TEDGlobal 2011
Alison Gopnik: What do babies think?
Alison Gopnik: Bebekler ne düşünüyor?
Filmed:
Readability: 3.4
4,341,974 views
"Bebekler ve küçük çocuklar insan türünün Ar-Ge departmanı gibiler" diyor psikolog Alison Gopnik. Çalışması bebeklerin oynarken gerçekleştirdikleri karmaşık bilgi toplama ve karar verme sürecini inceliyor.
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
Bu bebeğin aklından
00:17
in this baby's mind?
1
2000
2000
neler geçiyor?
00:19
If you'd asked people this 30 years ago,
2
4000
2000
bunu 30 yıl önce insanlara sorsanız
00:21
most people, including psychologists,
3
6000
2000
psikologlar da dahil birçok insan
00:23
would have said that this baby was irrational,
4
8000
3000
bu bebeğin irrasyonel, mantıksız
00:26
illogical, egocentric --
5
11000
2000
ve ben merkezli olduğunu söylerdi
00:28
that he couldn't take the perspective of another person
6
13000
2000
başka bir insanın perspektifini göremeyeceğini
00:30
or understand cause and effect.
7
15000
2000
ya da neden sonuç ilişkisini anlamayacağını.
00:32
In the last 20 years,
8
17000
2000
Son 20 yılda
00:34
developmental science has completely overturned that picture.
9
19000
3000
gelişen bilim bu görüşü tamamen tersine çevirdi.
00:37
So in some ways,
10
22000
2000
Yani bazı yönlerden
00:39
we think that this baby's thinking
11
24000
2000
bu bebeğin en zeki bilim adamları
00:41
is like the thinking of the most brilliant scientists.
12
26000
4000
gibi düşündüğünü varsayıyoruz.
00:45
Let me give you just one example of this.
13
30000
2000
Bunun bir örneğini göstereyim size.
00:47
One thing that this baby could be thinking about,
14
32000
3000
Bu bebeğin düşünüyor olabileceği şey
00:50
that could be going on in his mind,
15
35000
2000
aklından geçiyor olabilecek şey
00:52
is trying to figure out
16
37000
2000
başka bir bebeğin aklından
00:54
what's going on in the mind of that other baby.
17
39000
3000
ne geçtiğini anlamaya çalışmak.
00:57
After all, one of the things that's hardest for all of us to do
18
42000
3000
Sonuçta, bizim için anlaşılması en güç şeylerden birisi
01:00
is to figure out what other people are thinking and feeling.
19
45000
3000
diğer insanların düşünce ve hislerini anlamaktır.
01:03
And maybe the hardest thing of all
20
48000
2000
Ve belki de en zoru
01:05
is to figure out that what other people think and feel
21
50000
3000
diğer insanların düşünüp hissettikerlerinin
01:08
isn't actually exactly like what we think and feel.
22
53000
2000
bizim düşünme ve hissetme şeklimizle aynı olmadığıdır.
01:10
Anyone who's followed politics can testify
23
55000
2000
Politikayı takip eden herhangi birisi bunu anlamanın
01:12
to how hard that is for some people to get.
24
57000
3000
bazı insanlar için ne kadar zor olduğunu doğrulayabilir.
01:15
We wanted to know
25
60000
2000
Bebekler ve küçük çocukların
01:17
if babies and young children
26
62000
2000
diğer insanlarla ilgili bu derin bilgiyi gerçekten
01:19
could understand this really profound thing about other people.
27
64000
3000
nasıl anlayabildiklerini öğrenmek istiyoruz.
01:22
Now the question is: How could we ask them?
28
67000
2000
Şimdi sorun şu: Onlara bunu nasıl sorabiliriz?
01:24
Babies, after all, can't talk,
29
69000
2000
Sonuçta bebekler konuşamaz
01:26
and if you ask a three year-old
30
71000
2000
ve üç yaşında bir çocuğa ne
01:28
to tell you what he thinks,
31
73000
2000
düşündüğü soracak olursanız
01:30
what you'll get is a beautiful stream of consciousness monologue
32
75000
3000
sihirli atlar ve doğum günleri ve bunun gibi şeyler hakkında
01:33
about ponies and birthdays and things like that.
33
78000
3000
güzel bir anlamsız monolog deryasıyla karşılaşırsınız.
01:36
So how do we actually ask them the question?
34
81000
3000
Yani bu soruyu onlara gerçekten nasıl sorarız?
01:39
Well it turns out that the secret was broccoli.
35
84000
3000
Meğersem işin sırrı brokoliymiş.
01:42
What we did -- Betty Rapacholi, who was one of my students, and I --
36
87000
4000
Öğrencilerimden biri olan Betty Rapacholi ve benim yaptığımız şey
01:46
was actually to give the babies two bowls of food:
37
91000
3000
aslında bebeklere iki kase yiyecek vermekti:
01:49
one bowl of raw broccoli
38
94000
2000
bir kase çiğ brokoli
01:51
and one bowl of delicious goldfish crackers.
39
96000
3000
ve bir kase lezzetli balık krakeri.
01:54
Now all of the babies, even in Berkley,
40
99000
3000
Şimdi bütün bebekler, Berkley'dekiler bile
01:57
like the crackers and don't like the raw broccoli.
41
102000
3000
krakeri sever ve çiğ brokoliyi sevmez.
02:00
(Laughter)
42
105000
2000
(gülüşmeler)
02:02
But then what Betty did
43
107000
2000
Ama sonra Betty'nin yaptığı
02:04
was to take a little taste of food from each bowl.
44
109000
3000
iki kasedekinin de tadına bakmaktı.
02:07
And she would act as if she liked it or she didn't.
45
112000
2000
Ve sonra sevip sevmediğini göstermek.
02:09
So half the time, she acted
46
114000
2000
Yani bazen, krakeri sevmiş
02:11
as if she liked the crackers and didn't like the broccoli --
47
116000
2000
brokoliyi sevmemiş gibi davrandı
02:13
just like a baby and any other sane person.
48
118000
3000
bir bebek ya da başka bir mantıklı insanın yapacağı gibi.
02:16
But half the time,
49
121000
2000
Ama bazen de yaptığı
02:18
what she would do is take a little bit of the broccoli
50
123000
2000
küçük bir parça brokoli alıyor
02:20
and go, "Mmmmm, broccoli.
