TEDGlobal 2011
Alison Gopnik: What do babies think?
Alison Gopnik: O čem přemýšlejí miminka?
Filmed:
Readability: 3.4
4,341,974 views
"Miminka a děti představují v člověčenstvu něco jako oddělení výzkumu a vývoje," říká psycholožka Alison Gopnik. Ve svém výzkumu odhaluje, jak složitě miminka shromažďují informace a jak se rozhodují, když si hrají.
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
Co se asi děje
00:17
in this baby's mind?
1
2000
2000
v mysli tohoto miminka?
00:19
If you'd asked people this 30 years ago,
2
4000
2000
Pokud byste se na to zeptali lidí před 30 lety,
00:21
most people, including psychologists,
3
6000
2000
většina z nich, včetně psychologů,
00:23
would have said that this baby was irrational,
4
8000
3000
by řekla, že toto dítě nemá rozum,
00:26
illogical, egocentric --
5
11000
2000
postrádá logiku, je egocentrické --
00:28
that he couldn't take the perspective of another person
6
13000
2000
že se nedokáže vcítit do pozice někoho druhého
00:30
or understand cause and effect.
7
15000
2000
či chápat příčinu a následek.
00:32
In the last 20 years,
8
17000
2000
Za posledních 20 let
00:34
developmental science has completely overturned that picture.
9
19000
3000
vývojová věda tento obrázek obrátila úplně naruby.
00:37
So in some ways,
10
22000
2000
Takže v určitých případech
00:39
we think that this baby's thinking
11
24000
2000
si myslíme, že myšlení tohoto miminka
00:41
is like the thinking of the most brilliant scientists.
12
26000
4000
je stejné jako myšlení těch nejbrilantnějších vědců.
00:45
Let me give you just one example of this.
13
30000
2000
Dám vám příklad.
00:47
One thing that this baby could be thinking about,
14
32000
3000
Jedna z věcí, nad kterou by mohlo toto miminko dumat,
00:50
that could be going on in his mind,
15
35000
2000
co by se mu mohlo honit hlavou,
00:52
is trying to figure out
16
37000
2000
je pokoušet se přijít na to,
00:54
what's going on in the mind of that other baby.
17
39000
3000
co se honí hlavou jinému miminku.
00:57
After all, one of the things that's hardest for all of us to do
18
42000
3000
Nakonec jednou z těch nejtěžších věcí pro nás všechny
01:00
is to figure out what other people are thinking and feeling.
19
45000
3000
je zjistit, co si myslí a co cítí jiní lidé.
01:03
And maybe the hardest thing of all
20
48000
2000
A možná tou nejtěžší věcí ze všech
01:05
is to figure out that what other people think and feel
21
50000
3000
je pochopit, že to, co si myslí a co cítí ostatní,
01:08
isn't actually exactly like what we think and feel.
22
53000
2000
není úplně totéž, co si myslíme a co cítíme my.
01:10
Anyone who's followed politics can testify
23
55000
2000
Kdokoliv, kdo se zabývá politikou, může dosvědčit,
01:12
to how hard that is for some people to get.
24
57000
3000
jak obtížné to pro některé lidi je.
01:15
We wanted to know
25
60000
2000
Chtěli jsme vědět,
01:17
if babies and young children
26
62000
2000
zda mohou miminka a malé děti
01:19
could understand this really profound thing about other people.
27
64000
3000
porozumět této těžké skutečnosti o jiných lidech.
01:22
Now the question is: How could we ask them?
28
67000
2000
Otázka zní: Jak se jich ale zeptat?
01:24
Babies, after all, can't talk,
29
69000
2000
Miminka přece nemluví
01:26
and if you ask a three year-old
30
71000
2000
a když požádáte tříleté dítě,
01:28
to tell you what he thinks,
31
73000
2000
aby vám řeklo, co si myslí,
01:30
what you'll get is a beautiful stream of consciousness monologue
32
75000
3000
získáte nádherný proud vědomého monologu
01:33
about ponies and birthdays and things like that.
33
78000
3000
o ponících a narozeninách a podobných věcech.
01:36
So how do we actually ask them the question?
34
81000
3000
Takže jak jsme se jich vlastně ptali?
01:39
Well it turns out that the secret was broccoli.
35
84000
3000
Nakonec se tajemství skrývalo v brokolici.
01:42
What we did -- Betty Rapacholi, who was one of my students, and I --
36
87000
4000
Já a spolu se mnou Betty Rapacholi, jedna z mých studentek,
01:46
was actually to give the babies two bowls of food:
37
91000
3000
jsme dali miminkám dvě mísy jídla:
01:49
one bowl of raw broccoli
38
94000
2000
jednu mísu se syrovou brokolicí
01:51
and one bowl of delicious goldfish crackers.
39
96000
3000
a jednu mísu chutných slaných krekrů.
01:54
Now all of the babies, even in Berkley,
40
99000
3000
Všem miminkám, dokonce i v Berkley,
01:57
like the crackers and don't like the raw broccoli.
41
102000
3000
chutnají krekry a nechutná jim syrová brokolice.
02:00
(Laughter)
42
105000
2000
(Smích)
02:02
But then what Betty did
43
107000
2000
A tak Betty
02:04
was to take a little taste of food from each bowl.
44
109000
3000
trochu ochutnala z každé mísy.
02:07
And she would act as if she liked it or she didn't.
45
112000
2000
A zatvářila se, že jí to buď chutná, nebo nechutná.
02:09
So half the time, she acted
46
114000
2000
Polovinu času se tedy tvářila,
02:11
as if she liked the crackers and didn't like the broccoli --
47
116000
2000
že jí chutnají krekry a nechutná jí brokolice --
02:13
just like a baby and any other sane person.
48
118000
3000
stejně jako miminkám a jakékoliv jiné osobě při smyslech.
