TEDGlobal 2011
Alison Gopnik: What do babies think?
Alison Gopnik: O que pensam os bebés?
Filmed:
Readability: 3.4
4,341,974 views
"Os bebés e as crianças pequenas são como um departamento de Investigação e Desenvolvimento da espécie humana, diz a psicóloga Alison Gopnik. A sua investigação explora o quão sofisticada é a recolha de informação e o processo de decisão dos bebés enquanto brincam.
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
O que é que se passa
00:17
in this baby's mind?
1
2000
2000
na mente deste bebé?
00:19
If you'd asked people this 30 years ago,
2
4000
2000
Se fizéssemos a mesma pergunta há 30 anos atrás,
00:21
most people, including psychologists,
3
6000
2000
a maioria das pessoas, incluindo psicólogos,
00:23
would have said that this baby was irrational,
4
8000
3000
diria que este bebé é irracional,
00:26
illogical, egocentric --
5
11000
2000
ilógico, egocêntrico;
00:28
that he couldn't take the perspective of another person
6
13000
2000
que não é capaz de assumir a perspectiva de outra pessoa
00:30
or understand cause and effect.
7
15000
2000
ou compreender a relação causa-efeito.
00:32
In the last 20 years,
8
17000
2000
Nos últimos 20 anos,
00:34
developmental science has completely overturned that picture.
9
19000
3000
a ciência do desenvolvimento inverteu essa imagem por completo.
00:37
So in some ways,
10
22000
2000
Em alguns aspectos,
00:39
we think that this baby's thinking
11
24000
2000
acreditamos que o pensamento deste bebé
00:41
is like the thinking of the most brilliant scientists.
12
26000
4000
é equivalente ao pensamento dos cientistas mais brilhantes.
00:45
Let me give you just one example of this.
13
30000
2000
Deixem-me dar-vos um exemplo.
00:47
One thing that this baby could be thinking about,
14
32000
3000
Uma coisa que este bebé poderia estar a pensar,
00:50
that could be going on in his mind,
15
35000
2000
que poderia estar a passar-se na sua cabeça,
00:52
is trying to figure out
16
37000
2000
seria tentar perceber
00:54
what's going on in the mind of that other baby.
17
39000
3000
o que é que o outro bebé está a pensar.
00:57
After all, one of the things that's hardest for all of us to do
18
42000
3000
Afinal, uma das coisas mais difíceis de fazer para todos nós
01:00
is to figure out what other people are thinking and feeling.
19
45000
3000
é tentar decifrar o que as outras pessoas estão a pensar e sentir.
01:03
And maybe the hardest thing of all
20
48000
2000
E talvez o mais difícil de tudo
01:05
is to figure out that what other people think and feel
21
50000
3000
seja perceber que o que as outras pessoas pensam e sentem
01:08
isn't actually exactly like what we think and feel.
22
53000
2000
não é exactamente o que nós pensamos e sentimos.
01:10
Anyone who's followed politics can testify
23
55000
2000
Qualquer pessoa que tenha enveredado pela política pode confirmar
01:12
to how hard that is for some people to get.
24
57000
3000
como isso é difícil para alguns.
01:15
We wanted to know
25
60000
2000
Nós queríamos saber
01:17
if babies and young children
26
62000
2000
se os bebés e as crianças pequenas
01:19
could understand this really profound thing about other people.
27
64000
3000
são capazes de compreender esta coisa tão profunda sobre as outras pessoas.
01:22
Now the question is: How could we ask them?
28
67000
2000
A questão aqui é: Como é que lhes perguntamos?
01:24
Babies, after all, can't talk,
29
69000
2000
Afinal de contas, os bebés não falam
01:26
and if you ask a three year-old
30
71000
2000
e se perguntarem a um bebé de três anos
01:28
to tell you what he thinks,
31
73000
2000
o que está a pensar
01:30
what you'll get is a beautiful stream of consciousness monologue
32
75000
3000
apenas vão conseguir um bonito monólogo de pensamentos
01:33
about ponies and birthdays and things like that.
33
78000
3000
sobre póneis e aniversários e coisas do género.
01:36
So how do we actually ask them the question?
34
81000
3000
Então como é que fazemos a pergunta?
01:39
Well it turns out that the secret was broccoli.
35
84000
3000
Parece que o segredo era brócolos.
01:42
What we did -- Betty Rapacholi, who was one of my students, and I --
36
87000
4000
O que nós - Betty Rapacholi, minha aluna, e eu - fizemos
01:46
was actually to give the babies two bowls of food:
37
91000
3000
foi dar aos bebés dois pratos de comida:
01:49
one bowl of raw broccoli
38
94000
2000
um prato com brócolos crus
01:51
and one bowl of delicious goldfish crackers.
39
96000
3000
e um com bolachas deliciosas em forma de peixinho.
01:54
Now all of the babies, even in Berkley,
40
99000
3000
Todos os bebés, mesmo em Berkeley,
01:57
like the crackers and don't like the raw broccoli.
41
102000
3000
gostam das bolachas e não gostam dos brócolos crus.
02:00
(Laughter)
42
105000
2000
(Risos)
02:02
But then what Betty did
43
107000
2000
Mas o que a Betty fez a seguir
02:04
was to take a little taste of food from each bowl.
44
109000
3000
foi provar um bocado de cada prato
02:07
And she would act as if she liked it or she didn't.
45
112000
2000
e agir como se tivesse gostado ou não.
02:09
So half the time, she acted
46
114000
2000
Metade das vezes agia
02:11
as if she liked the crackers and didn't like the broccoli --
47
116000
2000
como se gostasse das bolachas e não gostasse dos brócolos
02:13
just like a baby and any other sane person.
48
118000
3000
tal como um bebé ou qualquer outra pessoa boa da cabeça.
