TEDGlobal 2011
Alison Gopnik: What do babies think?
Wat denken baby's?
Filmed:
Readability: 3.4
4,341,974 views
"Baby's en jonge kinderen zijn als de OO-afdeling van het menselijk ras", zegt psychologe Alison Gopnik. Haar research gaat op zoek naar de gesofisticeerde manier van intelligentieverwerving en het nemen van beslissingen, wat baby's werkelijk aan het doen zijn terwijl ze spelen.
Alison Gopnik - Child development psychologist
Alison Gopnik takes us into the fascinating minds of babies and children, and shows us how much we understand before we even realize we do. Full bio
Alison Gopnik takes us into the fascinating minds of babies and children, and shows us how much we understand before we even realize we do. Full bio
Double-click the English transcript below to play the video.
00:15
What is going on
0
0
2000
Wat gaat er om
00:17
in this baby's mind?
1
2000
2000
in het brein van deze baby?
00:19
If you'd asked people this 30 years ago,
2
4000
2000
Als je dit 30 jaar geleden gevraagd zou hebben,
00:21
most people, including psychologists,
3
6000
2000
dan zouden de meeste mensen, ook psychologen,
00:23
would have said that this baby was irrational,
4
8000
3000
gezegd hebben dat deze baby irrationeel was,
00:26
illogical, egocentric --
5
11000
2000
onlogisch, egocentrisch --
00:28
that he couldn't take the perspective of another person
6
13000
2000
niet in staat zich in de plaats te stellen van iemand anders
00:30
or understand cause and effect.
7
15000
2000
of om oorzaak en gevolg te begrijpen.
00:32
In the last 20 years,
8
17000
2000
De laatste 20 jaar
00:34
developmental science has completely overturned that picture.
9
19000
3000
heeft de wetenschap van de ontwikkeling dit beeld totaal omver gegooid.
00:37
So in some ways,
10
22000
2000
Op bepaalde vlakken
00:39
we think that this baby's thinking
11
24000
2000
denken we dat het denken van deze baby
00:41
is like the thinking of the most brilliant scientists.
12
26000
4000
lijkt op het denken van de briljantste wetenschappers.
00:45
Let me give you just one example of this.
13
30000
2000
Ik geef er jullie één voorbeeld van.
00:47
One thing that this baby could be thinking about,
14
32000
3000
Iets waar deze baby aan zou kunnen denken,
00:50
that could be going on in his mind,
15
35000
2000
dat zijn gedachten zou kunnen bezig houden,
00:52
is trying to figure out
16
37000
2000
is proberen uit te vinden
00:54
what's going on in the mind of that other baby.
17
39000
3000
wat er omgaat in het brein van die andere baby.
00:57
After all, one of the things that's hardest for all of us to do
18
42000
3000
Het is tenslotte een van de moeilijkste dingen voor ons allemaal
01:00
is to figure out what other people are thinking and feeling.
19
45000
3000
uit te vinden wat anderen denken of voelen.
01:03
And maybe the hardest thing of all
20
48000
2000
En wellicht het moeilijkste van al
01:05
is to figure out that what other people think and feel
21
50000
3000
is vast te stellen dat wat anderen denken en voelen,
01:08
isn't actually exactly like what we think and feel.
22
53000
2000
eigenlijk niet helemaal hetzelfde is als wat wij denken en voelen.
01:10
Anyone who's followed politics can testify
23
55000
2000
Iedereen die de politiek volgt, kan er van meespreken
01:12
to how hard that is for some people to get.
24
57000
3000
hoe moeilijk dit voor sommigen te begrijpen valt.
01:15
We wanted to know
25
60000
2000
We wilden weten
01:17
if babies and young children
26
62000
2000
of baby's en jonge kinderen
01:19
could understand this really profound thing about other people.
27
64000
3000
echt diepgaand andere mensen konden begrijpen.
01:22
Now the question is: How could we ask them?
28
67000
2000
Dan is de vraag: hoe zouden we het hun vragen?
01:24
Babies, after all, can't talk,
29
69000
2000
Baby's kunnen tenslotte niet spreken
01:26
and if you ask a three year-old
30
71000
2000
en als je aan een driejarige vraagt
01:28
to tell you what he thinks,
31
73000
2000
je te vertellen wat hij denkt,
01:30
what you'll get is a beautiful stream of consciousness monologue
32
75000
3000
zal je een mooie monoloog van bewustzijn
01:33
about ponies and birthdays and things like that.
33
78000
3000
over pony's en verjaardagen krijgen en meer van dat.
01:36
So how do we actually ask them the question?
34
81000
3000
Hoe stellen we hun dus eigenlijk de vraag?
01:39
Well it turns out that the secret was broccoli.
35
84000
3000
Het geheim: broccoli.
01:42
What we did -- Betty Rapacholi, who was one of my students, and I --
36
87000
4000
Betty Rapacholi, een van mijn studenten en ikzelf
01:46
was actually to give the babies two bowls of food:
37
91000
3000
deden het volgende: we gaven de baby's twee schalen met eten,
01:49
one bowl of raw broccoli
38
94000
2000
een schaal met rauwe broccoli
01:51
and one bowl of delicious goldfish crackers.
39
96000
3000
en een schaal met heerlijke goudviszoutjes.
01:54
Now all of the babies, even in Berkley,
40
99000
3000
Alle baby's, zelfs die in Berkley,
01:57
like the crackers and don't like the raw broccoli.
41
102000
3000
houden van de zoutjes en houden niet van de rauwe broccoli.
02:00
(Laughter)
42
105000
2000
(Gelach)
02:02
But then what Betty did
43
107000
2000
Betty proefde
02:04
was to take a little taste of food from each bowl.
44
109000
3000
een klein beetje van iedere schaal.
02:07
And she would act as if she liked it or she didn't.
45
112000
2000
Dan deed ze alsof ze het lekker vond of net niet.
02:09
So half the time, she acted
46
114000
2000
Dus de helft van de tijd acteerde ze
02:11
as if she liked the crackers and didn't like the broccoli --
47
116000
2000
dat ze de zoutjes lekker vond en niets moest hebben van de broccoli,
02:13
just like a baby and any other sane person.
