in some way --
38
131595
2735
Se il campione è scelto
selettivamente --
selettivamente --
02:26
say, we poll only urban voters,
39
134330
2072
ad esempio se intervistiamo
solo gli elettori urbani,
solo gli elettori urbani,
02:28
or say, in our clinical trials
for treatments for heart disease,
for treatments for heart disease,
40
136402
4388
o se nei test clinici
per la cura delle malattie del cuore,
per la cura delle malattie del cuore,
02:32
we include only men --
41
140790
1881
includiamo solo uomini --
02:34
the results may not generalize
to the broader population.
to the broader population.
42
142671
3158
i risultati potrebbero non applicarsi
a tutta la popolazione.
a tutta la popolazione.
02:38
So scientists care whether evidence
is randomly sampled or not,
is randomly sampled or not,
43
146479
3581
Agli scienziati importa se le prove
sono casualmente campionate o meno,
sono casualmente campionate o meno,
02:42
but what does that have to do with babies?
44
150060
2015
ma cosa ha a che fare
questo con i bambini?
questo con i bambini?
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
I bambini devono ogni volta generalizzare
da piccoli campioni di dati.
da piccoli campioni di dati.
02:49
They see a few rubber ducks
and learn that they float,
and learn that they float,
46
157206
3158
Vedono poche papere di gomma
e imparano che galleggiano,
e imparano che galleggiano,
02:52
or a few balls and learn that they bounce.
47
160364
3575
o poche palle
e imparano che rimbalzano.
e imparano che rimbalzano.
02:55
And they develop expectations
about ducks and balls
about ducks and balls
48
163939
2951
Sviluppano aspettative
su papere e palle
su papere e palle
02:58
that they're going to extend
to rubber ducks and balls
to rubber ducks and balls
49
166890
2716
che estenderanno
a papere di gomma e palle
a papere di gomma e palle
03:01
for the rest of their lives.
50
169606
1879
per tutto il resto della vita.
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
E la generalizzazione che i bambini
devono applicare su papere e palle
devono applicare su papere e palle
03:07
they have to make about almost everything:
52
175224
2089
devono applicarli a quasi tutto:
03:09
shoes and ships and sealing wax
and cabbages and kings.
and cabbages and kings.
53
177313
3917
scarpe, navi, ceralacca, cavoli e re.
03:14
So do babies care whether
the tiny bit of evidence they see
the tiny bit of evidence they see
54
182200
2961
Ai bambini importa
se la piccola parte delle prove che vedono
se la piccola parte delle prove che vedono
03:17
is plausibly representative
of a larger population?
of a larger population?
55
185161
3692
è rappresentativo
di una popolazione più vasta?
di una popolazione più vasta?
03:21
Let's find out.
56
189763
1900
Scopriamolo.
03:23
I'm going to show you two movies,
57
191663
1723
Vi mostrerò due filmati,
uno per ognuna delle due condizioni
di un esperimento,
di un esperimento,
03:25
one from each of two conditions
of an experiment,
of an experiment,
58
193386
2462
03:27
and because you're going to see
just two movies,
just two movies,
59
195848
2438
e poiché vedrete solo due filmati,
03:30
you're going to see just two babies,
60
198286
2136
vedrete solo due bambini.
03:32
and any two babies differ from each other
in innumerable ways.
in innumerable ways.
61
200422
3947
Qualunque bambino è diverso dagli altri
in tantissimi modi.
in tantissimi modi.
03:36
But these babies, of course,
here stand in for groups of babies,
here stand in for groups of babies,
62
204369
3051
Ma questi bambini, ovviamente,
rappresentano gruppi di bambini,
rappresentano gruppi di bambini,
03:39
and the differences you're going to see
63
207420
1895
e le differenze che vedrete
03:41
represent average group differences
in babies' behavior across conditions.
in babies' behavior across conditions.
64
209315
5195
sono differenze comportamentali di gruppo
nelle diverse condizioni.
nelle diverse condizioni.
03:47
In each movie, you're going to see
a baby doing maybe
a baby doing maybe
65
215160
2583
In ogni filmato vedrete un bambino
che fa forse
che fa forse
03:49
just exactly what you might
expect a baby to do,
expect a baby to do,
66
217743
3460
proprio quello che vi aspettereste
faccia un bambino,
faccia un bambino,
03:53
and we can hardly make babies
more magical than they already are.
more magical than they already are.
67
221203
4017
e non possiamo rendere i bambini
più magici di quanto già siano.
più magici di quanto già siano.
03:58
But to my mind the magical thing,
68
226090
2010
Ma per me la cosa magica,
04:00
and what I want you to pay attention to,
69
228100
2089
ciò a cui vorrei prestaste attenzione,
04:02
is the contrast between
these two conditions,
these two conditions,
70
230189
3111
è il contrasto tra queste due condizioni,
04:05
because the only thing
that differs between these two movies
that differs between these two movies
71
233300
3529
perché l'unica cosa
che differisce tra questi due filmati
che differisce tra questi due filmati
04:08
is the statistical evidence
the babies are going to observe.
the babies are going to observe.
72
236829
3466
è l'evidenza statistica
che i bambini osserveranno.
che i bambini osserveranno.
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
Mostreremo ai bambini
una scatola di palle blu e gialle,
una scatola di palle blu e gialle,
04:16
and my then-graduate student,
now colleague at Stanford, Hyowon Gweon,
now colleague at Stanford, Hyowon Gweon,
74
244608
4620
e l'allora studentessa e mia collega
a Stanford, Hyowon Gwen,
a Stanford, Hyowon Gwen,
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
estrarrà dalla scatola
tre palle blu di seguito,
tre palle blu di seguito,
04:24
and when she pulls those balls out,
she's going to squeeze them,
she's going to squeeze them,
76
252305
3123
e una volta estratte,
le spremerà,
le spremerà,
04:27
and the balls are going to squeak.
