TED2015
Laura Schulz: The surprisingly logical minds of babies
لورا شولز: العقول المنطقية المدهشة لدى الرضع
Filmed:
Readability: 3.8
1,888,975 views
كيف يمكن للأطفال الرضع تعلم كل ذلك القدر من المعلومات من معطيات قليلة جداً وبتلك السرعة؟ من خلال هذه المحادثة المرحة المليئة بالتجارب، تبين العالمة لورا شولز، المتخصصة في علوم الإدراك، كيف أن أصغر أفراد مجتمعاتنا يتخدون قراراتهم بحس عالٍ من المنطق، قبل حتى أن يتعلموا كلماتهم الأولى.
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
لخص مارك توين ما أعتبره أنا
00:14
one of the fundamental problems
of cognitive science
of cognitive science
1
2990
3120
إحدى المشاكل الأساسية بالعلوم الإدراكية
00:18
with a single witticism.
2
6110
1710
بروح دعابية فريدة.
00:20
He said, "There's something
fascinating about science.
fascinating about science.
3
8410
3082
فقال: "هناك أمر مدهش في العلوم.
00:23
One gets such wholesale
returns of conjecture
returns of conjecture
4
11492
3228
حيث نحصل على جملة من الأفكار
00:26
out of such a trifling
investment in fact."
investment in fact."
5
14720
3204
مقابل استثمار بسيط من الافتراض."
00:29
(Laughter)
6
17924
1585
(ضحك)
00:32
Twain meant it as a joke,
of course, but he's right:
of course, but he's right:
7
20199
2604
بالطبع كان توين يمزح
ولكنه كان محقاً.
ولكنه كان محقاً.
00:34
There's something
fascinating about science.
fascinating about science.
8
22803
2876
هناك أمر مدهش حول العلوم.
00:37
From a few bones, we infer
the existence of dinosuars.
the existence of dinosuars.
9
25679
4261
حيث أثبتنا من بضعة عظام
وجود الديناصورات.
وجود الديناصورات.
00:42
From spectral lines,
the composition of nebulae.
the composition of nebulae.
10
30910
3871
ومن الخطوط الطيفية مكونات السديم.
00:47
From fruit flies,
11
35471
2938
ومن ذباب الفاكهة
00:50
the mechanisms of heredity,
12
38409
2943
آليات الوراثة،
00:53
and from reconstructed images
of blood flowing through the brain,
of blood flowing through the brain,
13
41352
4249
ومن إعادة بناء صور لتدفق الدم عبر الدماغ،
00:57
or in my case, from the behavior
of very young children,
of very young children,
14
45601
4708
أو في حالتي، من سلوك الأطفال الصغار،
01:02
we try to say something about
the fundamental mechanisms
the fundamental mechanisms
15
50309
2829
نحاول التوصل إلى شيء ما حول
الآليات الأساسية
الآليات الأساسية
01:05
of human cognition.
16
53138
1618
بالإدراك البشري.
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
وخاصة، في مختبري بقسم الدماغ والعلوم
الإدراكية في معهد ماساتشوستس للتقنيات،
الإدراكية في معهد ماساتشوستس للتقنيات،
01:12
I have spent the past decade
trying to understand the mystery
trying to understand the mystery
18
60475
3654
حيث قضيت العِقْد الماضي أحاول فهم لغز
01:16
of how children learn so much
from so little so quickly.
from so little so quickly.
19
64129
3977
كيفية تعلم الأطفال الكثيرمن القليل وبسرعة.
01:20
Because, it turns out that
the fascinating thing about science
the fascinating thing about science
20
68666
2978
لأنه تبين أن المدهش في العلوم
01:23
is also a fascinating
thing about children,
thing about children,
21
71644
3529
هو أيضا أمر مدهش في الأطفال،
01:27
which, to put a gentler
spin on Mark Twain,
spin on Mark Twain,
22
75173
2581
ولَمْسَة مارك توين بالضبط،
01:29
is precisely their ability
to draw rich, abstract inferences
to draw rich, abstract inferences
23
77754
4650
هي قدرتهم لاستخلاص نتائج غنية ومجردة
01:34
rapidly and accurately
from sparse, noisy data.
from sparse, noisy data.
24
82404
4661
بسرعة ودقة
من معطيات متفرقة ومشتتة.
من معطيات متفرقة ومشتتة.
01:40
I'm going to give you
just two examples today.
just two examples today.
25
88355
2398
سأقدم لكم اليوم مثالين فقط.
01:42
One is about a problem of generalization,
26
90753
2287
واحد حول مشكلة التعميم
01:45
and the other is about a problem
of causal reasoning.
of causal reasoning.
27
93040
2850
والآخر حول مشكلة الاستدلال السببي.
01:47
And although I'm going to talk
about work in my lab,
about work in my lab,
28
95890
2525
رغم أني سأتكلم حول العمل في مختبري،
01:50
this work is inspired by
and indebted to a field.
and indebted to a field.
29
98415
3460
إلا أن هذا العمل مستلهم من مجال
أدين له بالكثير.
أدين له بالكثير.
01:53
I'm grateful to mentors, colleagues,
and collaborators around the world.
and collaborators around the world.
30
101875
4283
وأنا ممتنة لكافة المرشدين والزملاء
والمتعاونين حول العالم.
والمتعاونين حول العالم.
01:59
Let me start with the problem
of generalization.
of generalization.
31
107308
2974
دعوني أبدأ بمشكلة التعميم.
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
التعميم انطلاقًا من معطيات بسيطة
هو أساس العلوم.
هو أساس العلوم.
02:06
We poll a tiny fraction of the electorate
33
114785
2554
فنحن نستطلع آراء نسبة ضئيلة من الناخبين
02:09
and we predict the outcome
of national elections.
of national elections.
34
117339
2321
ونتوقع نتائج انتخابات وطنية.
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
ونرى كيفية استجابة حفنة من المرضى للعلاج
في التجارب السريرية،
في التجارب السريرية،
02:16
and we bring drugs to a national market.
36
124165
3065
فنزود السوق الوطنية بالأدوية.
02:19
But this only works if our sample
is randomly drawn from the population.
is randomly drawn from the population.
37
127230
4365
لكن الأمر ينجح فقط إذا أخذنا
عينة عشوائية من السكان.
عينة عشوائية من السكان.
02:23
If our sample is cherry-picked
in some way --
in some way --
38
131595
2735
فإذا نحن أخذنا العينة بطريقة منتقاه
02:26
say, we poll only urban voters,
39
134330
2072
كأن نستطلع فقط
الناخبين بالمجال الحضري،
الناخبين بالمجال الحضري،
02:28
or say, in our clinical trials
for treatments for heart disease,
for treatments for heart disease,
40
136402
4388
أو فلنقل، في تجاربنا السريرية
الخاصة بعلاجات أمراض القلب،
الخاصة بعلاجات أمراض القلب،
02:32
we include only men --
41
140790
1881
نختار فقط الرجال
02:34
the results may not generalize
to the broader population.
to the broader population.
