TED2015
Laura Schulz: The surprisingly logical minds of babies
Laura Schulz: De verrassende logica van baby's
Filmed:
Readability: 3.8
1,888,975 views
Hoe leren baby's zo veel van zo weinig, zo snel? In een amusante talk vol experimenten laat cognitief wetenschapper Laura Schulz zien hoe onze kleintjes beslissingen nemen op basis van een verrassend sterk gevoel voor logica, ver voordat ze kunnen praten.
Laura Schulz - Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn. Full bio
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn. Full bio
Double-click the English transcript below to play the video.
00:12
Mark Twain summed up
what I take to be
what I take to be
0
835
2155
Mark Twain vatte een van de meest
00:14
one of the fundamental problems
of cognitive science
of cognitive science
1
2990
3120
fundamentele problemen
van de cognitieve wetenschap samen
van de cognitieve wetenschap samen
00:18
with a single witticism.
2
6110
1710
in deze quote.
00:20
He said, "There's something
fascinating about science.
fascinating about science.
3
8410
3082
Hij zei: "Er is iets fascinerends
aan de wetenschap.
aan de wetenschap.
00:23
One gets such wholesale
returns of conjecture
returns of conjecture
4
11492
3228
Zo'n enorme opbrengst uit speculatie
00:26
out of such a trifling
investment in fact."
investment in fact."
5
14720
3204
met zo'n geringe investering in feiten."
00:29
(Laughter)
6
17924
1585
(Gelach)
00:32
Twain meant it as a joke,
of course, but he's right:
of course, but he's right:
7
20199
2604
Twain maakte een grapje,
maar hij heeft wel gelijk.
maar hij heeft wel gelijk.
00:34
There's something
fascinating about science.
fascinating about science.
8
22803
2876
Er is iets fascinerends
aan wetenschap.
aan wetenschap.
00:37
From a few bones, we infer
the existence of dinosuars.
the existence of dinosuars.
9
25679
4261
Uit een paar botten kunnen we
het bestaan van dinosaurussen afleiden,
het bestaan van dinosaurussen afleiden,
00:42
From spectral lines,
the composition of nebulae.
the composition of nebulae.
10
30910
3871
uit spectraallijnen het ontstaan
van interstellaire gas- en stofwolken,
van interstellaire gas- en stofwolken,
00:47
From fruit flies,
11
35471
2938
uit fruitvliegjes
00:50
the mechanisms of heredity,
12
38409
2943
de kenmerken van erfelijkheid
00:53
and from reconstructed images
of blood flowing through the brain,
of blood flowing through the brain,
13
41352
4249
en uit gereconstrueerde beelden
van bloed dat door het brein stroomt,
van bloed dat door het brein stroomt,
00:57
or in my case, from the behavior
of very young children,
of very young children,
14
45601
4708
of, in mijn geval, uit het gedrag
van heel jonge kinderen
van heel jonge kinderen
01:02
we try to say something about
the fundamental mechanisms
the fundamental mechanisms
15
50309
2829
proberen we iets af te leiden
over de fundamentele werking
over de fundamentele werking
01:05
of human cognition.
16
53138
1618
van de menselijke cognitie.
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
In mijn lab, bij TU Massachusetts'
afdeling cognitieve neurowetenschappen,
afdeling cognitieve neurowetenschappen,
01:12
I have spent the past decade
trying to understand the mystery
trying to understand the mystery
18
60475
3654
heb ik de afgelopen tien jaar
gewerkt met het vraagstuk
gewerkt met het vraagstuk
01:16
of how children learn so much
from so little so quickly.
from so little so quickly.
19
64129
3977
hoe kinderen zo snel en zo veel
kunnen leren van zo weinig.
kunnen leren van zo weinig.
01:20
Because, it turns out that
the fascinating thing about science
the fascinating thing about science
20
68666
2978
Want wat zo fascinerend is
aan de wetenschap,
aan de wetenschap,
01:23
is also a fascinating
thing about children,
thing about children,
21
71644
3529
is ook fascinerend aan kinderen.
01:27
which, to put a gentler
spin on Mark Twain,
spin on Mark Twain,
22
75173
2581
Namelijk, om het iets milder
te zeggen dan Mark Twain,
te zeggen dan Mark Twain,
01:29
is precisely their ability
to draw rich, abstract inferences
to draw rich, abstract inferences
23
77754
4650
hun vermogen om snel en nauwkeurig
rijke en abstracte conclusies te trekken
rijke en abstracte conclusies te trekken
01:34
rapidly and accurately
from sparse, noisy data.
from sparse, noisy data.
24
82404
4661
uit schaarse en vage data.
01:40
I'm going to give you
just two examples today.
just two examples today.
25
88355
2398
Ik zal jullie twee voorbeelden geven.
01:42
One is about a problem of generalization,
26
90753
2287
Het eerste heeft te maken
met generalisatie,
met generalisatie,
01:45
and the other is about a problem
of causal reasoning.
of causal reasoning.
27
93040
2850
en het tweede met causale verbanden.
01:47
And although I'm going to talk
about work in my lab,
about work in my lab,
28
95890
2525
Ook al zal ik het vooral
over mijn eigen werk hebben,
over mijn eigen werk hebben,
01:50
this work is inspired by
and indebted to a field.
and indebted to a field.
29
98415
3460
dit werk is geïnspireerd door,
en te danken aan, een vakgebied.
en te danken aan, een vakgebied.
01:53
I'm grateful to mentors, colleagues,
and collaborators around the world.
and collaborators around the world.
30
101875
4283
Ik ben alle mentors, collega's en mensen
met wie ik heb samengewerkt dankbaar.
met wie ik heb samengewerkt dankbaar.
01:59
Let me start with the problem
of generalization.
of generalization.
31
107308
2974
Laten we beginnen met het probleem
van generalisatie.
van generalisatie.
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
Een kleine hoeveelheid data generaliseren
is dagelijkse kost in de wetenschap.
is dagelijkse kost in de wetenschap.
02:06
We poll a tiny fraction of the electorate
33
114785
2554
We peilen een kleine fractie
van de kiesgerechtigden
van de kiesgerechtigden
02:09
and we predict the outcome
of national elections.
of national elections.
34
117339
2321
en voorspellen de uitkomst
van landelijke verkiezingen.
van landelijke verkiezingen.
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
We kijken hoe een handvol patiënten
reageert op een klinische behandeling
reageert op een klinische behandeling
02:16
and we bring drugs to a national market.
36
124165
3065
en we brengen een medicijn op de markt.
02:19
But this only works if our sample
is randomly drawn from the population.
is randomly drawn from the population.