02:16
But half the time,
49
121000
2000
Mas na outra metade,
02:18
what she would do is take a little bit of the broccoli
50
123000
2000
o que ela fazia era provar um bocadinho dos brócolos
02:20
and go, "Mmmmm, broccoli.
51
125000
3000
e dizer "Mmmmm, brócolos.
02:23
I tasted the broccoli. Mmmmm."
52
128000
3000
Provei os brócolos. Mmmmm."
02:26
And then she would take a little bit of the crackers,
53
131000
2000
E depois provava uma bolacha
02:28
and she'd go, "Eww, yuck, crackers.
54
133000
4000
e dizia "uuuu, blhac, bolachas.
02:32
I tasted the crackers. Eww, yuck."
55
137000
3000
Provei as bolachas. Uuuu, blhac."
02:35
So she'd act as if what she wanted
56
140000
2000
Agia, portanto, como se o que ela queria
02:37
was just the opposite of what the babies wanted.
57
142000
3000
fosse o oposto daquilo que os bebés queriam.
02:40
We did this with 15 and 18 month-old babies.
58
145000
2000
Experimentámos isto com bebés de 15 e 18 meses.
02:42
And then she would simply put her hand out and say,
59
147000
3000
E depois ela simplesmente estendia a mão e dizia,
02:45
"Can you give me some?"
60
150000
2000
"Podes dar-me um bocado?"
02:47
So the question is: What would the baby give her,
61
152000
2000
A questão é: O que é que o bebé lhe daria,
02:49
what they liked or what she liked?
62
154000
2000
o que ele gostava ou o que ela gostava?
02:51
And the remarkable thing was that 18 month-old babies,
63
156000
3000
O interessante é que os bebés de 18 meses,
02:54
just barely walking and talking,
64
159000
2000
que mal andam ou falam,
02:56
would give her the crackers if she liked the crackers,
65
161000
3000
lhe davam as bolachas se ela gostasse das bolachas,
02:59
but they would give her the broccoli if she liked the broccoli.
66
164000
3000
contudo davam-lhe os brócolos se ela preferisse os brócolos.
03:02
On the other hand,
67
167000
2000
Por outro lado,
03:04
15 month-olds would stare at her for a long time
68
169000
2000
os bebés de 15 meses ficavam a olhar para ela durante muito tempo
03:06
if she acted as if she liked the broccoli,
69
171000
2000
caso ela agisse como se preferisse os brócolos,
03:08
like they couldn't figure this out.
70
173000
3000
como se não percebessem a situação.
03:11
But then after they stared for a long time,
71
176000
2000
Mas depois de olharem para ela durante muito tempo,
03:13
they would just give her the crackers,
72
178000
2000
simplesmente lhe davam as bolachas,
03:15
what they thought everybody must like.
73
180000
2000
o que eles pensavam que toda a gente gostava.
03:17
So there are two really remarkable things about this.
74
182000
3000
Há duas coisas impressionantes em relação a isto.
03:20
The first one is that these little 18 month-old babies
75
185000
3000
A primeira é o facto de estes bebés de 18 meses
03:23
have already discovered
76
188000
2000
terem já descoberto
03:25
this really profound fact about human nature,
77
190000
2000
esta verdade profunda da condição humana:
03:27
that we don't always want the same thing.
78
192000
2000
que nem sempre queremos as mesmas coisas.
03:29
And what's more, they felt that they should actually do things
79
194000
2000
E mais, eles sentiram que deviam fazer o possível
03:31
to help other people get what they wanted.
80
196000
3000
de forma a ajudar as outras pessoas a terem o que queriam.
03:34
Even more remarkably though,
81
199000
2000
Mas mais impressionante,
03:36
the fact that 15 month-olds didn't do this
82
201000
3000
o facto de os bebés de 15 meses não terem feito isto
03:39
suggests that these 18 month-olds had learned
83
204000
3000
indica que os bebés de 18 meses aprenderam
03:42
this deep, profound fact about human nature
84
207000
3000
esta verdade profunda sobre a natureza humana
03:45
in the three months from when they were 15 months old.
85
210000
3000
nos três meses que passaram depois de fazerem 15 meses.
03:48
So children both know more and learn more
86
213000
2000
Portanto as crianças sabem e aprendem mais
03:50
than we ever would have thought.
87
215000
2000
do que aquilo que alguma vez imaginámos.
03:52
And this is just one of hundreds and hundreds of studies over the last 20 years
88
217000
4000
E este é apenas um de centenas e centenas de estudos feitos nos últimos 20 anos
03:56
that's actually demonstrated it.
89
221000
2000
que realmente demonstrou isso.
03:58
The question you might ask though is:
90
223000
2000
A pergunta que podem querer fazer é:
04:00
Why do children learn so much?
91
225000
3000
Porque é que as crianças aprendem tanto?
04:03
And how is it possible for them to learn so much
92
228000
2000
E como é possível aprenderem tanto
04:05
in such a short time?
93
230000
2000
em tão pouco tempo?
04:07
I mean, after all, if you look at babies superficially,
94
232000
2000
Quer dizer, afinal, se olharmos para os bebés superficialmente,
04:09
they seem pretty useless.
95
234000
2000
eles parecem bastante inúteis.
04:11
And actually in many ways, they're worse than useless,
96
236000
3000
E na verdade, em muitos aspectos são piores que inúteis,
04:14
because we have to put so much time and energy
97
239000
2000
tendo em conta o tempo e energia que gastamos
04:16
into just keeping them alive.
98
241000
2000
só para mantê-los vivos.
04:18
But if we turn to evolution
99
243000
2000
Mas se procurarmos na evolução
04:20
for an answer to this puzzle
100
245000
2000
uma resposta para este quebra-cabeças
04:22
of why we spend so much time
101
247000
2000
sobre porque gastamos tanto tempo
04:24
taking care of useless babies,
102
249000
3000
a tomar conta de bebés inúteis,
04:27
it turns out that there's actually an answer.