42
142671
3158
فإن النتائج لن تعمم
إلى السكان على نطاق واسع.
إلى السكان على نطاق واسع.
02:38
So scientists care whether evidence
is randomly sampled or not,
is randomly sampled or not,
43
146479
3581
لذلك يهتم العلماء ما إذا كانت العينة
مأخوذة بشكل عشوائي أم لا،
مأخوذة بشكل عشوائي أم لا،
02:42
but what does that have to do with babies?
44
150060
2015
ولكن ما علاقة ذلك بالرضع؟
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
لأن الرضع عليهم دائماً أن يعمموا
انطلاقاُ من بيانات مأخوذة من عينات صغيرة.
انطلاقاُ من بيانات مأخوذة من عينات صغيرة.
02:49
They see a few rubber ducks
and learn that they float,
and learn that they float,
46
157206
3158
لأنهم يرون بعض البط المطاطي
فيتعلمون أنها تطفو،
فيتعلمون أنها تطفو،
02:52
or a few balls and learn that they bounce.
47
160364
3575
أو بضع كرات فيتعلمون أنها ترتد.
02:55
And they develop expectations
about ducks and balls
about ducks and balls
48
163939
2951
فيطورون توقعات حول البط والكرات
02:58
that they're going to extend
to rubber ducks and balls
to rubber ducks and balls
49
166890
2716
فيتعرفون على خصائص البط المطاطية والكرات
03:01
for the rest of their lives.
50
169606
1879
لبقية حياتهم.
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
وأنواع التعميم التي على الرضع
القيام بها فيما يتعلق بالبط والكرات
القيام بها فيما يتعلق بالبط والكرات
03:07
they have to make about almost everything:
52
175224
2089
يطبقونها تقريبًا في كل شيء:
03:09
shoes and ships and sealing wax
and cabbages and kings.
and cabbages and kings.
53
177313
3917
الأحذية والسفن وشمع الختم
والملفوف والملوك.
والملفوف والملوك.
03:14
So do babies care whether
the tiny bit of evidence they see
the tiny bit of evidence they see
54
182200
2961
فهل يهتم الرضع بمعرفة ما إذا كانت
العينة الصغيرة التي يرونها
العينة الصغيرة التي يرونها
03:17
is plausibly representative
of a larger population?
of a larger population?
55
185161
3692
تمثل في الظاهر أكبر عدد من السكان؟
03:21
Let's find out.
56
189763
1900
دعونا نكتشف ذلك.
03:23
I'm going to show you two movies,
57
191663
1723
سأعرض عليكم فيديوهان،
03:25
one from each of two conditions
of an experiment,
of an experiment,
58
193386
2462
كل واحد منهما عن حالة من حالتي التجربة،
03:27
and because you're going to see
just two movies,
just two movies,
59
195848
2438
ولكونكم ستشاهدون فيديوهان فقط،
03:30
you're going to see just two babies,
60
198286
2136
فستشاهدون فقط رضيعان.
03:32
and any two babies differ from each other
in innumerable ways.
in innumerable ways.
61
200422
3947
ويختلف كلا الرضيعان عن بعضهما
بطرق لا تعد ولا تحصى
بطرق لا تعد ولا تحصى
03:36
But these babies, of course,
here stand in for groups of babies,
here stand in for groups of babies,
62
204369
3051
وبالطبع يمثل هذان الرضيعان هنا
مجموعة من الرضع،
مجموعة من الرضع،
03:39
and the differences you're going to see
63
207420
1895
والاختلافات التي ستشاهدونها
03:41
represent average group differences
in babies' behavior across conditions.
in babies' behavior across conditions.
64
209315
5195
تمثل معدل مجموعة الاختلافات
بسلوك الرضع في كل الظروف
بسلوك الرضع في كل الظروف
03:47
In each movie, you're going to see
a baby doing maybe
a baby doing maybe
65
215160
2583
ستشاهدون في كل فيديو رضيعاً يقوم ربما
03:49
just exactly what you might
expect a baby to do,
expect a baby to do,
66
217743
3460
بما تتوقعونه بالضبط من رضيع أن يفعله،
03:53
and we can hardly make babies
more magical than they already are.
more magical than they already are.
67
221203
4017
ومن الصعب أن نجعل الرضع
أكثر سحراً مما هم عليه بالفعل.
أكثر سحراً مما هم عليه بالفعل.
03:58
But to my mind the magical thing,
68
226090
2010
لكن باعتقادي الشيء الساحر،
04:00
and what I want you to pay attention to,
69
228100
2089
وما أريدكم أن تنتبهوا إليه،
04:02
is the contrast between
these two conditions,
these two conditions,
70
230189
3111
هو التناقض بين هذين الظرفين،
04:05
because the only thing
that differs between these two movies
that differs between these two movies
71
233300
3529
لأن الأمر الوحيد المختلف
بين هذين الفيديوهين
بين هذين الفيديوهين
04:08
is the statistical evidence
the babies are going to observe.
the babies are going to observe.
72
236829
3466
هو الدليل الإحصائي الذي سيلاحظه الرضيعان.
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
وسنقدم لهما صندوق كرات زرقاء وصفراء،
04:16
and my then-graduate student,
now colleague at Stanford, Hyowon Gweon,
now colleague at Stanford, Hyowon Gweon,
74
244608
4620
وستسحب(هيوون غويون)، طالبتي المتخرجة حديثا
والزميلة الحالية بجامعة ستانفورد،
والزميلة الحالية بجامعة ستانفورد،
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
3 كرات زررقاء على التوالي من هذا الصندوق،
04:24
and when she pulls those balls out,
she's going to squeeze them,
she's going to squeeze them,
76
252305
3123
وعند سحبها خارجًا ستضغط عليها
04:27
and the balls are going to squeak.
77
255428
2113
فتصدر أصواتًا.
04:29
And if you're a baby,
that's like a TED Talk.
that's like a TED Talk.
78
257541
2763
وإذا كنتم رُضعًا،
فإن الأمر كمحادثة تيد.
فإن الأمر كمحادثة تيد.
04:32
It doesn't get better than that.
79
260304
1904
لن يكون الأمر أفضل مما هو عليه.
04:34
(Laughter)
80
262208
2561
(ضحك)
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
ولكن النقطة الأهم هي أنه من
السهل سحب 3 كرات زرقاء على التوالي
السهل سحب 3 كرات زرقاء على التوالي
04:42
out of a box of mostly blue balls.
82
270627
2305
من صندوق معظم كراته زرقاء.
04:44
You could do that with your eyes closed.
83
272932
2060
بإمكانكم فعل ذلك وأنتم مغمضي العينين.
04:46
It's plausibly a random sample
from this population.
from this population.
84
274992
2996
وهي في الظاهر عينة عشوائية من السكان.
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
وإذا كانت معظم الأشياء التي تسحبونها
من الصندوق بشكل عشوائي تصدر أصواتاً،
من الصندوق بشكل عشوائي تصدر أصواتاً،
04:53
then maybe everything in the box squeaks.
