TEDGlobal 2011
Alison Gopnik: What do babies think?
آلیسون گوپنیک: بچه‌ها به چي فکر می‌کنن؟
Filmed:
Readability: 3.4
4,341,974 views
آلیسون گوپنیک، که یک روانشناس است می‌گوید: خردسالان و کودکان همچون بخش تحقیق و توسعه گونه‌های انسانی هستند: تحقیقات وی بررسی نحوه تصمیم‌گیری و تفكر پیچیده هوشمندي است كه خردسالان و کودکان هنگام بازی عملا نشان میدهند.
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
در ذهن این بچه
00:17
in this baby's mind?
1
2000
2000
چی میگذره؟
00:19
If you'd asked people this 30 years ago,
2
4000
2000
اگه شما این سوالو 30 سال پیش از مردم میکردی
00:21
most people, including psychologists,
3
6000
2000
بیشتر مردم, از جمله روانشناسان
00:23
would have said that this baby was irrational,
4
8000
3000
میگفتن این بچه غیر منطقی
00:26
illogical, egocentric --
5
11000
2000
نامعقول و خودخواهه-
00:28
that he couldn't take the perspective of another person
6
13000
2000
که نمیتونه دیدگاه شخص دیگری را بپذیره
00:30
or understand cause and effect.
7
15000
2000
یا علت ومعلول را بفهمه.
00:32
In the last 20 years,
8
17000
2000
در 20 سال گذشته
00:34
developmental science has completely overturned that picture.
9
19000
3000
علوم رشدی این تصویرو کاملا دگرگون کرده‌اند.
00:37
So in some ways,
10
22000
2000
درنتیجه به دلايلي
00:39
we think that this baby's thinking
11
24000
2000
ما فکر میکنیم که تفکر این کودک
00:41
is like the thinking of the most brilliant scientists.
12
26000
4000
مثل تفکر شاخص‌ترینِ دانشمندان است.
00:45
Let me give you just one example of this.
13
30000
2000
بذارید یک مثال در این خصوص براتون بزنم.
00:47
One thing that this baby could be thinking about,
14
32000
3000
یک چیزی که این بچه میتونه در حال فکرکردن به اون باشه،
00:50
that could be going on in his mind,
15
35000
2000
که میتونه در ذهنش باشه،
00:52
is trying to figure out
16
37000
2000
اینه که تلاش کنه بفهمه
00:54
what's going on in the mind of that other baby.
17
39000
3000
که در ذهن اون یکی بچه چی میگذره.
00:57
After all, one of the things that's hardest for all of us to do
18
42000
3000
در هر حال، یکی از مشکلترین کارها برای همه ما
01:00
is to figure out what other people are thinking and feeling.
19
45000
3000
فهمیدن اینه که باقی افراد به چی فکر می‌کنن و چه احساسی دارن.
01:03
And maybe the hardest thing of all
20
48000
2000
و شاید سخت‌ترین آنها
01:05
is to figure out that what other people think and feel
21
50000
3000
فهمیدن اینه که فکر و احساس ساير افراد
01:08
isn't actually exactly like what we think and feel.
22
53000
2000
دقیقا شبیه فکر و احساس ما نیست.
01:10
Anyone who's followed politics can testify
23
55000
2000
هر كسي كه در سياست فعال بوده میتونه تاييد كنه
01:12
to how hard that is for some people to get.
24
57000
3000
که براي بعضي افراد اين كار (درك فكر و احساس آدمهاي ديگه) چقدر سخته.
01:15
We wanted to know
25
60000
2000
ما می‌خواستیم بدونیم
01:17
if babies and young children
26
62000
2000
آيا خردسالان و کودکان
01:19
could understand this really profound thing about other people.
27
64000
3000
می‌تونند واقعا این مساله عمیق رو درباره ساير افراد بفهمند؟
01:22
Now the question is: How could we ask them?
28
67000
2000
حالا سوال اینه: ما چطور از اونا اينو مي‌پرسيديم؟
01:24
Babies, after all, can't talk,
29
69000
2000
از همه اينها گذشته، خردسالان نمی‌تونند خوب حرف بزنند
01:26
and if you ask a three year-old
30
71000
2000
و اگه شما از یک بچه 3 ساله بپرسید
01:28
to tell you what he thinks,
31
73000
2000
که بهتون بگه به چي فکر میکنه
01:30
what you'll get is a beautiful stream of consciousness monologue
32
75000
3000
آن چیزی که دستگیرتون میشه یک روند صحبت زيبا و هشيارانه با خود
01:33
about ponies and birthdays and things like that.