48
118000
3000
net als een baby en ieder ander normaal denkend persoon.
02:16
But half the time,
49
121000
2000
Maar de helft van de keren,
02:18
what she would do is take a little bit of the broccoli
50
123000
2000
deed ze dit: ze nam een klein beetje broccoli
02:20
and go, "Mmmmm, broccoli.
51
125000
3000
en zei: "Mmmmm, broccoli.
02:23
I tasted the broccoli. Mmmmm."
52
128000
3000
Ik proefde van de broccoli. Mmmmm."
02:26
And then she would take a little bit of the crackers,
53
131000
2000
Daarna nam ze een beetje van de zoutjes,
02:28
and she'd go, "Eww, yuck, crackers.
54
133000
4000
en dan zei ze: "Bah, jakkes, zoutjes
02:32
I tasted the crackers. Eww, yuck."
55
137000
3000
Ik proefde van de zoutjes. Bah, jakkes."
02:35
So she'd act as if what she wanted
56
140000
2000
Ze deed dus alsof wat zij lustte,
02:37
was just the opposite of what the babies wanted.
57
142000
3000
net het tegenovergestelde was van wat de baby's lustten.
02:40
We did this with 15 and 18 month-old babies.
58
145000
2000
We deden dit met baby's van 15 en van 18 maanden oud.
02:42
And then she would simply put her hand out and say,
59
147000
3000
Daarna stak ze enkel haar hand uit en zei:
02:45
"Can you give me some?"
60
150000
2000
"Wil je er wat aan mij geven?"
02:47
So the question is: What would the baby give her,
61
152000
2000
De vraag was: wat zouden de baby's haar geven,
02:49
what they liked or what she liked?
62
154000
2000
wat ze zelf lustten of wat zij lustte?
02:51
And the remarkable thing was that 18 month-old babies,
63
156000
3000
Het opvallende was dat baby's van 18 maanden,
02:54
just barely walking and talking,
64
159000
2000
die met moeite lopen en spreken,
02:56
would give her the crackers if she liked the crackers,
65
161000
3000
haar de zoutjes gaven als ze de zoutjes lekker vond,
02:59
but they would give her the broccoli if she liked the broccoli.
66
164000
3000
maar haar de broccoli gaven als ze de broccoli lekker vond.
03:02
On the other hand,
67
167000
2000
Anderzijds
03:04
15 month-olds would stare at her for a long time
68
169000
2000
keken de baby's van 15 maanden haar lange tijd aan
03:06
if she acted as if she liked the broccoli,
69
171000
2000
als ze acteerde dat ze de broccoli lekker vond,
03:08
like they couldn't figure this out.
70
173000
3000
alsof ze hier niet aan uit konden.
03:11
But then after they stared for a long time,
71
176000
2000
Maar nadat ze een lange tijd voor zich uit gestaard hadden,
03:13
they would just give her the crackers,
72
178000
2000
gaven ze haar gewoon de zoutjes,
03:15
what they thought everybody must like.
73
180000
2000
waarvan ze dachten dat iedereen ze lekker vond.
03:17
So there are two really remarkable things about this.
74
182000
3000
Twee heel opvallende dingen dus.
03:20
The first one is that these little 18 month-old babies
75
185000
3000
Het eerste is dat deze baby's van 18 maanden
03:23
have already discovered
76
188000
2000
reeds ontdekt hebben --
03:25
this really profound fact about human nature,
77
190000
2000
dit echt diepgaande feit over de menselijke natuur --
03:27
that we don't always want the same thing.
78
192000
2000
dat we niet altijd hetzelfde wensen.
03:29
And what's more, they felt that they should actually do things
79
194000
2000
En wat meer is, ze voelden aan dat ze in feite dingen moeten doen
03:31
to help other people get what they wanted.
80
196000
3000
om andere mensen te helpen krijgen wat zij wensen.
03:34
Even more remarkably though,
81
199000
2000
Nog opmerkelijker is
03:36
the fact that 15 month-olds didn't do this
82
201000
3000
het feit dat de baby's van 15 maanden dit niet doen,
03:39
suggests that these 18 month-olds had learned
83
204000
3000
wat aangeeft dat die van 18 maanden oud dit diepe, fundamentele feit
03:42
this deep, profound fact about human nature
84
207000
3000
over de menselijke natuur geleerd hadden
03:45
in the three months from when they were 15 months old.
85
210000
3000
in de drie maanden sinds ze 15 maanden oud waren.
03:48
So children both know more and learn more
86
213000
2000
Dus kinderen weten en leren meer
03:50
than we ever would have thought.
87
215000
2000
dan we ooit hadden gedacht.
03:52
And this is just one of hundreds and hundreds of studies over the last 20 years
88
217000
4000
En dit is maar een van de honderden en honderden studies van de afgelopen 20 jaar
03:56
that's actually demonstrated it.
89
221000
2000
die dit aantoont.
03:58
The question you might ask though is:
90
223000
2000
Je zou de vraag kunnen stellen:
04:00
Why do children learn so much?
91
225000
3000
waarom leren kinderen zoveel?
04:03
And how is it possible for them to learn so much
92
228000
2000
Hoe slagen ze er in zoveel te leren
04:05
in such a short time?
93
230000
2000
op zo'n korte tijd?
04:07
I mean, after all, if you look at babies superficially,
94
232000
2000
Ik bedoel, als je baby's oppervlakkig beschouwt,
04:09
they seem pretty useless.
95
234000
2000
lijken ze nogal nutteloos.
04:11
And actually in many ways, they're worse than useless,
96
236000
3000
Op veel manieren zijn ze eigenlijk nog erger dan nutteloos,
04:14
because we have to put so much time and energy
97
239000
2000
want we moeten er zo veel tijd en energie in steken
04:16
into just keeping them alive.
98
241000
2000
enkel en alleen om ze in leven te houden.
04:18
But if we turn to evolution
99
243000
2000
Maar als we er de evolutie bij halen
04:20
for an answer to this puzzle
100
245000
2000
voor een antwoord op dit vraagstuk
04:22
of why we spend so much time
101
247000
2000
waarom we zoveel tijd besteden
04:24
taking care of useless babies,
102
249000
3000
aan de zorg voor nutteloze baby's,
04:27
it turns out that there's actually an answer.