103
252000
3000
verificamos que há realmente uma resposta.
04:30
If we look across many, many different species of animals,
104
255000
3000
Se olharmos para as muitas, muitas espécies de animais,
04:33
not just us primates,
105
258000
2000
não apenas nós, primatas,
04:35
but also including other mammals, birds,
106
260000
2000
como também outros mamíferos, aves,
04:37
even marsupials
107
262000
2000
até mesmo marsupiais
04:39
like kangaroos and wombats,
108
264000
2000
como cangurus e vombates,
04:41
it turns out that there's a relationship
109
266000
2000
verificamos que existe uma relação
04:43
between how long a childhood a species has
110
268000
4000
entre o tempo de infância que uma espécie tem
04:47
and how big their brains are compared to their bodies
111
272000
4000
e o tamanho dos seus cérebros em relação ao corpo
04:51
and how smart and flexible they are.
112
276000
2000
e quão espertos e flexíveis eles são.
04:53
And sort of the posterbirds for this idea are the birds up there.
113
278000
3000
Exemplo disto são aqueles pássaros ali em cima.
04:56
On one side
114
281000
2000
Num dos lados
04:58
is a New Caledonian crow.
115
283000
2000
está um corvo da Nova Caledónia.
05:00
And crows and other corvidae, ravens, rooks and so forth,
116
285000
3000
E os corvos, tal como outros pertencentes à família Corvidae, gralhas, etc,
05:03
are incredibly smart birds.
117
288000
2000
são aves incrivelmente inteligentes.
05:05
They're as smart as chimpanzees in some respects.
118
290000
3000
Em alguns aspectos são tão inteligentes como os chimpanzés.
05:08
And this is a bird on the cover of science
119
293000
2000
E este é um pássaro na capa da revista Science
05:10
who's learned how to use a tool to get food.
120
295000
3000
que aprendeu a usar uma ferramenta para conseguir comida.
05:13
On the other hand,
121
298000
2000
Por outro lado,
05:15
we have our friend the domestic chicken.
122
300000
2000
temos a nossa amiga galinha doméstica.
05:17
And chickens and ducks and geese and turkeys
123
302000
3000
E as galinhas, os patos, os gansos e os perus
05:20
are basically as dumb as dumps.
124
305000
2000
são burros que nem portas.
05:22
So they're very, very good at pecking for grain,
125
307000
3000
Muito, muito bons a bicar o grão,
05:25
and they're not much good at doing anything else.
126
310000
3000
e basicamente a fazer mais nada.
05:28
Well it turns out that the babies,
127
313000
2000
Acontece que os bebés,
05:30
the New Caledonian crow babies, are fledglings.
128
315000
2000
os corvos da Nova Caledónia bebés, são altamente dependentes.
05:32
They depend on their moms
129
317000
2000
Eles dependem das mães
05:34
to drop worms in their little open mouths
130
319000
3000
que lhes põem minhocas nas suas boquinhas abertas
05:37
for as long as two years,
131
322000
2000
durante o que pode chegar a dois anos,
05:39
which is a really long time in the life of a bird.
132
324000
2000
o que é muito tempo na vida de uma ave.
05:41
Whereas the chickens are actually mature
133
326000
2000
Ao passo que as galinhas atingem esse nível de maturidade
05:43
within a couple of months.
134
328000
2000
em poucos meses.
05:45
So childhood is the reason
135
330000
3000
A infância é, portanto, a razão
05:48
why the crows end up on the cover of Science
136
333000
2000
pela qual os corvos acabam na capa da revista Science
05:50
and the chickens end up in the soup pot.
137
335000
2000
e as galinhas na panela da sopa.
05:52
There's something about that long childhood
138
337000
3000
Há alguma coisa nessa longa infância
05:55
that seems to be connected
139
340000
2000
que parece estar relacionada
05:57
to knowledge and learning.
140
342000
2000
com o conhecimento e a aprendizagem.
05:59
Well what kind of explanation could we have for this?
141
344000
3000
Que explicação podemos ter para isto?
06:02
Well some animals, like the chicken,
142
347000
3000
Alguns animais, como a galinha,
06:05
seem to be beautifully suited
143
350000
2000
parecem adaptar-se perfeitamente
06:07
to doing just one thing very well.
144
352000
2000
a fazer muito bem apenas uma coisa.
06:09
So they seem to be beautifully suited
145
354000
3000
Estas parecem estar perfeitamente adaptadas
06:12
to pecking grain in one environment.
146
357000
2000
a bicar o grão num ambiente.
06:14
Other creatures, like the crows,
147
359000
2000
Outras criaturas, como os corvos,
06:16
aren't very good at doing anything in particular,
148
361000
2000
não são especialmente bons a fazer uma coisa específica,
06:18
but they're extremely good
149
363000
2000
mas são extremamente bons
06:20
at learning about laws of different environments.
150
365000
2000
a aprender as regras de diferentes ambientes.
06:22
And of course, we human beings
151
367000
2000
E como é óbvio, nós humanos
06:24
are way out on the end of the distribution like the crows.
152
369000
3000
estamos muito para além da curva de distribuição tal como os corvos.
06:27
We have bigger brains relative to our bodies
153
372000
2000
Os nossos cérebros são maiores em relação aos nossos corpos
06:29
by far than any other animal.
154
374000
2000
do que em qualquer outro animal.
06:31
We're smarter, we're more flexible,
155
376000
2000
Somos mais inteligentes, mais flexivéis,
06:33
we can learn more,
156
378000
2000
capazes de aprender mais,
06:35
we survive in more different environments,
157
380000
2000
sobrevivemos em diferentes ambientes,
06:37
we migrated to cover the world and even go to outer space.