51
125000
3000
"Hmmm brokoli,
02:23
I tasted the broccoli. Mmmmm."
52
128000
3000
brokoliyi beğendim. Hmmm" diyordu.
02:26
And then she would take a little bit of the crackers,
53
131000
2000
Ve sonra biraz kraker alıyor ve
02:28
and she'd go, "Eww, yuck, crackers.
54
133000
4000
"Iyy, bööğh, kraker
02:32
I tasted the crackers. Eww, yuck."
55
137000
3000
krakeri denedim. Iyy, iğrenç" diyordu.
02:35
So she'd act as if what she wanted
56
140000
2000
Yani bebeklerinin istediğinin
02:37
was just the opposite of what the babies wanted.
57
142000
3000
tam aksini istiyor gibi yapıyordu.
02:40
We did this with 15 and 18 month-old babies.
58
145000
2000
Bunu 15 ve 18 aylık bebeklerle beraber uyguladık.
02:42
And then she would simply put her hand out and say,
59
147000
3000
Ve sonra elini bebeğe doğru açıyor
02:45
"Can you give me some?"
60
150000
2000
"Biraz verir misin?" diyor.
02:47
So the question is: What would the baby give her,
61
152000
2000
Sorumuz şu: "Bebek ona ne verecek
02:49
what they liked or what she liked?
62
154000
2000
kendi sevdiğini mi yoksa onun sevdiğini mi?
02:51
And the remarkable thing was that 18 month-old babies,
63
156000
3000
Dikkat edilmesi gereken 18 aylık,
02:54
just barely walking and talking,
64
159000
2000
zar zor yürüyüp konuşan bebeklerin
02:56
would give her the crackers if she liked the crackers,
65
161000
3000
ona eğer kraker seviyorsa krakeri
02:59
but they would give her the broccoli if she liked the broccoli.
66
164000
3000
ama brokoli seviyorsa brokoliyi vermesiydi.
03:02
On the other hand,
67
167000
2000
Diğer taraftan
03:04
15 month-olds would stare at her for a long time
68
169000
2000
15 aylık bebekler, brokoliyi sever gibi
03:06
if she acted as if she liked the broccoli,
69
171000
2000
yaptığında bunu anlayamamış gibi
03:08
like they couldn't figure this out.
70
173000
3000
uzun uzun yüzüne bakıyordu.
03:11
But then after they stared for a long time,
71
176000
2000
Ama uzun bir süre bakıştıktan sonra
03:13
they would just give her the crackers,
72
178000
2000
ona sadece kraker veriyorlar
03:15
what they thought everybody must like.
73
180000
2000
herkesin sevdiğini düşündükleri şeyi yani.
03:17
So there are two really remarkable things about this.
74
182000
3000
Bununla ilgili takdire şayan iki husus var.
03:20
The first one is that these little 18 month-old babies
75
185000
3000
İlki 18 aylık bebeklerin
03:23
have already discovered
76
188000
2000
insan doğasıyla ilgili bu derin gerçeği
03:25
this really profound fact about human nature,
77
190000
2000
her zaman aynı şeyi istemediğimizi
03:27
that we don't always want the same thing.
78
192000
2000
hali hazırda keşfetmiş oldukları.
03:29
And what's more, they felt that they should actually do things
79
194000
2000
Ve dahası, diğer insanlara istediklerini almaları için
03:31
to help other people get what they wanted.
80
196000
3000
yardım etmeleri gerekiyor gibi hissettikleri.
03:34
Even more remarkably though,
81
199000
2000
Daha da önemli olan
03:36
the fact that 15 month-olds didn't do this
82
201000
3000
15 aylıklar bebekler 18 aylıkların 3 ay
03:39
suggests that these 18 month-olds had learned
83
204000
3000
içinde öğrendikleri insan doğası hakkındaki
03:42
this deep, profound fact about human nature
84
207000
3000
bu derin kavrayışla ilgili
03:45
in the three months from when they were 15 months old.
85
210000
3000
önermeleri yapmadılar.
03:48
So children both know more and learn more
86
213000
2000
Yani çocuklar bizim öğretebileceklerimizden
03:50
than we ever would have thought.
87
215000
2000
daha fazlasını biliyor ve öğreniyor.
03:52
And this is just one of hundreds and hundreds of studies over the last 20 years
88
217000
4000
Ve bu çalışma son 20 yılda bunu gösteren
03:56
that's actually demonstrated it.
89
221000
2000
yüzlerce çalışmadan sadece bir tanesi.
03:58
The question you might ask though is:
90
223000
2000
Şunu da sorabilirsiniz tabii:
04:00
Why do children learn so much?
91
225000
3000
Neden çocuklar bu kadar çok öğreniyor?
04:03
And how is it possible for them to learn so much
92
228000
2000
Ve bu kadar kısa sürede bu kadar
04:05
in such a short time?
93
230000
2000
şeyi nasıl öğrenebiliyorlar?
04:07
I mean, after all, if you look at babies superficially,
94
232000
2000
Yani sonuçta bebeklere üstün körü bakacak olursanız
04:09
they seem pretty useless.
95
234000
2000
baya yararsız duruyorlar.
04:11
And actually in many ways, they're worse than useless,
96
236000
3000
Ve birçok yönden aslında, yararsızdan da beterler
04:14
because we have to put so much time and energy
97
239000
2000
çünkü onları sadece hayatta tutmak için
04:16
into just keeping them alive.
98
241000
2000
o kadar fazla zaman ve enerji harcamamız gerekiyor ki.
04:18
But if we turn to evolution
99
243000
2000
Ancak neden bu işe yaramaz
04:20
for an answer to this puzzle
100
245000
2000
bebeklere bakmak için bu kadar
04:22
of why we spend so much time
101
247000
2000
zaman harcadığımız sorusuna bir cevap
04:24
taking care of useless babies,
102
249000
3000
bulmak için evrime yönelecek olursak
04:27
it turns out that there's actually an answer.
103
252000
3000
aslında bir cevap olduğu ortaya çıkıyor.