103
252000
3000
dan wordt het duidelijk dat er een antwoord is.
04:30
If we look across many, many different species of animals,
104
255000
3000
Als we vele verschillende soorten dieren vergelijken,
04:33
not just us primates,
105
258000
2000
niet enkel ons, primaten,
04:35
but also including other mammals, birds,
106
260000
2000
maar ook andere zoogdieren, vogels,
04:37
even marsupials
107
262000
2000
zelfs buideldieren
04:39
like kangaroos and wombats,
108
264000
2000
zoals kangoeroes en wombats,
04:41
it turns out that there's a relationship
109
266000
2000
dan kunnen we besluiten dat er een verband is
04:43
between how long a childhood a species has
110
268000
4000
tussen hoe lang de kindertijd van een soort duurt
04:47
and how big their brains are compared to their bodies
111
272000
4000
en hoe groot hun brein is vergeleken bij hun lichaam
04:51
and how smart and flexible they are.
112
276000
2000
en hoe slim en flexibel ze zijn.
04:53
And sort of the posterbirds for this idea are the birds up there.
113
278000
3000
Het uithangbord voor dat idee zijn de vogels.
04:56
On one side
114
281000
2000
Aan de ene kant
04:58
is a New Caledonian crow.
115
283000
2000
is er de Nieuw-Caledonische kraai.
05:00
And crows and other corvidae, ravens, rooks and so forth,
116
285000
3000
Kraaien en andere kraaiachtigen, raven, roeken en zo meer,
05:03
are incredibly smart birds.
117
288000
2000
zijn ongelooflijk slimme vogels.
05:05
They're as smart as chimpanzees in some respects.
118
290000
3000
Ze zijn in sommige opzichten even slim als chimpansees.
05:08
And this is a bird on the cover of science
119
293000
2000
Dit is een vogel op de omslag van Science
05:10
who's learned how to use a tool to get food.
120
295000
3000
die geleerd heeft om gereedschap te gebruiken om aan voedsel te geraken.
05:13
On the other hand,
121
298000
2000
Aan de andere kant
05:15
we have our friend the domestic chicken.
122
300000
2000
hebben we onze vriend de huiskip.
05:17
And chickens and ducks and geese and turkeys
123
302000
3000
Kippen, eenden, ganzen en kalkoenen
05:20
are basically as dumb as dumps.
124
305000
2000
zijn in feite oliedom.
05:22
So they're very, very good at pecking for grain,
125
307000
3000
Ze zijn heel erg goed in het pikken van graan,
05:25
and they're not much good at doing anything else.
126
310000
3000
en ze zijn helemaal niet goed in ook maar iets anders.
05:28
Well it turns out that the babies,
127
313000
2000
Het blijkt nu dat de baby's, de jongen
05:30
the New Caledonian crow babies, are fledglings.
128
315000
2000
van de Nieuw-Caledonische kraai, lang in het nest blijven.
05:32
They depend on their moms
129
317000
2000
Ze zijn afhankelijk van hun moeders
05:34
to drop worms in their little open mouths
130
319000
3000
die wormen in hun bekken werpen
05:37
for as long as two years,
131
322000
2000
twee jaar lang,
05:39
which is a really long time in the life of a bird.
132
324000
2000
wat een eeuwigheid is in het leven van een vogel.
05:41
Whereas the chickens are actually mature
133
326000
2000
Terwijl kippen volwassen zijn
05:43
within a couple of months.
134
328000
2000
in een paar maanden tijd.
05:45
So childhood is the reason
135
330000
3000
De kindertijd is dus de reden
05:48
why the crows end up on the cover of Science
136
333000
2000
waarom kraaien terecht komen op de omslag van Science
05:50
and the chickens end up in the soup pot.
137
335000
2000
en kippen in de soep belanden.
05:52
There's something about that long childhood
138
337000
3000
Die lange kindertijd lijkt
05:55
that seems to be connected
139
340000
2000
op een of andere manier verband te houden
05:57
to knowledge and learning.
140
342000
2000
met kennis en leren.
05:59
Well what kind of explanation could we have for this?
141
344000
3000
Hoe zouden we dit kunnen verklaren?
06:02
Well some animals, like the chicken,
142
347000
3000
Bepaalde dieren, zoals kippen,
06:05
seem to be beautifully suited
143
350000
2000
lijken heel erg geschikt
06:07
to doing just one thing very well.
144
352000
2000
om één bepaald ding heel goed te doen.
06:09
So they seem to be beautifully suited
145
354000
3000
Zo lijken ze heel erg geschikt
06:12
to pecking grain in one environment.
146
357000
2000
om in één bepaalde omgeving graan te pikken.
06:14
Other creatures, like the crows,
147
359000
2000
Andere wezens, zoals kraaien,
06:16
aren't very good at doing anything in particular,
148
361000
2000
zijn niet heel goed om iets specifieks te doen,
06:18
but they're extremely good
149
363000
2000
maar ze zijn extreem goed
06:20
at learning about laws of different environments.
150
365000
2000
om de wetten van verschillende omgevingen te leren.
06:22
And of course, we human beings
151
367000
2000
En natuurlijk staan wij, menselijke wezens,
06:24
are way out on the end of the distribution like the crows.
152
369000
3000
helemaal aan het eind van de opdeling, bij de kraaien.
06:27
We have bigger brains relative to our bodies
153
372000
2000
Wij hebben in verhouding tot ons lichaam grotere hersenen.
06:29
by far than any other animal.
154
374000
2000
Veel groter dan ieder ander levend wezen.
06:31
We're smarter, we're more flexible,
155
376000
2000
We zijn slimmer, meer flexibel,
06:33
we can learn more,
156
378000
2000
we kunnen meer leren,
06:35
we survive in more different environments,
157
380000
2000
we overleven in meer soorten omgevingen,
06:37
we migrated to cover the world and even go to outer space.
158
382000
3000
we migreren over heel de wereld en gaan zelfs naar de ruimte.
06:40
And our babies and children are dependent on us
159
385000
3000
Onze baby's en kinderen zijn van ons afhankelijk
06:43
for much longer than the babies of any other species.
160
388000
3000
gedurende een veel langere periode dan de baby's van enig ander wezen.