86
281720
2839
فلربما أن يكون كل ما
بالصندوق يصدر أصواتاً.
بالصندوق يصدر أصواتاً.
04:56
So maybe babies should expect
those yellow balls to squeak as well.
those yellow balls to squeak as well.
87
284559
3650
ولربما سيفترض الرضع أن الكرات الصفراء
أيضا تصدر أصواتاً.
أيضا تصدر أصواتاً.
05:00
Now, those yellow balls
have funny sticks on the end,
have funny sticks on the end,
88
288209
2519
إلا أن الكرات الصفراء
بها عصي مضحكة عند الطرف،
بها عصي مضحكة عند الطرف،
05:02
so babies could do other things
with them if they wanted to.
with them if they wanted to.
89
290728
2857
لذا يمكن للأطفال أن يفعلوا بها
أشياء أخرى إن أرادوا ذلك.
أشياء أخرى إن أرادوا ذلك.
05:05
They could pound them or whack them.
90
293585
1831
ويمكنهم رميها أو الضرب بها.
05:07
But let's see what the baby does.
91
295416
2586
ولكن دعونا نشاهد ماذا يفعل الرضيع.
05:12
(Video) Hyowon Gweon: See this?
(Ball squeaks)
(Ball squeaks)
92
300548
3343
(الفيديو) هيوون غويون: أرأيت هذه؟
(كرة تصدر صوتاً)
(كرة تصدر صوتاً)
05:16
Did you see that?
(Ball squeaks)
(Ball squeaks)
93
304531
3045
هل رايت ذلك؟
(كرة تصدر صوتاً)
(كرة تصدر صوتاً)
05:20
Cool.
94
308036
3066
رائع!
05:24
See this one?
95
312706
1950
أنظر إلى هذه؟
05:26
(Ball squeaks)
96
314656
1881
(كرة تصدر صوتاً)
05:28
Wow.
97
316537
2653
واو
05:33
Laura Schulz: Told you. (Laughs)
98
321854
2113
لورا شولتز: لقد أخبرتكم. (ضحك)
05:35
(Video) HG: See this one?
(Ball squeaks)
(Ball squeaks)
99
323967
4031
(الفيديو) هيوون: أرأيت هذه؟
(كرة تصدر صوتاً)
(كرة تصدر صوتاً)
05:39
Hey Clara, this one's for you.
You can go ahead and play.
You can go ahead and play.
100
327998
4619
(كلارا) هذه واحدة من أجلك.
بإمكانك أخذها واللعب بها.
بإمكانك أخذها واللعب بها.
05:51
(Laughter)
101
339854
4365
(ضحك)
05:56
LS: I don't even have to talk, right?
102
344219
2995
لورا: حتى أنه لا داعي لأتكلم، صحيح؟
05:59
All right, it's nice that babies
will generalize properties
will generalize properties
103
347214
2899
حسناً، من الجيد أن الرضع يعممون خصائص
06:02
of blue balls to yellow balls,
104
350113
1528
الكرات الزرقاء على الصفراء،
06:03
and it's impressive that babies
can learn from imitating us,
can learn from imitating us,
105
351641
3096
ومن المدهش أنهم يتعلمون من خلال تقليدنا،
06:06
but we've known those things about babies
for a very long time.
for a very long time.
106
354737
3669
ولكن نحن نعرف كل هذه الأشياء
عن الرضع منذ وقت طويل،
عن الرضع منذ وقت طويل،
06:10
The really interesting question
107
358406
1811
السؤال المهم حقاً هو
06:12
is what happens when we show babies
exactly the same thing,
exactly the same thing,
108
360217
2852
ما الذي يحدث
عندما نري الرضع نفس الشيء،
عندما نري الرضع نفس الشيء،
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
ويمكننا التأكيد على أنه نفس الشيء
لأنه لدينا حجرة سرية
لأنه لدينا حجرة سرية
06:18
and we actually pull the balls from there,
110
366680
2110
والحقيقة أننا نأخذ الكرات من هناك،
06:20
but this time, all we change
is the apparent population
is the apparent population
111
368790
3478
لكن هذه المرة، كل ما تغير هو عموم السكان
06:24
from which that evidence was drawn.
112
372268
2902
الذي أخذت منه العينة.
06:27
This time, we're going to show babies
three blue balls
three blue balls
113
375170
3553
وهذه المرة، سنري الرضع 3 كرات زرقاء
06:30
pulled out of a box
of mostly yellow balls,
of mostly yellow balls,
114
378723
3384
مأخوذة من صندوق أغلب كراته صفراء اللون،
06:34
and guess what?
115
382107
1322
واحزروا ماذا؟
06:35
You [probably won't] randomly draw
three blue balls in a row
three blue balls in a row
116
383429
2840
من المرجح أن لا تسحبوا بشكل عشوائي
3 كرات زرقاء على التوالي
3 كرات زرقاء على التوالي
06:38
out of a box of mostly yellow balls.
117
386269
2484
من الصندوق أغلب كراته صفراء.
06:40
That is not plausibly
randomly sampled evidence.
randomly sampled evidence.
118
388753
3747
إنها ليست عينة عشوائية في الظاهر.
06:44
That evidence suggests that maybe Hyowon
was deliberately sampling the blue balls.
was deliberately sampling the blue balls.
119
392500
5123
وتفترض هذه العينة أنه فد تكون (هيوون)
اختارت عن عمد عينة من الكرات الزرقاء.
اختارت عن عمد عينة من الكرات الزرقاء.
06:49
Maybe there's something special
about the blue balls.
about the blue balls.
120
397623
2583
وربما أن هناك شيء ما
مميز في الكرات الزرقاء.
مميز في الكرات الزرقاء.
06:52
Maybe only the blue balls squeak.
121
400846
2976
وربما أن الصوت يصدر فقط من الكرات الزرقاء.
06:55
Let's see what the baby does.
122
403822
1895
دعونا نرى ماذا يفعل الرضيع.
06:57
(Video) HG: See this?
(Ball squeaks)
(Ball squeaks)
123
405717
2904
(الفيديو) هيوون: أرأيت هذه؟
(كرة تصدر صوتاً)
(كرة تصدر صوتاً)
07:02
See this toy?
(Ball squeaks)
(Ball squeaks)
124
410851
2645
أرأيت هذه اللعبة؟
(كرة تصدر صوتاً)
(كرة تصدر صوتاً)
07:05
Oh, that was cool. See?
(Ball squeaks)
(Ball squeaks)
125
413496
5480
كان هذا ممتعاً، أرأيت؟
(كرة تصدر صوتاً)
(كرة تصدر صوتاً)
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
والآن هذه واحدة من أجلك للعب بها.
بإمكانك أخذها واللعب بها.
بإمكانك أخذها واللعب بها.
07:18
(Fussing)
(Laughter)
(Laughter)
127
426074
6347
(همهمة الرضيع)
(ضحك)
(ضحك)
07:26
LS: So you just saw
two 15-month-old babies
two 15-month-old babies
128
434901
2748
لورا: كان هذان رضيعان عمرههما 15 شهراً
07:29
do entirely different things
129
437649
1942
يقومان بأشياء مختلفة تماماً
07:31
based only on the probability
of the sample they observed.
of the sample they observed.