02:16
But half the time,
49
121000
2000
Ale tu druhou půli času
02:18
what she would do is take a little bit of the broccoli
50
123000
2000
si vzala trochu brokolice
02:20
and go, "Mmmmm, broccoli.
51
125000
3000
a předstírala: "Mmmmm, brokolice.
02:23
I tasted the broccoli. Mmmmm."
52
128000
3000
Ochutnala jsem brokolici. Mmmmm."
02:26
And then she would take a little bit of the crackers,
53
131000
2000
A pak si vzala několik krekrů
02:28
and she'd go, "Eww, yuck, crackers.
54
133000
4000
a říkala: "Ble, fuj, krekry.
02:32
I tasted the crackers. Eww, yuck."
55
137000
3000
Ochutnala jsem krekry. Ble, fuj."
02:35
So she'd act as if what she wanted
56
140000
2000
Chovala se tedy, jako by chtěla
02:37
was just the opposite of what the babies wanted.
57
142000
3000
přesný opak toho, co chtěla miminka.
02:40
We did this with 15 and 18 month-old babies.
58
145000
2000
Provedli jsme to s 15 a 18měsíčními miminky.
02:42
And then she would simply put her hand out and say,
59
147000
3000
A ona pak poodstoupila a řekla:
02:45
"Can you give me some?"
60
150000
2000
"Můžu taky dostat?"
02:47
So the question is: What would the baby give her,
61
152000
2000
Otázka je: Co jí to dítě asi dá?
02:49
what they liked or what she liked?
62
154000
2000
To, co chutná jemu, nebo to, co má ráda ona?
02:51
And the remarkable thing was that 18 month-old babies,
63
156000
3000
A pozoruhodné bylo, že 18měsíční děti,
02:54
just barely walking and talking,
64
159000
2000
které zřídka chodily a mluvily,
02:56
would give her the crackers if she liked the crackers,
65
161000
3000
jí daly krekry, pokud jí chutnaly,
02:59
but they would give her the broccoli if she liked the broccoli.
66
164000
3000
ale taky jí daly brokolici, pokud jí chutnala brokolice.
03:02
On the other hand,
67
167000
2000
Na druhé straně,
03:04
15 month-olds would stare at her for a long time
68
169000
2000
15měsíční děti se na ni dlouze dívaly,
03:06
if she acted as if she liked the broccoli,
69
171000
2000
pokud předstírala, že jí chutná brokolice,
03:08
like they couldn't figure this out.
70
173000
3000
jako by to nemohly pochopit.
03:11
But then after they stared for a long time,
71
176000
2000
Když se ale dívaly dost dlouho,
03:13
they would just give her the crackers,
72
178000
2000
daly jí krekry,
03:15
what they thought everybody must like.
73
180000
2000
o kterých si myslely, že je má rád každý.
03:17
So there are two really remarkable things about this.
74
182000
3000
Z toho vyplývají dvě pozoruhodné věci.
03:20
The first one is that these little 18 month-old babies
75
185000
3000
Tou první je, že tyto malé 18měsíční děti
03:23
have already discovered
76
188000
2000
už přišly
03:25
this really profound fact about human nature,
77
190000
2000
na tu zásadní skutečnost lidské povahy,
03:27
that we don't always want the same thing.
78
192000
2000
a to, že ne vždy chceme totéž jako ostatní.
03:29
And what's more, they felt that they should actually do things
79
194000
2000
A navíc cítily, že by měly dělat věci,
03:31
to help other people get what they wanted.
80
196000
3000
díky kterým ostatní získají, co chtějí.
03:34
Even more remarkably though,
81
199000
2000
Snad ještě pozoruhodnější skutečnost,
03:36
the fact that 15 month-olds didn't do this
82
201000
3000
že ty 15měsíční děti se tak nechovaly, naznačuje,
03:39
suggests that these 18 month-olds had learned
83
204000
3000
že 18měsíční miminka objevila
03:42
this deep, profound fact about human nature
84
207000
3000
tuto hlubokou, zásadní stránku lidské povahy
03:45
in the three months from when they were 15 months old.
85
210000
3000
během těch tří měsíců od doby, co jim bylo 15 měsíců.
03:48
So children both know more and learn more
86
213000
2000
Děti tedy vědí víc a učí se víc,
03:50
than we ever would have thought.
87
215000
2000
než bychom si kdy pomysleli.
03:52
And this is just one of hundreds and hundreds of studies over the last 20 years
88
217000
4000
A to je pouze jedna ze stovek a stovek studií za posledních 20 let,
03:56
that's actually demonstrated it.
89
221000
2000
která to dokazuje.
03:58
The question you might ask though is:
90
223000
2000
Přesto byste mohli položit otázku:
04:00
Why do children learn so much?
91
225000
3000
Proč se děti tak moc učí?
04:03
And how is it possible for them to learn so much
92
228000
2000
A jak je možné, že se naučí tolik
04:05
in such a short time?
93
230000
2000
za tak krátkou dobu?
04:07
I mean, after all, if you look at babies superficially,
94
232000
2000
Mám tím na mysli, že když se konec konců podíváte na děti povrchně,
04:09
they seem pretty useless.
95
234000
2000
jeví se dost neužitečné.
04:11
And actually in many ways, they're worse than useless,
96
236000
3000
A vlastně i v mnohých ohledech je to ještě horší,
04:14
because we have to put so much time and energy
97
239000
2000
protože musíme tolik času a energie věnovat
04:16
into just keeping them alive.
98
241000
2000
jen tomu, abychom je udrželi naživu.
04:18
But if we turn to evolution
99
243000
2000
Když ale o odpověď na tuto hádanku
04:20
for an answer to this puzzle
100
245000
2000
požádáme evoluci,
04:22
of why we spend so much time
101
247000
2000
tedy proč tolik času trávíme
04:24
taking care of useless babies,
102
249000
3000
starostí o neužitečné děti,
04:27
it turns out that there's actually an answer.
103
252000
3000
vyjeví se nám, že odpověď existuje.