158
382000
3000
emigrámos para povoar o mundo e viajámos até ao espaço.
06:40
And our babies and children are dependent on us
159
385000
3000
E os nossos bebés e crianças dependem de nós
06:43
for much longer than the babies of any other species.
160
388000
3000
por muito mais tempo do que qualquer bebé de outra espécie.
06:46
My son is 23.
161
391000
2000
O meu filho tem 23 anos.
06:48
(Laughter)
162
393000
2000
(Risos)
06:50
And at least until they're 23,
163
395000
2000
E pelo menos até fazerem 23 anos,
06:52
we're still popping those worms
164
397000
2000
continuamos a atirar aquelas minhocas
06:54
into those little open mouths.
165
399000
3000
para as suas boquinhas abertas.
06:57
All right, why would we see this correlation?
166
402000
3000
Pois bem, como é que chegaríamos a esta correlação?
07:00
Well an idea is that that strategy, that learning strategy,
167
405000
4000
Uma ideia é a de que essa estratégia de aprendizagem,
07:04
is an extremely powerful, great strategy for getting on in the world,
168
409000
3000
é uma estratégia de sobrevivência muito poderosa,
07:07
but it has one big disadvantage.
169
412000
2000
mas tem uma grande desvantagem.
07:09
And that one big disadvantage
170
414000
2000
E essa grande desvantagem
07:11
is that, until you actually do all that learning,
171
416000
3000
é que, até concluirmos todo o processo de aprendizagem,
07:14
you're going to be helpless.
172
419000
2000
seremos indefesos.
07:16
So you don't want to have the mastodon charging at you
173
421000
3000
Não vamos querer que o mastodonte venha atrás de nós
07:19
and be saying to yourself,
174
424000
2000
e pensar,
07:21
"A slingshot or maybe a spear might work. Which would actually be better?"
175
426000
4000
"Talvez uma fisga ou uma lança funcionem. Qual será melhor?"
07:25
You want to know all that
176
430000
2000
Vamos querer saber isso
07:27
before the mastodons actually show up.
177
432000
2000
antes de o mastodonte aparecer.
07:29
And the way the evolutions seems to have solved that problem
178
434000
3000
E a forma como a evolução parece ter resolvido esse problema
07:32
is with a kind of division of labor.
179
437000
2000
foi com uma espécie de divisão de trabalho.
07:34
So the idea is that we have this early period when we're completely protected.
180
439000
3000
Ou seja, numa primeira fase estamos completamente protegidos,
07:37
We don't have to do anything. All we have to do is learn.
181
442000
3000
não temos de fazer nada, apenas aprender.
07:40
And then as adults,
182
445000
2000
Depois, enquanto adultos,
07:42
we can take all those things that we learned when we were babies and children
183
447000
3000
podemos pegar nas coisas que aprendemos quando éramos bebés e crianças
07:45
and actually put them to work to do things out there in the world.
184
450000
3000
e pô-las em prática na vida real.
07:48
So one way of thinking about it
185
453000
2000
Uma perspectiva seria pensar
07:50
is that babies and young children
186
455000
2000
que os bebés e as crianças pequenas
07:52
are like the research and development division of the human species.
187
457000
3000
são como o departamento de Investigação e Desenvolvimento da espécie humana.
07:55
So they're the protected blue sky guys
188
460000
3000
São os investigadores protegidos
07:58
who just have to go out and learn and have good ideas,
189
463000
2000
que apenas têm que sair, aprender e ter boas ideias,
08:00
and we're production and marketing.
190
465000
2000
e nós somos a produção e o marketing.
08:02
We have to take all those ideas
191
467000
2000
Nós temos que pegar nessas ideias
08:04
that we learned when we were children
192
469000
2000
que desenvolvemos em criança
08:06
and actually put them to use.
193
471000
2000
e pô-las em prática.
08:08
Another way of thinking about it
194
473000
2000
Outra perspectiva é a de que
08:10
is instead of thinking of babies and children
195
475000
2000
em lugar de pensarmos nos bebés e nas crianças
08:12
as being like defective grownups,
196
477000
2000
como adultos defeituosos,
08:14
we should think about them
197
479000
2000
deveríamos pensar neles
08:16
as being a different developmental stage of the same species --
198
481000
2000
como estando numa fase diferente de desenvolvimento da mesma espécie
08:18
kind of like caterpillars and butterflies --
199
483000
3000
- tipo lagartas e borboletas -
08:21
except that they're actually the brilliant butterflies
200
486000
2000
contudo sendo eles as borboletas brilhantes
08:23
who are flitting around the garden and exploring,
201
488000
3000
que esvoaçam e exploram o jardim,
08:26
and we're the caterpillars
202
491000
2000
e nós as lagartas
08:28
who are inching along our narrow, grownup, adult path.
203
493000
3000
que a pouco e pouco vamos avançando pelo caminho de adultos.
08:31
If this is true, if these babies are designed to learn --
204
496000
3000
Se isto for verdade, se os bebés estão programados para aprender
08:34
and this evolutionary story would say children are for learning,
205
499000
3000
- e a história evolutiva assim o comprova
08:37
that's what they're for --
206
502000
2000
que as crianças existem para aprender -
08:39
we might expect
207
504000
2000
poderíamos supôr
08:41
that they would have really powerful learning mechanisms.
208
506000
2000
que eles possuem poderosos mecanismos de aprendizagem.
08:43
And in fact, the baby's brain
209
508000
3000
De facto, o cérebro dos bebés
08:46
seems to be the most powerful learning computer
210
511000
2000
parece ser o computador de aprendizagem mais poderoso
08:48
on the planet.
211
513000
2000
do planeta.
08:50
But real computers are actually getting to be a lot better.
212
515000
3000
No entanto os computadores reais estão a melhorar muito.
08:53
And there's been a revolution
213
518000
2000
Houve uma revolução recentemente
08:55
in our understanding of machine learning recently.