04:30
If we look across many, many different species of animals,
104
255000
3000
Eğer bir çok hayvan türüne bakacak olursak
04:33
not just us primates,
105
258000
2000
sadece biz primatlara değil
04:35
but also including other mammals, birds,
106
260000
2000
ayrıca diğer memelilere, kuşlara
04:37
even marsupials
107
262000
2000
hatta keselilere
04:39
like kangaroos and wombats,
108
264000
2000
kanguru ve wombat gibilere
04:41
it turns out that there's a relationship
109
266000
2000
bir türün ne kadar uzun bir çocukluğa
04:43
between how long a childhood a species has
110
268000
4000
sahip olduğuyla vücutlarına göre beyinlerinin
04:47
and how big their brains are compared to their bodies
111
272000
4000
büyüklüğü arasında ve ne kadar zeka ve çevik oldukları
04:51
and how smart and flexible they are.
112
276000
2000
arasında bir bağlantı olduğu ortaya çıkıyor.
04:53
And sort of the posterbirds for this idea are the birds up there.
113
278000
3000
Ve bu fikir için bariz örnekler havadaki kuşlar.
04:56
On one side
114
281000
2000
Bir tarafta
04:58
is a New Caledonian crow.
115
283000
2000
Yeni Kaledonya kargası var.
05:00
And crows and other corvidae, ravens, rooks and so forth,
116
285000
3000
Ve kargalar ve diğer kargagiller, kuzgun, gökkarga ve diğerleri
05:03
are incredibly smart birds.
117
288000
2000
çok zeki kuşlar.
05:05
They're as smart as chimpanzees in some respects.
118
290000
3000
Bazı yönlerden şempanzeler kadar zekiler.
05:08
And this is a bird on the cover of science
119
293000
2000
Ve bu Science kapağındaki
05:10
who's learned how to use a tool to get food.
120
295000
3000
yemek almak için bir aracı kullanmayı öğrenen bir kuş.
05:13
On the other hand,
121
298000
2000
Diğer tarafta
05:15
we have our friend the domestic chicken.
122
300000
2000
dostumuz evcil tavuklar var.
05:17
And chickens and ducks and geese and turkeys
123
302000
3000
Ve tavuklar ve ördekler ve kazlar ve hindiler
05:20
are basically as dumb as dumps.
124
305000
2000
resmen ot kadar aptaldırlar.
05:22
So they're very, very good at pecking for grain,
125
307000
3000
Yani tahıl didiklemede çok çok iyiler
05:25
and they're not much good at doing anything else.
126
310000
3000
ve başka şeylerde hiç iyi değiller.
05:28
Well it turns out that the babies,
127
313000
2000
Öyle görünüyorki bebekler
05:30
the New Caledonian crow babies, are fledglings.
128
315000
2000
Yani Kaledonya karga yavruları, tecrübesiz çaylaklar,
05:32
They depend on their moms
129
317000
2000
açık ağzılarına kurt bırakması
05:34
to drop worms in their little open mouths
130
319000
3000
için annelerine bağımlılar
05:37
for as long as two years,
131
322000
2000
iki yıl kadar,
05:39
which is a really long time in the life of a bird.
132
324000
2000
ki bu bir kuşun hayatında çok uzun bir zaman.
05:41
Whereas the chickens are actually mature
133
326000
2000
Oysa ki tavuklar bir kaç ay içinde
05:43
within a couple of months.
134
328000
2000
gayet yetişkin oluyorlar.
05:45
So childhood is the reason
135
330000
3000
Yani kargaların Science kapağında
05:48
why the crows end up on the cover of Science
136
333000
2000
tavukların ise çorba kasesinde son bulmasının
05:50
and the chickens end up in the soup pot.
137
335000
2000
sebebi çocukluk.
05:52
There's something about that long childhood
138
337000
3000
Bu uzun çocuklukta bilgi
05:55
that seems to be connected
139
340000
2000
ve öğrenmeyle bağlantılı
05:57
to knowledge and learning.
140
342000
2000
olan bir şey var.
05:59
Well what kind of explanation could we have for this?
141
344000
3000
Peki bunun için nasıl bir açıklama yapabiliriz?
06:02
Well some animals, like the chicken,
142
347000
3000
Bazı hayvanlar, tavuk mesela,
06:05
seem to be beautifully suited
143
350000
2000
sadece bir şeyi çok iyi yapmakla
06:07
to doing just one thing very well.
144
352000
2000
çok güzel uyuşuyorlar.
06:09
So they seem to be beautifully suited
145
354000
3000
Yani bir ortamda tahıl didiklemeye
06:12
to pecking grain in one environment.
146
357000
2000
çok iyi yakışıyorlar.
06:14
Other creatures, like the crows,
147
359000
2000
Kargalar gibi diğer yaratıklar
06:16
aren't very good at doing anything in particular,
148
361000
2000
belirli bir konuda çok iyi değiller
06:18
but they're extremely good
149
363000
2000
ama diğer ortamların yasalarını
06:20
at learning about laws of different environments.
150
365000
2000
öğrenmede aşırı derecede iyiler.
06:22
And of course, we human beings
151
367000
2000
Ve tabii ki biz insanlar
06:24
are way out on the end of the distribution like the crows.
152
369000
3000
kargalar gibi türlerin çok ötesindeyiz.
06:27
We have bigger brains relative to our bodies
153
372000
2000
Vücudumuza göre bütün diğer hayvanlardan
06:29
by far than any other animal.
154
374000
2000
çok daha büyük bir beyne sahibiz.
06:31
We're smarter, we're more flexible,
155
376000
2000
Daha zekiyiz, daha esneğiz
06:33
we can learn more,
156
378000
2000
daha fazla öğrenebiliyoruz
06:35
we survive in more different environments,
157
380000
2000
daha farklı ortamlarda yaşam mücadelesi verebiliyoruz
06:37
we migrated to cover the world and even go to outer space.
158
382000
3000
dünyayı çevrelemek ve hatta uzaya gitmek için göç edebiliyoruz.
06:40
And our babies and children are dependent on us
159
385000
3000
Ve bebeklerimiz ve çocuklarımız diğer türlerin
06:43
for much longer than the babies of any other species.
160
388000
3000
bebeklerinden çok daha uzun süre bize bağımlılar.
06:46
My son is 23.
161
391000
2000
Oğlum 23 yaşında.