37
127230
4365
Maar dit werkt alleen als de proefpersonen
willekeurig worden gekozen.
willekeurig worden gekozen.
02:23
If our sample is cherry-picked
in some way --
in some way --
38
131595
2735
Als ze op een of andere manier
zijn geselecteerd --
zijn geselecteerd --
02:26
say, we poll only urban voters,
39
134330
2072
stel dat we alleen mensen
in steden peilen,
in steden peilen,
02:28
or say, in our clinical trials
for treatments for heart disease,
for treatments for heart disease,
40
136402
4388
of dat er in onze klinische testen
van medicijnen voor hartziektes
van medicijnen voor hartziektes
02:32
we include only men --
41
140790
1881
alleen mannen meedoen,
02:34
the results may not generalize
to the broader population.
to the broader population.
42
142671
3158
dan kunnen de resultaten niet
veralgemeend worden.
veralgemeend worden.
02:38
So scientists care whether evidence
is randomly sampled or not,
is randomly sampled or not,
43
146479
3581
Dus wetenschappers willen weten of
het om een willekeurige steekproef gaat,
het om een willekeurige steekproef gaat,
02:42
but what does that have to do with babies?
44
150060
2015
maar wat heeft dat te maken met baby's?
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
Baby's moeten constant
kleine hoeveelheden data generaliseren.
kleine hoeveelheden data generaliseren.
02:49
They see a few rubber ducks
and learn that they float,
and learn that they float,
46
157206
3158
Ze zien een paar badeendjes
en leren dat die drijven,
en leren dat die drijven,
02:52
or a few balls and learn that they bounce.
47
160364
3575
of een paar ballen en leren
dat die stuiteren.
dat die stuiteren.
02:55
And they develop expectations
about ducks and balls
about ducks and balls
48
163939
2951
Zo krijgen ze verwachtingen
over eenden en ballen
over eenden en ballen
02:58
that they're going to extend
to rubber ducks and balls
to rubber ducks and balls
49
166890
2716
die ze zullen overdragen
op badeenden en ballen
op badeenden en ballen
03:01
for the rest of their lives.
50
169606
1879
voor de rest van hun leven.
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
En dit soort generalisaties die baby's
moeten maken over eenden en ballen
moeten maken over eenden en ballen
03:07
they have to make about almost everything:
52
175224
2089
moeten ze over bijna alles maken:
03:09
shoes and ships and sealing wax
and cabbages and kings.
and cabbages and kings.
53
177313
3917
schoenen en schepen en zegellak
en kool en koningen.
en kool en koningen.
03:14
So do babies care whether
the tiny bit of evidence they see
the tiny bit of evidence they see
54
182200
2961
Kan het baby's iets schelen
of het luttele bewijs dat ze zien
of het luttele bewijs dat ze zien
03:17
is plausibly representative
of a larger population?
of a larger population?
55
185161
3692
representatief is
voor een grotere populatie?
voor een grotere populatie?
03:21
Let's find out.
56
189763
1900
Laten we eens kijken.
03:23
I'm going to show you two movies,
57
191663
1723
Ik laat jullie twee filmpjes zien
03:25
one from each of two conditions
of an experiment,
of an experiment,
58
193386
2462
van twee verschillende condities
van een experiment.
van een experiment.
03:27
and because you're going to see
just two movies,
just two movies,
59
195848
2438
Omdat jullie maar twee filmpjes zien,
03:30
you're going to see just two babies,
60
198286
2136
zien jullie ook maar twee baby's.
03:32
and any two babies differ from each other
in innumerable ways.
in innumerable ways.
61
200422
3947
Twee verschillende baby's vertonen
uiteraard ontelbare verschillen.
uiteraard ontelbare verschillen.
03:36
But these babies, of course,
here stand in for groups of babies,
here stand in for groups of babies,
62
204369
3051
Maar dit zijn natuurlijk voorbeelden
uit twee groepen baby's,
uit twee groepen baby's,
03:39
and the differences you're going to see
63
207420
1895
en de verschillen die je ziet
03:41
represent average group differences
in babies' behavior across conditions.
in babies' behavior across conditions.
64
209315
5195
zijn representatief voor de verschillen
per groep voor beide condities.
per groep voor beide condities.
03:47
In each movie, you're going to see
a baby doing maybe
a baby doing maybe
65
215160
2583
In elk filmpje zie je
een baby die waarschijnlijk
een baby die waarschijnlijk
03:49
just exactly what you might
expect a baby to do,
expect a baby to do,
66
217743
3460
precies doet wat je van een baby verwacht.
03:53
and we can hardly make babies
more magical than they already are.
more magical than they already are.
67
221203
4017
We kunnen baby's nou een keer niet nog
wonderlijker maken dan ze al zijn.
wonderlijker maken dan ze al zijn.
03:58
But to my mind the magical thing,
68
226090
2010
Maar het meest wonderlijke volgens mij,
04:00
and what I want you to pay attention to,
69
228100
2089
en daar moet je hier op letten,
04:02
is the contrast between
these two conditions,
these two conditions,
70
230189
3111
is het verschil tussen de twee condities,
04:05
because the only thing
that differs between these two movies
that differs between these two movies
71
233300
3529
want het enige verschil
tussen de beide filmpjes
tussen de beide filmpjes
04:08
is the statistical evidence
the babies are going to observe.
the babies are going to observe.
72
236829
3466
is het statistische bewijs
dat de baby's in acht nemen.
dat de baby's in acht nemen.
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
We laten de baby's een doos
met blauwe en gele ballen zien,
met blauwe en gele ballen zien,
04:16
and my then-graduate student,
now colleague at Stanford, Hyowon Gweon,
now colleague at Stanford, Hyowon Gweon,
74
244608
4620
en mijn toenmalige student,
nu collega in Stanford, Hyowon Gweon,
nu collega in Stanford, Hyowon Gweon,
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
pakt drie blauwe ballen achter elkaar
uit die doos,
uit die doos,
04:24
and when she pulls those balls out,
she's going to squeeze them,
she's going to squeeze them,
76
252305
3123
en telkens als ze een bal pakt,
knijpt ze erin
knijpt ze erin
04:27
and the balls are going to squeak.
77
255428
2113
en piept de bal.
04:29
And if you're a baby,
that's like a TED Talk.
that's like a TED Talk.
78
257541
2763
En voor een baby is dat
zoiets als een TED-talk.
zoiets als een TED-talk.
04:32
It doesn't get better than that.
79
260304
1904
Beter wordt het niet.