130
439591
3599
إعتمادًا على احتمالية العينة التي لاحظاها.
07:35
Let me show you the experimental results.
131
443190
2321
دعوني أُريكم النتائج التجريبية.
07:37
On the vertical axis, you'll see
the percentage of babies
the percentage of babies
132
445511
2764
على المحور الرأسي، تشاهدون
النسبة المئوية من الرضع
النسبة المئوية من الرضع
07:40
who squeezed the ball in each condition,
133
448275
2530
الذين يضغطون على الكرة في جميع الحالات،
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
وكما ستشاهدون، في الغالب يميل
الرضع إلى تعميم العينة
الرضع إلى تعميم العينة
07:46
when it's plausibly representative
of the population
of the population
135
454520
3135
عندما تمثل في الظاهر السكان
07:49
than when the evidence
is clearly cherry-picked.
is clearly cherry-picked.
136
457655
3738
بدلا من تلك التي اُختيرت بعناية.
07:53
And this leads to a fun prediction:
137
461393
2415
وهذا يقود إلى تكهن ممتع:
07:55
Suppose you pulled just one blue ball
out of the mostly yellow box.
out of the mostly yellow box.
138
463808
4868
لنفترض أنكم سحبتم كرة زرقاء واحدة
من صندوق معظم كراته صفراء.
من صندوق معظم كراته صفراء.
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
فلن تسحبوا على الأرجح 3 كرات زرقاء
بشكل عشوائي من الصندوق الأصفر،
بشكل عشوائي من الصندوق الأصفر،
08:04
but you could randomly sample
just one blue ball.
just one blue ball.
140
472765
2455
ولكن يمكنكم أن تسحبوا بعشوائية
كرة زرقاء واحدة فقط.
كرة زرقاء واحدة فقط.
08:07
That's not an improbable sample.
141
475220
1970
هذه ليست عينة مستبعدة.
08:09
And if you could reach into
a box at random
a box at random
142
477190
2224
وإذا أمكنكم أن تسحبوا من صندوق عشوائي
08:11
and pull out something that squeaks,
maybe everything in the box squeaks.
maybe everything in the box squeaks.
143
479414
3987
شيء ما يصدر صوتاً،
فلربما أن كل ما فيه يصدر صوتاً أيضاً.
فلربما أن كل ما فيه يصدر صوتاً أيضاً.
08:15
So even though babies are going to see
much less evidence for squeaking,
much less evidence for squeaking,
144
483875
4445
لذا حتى وإن كان الرضع سيلاحظون
عينات أقل تصدر الأصوات،
عينات أقل تصدر الأصوات،
08:20
and have many fewer actions to imitate
145
488320
2242
وسيكون لديهم أفعال أقل بكثير لمحاكاتها
08:22
in this one ball condition than in
the condition you just saw,
the condition you just saw,
146
490562
3343
في هذه الحالة مع كرة واحدة فقط
بدلا من الحالة التي شاهدتموها للتو،
بدلا من الحالة التي شاهدتموها للتو،
08:25
we predicted that babies themselves
would squeeze more,
would squeeze more,
147
493905
3892
توقعنا أن الرضع أنفسهم
سيصدرون أصواتاً أكثر،
سيصدرون أصواتاً أكثر،
08:29
and that's exactly what we found.
148
497797
2894
وهذا ما حدث بالضبط.
08:32
So 15-month-old babies,
in this respect, like scientists,
in this respect, like scientists,
149
500691
4411
الرضع في عمر 15 شهراً،
في هذا الصدد، هم كالعلماء،
في هذا الصدد، هم كالعلماء،
08:37
care whether evidence
is randomly sampled or not,
is randomly sampled or not,
150
505102
3088
يهمهم معرفة ما إذا كانت العينة
عشوائية أم لا،
عشوائية أم لا،
08:40
and they use this to develop
expectations about the world:
expectations about the world:
151
508190
3507
ويستخدمون ذلك لتطوير توقعاتهم عن العالم:
08:43
what squeaks and what doesn't,
152
511697
2182
ما يصدر صوتاً وما لا يصدره،
08:45
what to explore and what to ignore.
153
513879
3145
ما يمكن استكشافه وما ينبغي تجاهله.
08:50
Let me show you another example now,
154
518384
2066
دعوني أريكم مثلاً أخر،
08:52
this time about a problem
of causal reasoning.
of causal reasoning.
155
520450
2730
وهذه المرة حول مسألة
الاستدلال السببي.
الاستدلال السببي.
08:55
And it starts with a problem
of confounded evidence
of confounded evidence
156
523180
2439
وتبدأ بمسألة العينة الدخيلة
08:57
that all of us have,
157
525619
1672
التي نتعرض لها جميعاً،
08:59
which is that we are part of the world.
158
527291
2020
لكوننا جزء من العالم.
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
وقد لا يبدو لكم ذلك كمشكلة بالنسبة لكم،
ولكن كأغلب المشاكل،
ولكن كأغلب المشاكل،
09:04
it's only a problem when things go wrong.
160
532747
2337
لا تصبح مشكلة إلا عندما تسوء الأمور.
09:07
Take this baby, for instance.
161
535464
1811
خذوا هذا الرضيع مثلاً.
09:09
Things are going wrong for him.
162
537275
1705
تسير الأمور على نحو سيء معه.
09:10
He would like to make
this toy go, and he can't.
this toy go, and he can't.
163
538980
2271
إنه يود أن يشغل اللعبة
ولكنه لا يستطيع.
ولكنه لا يستطيع.
09:13
I'll show you a few-second clip.
164
541251
2529
سأريكم مقطع من بضع ثواني.
09:21
And there's two possibilities, broadly:
165
549340
1920
وعلى العموم، هناك احتمالان:
09:23
Maybe he's doing something wrong,
166
551260
2634
ربما أنه يقوم بشيء خاطئ،
09:25
or maybe there's something
wrong with the toy.
wrong with the toy.
167
553894
4216
أو ربما هناك خطب ما في اللعبة.
09:30
So in this next experiment,
168
558110
2111
وفي التجربة القادمة،
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
سنقدم للأطفال القليل فقط
من المعطيات الإحصائية
من المعطيات الإحصائية
09:35
supporting one hypothesis over the other,
170
563518
2582
لدعم فرضية على أخرى،
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
وسنرى إذا كان بإمكان الرضع
استخدام تلك المعطيات لاتخاذ قرارات مختلفة
استخدام تلك المعطيات لاتخاذ قرارات مختلفة
09:41
about what to do.
172
569555
1834
حول الذي ينبغي فعله.
09:43
Here's the setup.
173
571389
2022
هذه هي المسألة.
09:46
Hyowon is going to try to make
the toy go and succeed.
the toy go and succeed.
174
574071
3030
ستحاول (هيوون) جعل اللعبة تعمل
وستنجح في ذلك.