04:30
If we look across many, many different species of animals,
104
255000
3000
Když se podíváme na mnoho a mnoho různorodých živočišných druhů,
04:33
not just us primates,
105
258000
2000
ne jen na nás primáty,
04:35
but also including other mammals, birds,
106
260000
2000
ale i jiné savce, ptáky,
04:37
even marsupials
107
262000
2000
či dokonce vačnatce
04:39
like kangaroos and wombats,
108
264000
2000
jako je klokan nebo wombat,
04:41
it turns out that there's a relationship
109
266000
2000
zjistíme, že existuje vztah
04:43
between how long a childhood a species has
110
268000
4000
mezi délkou mláděcího období živočišného druhu
04:47
and how big their brains are compared to their bodies
111
272000
4000
a velikostí mozku ve srovnání k jejich tělu
04:51
and how smart and flexible they are.
112
276000
2000
a tomu, jak chytří a přizpůsobiví jsou.
04:53
And sort of the posterbirds for this idea are the birds up there.
113
278000
3000
Ukázkovými ptáky této myšlenky jsou ptáci na obrazovce.
04:56
On one side
114
281000
2000
Na jedné straně máme
04:58
is a New Caledonian crow.
115
283000
2000
vránu novokaledonskou.
05:00
And crows and other corvidae, ravens, rooks and so forth,
116
285000
3000
A vrány a jiní havranovití, krkavci, havrani a podobní
05:03
are incredibly smart birds.
117
288000
2000
jsou neuvěřitelně chytří ptáci.
05:05
They're as smart as chimpanzees in some respects.
118
290000
3000
V některých ohledech jsou chytří stejně jako šimpanzi.
05:08
And this is a bird on the cover of science
119
293000
2000
A tohle je pták na obálce časopisu Science (Věda),
05:10
who's learned how to use a tool to get food.
120
295000
3000
který se naučil používat nástroj, aby získal potravu.
05:13
On the other hand,
121
298000
2000
Na druhé straně
05:15
we have our friend the domestic chicken.
122
300000
2000
je naše známá -- slepice domácí.
05:17
And chickens and ducks and geese and turkeys
123
302000
3000
A kuřata a kachny a husy a krůty
05:20
are basically as dumb as dumps.
124
305000
2000
jsou prostě natvrdlí jako vejce.
05:22
So they're very, very good at pecking for grain,
125
307000
3000
Jsou tedy velmi, velmi dobré v zobání zrní,
05:25
and they're not much good at doing anything else.
126
310000
3000
ale v ničem dalším už tak moc ne.
05:28
Well it turns out that the babies,
127
313000
2000
Ukazuje se tak, že mláďata
05:30
the New Caledonian crow babies, are fledglings.
128
315000
2000
vrány novokaledonské jsou zelenáči.
05:32
They depend on their moms
129
317000
2000
Jsou závislé na svých matkách,
05:34
to drop worms in their little open mouths
130
319000
3000
nosí jim červy až do zobáků
05:37
for as long as two years,
131
322000
2000
po dobu dvou let,
05:39
which is a really long time in the life of a bird.
132
324000
2000
což je v ptačím životě opravdu dlouhá doba.
05:41
Whereas the chickens are actually mature
133
326000
2000
Naproti tomu slepice dospějí
05:43
within a couple of months.
134
328000
2000
za několik měsíců.
05:45
So childhood is the reason
135
330000
3000
Doba dozrávání je tak důvodem,
05:48
why the crows end up on the cover of Science
136
333000
2000
proč vrány končí na obálce časopisu Science (Věda)
05:50
and the chickens end up in the soup pot.
137
335000
2000
a slepice v hrnci na polévku.
05:52
There's something about that long childhood
138
337000
3000
Na dlouhém věku dozrávání je něco,
05:55
that seems to be connected
139
340000
2000
co se zdá být propojené
05:57
to knowledge and learning.
140
342000
2000
se znalostmi a učením.
05:59
Well what kind of explanation could we have for this?
141
344000
3000
Jaké asi vysvětlení pro to máme?
06:02
Well some animals, like the chicken,
142
347000
3000
Některá zvířata, jako třeba slepice,
06:05
seem to be beautifully suited
143
350000
2000
se zdají být skvěle vybavena
06:07
to doing just one thing very well.
144
352000
2000
na vynikající vykonávání jedné jediné věci.
06:09
So they seem to be beautifully suited
145
354000
3000
Zdají se tedy být skvěle přizpůsobena
06:12
to pecking grain in one environment.
146
357000
2000
k zobání zrní v daném prostředí.
06:14
Other creatures, like the crows,
147
359000
2000
Jiní tvorové, jako třeba vrány,
06:16
aren't very good at doing anything in particular,
148
361000
2000
nejsou moc dobří v dělání něčeho konkrétního,
06:18
but they're extremely good
149
363000
2000
ale nadprůměrně dobře
06:20
at learning about laws of different environments.
150
365000
2000
se naučí principy různých prostředí.
06:22
And of course, we human beings
151
367000
2000
A samozřejmě, my lidské bytosti
06:24
are way out on the end of the distribution like the crows.
152
369000
3000
se v tomto rozdělení nacházíme ještě mnohem dál.
06:27
We have bigger brains relative to our bodies
153
372000
2000
V poměru k tělu máme mozky mnohem větší
06:29
by far than any other animal.
154
374000
2000
než jakékoli jiné zvíře.
06:31
We're smarter, we're more flexible,
155
376000
2000
Jsme chytřejší, přizpůsobivější,
06:33
we can learn more,
156
378000
2000
více se naučíme,
06:35
we survive in more different environments,
157
380000
2000
přežijeme ve více odlišných prostředích,
06:37
we migrated to cover the world and even go to outer space.
158
382000
3000
stěhovali jsme se, abychom zaplavili svět a dostali se i mimo něj.