33
78000
3000
درباره اسب‌هاي كوچولو و جشن تولدها و چیزهایی شبیه اینه.
01:36
So how do we actually ask them the question?
34
81000
3000
حالا ما واقعا چطور سوالات را ازشون مي‌پرسیم؟
01:39
Well it turns out that the secret was broccoli.
35
84000
3000
خوب این این كار با راز بروکلی انجام شد.
01:42
What we did -- Betty Rapacholi, who was one of my students, and I --
36
87000
4000
آنچه ما - يعني بتی راپاچولی که یکی از دانشجویانم بود و من-انجام دادیم
01:46
was actually to give the babies two bowls of food:
37
91000
3000
اين بود كه دو کاسه غذا به بچه‌ها داديم:
01:49
one bowl of raw broccoli
38
94000
2000
یک کاسه کلم بروکلی خام
01:51
and one bowl of delicious goldfish crackers.
39
96000
3000
و یک کاسه از نوعی شیرینی خوشمزه.
01:54
Now all of the babies, even in Berkley,
40
99000
3000
حالا همه خردسالان حتی در برکلی (Berkley)
01:57
like the crackers and don't like the raw broccoli.
41
102000
3000
شیرینی را دوست دارن و کلم بروکلی خامو دوست ندارن.
02:00
(Laughter)
42
105000
2000
(خنده حاضرين)
02:02
But then what Betty did
43
107000
2000
ولی بعد آنچه بتی انجام داد
02:04
was to take a little taste of food from each bowl.
44
109000
3000
اين بود كه از هركاسه يه كم غذاها رو مزه كرد.
02:07
And she would act as if she liked it or she didn't.
45
112000
2000
و طوري رفتار مي‌كرد كه نشون مي‌داد اون غذارو دوست داره یا نداره.
02:09
So half the time, she acted
46
114000
2000
در نتیجه نصفی از زمان را
02:11
as if she liked the crackers and didn't like the broccoli --
47
116000
2000
صرف اين كرد که نشون بده او شیرینی هارودوست داره و کلم بروکلیرو دوست نداره-
02:13
just like a baby and any other sane person.
48
118000
3000
مانند یک بچه و هرشخص عاقل دیگری.
02:16
But half the time,
49
121000
2000
اما نصف ديگر زمان رو
02:18
what she would do is take a little bit of the broccoli
50
123000
2000
صرف مزه کردن کمی بروکلی
02:20
and go, "Mmmmm, broccoli.
51
125000
3000
و گفتن اين كرد كه "اوممممممممم بروکلی.
02:23
I tasted the broccoli. Mmmmm."
52
128000
3000
من بروکلی خوردم. اوممممممم"
02:26
And then she would take a little bit of the crackers,
53
131000
2000
و بعد او یک تکه از شیرینی را مزه مي‌کرد،
02:28
and she'd go, "Eww, yuck, crackers.
54
133000
4000
و می‌گفت "اییییی شیرینی.
02:32
I tasted the crackers. Eww, yuck."
55
137000
3000
من شیرینی خوردم. ایییییی."
02:35
So she'd act as if what she wanted
56
140000
2000
در نتیجه او طوري عمل كرد كه انگار
02:37
was just the opposite of what the babies wanted.
57
142000
3000
چيزي كه اون مي‌خواد درست برعکس چیزیه كه بچه‌ها مي‌خوان.
02:40
We did this with 15 and 18 month-old babies.
58
145000
2000
ما اینو با بچه‌های 15 تا 18 ماهه انجام دادیم.
02:42
And then she would simply put her hand out and say,
59
147000
3000
و بعد او بايد دستشو دراز می‌کرد و می‌گفت
02:45
"Can you give me some?"
60
150000
2000
"میتونی یه کم به من بدی؟"
02:47
So the question is: What would the baby give her,
61
152000
2000
ما مي‌خواستيم ببينيم كه بچه‌ها چه چیزی بهش میدن
02:49
what they liked or what she liked?