214
520000
2000
no nosso entendimento de máquina de aprendizagem.
08:57
And it all depends on the ideas of this guy,
215
522000
3000
E tudo graças às ideias deste senhor,
09:00
the Reverend Thomas Bayes,
216
525000
2000
do Reverendo Thomas Bayes,
09:02
who was a statistician and mathematician in the 18th century.
217
527000
3000
especialista em estatística e matemático do século XVIII.
09:05
And essentially what Bayes did
218
530000
3000
E basicamente o que Bayes fez
09:08
was to provide a mathematical way
219
533000
2000
foi criar um método matemático
09:10
using probability theory
220
535000
2000
utilizando a teoria das probabilidades
09:12
to characterize, describe,
221
537000
2000
para caracterizar e descrever
09:14
the way that scientists find out about the world.
222
539000
2000
a forma como os cientistas fazem descobertas sobre o mundo.
09:16
So what scientists do
223
541000
2000
O que os cientistas fazem
09:18
is they have a hypothesis that they think might be likely to start with.
224
543000
3000
é partir de uma hipótese que acham ser um ponto de partida viável
09:21
They go out and test it against the evidence.
225
546000
2000
e testá-la, comparando-a com os dados.
09:23
The evidence makes them change that hypothesis.
226
548000
2000
Os dados fazem-nos alterar essa hipótese.
09:25
Then they test that new hypothesis
227
550000
2000
Depois testam essa nova hipótese
09:27
and so on and so forth.
228
552000
2000
e assim sucessivamente.
09:29
And what Bayes showed was a mathematical way that you could do that.
229
554000
3000
E o que Bayes demonstrou foi um método matemático que permite fazer isso
09:32
And that mathematics is at the core
230
557000
2000
e que a matemática está na base
09:34
of the best machine learning programs that we have now.
231
559000
2000
de todos os programas de aprendizagem automáticos que existem hoje.
09:36
And some 10 years ago,
232
561000
2000
Há cerca de 10 anos,
09:38
I suggested that babies might be doing the same thing.
233
563000
4000
propus que os bebés poderiam estar a fazer algo semelhante.
09:42
So if you want to know what's going on
234
567000
2000
Se quiserem saber o que se passa
09:44
underneath those beautiful brown eyes,
235
569000
2000
por detrás daqueles lindos olhos castanhos,
09:46
I think it actually looks something like this.
236
571000
2000
penso que será qualquer coisa como isto.
09:48
This is Reverend Bayes's notebook.
237
573000
2000
Este é o caderno de apontamentos do Reverendo Bayes.
09:50
So I think those babies are actually making complicated calculations
238
575000
3000
Penso que aqueles bebés estão a resolver cálculos complexos
09:53
with conditional probabilities that they're revising
239
578000
3000
tendo em conta probabilidades condicionadas
09:56
to figure out how the world works.
240
581000
2000
que usam para compreender como funciona o mundo.
09:58
All right, now that might seem like an even taller order to actually demonstrate.
241
583000
4000
Pois bem, isto pode parecer um processo ainda mais difícil de demonstrar.
10:02
Because after all, if you ask even grownups about statistics,
242
587000
2000
Afinal de contas, se perguntarmos a adultos sobre estatística,
10:04
they look extremely stupid.
243
589000
2000
eles fazem figuras ridículas.
10:06
How could it be that children are doing statistics?
244
591000
3000
Como é possível que as crianças façam análises estatísticas?
10:09
So to test this we used a machine that we have
245
594000
2000
Para testar isto utilizámos um aparelho ao qual
10:11
called the Blicket Detector.
246
596000
2000
demos o nome de Detector Blicket.
10:13
This is a box that lights up and plays music
247
598000
2000
Isto é uma caixa que acende luzes e toca música
10:15
when you put some things on it and not others.
248
600000
3000
quando pomos uns determinados blocos em cima dela e não outros.
10:18
And using this very simple machine,
249
603000
2000
Usando este aparelho tão simples,
10:20
my lab and others have done dozens of studies
250
605000
2000
o meu laboratório e outros fizeram dezenas de estudos
10:22
showing just how good babies are
251
607000
2000
que comprovam como os bebés são bons
10:24
at learning about the world.
252
609000
2000
a compreender o mundo que os rodeia.
10:26
Let me mention just one
253
611000
2000
Deixem-me mostrar-vos um
10:28
that we did with Tumar Kushner, my student.
254
613000
2000
que fizemos com um aluno meu, Tumar Kushner.
10:30
If I showed you this detector,
255
615000
2000
Se vos mostrasse este detector,
10:32
you would be likely to think to begin with
256
617000
2000
muito provavelmente pensariam de imediato
10:34
that the way to make the detector go
257
619000
2000
que a melhor forma de accioná-lo
10:36
would be to put a block on top of the detector.
258
621000
3000
seria pôr um bloco em cima do detector.
10:39
But actually, this detector
259
624000
2000
Mas na verdade, o detector
10:41
works in a bit of a strange way.
260
626000
2000
funciona de uma forma um bocado estranha,
10:43
Because if you wave a block over the top of the detector,
261
628000
3000
porque se abanarmos um bloco por cima do detector,
10:46
something you wouldn't ever think of to begin with,
262
631000
3000
algo que nem sequer pensámos,
10:49
the detector will actually activate two out of three times.
263
634000
3000
o detector activar-se-á duas em cada três vezes,
10:52
Whereas, if you do the likely thing, put the block on the detector,
264
637000
3000
ao passo que se fizerem a coisa mais óbvia, pôr o bloco em cima do detector,
10:55
it will only activate two out of six times.
265
640000
4000
ele activar-se-á apenas duas em seis vezes.
10:59
So the unlikely hypothesis
266
644000
2000
Concluímos, portanto, que a hipótese menos provável
11:01
actually has stronger evidence.