06:40
And our babies and children are dependent on us
159
385000
3000
A naše miminka a děti na nás závisejí
06:43
for much longer than the babies of any other species.
160
388000
3000
mnohem déle než mláďata jakéhokoliv jiného druhu.
06:46
My son is 23.
161
391000
2000
Mému synovi je 23.
06:48
(Laughter)
162
393000
2000
(Smích)
06:50
And at least until they're 23,
163
395000
2000
A nejméně do třiadvaceti
06:52
we're still popping those worms
164
397000
2000
jim stále nosíme do jejich
06:54
into those little open mouths.
165
399000
3000
malých zobáčků červy.
06:57
All right, why would we see this correlation?
166
402000
3000
Dobrá, proč bychom mezi tím měli vidět souvztažnost?
07:00
Well an idea is that that strategy, that learning strategy,
167
405000
4000
Myšlenkou je, že způsob učení
07:04
is an extremely powerful, great strategy for getting on in the world,
168
409000
3000
je nesmírně mocným, skvělým způsobem pro připojení se ke světu,
07:07
but it has one big disadvantage.
169
412000
2000
ale má jednu velkou nevýhodu.
07:09
And that one big disadvantage
170
414000
2000
A tou velkou nevýhodou je,
07:11
is that, until you actually do all that learning,
171
416000
3000
že dokud se to všechno nenaučíte,
07:14
you're going to be helpless.
172
419000
2000
budete bezbranní.
07:16
So you don't want to have the mastodon charging at you
173
421000
3000
Tzn. nechcete, aby na vás zaútočil mamut
07:19
and be saying to yourself,
174
424000
2000
a vy abyste si říkali,
07:21
"A slingshot or maybe a spear might work. Which would actually be better?"
175
426000
4000
"prak, nebo možná oštěp by mohl fungovat. Co asi bude lepší?"
07:25
You want to know all that
176
430000
2000
Chcete to všechno vědět
07:27
before the mastodons actually show up.
177
432000
2000
předtím, než na mamuta narazíte.
07:29
And the way the evolutions seems to have solved that problem
178
434000
3000
A způsob, jakým se s tímto problémem vypořádala evoluce,
07:32
is with a kind of division of labor.
179
437000
2000
je způsob dělby práce.
07:34
So the idea is that we have this early period when we're completely protected.
180
439000
3000
Spočívá v myšlence, že máme to rané období, kdy jsme zcela chráněni.
07:37
We don't have to do anything. All we have to do is learn.
181
442000
3000
Nemusíme nic dělat. Jen se máme učit.
07:40
And then as adults,
182
445000
2000
A následně jako dospělí
07:42
we can take all those things that we learned when we were babies and children
183
447000
3000
můžeme uchopit všechno to, co jsme se naučili jako miminka a děti
07:45
and actually put them to work to do things out there in the world.
184
450000
3000
a použít to na různé věci v životě.
07:48
So one way of thinking about it
185
453000
2000
Jednou z možností, jak na to nahlížet, je,
07:50
is that babies and young children
186
455000
2000
že miminka a malé děti
07:52
are like the research and development division of the human species.
187
457000
3000
jsou část lidského druhu zabývající se výzkumem a vývojem.
07:55
So they're the protected blue sky guys
188
460000
3000
Jsou tedy chráněnými snílky,
07:58
who just have to go out and learn and have good ideas,
189
463000
2000
kteří jen musí jít a učit se a mít dobré nápady.
08:00
and we're production and marketing.
190
465000
2000
A my představujeme produkci a marketing.
08:02
We have to take all those ideas
191
467000
2000
My musíme vzít všechny ty myšlenky,
08:04
that we learned when we were children
192
469000
2000
které jsme získali jako děti,
08:06
and actually put them to use.
193
471000
2000
a použít je.
08:08
Another way of thinking about it
194
473000
2000
Jiným způsobem nazírání
08:10
is instead of thinking of babies and children
195
475000
2000
je místo přemýšlení o miminkách a dětech
08:12
as being like defective grownups,
196
477000
2000
jako by byly neúplnými dospívajícími,
08:14
we should think about them
197
479000
2000
přemýšlet o nich
08:16
as being a different developmental stage of the same species --
198
481000
2000
jako že se nacházejí v odlišné vývojové fázi totožného druhu --
08:18
kind of like caterpillars and butterflies --
199
483000
3000
podobně jako housenky a motýli --
08:21
except that they're actually the brilliant butterflies
200
486000
2000
až na to, že oni už jsou brilantními motýly,
08:23
who are flitting around the garden and exploring,
201
488000
3000
kteří poletují nad zahradou a objevují ji,
08:26
and we're the caterpillars
202
491000
2000
a my jsme housenky,
08:28
who are inching along our narrow, grownup, adult path.
203
493000
3000
které se plazí svou danou, zralou, dospělou cestou.
08:31
If this is true, if these babies are designed to learn --
204
496000
3000
Pokud tomu tak je, pokud jsou tyto děti stvořené k učení --
08:34
and this evolutionary story would say children are for learning,
205
499000
3000
a příběh evoluce nastiňuje, že děti jsou tu kvůli učení,
08:37
that's what they're for --
206
502000
2000
přesně na to jsou --
08:39
we might expect
207
504000
2000
mohli bychom očekávat,
08:41
that they would have really powerful learning mechanisms.
208
506000
2000
že mají vskutku mocný mechanismus učení.
08:43
And in fact, the baby's brain
209
508000
3000
A skutečně, mozek miminka
08:46
seems to be the most powerful learning computer
210
511000
2000
se zdá být tím nejmocnějším učícím se počítačem
08:48
on the planet.
211
513000
2000
na Zemi.
08:50
But real computers are actually getting to be a lot better.
212
515000
3000
Ale skutečné počítače jsou na tom mnohem lépe.
08:53
And there's been a revolution
213
518000
2000
A v našem chápání strojového učení
08:55
in our understanding of machine learning recently.
214
520000
2000
proběhla nedávno revoluce.