06:46
My son is 23.
161
391000
2000
Mijn zoon is 23.
06:48
(Laughter)
162
393000
2000
(Gelach)
06:50
And at least until they're 23,
163
395000
2000
Op zijn minst tot ze 23 zijn,
06:52
we're still popping those worms
164
397000
2000
stoppen we nog steeds die wormen
06:54
into those little open mouths.
165
399000
3000
in die bekjes.
06:57
All right, why would we see this correlation?
166
402000
3000
Wat is de reden voor dit verband?
07:00
Well an idea is that that strategy, that learning strategy,
167
405000
4000
Een idee is dat die strategie, die leerstrategie,
07:04
is an extremely powerful, great strategy for getting on in the world,
168
409000
3000
een extreem krachtige, goede strategie is om de wereld aan te kunnen,
07:07
but it has one big disadvantage.
169
412000
2000
maar dat die één groot nadeel heeft.
07:09
And that one big disadvantage
170
414000
2000
Dat ene grote nadeel is
07:11
is that, until you actually do all that learning,
171
416000
3000
dat je hulpeloos bent
07:14
you're going to be helpless.
172
419000
2000
totdat je alles geleerd hebt.
07:16
So you don't want to have the mastodon charging at you
173
421000
3000
Je wil niet in de situatie komen dat een mastodont op je afstormt
07:19
and be saying to yourself,
174
424000
2000
en dat je eerst even overlegt:
07:21
"A slingshot or maybe a spear might work. Which would actually be better?"
175
426000
4000
"Een schot met de katapult of een speerworp. Wat zou het best werken?".
07:25
You want to know all that
176
430000
2000
Je wil dat allemaal al weten
07:27
before the mastodons actually show up.
177
432000
2000
voor de mastodonten werkelijk opdagen.
07:29
And the way the evolutions seems to have solved that problem
178
434000
3000
Evolutie lijkt dat probleem opgelost te hebben
07:32
is with a kind of division of labor.
179
437000
2000
door een soort werkverdeling.
07:34
So the idea is that we have this early period when we're completely protected.
180
439000
3000
We hebben een eerste periode waar we volledig beschermd zijn.
07:37
We don't have to do anything. All we have to do is learn.
181
442000
3000
We hoeven niets te doen, behalve leren.
07:40
And then as adults,
182
445000
2000
Daarna kunnen we als volwassenen
07:42
we can take all those things that we learned when we were babies and children
183
447000
3000
alles wat we als baby en kind leerden,
07:45
and actually put them to work to do things out there in the world.
184
450000
3000
toepassen om iets te realiseren in de wereld.
07:48
So one way of thinking about it
185
453000
2000
Een mogelijk denkpatroon
07:50
is that babies and young children
186
455000
2000
is dat baby's en jonge kinderen lijken op
07:52
are like the research and development division of the human species.
187
457000
3000
de onderzoeks- en ontwikkelingsafdeling van de menselijke soort.
07:55
So they're the protected blue sky guys
188
460000
3000
Zij zijn beschermde kleine wetenschappers
07:58
who just have to go out and learn and have good ideas,
189
463000
2000
die er enkel moeten op uit trekken om te leren en goede ideeën op te doen,
08:00
and we're production and marketing.
190
465000
2000
en wij zijn de productie en de marketing.
08:02
We have to take all those ideas
191
467000
2000
Wij moeten alle ideeën
08:04
that we learned when we were children
192
469000
2000
die we opdeden als kind,
08:06
and actually put them to use.
193
471000
2000
tot uitvoering brengen.
08:08
Another way of thinking about it
194
473000
2000
Een ander perspectief is:
08:10
is instead of thinking of babies and children
195
475000
2000
in plaats van baby's en kinderen te beschouwen
08:12
as being like defective grownups,
196
477000
2000
als gebrekkige volwassenen,
08:14
we should think about them
197
479000
2000
zouden we hen moeten bekijken
08:16
as being a different developmental stage of the same species --
198
481000
2000
als een ander ontwikkelingsstadium van dezelfde soort --
08:18
kind of like caterpillars and butterflies --
199
483000
3000
een beetje als rupsen en vlinders --
08:21
except that they're actually the brilliant butterflies
200
486000
2000
behalve dan dat zij in feite de schitterende vlinders zijn
08:23
who are flitting around the garden and exploring,
201
488000
3000
die in de tuin rondfladderen en op onderzoek gaan
08:26
and we're the caterpillars
202
491000
2000
en dat wij de rupsen zijn
08:28
who are inching along our narrow, grownup, adult path.
203
493000
3000
die langs ons smal, volgroeid en volwassen pad kruipen.
08:31
If this is true, if these babies are designed to learn --
204
496000
3000
Als het zo zit, als deze baby's ontworpen zijn om te leren --
08:34
and this evolutionary story would say children are for learning,
205
499000
3000
en dit evolutieverhaal lijkt te bevestigen dat kinderen er zijn om te leren,
08:37
that's what they're for --
206
502000
2000
dat is de reden van hun bestaan --
08:39
we might expect
207
504000
2000
dan mogen we verwachten
08:41
that they would have really powerful learning mechanisms.
208
506000
2000
dat ze heel krachtige leermechanismen hebben.
08:43
And in fact, the baby's brain
209
508000
3000
Het brein van een baby blijkt inderdaad
08:46
seems to be the most powerful learning computer
210
511000
2000
de krachtigste leercomputer te zijn
08:48
on the planet.
211
513000
2000
van heel de planeet.
08:50
But real computers are actually getting to be a lot better.
212
515000
3000
Maar echte computers worden heel wat beter.
08:53
And there's been a revolution
213
518000
2000
Er is onlangs een revolutie ontstaan
08:55
in our understanding of machine learning recently.
214
520000
2000
in ons begrip van automatisch leren.
08:57
And it all depends on the ideas of this guy,
215
522000
3000
Het is allemaal gebaseerd op de ideeën van deze man,
09:00
the Reverend Thomas Bayes,
216
525000
2000
de eerwaarde Thomas Bayes,
09:02
who was a statistician and mathematician in the 18th century.
217
527000
3000
een statisticus en wiskundige uit de 18de eeuw.