77
255428
2113
e le palle scricchioleranno.
04:29
And if you're a baby,
that's like a TED Talk.
that's like a TED Talk.
78
257541
2763
Se sei un bambino, è come un TED Talk.
04:32
It doesn't get better than that.
79
260304
1904
Non c'è niente di meglio.
04:34
(Laughter)
80
262208
2561
(Risate)
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
La cosa importante è che è davvero facile
estrarre tre palle blu di seguito
estrarre tre palle blu di seguito
da una scatola
che contiene quasi solo palle blu.
che contiene quasi solo palle blu.
04:42
out of a box of mostly blue balls.
82
270627
2305
04:44
You could do that with your eyes closed.
83
272932
2060
Potreste farlo a occhi chiusi.
04:46
It's plausibly a random sample
from this population.
from this population.
84
274992
2996
È un campione casuale
di questa popolazione.
di questa popolazione.
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
E se potete estrarre casualmente
da una scatola cose che scricchiolano
da una scatola cose che scricchiolano
04:53
then maybe everything in the box squeaks.
86
281720
2839
forse allora qualsiasi cosa
nella scatola scricchiola.
nella scatola scricchiola.
04:56
So maybe babies should expect
those yellow balls to squeak as well.
those yellow balls to squeak as well.
87
284559
3650
Perciò i bambini dovrebbero pensare
che anche le palle gialle scricchiolano.
che anche le palle gialle scricchiolano.
05:00
Now, those yellow balls
have funny sticks on the end,
have funny sticks on the end,
88
288209
2519
Quelle palline gialle
hanno degli strani manici,
hanno degli strani manici,
05:02
so babies could do other things
with them if they wanted to.
with them if they wanted to.
89
290728
2857
e, se volessero, i bambini
potrebbero farci altre cose
potrebbero farci altre cose
05:05
They could pound them or whack them.
90
293585
1831
Potrebbero agitarle o colpirle.
05:07
But let's see what the baby does.
91
295416
2586
Ma vediamo cosa fa il bambino.
05:12
(Video) Hyowon Gweon: See this?
(Ball squeaks)
(Ball squeaks)
92
300548
3343
(Video) Hyowon Gweon: La vedi?
(La palla scricchiola)
(La palla scricchiola)
05:16
Did you see that?
(Ball squeaks)
(Ball squeaks)
93
304531
3045
L'hai vista?
(La palla scricchiola)
(La palla scricchiola)
05:20
Cool.
94
308036
3066
Forte.
05:24
See this one?
95
312706
1950
La vedi questa?
05:26
(Ball squeaks)
96
314656
1881
(La palla scricchiola)
05:28
Wow.
97
316537
2653
Wow.
05:33
Laura Schulz: Told you. (Laughs)
98
321854
2113
Laura Schulz: Ve l'avevo detto.
(Risate)
(Risate)
05:35
(Video) HG: See this one?
(Ball squeaks)
(Ball squeaks)
99
323967
4031
(Video) HG: La vedi questa?
(La palla scricchiola)
(La palla scricchiola)
05:39
Hey Clara, this one's for you.
You can go ahead and play.
You can go ahead and play.
100
327998
4619
Ehi Clara, questa è per te.
Puoi giocarci.
Puoi giocarci.
05:51
(Laughter)
101
339854
4365
(Risate)
05:56
LS: I don't even have to talk, right?
102
344219
2995
LS: Non devo neanche parlare, no?
05:59
All right, it's nice that babies
will generalize properties
will generalize properties
103
347214
2899
Benissimo, è bello
che i bambini estendano le proprietà
che i bambini estendano le proprietà
06:02
of blue balls to yellow balls,
104
350113
1528
delle palle blu a quelle gialle,
06:03
and it's impressive that babies
can learn from imitating us,
can learn from imitating us,
105
351641
3096
ed è impressionante che i bambini
possano imparare imitandoci,
possano imparare imitandoci,
06:06
but we've known those things about babies
for a very long time.
for a very long time.
106
354737
3669
ma conosciamo da tanto
queste qualità dei bambini.
queste qualità dei bambini.
06:10
The really interesting question
107
358406
1811
La domanda interessante
è cosa accade quando mostriamo ai bambini
la stessa identica cosa,
la stessa identica cosa,
06:12
is what happens when we show babies
exactly the same thing,
exactly the same thing,
108
360217
2852
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
e possiamo assicurare che è la stessa cosa
perché c'è uno scomparto segreto
perché c'è uno scomparto segreto
06:18
and we actually pull the balls from there,
110
366680
2110
da cui estraiamo le palle,
06:20
but this time, all we change
is the apparent population
is the apparent population
111
368790
3478
ma questa volta, ciò che cambia
è il gruppo superficiale
è il gruppo superficiale
06:24
from which that evidence was drawn.
112
372268
2902
da cui sono tratte le prove.
06:27
This time, we're going to show babies
three blue balls
three blue balls
113
375170
3553
Questa volta mostreremo ai bambini
tre palle blu
tre palle blu
06:30
pulled out of a box
of mostly yellow balls,
of mostly yellow balls,
114
378723
3384
estratte da una scatola
che contiene soprattutto palle gialle,
che contiene soprattutto palle gialle,
06:34
and guess what?
115
382107
1322
e indovinate?
06:35
You [probably won't] randomly draw
three blue balls in a row
three blue balls in a row
116
383429
2840
È difficile estrarre casualmente
tre palle blu di seguito
tre palle blu di seguito
06:38
out of a box of mostly yellow balls.