06:48
(Laughter)
162
393000
2000
(gülüşmeler)
06:50
And at least until they're 23,
163
395000
2000
En azından 23 yaşına kadar
06:52
we're still popping those worms
164
397000
2000
açılmış küçük ağızlarına
06:54
into those little open mouths.
165
399000
3000
kurtları atıyoruz.
06:57
All right, why would we see this correlation?
166
402000
3000
Pekala, bu bağlantıyı neden görüyoruz?
07:00
Well an idea is that that strategy, that learning strategy,
167
405000
4000
Şöyle bir fikrimiz var bu strateji, bu öğrenme stratejisi
07:04
is an extremely powerful, great strategy for getting on in the world,
168
409000
3000
dünyada yaşamak için çok güçlü, mükemmel bir strateji
07:07
but it has one big disadvantage.
169
412000
2000
ama büyük bir dezavantajı var.
07:09
And that one big disadvantage
170
414000
2000
Ve bu büyük dezavantaj şu
07:11
is that, until you actually do all that learning,
171
416000
3000
bütün bu öğrenimi gerçekleştirene kadar
07:14
you're going to be helpless.
172
419000
2000
aciz olacaksınız.
07:16
So you don't want to have the mastodon charging at you
173
421000
3000
Yani mamut size doğru koşarken
07:19
and be saying to yourself,
174
424000
2000
"Mancınık ya da mızrak işe yarayabilir.
07:21
"A slingshot or maybe a spear might work. Which would actually be better?"
175
426000
4000
Hangisi daha iyi olur?" diye düşünmek istemiyorsunuz.
07:25
You want to know all that
176
430000
2000
Bütün bunları mamutlar
07:27
before the mastodons actually show up.
177
432000
2000
daha ortaya çıkmadan bilmek istiyorsunuz.
07:29
And the way the evolutions seems to have solved that problem
178
434000
3000
Ve evrimler bu problemi bir çeşit iş bölümüyle
07:32
is with a kind of division of labor.
179
437000
2000
çözmüş gibi görünüyor.
07:34
So the idea is that we have this early period when we're completely protected.
180
439000
3000
Mantık şu ki bu erken periyodu tamamen korunurken yaşıyoruz.
07:37
We don't have to do anything. All we have to do is learn.
181
442000
3000
Bir şey yapmamıza gerek yok. Tek yapmamız gereken öğrenmek.
07:40
And then as adults,
182
445000
2000
Ve yetişkinler olarak
07:42
we can take all those things that we learned when we were babies and children
183
447000
3000
bebeklikte ve çocuklukta öğrendiğimiz bütün bu şeyleri alıp
07:45
and actually put them to work to do things out there in the world.
184
450000
3000
gerçek hayatta işleri yapmak için kullanabiliriz.
07:48
So one way of thinking about it
185
453000
2000
Bunu bebeklerin ve küçük çocukların
07:50
is that babies and young children
186
455000
2000
insan türünün araştırma ve geliştirme
07:52
are like the research and development division of the human species.
187
457000
3000
bölümü olduğu olarak görebiliriz.
07:55
So they're the protected blue sky guys
188
460000
3000
Yani onlar dışarı çıkıp öğrenmesi ve iyi fikir edinmesi
07:58
who just have to go out and learn and have good ideas,
189
463000
2000
gereken korunmuş gökyüzü insanları
08:00
and we're production and marketing.
190
465000
2000
ve biz de üretip pazarlıyoruz.
08:02
We have to take all those ideas
191
467000
2000
Çocukken öğrenmiş olduğumuz
08:04
that we learned when we were children
192
469000
2000
bütün bu fikirleri almalı
08:06
and actually put them to use.
193
471000
2000
ve onları gerçekten kullanmalıyız.
08:08
Another way of thinking about it
194
473000
2000
Bebekler ve çocukları noksan
08:10
is instead of thinking of babies and children
195
475000
2000
yetişkinler olarak düşünmek
08:12
as being like defective grownups,
196
477000
2000
yerine onları aynı türün
08:14
we should think about them
197
479000
2000
gelişmekte olan farklı bir
08:16
as being a different developmental stage of the same species --
198
481000
2000
aşaması olarak da düşünebiliriz
08:18
kind of like caterpillars and butterflies --
199
483000
3000
tırtıllar ve kelebekler gibi yani
08:21
except that they're actually the brilliant butterflies
200
486000
2000
tabii onlar etrafta uçuşan ve
08:23
who are flitting around the garden and exploring,
201
488000
3000
keşfeden çok zeki kelebekler
08:26
and we're the caterpillars
202
491000
2000
ve bizler de dar, yetişkin yolunda
08:28
who are inching along our narrow, grownup, adult path.
203
493000
3000
yavaşça ilerleyen tırtıllarız.
08:31
If this is true, if these babies are designed to learn --
204
496000
3000
Bu doğruysa, eğer bebekler öğrenmek için yaratılmışsa
08:34
and this evolutionary story would say children are for learning,
205
499000
3000
ve bu evrimsel hikaye çocukların öğrenmek için olduğunu söylüyor
08:37
that's what they're for --
206
502000
2000
bu iş için yaratıldıklarını -
08:39
we might expect
207
504000
2000
onların gerçekten güçlü bir öğrenim
08:41
that they would have really powerful learning mechanisms.
208
506000
2000
mekanizmasına sahip olduklarını düşünebiliriz.
08:43
And in fact, the baby's brain
209
508000
3000
Ve aslında, bir bebeğin beyni
08:46
seems to be the most powerful learning computer
210
511000
2000
gezegen üzerindeki en güçlü
08:48
on the planet.
211
513000
2000
öğrenim bilgisayarı gibi görünüyor.
08:50
But real computers are actually getting to be a lot better.
212
515000
3000
Ama gerçek bilgisayarlar giderek daha iyi hale geliyorlar.
08:53
And there's been a revolution
213
518000
2000
Ve son dönemlerde makinelerin
08:55
in our understanding of machine learning recently.
214
520000
2000
öğrenimi anlayışımızda bir devrim gerçekleşti.
08:57
And it all depends on the ideas of this guy,
215
522000
3000
Ve hepsi bu adamın fikirlerine dayanıyor
09:00
the Reverend Thomas Bayes,
216
525000
2000
18. yüzyılda bir istatistikçi ve matematikçi olan
09:02
who was a statistician and mathematician in the 18th century.