09:05
And essentially what Bayes did
218
530000
3000
Bayes reikte in feite
09:08
was to provide a mathematical way
219
533000
2000
een wiskundige manier aan
09:10
using probability theory
220
535000
2000
gebaseerd op kanstheorie
09:12
to characterize, describe,
221
537000
2000
om te karakteriseren en te beschrijven
09:14
the way that scientists find out about the world.
222
539000
2000
hoe wetenschappers deze wereld aanpakken.
09:16
So what scientists do
223
541000
2000
Dit is wat wetenschappers doen:
09:18
is they have a hypothesis that they think might be likely to start with.
224
543000
3000
ze vertrekken van een bepaalde hypothese.
09:21
They go out and test it against the evidence.
225
546000
2000
Ze testen en controleren die aan de hand van bewijzen.
09:23
The evidence makes them change that hypothesis.
226
548000
2000
Op basis daarvan passen ze hun hypothese aan.
09:25
Then they test that new hypothesis
227
550000
2000
Dan testen ze de nieuwe hypothese opnieuw
09:27
and so on and so forth.
228
552000
2000
enzovoort, enzovoort.
09:29
And what Bayes showed was a mathematical way that you could do that.
229
554000
3000
Bayes liet ons een wiskundige manier zien om dit aan te pakken.
09:32
And that mathematics is at the core
230
557000
2000
Die wiskunde ligt aan de basis
09:34
of the best machine learning programs that we have now.
231
559000
2000
van de beste automatische leerprogramma's die we nu hebben.
09:36
And some 10 years ago,
232
561000
2000
Tien jaar geleden ongeveer,
09:38
I suggested that babies might be doing the same thing.
233
563000
4000
poneerde ik dat baby's hetzelfde doen.
09:42
So if you want to know what's going on
234
567000
2000
Als je dus wil weten wat er aan de gang is
09:44
underneath those beautiful brown eyes,
235
569000
2000
onder de oppervlakte van die mooie, bruine ogen,
09:46
I think it actually looks something like this.
236
571000
2000
dan denk ik dat het er ongeveer zo uit ziet.
09:48
This is Reverend Bayes's notebook.
237
573000
2000
Dit is het notitieboek van eerwaarde Bayes.
09:50
So I think those babies are actually making complicated calculations
238
575000
3000
Ik denk dat die baby's ingewikkelde berekeningen aan het maken zijn
09:53
with conditional probabilities that they're revising
239
578000
3000
met conditionele kansen die ze herbekijken
09:56
to figure out how the world works.
240
581000
2000
om uit te vissen hoe de wereld werkt.
09:58
All right, now that might seem like an even taller order to actually demonstrate.
241
583000
4000
Oké, dat mag dan een nog grotere opdracht lijken om te bewijzen
10:02
Because after all, if you ask even grownups about statistics,
242
587000
2000
want zelfs als je volwassenen vragen stelt over statistiek,
10:04
they look extremely stupid.
243
589000
2000
dan kijken ze ontzettend dwaas.
10:06
How could it be that children are doing statistics?
244
591000
3000
Hoe kan het dan dat kinderen aan statistiek doen?
10:09
So to test this we used a machine that we have
245
594000
2000
Om dit te testen, gebruikten we een machine die we
10:11
called the Blicket Detector.
246
596000
2000
de 'Blicket Detector' genoemd hebben.
10:13
This is a box that lights up and plays music
247
598000
2000
Dit is een doos die oplicht en muziek speelt
10:15
when you put some things on it and not others.
248
600000
3000
als je er bepaalde dingen opzet en bij iets anders niet reageert.
10:18
And using this very simple machine,
249
603000
2000
Met behulp van deze heel eenvoudige machine
10:20
my lab and others have done dozens of studies
250
605000
2000
hebben mijn lab en andere, tientallen studies gedaan
10:22
showing just how good babies are
251
607000
2000
die net aantonen hoe goed baby's zijn
10:24
at learning about the world.
252
609000
2000
in leren over de wereld.
10:26
Let me mention just one
253
611000
2000
Ik zal er maar een vermelden
10:28
that we did with Tumar Kushner, my student.
254
613000
2000
die we deden met Tumar Kushner, een van mijn studenten.
10:30
If I showed you this detector,
255
615000
2000
Als ik je deze detector liet zien,
10:32
you would be likely to think to begin with
256
617000
2000
dan zou je geneigd zijn eerst te denken
10:34
that the way to make the detector go
257
619000
2000
dat om de detector te activeren
10:36
would be to put a block on top of the detector.
258
621000
3000
je een blok bovenop de detector moet plaatsen.
10:39
But actually, this detector
259
624000
2000
Maar deze detector werkt eigenlijk
10:41
works in a bit of a strange way.
260
626000
2000
op een nogal eigenaardige manier.
10:43
Because if you wave a block over the top of the detector,
261
628000
3000
Want als je een blok over de bovenkant van de detector zwaait,
10:46
something you wouldn't ever think of to begin with,
262
631000
3000
iets waar je nooit als eerste zou aan denken,
10:49
the detector will actually activate two out of three times.
263
634000
3000
dan zal de detector twee van de drie keren geactiveerd worden.
10:52
Whereas, if you do the likely thing, put the block on the detector,
264
637000
3000
Terwijl, als je het voor de hand liggende doet en het blok op de detector zet,
10:55
it will only activate two out of six times.
265
640000
4000
dan zal hij maar twee van de zes keren oplichten.
10:59
So the unlikely hypothesis
266
644000
2000
De minst voor de hand liggende hypothese
11:01
actually has stronger evidence.
267
646000
2000
blijkt dus vaker waar.
11:03
It looks as if the waving
268
648000
2000
Het lijkt dus alsof zwaaien
11:05
is a more effective strategy than the other strategy.
269
650000
2000
een efficiëntere strategie is dan de andere strategie.
11:07
So we did just this; we gave four year-olds this pattern of evidence,
270
652000
3000
Zo ging het: we gaven dit bewijspatroon aan vierjarigen
11:10
and we just asked them to make it go.
271
655000
2000
en we vroegen hun de detector te doen werken.
11:12
And sure enough, the four year-olds used the evidence
272
657000
3000
We stelden vast dat de vierjarigen de aanwijzing gebruikten
11:15
to wave the object on top of the detector.