117
386269
2484
da una scatola
di palle quasi tutte gialle.
di palle quasi tutte gialle.
06:40
That is not plausibly
randomly sampled evidence.
randomly sampled evidence.
118
388753
3747
Non si tratta di prove
casualmente campionate.
casualmente campionate.
06:44
That evidence suggests that maybe Hyowon
was deliberately sampling the blue balls.
was deliberately sampling the blue balls.
119
392500
5123
Ci fa pensare che Hyowon stesse
deliberatamente scegliendo palle blu.
deliberatamente scegliendo palle blu.
06:49
Maybe there's something special
about the blue balls.
about the blue balls.
120
397623
2583
Forse le palle blu sono speciali.
06:52
Maybe only the blue balls squeak.
121
400846
2976
Forse solo le palle blu scricchiolano
06:55
Let's see what the baby does.
122
403822
1895
Vediamo cosa fa la bambina.
06:57
(Video) HG: See this?
(Ball squeaks)
(Ball squeaks)
123
405717
2904
(Video) HG: La vedi questa?
(La palla scricchiola)
(La palla scricchiola)
07:02
See this toy?
(Ball squeaks)
(Ball squeaks)
124
410851
2645
Vedi questo giocattolo?
(La palla scricchiola)
(La palla scricchiola)
07:05
Oh, that was cool. See?
(Ball squeaks)
(Ball squeaks)
125
413496
5480
Oh, che bello. Vedi?
(La palla scricchiola)
(La palla scricchiola)
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
Questa è per te.
Puoi giocarci.
Puoi giocarci.
07:18
(Fussing)
(Laughter)
(Laughter)
127
426074
6347
(Agitazione)
(Risate)
(Risate)
07:26
LS: So you just saw
two 15-month-old babies
two 15-month-old babies
128
434901
2748
LS: Avete appena visto due bambine
di quindici mesi
di quindici mesi
07:29
do entirely different things
129
437649
1942
fare cose completamente diverse
07:31
based only on the probability
of the sample they observed.
of the sample they observed.
130
439591
3599
basandosi solo sulla probabilità
del campione osservato.
del campione osservato.
07:35
Let me show you the experimental results.
131
443190
2321
Vi mostrerò i risultati dell'esperimento.
07:37
On the vertical axis, you'll see
the percentage of babies
the percentage of babies
132
445511
2764
Sull'asse verticale, vedrete
la percentuale dei bambini
la percentuale dei bambini
07:40
who squeezed the ball in each condition,
133
448275
2530
che hanno spremuto le palle
in ogni condizione,
in ogni condizione,
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
e vedrete che è più probabile
che i bambini generalizzino le prove
che i bambini generalizzino le prove
07:46
when it's plausibly representative
of the population
of the population
135
454520
3135
se sono credibilmente rappresentative
della popolazione
della popolazione
07:49
than when the evidence
is clearly cherry-picked.
is clearly cherry-picked.
136
457655
3738
rispetto a quando le prove
sono selezionate appositamente.
sono selezionate appositamente.
07:53
And this leads to a fun prediction:
137
461393
2415
Questo ci porta
a una previsione divertente:
a una previsione divertente:
07:55
Suppose you pulled just one blue ball
out of the mostly yellow box.
out of the mostly yellow box.
138
463808
4868
ipotizzate di aver estratto una palla blu
da una scatola di quasi tutte gialle.
da una scatola di quasi tutte gialle.
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
Forse non estrarrete tre palle blu
di fila a caso da una scatola gialla,
di fila a caso da una scatola gialla,
08:04
but you could randomly sample
just one blue ball.
just one blue ball.
140
472765
2455
ma potete estrarne a caso
una blu.
una blu.
08:07
That's not an improbable sample.
141
475220
1970
Non è un campione improbabile.
08:09
And if you could reach into
a box at random
a box at random
142
477190
2224
E se cercate casualmente nella scatola
08:11
and pull out something that squeaks,
maybe everything in the box squeaks.
maybe everything in the box squeaks.
143
479414
3987
e estraete qualcosa che scricchiola
forse tutto nella scatola scricchiola.
forse tutto nella scatola scricchiola.
08:15
So even though babies are going to see
much less evidence for squeaking,
much less evidence for squeaking,
144
483875
4445
Anche se i bambini vedranno
meno palle scricchiolare
meno palle scricchiolare
08:20
and have many fewer actions to imitate
145
488320
2242
e avranno meno azioni da imitare
08:22
in this one ball condition than in
the condition you just saw,
the condition you just saw,
146
490562
3343
in questa condizione,
piuttosto che nell'altra,
piuttosto che nell'altra,
08:25
we predicted that babies themselves
would squeeze more,
would squeeze more,
147
493905
3892
abbiamo predetto che i bambini stessi
avrebbero spremuto di più,
avrebbero spremuto di più,
08:29
and that's exactly what we found.
148
497797
2894
ed è proprio quello che abbiamo visto.
08:32
So 15-month-old babies,
in this respect, like scientists,
in this respect, like scientists,
149
500691
4411
Ai bambini di quindici mesi,
quindi, come agli scienziati,
quindi, come agli scienziati,
08:37
care whether evidence
is randomly sampled or not,
is randomly sampled or not,
150
505102
3088
importa se le prove
siano randomizzate o no,
siano randomizzate o no,
08:40
and they use this to develop
expectations about the world:
expectations about the world:
151
508190
3507
e lo usano per sviluppare
aspettative sul mondo:
aspettative sul mondo:
08:43
what squeaks and what doesn't,
152
511697
2182
cosa scricchiola e cosa no,
08:45
what to explore and what to ignore.
153
513879
3145
cosa esplorare e cosa ignorare.