08:57
And it all depends on the ideas of this guy,
215
522000
3000
A celé to vychází z poznatků tohoto muže,
09:00
the Reverend Thomas Bayes,
216
525000
2000
reverenda Thomase Bayese,
09:02
who was a statistician and mathematician in the 18th century.
217
527000
3000
statistika a matematika 18. století.
09:05
And essentially what Bayes did
218
530000
3000
V podstatě Bayes poskytl
09:08
was to provide a mathematical way
219
533000
2000
matematický způsob
09:10
using probability theory
220
535000
2000
užití teorie pravděpodobnosti
09:12
to characterize, describe,
221
537000
2000
pro charakteristiku, popis způsobu,
09:14
the way that scientists find out about the world.
222
539000
2000
jakým vědci objevují svět.
09:16
So what scientists do
223
541000
2000
Vědci mají hypotézu,
09:18
is they have a hypothesis that they think might be likely to start with.
224
543000
3000
o které se domnívají, že by se od ní mohli odpíchnout.
09:21
They go out and test it against the evidence.
225
546000
2000
Jdou a porovnávají ji se skutečností.
09:23
The evidence makes them change that hypothesis.
226
548000
2000
Skutečnosti je donutí hypotézu změnit.
09:25
Then they test that new hypothesis
227
550000
2000
Potom tuto novou hypotézu testují
09:27
and so on and so forth.
228
552000
2000
a tak dál a tak podobně.
09:29
And what Bayes showed was a mathematical way that you could do that.
229
554000
3000
A Bayes poukázal na matematický způsob, kterým by to šlo provést.
09:32
And that mathematics is at the core
230
557000
2000
A matematika je v samém jádru
09:34
of the best machine learning programs that we have now.
231
559000
2000
těch nejlepších učících se programů, které teď máme.
09:36
And some 10 years ago,
232
561000
2000
A před nějakými 10 lety
09:38
I suggested that babies might be doing the same thing.
233
563000
4000
jsem předestřela, že miminka by se mohla chovat stejně.
09:42
So if you want to know what's going on
234
567000
2000
Pokud vás tedy zajímá, co se odehrává
09:44
underneath those beautiful brown eyes,
235
569000
2000
pod těma nádhernýma hnědýma očima,
09:46
I think it actually looks something like this.
236
571000
2000
vypadá to podle mě nějak takhle.
09:48
This is Reverend Bayes's notebook.
237
573000
2000
Tohle je zápisník reverenda Bayese.
09:50
So I think those babies are actually making complicated calculations
238
575000
3000
Vypadá to, že ta miminka vlastně provádějí složité propočty
09:53
with conditional probabilities that they're revising
239
578000
3000
s podmíněnými pravděpodobnostmi, které upravují,
09:56
to figure out how the world works.
240
581000
2000
aby zjistila, jak to na světě chodí.
09:58
All right, now that might seem like an even taller order to actually demonstrate.
241
583000
4000
To může vypadat jako ještě mnohem vyšší dovednost než jsem doposud předváděla.
10:02
Because after all, if you ask even grownups about statistics,
242
587000
2000
Protože když se i dospěláků zeptáte na statistiku,
10:04
they look extremely stupid.
243
589000
2000
vypadají hodně hloupě.
10:06
How could it be that children are doing statistics?
244
591000
3000
Jak je potom možné, že statistiku provádějí malé děti?
10:09
So to test this we used a machine that we have
245
594000
2000
Abychom to ověřili, použili jsme přístroj
10:11
called the Blicket Detector.
246
596000
2000
s názvem Blicket Detector.
10:13
This is a box that lights up and plays music
247
598000
2000
Jde o skříňku, která se rozsvítí a hraje hudbu,
10:15
when you put some things on it and not others.
248
600000
3000
když na ni položíte jen určité věci.
10:18
And using this very simple machine,
249
603000
2000
A za použití tohoto velmi jednoduchého přístroje
10:20
my lab and others have done dozens of studies
250
605000
2000
jsem se svými výzkumníky provedla tucty studií
10:22
showing just how good babies are
251
607000
2000
prokazujících, jak jsou miminka dobrá
10:24
at learning about the world.
252
609000
2000
v objevování světa.
10:26
Let me mention just one
253
611000
2000
Dovolím si zmínit jednu z nich,
10:28
that we did with Tumar Kushner, my student.
254
613000
2000
kterou jsme provedli s Tumarem Kushnerem, mým studentem.
10:30
If I showed you this detector,
255
615000
2000
Když vám ukáži tento detektor,
10:32
you would be likely to think to begin with
256
617000
2000
asi byste si pomysleli
10:34
that the way to make the detector go
257
619000
2000
že detektor funguje tak,
10:36
would be to put a block on top of the detector.
258
621000
3000
že na něj položíte kvádr.
10:39
But actually, this detector
259
624000
2000
Tento detektor ale funguje
10:41
works in a bit of a strange way.
260
626000
2000
trochu zvláštním způsobem.
10:43
Because if you wave a block over the top of the detector,
261
628000
3000
Protože pokud kvádrem zamáváte nad detektorem,
10:46
something you wouldn't ever think of to begin with,
262
631000
3000
tedy provedete činnost, kterou byste asi neprovedli jako první,
10:49
the detector will actually activate two out of three times.
263
634000
3000
detektor se aktivuje ze tří pokusů dvakrát.
10:52
Whereas, if you do the likely thing, put the block on the detector,
264
637000
3000
Zatímco když uděláte pravděpodobnou věc, položíte kvádr na detektor,
10:55
it will only activate two out of six times.
265
640000
4000
aktivujete detektor jen dvakrát ze šesti pokusů.
10:59
So the unlikely hypothesis
266
644000
2000
Nepravděpodobná hypotéza
11:01
actually has stronger evidence.
267
646000
2000
tedy zaznamenává vyšší výskyt.