273
660000
3000
om met het voorwerp te zwaaien boven op de detector.
11:18
Now there are two things that are really interesting about this.
274
663000
3000
Twee zaken zijn hierbij echt interessant.
11:21
The first one is, again, remember, these are four year-olds.
275
666000
3000
De eerste is, opnieuw, denk erom, dat dit vierjarigen zijn.
11:24
They're just learning how to count.
276
669000
2000
Ze leren nog maar net tellen.
11:26
But unconsciously,
277
671000
2000
Maar onbewust
11:28
they're doing these quite complicated calculations
278
673000
2000
doen ze die vrij ingewikkelde berekeningen
11:30
that will give them a conditional probability measure.
279
675000
3000
die hun een voorwaardelijke kansberekening opleveren.
11:33
And the other interesting thing
280
678000
2000
De tweede interessante zaak is
11:35
is that they're using that evidence
281
680000
2000
dat ze dat bewijsmateriaal gebruiken
11:37
to get to an idea, get to a hypothesis about the world,
282
682000
3000
om zich een idee te vormen, om tot een hypothese over de wereld te komen
11:40
that seems very unlikely to begin with.
283
685000
3000
die aanvankelijk heel onwaarschijnlijk lijkt.
11:43
And in studies we've just been doing in my lab, similar studies,
284
688000
3000
In gelijkaardige studies die we net in mijn lab hebben afgerond,
11:46
we've show that four year-olds are actually better
285
691000
2000
hebben we aangetoond dat vierjarigen in feite beter zijn
11:48
at finding out an unlikely hypothesis
286
693000
3000
om een onwaarschijnlijke hypothese te ontdekken
11:51
than adults are when we give them exactly the same task.
287
696000
3000
dan volwassenen die we precies dezelfde taak gaven.
11:54
So in these circumstances,
288
699000
2000
In deze situaties gebruiken
11:56
the children are using statistics to find out about the world,
289
701000
3000
kinderen dus statistiek om de wereld te ontdekken.
11:59
but after all, scientists also do experiments,
290
704000
3000
Wetenschappers doen ook experimenten
12:02
and we wanted to see if children are doing experiments.
291
707000
3000
en we wilden zien of kinderen experimenten uitvoerden.
12:05
When children do experiments we call it "getting into everything"
292
710000
3000
Als kinderen experimenteren, noemen we het 'alles uitzoeken'
12:08
or else "playing."
293
713000
2000
of nog 'spelen'.
12:10
And there's been a bunch of interesting studies recently
294
715000
3000
Er zijn een hoop interessante studies
12:13
that have shown this playing around
295
718000
3000
die onlangs aangetoond hebben dat stoeien
12:16
is really a kind of experimental research program.
296
721000
2000
eigenlijk een soort experimenteel onderzoeksprogramma is.
12:18
Here's one from Cristine Legare's lab.
297
723000
3000
Hier een studie van het lab van Cristine Legare.
12:21
What Cristine did was use our Blicket Detectors.
298
726000
3000
Cristine gebruikte onze 'Blicket Detectors'.
12:24
And what she did was show children
299
729000
2000
Ze liet kinderen zien
12:26
that yellow ones made it go and red ones didn't,
300
731000
2000
dat de gele ze lieten oplichten, maar de rode niet.
12:28
and then she showed them an anomaly.
301
733000
3000
Dan liet ze hun een uitzondering zien.
12:31
And what you'll see
302
736000
2000
Wat je zal zien
12:33
is that this little boy will go through five hypotheses
303
738000
3000
is dat deze kleine jongen vijf hypothesen zal overlopen
12:36
in the space of two minutes.
304
741000
3000
in twee minuten tijd.
12:39
(Video) Boy: How about this?
305
744000
3000
(video) Jongen: En dit dan?
12:43
Same as the other side.
306
748000
3000
Net als de andere kant.
12:46
Alison Gopnik: Okay, so his first hypothesis has just been falsified.
307
751000
4000
Alison Gopnik: Oké, dus zijn eerste hypothese is net ontkracht.
12:55
(Laughter)
308
760000
2000
(Gelach)
12:57
Boy: This one lighted up, and this one nothing.
309
762000
3000
Jongen: Deze lichtte op, en die niet.
13:00
AG: Okay, he's got his experimental notebook out.
310
765000
3000
AG: Oké, hij haalt zijn notitieblok voor experimenten uit.
13:06
Boy: What's making this light up.
311
771000
4000
Jongen: Hoe gaat het licht aan?
13:11
(Laughter)
312
776000
9000
(Gelach)
13:20
I don't know.
313
785000
2000
Ik weet het niet.
13:22
AG: Every scientist will recognize that expression of despair.
314
787000
4000
AG: Iedere wetenschapper herkent die uitdrukking van wanhoop.
13:26
(Laughter)
315
791000
3000
(Gelach)
13:29
Boy: Oh, it's because this needs to be like this,
316
794000
6000
Jongen: Oh, het is omdat dit zo moet zijn
13:35
and this needs to be like this.
317
800000
2000
en dit zo moet zijn.
13:37
AG: Okay, hypothesis two.
318
802000
3000
AG: Oké, hypothese twee.
13:40
Boy: That's why.
319
805000
2000
Jongen: Daarom is dat.
13:42
Oh.
320
807000
2000
Oh.
13:44
(Laughter)
321
809000
5000
(Gelach)
13:49
AG: Now this is his next idea.
322
814000
2000
AG: Dit is zijn volgende idee.
13:51
He told the experimenter to do this,
323
816000
2000
Hij vroeg zelf aan de onderzoeker om
13:53
to try putting it out onto the other location.
324
818000
4000
het bovenop de andere detector te zetten.
13:57
Not working either.
325
822000
2000
Het werkt ook niet.
14:02
Boy: Oh, because the light goes only to here,
326
827000
4000
Jongen: Oh, want het licht gaat maar tot hier,
14:06
not here.
327
831000
3000
niet tot hier.
14:09
Oh, the bottom of this box
328
834000
3000
Oh, in de onderkant van deze doos
14:12
has electricity in here,
329
837000
2000
zit elektriciteit,
14:14
but this doesn't have electricity.