267
646000
2000
é a mais satisfatória.
11:03
It looks as if the waving
268
648000
2000
Parece que abanar
11:05
is a more effective strategy than the other strategy.
269
650000
2000
é uma estratégia mais eficaz do que a outra.
11:07
So we did just this; we gave four year-olds this pattern of evidence,
270
652000
3000
Então fizemos o seguinte: demos às crianças de 4 anos esta série de resultados
11:10
and we just asked them to make it go.
271
655000
2000
e pedimos-lhes que accionassem o aparelho.
11:12
And sure enough, the four year-olds used the evidence
272
657000
3000
Obviamente, as crianças, com base nos resultados anteriores,
11:15
to wave the object on top of the detector.
273
660000
3000
preferiram abanar o objecto por cima do detector.
11:18
Now there are two things that are really interesting about this.
274
663000
3000
Há duas coisas deveras interessantes nisto.
11:21
The first one is, again, remember, these are four year-olds.
275
666000
3000
A primeira é que, lembrem-se, estas crianças têm 4 anos.
11:24
They're just learning how to count.
276
669000
2000
Começaram agora a aprender a contar.
11:26
But unconsciously,
277
671000
2000
Mas inconscientemente,
11:28
they're doing these quite complicated calculations
278
673000
2000
estão a fazer estes cálculos bastante complicados
11:30
that will give them a conditional probability measure.
279
675000
3000
que lhes darão uma medida da probabilidade condicionada.
11:33
And the other interesting thing
280
678000
2000
A outra coisa interessante
11:35
is that they're using that evidence
281
680000
2000
é que eles estão a usar aquela informação
11:37
to get to an idea, get to a hypothesis about the world,
282
682000
3000
para chegar a uma ideia, a uma hipótese sobre o mundo,
11:40
that seems very unlikely to begin with.
283
685000
3000
o que em si parece muito pouco provável.
11:43
And in studies we've just been doing in my lab, similar studies,
284
688000
3000
E nos estudos que temos feito no meu laboratório, estudos semelhantes,
11:46
we've show that four year-olds are actually better
285
691000
2000
demonstrámos que as crianças de 4 anos são melhores
11:48
at finding out an unlikely hypothesis
286
693000
3000
a descobrir uma hipótese improvável
11:51
than adults are when we give them exactly the same task.
287
696000
3000
do que os adultos perante a mesma tarefa.
11:54
So in these circumstances,
288
699000
2000
Nestas circunstâncias,
11:56
the children are using statistics to find out about the world,
289
701000
3000
as crianças estão a usar estatísticas para descobrirem coisas sobre o mundo.
11:59
but after all, scientists also do experiments,
290
704000
3000
Mas afinal de contas os cientistas também fazem experiências
12:02
and we wanted to see if children are doing experiments.
291
707000
3000
e por isso queríamos ver se também as crianças o fazem.
12:05
When children do experiments we call it "getting into everything"
292
710000
3000
Às experiências das crianças chamamos "meter-se em tudo"
12:08
or else "playing."
293
713000
2000
ou "brincar".
12:10
And there's been a bunch of interesting studies recently
294
715000
3000
E recentemente tem surgido uma série de estudos interessantes
12:13
that have shown this playing around
295
718000
3000
que comprovam que esta brincadeira
12:16
is really a kind of experimental research program.
296
721000
2000
é na verdade uma espécie de programa de investigação experimental.
12:18
Here's one from Cristine Legare's lab.
297
723000
3000
Aqui está um do laboratório da Cristine Legare.
12:21
What Cristine did was use our Blicket Detectors.
298
726000
3000
O que a Cristine fez foi usar os nossos Detectores Blicket.
12:24
And what she did was show children
299
729000
2000
E o que fez foi mostrar às crianças
12:26
that yellow ones made it go and red ones didn't,
300
731000
2000
que os blocos amarelos acendiam a caixa e os vermelhos não,
12:28
and then she showed them an anomaly.
301
733000
3000
tendo-lhes depois mostrado uma anomalia.
12:31
And what you'll see
302
736000
2000
E o que vão verificar
12:33
is that this little boy will go through five hypotheses
303
738000
3000
é que este menino vai testar cinco hipóteses
12:36
in the space of two minutes.
304
741000
3000
no espaço de dois minutos.
12:39
(Video) Boy: How about this?
305
744000
3000
Menino: E que tal assim?
12:43
Same as the other side.
306
748000
3000
Igual ao outro lado.
12:46
Alison Gopnik: Okay, so his first hypothesis has just been falsified.
307
751000
4000
Alison Gopnik: A primeira hipótese dele acabou de ser refutada.
12:55
(Laughter)
308
760000
2000
(Risos)
12:57
Boy: This one lighted up, and this one nothing.
309
762000
3000
Menino: Esta acendeu e esta nada.
13:00
AG: Okay, he's got his experimental notebook out.
310
765000
3000
AG: Está a registar as suas notas experimentais.
13:06
Boy: What's making this light up.
311
771000
4000
Menino: O que faz esta acender?
13:11
(Laughter)
312
776000
9000
(Risos)
13:20
I don't know.
313
785000
2000
Não sei.
13:22
AG: Every scientist will recognize that expression of despair.
314
787000
4000
AG: Qualquer cientista reconhece aquela expressão de desespero.
13:26
(Laughter)
315
791000
3000
(Risos)
13:29
Boy: Oh, it's because this needs to be like this,
316
794000
6000
Menino: Ah, é porque este tem que ficar assim,
13:35
and this needs to be like this.
317
800000
2000
e este assim.
13:37
AG: Okay, hypothesis two.
318
802000
3000
AG: Muito bem, hipótese número dois.
13:40
Boy: That's why.
319
805000
2000
Menino: É por isso.
13:42
Oh.