04:34
(Laughter)
80
262208
2561
(Gelach)
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
Waar het om gaat, is dat het eenvoudig
is om drie blauwe ballen achter elkaar
is om drie blauwe ballen achter elkaar
04:42
out of a box of mostly blue balls.
82
270627
2305
te pakken uit een doos
met vooral blauwe ballen.
met vooral blauwe ballen.
04:44
You could do that with your eyes closed.
83
272932
2060
Dat kun je met ogen dicht doen.
04:46
It's plausibly a random sample
from this population.
from this population.
84
274992
2996
Het zou goed een willekeurige
steekproef kunnen zijn.
steekproef kunnen zijn.
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
En als je willekeurig dingen
uit een doos haalt en ze piepen,
uit een doos haalt en ze piepen,
04:53
then maybe everything in the box squeaks.
86
281720
2839
dan piept misschien wel
alles wat in de doos zit.
alles wat in de doos zit.
04:56
So maybe babies should expect
those yellow balls to squeak as well.
those yellow balls to squeak as well.
87
284559
3650
Dus misschien zouden baby's verwachten
dat de gele ballen ook piepen.
dat de gele ballen ook piepen.
05:00
Now, those yellow balls
have funny sticks on the end,
have funny sticks on the end,
88
288209
2519
Aan de gele ballen zitten echter
grappige stokjes,
grappige stokjes,
05:02
so babies could do other things
with them if they wanted to.
with them if they wanted to.
89
290728
2857
dus zouden baby's er ook andere dingen
mee kunnen doen.
mee kunnen doen.
05:05
They could pound them or whack them.
90
293585
1831
Ze kunnen ermee rammelen of slaan.
05:07
But let's see what the baby does.
91
295416
2586
Laten we kijken wat de baby doet.
05:12
(Video) Hyowon Gweon: See this?
(Ball squeaks)
(Ball squeaks)
92
300548
3343
(Video) Hyowon Gweon: Kijk eens?
(Bal piept)
(Bal piept)
05:16
Did you see that?
(Ball squeaks)
(Ball squeaks)
93
304531
3045
Zag je dat?
(Bal piept)
(Bal piept)
05:20
Cool.
94
308036
3066
Wat mooi!
05:24
See this one?
95
312706
1950
Kijk eens naar deze?
05:26
(Ball squeaks)
96
314656
1881
(Bal piept)
05:28
Wow.
97
316537
2653
Wow.
05:33
Laura Schulz: Told you. (Laughs)
98
321854
2113
Laura Schulz: Ik zei het toch.
(Gelach)
(Gelach)
05:35
(Video) HG: See this one?
(Ball squeaks)
(Ball squeaks)
99
323967
4031
(Video) HG: Kijk eens naar deze?
(Bal piept)
(Bal piept)
05:39
Hey Clara, this one's for you.
You can go ahead and play.
You can go ahead and play.
100
327998
4619
Kijk, Clara, deze is voor jou.
Speel er maar mee.
Speel er maar mee.
05:51
(Laughter)
101
339854
4365
(Gelach)
05:56
LS: I don't even have to talk, right?
102
344219
2995
LS: Ik hoef niets meer te zeggen, toch?
05:59
All right, it's nice that babies
will generalize properties
will generalize properties
103
347214
2899
Oké, het is leuk dat baby's
eigenschappen generaliseren
eigenschappen generaliseren
06:02
of blue balls to yellow balls,
104
350113
1528
van blauwe naar gele ballen,
06:03
and it's impressive that babies
can learn from imitating us,
can learn from imitating us,
105
351641
3096
en het is indrukwekkend dat baby's
kunnen leren door te imiteren,
kunnen leren door te imiteren,
06:06
but we've known those things about babies
for a very long time.
for a very long time.
106
354737
3669
maar die dingen wisten we al heel lang.
06:10
The really interesting question
107
358406
1811
De echt interessante vraag is
06:12
is what happens when we show babies
exactly the same thing,
exactly the same thing,
108
360217
2852
wat er gebeurt als we baby's meermaals
exact hetzelfde laten zien.
exact hetzelfde laten zien.
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
En we weten dat het exact hetzelfde is,
want we hebben een geheim vakje
want we hebben een geheim vakje
06:18
and we actually pull the balls from there,
110
366680
2110
waar we de ballen uit halen.
06:20
but this time, all we change
is the apparent population
is the apparent population
111
368790
3478
Het enige dat we veranderen,
is de zichtbare populatie
is de zichtbare populatie
06:24
from which that evidence was drawn.
112
372268
2902
waar het bewijs vandaan komt.
06:27
This time, we're going to show babies
three blue balls
three blue balls
113
375170
3553
Deze keer laten we de baby's
drie blauwe ballen zien
drie blauwe ballen zien
06:30
pulled out of a box
of mostly yellow balls,
of mostly yellow balls,
114
378723
3384
uit een doos met vooral gele ballen,
06:34
and guess what?
115
382107
1322
en wat denk je?
06:35
You [probably won't] randomly draw
three blue balls in a row
three blue balls in a row
116
383429
2840
Je kunt niet willekeurig
drie blauwe ballen achter elkaar
drie blauwe ballen achter elkaar
06:38
out of a box of mostly yellow balls.
117
386269
2484
uit een doos met
vooral gele ballen pakken.
vooral gele ballen pakken.
06:40
That is not plausibly
randomly sampled evidence.
randomly sampled evidence.
118
388753
3747
Het is niet aannemelijk dat je
ze dan willekeurig gekozen hebt.
ze dan willekeurig gekozen hebt.
06:44
That evidence suggests that maybe Hyowon
was deliberately sampling the blue balls.
was deliberately sampling the blue balls.
119
392500
5123
Dat resultaat suggereert dat Hyowon
misschien expres de blauwe ballen pakte.
misschien expres de blauwe ballen pakte.
06:49
Maybe there's something special
about the blue balls.
about the blue balls.
120
397623
2583
Misschien is er iets speciaals
aan de blauwe ballen.
aan de blauwe ballen.
06:52
Maybe only the blue balls squeak.
121
400846
2976
Misschien piepen alleen de blauwe ballen.
06:55
Let's see what the baby does.
122
403822
1895
Laten we kijken wat de baby doet.
06:57
(Video) HG: See this?
(Ball squeaks)
(Ball squeaks)
123
405717
2904
(Video) HG: Kijk eens?
(Bal piept)
(Bal piept)
07:02
See this toy?
(Ball squeaks)
(Ball squeaks)
124
410851
2645
Kijk eens naar deze?
(Bal piept)
(Bal piept)
07:05
Oh, that was cool. See?
(Ball squeaks)
(Ball squeaks)
125
413496
5480
Oh, dat was leuk. Kijk?