330
839000
2000
maar hier zit er geen elektriciteit in.
14:16
AG: Okay, that's a fourth hypothesis.
331
841000
2000
AG: Oké, dat is de vierde hypothese.
14:18
Boy: It's lighting up.
332
843000
2000
Jongen: Het licht gaat aan.
14:20
So when you put four.
333
845000
5000
Dus als je er vier opzet.
14:26
So you put four on this one to make it light up
334
851000
3000
Je moet er dus vier op deze zetten om het te laten oplichten
14:29
and two on this one to make it light up.
335
854000
2000
en twee op deze om het te doen oplichten.
14:31
AG: Okay,there's his fifth hypothesis.
336
856000
2000
AG: Oké, daar gaat zijn vijfde hypothese.
14:33
Now that is a particularly --
337
858000
3000
Dit is een bijzonder -
14:36
that is a particularly adorable and articulate little boy,
338
861000
3000
een bijzonder lieve en taalvaardige kleine jongen,
14:39
but what Cristine discovered is this is actually quite typical.
339
864000
3000
maar wat Cristine ontdekte, is dat dit eigenlijk heel kenmerkend is.
14:42
If you look at the way children play, when you ask them to explain something,
340
867000
3000
Als je kijkt naar de manier waarop kinderen spelen, als je hun vraagt iets uit te leggen,
14:45
what they really do is do a series of experiments.
341
870000
3000
voeren ze in werkelijkheid een serie experimenten uit.
14:48
This is actually pretty typical of four year-olds.
342
873000
3000
Dit is eigenlijk heel kenmerkend voor vierjarigen.
14:51
Well, what's it like to be this kind of creature?
343
876000
3000
Hoe is het eigenlijk om zo een wezen te zijn?
14:54
What's it like to be one of these brilliant butterflies
344
879000
3000
Hoe is het om een van die briljante vlinders te zijn,
14:57
who can test five hypotheses in two minutes?
345
882000
3000
die vijf hypothesen kunnen testen in twee minuten?
15:00
Well, if you go back to those psychologists and philosophers,
346
885000
3000
Als je dan terugkeert naar die psychologen en filosofen,
15:03
a lot of them have said
347
888000
2000
zeiden velen van hen
15:05
that babies and young children were barely conscious
348
890000
2000
dat baby's en jonge kinderen nauwelijks bewust waren,
15:07
if they were conscious at all.
349
892000
2000
als ze het al waren.
15:09
And I think just the opposite is true.
350
894000
2000
Volgens mij is net het tegenovergestelde waar.
15:11
I think babies and children are actually more conscious than we are as adults.
351
896000
3000
Ik denk dat baby's en kinderen eigenlijk meer bewust zijn dan wij, volwassen.
15:14
Now here's what we know about how adult consciousness works.
352
899000
3000
Dit is wat we nu weten over hoe een volwassen bewustzijn werkt:
15:17
And adults' attention and consciousness
353
902000
2000
de aandacht en het bewustzijn van volwassenen
15:19
look kind of like a spotlight.
354
904000
2000
lijkt op een schijnwerper.
15:21
So what happens for adults
355
906000
2000
Volwassenen beslissen
15:23
is we decide that something's relevant or important,
356
908000
2000
dat iets relevant of belangrijk is en
15:25
we should pay attention to it.
357
910000
2000
dat we er aandacht aan moeten besteden.
15:27
Our consciousness of that thing that we're attending to
358
912000
2000
Ons bewustzijn van datgene dat onze aandacht trekt,
15:29
becomes extremely bright and vivid,
359
914000
3000
wordt extreem helder en levendig,
15:32
and everything else sort of goes dark.
360
917000
2000
en al de rest wordt als het ware duister.
15:34
And we even know something about the way the brain does this.
361
919000
3000
We weten zelfs iets over de manier waarop de hersenen dit doen.
15:37
So what happens when we pay attention
362
922000
2000
Als we aan iets aandacht besteden,
15:39
is that the prefrontal cortex, the sort of executive part of our brains,
363
924000
3000
stuurt de prefrontale cortex, het uitvoerend gedeelte van onze hersenen,
15:42
sends a signal
364
927000
2000
een signaal
15:44
that makes a little part of our brain much more flexible,
365
929000
2000
dat een klein gedeelte van ons brein flexibeler maakt,
15:46
more plastic, better at learning,
366
931000
2000
meer plastisch, beter in het leren,
15:48
and shuts down activity
367
933000
2000
en het zet de activiteit af
15:50
in all the rest of our brains.
368
935000
2000
in de rest van onze hersenen.
15:52
So we have a very focused, purpose-driven kind of attention.
369
937000
4000
We hebben dus een heel geconcentreerde, op het doel gerichte aandacht.
15:56
If we look at babies and young children,
370
941000
2000
Als we naar baby's en jonge kinderen kijken,
15:58
we see something very different.
371
943000
2000
zien we iets heel anders.
16:00
I think babies and young children
372
945000
2000
Ik denk dat baby's en jonge kinderen
16:02
seem to have more of a lantern of consciousness
373
947000
2000
eerder een lantaarn van bewustzijn hebben
16:04
than a spotlight of consciousness.
374
949000
2000
dan een schijnwerper van bewustzijn.
16:06
So babies and young children are very bad
375
951000
3000
Baby's en jonge kinderen zijn dus heel slecht
16:09
at narrowing down to just one thing.
376
954000
3000
om zich op één enkel ding te concentreren.
16:12
But they're very good at taking in lots of information
377
957000
3000
Maar ze zijn heel goed om een veelheid aan informatie in zich op te nemen
16:15
from lots of different sources at once.
378
960000
2000
die van veel verschillende bronnen tegelijk op hen afkomt.
16:17
And if you actually look in their brains,
379
962000
2000
Als je inderdaad in hun hersenen kijkt,
16:19
you see that they're flooded with these neurotransmitters
380
964000
3000
dan zie je een overvloed aan neurotransmitters
16:22
that are really good at inducing learning and plasticity,
381
967000
2000
die echt goed zijn om leren en plasticiteit aan te wakkeren
16:24
and the inhibitory parts haven't come on yet.
382
969000
3000
en er is nog geen sprake van delen die onderdrukt worden.