08:50
Let me show you another example now,
154
518384
2066
Vi mostrerò un altro esempio,
08:52
this time about a problem
of causal reasoning.
of causal reasoning.
155
520450
2730
questa volta di un problema
di ragionamento causale.
di ragionamento causale.
08:55
And it starts with a problem
of confounded evidence
of confounded evidence
156
523180
2439
Comincia con un problema
di prove confuse
di prove confuse
08:57
that all of us have,
157
525619
1672
che abbiamo tutti noi,
08:59
which is that we are part of the world.
158
527291
2020
ovvero che facciamo parte del mondo.
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
Potrebbe non sembrarvi un problema,
ma come quasi tutti i problemi,
ma come quasi tutti i problemi,
09:04
it's only a problem when things go wrong.
160
532747
2337
diventa un problema
quando le cose vanno male.
quando le cose vanno male.
09:07
Take this baby, for instance.
161
535464
1811
Prendete questo bambino, per esempio.
09:09
Things are going wrong for him.
162
537275
1705
Le cose gli stanno andando male.
Vorrebbe far partire il suo giocattolo,
ma non ci riesce.
ma non ci riesce.
09:10
He would like to make
this toy go, and he can't.
this toy go, and he can't.
163
538980
2271
09:13
I'll show you a few-second clip.
164
541251
2529
Vi mostrerò una clip di pochi secondi.
09:21
And there's two possibilities, broadly:
165
549340
1920
Ci sono grossomodo due possibilità:
09:23
Maybe he's doing something wrong,
166
551260
2634
o sta facendo qualcosa di sbagliato,
09:25
or maybe there's something
wrong with the toy.
wrong with the toy.
167
553894
4216
o c'è qualcosa che non va nel giocattolo.
09:30
So in this next experiment,
168
558110
2111
Nel prossimo esperimento,
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
daremo ai bambini
alcuni dati statistici
alcuni dati statistici
09:35
supporting one hypothesis over the other,
170
563518
2582
che supportano un'ipotesi
piuttosto che l'altra,
piuttosto che l'altra,
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
e vedremo se i bambini se ne servono
per prendere decisioni diverse
per prendere decisioni diverse
09:41
about what to do.
172
569555
1834
sul da farsi.
09:43
Here's the setup.
173
571389
2022
Questa è la premessa.
09:46
Hyowon is going to try to make
the toy go and succeed.
the toy go and succeed.
174
574071
3030
Hyowon proverà a far partire
il giocattolo e ci riuscirà.
il giocattolo e ci riuscirà.
09:49
I am then going to try twice
and fail both times,
and fail both times,
175
577101
3320
Poi io proverò due volte,
fallendo entrambe,
fallendo entrambe,
09:52
and then Hyowon is going
to try again and succeed,
to try again and succeed,
176
580421
3112
e Hyowon proverà di nuovo
e ci riuscirà,
e ci riuscirà,
09:55
and this roughly sums up my relationship
to my graduate students
to my graduate students
177
583533
3172
e questa è più o meno
la mia relazione con la tecnologia
la mia relazione con la tecnologia
09:58
in technology across the board.
178
586705
2835
rispetto ai miei studenti.
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
Il punto importante qui
è che le prove ci dicono
è che le prove ci dicono
10:05
that the problem isn't with the toy,
it's with the person.
it's with the person.
180
593322
3668
che il problema non è del giocattolo,
ma della persona.
ma della persona.
Alcune persone riescono
a far funzionare il giocattolo,
a far funzionare il giocattolo,
10:08
Some people can make this toy go,
181
596990
2350
10:11
and some can't.
182
599340
959
e altre no.
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
Quando il bambino prende il gioco,
avrà una scelta.
avrà una scelta.
10:16
His mom is right there,
184
604212
2188
La sua mamma è lì,
10:18
so he can go ahead and hand off the toy
and change the person,
and change the person,
185
606400
3315
quindi può andare da lei, darle il gioco
e cambiare la persona,
e cambiare la persona,
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
ma ci sarà anche un altro gioco
alla fine di quel tessuto,
alla fine di quel tessuto,
10:24
and he can pull the cloth towards him
and change the toy.
and change the toy.
187
612873
3552
e può tirare il tessuto verso di sé
e cambiare il giocattolo.
e cambiare il giocattolo.
10:28
So let's see what the baby does.
188
616425
2090
Vediamo cosa fa il bambino.
10:30
(Video) HG: Two, three. Go!
(Music)
(Music)
189
618515
4183
(Video) HG: Due, tre. Via!
(Musica)
(Musica)
10:34
LS: One, two, three, go!
190
622698
3131
LS: Uno, due, tre, via!
10:37
Arthur, I'm going to try again.
One, two, three, go!
One, two, three, go!
191
625829
7382
Arthur, proverò di nuovo.
Uno, due, tre, via!
Uno, due, tre, via!
10:45
YG: Arthur, let me try again, okay?
192
633677
2600
HG: Arthur, fa provare me, okay?
10:48
One, two, three, go!
(Music)
(Music)
193
636277
4550
Uno, due, tre, via!
(Musica)
(Musica)
10:53
Look at that. Remember these toys?
194
641583
1883
Guarda. Ricordi questi giochi?
10:55
See these toys? Yeah, I'm going
to put this one over here,
to put this one over here,
195
643466
3264
Li vedi? Sì, metterò questo qui,
10:58
and I'm going to give this one to you.
196
646730
2062
e darò questo a te.
11:00
You can go ahead and play.
197
648792
2335
Puoi giocarci.
11:23
LS: Okay, Laura, but of course,
babies love their mommies.
babies love their mommies.
198
671213
4737
LS: Okay, Laura, ma è ovvio,
i bambini amano le loro mamme.
i bambini amano le loro mamme.