وستنجح في ذلك.
09:49
I am then going to try twice
and fail both times,
and fail both times,
175
577101
3320
وسأحاول أنا مرتين وأفشل في ذلك،
09:52
and then Hyowon is going
to try again and succeed,
to try again and succeed,
176
580421
3112
وستحاول (هيوون) مرة أخرى وتنجح في ذلك،
09:55
and this roughly sums up my relationship
to my graduate students
to my graduate students
177
583533
3172
وهذا يلخص نوعاً ما علاقتي
بطلابي المتخرجين
بطلابي المتخرجين
09:58
in technology across the board.
178
586705
2835
في مجال التكنولوجيا مع الجميع.
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
لكن النقطة المهمة هنا هي تزويدها
للأطفال بالقليل من الأدلة
للأطفال بالقليل من الأدلة
10:05
that the problem isn't with the toy,
it's with the person.
it's with the person.
180
593322
3668
بأنه ليس هناك خطب في اللعبة بل في الشخص.
10:08
Some people can make this toy go,
181
596990
2350
بعض الناس يمكنهم تشغيل هذه اللعبة،
10:11
and some can't.
182
599340
959
والبعض لا.
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
الآن، عندما يحصل الرضيع على اللعبة
سيكون لديه الخيار.
سيكون لديه الخيار.
10:16
His mom is right there,
184
604212
2188
والدته حاضرة هناك،
10:18
so he can go ahead and hand off the toy
and change the person,
and change the person,
185
606400
3315
لذا يمكنه أخذ اللعبة وتقديمها
لتغيير الشخص،
لتغيير الشخص،
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
ولكن ستكون هناك لعبة أخرى أيضاً
في نهاية ذلك القماش،
في نهاية ذلك القماش،
10:24
and he can pull the cloth towards him
and change the toy.
and change the toy.
187
612873
3552
ويمكنه سحب القماش نحوه
وتغيير اللعبة.
وتغيير اللعبة.
10:28
So let's see what the baby does.
188
616425
2090
لذا دعونا نرى ماذا يفعل الرضيع.
10:30
(Video) HG: Two, three. Go!
(Music)
(Music)
189
618515
4183
(فيديو) هيوون: اثنان، ثلاثة، انطلق!
(موسيقى)
(موسيقى)
10:34
LS: One, two, three, go!
190
622698
3131
لورا: واحد، اثنان، ثلاثة، انطلق!
10:37
Arthur, I'm going to try again.
One, two, three, go!
One, two, three, go!
191
625829
7382
آرثر، سأحاول مرة أخرى.
واحد، اثنان، ثلاثة، انطلق!
واحد، اثنان، ثلاثة، انطلق!
10:45
YG: Arthur, let me try again, okay?
192
633677
2600
آرثر، دعني أحاول مرة أخرى، حسنا؟
10:48
One, two, three, go!
(Music)
(Music)
193
636277
4550
واحد، اثنان، ثلاثة، انطلق!
(موسيقى)
(موسيقى)
10:53
Look at that. Remember these toys?
194
641583
1883
انظر إلى هذا. هل تذكر هذه الألعاب؟
10:55
See these toys? Yeah, I'm going
to put this one over here,
to put this one over here,
195
643466
3264
هل ترى هذه الألعاب؟ سأضع واحدة هناك،
10:58
and I'm going to give this one to you.
196
646730
2062
وسأعطيك هذه.
11:00
You can go ahead and play.
197
648792
2335
يمكنك البدء في اللعب.
11:23
LS: Okay, Laura, but of course,
babies love their mommies.
babies love their mommies.
198
671213
4737
لورا: حسنا، يا لورا، بطبيعة الحال
الرضع يحبون أمهاتهم.
الرضع يحبون أمهاتهم.
11:27
Of course babies give toys
to their mommies
to their mommies
199
675950
2182
ومن الطبيعي أن يقدم الرضع اللعب لهن
11:30
when they can't make them work.
200
678132
2030
عندما لا يستطيعون تشغيلها.
11:32
So again, the really important question
is what happens when we change
is what happens when we change
201
680162
3593
ومرة اخرى، السؤال المهم بالفعل هو
ما الذي يحدث عندما نغير
ما الذي يحدث عندما نغير
11:35
the statistical data ever so slightly.
202
683755
3154
المعطيات الإحصائية قليلاً.
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
في هذا المرة، سيشهد الرضع على
تشغيل اللعبة وتوقفها على التوالي،
تشغيل اللعبة وتوقفها على التوالي،
11:42
but we're changing
the distribution of evidence.
the distribution of evidence.
204
690996
2415
ولكن سنغير توزيع الأدلة.
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
في هذه المرة، ستنجح (هيوون) بتشغيلها مرة
وتفشل مرة وكذلك أنا.
وتفشل مرة وكذلك أنا.
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
والغرض من ذلك أنه لا يهم من يجرب
تشغيل اللعبة، لكونها معطلة أصلاً.
تشغيل اللعبة، لكونها معطلة أصلاً.
11:55
It doesn't work all the time.
207
703459
1886
فهي لا تعمل بتاتاً.
11:57
Again, the baby's going to have a choice.
208
705345
1965
مجددًا، سيكون أمام الرضيعة الخيار.
11:59
Her mom is right next to her,
so she can change the person,
so she can change the person,
209
707310
3396
ووالدتها بجانبها، لذا بإمكانها
تغيير الشخص،
تغيير الشخص،
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
وتوجد لعبة أخرى عند نهاية القماش.
12:05
Let's watch what she does.
211
713910
1378
دعونا نشاهد ماذا تفعل.
12:07
(Video) HG: Two, three, go!
(Music)
(Music)
212
715288
4348
(فيديو) هيوون: اثنان، ثلاثة، انطلق!
(موسيقى)
(موسيقى)
12:11
Let me try one more time.
One, two, three, go!
One, two, three, go!
213
719636
4984
دعيني أحاول مرة أخرى.
واحد، اثنان، ثلاثة، انطلق!
واحد، اثنان، ثلاثة، انطلق!
12:17
Hmm.
214
725460
1697
هممم.
12:19
LS: Let me try, Clara.
215
727950
2692
لورا: دعيني أحاول، كلارا.
12:22
One, two, three, go!
216
730642
3945
واحد، اثنان، ثلاثة، انطلق!
12:27
Hmm, let me try again.
217
735265
1935
همممم، دعيني أحاول مجددًا.
12:29
One, two, three, go!
(Music)
(Music)
218
737200
5670
واحد، اثنان، ثلاثة، انطلق!
(موسيقى)
(موسيقى)
12:35
HG: I'm going
to put this one over here,
to put this one over here,
219
743009
2233
هيوون: سأضع هذه هناك،
12:37
and I'm going to give this one to you.
220
745242
2001
وأعطيك هذه.
12:39
You can go ahead and play.
221
747243
3597
بإمكانك البدء باللعب.
12:58
(Applause)
222
766376
4897
(تصفيق)
13:04
LS: Let me show you
the experimental results.
the experimental results.