16:27
So when we say that babies and young children
383
972000
2000
Als we zeggen dat baby's en jonge kinderen
16:29
are bad at paying attention,
384
974000
2000
zich slecht kunnen concentreren,
16:31
what we really mean is that they're bad at not paying attention.
385
976000
4000
dan bedoelen we eigenlijk dat ze aan alles aandacht geven.
16:35
So they're bad at getting rid
386
980000
2000
Ze kunnen dus niet goed filteren
16:37
of all the interesting things that could tell them something
387
982000
2000
uit al die interessante dingen waaruit ze kunnen leren,
16:39
and just looking at the thing that's important.
388
984000
2000
om enkel te kijken naar wat belangrijk is.
16:41
That's the kind of attention, the kind of consciousness,
389
986000
3000
Dat is het soort aandacht, het soort bewustzijn,
16:44
that we might expect
390
989000
2000
dat we kunnen verwachten
16:46
from those butterflies who are designed to learn.
391
991000
2000
van die vlinders die ontworpen zijn om te leren.
16:48
Well if we want to think about a way
392
993000
2000
Als we willen denken aan een manier
16:50
of getting a taste of that kind of baby consciousness as adults,
393
995000
4000
om, als volwassene, een indruk te krijgen van dat soort babybewustzijn,
16:54
I think the best thing is think about cases
394
999000
2000
kunnen we het beste denken aan die keren
16:56
where we're put in a new situation that we've never been in before --
395
1001000
3000
dat we in een nieuwe, totaal onbekende situatie worden gezet,
16:59
when we fall in love with someone new,
396
1004000
2000
dat we verliefd worden op iemand nieuw,
17:01
or when we're in a new city for the first time.
397
1006000
3000
of dat we voor de eerste keer in een nieuwe stad zijn.
17:04
And what happens then is not that our consciousness contracts,
398
1009000
2000
Dan gaat ons bewustzijn zich niet samentrekken,
17:06
it expands,
399
1011000
2000
maar uitbreiden,
17:08
so that those three days in Paris
400
1013000
2000
zodat die drie dagen in Parijs
17:10
seem to be more full of consciousness and experience
401
1015000
2000
meer gevuld lijken van bewustzijn en ervaringen
17:12
than all the months of being
402
1017000
2000
dan alle maanden thuis dat we een
17:14
a walking, talking, faculty meeting-attending zombie back home.
403
1019000
4000
wandelende, babbelende, vergadering-bijwonende zombie waren.
17:18
And by the way, that coffee,
404
1023000
2000
Tussen haakjes, die koffie,
17:20
that wonderful coffee you've been drinking downstairs,
405
1025000
2000
die heerlijke koffie die je beneden hebt gedronken,
17:22
actually mimics the effect
406
1027000
2000
bootst eigenlijk het effect na
17:24
of those baby neurotransmitters.
407
1029000
2000
van die neurotransmitters bij baby's.
17:26
So what's it like to be a baby?
408
1031000
2000
Hoe is het dus om een baby te zijn?
17:28
It's like being in love
409
1033000
2000
Het is als voor het eerst
17:30
in Paris for the first time
410
1035000
2000
verliefd zijn in Parijs
17:32
after you've had three double-espressos.
411
1037000
2000
nadat je drie dubbele espresso's hebt gehad.
17:34
(Laughter)
412
1039000
3000
(Gelach)
17:37
That's a fantastic way to be,
413
1042000
2000
Wat een fantastische manier van leven,
17:39
but it does tend to leave you waking up crying at three o'clock in the morning.
414
1044000
4000
maar het neveneffect is, dat je om drie uur 's morgens wenend wakker wordt.
17:43
(Laughter)
415
1048000
3000
(Gelach)
17:46
Now it's good to be a grownup.
416
1051000
2000
Het is goed om volwassen te zijn.
17:48
I don't want to say too much about how wonderful babies are.
417
1053000
2000
Ik wil niet te veel zeggen over hoe fantastisch baby's zijn.
17:50
It's good to be a grownup.
418
1055000
2000
Het is goed om volwassen te zijn.
17:52
We can do things like tie our shoelaces and cross the street by ourselves.
419
1057000
3000
We kunnen dingen doen zoals onze schoenveters strikken en zelfstandig de straat oversteken.
17:55
And it makes sense that we put a lot of effort
420
1060000
2000
Het is logisch dat we veel moeite doen
17:57
into making babies think like adults do.
421
1062000
4000
om baby's te doen denken zoals volwassenen.
18:01
But if what we want is to be like those butterflies,
422
1066000
3000
Maar als we willen zijn zoals die vlinders,
18:04
to have open-mindedness, open learning,
423
1069000
3000
open van geest, volop klaar om te leren,
18:07
imagination, creativity, innovation,
424
1072000
2000
vol verbeelding, creativiteit en innovatie,
18:09
maybe at least some of the time
425
1074000
2000
dan zouden we, tenminste af en toe,
18:11
we should be getting the adults
426
1076000
2000
volwassenen ertoe moeten brengen
18:13
to start thinking more like children.
427
1078000
2000
meer als kinderen te denken.
18:15
(Applause)
428
1080000
8000
(Applaus)
ABOUT THE SPEAKER
Alison Gopnik - Child development psychologistAlison Gopnik takes us into the fascinating minds of babies and children, and shows us how much we understand before we even realize we do.
Why you should listen
What’s it really like to see through the eyes of a child? Are babies and young children just empty, irrational vessels to be formed into little adults, until they become the perfect images of ourselves? On the contrary, argues Alison Gopnik, professor of psychology and philosophy at the University of California at Berkeley.
The author of The Philosophical Baby, The Scientist in the Crib and other influential books on cognitive development, Gopnik presents evidence that babies and children are conscious of far more than we give them credit for, as they engage every sense and spend every waking moment discovering, filing away, analyzing and acting on information about how the world works. Gopnik’s work draws on psychological, neuroscientific, and philosophical developments in child development research to understand how the human mind learns, how and why we love, our ability to innovate, as well as giving us a deeper appreciation for the role of parenthood.
She says: "What's it like to be a baby? Being in love in Paris for the first time after you've had 3 double espressos."
Alison Gopnik | Speaker | TED.com