(Bal piept)
(Bal piept)
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
Hier, deze is voor jou om mee te spelen.
Toe maar, speel er maar mee.
Toe maar, speel er maar mee.
07:18
(Fussing)
(Laughter)
(Laughter)
127
426074
6347
(Gerommel)
(Gelach)
(Gelach)
07:26
LS: So you just saw
two 15-month-old babies
two 15-month-old babies
128
434901
2748
LS: Jullie hebben net twee baby's
van 15 maanden gezien
van 15 maanden gezien
07:29
do entirely different things
129
437649
1942
die totaal verschillend reageerden,
07:31
based only on the probability
of the sample they observed.
of the sample they observed.
130
439591
3599
enkel gebaseerd op de waarschijnlijkheid
van de proef die ze zagen.
van de proef die ze zagen.
07:35
Let me show you the experimental results.
131
443190
2321
Hier zijn de resultaten
van het experiment:
van het experiment:
07:37
On the vertical axis, you'll see
the percentage of babies
the percentage of babies
132
445511
2764
Op de verticale as zie je
het percentage baby's
het percentage baby's
07:40
who squeezed the ball in each condition,
133
448275
2530
dat in de bal kneep, per conditie.
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
En je ziet: baby's generaliseren
het bewijs eerder
het bewijs eerder
07:46
when it's plausibly representative
of the population
of the population
135
454520
3135
als het representatief lijkt te zijn
voor de populatie
voor de populatie
07:49
than when the evidence
is clearly cherry-picked.
is clearly cherry-picked.
136
457655
3738
dan wanneer het bewijs
duidelijk gekozen is.
duidelijk gekozen is.
07:53
And this leads to a fun prediction:
137
461393
2415
En dit leidt tot een leuke voorspelling:
07:55
Suppose you pulled just one blue ball
out of the mostly yellow box.
out of the mostly yellow box.
138
463808
4868
stel dat je maar één blauwe bal pakt
uit de doos met vooral gele.
uit de doos met vooral gele.
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
Drie blauwe ballen achter elkaar uit een
gele doos pakken is onwaarschijnlijk,
gele doos pakken is onwaarschijnlijk,
08:04
but you could randomly sample
just one blue ball.
just one blue ball.
140
472765
2455
maar je kunt wel toevallig
één blauwe bal pakken.
één blauwe bal pakken.
08:07
That's not an improbable sample.
141
475220
1970
Dat is geen onwaarschijnlijke steekproef.
08:09
And if you could reach into
a box at random
a box at random
142
477190
2224
En als je willekeurig iets
uit een doos pakt
uit een doos pakt
08:11
and pull out something that squeaks,
maybe everything in the box squeaks.
maybe everything in the box squeaks.
143
479414
3987
en dat piept, misschien dat
alles in die doos dan wel piept.
alles in die doos dan wel piept.
08:15
So even though babies are going to see
much less evidence for squeaking,
much less evidence for squeaking,
144
483875
4445
Dus ook al zien de baby's
veel minder bewijs voor het piepen,
veel minder bewijs voor het piepen,
08:20
and have many fewer actions to imitate
145
488320
2242
en veel minder voorbeelden om na te doen
08:22
in this one ball condition than in
the condition you just saw,
the condition you just saw,
146
490562
3343
in deze conditie met één bal
dan in de conditie die je net zag,
dan in de conditie die je net zag,
08:25
we predicted that babies themselves
would squeeze more,
would squeeze more,
147
493905
3892
wij voorspelden dat meer baby's
in de ballen zouden knijpen,
in de ballen zouden knijpen,
08:29
and that's exactly what we found.
148
497797
2894
en dat is precies wat er gebeurde.
08:32
So 15-month-old babies,
in this respect, like scientists,
in this respect, like scientists,
149
500691
4411
Dus baby's van 15 maanden vinden,
net als wetenschappers,
net als wetenschappers,
08:37
care whether evidence
is randomly sampled or not,
is randomly sampled or not,
150
505102
3088
het van belang of bewijs
uit een willekeurige steekproef komt.
uit een willekeurige steekproef komt.
08:40
and they use this to develop
expectations about the world:
expectations about the world:
151
508190
3507
En dat passen ze toe als ze verwachtingen
over de wereld scheppen:
over de wereld scheppen:
08:43
what squeaks and what doesn't,
152
511697
2182
wat piept en wat niet,
08:45
what to explore and what to ignore.
153
513879
3145
wat te ontdekken en wat te negeren.
08:50
Let me show you another example now,
154
518384
2066
Ik zal nu een ander voorbeeld laten zien,
08:52
this time about a problem
of causal reasoning.
of causal reasoning.
155
520450
2730
over het probleem van causaal redeneren.
08:55
And it starts with a problem
of confounded evidence
of confounded evidence
156
523180
2439
En het begint met het verwarrende bewijs
08:57
that all of us have,
157
525619
1672
waar we allemaal over beschikken,
08:59
which is that we are part of the world.
158
527291
2020
namelijk dat we deel uitmaken
van de wereld.
van de wereld.
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
Misschien lijkt jullie dat geen probleem,
maar zoals meestal,
maar zoals meestal,
09:04
it's only a problem when things go wrong.
160
532747
2337
is het alleen een probleem
als er iets mis gaat.
als er iets mis gaat.
09:07
Take this baby, for instance.
161
535464
1811
Neem bijvoorbeeld deze baby.
09:09
Things are going wrong for him.
162
537275
1705
Hij heeft een probleem:
09:10
He would like to make
this toy go, and he can't.
this toy go, and he can't.
163
538980
2271
hij wil dat dit speeltje werkt
en dat lukt niet.
en dat lukt niet.
09:13
I'll show you a few-second clip.
164
541251
2529
Ik laat een paar seconden
van het filmpje zien.
van het filmpje zien.
09:21
And there's two possibilities, broadly:
165
549340
1920
Er zijn twee mogelijkheden:
09:23
Maybe he's doing something wrong,
166
551260
2634
misschien doet hij iets fout,
09:25
or maybe there's something
wrong with the toy.
wrong with the toy.
167
553894
4216
of misschien is het speeltje kapot.
09:30
So in this next experiment,
168
558110
2111
Dus in het volgende experiment
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
geven we de baby's
een heel klein beetje statistisch bewijs
een heel klein beetje statistisch bewijs
09:35
supporting one hypothesis over the other,
170
563518
2582
dat een van de hypotheses ondersteunt
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
en we kijken of baby's dat kunnen
gebruiken in hun beslissingen
gebruiken in hun beslissingen
09:41
about what to do.
172
569555
1834
over wat ze moeten doen.