223
772993
2392
لورا: اسمحوا لي بعرض
النتائج التجريبية.
النتائج التجريبية.
13:07
On the vertical axis,
you'll see the distribution
you'll see the distribution
224
775385
2475
على المحور الرأسي،
ستشاهدون توزيع
ستشاهدون توزيع
13:09
of children's choices in each condition,
225
777860
2577
خيارات الأطفال وفق كل حالة،
13:12
and you'll see that the distribution
of the choices children make
of the choices children make
226
780437
4551
وستلاحظون بأن توزيع الخيارات
التي قام بها الأطفال
التي قام بها الأطفال
13:16
depends on the evidence they observe.
227
784988
2787
تتوقف على الأدلة التي لاحظوها.
13:19
So in the second year of life,
228
787775
1857
لذا في السنة الثانية،
13:21
babies can use a tiny bit
of statistical data
of statistical data
229
789632
2577
يمكن للأطفال استخدام القليل
من المعطيات الإحصائية
من المعطيات الإحصائية
13:24
to decide between two
fundamentally different strategies
fundamentally different strategies
230
792209
3367
ليختاورا بين استراتيجيتين مختلفتين جوهرياً
13:27
for acting in the world:
231
795576
1881
للتصرف في العالم حولهم:
13:29
asking for help and exploring.
232
797457
2743
كطلب المساعدة والاستكشاف.
13:33
I've just shown you
two laboratory experiments
two laboratory experiments
233
801700
3434
لقد عرضت عليكم للتو تجربتين مخبريتين
13:37
out of literally hundreds in the field
that make similar points,
that make similar points,
234
805134
3691
من بين المئات التي تتوصل
إلى نتائج مماثلة في هذا مجال،
إلى نتائج مماثلة في هذا مجال،
13:40
because the really critical point
235
808825
2392
لأن النقطة المهمة بالفعل
13:43
is that children's ability
to make rich inferences from sparse data
to make rich inferences from sparse data
236
811217
5108
هي أن قدرة الأطفال
على الاستنتاج انطلاقاً من معطيات قليلة
على الاستنتاج انطلاقاً من معطيات قليلة
13:48
underlies all the species-specific
cultural learning that we do.
cultural learning that we do.
237
816325
5341
هي وراء كافة أنواع
التعلم الثقافي الذي نقوم به.
التعلم الثقافي الذي نقوم به.
13:53
Children learn about new tools
from just a few examples.
from just a few examples.
238
821666
4597
الأطفال يتعلمون عن أدوات جديدة
من أمثلة قليلة فقط.
من أمثلة قليلة فقط.
13:58
They learn new causal relationships
from just a few examples.
from just a few examples.
239
826263
4717
يتعلمون عن علاقات سببية جديدة
من أمثلة قليلة فقط.
من أمثلة قليلة فقط.
14:03
They even learn new words,
in this case in American Sign Language.
in this case in American Sign Language.
240
831928
4871
ويتعلمون حتى كلمات جديدة،
في هذه الحالة لغة الإشارة الأمريكية.
في هذه الحالة لغة الإشارة الأمريكية.
14:08
I want to close with just two points.
241
836799
2311
أريد أن أختم بنقطتين فقط.
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
إذا كنتم متابعين لعالَمي، مجال
علوم الدماغ والإدراك،
علوم الدماغ والإدراك،
14:15
for the past few years,
243
843738
1927
خلال السنوات القليلة الماضية،
14:17
three big ideas will have come
to your attention.
to your attention.
244
845665
2415
فإن ثلاث أفكار كبيرة ستلفت انتباهكم.
14:20
The first is that this is
the era of the brain.
the era of the brain.
245
848080
3436
الأولى، أن هذا هو مجال الدماغ.
14:23
And indeed, there have been
staggering discoveries in neuroscience:
staggering discoveries in neuroscience:
246
851516
3669
والواقع، كانت هناك اكتشافات مذهلة
في علم الأعصاب:
في علم الأعصاب:
14:27
localizing functionally specialized
regions of cortex,
regions of cortex,
247
855185
3436
كتحديد موقع مناطق متخصصة وظيفياً بالقشرة،
14:30
turning mouse brains transparent,
248
858621
2601
وجعل دماغ فأر يصبح شفافاً،
14:33
activating neurons with light.
249
861222
3776
وتفعيل الخلايا العصبية بواسطة الضوء.
14:36
A second big idea
250
864998
1996
الفكرة الثانية الكبيرة
14:38
is that this is the era of big data
and machine learning,
and machine learning,
251
866994
4104
هو أنه عهد البيانات الضخمة والتعلم الآلي،
14:43
and machine learning promises
to revolutionize our understanding
to revolutionize our understanding
252
871098
3141
ويعد التعلم الآلي بإحداث ثورة في مفهومنا
14:46
of everything from social networks
to epidemiology.
to epidemiology.
253
874239
4667
حول كل شيء انطلاقاً
من شبكات التواصل الاجتماعي.
من شبكات التواصل الاجتماعي.
14:50
And maybe, as it tackles problems
of scene understanding
of scene understanding
254
878906
2693
وربما، لكونه يتناول مشاكل فهم المشهد
14:53
and natural language processing,
255
881599
1993
ومعالجة اللغة الطبيعية،
14:55
to tell us something
about human cognition.
about human cognition.
256
883592
3324
لتخبرنا بشيء حول الإدراك البشري.
14:59
And the final big idea you'll have heard
257
887756
1937
والفكرة الختامية الكبيرة التي ستسمعونها
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
أنه ربما ستكون فكرة جيدة
التعرف أكثر على الدماغ
التعرف أكثر على الدماغ
15:05
and have so much access to big data,
259
893080
1917
والوصول بهذا الشكل إلى المعطيات الضخمة،
15:06
because left to our own devices,
260
894997
2507
لأنه إذا تُرِكْنَا لأجهزتنا،
15:09
humans are fallible, we take shortcuts,
261
897504
3831
فإن البشر مُعرضون لخطأ، ونحن نختصر،
15:13
we err, we make mistakes,
262
901335
3437
ونضل، ونخطئ،
15:16
we're biased, and in innumerable ways,
263
904772
3684
ومتحيزين، بطرق لا تعد ولا تحصى،
15:20
we get the world wrong.
264
908456
2969
ونفهم العالم بشكل خاطئ.
15:24
I think these are all important stories,
265
912843
2949
وأعتقد بأن جميعها قصص مهمة،
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
ولديهم الكثير ليخبرونا به
حول معنى أن نكون بشر،
حول معنى أن نكون بشر،
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
لكن أريدكم أن تلاحظوا
بأني أخبرتكم اليوم بقصة مختلفة جداً.
بأني أخبرتكم اليوم بقصة مختلفة جداً.