320
807000
2000
Oh.
13:44
(Laughter)
321
809000
5000
(Risos)
13:49
AG: Now this is his next idea.
322
814000
2000
AG: Esta foi a ideia seguinte dele.
13:51
He told the experimenter to do this,
323
816000
2000
Ele disse à investigadora para fazer isto,
13:53
to try putting it out onto the other location.
324
818000
4000
tentar pôr um em cima do outro.
13:57
Not working either.
325
822000
2000
Continua a não resultar.
14:02
Boy: Oh, because the light goes only to here,
326
827000
4000
Menino: Ah, é porque a luz só vai para aqui
14:06
not here.
327
831000
3000
e para aqui não.
14:09
Oh, the bottom of this box
328
834000
3000
Ah, o fundo desta caixa
14:12
has electricity in here,
329
837000
2000
tem electricidade,
14:14
but this doesn't have electricity.
330
839000
2000
mas este não.
14:16
AG: Okay, that's a fourth hypothesis.
331
841000
2000
AG: Quarta hipótese.
14:18
Boy: It's lighting up.
332
843000
2000
Menino: Acendeu!
14:20
So when you put four.
333
845000
5000
Então é quando se põem quatro.
14:26
So you put four on this one to make it light up
334
851000
3000
Esta precisa de quatro para acender
14:29
and two on this one to make it light up.
335
854000
2000
e esta só precisa de duas.
14:31
AG: Okay,there's his fifth hypothesis.
336
856000
2000
AG: Ora aí está a quinta hipótese.
14:33
Now that is a particularly --
337
858000
3000
Trata-se de um menino especialmente adorável
14:36
that is a particularly adorable and articulate little boy,
338
861000
3000
e particularmente eloquente,
14:39
but what Cristine discovered is this is actually quite typical.
339
864000
3000
mas o que a Cristine descobriu foi que isto é bastante normal.
14:42
If you look at the way children play, when you ask them to explain something,
340
867000
3000
Se olharmos para a maneira como as crianças brincam, quando lhes pedimos para que nos expliquem qualquer coisa,
14:45
what they really do is do a series of experiments.
341
870000
3000
o que eles fazem é uma série de experimentações.
14:48
This is actually pretty typical of four year-olds.
342
873000
3000
Na verdade isto é bastante comum em crianças de 4 anos.
14:51
Well, what's it like to be this kind of creature?
343
876000
3000
O que é que se sente sendo este tipo de criatura?
14:54
What's it like to be one of these brilliant butterflies
344
879000
3000
Como é ser uma destas borboletas brilhantes
14:57
who can test five hypotheses in two minutes?
345
882000
3000
e ser capaz de testar cinco hipóteses em dois minutos?
15:00
Well, if you go back to those psychologists and philosophers,
346
885000
3000
Se nos voltarmos para os psicólogos e filósofos,
15:03
a lot of them have said
347
888000
2000
muitos afirmaram que
15:05
that babies and young children were barely conscious
348
890000
2000
os bebés e as crianças pequenas são pouco conscientes
15:07
if they were conscious at all.
349
892000
2000
se é que são conscientes sequer.
15:09
And I think just the opposite is true.
350
894000
2000
Eu penso exactamente o contrário.
15:11
I think babies and children are actually more conscious than we are as adults.
351
896000
3000
Creio que tanto os bebés como as crianças são mais conscientes do que nós enquanto adultos.
15:14
Now here's what we know about how adult consciousness works.
352
899000
3000
Isto é o que sabemos sobre como funciona a consciência nos adultos.
15:17
And adults' attention and consciousness
353
902000
2000
A atenção e consciência dos adultos
15:19
look kind of like a spotlight.
354
904000
2000
funciona como um foco.
15:21
So what happens for adults
355
906000
2000
O que acontece com os adultos
15:23
is we decide that something's relevant or important,
356
908000
2000
é que decidimos se algo é relevante ou importante,
15:25
we should pay attention to it.
357
910000
2000
e se devemos prestar atenção a isso.
15:27
Our consciousness of that thing that we're attending to
358
912000
2000
A nossa consciência sobre aquilo a que prestamos atenção
15:29
becomes extremely bright and vivid,
359
914000
3000
torna-se extremamente vívida e brilhante
15:32
and everything else sort of goes dark.
360
917000
2000
enquanto tudo o resto se apaga;
15:34
And we even know something about the way the brain does this.
361
919000
3000
e nós até sabemos como é que o cérebro faz isto.
15:37
So what happens when we pay attention
362
922000
2000
O que acontece quando prestamos atenção
15:39
is that the prefrontal cortex, the sort of executive part of our brains,
363
924000
3000
é que o córtex pré-frontal, digamos a parte executiva dos nossos cérebros,
15:42
sends a signal
364
927000
2000
envia um sinal
15:44
that makes a little part of our brain much more flexible,
365
929000
2000
que torna uma pequena parte do nosso cérebro mais flexível,
15:46
more plastic, better at learning,
366
931000
2000
mais plástica, mais apta para aprender,
15:48
and shuts down activity
367
933000
2000
e suspende toda e qualquer actividade
15:50
in all the rest of our brains.
368
935000
2000
no resto do nosso cérebro.
15:52
So we have a very focused, purpose-driven kind of attention.
369
937000
4000
Temos portanto uma atenção muito focada, voltada para um propósito.
15:56
If we look at babies and young children,
370
941000
2000
Se olharmos para os bebés e crianças pequenas,
15:58
we see something very different.
371
943000
2000
deparamo-nos com algo bem diferente.
16:00
I think babies and young children
372
945000
2000
Creio que os bebés e crianças pequenas
16:02
seem to have more of a lantern of consciousness
373
947000
2000
têm mais um candeeiro de consciência
16:04
than a spotlight of consciousness.
374
949000
2000
do que um foco de consciência.