217
527000
3000
muhterem Thomas Bayes.
09:05
And essentially what Bayes did
218
530000
3000
Bayes'in yaptığı şey esasında
09:08
was to provide a mathematical way
219
533000
2000
bilim adamlarının dünyayı irdeleme şeklini
09:10
using probability theory
220
535000
2000
olasılık yöntemini kullanarak
09:12
to characterize, describe,
221
537000
2000
karakterize etmek ve tanımlamak
09:14
the way that scientists find out about the world.
222
539000
2000
için matematiksel bir yol sunmaktı.
09:16
So what scientists do
223
541000
2000
Bilim adamlarını yaptığı şey başlangıç
09:18
is they have a hypothesis that they think might be likely to start with.
224
543000
3000
olabileceğini düşündükleri bir hipoteze sahip olmak.
09:21
They go out and test it against the evidence.
225
546000
2000
Bu hipotezi alıyor ve bulgulara karşı deniyorlar.
09:23
The evidence makes them change that hypothesis.
226
548000
2000
Bulgular onlara bu hipotezi değiştirtiyor.
09:25
Then they test that new hypothesis
227
550000
2000
Sonra bu yeni hipotezi deniyorlar
09:27
and so on and so forth.
228
552000
2000
ve böyle devam ediyor.
09:29
And what Bayes showed was a mathematical way that you could do that.
229
554000
3000
Bayes'in yaptığı bunu yapabileceğiniz bir matematiksel bir yol göstermekti.
09:32
And that mathematics is at the core
230
557000
2000
Ve bu matematik şu anda sahip olduğumuz
09:34
of the best machine learning programs that we have now.
231
559000
2000
en iyi makine öğrenimi programlarının çekirdeğini oluşturuyor.
09:36
And some 10 years ago,
232
561000
2000
Bir 10 yıl önce
09:38
I suggested that babies might be doing the same thing.
233
563000
4000
bebeklerin de aynı şeyi yapıyor olabileceğini öne sürdüm.
09:42
So if you want to know what's going on
234
567000
2000
Yani bu güzel kahverengi gözlerin
09:44
underneath those beautiful brown eyes,
235
569000
2000
arkasında nelerin olup bittiğini anlamak istiyorsanız
09:46
I think it actually looks something like this.
236
571000
2000
sanırım gerçekte bunun gibi görünüyor.
09:48
This is Reverend Bayes's notebook.
237
573000
2000
Bu muhterem Bayes'in not defteri.
09:50
So I think those babies are actually making complicated calculations
238
575000
3000
Bence bu bebekler dünyanın nasıl işlediğini
09:53
with conditional probabilities that they're revising
239
578000
3000
anlamak için gözlemledikleri şartlı olsalıklar ile
09:56
to figure out how the world works.
240
581000
2000
gerçekten karışık hesaplamalar yapıyorlar.
09:58
All right, now that might seem like an even taller order to actually demonstrate.
241
583000
4000
Pekala, bunu göstermek için gerçekten daha uzun bir sıra gibi görünebilir.
10:02
Because after all, if you ask even grownups about statistics,
242
587000
2000
Çünkü sonuçta, yetişkinlere bile istatistik hakkında sorduğunuzda
10:04
they look extremely stupid.
243
589000
2000
aşırı derecede aptal görünüyorlar.
10:06
How could it be that children are doing statistics?
244
591000
3000
Bu çocuklar nasıl olurda istatistik yapıyor olabilir?
10:09
So to test this we used a machine that we have
245
594000
2000
Bunu test etmek için Blicket algılayıcı
10:11
called the Blicket Detector.
246
596000
2000
dediğimiz bir makineyi kullandık.
10:13
This is a box that lights up and plays music
247
598000
2000
Bu üzerine belirli bir nesneyi koyduğunuzda
10:15
when you put some things on it and not others.
248
600000
3000
ışıkları yanan ve müzik çalan bir kutu.
10:18
And using this very simple machine,
249
603000
2000
Ve bu çok basit makineyi kullanarak
10:20
my lab and others have done dozens of studies
250
605000
2000
benim labaratuarım ve diğerleri bebeklerin
10:22
showing just how good babies are
251
607000
2000
dünya hakkında öğrenmede ne kadar
10:24
at learning about the world.
252
609000
2000
başarılı olduklarını gösteren yüzlerce çalışma yaptı.
10:26
Let me mention just one
253
611000
2000
Öğrencim Tumar Kushner ile yaptığım
10:28
that we did with Tumar Kushner, my student.
254
613000
2000
bir deneyden bahsedeyim size sadece.
10:30
If I showed you this detector,
255
615000
2000
Size bu algılayıcıyı gösterseydim
10:32
you would be likely to think to begin with
256
617000
2000
muhtemelen algılayıcının çalışması için
10:34
that the way to make the detector go
257
619000
2000
algılayıcının üzerine bir blok koymak
10:36
would be to put a block on top of the detector.
258
621000
3000
gerektiğini düşünmeye başlayacaktınız.
10:39
But actually, this detector
259
624000
2000
Ama aslında bu algılayıcı
10:41
works in a bit of a strange way.
260
626000
2000
biraz garip bir şekilde çalışıyor.
10:43
Because if you wave a block over the top of the detector,
261
628000
3000
Çünkü eğer algılayıcının üzerinden bir blok geçirirseniz
10:46
something you wouldn't ever think of to begin with,
262
631000
3000
asla düşünemeyeceğiniz bir şeyle başlarsak
10:49
the detector will actually activate two out of three times.
263
634000
3000
algılayıcı aslında üç seferde iki kere aktif olacak.
10:52
Whereas, if you do the likely thing, put the block on the detector,
264
637000
3000
Halbu ki mantıklı olanı yapıp bloğu üzerine koysanız
10:55
it will only activate two out of six times.
265
640000
4000
altı defada sadece iki kere aktif olacak.
10:59
So the unlikely hypothesis
266
644000
2000
Yani olasılık dışı olan hipotez
11:01
actually has stronger evidence.
267
646000
2000
aslında daha fazla kanıta sahip.
11:03
It looks as if the waving
268
648000
2000
Üzerinden geçirmek diğer taktikten
11:05
is a more effective strategy than the other strategy.