09:43
Here's the setup.
173
571389
2022
Dit is wat we deden:
09:46
Hyowon is going to try to make
the toy go and succeed.
the toy go and succeed.
174
574071
3030
Hyowon probeert het speeltje en het werkt.
09:49
I am then going to try twice
and fail both times,
and fail both times,
175
577101
3320
Daarna probeer ik het twee keer
en beide keren lukt het niet,
en beide keren lukt het niet,
09:52
and then Hyowon is going
to try again and succeed,
to try again and succeed,
176
580421
3112
Hyowon probeert het nog een keer
en het werkt.
en het werkt.
09:55
and this roughly sums up my relationship
to my graduate students
to my graduate students
177
583533
3172
En dit is ongeveer hoe het meestal gaat
tussen mij en mijn studenten
tussen mij en mijn studenten
09:58
in technology across the board.
178
586705
2835
met de meeste technologische dingen.
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
Maar waar het hier om gaat is
dat het enigszins bewijst
dat het enigszins bewijst
10:05
that the problem isn't with the toy,
it's with the person.
it's with the person.
180
593322
3668
dat het niet aan het speeltje ligt,
maar aan de persoon.
maar aan de persoon.
10:08
Some people can make this toy go,
181
596990
2350
Sommige mensen krijgen
dit speeltje aan de praat,
dit speeltje aan de praat,
10:11
and some can't.
182
599340
959
en andere niet.
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
Wanneer de baby het speeltje krijgt,
heeft hij een keuze.
heeft hij een keuze.
10:16
His mom is right there,
184
604212
2188
Zijn moeder zit naast hem,
10:18
so he can go ahead and hand off the toy
and change the person,
and change the person,
185
606400
3315
dus hij kan het meteen aan haar geven
en de persoon veranderen.
en de persoon veranderen.
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
Maar er ligt ook nog speeltje
op het kleed,
op het kleed,
10:24
and he can pull the cloth towards him
and change the toy.
and change the toy.
187
612873
3552
dus hij kan het kleed naar zich
toe trekken en het speeltje veranderen.
toe trekken en het speeltje veranderen.
10:28
So let's see what the baby does.
188
616425
2090
Kijk maar wat de baby doet.
10:30
(Video) HG: Two, three. Go!
(Music)
(Music)
189
618515
4183
(Video) HG: Twee, drie, go!
(Muziek)
(Muziek)
10:34
LS: One, two, three, go!
190
622698
3131
LS: Een, twee, drie, go!
10:37
Arthur, I'm going to try again.
One, two, three, go!
One, two, three, go!
191
625829
7382
Arthur, ik probeer het nog een keer.
Een, twee drie, go!
Een, twee drie, go!
10:45
YG: Arthur, let me try again, okay?
192
633677
2600
HG: Arthur, ik probeer het nog eens, oké?
10:48
One, two, three, go!
(Music)
(Music)
193
636277
4550
Een, twee, drie, go!
(Muziek)
(Muziek)
10:53
Look at that. Remember these toys?
194
641583
1883
Kijk eens! Ken je deze speeltjes nog?
10:55
See these toys? Yeah, I'm going
to put this one over here,
to put this one over here,
195
643466
3264
Zie je ze? Ik leg deze hier neer
10:58
and I'm going to give this one to you.
196
646730
2062
en deze geef ik aan jou.
11:00
You can go ahead and play.
197
648792
2335
Speel er maar mee.
11:23
LS: Okay, Laura, but of course,
babies love their mommies.
babies love their mommies.
198
671213
4737
LS: Ja, Laura, maar natuurlijk houden
baby's van hun moeder.
baby's van hun moeder.
11:27
Of course babies give toys
to their mommies
to their mommies
199
675950
2182
Baby's geven hun moeder het speeltje
11:30
when they can't make them work.
200
678132
2030
als het niet werkt.
11:32
So again, the really important question
is what happens when we change
is what happens when we change
201
680162
3593
Dus het gaat er ook hier weer om
wat er gebeurt
wat er gebeurt
11:35
the statistical data ever so slightly.
202
683755
3154
als we de statistische data
een beetje veranderen.
een beetje veranderen.
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
Deze keer zien de baby's het speeltje
wel en niet werken in dezelfde volgorde,
wel en niet werken in dezelfde volgorde,
11:42
but we're changing
the distribution of evidence.
the distribution of evidence.
204
690996
2415
maar we veranderen de distributie
van het bewijs.
van het bewijs.
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
Deze keer lukt het Hyowon één keer wel
en één keer niet, en mij ook.
en één keer niet, en mij ook.
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
En dit suggereert dat het niet uitmaakt
wie het probeert, het speeltje is kapot.
wie het probeert, het speeltje is kapot.
11:55
It doesn't work all the time.
207
703459
1886
Het doet het niet altijd.
11:57
Again, the baby's going to have a choice.
208
705345
1965
Ook nu heeft de baby weer een keuze.
11:59
Her mom is right next to her,
so she can change the person,
so she can change the person,
209
707310
3396
Haar moeder zit naast haar,
dus ze kan de persoon veranderen
dus ze kan de persoon veranderen
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
en er is nog een speeltje op het kleed.
12:05
Let's watch what she does.
211
713910
1378
Kijk maar wat ze doet.
12:07
(Video) HG: Two, three, go!
(Music)
(Music)
212
715288
4348
(Video) HG: Twee, drie, go!
(Muziek)
(Muziek)
12:11
Let me try one more time.
One, two, three, go!
One, two, three, go!
213
719636
4984
Nog een keer. Een, twee, drie, go!
12:17
Hmm.
214
725460
1697
Hmm.
12:19
LS: Let me try, Clara.
215
727950
2692
LS: Laat mij eens proberen, Clara.
12:22
One, two, three, go!
216
730642
3945
Een, twee, drie, go!
12:27
Hmm, let me try again.
217
735265
1935
Hmm, nog een keer.
12:29
One, two, three, go!
(Music)
(Music)
218
737200
5670
Een, twee, drie, go!
(Muziek)
(Muziek)
12:35
HG: I'm going
to put this one over here,
to put this one over here,
219
743009
2233
HG: Ik leg deze hier neer,
12:37
and I'm going to give this one to you.
220
745242
2001
en deze geef ik aan jou.
12:39
You can go ahead and play.
221
747243
3597
Speel er maar mee.
12:58
(Applause)
222
766376
4897
(Applaus)
13:04
LS: Let me show you
the experimental results.
the experimental results.