62
154000
2000
آنچه که خودشون دوست داشتن یا آن چیزی که او دوست داشت؟
02:51
And the remarkable thing was that 18 month-old babies,
63
156000
3000
و مسئله قابل توجه این بود که بچه‌های 18 ماهه
02:54
just barely walking and talking,
64
159000
2000
كه به سختي ميتونستن راه برن يا حرف بزنن
02:56
would give her the crackers if she liked the crackers,
65
161000
3000
اگه شیرینی دوست داشت به او شیرینی ميدادن
02:59
but they would give her the broccoli if she liked the broccoli.
66
164000
3000
و اگه بروکلی دوست داشت بروکلی ميدادن.
03:02
On the other hand,
67
167000
2000
از طرف دیگه،
03:04
15 month-olds would stare at her for a long time
68
169000
2000
بچه‌های 15 ماهه كلي بهش زل مي‌زدن
03:06
if she acted as if she liked the broccoli,
69
171000
2000
و اگه طوری رفتار کرده بود که بروکلی دوست داره
03:08
like they couldn't figure this out.
70
173000
3000
انگار اونا درك نمي‌كردن.
03:11
But then after they stared for a long time,
71
176000
2000
و بعد از اینکه بهش كلي زل مي‌زدن
03:13
they would just give her the crackers,
72
178000
2000
فقط بهش شیرینی ميدادن،
03:15
what they thought everybody must like.
73
180000
2000
يعني چیزی که اونا فکر مي‌کردن همه باید دوست داشته باشن.
03:17
So there are two really remarkable things about this.
74
182000
3000
در نتیجه دو چیز قابل توجه در اين‌باره وجود داره.
03:20
The first one is that these little 18 month-old babies
75
185000
3000
اولیش اینه که این خردسالان 18 ماهه
03:23
have already discovered
76
188000
2000
قبلا
03:25
this really profound fact about human nature,
77
190000
2000
این اصل واقعا عمیق رو درباره طبیعت انسان كشف كردن
03:27
that we don't always want the same thing.
78
192000
2000
که ما همیشه یک چیزو نمیخواهیم.
03:29
And what's more, they felt that they should actually do things
79
194000
2000
و افزون بر اين، اونا احساس كردند که باید کار رو
03:31
to help other people get what they wanted.
80
196000
3000
طوري انجام بدن كه به ديگران كمك كنه به آنچه كه می‌خوان برسن.
03:34
Even more remarkably though,
81
199000
2000
حتی قابل‌توجه‌تر اينکه
03:36
the fact that 15 month-olds didn't do this
82
201000
3000
اين حقيقت که خردسالان 15 ماهه اين كار رو نكردن
03:39
suggests that these 18 month-olds had learned
83
204000
3000
نشون ميده که این خردسالان 18 ماهه
03:42
this deep, profound fact about human nature
84
207000
3000
این اصل عمیق و ژرفو درباره طبیعت انسان
03:45
in the three months from when they were 15 months old.
85
210000
3000
در طي این 3 ماهي كه از پانزده‌ماهگي‌شون گذشته بود یادگرفته بودند.
03:48
So children both know more and learn more
86
213000
2000
در نتیجه بچه‌ها
03:50
than we ever would have thought.
87
215000
2000
از آنچه كه ما فکر می‌کردیم هم بیشتر میدونن و یاد میگیرن.
03:52
And this is just one of hundreds and hundreds of studies over the last 20 years
88
217000
4000
و این فقط یکی از صدها و صدها مطالعات انجام شده در بیست سال گذشته است
03:56
that's actually demonstrated it.
89
221000
2000
که عملا آن را نشان می‌دهد.
03:58
The question you might ask though is:
90
223000
2000
سوالی که شما ممکنه بپرسید اینه:
04:00
Why do children learn so much?
91
225000
3000
چرا بچه‌ها اینقدر زیاد یاد میگیرن؟
04:03
And how is it possible for them to learn so much
92
228000
2000
و چطور ممكنه كه بتونن
04:05
in such a short time?
93
230000
2000
در یک دوره زماني کوتاه انقدر زياد ياد بگيرن؟
04:07
I mean, after all, if you look at babies superficially,
94
232000
2000
منظورم اینه که اگه به بچه‌ها سرسری نگاه کنیم
04:09
they seem pretty useless.