15:35
It's a story about minds and not brains,
268
923966
3807
قصة حول العقل وليس الدماغ،
15:39
and in particular, it's a story
about the kinds of computations
about the kinds of computations
269
927773
3006
ولاسيما، قصة حول أنواع العمليات الحسابية
15:42
that uniquely human minds can perform,
270
930779
2590
التي بإمكان العقل البشري وحده تنفيذها،
15:45
which involve rich, structured knowledge
and the ability to learn
and the ability to learn
271
933369
3944
والتي تتطلب معارف غنية وبنيوية
وقدرة على التعلم
وقدرة على التعلم
15:49
from small amounts of data,
the evidence of just a few examples.
the evidence of just a few examples.
272
937313
5268
انطلاقاً من معطيات قليلة،
وأدلة عن بضعة أمثلة.
وأدلة عن بضعة أمثلة.
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
وهي في الأساس قصة حول
كيفية البدء كطفل صغير جداً
كيفية البدء كطفل صغير جداً
16:00
and continuing out all the way
to the greatest accomplishments
to the greatest accomplishments
274
948600
4180
والاستمرار في السير على الطريق
للوصول إلى أعظم إنجازات
للوصول إلى أعظم إنجازات
16:04
of our culture,
275
952780
3843
ثقافتنا،
16:08
we get the world right.
276
956623
1997
وهي الفهم الصحيح للعالم.
16:12
Folks, human minds do not only learn
from small amounts of data.
from small amounts of data.
277
960433
5267
فالعقل البشري لا يتعلم فقط من
كميات صغيرة من المعطيات.
كميات صغيرة من المعطيات.
16:18
Human minds think
of altogether new ideas.
of altogether new ideas.
278
966285
2101
بل إنه يخلق أيضاً أفكار جديدة.
16:20
Human minds generate
research and discovery,
research and discovery,
279
968746
3041
فالعقل البشري يولد البحوث والاكتشافات،
16:23
and human minds generate
art and literature and poetry and theater,
art and literature and poetry and theater,
280
971787
5273
وكذلك الفن والأدب والشعر والمسرح،
16:29
and human minds take care of other humans:
281
977070
3760
كما أنه يعتني بغيره من البشر:
16:32
our old, our young, our sick.
282
980830
3427
بكبيرنا، وصغيرنا، ومريضنا.
16:36
We even heal them.
283
984517
2367
بل إننا نُطَبِّبُهُم،
16:39
In the years to come, we're going
to see technological innovations
to see technological innovations
284
987564
3103
وخلال السنوات القادمة،
سنشهد ابتكارات تقنية
سنشهد ابتكارات تقنية
16:42
beyond anything I can even envision,
285
990667
3797
تتخطى كل ما أستطيع تصوره،
16:46
but we are very unlikely
286
994464
2150
لكن من غير المحتمل
16:48
to see anything even approximating
the computational power of a human child
the computational power of a human child
287
996614
5709
أن تقترب من القوة الحسابية
للطفل البشري
للطفل البشري
16:54
in my lifetime or in yours.
288
1002323
4298
سواء في حياتي أو في حياتكم.
16:58
If we invest in these most powerful
learners and their development,
learners and their development,
289
1006621
5047
إذا استثمرنا في هؤلاء
المتعلمين النجباء وتنمية قدراتهم،
المتعلمين النجباء وتنمية قدراتهم،
17:03
in babies and children
290
1011668
2917
في الرضع والأطفال
17:06
and mothers and fathers
291
1014585
1826
والأمهات والأباء
17:08
and caregivers and teachers
292
1016411
2699
ومقدمي الرعاية والمعلمين
17:11
the ways we invest in our other
most powerful and elegant forms
most powerful and elegant forms
293
1019110
4170
فبناءً على الطرق التي نستثمر بها
في أقوى وأجمل الأشكال
في أقوى وأجمل الأشكال
17:15
of technology, engineering and design,
294
1023280
3218
التقنية والهندسية والتصميمية التي لدينا،
17:18
we will not just be dreaming
of a better future,
of a better future,
295
1026498
2939
فلن نكون فقط نحلم بمستقبل أفضل،
17:21
we will be planning for one.
296
1029437
2127
بل سنكون بدأنا بالتخطيط له.
17:23
Thank you very much.
297
1031564
2345
شكراً جزيلاً لكم .
17:25
(Applause)
298
1033909
3421
(تصفيق)
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
كريس اندرسون: لورا، شكرا لك.
الحقيقة لدي سؤال من أجلك.
الحقيقة لدي سؤال من أجلك.
17:34
First of all, the research is insane.
300
1042236
2359
في البداية، هذا بحث غير معقول.
17:36
I mean, who would design
an experiment like that? (Laughter)
an experiment like that? (Laughter)
301
1044595
3725
أعني، من صمم تجربة من هذا القبيل؟
(ضحك)
(ضحك)
17:41
I've seen that a couple of times,
302
1049150
1790
رأيت هذا بضع مرات،
17:42
and I still don't honestly believe
that that can truly be happening,
that that can truly be happening,
303
1050940
3222
بصراحة، مازالت لا أصدق
أن هذا يحدث حقا،
أن هذا يحدث حقا،
17:46
but other people have done
similar experiments; it checks out.
similar experiments; it checks out.
304
1054162
3158
ولكن هناك أشخاص آخرين قاموا
بتجارب مماثلة. والنتيجة متشابهة.
بتجارب مماثلة. والنتيجة متشابهة.
17:49
The babies really are that genius.
305
1057320
1633
بالفعل، إن الرضع عباقرة.
17:50
LS: You know, they look really impressive
in our experiments,
in our experiments,
306
1058953
3007
لورا: أتعلم، إنهم حقاً
يثيرون الإعجاب في تجاربنا،
يثيرون الإعجاب في تجاربنا،
17:53
but think about what they
look like in real life, right?
look like in real life, right?
307
1061960
2652
ولك أن تتخيل ما يفعلونه في الحياة
الواقعية، صحيح؟
الواقعية، صحيح؟
17:56
It starts out as a baby.
308
1064612
1150
يبدأ كرضيع.
17:57
Eighteen months later,
it's talking to you,
it's talking to you,
309
1065762
2007
وبعد 18 شهرا، يتحدث معك،
17:59
and babies' first words aren't just
things like balls and ducks,
things like balls and ducks,
310
1067769
3041
والكلمات الأولى للرضع ليست فقط كرات وبط،
18:02
they're things like "all gone,"
which refer to disappearance,
which refer to disappearance,
311
1070810
2881
بل أشياء مثل "لقد ذهبت"
كإشارة على الاختفاء،
كإشارة على الاختفاء،
18:05
or "uh-oh," which refer
to unintentional actions.
to unintentional actions.
312
1073691
2283
أو "أو-أو" للإشارة إلى أحداث غير مقصودة،
18:07
It has to be that powerful.
313
1075974
1562
عليها أن تكون قوية.
18:09
It has to be much more powerful
than anything I showed you.
than anything I showed you.
314
1077536
2775
بل أكثر قوة من أي شيء أريتكم إياه.
18:12
They're figuring out the entire world.
315
1080311
1974
إنهم يفهمون العالم بأكمله.
18:14
A four-year-old can talk to you
about almost anything.
about almost anything.