223
772993
2392
LS: Dit zijn de resultaten:
13:07
On the vertical axis,
you'll see the distribution
you'll see the distribution
224
775385
2475
op de verticale as zie je de distributie
13:09
of children's choices in each condition,
225
777860
2577
van de keuzes voor de beide condities,
13:12
and you'll see that the distribution
of the choices children make
of the choices children make
226
780437
4551
en je ziet dat de verdeling van de keuzes
die kinderen maken
die kinderen maken
13:16
depends on the evidence they observe.
227
784988
2787
afhangt van het bewijs dat ze zien.
13:19
So in the second year of life,
228
787775
1857
Dus in het tweede jaar van hun leven,
13:21
babies can use a tiny bit
of statistical data
of statistical data
229
789632
2577
kunnen baby's wat statistische data
gebruiken
gebruiken
13:24
to decide between two
fundamentally different strategies
fundamentally different strategies
230
792209
3367
om te kiezen tussen twee
fundamenteel verschillende manieren
fundamenteel verschillende manieren
13:27
for acting in the world:
231
795576
1881
om je te gedragen:
13:29
asking for help and exploring.
232
797457
2743
hulp vragen en op verkenning gaan.
13:33
I've just shown you
two laboratory experiments
two laboratory experiments
233
801700
3434
Ik heb jullie net twee
experimenten laten zien
experimenten laten zien
13:37
out of literally hundreds in the field
that make similar points,
that make similar points,
234
805134
3691
van de honderden in dit gebied
die vergelijkbare dingen aantonen.
die vergelijkbare dingen aantonen.
13:40
because the really critical point
235
808825
2392
Het echt cruciale punt
13:43
is that children's ability
to make rich inferences from sparse data
to make rich inferences from sparse data
236
811217
5108
is dat het vermogen van kinderen om rijke
conclusies te trekken uit weinig data
conclusies te trekken uit weinig data
13:48
underlies all the species-specific
cultural learning that we do.
cultural learning that we do.
237
816325
5341
de grondslag is van hoe mensen leren.
13:53
Children learn about new tools
from just a few examples.
from just a few examples.
238
821666
4597
Kinderen hebben maar een paar voorbeelden
nodig om een nieuw apparaat te begrijpen.
nodig om een nieuw apparaat te begrijpen.
13:58
They learn new causal relationships
from just a few examples.
from just a few examples.
239
826263
4717
Ze leren over nieuwe causale verbanden
van maar een paar voorbeelden.
van maar een paar voorbeelden.
14:03
They even learn new words,
in this case in American Sign Language.
in this case in American Sign Language.
240
831928
4871
Ze leren zelfs nieuwe woorden,
in dit geval in Amerikaanse gebarentaal.
in dit geval in Amerikaanse gebarentaal.
14:08
I want to close with just two points.
241
836799
2311
Ik wil afsluiten met twee punten.
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
Als je mijn vakgebied, de neurocognitieve
wetenschappen, hebt gevolgd
wetenschappen, hebt gevolgd
14:15
for the past few years,
243
843738
1927
in de afgelopen paar jaar,
14:17
three big ideas will have come
to your attention.
to your attention.
244
845665
2415
dan zullen drie grote ideeën
je zijn opgevallen.
je zijn opgevallen.
14:20
The first is that this is
the era of the brain.
the era of the brain.
245
848080
3436
Het eerste is dat dit het tijdperk
is van de hersenen.
is van de hersenen.
14:23
And indeed, there have been
staggering discoveries in neuroscience:
staggering discoveries in neuroscience:
246
851516
3669
En inderdaad, er zijn indrukwekkende
ontdekkingen gedaan in neurowetenschap:
ontdekkingen gedaan in neurowetenschap:
14:27
localizing functionally specialized
regions of cortex,
regions of cortex,
247
855185
3436
het localiseren van functioneel specifieke
gebieden van de cortex,
gebieden van de cortex,
14:30
turning mouse brains transparent,
248
858621
2601
het doorzichtig maken
van de hersenen van muizen,
van de hersenen van muizen,
14:33
activating neurons with light.
249
861222
3776
neuronen activeren met licht.
14:36
A second big idea
250
864998
1996
Een tweede groot idee
14:38
is that this is the era of big data
and machine learning,
and machine learning,
251
866994
4104
is dat dit het tijdperk is van veel data
en machinaal leren,
en machinaal leren,
14:43
and machine learning promises
to revolutionize our understanding
to revolutionize our understanding
252
871098
3141
en machinaal leren lijkt te zorgen
voor een revolutie in ons begrip
voor een revolutie in ons begrip
14:46
of everything from social networks
to epidemiology.
to epidemiology.
253
874239
4667
van alles, van sociale netwerken
tot epidemiologie.
tot epidemiologie.
14:50
And maybe, as it tackles problems
of scene understanding
of scene understanding
254
878906
2693
Naarmate vragen opgelost raken
rond het begrip van de omgeving
rond het begrip van de omgeving
14:53
and natural language processing,
255
881599
1993
en natuurlijke taalverwerking
14:55
to tell us something
about human cognition.
about human cognition.
256
883592
3324
kan het ons misschien iets leren
overmenselijke cognitie.
overmenselijke cognitie.
14:59
And the final big idea you'll have heard
257
887756
1937
En het laatste grote idee
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
is dat het misschien wel goed is
dat we zoveel over de hersenen leren
dat we zoveel over de hersenen leren
15:05
and have so much access to big data,
259
893080
1917
en toegang hebben tot zoveel data,
15:06
because left to our own devices,
260
894997
2507
want als we aan onszelf zijn overgelaten,
15:09
humans are fallible, we take shortcuts,
261
897504
3831
dan zijn mensen feilbaar:
we nemen een kortere weg,
we nemen een kortere weg,
15:13
we err, we make mistakes,
262
901335
3437
we vergissen ons, we maken fouten,
15:16
we're biased, and in innumerable ways,
263
904772
3684
we zijn partijdig,
en op ontelbaar veel manieren
en op ontelbaar veel manieren
15:20
we get the world wrong.
264
908456
2969
begrijpen we de wereld verkeerd.
15:24
I think these are all important stories,
265
912843
2949
Ik denk dat dit allemaal
belangrijke ideeën zijn,
belangrijke ideeën zijn,
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
die ons veel vertellen over de mensheid,
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
maar ik heb jullie vandaag
een heel ander verhaal verteld.
een heel ander verhaal verteld.