95
234000
2000
اونا كاملا به دردنخور به نظر می‌رسن.
04:11
And actually in many ways, they're worse than useless,
96
236000
3000
و در واقع به انحاء مختلف، اونا از به دردنخور هم بدترن،
04:14
because we have to put so much time and energy
97
239000
2000
چرا که ما مجبوریم زمان و انرژی زیادی صرف
04:16
into just keeping them alive.
98
241000
2000
زنده نگه داشتن اونا بکنیم.
04:18
But if we turn to evolution
99
243000
2000
اما اگه
04:20
for an answer to this puzzle
100
245000
2000
برای پاسخ این معما که
04:22
of why we spend so much time
101
247000
2000
چرا ما زمان زیادی صرف
04:24
taking care of useless babies,
102
249000
3000
مراقبت از این بچه‌های بی‌استفاده مي‌كنيم به تكامل نگاه كنيم
04:27
it turns out that there's actually an answer.
103
252000
3000
معلوم میشه که واقعا یک جواب وجود داره.
04:30
If we look across many, many different species of animals,
104
255000
3000
اگه ما انواع گونه‌های حیوانی رو بررسي كنيم،
04:33
not just us primates,
105
258000
2000
نه فقط به گونه‌هاي نخستي‌ها
04:35
but also including other mammals, birds,
106
260000
2000
بلکه همچنین به سایر پستانداران، پرندگان،
04:37
even marsupials
107
262000
2000
وحتی کیسه‌داراني
04:39
like kangaroos and wombats,
108
264000
2000
مانند کانگوروها و ومبتها نگاه كنيم
04:41
it turns out that there's a relationship
109
266000
2000
نتيجه مي‌گيريم كه یک رابطه‌اي
04:43
between how long a childhood a species has
110
268000
4000
بین طول مدت بچگی یک گونه
04:47
and how big their brains are compared to their bodies
111
272000
4000
و اندازه بزرگي مغزشون در قياس با بدنشون
04:51
and how smart and flexible they are.
112
276000
2000
و ميزان هوش و انعطاف‌پذیري‌شون هست.
04:53
And sort of the posterbirds for this idea are the birds up there.
113
278000
3000
و از اين نظر عكس انواعي از پرنده‌ها در اونجا هست.
04:56
On one side
114
281000
2000
در يك طرف،
04:58
is a New Caledonian crow.
115
283000
2000
يه کلاغ کالدونیای جدید هست.
05:00
And crows and other corvidae, ravens, rooks and so forth,
116
285000
3000
و چندین گونه از کلاغ و زاغ و نظاير آنها هستند
05:03
are incredibly smart birds.
117
288000
2000
که بطور باورنکردنی‌ای باهوشند.
05:05
They're as smart as chimpanzees in some respects.
118
290000
3000
اونا از بعضی نظرها به اندازه شامپانزه‌ها باهوشند.
05:08
And this is a bird on the cover of science
119
293000
2000
و این پرنده‌ايه كه روي جلد مجله ساينسه (Science)
05:10
who's learned how to use a tool to get food.
120
295000
3000
که یادگرفته چگونه از یک ابزار برای تهبه غذا استفاده کنه.
05:13
On the other hand,
121
298000
2000
از طرف دیگه،
05:15
we have our friend the domestic chicken.
122
300000
2000
ما دوستامون يعني مرغ و خروس‌هاي اهلی‌مون رو داریم.
05:17
And chickens and ducks and geese and turkeys
123
302000
3000
و جوجه‌ها و اردک‌ها و غازها و بوقلمون‌ها
05:20
are basically as dumb as dumps.
124
305000
2000
اساسا خیلی خنگ هستن.
05:22
So they're very, very good at pecking for grain,
125
307000
3000
در نتیجه اونا در برداشتن دانه غلات خیلی خیلی ماهرند
05:25
and they're not much good at doing anything else.
126
310000
3000
اما درانجام هيچ كار دیگه‌ای مهارت ندارن.
05:28
Well it turns out that the babies,
127
313000
2000
خوب این نشون ميده که
05:30
the New Caledonian crow babies, are fledglings.