16:06
So babies and young children are very bad
375
951000
3000
Os bébes e as crianças pequenas são portanto muito maus
16:09
at narrowing down to just one thing.
376
954000
3000
a concentrarem-se numa única coisa,
16:12
But they're very good at taking in lots of information
377
957000
3000
mas muito bons a absorver informação
16:15
from lots of different sources at once.
378
960000
2000
de muitas fontes diversas ao mesmo tempo.
16:17
And if you actually look in their brains,
379
962000
2000
Se observarmos os seus cérebros,
16:19
you see that they're flooded with these neurotransmitters
380
964000
3000
vemos que estão repletos de neurotransmissores
16:22
that are really good at inducing learning and plasticity,
381
967000
2000
muito bons a estimular a aprendizagem e a plasticidade,
16:24
and the inhibitory parts haven't come on yet.
382
969000
3000
e que os mecanismos inibidores ainda não se desenvolveram.
16:27
So when we say that babies and young children
383
972000
2000
Por isso quando dizemos que os bebés e as crianças pequenas
16:29
are bad at paying attention,
384
974000
2000
são maus a prestar atenção,
16:31
what we really mean is that they're bad at not paying attention.
385
976000
4000
o que queremos dizer é que eles são maus a não prestar atenção.
16:35
So they're bad at getting rid
386
980000
2000
Eles são maus a livrarem-se
16:37
of all the interesting things that could tell them something
387
982000
2000
de tudo o que os rodeia
16:39
and just looking at the thing that's important.
388
984000
2000
e a focarem-se apenas no que é importante.
16:41
That's the kind of attention, the kind of consciousness,
389
986000
3000
É esse tipo de atenção, de consciência
16:44
that we might expect
390
989000
2000
que podemos esperar
16:46
from those butterflies who are designed to learn.
391
991000
2000
daquelas borboletas que estão programadas para aprender.
16:48
Well if we want to think about a way
392
993000
2000
Quem quiser ter uma ideia
16:50
of getting a taste of that kind of baby consciousness as adults,
393
995000
4000
de como funciona a consciência dos bebés,
16:54
I think the best thing is think about cases
394
999000
2000
acho que o melhor é pensar nas vezes
16:56
where we're put in a new situation that we've never been in before --
395
1001000
3000
em que nos encontramos em situações nunca antes vividas,
16:59
when we fall in love with someone new,
396
1004000
2000
como quando nos apaixonamos
17:01
or when we're in a new city for the first time.
397
1006000
3000
ou quando visitamos uma cidade pela primeira vez.
17:04
And what happens then is not that our consciousness contracts,
398
1009000
2000
O que acontece então não é que a nossa consciência se contraia,
17:06
it expands,
399
1011000
2000
pelo contrário, expande-se
17:08
so that those three days in Paris
400
1013000
2000
de modo a que aqueles três dias em Paris
17:10
seem to be more full of consciousness and experience
401
1015000
2000
pareçam mais cheios de consciência e experiência
17:12
than all the months of being
402
1017000
2000
do que todos os meses
17:14
a walking, talking, faculty meeting-attending zombie back home.
403
1019000
4000
a caminhar, a falar e a ir a reuniões em piloto automático na nossa cidade.
17:18
And by the way, that coffee,
404
1023000
2000
E já agora, aquele café,
17:20
that wonderful coffee you've been drinking downstairs,
405
1025000
2000
aquele maravilhoso café que tomaram lá em baixo,
17:22
actually mimics the effect
406
1027000
2000
na verdade imita o efeito
17:24
of those baby neurotransmitters.
407
1029000
2000
dos neurotransmissores dos bebés.
17:26
So what's it like to be a baby?
408
1031000
2000
Como é ser um bebé?
17:28
It's like being in love
409
1033000
2000
É como estar apaixonado
17:30
in Paris for the first time
410
1035000
2000
em Paris pela primeira vez
17:32
after you've had three double-espressos.
411
1037000
2000
depois de se ter tomado três cafés curtos.
17:34
(Laughter)
412
1039000
3000
(Risos)
17:37
That's a fantastic way to be,
413
1042000
2000
Uma sensação fantástica,
17:39
but it does tend to leave you waking up crying at three o'clock in the morning.
414
1044000
4000
mas que tem tendência a deixar-nos acordados até às três da manhã a chorar.
17:43
(Laughter)
415
1048000
3000
(Risos)
17:46
Now it's good to be a grownup.
416
1051000
2000
É bom ser-se adulto.
17:48
I don't want to say too much about how wonderful babies are.
417
1053000
2000
Não me quero alargar muito mais sobre como os bebés são maravilhosos,
17:50
It's good to be a grownup.
418
1055000
2000
porque é bom ser-se adulto.
17:52
We can do things like tie our shoelaces and cross the street by ourselves.
419
1057000
3000
Conseguimos fazer coisas como atar os sapatos ou atravessar a estrada sozinhos.
17:55
And it makes sense that we put a lot of effort
420
1060000
2000
Faz sentido investirmos tanto esforço
17:57
into making babies think like adults do.
421
1062000
4000
em fazer com que os bebés pensem como os adultos,
18:01
But if what we want is to be like those butterflies,
422
1066000
3000
mas se queremos ser como aquelas borboletas,
18:04
to have open-mindedness, open learning,
423
1069000
3000
ter uma mente aberta, estar disponível para aprender coisas novas,
18:07
imagination, creativity, innovation,
424
1072000
2000
ter imaginação, criatividade, ser inovador,
18:09
maybe at least some of the time
425
1074000
2000
talvez fosse bom, pelo menos às vezes,
18:11
we should be getting the adults
426
1076000
2000
os adultos começarem
18:13
to start thinking more like children.
427
1078000
2000
a pensar mais como as crianças.
18:15
(Applause)
428
1080000
8000
(Aplauso)
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