11:03
It looks as if the waving
268
648000
2000
Zdá se, že mávání
11:05
is a more effective strategy than the other strategy.
269
650000
2000
je účinnější strategií než je ta druhá.
11:07
So we did just this; we gave four year-olds this pattern of evidence,
270
652000
3000
Provedli jsme tedy jen toto: dali jsme čtyřletým dětem tento zřejmý vzorec,
11:10
and we just asked them to make it go.
271
655000
2000
a požádali je, aby to uvedli do provozu.
11:12
And sure enough, the four year-olds used the evidence
272
657000
3000
A skutečně ty čtyřleté děti použily tyto vzorce,
11:15
to wave the object on top of the detector.
273
660000
3000
aby zamávaly věcí nad detektorem.
11:18
Now there are two things that are really interesting about this.
274
663000
3000
Na této věci jsou dvě velmi zajímavé skutečnosti.
11:21
The first one is, again, remember, these are four year-olds.
275
666000
3000
První je, znovu připomínám, že jde o čtyřleté děti.
11:24
They're just learning how to count.
276
669000
2000
Teprve se učí počítat.
11:26
But unconsciously,
277
671000
2000
Ale nevědomě
11:28
they're doing these quite complicated calculations
278
673000
2000
provádějí tyto poměrně složité propočty,
11:30
that will give them a conditional probability measure.
279
675000
3000
které jim poskytnou měřítko podmíněné pravděpodobnosti.
11:33
And the other interesting thing
280
678000
2000
A druhou zajímavou skutečností je,
11:35
is that they're using that evidence
281
680000
2000
že používají tyto vzorce,
11:37
to get to an idea, get to a hypothesis about the world,
282
682000
3000
aby zjistily, získaly takovou hypotézu o světě,
11:40
that seems very unlikely to begin with.
283
685000
3000
která se by vás jako první asi nenapadla.
11:43
And in studies we've just been doing in my lab, similar studies,
284
688000
3000
A ve studiích, které jsme prováděli v laboratoři, při podobných studiích,
11:46
we've show that four year-olds are actually better
285
691000
2000
jsme ukázali, že čtyřleté děti jsou vlastně lepší
11:48
at finding out an unlikely hypothesis
286
693000
3000
v objevení nepravděpodobné hypotézy,
11:51
than adults are when we give them exactly the same task.
287
696000
3000
než jsou dospělí, kterým zadáte stejný úkol.
11:54
So in these circumstances,
288
699000
2000
Za těchto okolností
11:56
the children are using statistics to find out about the world,
289
701000
3000
užívají děti statistiku, když se učí o světě,
11:59
but after all, scientists also do experiments,
290
704000
3000
ale vědci provádějí i experimenty,
12:02
and we wanted to see if children are doing experiments.
291
707000
3000
a my chtěli vědět, jestli je provádějí i děti.
12:05
When children do experiments we call it "getting into everything"
292
710000
3000
Když děti experimentují, říkáme tomu "přicházejí věcem na kloub"
12:08
or else "playing."
293
713000
2000
nebo jinak, že si "hrají".
12:10
And there's been a bunch of interesting studies recently
294
715000
3000
A nedávno bylo provedeno několik studií,
12:13
that have shown this playing around
295
718000
3000
které prokázaly, že toto hraní
12:16
is really a kind of experimental research program.
296
721000
2000
je skutečně takovým experimentálním výzkumným programem.
12:18
Here's one from Cristine Legare's lab.
297
723000
3000
Zde je jedna studie z laboratoře Cristine Legare.
12:21
What Cristine did was use our Blicket Detectors.
298
726000
3000
Cristine použila naše detektory.
12:24
And what she did was show children
299
729000
2000
A ukázala dětem,
12:26
that yellow ones made it go and red ones didn't,
300
731000
2000
že žluté věci detektor spustí a červené ne.
12:28
and then she showed them an anomaly.
301
733000
3000
A pak jim ukázala odchylku.
12:31
And what you'll see
302
736000
2000
A uvidíte,
12:33
is that this little boy will go through five hypotheses
303
738000
3000
že tento klučina si ověří pět hypotéz
12:36
in the space of two minutes.
304
741000
3000
v průběhu dvou minut.
12:39
(Video) Boy: How about this?
305
744000
3000
(Video) Chlapec: A co takhle?
12:43
Same as the other side.
306
748000
3000
A stejně na druhé straně.
12:46
Alison Gopnik: Okay, so his first hypothesis has just been falsified.
307
751000
4000
Alison Gopnik: Jeho první hypotéza byla právě vyvrácena.
12:55
(Laughter)
308
760000
2000
(Smích)
12:57
Boy: This one lighted up, and this one nothing.
309
762000
3000
Chlapec: Ta první se rozsvítila a tahle ne.
13:00
AG: Okay, he's got his experimental notebook out.
310
765000
3000
AG: OK, právě vytáhl svůj pokusnický zápisník.
13:06
Boy: What's making this light up.
311
771000
4000
Chlapec: Jak rozsvítit tuhle?
13:11
(Laughter)
312
776000
9000
(Smích)
13:20
I don't know.
313
785000
2000
Nevím.
13:22
AG: Every scientist will recognize that expression of despair.
314
787000
4000
AG: Každý vědec zná ten výraz zoufalství.
13:26
(Laughter)
315
791000
3000
(Smích)
13:29
Boy: Oh, it's because this needs to be like this,
316
794000
6000
Chlapec: Aha, tohle musí být takto
13:35
and this needs to be like this.
317
800000
2000
a tohle takto.
13:37
AG: Okay, hypothesis two.
318
802000
3000
AG: Takže, druhá hypotéza.
13:40
Boy: That's why.
319
805000
2000
Chlapec: Tak je to.
13:42
Oh.
320
807000
2000
Ach.
13:44
(Laughter)
321
809000
5000
(Smích)
13:49
AG: Now this is his next idea.
322
814000
2000
AG: Tohle je jeho další nápad.