11:27
Of course babies give toys
to their mommies
to their mommies
199
675950
2182
È ovvio che diano i giocattoli
alle mamme
alle mamme
11:30
when they can't make them work.
200
678132
2030
quando non riescono
a farli funzionare.
a farli funzionare.
11:32
So again, the really important question
is what happens when we change
is what happens when we change
201
680162
3593
Di nuovo, la domanda importante
è cosa accade quando cambiamo
è cosa accade quando cambiamo
11:35
the statistical data ever so slightly.
202
683755
3154
leggermente i dati statistici.
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
Questa volta, i bambini vedranno il gioco
funzionare e fallire nello stesso ordine,
funzionare e fallire nello stesso ordine,
11:42
but we're changing
the distribution of evidence.
the distribution of evidence.
204
690996
2415
ma cambiamo
la distribuzione delle prove.
la distribuzione delle prove.
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
Questa volta, Hyowon riuscirà una volta
e fallirà una volta, proprio come me.
e fallirà una volta, proprio come me.
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
Questo indica che non importa chi lo usi,
il giocattolo è rotto.
il giocattolo è rotto.
11:55
It doesn't work all the time.
207
703459
1886
Non funziona sempre.
11:57
Again, the baby's going to have a choice.
208
705345
1965
Di nuovo, il bambino avrà una scelta.
11:59
Her mom is right next to her,
so she can change the person,
so she can change the person,
209
707310
3396
La mamma è vicino a lei,
quindi può cambiare la persona,
quindi può cambiare la persona,
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
e ci sarà un altro giocattolo
alla fine del tessuto.
alla fine del tessuto.
12:05
Let's watch what she does.
211
713910
1378
Guardiamo cosa fa.
12:07
(Video) HG: Two, three, go!
(Music)
(Music)
212
715288
4348
(Video) HG: Due, tre, via!
(Musica)
(Musica)
12:11
Let me try one more time.
One, two, three, go!
One, two, three, go!
213
719636
4984
Fammi riprovare.
Uno, due, tre, via!
Uno, due, tre, via!
12:17
Hmm.
214
725460
1697
Hmm.
12:19
LS: Let me try, Clara.
215
727950
2692
LS: Fammi provare, Clara.
12:22
One, two, three, go!
216
730642
3945
Uno, due, tre, via!
12:27
Hmm, let me try again.
217
735265
1935
Hmm, fammi riprovare.
12:29
One, two, three, go!
(Music)
(Music)
218
737200
5670
Uno, due, tre, via!
(Musica)
(Musica)
12:35
HG: I'm going
to put this one over here,
to put this one over here,
219
743009
2233
HG: Metterò questo qui,
12:37
and I'm going to give this one to you.
220
745242
2001
e darò quest'altro a te.
12:39
You can go ahead and play.
221
747243
3597
Puoi giocarci.
12:58
(Applause)
222
766376
4897
(Applausi)
13:04
LS: Let me show you
the experimental results.
the experimental results.
223
772993
2392
LS: Vi mostrerò
i risultati sperimentali.
i risultati sperimentali.
13:07
On the vertical axis,
you'll see the distribution
you'll see the distribution
224
775385
2475
Sull'asse verticale,
vedrete la distribuzione
vedrete la distribuzione
13:09
of children's choices in each condition,
225
777860
2577
delle scelte dei bambini
in ogni condizione,
in ogni condizione,
13:12
and you'll see that the distribution
of the choices children make
of the choices children make
226
780437
4551
e vedete che la distribuzione
delle scelte dei bambini
delle scelte dei bambini
13:16
depends on the evidence they observe.
227
784988
2787
dipende dalle prove osservate.
13:19
So in the second year of life,
228
787775
1857
Al secondo anno di vita
13:21
babies can use a tiny bit
of statistical data
of statistical data
229
789632
2577
i bambini possono usare una parte
dei dati statistici
dei dati statistici
13:24
to decide between two
fundamentally different strategies
fundamentally different strategies
230
792209
3367
per scegliere tra due strategie
fondamentalmente diverse
fondamentalmente diverse
13:27
for acting in the world:
231
795576
1881
per agire nel mondo:
13:29
asking for help and exploring.
232
797457
2743
chiedere aiuto e esplorare.
13:33
I've just shown you
two laboratory experiments
two laboratory experiments
233
801700
3434
Vi ho mostrato solo due delle centinaia
di esperimenti di laboratorio
di esperimenti di laboratorio
13:37
out of literally hundreds in the field
that make similar points,
that make similar points,
234
805134
3691
che mostrano le stesse cose,
13:40
because the really critical point
235
808825
2392
poiché il punto critico
13:43
is that children's ability
to make rich inferences from sparse data
to make rich inferences from sparse data
236
811217
5108
è che la capacità dei bambini
di trarre conclusioni da pochi dati
di trarre conclusioni da pochi dati
13:48
underlies all the species-specific
cultural learning that we do.
cultural learning that we do.
237
816325
5341
è alla base del nostro specifico
apprendimento culturale.
apprendimento culturale.
13:53
Children learn about new tools
from just a few examples.
from just a few examples.
238
821666
4597
I bambini imparano a usare nuovi strumenti
soltanto da pochi esempi.
soltanto da pochi esempi.
13:58
They learn new causal relationships
from just a few examples.
from just a few examples.
239
826263
4717
Imparano nuove relazioni causali
partendo da pochi esempi.
partendo da pochi esempi.
14:03
They even learn new words,
in this case in American Sign Language.
in this case in American Sign Language.
240
831928
4871
Imparano persino nuove parole,
in questo caso nella lingua dei segni.
in questo caso nella lingua dei segni.
14:08
I want to close with just two points.