15:35
It's a story about minds and not brains,
268
923966
3807
Een verhaal over het verstand
in plaats van over hersens,
in plaats van over hersens,
15:39
and in particular, it's a story
about the kinds of computations
about the kinds of computations
269
927773
3006
en vooral over het soort berekeningen die
15:42
that uniquely human minds can perform,
270
930779
2590
het menselijk verstand kan maken,
15:45
which involve rich, structured knowledge
and the ability to learn
and the ability to learn
271
933369
3944
op basis van rijke,
gestructureerde kennis
gestructureerde kennis
en het vermogen om van een kleine
hoeveelheid data te leren,
hoeveelheid data te leren,
15:49
from small amounts of data,
the evidence of just a few examples.
the evidence of just a few examples.
272
937313
5268
van het bewijs van enkele voorbeelden.
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
In de kern is het een verhaal
over hoe we van jongs af aan
over hoe we van jongs af aan
16:00
and continuing out all the way
to the greatest accomplishments
to the greatest accomplishments
274
948600
4180
tot aan de meest indrukwekkende prestaties
16:04
of our culture,
275
952780
3843
van onze cultuur,
16:08
we get the world right.
276
956623
1997
de wereld wél begrijpen.
16:12
Folks, human minds do not only learn
from small amounts of data.
from small amounts of data.
277
960433
5267
Het menselijk verstand leert natuurlijk
niet alleen van kleine hoeveelheden data.
niet alleen van kleine hoeveelheden data.
16:18
Human minds think
of altogether new ideas.
of altogether new ideas.
278
966285
2101
Ons verstand kan nieuwe ideeën bedenken.
16:20
Human minds generate
research and discovery,
research and discovery,
279
968746
3041
Ons verstand onderzoekt en ontdekt,
16:23
and human minds generate
art and literature and poetry and theater,
art and literature and poetry and theater,
280
971787
5273
en het creëert kunst, literatuur,
poëzie en theater.
poëzie en theater.
16:29
and human minds take care of other humans:
281
977070
3760
En met het menselijk verstand
kunnen we voor andere mensen zorgen:
kunnen we voor andere mensen zorgen:
16:32
our old, our young, our sick.
282
980830
3427
de ouderen, jongeren, zieken.
16:36
We even heal them.
283
984517
2367
We kunnen ze zelfs genezen.
16:39
In the years to come, we're going
to see technological innovations
to see technological innovations
284
987564
3103
In de komende jaren zullen we
technologische innovaties zien,
technologische innovaties zien,
16:42
beyond anything I can even envision,
285
990667
3797
die mijn eigen verbeelding te boven gaan,
16:46
but we are very unlikely
286
994464
2150
maar het is zeer onwaarschijnlijk
16:48
to see anything even approximating
the computational power of a human child
the computational power of a human child
287
996614
5709
dat we in onze tijd iets zullen zien
wat ook maar enigszins lijkt
wat ook maar enigszins lijkt
16:54
in my lifetime or in yours.
288
1002323
4298
op het calculerende vermogen van een kind.
16:58
If we invest in these most powerful
learners and their development,
learners and their development,
289
1006621
5047
Door te investeren in deze doortastende
lerenden en hun ontwikkeling,
lerenden en hun ontwikkeling,
17:03
in babies and children
290
1011668
2917
in baby's en kinderen
17:06
and mothers and fathers
291
1014585
1826
en moeders en vaders
17:08
and caregivers and teachers
292
1016411
2699
en verzorgers en leraren
17:11
the ways we invest in our other
most powerful and elegant forms
most powerful and elegant forms
293
1019110
4170
op dezelfde manier als we investeren
in onze andere fantastische, mooie vormen
in onze andere fantastische, mooie vormen
17:15
of technology, engineering and design,
294
1023280
3218
van techniek en design,
17:18
we will not just be dreaming
of a better future,
of a better future,
295
1026498
2939
dromen we niet alleen
van een betere toekomst,
van een betere toekomst,
17:21
we will be planning for one.
296
1029437
2127
maar maken we er plannen voor.
17:23
Thank you very much.
297
1031564
2345
Dank je wel.
17:25
(Applause)
298
1033909
3421
(Applaus)
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, dank je wel.
Ik heb nog een vraag voor je.
Ik heb nog een vraag voor je.
17:34
First of all, the research is insane.
300
1042236
2359
Ten eerste, dit is onderzoek
is krankzinnig.
is krankzinnig.
17:36
I mean, who would design
an experiment like that? (Laughter)
an experiment like that? (Laughter)
301
1044595
3725
Ik bedoel, wie doet er nou
zo'n experiment? (Gelach)
zo'n experiment? (Gelach)
17:41
I've seen that a couple of times,
302
1049150
1790
Ik heb dit een paar keer gezien,
17:42
and I still don't honestly believe
that that can truly be happening,
that that can truly be happening,
303
1050940
3222
en ik geloof nog steeds niet
dat het echt is,
dat het echt is,
17:46
but other people have done
similar experiments; it checks out.
similar experiments; it checks out.
304
1054162
3158
maar anderen hebben soortgelijke
experimenten gedaan; het klopt.
experimenten gedaan; het klopt.
17:49
The babies really are that genius.
305
1057320
1633
De baby's zijn echt zulke genieën.
17:50
LS: You know, they look really impressive
in our experiments,
in our experiments,
306
1058953
3007
LS: Ze zien er heel indrukwekkend uit
in onze experimenten,
in onze experimenten,
17:53
but think about what they
look like in real life, right?
look like in real life, right?
307
1061960
2652
maar let maar eens op hoe ze
er in het echt uitzien.
er in het echt uitzien.
17:56
It starts out as a baby.
308
1064612
1150
Eerst is het een baby.
17:57
Eighteen months later,
it's talking to you,
it's talking to you,
309
1065762
2007
Achttien maanden later praat het met je,
17:59
and babies' first words aren't just
things like balls and ducks,
things like balls and ducks,
310
1067769
3041
de eerste woordjes beperken zich niet
tot dingen als bal of eend,
tot dingen als bal of eend,
18:02
they're things like "all gone,"
which refer to disappearance,
which refer to disappearance,
311
1070810
2881
ze zeggen ook dingen als "op"
wat verwijst naar verdwijning,
wat verwijst naar verdwijning,
18:05
or "uh-oh," which refer
to unintentional actions.
to unintentional actions.
312
1073691
2283
of "oh-oh", als iets per ongeluk gebeurt.
18:07
It has to be that powerful.
313
1075974
1562
Hij moet zoveel kunnen.
18:09
It has to be much more powerful
than anything I showed you.
than anything I showed you.
314
1077536
2775
Hij moet veel meer kunnen
dan wat ik heb laten zien.
dan wat ik heb laten zien.
18:12
They're figuring out the entire world.
315
1080311
1974
Ze zijn de hele wereld aan het ontdekken.
18:14
A four-year-old can talk to you
about almost anything.
about almost anything.