128
315000
2000
بچه‌های کلاغ کالدونیای جدید دارن پرواز کردن رو یاد میگیرن
05:32
They depend on their moms
129
317000
2000
اونا براي
05:34
to drop worms in their little open mouths
130
319000
3000
گرفتن کرم در دهانهای باز کوچيکشون
05:37
for as long as two years,
131
322000
2000
تا دوسالگی به مادراشون وابسته هستن،
05:39
which is a really long time in the life of a bird.
132
324000
2000
که در طي حیات یک پرنده زمان زیادیه.
05:41
Whereas the chickens are actually mature
133
326000
2000
با در نظرگرفتن اینکه جوجه‌ها عملا
05:43
within a couple of months.
134
328000
2000
در مدت دوماه بالغ مي‌شن.
05:45
So childhood is the reason
135
330000
3000
در نتیجه، علت اينكه
05:48
why the crows end up on the cover of Science
136
333000
2000
آخر سر کلاغ‌ها روی جلد مجله ساينس ميان
05:50
and the chickens end up in the soup pot.
137
335000
2000
و جوجه‌ها توي ظرف سوپخوری، دوران كودكي‌شونه.
05:52
There's something about that long childhood
138
337000
3000
يه چیزی درباره آن دوران كودكي طولاني هست
05:55
that seems to be connected
139
340000
2000
که به نظر میرسه
05:57
to knowledge and learning.
140
342000
2000
به دانش و یادگیری مرتبط باشه.
05:59
Well what kind of explanation could we have for this?
141
344000
3000
خوب، ما چه تفسیری میتونیم براش داشته باشیم؟
06:02
Well some animals, like the chicken,
142
347000
3000
به نظر مي‌رسه حیواناتي مثل مرغ‌ها
06:05
seem to be beautifully suited
143
350000
2000
در خوب انجام دادن يه كار
06:07
to doing just one thing very well.
144
352000
2000
مناسب هستند.
06:09
So they seem to be beautifully suited
145
354000
3000
درنتیجه، به‌نظر میرسه كه خيلي خوب
06:12
to pecking grain in one environment.
146
357000
2000
در یک محیط به دانه‌ها نوك بزنن.
06:14
Other creatures, like the crows,
147
359000
2000
سایر موجودات، مثل کلاغ‌ها
06:16
aren't very good at doing anything in particular,
148
361000
2000
در انجام دادن یک کار خاص خيلي ماهر نيستند
06:18
but they're extremely good
149
363000
2000
اما اونا
06:20
at learning about laws of different environments.
150
365000
2000
در یادگیری قواعد زندگي در محیط‌هاي مختلف خيلي خوب هستن.
06:22
And of course, we human beings
151
367000
2000
و البته ما آدما
06:24
are way out on the end of the distribution like the crows.
152
369000
3000
در انتهاي گونه نوادريم، مثل کاغها.
06:27
We have bigger brains relative to our bodies
153
372000
2000
ما به نسبت بدنمان، مغزهای بزرگتری داریم
06:29
by far than any other animal.
154
374000
2000
بزرگتر از سایر حیوانات.
06:31
We're smarter, we're more flexible,
155
376000
2000
ما باهوشتریم. انعطاف پذیرتریم
06:33
we can learn more,
156
378000
2000
میتونیم بیشتر یاد بگیریم.
06:35
we survive in more different environments,
157
380000
2000
در محیطهای زندگی متفاوت زنده میمانیم
06:37
we migrated to cover the world and even go to outer space.
158
382000
3000
ما روی زمین پراكنده شديم و حتی به فضا میرویم.
06:40
And our babies and children are dependent on us
159
385000
3000
و بچه‌هامون
06:43
for much longer than the babies of any other species.
160
388000
3000
خيلي طولانی‌تر از بچه‌های سایر گونه‌ها به ما وابسته‌اند.
06:46
My son is 23.
161
391000
2000
بچه من 23 سالشه.
06:48
(Laughter)
162
393000
2000
(صدای خنده حاضرین)
06:50
And at least until they're 23,
163
395000
2000
و حداقل تا زمانیکه 23 ساله بشن
06:52
we're still popping those worms
164
397000
2000
ما هنوز داریم اون کرمهارو
06:54
into those little open mouths.
165
399000
3000
داخل دهانهای کوچک بازشون میگذاریم.
06:57
All right, why would we see this correlation?