269
650000
2000
daha etkili bir taktikmiş gibi görünüyor.
11:07
So we did just this; we gave four year-olds this pattern of evidence,
270
652000
3000
Biz de şöyle yaptık, 4 yaşındaki deneklere bu bulgu örneğini verdik
11:10
and we just asked them to make it go.
271
655000
2000
ve sadece çalıştırmalarını istedik.
11:12
And sure enough, the four year-olds used the evidence
272
657000
3000
Ve umduğumuz gibi, dört yaşındaki denekler bu
11:15
to wave the object on top of the detector.
273
660000
3000
bulguyu nesneleri algılayıcının üzerinden gerçimek için kullandı.
11:18
Now there are two things that are really interesting about this.
274
663000
3000
Şimdi bununla ilgili çok ilginç iki şey var.
11:21
The first one is, again, remember, these are four year-olds.
275
666000
3000
İlki, tekrarlıyorum, unutmayın bunlar 4 yaşında denekler.
11:24
They're just learning how to count.
276
669000
2000
Saymayı daha yeni öğreniyorlar.
11:26
But unconsciously,
277
671000
2000
Ama bilinçsiz olarak
11:28
they're doing these quite complicated calculations
278
673000
2000
onlara koşullu olasılık oranını verecek
11:30
that will give them a conditional probability measure.
279
675000
3000
gayet karmaşık hesaplamaları yapıyorlar.
11:33
And the other interesting thing
280
678000
2000
Ve diğer ilginç şey
11:35
is that they're using that evidence
281
680000
2000
dünya hakkında bir fikir, bir hipotez edinmek için
11:37
to get to an idea, get to a hypothesis about the world,
282
682000
3000
bulguları değerlendiriyorlar
11:40
that seems very unlikely to begin with.
283
685000
3000
başlangıç için pek alışıldık görünmüyor bu.
11:43
And in studies we've just been doing in my lab, similar studies,
284
688000
3000
Ve labaratuarımda yaptığım benzer çalışmalarda
11:46
we've show that four year-olds are actually better
285
691000
2000
bu dört yaşındaki deneklerin aynı görevi verdiğimizde
11:48
at finding out an unlikely hypothesis
286
693000
3000
olası olmayan bir hipotezi bulmakta
11:51
than adults are when we give them exactly the same task.
287
696000
3000
aslında yetişkinlerden daha iyi olduklarını gösterdik.
11:54
So in these circumstances,
288
699000
2000
Bu koşullar altında
11:56
the children are using statistics to find out about the world,
289
701000
3000
çocuklar dünyayı anlamak için istatistik kullanıyorlar
11:59
but after all, scientists also do experiments,
290
704000
3000
ama neticede bilim adamları aynı zamanda deney da yapar
12:02
and we wanted to see if children are doing experiments.
291
707000
3000
ve biz çocukların da yapıp yapmadığını öğrenmek istedik.
12:05
When children do experiments we call it "getting into everything"
292
710000
3000
Çocuklar deney yaptıkları zaman biz buna "her şeye karışma"
12:08
or else "playing."
293
713000
2000
ya da "oyun oynama" diyoruz.
12:10
And there's been a bunch of interesting studies recently
294
715000
3000
Ve son zamanlarda bu etrafta
12:13
that have shown this playing around
295
718000
3000
oynamanın bir çeşit deneysel
12:16
is really a kind of experimental research program.
296
721000
2000
araştırma olduğunu gösteren bir çok çalışma yapıldı.
12:18
Here's one from Cristine Legare's lab.
297
723000
3000
Bu Cristine Legare'nin labartuarından bir çalışma.
12:21
What Cristine did was use our Blicket Detectors.
298
726000
3000
Cristiene'nin yaptığı bizim Blicket algılayıcımızı kullanmaktı.
12:24
And what she did was show children
299
729000
2000
Ve çocuklara gösterdiği sarı olanların
12:26
that yellow ones made it go and red ones didn't,
300
731000
2000
makineyi çalıştırdığı kırmızıların ise çalıştırmadığı
12:28
and then she showed them an anomaly.
301
733000
3000
sonra da onlara bir anomali gösterdi.
12:31
And what you'll see
302
736000
2000
Ve şimdi göreceğiniz
12:33
is that this little boy will go through five hypotheses
303
738000
3000
bu küçük çocuğun iki dakika içinde
12:36
in the space of two minutes.
304
741000
3000
beş hipotez deneyeceği.
12:39
(Video) Boy: How about this?
305
744000
3000
(Video) Çocuk: Buna ne dersin?
12:43
Same as the other side.
306
748000
3000
Diğer tarafla aynı.
12:46
Alison Gopnik: Okay, so his first hypothesis has just been falsified.
307
751000
4000
Allison Gopnik: Tamam, ilk hipotezi biraz önce değiştirildi.
12:55
(Laughter)
308
760000
2000
(gülüşmeler)
12:57
Boy: This one lighted up, and this one nothing.
309
762000
3000
Çocuk: Bu ışık yandı ve bu şey.
13:00
AG: Okay, he's got his experimental notebook out.
310
765000
3000
AG: Tamam, deney defterini ortaya koydu.
13:06
Boy: What's making this light up.
311
771000
4000
Çocuk: Bu ışığı ne yakıyor?
13:11
(Laughter)
312
776000
9000
(gülüşmeler)
13:20
I don't know.
313
785000
2000
Bilmiyorum.
13:22
AG: Every scientist will recognize that expression of despair.
314
787000
4000
AG: Her araştırmacı bu umutsuzluk ifadesini tanıyacaktır.
13:26
(Laughter)
315
791000
3000
(gülüşmeler)
13:29
Boy: Oh, it's because this needs to be like this,
316
794000
6000
Çocuk: Ah, çünkü bunun böyle olması gerekiyor
13:35
and this needs to be like this.
317
800000
2000
ve bunun da böyle olması.
13:37
AG: Okay, hypothesis two.
318
802000
3000
AG: Tamam, ikinci hipotez.
13:40
Boy: That's why.
319
805000
2000
Çocuk: Bu yüzden oluyor.
13:42
Oh.
320
807000
2000
Ah.
13:44
(Laughter)
321
809000
5000
(gülüşmeler)
13:49
AG: Now this is his next idea.