13:51
He told the experimenter to do this,
323
816000
2000
Požádal výzkumnici, aby zkusila
13:53
to try putting it out onto the other location.
324
818000
4000
jeden detektor položit na druhý.
13:57
Not working either.
325
822000
2000
Ani to nefunguje.
14:02
Boy: Oh, because the light goes only to here,
326
827000
4000
Chlapec: Aha, protože světlo jde jen sem,
14:06
not here.
327
831000
3000
ale ne sem.
14:09
Oh, the bottom of this box
328
834000
3000
Spodek této skříňky
14:12
has electricity in here,
329
837000
2000
má elektřinu tady,
14:14
but this doesn't have electricity.
330
839000
2000
ale tenhle elektřinu nemá.
14:16
AG: Okay, that's a fourth hypothesis.
331
841000
2000
AG: To je jeho čtvrtá hypotéza.
14:18
Boy: It's lighting up.
332
843000
2000
Chlapec: Svítí.
14:20
So when you put four.
333
845000
5000
Musíš dát čtyři.
14:26
So you put four on this one to make it light up
334
851000
3000
Na tenhle musíš položit čtyři, aby svítil
14:29
and two on this one to make it light up.
335
854000
2000
a na tenhle stačí dvě.
14:31
AG: Okay,there's his fifth hypothesis.
336
856000
2000
AG: A to je jeho pátá hypotéza.
14:33
Now that is a particularly --
337
858000
3000
V tomto případě se jedná --
14:36
that is a particularly adorable and articulate little boy,
338
861000
3000
v tomto případě jde o roztomilého a výřečného chlapečka,
14:39
but what Cristine discovered is this is actually quite typical.
339
864000
3000
Cristine ale přišla na to, že tohle je vlastně celkem typické.
14:42
If you look at the way children play, when you ask them to explain something,
340
867000
3000
Když sledujete, jak si děti hrají a požádáte je, aby vám něco vysvětlily,
14:45
what they really do is do a series of experiments.
341
870000
3000
pustí se do série pokusů.
14:48
This is actually pretty typical of four year-olds.
342
873000
3000
To je pro čtyřleté poměrně typické.
14:51
Well, what's it like to be this kind of creature?
343
876000
3000
No a jaké to je být takovou bytostí?
14:54
What's it like to be one of these brilliant butterflies
344
879000
3000
Jaké to je být jedním z těch skvostných motýlů,
14:57
who can test five hypotheses in two minutes?
345
882000
3000
kteří ověří během dvou minut pět hypotéz?
15:00
Well, if you go back to those psychologists and philosophers,
346
885000
3000
No, pokud byste se obrátili na psychology a filozofy,
15:03
a lot of them have said
347
888000
2000
mnozí by vám řekli,
15:05
that babies and young children were barely conscious
348
890000
2000
že miminka a děti si spoustu věcí neuvědomují,
15:07
if they were conscious at all.
349
892000
2000
pokud si vůbec něco uvědomují.
15:09
And I think just the opposite is true.
350
894000
2000
Ale já si myslím, že je tomu právě naopak.
15:11
I think babies and children are actually more conscious than we are as adults.
351
896000
3000
Podle mě miminka a děti si toho uvědomují mnohem víc než my dospělí.
15:14
Now here's what we know about how adult consciousness works.
352
899000
3000
Víme, že vědomí dospělých funguje následovně:
15:17
And adults' attention and consciousness
353
902000
2000
Pozornost a vědomí dospělých
15:19
look kind of like a spotlight.
354
904000
2000
vypadají tak trochu jako bodový reflektor.
15:21
So what happens for adults
355
906000
2000
U nás dospělých dochází k tomu,
15:23
is we decide that something's relevant or important,
356
908000
2000
že se rozhodujeme, že něco je relevantní nebo důležité
15:25
we should pay attention to it.
357
910000
2000
a měli bychom tomu věnovat pozornost.
15:27
Our consciousness of that thing that we're attending to
358
912000
2000
Vědomí upřené na danou věc
15:29
becomes extremely bright and vivid,
359
914000
3000
se stane neobyčejně jasné a živoucí
15:32
and everything else sort of goes dark.
360
917000
2000
a všechno ostatní se dostává do stínu.
15:34
And we even know something about the way the brain does this.
361
919000
3000
A víme něco i o způsobu, jakým k tomu v mozku dochází.
15:37
So what happens when we pay attention
362
922000
2000
Pokud tedy něčemu věnujeme pozornost,
15:39
is that the prefrontal cortex, the sort of executive part of our brains,
363
924000
3000
prefrontální kortex, taková výkonná část našeho mozku,
15:42
sends a signal
364
927000
2000
vyšle signál,
15:44
that makes a little part of our brain much more flexible,
365
929000
2000
díky kterému se stane malá část našeho mozku flexibilnější,
15:46
more plastic, better at learning,
366
931000
2000
plastičtější, lepší v učení se,
15:48
and shuts down activity
367
933000
2000
a vypne činnost
15:50
in all the rest of our brains.
368
935000
2000
ve zbytku mozku.
15:52
So we have a very focused, purpose-driven kind of attention.
369
937000
4000
Máme tedy velmi zaměřenou pozornost orientovanou na cíl.
15:56
If we look at babies and young children,
370
941000
2000
Pokud se podíváme na miminka a děti,
15:58
we see something very different.
371
943000
2000
uvidíme něco velmi odlišného.
16:00
I think babies and young children
372
945000
2000
Myslím, že vědomí
16:02
seem to have more of a lantern of consciousness
373
947000
2000
u miminek a dětí vypadá spíše jako lucerna
16:04
than a spotlight of consciousness.
374
949000
2000
než jako bodový reflektor.
16:06
So babies and young children are very bad
375
951000
3000
Proto miminkám a dětem moc nejde
16:09
at narrowing down to just one thing.
376
954000
3000
soustředit se na jedinou věc.