166
402000
3000
بسیارخوب، چرا اين همبستگي ديده مي‌شه؟
07:00
Well an idea is that that strategy, that learning strategy,
167
405000
4000
یک ایده اینه که اون استراتژی یادگیری
07:04
is an extremely powerful, great strategy for getting on in the world,
168
409000
3000
یک استراتژی عالی و خيلي قوي برای ورود به دنیا است،
07:07
but it has one big disadvantage.
169
412000
2000
اما یک عیب بزرگ داره.
07:09
And that one big disadvantage
170
414000
2000
و اون یک عیب بزرگ
07:11
is that, until you actually do all that learning,
171
416000
3000
اينه که تا زمانی که شما درواقع تمام اون یادگیری را بتواني انجام بدی
07:14
you're going to be helpless.
172
419000
2000
بدون كمك هستي.
07:16
So you don't want to have the mastodon charging at you
173
421000
3000
درنتیجه شما نمیخواهید که ماستادون(یک پستاندار قدیمی) بهتون حمله كنه
07:19
and be saying to yourself,
174
424000
2000
و به خودتون بگوئيد
07:21
"A slingshot or maybe a spear might work. Which would actually be better?"
175
426000
4000
"یک تیرکمان یا یک نیزه ميتونه موثر باشه. کدومشون واقعا بهترن؟"
07:25
You want to know all that
176
430000
2000
شما میخواهید همشو بدونید
07:27
before the mastodons actually show up.
177
432000
2000
قبل از آنکه اون پستانداران جلوتون ظاهر بشن.
07:29
And the way the evolutions seems to have solved that problem
178
434000
3000
و راهی که به نظر مي‌رسه تکامل باهاش مشکلو حل کرده
07:32
is with a kind of division of labor.
179
437000
2000
يك نوع تقسيم كاره.
07:34
So the idea is that we have this early period when we're completely protected.
180
439000
3000
درنتیجه ایده اینه که ما این وقت اولیه را وقتی داريم كه كاملا محافظت شده هستیم.
07:37
We don't have to do anything. All we have to do is learn.
181
442000
3000
لازم نيست کاری انجام بدهيم. كل کاری که بايد بكنيم اينه كه یاد بگیریم.
07:40
And then as adults,
182
445000
2000
و بعد به‌عنوان یک بزرگسال
07:42
we can take all those things that we learned when we were babies and children
183
447000
3000
ما میتونیم همه اون چیزهايي رو که در زمان بچگي یادگرفتیم
07:45
and actually put them to work to do things out there in the world.
184
450000
3000
برای انجام دادن کارها در جهان بيروني استفاده كنيم.
07:48
So one way of thinking about it
185
453000
2000
پس یک راه فکرکردن درباره اون
07:50
is that babies and young children
186
455000
2000
اینه که بچه‌ها
07:52
are like the research and development division of the human species.
187
457000
3000
مانند بخش تحقیق و توسعه گونه‌هاي انسانی هستند.
07:55
So they're the protected blue sky guys
188
460000
3000
در نتیجه اونا افراد محافظت شده آسمان آبی هستند
07:58
who just have to go out and learn and have good ideas,
189
463000
2000
که فقط بايد برن بیرون و یاد بگیرند و ایده های خوب داشته باشند،
08:00
and we're production and marketing.
190
465000
2000
و ما بخش تولید و بازاریابی هستیم.
08:02
We have to take all those ideas
191
467000
2000
ما بايد اون ایده‌هايي رو
08:04
that we learned when we were children
192
469000
2000
که وقتي بچه بوديم یاد گرفتیم
08:06
and actually put them to use.
193
471000
2000
در عمل به‌کار بگيريم.
08:08
Another way of thinking about it
194
473000
2000
راه دیگر فکرکردن درباره اون
08:10
is instead of thinking of babies and children
195
475000
2000
اینه که بجای اینکه فكر كنيم بچه‌ها
08:12
as being like defective grownups,
196
477000
2000
بالغین ناقصي هستند
08:14
we should think about them
197
479000
2000
ما باید به اونها
08:16
as being a different developmental stage of the same species --
198
481000
2000
به‌عنوان یک مرحله رشدي متفاوت از همان گونه نگاه كنيم-
08:18
kind of like caterpillars and butterflies --
199
483000
3000
مانند کرمهای صدپا و پروانه‌ها-
08:21
except that they're actually the brilliant butterflies
200
486000
2000
فقط اينكه اونها واقعا پروانه‌های درخشانی هستند
08:23
who are flitting around the garden and exploring,
201
488000
3000
که درحال چرخ زدن سریع دور و بر باغ هستند
08:26
and we're the caterpillars
202
491000
2000
و ما کرمهای صدپایی هستیم
08:28
who are inching along our narrow, grownup, adult path.