316
1082285
3144
Een vierjarige kan over bijna alles
met je praten.
met je praten.
18:17
(Applause)
317
1085429
1601
(Applaus)
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: En als ik het goed begrijp,
is jouw andere punt
is jouw andere punt
18:22
we've been through these years
where there's all this talk
where there's all this talk
319
1090444
2754
dat er de afgelopen jaren
zo vaak is gezegd dat ons verstand
zo vaak is gezegd dat ons verstand
18:25
of how quirky and buggy our minds are,
320
1093198
1932
maar eigenzinnig en gebrekkig is,
18:27
that behavioral economics
and the whole theories behind that
and the whole theories behind that
321
1095130
2867
de gedragseconomie
en al die theorieën daarachter,
en al die theorieën daarachter,
18:29
that we're not rational agents.
322
1097997
1603
dat we niet rationeel zijn.
18:31
You're really saying that the bigger
story is how extraordinary,
story is how extraordinary,
323
1099600
4216
Jij legt juist de nadruk
op hoe buitengewoon,
op hoe buitengewoon,
18:35
and there really is genius there
that is underappreciated.
that is underappreciated.
324
1103816
4944
dat er echte genialiteit is
die wordt ondergewaardeerd.
die wordt ondergewaardeerd.
18:40
LS: One of my favorite
quotes in psychology
quotes in psychology
325
1108760
2070
LS: Deze quote uit de psychologie
18:42
comes from the social
psychologist Solomon Asch,
psychologist Solomon Asch,
326
1110830
2290
is van sociaal psycholoog Solomon Asch;
18:45
and he said the fundamental task
of psychology is to remove
of psychology is to remove
327
1113120
2807
hij zei dat de fundamentele taak
van de psychologie is om
van de psychologie is om
18:47
the veil of self-evidence from things.
328
1115927
2626
de sluier van vanzelfsprekendheid
weg te nemen.
weg te nemen.
18:50
There are orders of magnitude
more decisions you make every day
more decisions you make every day
329
1118553
4551
We maken elke dag ontelbaar veel meer
beslissingen waaruit blijkt
beslissingen waaruit blijkt
18:55
that get the world right.
330
1123104
1347
dat we de wereld begrijpen.
18:56
You know about objects
and their properties.
and their properties.
331
1124451
2132
Je kent objecten en hun eigenschappen.
18:58
You know them when they're occluded.
You know them in the dark.
You know them in the dark.
332
1126583
3029
Je kent ze als ze verstopt zijn.
Je kent ze in het donker.
Je kent ze in het donker.
19:01
You can walk through rooms.
333
1129612
1308
Je kunt door ruimtes lopen.
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
Je kunt erachter komen wat andere mensen
denken. Je kunt met ze praten.
denken. Je kunt met ze praten.
19:06
You can navigate space.
You know about numbers.
You know about numbers.
335
1134452
2230
Je kunt navigeren. Je kent cijfers.
19:08
You know causal relationships.
You know about moral reasoning.
You know about moral reasoning.
336
1136682
3022
Je kent causale verbanden.
Je kan moreel redeneren.
Je kan moreel redeneren.
19:11
You do this effortlessly,
so we don't see it,
so we don't see it,
337
1139704
2356
Je doet het vanzelf, dus we zien het niet,
19:14
but that is how we get the world right,
and it's a remarkable
and it's a remarkable
338
1142060
2912
maar zo begrijpen we de wereld,
en dat is een wonderbaarlijke
en dat is een wonderbaarlijke
19:16
and very difficult-to-understand
accomplishment.
accomplishment.
339
1144972
2318
en moeilijk te begrijpen prestatie.
19:19
CA: I suspect there are people
in the audience who have
in the audience who have
340
1147290
2628
CA: Ik vermoed dat er mensen
in het publiek zijn die
in het publiek zijn die
19:21
this view of accelerating
technological power
technological power
341
1149918
2238
een beeld hebben van
technologische ontwikkeling,
technologische ontwikkeling,
19:24
who might dispute your statement
that never in our lifetimes
that never in our lifetimes
342
1152156
2958
die het er niet mee eens zijn
dat er nooit in ons leven
dat er nooit in ons leven
19:27
will a computer do what
a three-year-old child can do,
a three-year-old child can do,
343
1155114
2618
een computer zal doen
wat een driejarig kind kan doen,
wat een driejarig kind kan doen,
19:29
but what's clear is that in any scenario,
344
1157732
3248
maar wat hier in ieder geval uit blijkt
19:32
our machines have so much to learn
from our toddlers.
from our toddlers.
345
1160980
3770
is dat onze apparaten nog heel veel
kunnen leren van onze peuters.
kunnen leren van onze peuters.
19:38
LS: I think so. You'll have some
machine learning folks up here.
machine learning folks up here.
346
1166230
3216
LS: Ja dat denk ik wel.
Machinaal leren zit hier vast ook.
Machinaal leren zit hier vast ook.
19:41
I mean, you should never bet
against babies or chimpanzees
against babies or chimpanzees
347
1169446
4203
Je moet natuurlijk nooit
tegen baby's of chimpansees
tegen baby's of chimpansees
19:45
or technology as a matter of practice,
348
1173649
3645
of techniek zijn, enkel uit principe,
19:49
but it's not just
a difference in quantity,
a difference in quantity,
349
1177294
4528
maar het gaat niet alleen
om een verschil in kwantiteit,
om een verschil in kwantiteit,
19:53
it's a difference in kind.
350
1181822
1764
het is een verschil in aard.
19:55
We have incredibly powerful computers,
351
1183586
2160
We hebben ontzettend slimme computers,
19:57
and they do do amazingly
sophisticated things,
sophisticated things,
352
1185746
2391
en ze doen ongelooflijk
geavanceerde dingen,
geavanceerde dingen,
20:00
often with very big amounts of data.
353
1188137
3204
vaak met gigantisch veel data.
20:03
Human minds do, I think,
something quite different,
something quite different,
354
1191341
2607
Mensen doen iets heel anders
20:05
and I think it's the structured,
hierarchical nature of human knowledge
hierarchical nature of human knowledge
355
1193948
3895
en ik denk dat het de gestructureerde,
hiërarchische aard van onze kennis is,
hiërarchische aard van onze kennis is,
20:09
that remains a real challenge.
356
1197843
2032
wat een echte uitdaging blijft.
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, mooi om
over na te denken. Dank je wel.
over na te denken. Dank je wel.
20:14
LS: Thank you.
(Applause)
(Applause)
358
1202936
2922
LS: Bedankt.
(Applaus)
(Applaus)
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