241
836799
2311
Vorrei concludere con due punti.
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
Se avete seguito negli ultimi anni
il mio mondo,
il mio mondo,
il campo delle scienze cognitive
e cerebrali,
e cerebrali,
14:15
for the past few years,
243
843738
1927
tre grandi idee avranno attirato
la vostra attenzione.
la vostra attenzione.
14:17
three big ideas will have come
to your attention.
to your attention.
244
845665
2415
14:20
The first is that this is
the era of the brain.
the era of the brain.
245
848080
3436
La prima è che questa
è l'era del cervello.
è l'era del cervello.
14:23
And indeed, there have been
staggering discoveries in neuroscience:
staggering discoveries in neuroscience:
246
851516
3669
Sono state fatte
strabilianti scoperte nella neuroscienza:
strabilianti scoperte nella neuroscienza:
14:27
localizing functionally specialized
regions of cortex,
regions of cortex,
247
855185
3436
la scoperta di regioni della corteccia
specializzate funzionalmente,
specializzate funzionalmente,
14:30
turning mouse brains transparent,
248
858621
2601
l'aver fatto diventare trasparenti
i cervelli dei topi,
i cervelli dei topi,
14:33
activating neurons with light.
249
861222
3776
l'attivazione dei neuroni con la luce.
14:36
A second big idea
250
864998
1996
Una seconda grande idea
14:38
is that this is the era of big data
and machine learning,
and machine learning,
251
866994
4104
è che questa è l'era
dei Big Data e del machine learning.
dei Big Data e del machine learning.
14:43
and machine learning promises
to revolutionize our understanding
to revolutionize our understanding
252
871098
3141
L'apprendimento delle macchine
promette di rivoluzionare
promette di rivoluzionare
la nostra comprensione di tutto,
dai social network all'epidemiologia.
dai social network all'epidemiologia.
14:46
of everything from social networks
to epidemiology.
to epidemiology.
253
874239
4667
E forse, poiché affronta problemi
di comprensione della scena
di comprensione della scena
14:50
And maybe, as it tackles problems
of scene understanding
of scene understanding
254
878906
2693
14:53
and natural language processing,
255
881599
1993
e di processione delle lingue naturali,
14:55
to tell us something
about human cognition.
about human cognition.
256
883592
3324
di dirci qualcosa
sulla cognizione umana.
sulla cognizione umana.
L'altra idea di cui avrete sentito parlare
14:59
And the final big idea you'll have heard
257
887756
1937
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
è che forse è un bene
che ne sapremo di più sui cervelli
che ne sapremo di più sui cervelli
15:05
and have so much access to big data,
259
893080
1917
e che avremo accesso ai Big Data,
15:06
because left to our own devices,
260
894997
2507
perché se lasciati a noi stessi,
15:09
humans are fallible, we take shortcuts,
261
897504
3831
noi umani siamo fallibili,
prendiamo scorciatoie,
prendiamo scorciatoie,
15:13
we err, we make mistakes,
262
901335
3437
sbagliamo,
commettiamo errori,
commettiamo errori,
15:16
we're biased, and in innumerable ways,
263
904772
3684
siamo prevenuti in un'infinità di modi,
15:20
we get the world wrong.
264
908456
2969
fraintendiamo il mondo.
15:24
I think these are all important stories,
265
912843
2949
Penso che siano
tutte storie importanti,
tutte storie importanti,
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
e ci potranno dire molto
su cosa voglia dire essere umani,
su cosa voglia dire essere umani,
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
ma vorrei farvi notare che oggi
vi ho raccontato una storia diversa.
vi ho raccontato una storia diversa.
15:35
It's a story about minds and not brains,
268
923966
3807
È una storia di menti e non di cervelli,
15:39
and in particular, it's a story
about the kinds of computations
about the kinds of computations
269
927773
3006
e in particolare, è una storia
sui tipi di calcoli
sui tipi di calcoli
15:42
that uniquely human minds can perform,
270
930779
2590
che solo le menti umane
possono compiere,
possono compiere,
15:45
which involve rich, structured knowledge
and the ability to learn
and the ability to learn
271
933369
3944
che riguardano conoscenze ricche,
strutturate, e l'abilità di imparare
strutturate, e l'abilità di imparare
15:49
from small amounts of data,
the evidence of just a few examples.
the evidence of just a few examples.
272
937313
5268
da poche quantità di dati,
da solo pochi esempi.
da solo pochi esempi.
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
E fondamentalmente, è una storia
di come, iniziando da piccolissimi
di come, iniziando da piccolissimi
16:00
and continuing out all the way
to the greatest accomplishments
to the greatest accomplishments
274
948600
4180
e continuando fino ai traguardi
più straordinari
più straordinari
16:04
of our culture,
275
952780
3843
della nostra cultura,
16:08
we get the world right.
276
956623
1997
capiamo bene il mondo.
16:12
Folks, human minds do not only learn
from small amounts of data.
from small amounts of data.
277
960433
5267
Gente, le menti umane non solo
imparano da piccole quantità di dati.
imparano da piccole quantità di dati.
16:18
Human minds think
of altogether new ideas.
of altogether new ideas.
278
966285
2101
Le menti umane pensano
idee nuovissime.
idee nuovissime.
16:20
Human minds generate
research and discovery,
research and discovery,
279
968746
3041
Le menti umane generano
ricerche e scoperte,
ricerche e scoperte,
16:23
and human minds generate
art and literature and poetry and theater,
art and literature and poetry and theater,
280
971787
5273
generano arte, letteratura,
poesia, teatro,
poesia, teatro,
16:29
and human minds take care of other humans:
281
977070
3760
le menti umane si prendono cura
di altri umani:
di altri umani:
16:32
our old, our young, our sick.