322
814000
2000
AG: Şimdi bu onun yeni fikri.
13:51
He told the experimenter to do this,
323
816000
2000
Deney sorumlusuna bunu yapmasını söyledi
13:53
to try putting it out onto the other location.
324
818000
4000
onu başka bir yere koymasını.
13:57
Not working either.
325
822000
2000
Bu da çalışmıyor.
14:02
Boy: Oh, because the light goes only to here,
326
827000
4000
Çocuk: Ah, çünkü ışık sadece buraya geliyor
14:06
not here.
327
831000
3000
buraya değil.
14:09
Oh, the bottom of this box
328
834000
3000
Ah, kutunun altında
14:12
has electricity in here,
329
837000
2000
burada elektrik var
14:14
but this doesn't have electricity.
330
839000
2000
ama bunun elektriği yok.
14:16
AG: Okay, that's a fourth hypothesis.
331
841000
2000
AG: Şimdi bu dördüncü hipotez.
14:18
Boy: It's lighting up.
332
843000
2000
Çocuk: Çalışıyor.
14:20
So when you put four.
333
845000
5000
Yani dördünü koyunca.
14:26
So you put four on this one to make it light up
334
851000
3000
Yani yanması için buraya dördünü koyuyorsun
14:29
and two on this one to make it light up.
335
854000
2000
ve buraya da yanması için iki tane.
14:31
AG: Okay,there's his fifth hypothesis.
336
856000
2000
AG: Bu da beşinci hipotezi.
14:33
Now that is a particularly --
337
858000
3000
Şimdi bu bilhassa --
14:36
that is a particularly adorable and articulate little boy,
338
861000
3000
bu özellikle şirin ve konuşkan küçük bir çocuk
14:39
but what Cristine discovered is this is actually quite typical.
339
864000
3000
ama Cristine'in keşfettiği aslında gayet normal.
14:42
If you look at the way children play, when you ask them to explain something,
340
867000
3000
Çocukların oynama şekline bakarsanız, bir şeyi açıklamalarını istediğinizde
14:45
what they really do is do a series of experiments.
341
870000
3000
yaptıkları aslında bir takım deney gerçekleştirmek.
14:48
This is actually pretty typical of four year-olds.
342
873000
3000
Bu aslında dört yaşındakiler için oldukça normal.
14:51
Well, what's it like to be this kind of creature?
343
876000
3000
Peki, böyle bir yaratık olmak nasıl bir şey?
14:54
What's it like to be one of these brilliant butterflies
344
879000
3000
İki dakika içinde beş hipotezi deneyebilen
14:57
who can test five hypotheses in two minutes?
345
882000
3000
bu zeki kelebeklerden birisi olmak nasıl bir şey?
15:00
Well, if you go back to those psychologists and philosophers,
346
885000
3000
Eğer psikologlara ve düşünerlere dönersek
15:03
a lot of them have said
347
888000
2000
bir çoğu bebeklerin ve küçük
15:05
that babies and young children were barely conscious
348
890000
2000
çocukların bilinçli olsalar dahi
15:07
if they were conscious at all.
349
892000
2000
çok çok az bilinçli olduklarını söylediler.
15:09
And I think just the opposite is true.
350
894000
2000
Ve bence tam tersi doğru.
15:11
I think babies and children are actually more conscious than we are as adults.
351
896000
3000
Bence bebekler ve çocuklar aslında biz yetişkinlerden daha bilinçliler.
15:14
Now here's what we know about how adult consciousness works.
352
899000
3000
Şimdi yetişkin bilincinin nasıl çalıştığına dair bildiklerimiz bunlar.
15:17
And adults' attention and consciousness
353
902000
2000
Ve yetişkinlerin dikkat ve idrakı
15:19
look kind of like a spotlight.
354
904000
2000
bir sahne ışığı gibi duruyor.
15:21
So what happens for adults
355
906000
2000
Yani yetişkinler için olan
15:23
is we decide that something's relevant or important,
356
908000
2000
bir şeyin uygun ya da önemli olduğuna
15:25
we should pay attention to it.
357
910000
2000
ona dikkat etmemiz gerektiğine karar veriyoruz.
15:27
Our consciousness of that thing that we're attending to
358
912000
2000
Ona verdiğimiz idrak aşırı derecede
15:29
becomes extremely bright and vivid,
359
914000
3000
parlak ve canlı hale geliyor
15:32
and everything else sort of goes dark.
360
917000
2000
ve diğer her şey kararıyor.
15:34
And we even know something about the way the brain does this.
361
919000
3000
Ve beynin bunu nasıl yaptığıyla ilgili bir şey de biliyoruz aslında.
15:37
So what happens when we pay attention
362
922000
2000
Yani dikkatimizi topladığımızda olan şey
15:39
is that the prefrontal cortex, the sort of executive part of our brains,
363
924000
3000
alın korteksi, bir nevi beynimizin idari merkezi
15:42
sends a signal
364
927000
2000
beynimizin küçük parçlarını daha
15:44
that makes a little part of our brain much more flexible,
365
929000
2000
esnek, daha biçimlenebilir ve
15:46
more plastic, better at learning,
366
931000
2000
daha iyi öğrenebilir yapan bir sinyal gönderiyor
15:48
and shuts down activity
367
933000
2000
ve beynimizin geri kalan kısmındaki
15:50
in all the rest of our brains.
368
935000
2000
aktiviteleri sona erdiriyor.
15:52
So we have a very focused, purpose-driven kind of attention.
369
937000
4000
Yani çok yoğun, amaca yönelik bir idrakımız var.
15:56
If we look at babies and young children,
370
941000
2000
Bebeklere ve küçük çocuklara bakarsak
15:58
we see something very different.
371
943000
2000
çok farklı bir şey görüyoruz.
16:00
I think babies and young children
372
945000
2000
Bence bebekler ve küçük çocuklar
16:02
seem to have more of a lantern of consciousness
373
947000
2000
sahne ışığı gibi bir idraktan çok
16:04
than a spotlight of consciousness.
374
949000
2000
fener gibi bir idrağa sahip görünüyor.
16:06
So babies and young children are very bad
375
951000
3000
Yani bebekler ve çocuklar bir şeye
16:09
at narrowing down to just one thing.