203
493000
3000
که به آرامی بسوی راه باریک رشد و بزرگ شدن میرویم.
08:31
If this is true, if these babies are designed to learn --
204
496000
3000
اگه این درست باشه كه این بچه‌ها برای یادگیری طراحی شدن-
08:34
and this evolutionary story would say children are for learning,
205
499000
3000
و این داستان تکامل میگه که بچه ها برای یادگیری هستند
08:37
that's what they're for --
206
502000
2000
و این اون چیزیه که اونا براش هستند-
08:39
we might expect
207
504000
2000
ممکنه ما انتظار داشته باشیم
08:41
that they would have really powerful learning mechanisms.
208
506000
2000
که اونها مکانیسمهای واقعا قدرتمندی داشته باشن.
08:43
And in fact, the baby's brain
209
508000
3000
و در واقع مغز بچه
08:46
seems to be the most powerful learning computer
210
511000
2000
به‌نظر میرسه که قویترین کامپیوتر یادگیری
08:48
on the planet.
211
513000
2000
روی زمین باشه.
08:50
But real computers are actually getting to be a lot better.
212
515000
3000
اما کامپیوترهای واقعی واقعا دارن به‌مراتب بهتر میشن.
08:53
And there's been a revolution
213
518000
2000
و این يه انقلاب
08:55
in our understanding of machine learning recently.
214
520000
2000
در درك ما از ماشین یادگیری در این اواخره.
08:57
And it all depends on the ideas of this guy,
215
522000
3000
و این همش به ایده این مرد وابسته بوده
09:00
the Reverend Thomas Bayes,
216
525000
2000
رورند توماس بایز
09:02
who was a statistician and mathematician in the 18th century.
217
527000
3000
آماردان و ریاضیدان قرن هجدهم.
09:05
And essentially what Bayes did
218
530000
3000
و اساسا چیزی که وی انجام داد
09:08
was to provide a mathematical way
219
533000
2000
تهیه یک راه ریاضی
09:10
using probability theory
220
535000
2000
با استفاده از فرضیه احتمالات
09:12
to characterize, describe,
221
537000
2000
به‌منظور توصیف و تشریح
09:14
the way that scientists find out about the world.
222
539000
2000
راهی است که دانشمندان درباره جهان پیدا مي‌کنند.
09:16
So what scientists do
223
541000
2000
کاری که دانشمندان انجام میدن
09:18
is they have a hypothesis that they think might be likely to start with.
224
543000
3000
اینه که اونا یک فرضیه دارن که فکرمیکنن ممکنه بشه باهاش شروع کرد.
09:21
They go out and test it against the evidence.
225
546000
2000
اونها این فرضیه را روي شواهد آزمایش میکنند.
09:23
The evidence makes them change that hypothesis.
226
548000
2000
اون شاهد اونارومجبور به تغییر در فرضیه میکنه.
09:25
Then they test that new hypothesis
227
550000
2000
سپس اونها این فرضیه جدید را آزمایش می‌کنن
09:27
and so on and so forth.
228
552000
2000
و همینطور تا آخر.
09:29
And what Bayes showed was a mathematical way that you could do that.
229
554000
3000
و چیزی که بایز نشون داد یک راه ریاضیه که میتونی انجامش بدی.
09:32
And that mathematics is at the core
230
557000
2000
و اون در درون
09:34
of the best machine learning programs that we have now.
231
559000
2000
بهترین برنامه‌های ماشین یادگیری که ما هم اکنون در اختیار داریم وجود داره.
09:36
And some 10 years ago,
232
561000
2000
و حدود ده سال پیش
09:38
I suggested that babies might be doing the same thing.
233
563000
4000
من پیشنهاد دادم که بچه‌ها ممکنه در حال انجام همون کار باشن.