316
1082285
3144
بل يمكن لطفل في الرابعة من عمره
أن يحدثك تقريباً عن كل شيء.
أن يحدثك تقريباً عن كل شيء.
18:17
(Applause)
317
1085429
1601
(تصفيق)
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
كريس: إن كان فهمي صحيحاً.
أنت تهتمين بنقطة مهمة و هي
أنت تهتمين بنقطة مهمة و هي
18:22
we've been through these years
where there's all this talk
where there's all this talk
319
1090444
2754
بأننا تحدثنا كثيراً خلال السنوات الأخيرة
18:25
of how quirky and buggy our minds are,
320
1093198
1932
حول مدى حماقة و شذوذعقولنا،
18:27
that behavioral economics
and the whole theories behind that
and the whole theories behind that
321
1095130
2867
وأن الاقتصاد السلوكي وجميع نظرياتها التي
18:29
that we're not rational agents.
322
1097997
1603
تؤكد بأننا لسنا عوامل عقلانية.
18:31
You're really saying that the bigger
story is how extraordinary,
story is how extraordinary,
323
1099600
4216
فإنك تؤكدين على روعة هذه القصة العظيمة،
18:35
and there really is genius there
that is underappreciated.
that is underappreciated.
324
1103816
4944
أن هناك بالفعل نبوغ لم يقدر حق تقديره.
18:40
LS: One of my favorite
quotes in psychology
quotes in psychology
325
1108760
2070
لورا: من المقولات المفضلة لدي بعلم النفس
18:42
comes from the social
psychologist Solomon Asch,
psychologist Solomon Asch,
326
1110830
2290
هي لعالم النفس الاجتماعي (سلومون اش)،
18:45
and he said the fundamental task
of psychology is to remove
of psychology is to remove
327
1113120
2807
ويقول: الدورالأساسي لعلم النفس هو رفع
18:47
the veil of self-evidence from things.
328
1115927
2626
حجاب الأدلة القائمة بحد ذاتها عن الأمور.
18:50
There are orders of magnitude
more decisions you make every day
more decisions you make every day
329
1118553
4551
هناك أوامر عظيمة والمزيد من القرارات
التي تقومون بها يومياً
التي تقومون بها يومياً
18:55
that get the world right.
330
1123104
1347
لفهم العالم بشكل صحيح
18:56
You know about objects
and their properties.
and their properties.
331
1124451
2132
فتعرف الأشياء وخصائصها.
18:58
You know them when they're occluded.
You know them in the dark.
You know them in the dark.
332
1126583
3029
تعرفها عندما تكون مخبأة أو في الظلام.
19:01
You can walk through rooms.
333
1129612
1308
وتتمكن من عبور الغرف.
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
ومعرفة ما يفكر فيه الآخرون. والحديث معهم.
19:06
You can navigate space.
You know about numbers.
You know about numbers.
335
1134452
2230
يمكنك السفر في الفضاء ومعرفة الأرقام.
19:08
You know causal relationships.
You know about moral reasoning.
You know about moral reasoning.
336
1136682
3022
ومعرفة العلاقات السببية
والاستدلال الأخلاقي.
والاستدلال الأخلاقي.
19:11
You do this effortlessly,
so we don't see it,
so we don't see it,
337
1139704
2356
ولأنك تقوم بذلك بدون عناء،
فإننا لا نلاحظ ذلك،
فإننا لا نلاحظ ذلك،
19:14
but that is how we get the world right,
and it's a remarkable
and it's a remarkable
338
1142060
2912
لكن هكذا نفهم العالم بشكل صحيح، وهذا مدهش
19:16
and very difficult-to-understand
accomplishment.
accomplishment.
339
1144972
2318
وصعب جدًا لفهمه.
19:19
CA: I suspect there are people
in the audience who have
in the audience who have
340
1147290
2628
كريس: أفترض أن هناك أشخاص من الحضور
19:21
this view of accelerating
technological power
technological power
341
1149918
2238
يعتقدون بتسريع القوة التقنية
19:24
who might dispute your statement
that never in our lifetimes
that never in our lifetimes
342
1152156
2958
وقد يعترضون على تصريحك
بأن الحاسوب لن يتمكن في حياتنا
بأن الحاسوب لن يتمكن في حياتنا
19:27
will a computer do what
a three-year-old child can do,
a three-year-old child can do,
343
1155114
2618
من فعل ما يقوم به طفل في الثالثه من عمره،
19:29
but what's clear is that in any scenario,
344
1157732
3248
لكن من الواضح أنه بغض النظر
عن أي سيناريو متوقع،
عن أي سيناريو متوقع،
19:32
our machines have so much to learn
from our toddlers.
from our toddlers.
345
1160980
3770
فإن على آلاتنا تعلم الكثير من أطفالنا.
19:38
LS: I think so. You'll have some
machine learning folks up here.
machine learning folks up here.
346
1166230
3216
لورا: صحيح. ستستقبلون هنا
بعض القائلين بتعليم الآلة بالطبع.
بعض القائلين بتعليم الآلة بالطبع.
19:41
I mean, you should never bet
against babies or chimpanzees
against babies or chimpanzees
347
1169446
4203
أعني، لا ينبغي عليكم أبداً
الرهان ضد الرضع أو الشمبانزي
الرهان ضد الرضع أو الشمبانزي
19:45
or technology as a matter of practice,
348
1173649
3645
أو التقنية كمجال تطبيقي،
19:49
but it's not just
a difference in quantity,
a difference in quantity,
349
1177294
4528
لكن الأمر ليس فقط مجرد فارق في الكمية،
19:53
it's a difference in kind.
350
1181822
1764
بل هو فارق في النوع.
19:55
We have incredibly powerful computers,
351
1183586
2160
لدينا حواسيب قوية بشكل لا يصدق،
19:57
and they do do amazingly
sophisticated things,
sophisticated things,
352
1185746
2391
وتقوم بأمور معقدة بشكل مدهش،
20:00
often with very big amounts of data.
353
1188137
3204
غالباً مع معطيات بحجم ضخم.
20:03
Human minds do, I think,
something quite different,
something quite different,
354
1191341
2607
أما العقل البشري، فأعتقد،
أنه يقوم بأمر مختلف تماماً،
أنه يقوم بأمر مختلف تماماً،
20:05
and I think it's the structured,
hierarchical nature of human knowledge
hierarchical nature of human knowledge
355
1193948
3895
وأعتقد أن ذلك بفضل المعرفة البشرية
ذات الطبيعة التراتبية
ذات الطبيعة التراتبية
20:09
that remains a real challenge.
356
1197843
2032
التي تشكل حتى الآن تحدياً حقيقياً لنا.
20:11
CA: Laura Schulz, wonderful
food for thought. Thank you so much.
food for thought. Thank you so much.
357
1199875
3061
كريس: لورا شولز، كان ذلك غذاء رائع للفكر.
شكراً جزيلاً لك.
شكراً جزيلاً لك.
20:14
LS: Thank you.
(Applause)
(Applause)
358
1202936
2922
لورا: شكراً (تصفيق)
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