376
954000
3000
indirgemekte çok kötüler.
16:12
But they're very good at taking in lots of information
377
957000
3000
Ama aynı anda çok sayıda kaynaktan yüksek
16:15
from lots of different sources at once.
378
960000
2000
miktarda bilgi almakta çok iyiler.
16:17
And if you actually look in their brains,
379
962000
2000
Ve beyinlerine bakacak olursanız aslında
16:19
you see that they're flooded with these neurotransmitters
380
964000
3000
beyinlerinin bu nörotransmiterlerle kaynadığını
16:22
that are really good at inducing learning and plasticity,
381
967000
2000
ve bunların öğrenim biçimlendirmeyi tetiklemede çok iyi olduğunu
16:24
and the inhibitory parts haven't come on yet.
382
969000
3000
ve kısıtlayıcı kısımların daha oluşmadığını görüyorsunuz.
16:27
So when we say that babies and young children
383
972000
2000
Yani bebekler ve küçük çocukların dikkat
16:29
are bad at paying attention,
384
974000
2000
toplamada çok kötü olduklarını söylediğimizde
16:31
what we really mean is that they're bad at not paying attention.
385
976000
4000
gerçekten kast ettiğimiz şey dikkat etmemekte çok kötü oldukları.
16:35
So they're bad at getting rid
386
980000
2000
Yani onlara bir şeyler öğretebilecek bütün
16:37
of all the interesting things that could tell them something
387
982000
2000
ilginç şeyleri başlarından savmada ve sadece önemli
16:39
and just looking at the thing that's important.
388
984000
2000
olanlara bakmakta kötüler.
16:41
That's the kind of attention, the kind of consciousness,
389
986000
3000
Bu öğrenmek için yaratılan
16:44
that we might expect
390
989000
2000
kelebeklerden bekleyebileceğimiz bir
16:46
from those butterflies who are designed to learn.
391
991000
2000
dikkat ve idrak türü.
16:48
Well if we want to think about a way
392
993000
2000
Eğer bebek idrakının nasıl bir şey olduğunu
16:50
of getting a taste of that kind of baby consciousness as adults,
393
995000
4000
bir yetişkin olarak anlamanın bir yolunu düşünecek olursak
16:54
I think the best thing is think about cases
394
999000
2000
sanırım en iyisi daha önce asla bulunmadığımız
16:56
where we're put in a new situation that we've never been in before --
395
1001000
3000
bir durumda bulunduğumuz veya
16:59
when we fall in love with someone new,
396
1004000
2000
yeni birisine aşık olduğumuz ya da
17:01
or when we're in a new city for the first time.
397
1006000
3000
bir şehri ilk kez ziyaret ettiğimiz durumları düşünmek olur.
17:04
And what happens then is not that our consciousness contracts,
398
1009000
2000
Ve sonrasında olan şey idrakımız daralmıyor
17:06
it expands,
399
1011000
2000
genişliyor yani
17:08
so that those three days in Paris
400
1013000
2000
Paris'teki bu üç gün
17:10
seem to be more full of consciousness and experience
401
1015000
2000
yürüme, konuşma, zombi gibi okuldan eve gidip gelmeyle
17:12
than all the months of being
402
1017000
2000
geçen bir aydan daha dazla
17:14
a walking, talking, faculty meeting-attending zombie back home.
403
1019000
4000
bilinçli ve deneyim dolu duruyor.
17:18
And by the way, that coffee,
404
1023000
2000
Ve bu arada, kahve
17:20
that wonderful coffee you've been drinking downstairs,
405
1025000
2000
aşağıda içtiğiniz şu şahane kahve
17:22
actually mimics the effect
406
1027000
2000
aslında bu bebek nörotransmiterlerin
17:24
of those baby neurotransmitters.
407
1029000
2000
davranışlarını taklit ediyor.
17:26
So what's it like to be a baby?
408
1031000
2000
Bir bebek olmak nasıl birşey?
17:28
It's like being in love
409
1033000
2000
Üç duble ekspreso içtikten
17:30
in Paris for the first time
410
1035000
2000
sonra ilk defa Paris'te
17:32
after you've had three double-espressos.
411
1037000
2000
aşkı yaşamak gibi.
17:34
(Laughter)
412
1039000
3000
(gülüşmeler)
17:37
That's a fantastic way to be,
413
1042000
2000
Hayal gibi bir yaşama şekli
17:39
but it does tend to leave you waking up crying at three o'clock in the morning.
414
1044000
4000
ama gecenin üçünde sizin ağlıyarak uyanmanıza yol açıyor.
17:43
(Laughter)
415
1048000
3000
(gülüşmeler)
17:46
Now it's good to be a grownup.
416
1051000
2000
Şimdi, yetişkin olmak iyi.
17:48
I don't want to say too much about how wonderful babies are.
417
1053000
2000
Bebeklerin ne kadar şahane olduklarıyla ilgili çok fazla konuşmak istemiyorum.
17:50
It's good to be a grownup.
418
1055000
2000
Bir yetişkin olmak iyi.
17:52
We can do things like tie our shoelaces and cross the street by ourselves.
419
1057000
3000
Ayakkabı bağını bağlamak ve karşıdan karşıya geçmek gibi şeyleri tek başımıza yapabiliyoruz.
17:55
And it makes sense that we put a lot of effort
420
1060000
2000
Ve yetişkinler gibi düşünen bebekleri yapmak
17:57
into making babies think like adults do.
421
1062000
4000
için o kadar çaba sarf etmemiz anlamlı geliyor.
18:01
But if what we want is to be like those butterflies,
422
1066000
3000
Ama eğer istediğimiz bu kelebekler gibi olmaksa
18:04
to have open-mindedness, open learning,
423
1069000
3000
açık fikirli olmak, öğrenmeye açık olmak
18:07
imagination, creativity, innovation,
424
1072000
2000
hayal gücü, yaratıcılık, yenilik sahibi olmak
18:09
maybe at least some of the time
425
1074000
2000
belki de en azından bazı zamanlar
18:11
we should be getting the adults
426
1076000
2000
yetişkinlerin daha çok çocuklar gibi
18:13
to start thinking more like children.
427
1078000
2000
düşünmesini sağlamalıyız.
18:15
(Applause)
428
1080000
8000
(alkış)
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