16:12
But they're very good at taking in lots of information
377
957000
3000
Jsou ale velice dobré v přijímání spousty informací
16:15
from lots of different sources at once.
378
960000
2000
z mnoha různých zdrojů najednou.
16:17
And if you actually look in their brains,
379
962000
2000
A pokud se podíváte na jejich mozek,
16:19
you see that they're flooded with these neurotransmitters
380
964000
3000
uvidíte, že je zaplavený těmi neuropřenašeči,
16:22
that are really good at inducing learning and plasticity,
381
967000
2000
které velmi dobře vyvolávají učení a přizpůsobivost,
16:24
and the inhibitory parts haven't come on yet.
382
969000
3000
a to se ještě neobjevily tlumicí mechanismy.
16:27
So when we say that babies and young children
383
972000
2000
Pokud tedy tvrdíme, že miminka a děti
16:29
are bad at paying attention,
384
974000
2000
se špatně soustředí,
16:31
what we really mean is that they're bad at not paying attention.
385
976000
4000
máme ve skutečnosti na mysli, že jim nejde se nesoustředit.
16:35
So they're bad at getting rid
386
980000
2000
To znamená, že jim nejde zbavit se
16:37
of all the interesting things that could tell them something
387
982000
2000
všech těch zajímavých věcí, které by jim mohly něco napovědět,
16:39
and just looking at the thing that's important.
388
984000
2000
a věnovat se jen věci, která je důležitá.
16:41
That's the kind of attention, the kind of consciousness,
389
986000
3000
Jde o ten druh pozornosti, druh vědomí,
16:44
that we might expect
390
989000
2000
který bychom očekávali
16:46
from those butterflies who are designed to learn.
391
991000
2000
u těch motýlů, kteří byli navrženi k tomu, aby se učili.
16:48
Well if we want to think about a way
392
993000
2000
Pokud se chceme zamyslet nad způsobem,
16:50
of getting a taste of that kind of baby consciousness as adults,
393
995000
4000
jak jako dospělí můžeme vyzkoušet, jak vnímají miminka a děti,
16:54
I think the best thing is think about cases
394
999000
2000
pak podle mě je nejlepší přemýšlet nad případy,
16:56
where we're put in a new situation that we've never been in before --
395
1001000
3000
kdy se ocitneme v nové situaci, která se nám nikdy předtím nestala --
16:59
when we fall in love with someone new,
396
1004000
2000
když se zamilujeme do někoho nového,
17:01
or when we're in a new city for the first time.
397
1006000
3000
nebo když se poprvé ocitneme v novém městě.
17:04
And what happens then is not that our consciousness contracts,
398
1009000
2000
Tehdy se naše vědomí nestáhne do sebe,
17:06
it expands,
399
1011000
2000
ale roztáhne se,
17:08
so that those three days in Paris
400
1013000
2000
proto nám ty tři dny v Paříži
17:10
seem to be more full of consciousness and experience
401
1015000
2000
připadají bohatější na vědomí a zážitky
17:12
than all the months of being
402
1017000
2000
spíše než všechny ty měsíce strávené doma
17:14
a walking, talking, faculty meeting-attending zombie back home.
403
1019000
4000
chozením, mluvením, účastí na fakultních schůzích.
17:18
And by the way, that coffee,
404
1023000
2000
A mimochodem, ta káva,
17:20
that wonderful coffee you've been drinking downstairs,
405
1025000
2000
ta lahodná káva, kterou jste si dávali o přestávce,
17:22
actually mimics the effect
406
1027000
2000
vlastně napodobuje účinek
17:24
of those baby neurotransmitters.
407
1029000
2000
neuropřenašečů miminek.
17:26
So what's it like to be a baby?
408
1031000
2000
Jaké tedy je být miminkem?
17:28
It's like being in love
409
1033000
2000
Je to jako být zamilovaný
17:30
in Paris for the first time
410
1035000
2000
poprvé v Paříži poté,
17:32
after you've had three double-espressos.
411
1037000
2000
co jste vypili tři dvojité kávy.
17:34
(Laughter)
412
1039000
3000
(Smích)
17:37
That's a fantastic way to be,
413
1042000
2000
Jde o skvělý způsob bytí,
17:39
but it does tend to leave you waking up crying at three o'clock in the morning.
414
1044000
4000
ale směřuje to k tomu, že ve tři hodiny ráno jste vzhůru a brečíte.
17:43
(Laughter)
415
1048000
3000
(Smích)
17:46
Now it's good to be a grownup.
416
1051000
2000
Teď je dobré být dospělým.
17:48
I don't want to say too much about how wonderful babies are.
417
1053000
2000
Nechci mluvit přespříliš o tom, jak skvostná miminka jsou.
17:50
It's good to be a grownup.
418
1055000
2000
Je dobré být dospělý.
17:52
We can do things like tie our shoelaces and cross the street by ourselves.
419
1057000
3000
Můžeme dělat věci jako zavázat si tkaničky a přejít sami ulici.
17:55
And it makes sense that we put a lot of effort
420
1060000
2000
A dává smysl, že věnujeme spoustu úsilí tomu,
17:57
into making babies think like adults do.
421
1062000
4000
abychom naučili přemýšlet miminka jako dospělé.
18:01
But if what we want is to be like those butterflies,
422
1066000
3000
Ale pokud chceme být jako ti motýli,
18:04
to have open-mindedness, open learning,
423
1069000
3000
mít otevřenou mysl, být otevřeni učení,
18:07
imagination, creativity, innovation,
424
1072000
2000
představivosti, tvořivosti, inovacím,
18:09
maybe at least some of the time
425
1074000
2000
pak alespoň někdy
18:11
we should be getting the adults
426
1076000
2000
bychom měli dospělé přinutit,
18:13
to start thinking more like children.
427
1078000
2000
aby začali více přemýšlet jako děti.
18:15
(Applause)
428
1080000
8000
(Potlesk)
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