282
980830
3427
anziani, giovani, malati.
16:36
We even heal them.
283
984517
2367
Addirittura li guariamo.
16:39
In the years to come, we're going
to see technological innovations
to see technological innovations
284
987564
3103
Negli anni a venire,
vedremo innovazioni tecnologiche
vedremo innovazioni tecnologiche
16:42
beyond anything I can even envision,
285
990667
3797
superiori a qualsiasi cosa
si possa immaginare,
si possa immaginare,
16:46
but we are very unlikely
286
994464
2150
ma è molto improbabile che vedremo,
16:48
to see anything even approximating
the computational power of a human child
the computational power of a human child
287
996614
5709
nella mia o nella vostra esistenza,
16:54
in my lifetime or in yours.
288
1002323
4298
qualcosa che si avvicini al potere
computazionale dei piccoli umani.
computazionale dei piccoli umani.
16:58
If we invest in these most powerful
learners and their development,
learners and their development,
289
1006621
5047
Se investiamo nello sviluppo
di questi potenti apprendenti,
di questi potenti apprendenti,
17:03
in babies and children
290
1011668
2917
nei bambini,
17:06
and mothers and fathers
291
1014585
1826
nelle madri, nei padri,
17:08
and caregivers and teachers
292
1016411
2699
nei baby-sitter e negli insegnanti,
17:11
the ways we invest in our other
most powerful and elegant forms
most powerful and elegant forms
293
1019110
4170
nel modo in cui investiamo nelle altre
nostre forme eleganti e potenti
nostre forme eleganti e potenti
17:15
of technology, engineering and design,
294
1023280
3218
di tecnologia, ingegneria e design,
17:18
we will not just be dreaming
of a better future,
of a better future,
295
1026498
2939
non sogneremo solo un futuro migliore,
17:21
we will be planning for one.
296
1029437
2127
ma ne pianificheremo uno.
17:23
Thank you very much.
297
1031564
2345
Grazie mille.
17:25
(Applause)
298
1033909
3421
(Applausi)
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
Chris Anderson: Laura, grazie.
Avrei una domanda per te.
Avrei una domanda per te.
17:34
First of all, the research is insane.
300
1042236
2359
Prima di tutto, questa ricerca è assurda.
17:36
I mean, who would design
an experiment like that? (Laughter)
an experiment like that? (Laughter)
301
1044595
3725
Chi mai progetterebbe
un esperimento simile? (Risate)
un esperimento simile? (Risate)
17:41
I've seen that a couple of times,
302
1049150
1790
Ne ho visti un paio simili,
17:42
and I still don't honestly believe
that that can truly be happening,
that that can truly be happening,
303
1050940
3222
e ancora non ci credo
che stiano avvenendo davvero,
che stiano avvenendo davvero,
ma altre persone hanno fatto
esperimenti simili; è stato verificato.
esperimenti simili; è stato verificato.
17:46
but other people have done
similar experiments; it checks out.
similar experiments; it checks out.
304
1054162
3158
I bambini sono davvero così geniali.
17:49
The babies really are that genius.
305
1057320
1633
17:50
LS: You know, they look really impressive
in our experiments,
in our experiments,
306
1058953
3007
LS: Sai, sono davvero impressionanti
nei nostri esperimenti,
nei nostri esperimenti,
17:53
but think about what they
look like in real life, right?
look like in real life, right?
307
1061960
2652
ma pensa a come sono
nella vita reale.
nella vita reale.
Nascono.
17:56
It starts out as a baby.
308
1064612
1150
17:57
Eighteen months later,
it's talking to you,
it's talking to you,
309
1065762
2007
Diciotto mesi dopo,
ti parlano,
ti parlano,
17:59
and babies' first words aren't just
things like balls and ducks,
things like balls and ducks,
310
1067769
3041
e le loro parole non sono
palle o papere,
palle o papere,
sono ad esempio "non c'è più"
per parlare di una scomparsa,
per parlare di una scomparsa,
18:02
they're things like "all gone,"
which refer to disappearance,
which refer to disappearance,
311
1070810
2881
o "uh-oh", per riferirsi
ad azioni non intenzionali.
ad azioni non intenzionali.
18:05
or "uh-oh," which refer
to unintentional actions.
to unintentional actions.
312
1073691
2283
18:07
It has to be that powerful.
313
1075974
1562
Sono così potenti.
18:09
It has to be much more powerful
than anything I showed you.
than anything I showed you.
314
1077536
2775
Sono molto più potenti
di quanto vi abbia mostrato.
di quanto vi abbia mostrato.
18:12
They're figuring out the entire world.
315
1080311
1974
Stanno imparando a comprendere il mondo.
18:14
A four-year-old can talk to you
about almost anything.
about almost anything.
316
1082285
3144
Un bambino di quattro anni
può parlarti di quasi tutto.
può parlarti di quasi tutto.
18:17
(Applause)
317
1085429
1601
(Applausi)
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
CA: Se ho capito bene,
l'altro tuo punto chiave è:
l'altro tuo punto chiave è:
18:22
we've been through these years
where there's all this talk
where there's all this talk
319
1090444
2754
ci sono stati in questi anni
discorsi su quanto le nostre menti
siano particolari e piene di errori.
siano particolari e piene di errori.
18:25
of how quirky and buggy our minds are,
320
1093198
1932
18:27
that behavioral economics
and the whole theories behind that
and the whole theories behind that
321
1095130
2867
Per la finanza comportamentale
e le teorie che la supportano
e le teorie che la supportano
18:29
that we're not rational agents.
322
1097997
1603
non siamo agenti razionali.
18:31
You're really saying that the bigger
story is how extraordinary,
story is how extraordinary,
323
1099600
4216
Stai davvero dicendo
18:35
and there really is genius there
that is underappreciated.
that is underappreciated.
324
1103816
4944
che c'è del genio sottovalutato.
18:40
LS: One of my favorite
quotes in psychology
quotes in psychology
325
1108760
2070
LS: Una delle mie citazioni
di psicologia preferite
di psicologia preferite
18:42
comes from the social
psychologist Solomon Asch,
psychologist Solomon Asch,
326
1110830
2290
è dello psicologo sociale Solomon Asch,
18:45
and he said the fundamental task
of psychology is to remove
of psychology is to remove
327
1113120
2807
che ha detto che l'impresa principale
della psicologia è rimuovere
della psicologia è rimuovere
18:47
the veil of self-evidence from things.
328
1115927
2626
il velo dell'ovvietà dalle cose.
18:50
There are orders of magnitude
more decisions you make every day
more decisions you make every day
329
1118553
4551
Sono le tantissime decisioni
che prendiamo ogni giorno
che prendiamo ogni giorno
18:55
that get the world right.
330
1123104
1347
a rendere il mondo giusto.
18:56
You know about objects
and their properties.
and their properties.
331
1124451
2132
Conosciamo gli oggetti
e le loro proprietà.
e le loro proprietà.
18:58
You know them when they're occluded.
You know them in the dark.
You know them in the dark.
332
1126583
3029
Li riconosciamo quando sono nascosti.
Li riconosciamo al buio.
Li riconosciamo al buio.
Possiamo camminare per le stanze.
19:01
You can walk through rooms.
333
1129612
1308
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
Possiamo immaginare cosa pensa
la gente. Possiamo parlargli.
la gente. Possiamo parlargli.
Possiamo navigare lo spazio.
Conosciamo i numeri.
Conosciamo i numeri.
19:06
You can navigate space.
You know about numbers.
You know about numbers.
335
1134452
2230
Conosciamo le relazioni causali
e il ragionamento morale.
e il ragionamento morale.
19:08
You know causal relationships.
You know about moral reasoning.
You know about moral reasoning.
336
1136682
3022
Lo facciamo senza sforzo,
quindi non lo vediamo,
quindi non lo vediamo,
19:11
You do this effortlessly,
so we don't see it,
so we don't see it,
337
1139704
2356
ma è così che comprendiamo il mondo,
ed è un risultato straordinario.
ed è un risultato straordinario.
19:14
but that is how we get the world right,
and it's a remarkable
and it's a remarkable
338
1142060
2912
19:16
and very difficult-to-understand
accomplishment.
accomplishment.
339
1144972
2318
CA: Credo che ci siano persone
nel pubblico
nel pubblico
19:19
CA: I suspect there are people
in the audience who have
in the audience who have
340
1147290
2628
che credono nel potere tecnologico
19:21
this view of accelerating
technological power
technological power
341
1149918
2238
e che potrebbero contestare
la tua affermazione
la tua affermazione
19:24
who might dispute your statement
that never in our lifetimes
that never in our lifetimes
342
1152156
2958
che mai nella nostra esistenza
un computer potrà fare
un computer potrà fare
19:27
will a computer do what
a three-year-old child can do,
a three-year-old child can do,
343
1155114
2618
ciò che sa fare un bambino di tre anni,
19:29
but what's clear is that in any scenario,
344
1157732
3248
ma è chiaro che in ogni caso
19:32
our machines have so much to learn
from our toddlers.
from our toddlers.
345
1160980
3770
le nostre macchine hanno molto
da imparare dai nostri bambini.
da imparare dai nostri bambini.
LS: Credo di sì. Ci saranno fan
dell'apprendimento delle macchine qui.
dell'apprendimento delle macchine qui.
19:38
LS: I think so. You'll have some
machine learning folks up here.
machine learning folks up here.
346
1166230
3216
19:41
I mean, you should never bet
against babies or chimpanzees
against babies or chimpanzees
347
1169446
4203
Non bisognerebbe mai scommettere
contro i bambini o gli scimpanzé
contro i bambini o gli scimpanzé
19:45
or technology as a matter of practice,
348
1173649
3645
o la tecnologia, se è per questo,
19:49
but it's not just
a difference in quantity,
a difference in quantity,
349
1177294
4528
ma non è solo
una differenza di quantità,
una differenza di quantità,
19:53
it's a difference in kind.
350
1181822
1764
è una differenza di tipologia.
19:55
We have incredibly powerful computers,
351
1183586
2160
Abbiamo computer
incredibilmente potenti,
incredibilmente potenti,
19:57
and they do do amazingly
sophisticated things,
sophisticated things,
352
1185746
2391
che fanno cose sofisticate,
20:00
often with very big amounts of data.
353
1188137
3204
spesso con quantità enormi di dati.
20:03
Human minds do, I think,
something quite different,
something quite different,
354
1191341
2607
Le menti umane fanno, credo,
qualcosa di diverso,
qualcosa di diverso,
20:05
and I think it's the structured,
hierarchical nature of human knowledge
hierarchical nature of human knowledge
355
1193948
3895
e penso che sia la natura gerarchica,
strutturata, della conoscenza umana
strutturata, della conoscenza umana
20:09
that remains a real challenge.
356
1197843
2032
a rimanere la vera sfida.
20:11
CA: Laura Schulz, wonderful
food for thought. Thank you so much.
food for thought. Thank you so much.
357
1199875
3061
CA: Laura Schulz, magnifici
spunti di riflessione. Grazie mille.
spunti di riflessione. Grazie mille.
20:14
LS: Thank you.
(Applause)
(Applause)
358
1202936
2922
LS: Grazie.
(Applausi)
(Applausi)
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