09:42
So if you want to know what's going on
234
567000
2000
پس اگه شما میخواهید بدونید که
09:44
underneath those beautiful brown eyes,
235
569000
2000
در زیر اون چشمهای زیبای قهوه‌ای چه خبره
09:46
I think it actually looks something like this.
236
571000
2000
تصور میكنم باید یک چیزی شبیه این باشه.
09:48
This is Reverend Bayes's notebook.
237
573000
2000
این دفترچه خاطرات بایزه
09:50
So I think those babies are actually making complicated calculations
238
575000
3000
به همين‌خاطر، من فکر میکنم اون بچه ها دارند محاسبات پیچیده‌اي
09:53
with conditional probabilities that they're revising
239
578000
3000
با استفاده از احتماات شرطی‌اي که دائم مرورش میکنند مي‌سازن
09:56
to figure out how the world works.
240
581000
2000
تا بفهمند جهان چگونه کارمیکنه.
09:58
All right, now that might seem like an even taller order to actually demonstrate.
241
583000
4000
بسیارخوب. حالا اون ممکنه حتی یک ترتیب بلندتري به نظر بياد.
10:02
Because after all, if you ask even grownups about statistics,
242
587000
2000
چرا که بعداز اونهمه اگه شما از بزرگسالان هم درباره آمار سوال کنید
10:04
they look extremely stupid.
243
589000
2000
اونا بنظر خنگ میان.
10:06
How could it be that children are doing statistics?
244
591000
3000
چطور اون بچه ها دارن آمارو حل میکنند؟
10:09
So to test this we used a machine that we have
245
594000
2000
خوب برای آزمایش کردن ما ازماشینی که داشتیم استفاده کردیم
10:11
called the Blicket Detector.
246
596000
2000
که ردیاب بلیکت نامیده میشد.
10:13
This is a box that lights up and plays music
247
598000
2000
این یک جعبه است که چراغهاش روشن میشه و موسیقی پخش میکنه
10:15
when you put some things on it and not others.
248
600000
3000
موقعی که چیزهایی را روش میذاری، نه چیزهای دیگه.
10:18
And using this very simple machine,
249
603000
2000
و استفاده کردن از این ماشین خیلی ساده است
10:20
my lab and others have done dozens of studies
250
605000
2000
همکاران آزمایشگاهی من و سایرین دهها مطالعه انجام داده‌اند
10:22
showing just how good babies are
251
607000
2000
که نشان می‌دهد بچه‌ها چقدر در
10:24
at learning about the world.
252
609000
2000
در كشف رمز و راز جهان خوب هستند.
10:26
Let me mention just one
253
611000
2000
بگذارید چیزی رو بگم
10:28
that we did with Tumar Kushner, my student.
254
613000
2000
که ما به اتفاق تومارکوشنر-یکی از دانشجویانم-انجام دادیم.
10:30
If I showed you this detector,
255
615000
2000
اگه من به شما این ردیاب رو نشون بدم
10:32
you would be likely to think to begin with
256
617000
2000
ممكنه كه شما فكر كني كه با اين شروع كني
10:34
that the way to make the detector go
257
619000
2000
كه راهي که ردیاب رو وادار به کارکردن ميکنه
10:36
would be to put a block on top of the detector.
258
621000
3000
میتونه گذاشتن یک بلوک برروی ردیاب باشه.
10:39
But actually, this detector
259
624000
2000
اما درواقع این ردیاب
10:41
works in a bit of a strange way.
260
626000
2000
یک‌ذره عجیب و غریب کار میکنه.
10:43
Because if you wave a block over the top of the detector,
261
628000
3000
چرا که اگه شما یک بلوک را بر روی سر این ردیاب حرکت بدی
10:46
something you wouldn't ever think of to begin with,
262
631000
3000
چیزی که شما حتی بهش فکرنمیکنی که با اون شروع بشه
10:49
the detector will actually activate two out of three times.
263
634000
3000
ردیاب از هر سه بار دو بار فعال میشه.
10:52
Whereas, if you do the likely thing, put the block on the detector,
264
637000
3000
در حالي که، اگه شما مثلا یک بلوک را روی ردیاب بگذاری
10:55
it will only activate two out of six times.
265
640000
4000
از هر شش بار فقط دو بار فعال میشه.
10:59
So the unlikely hypothesis
266
644000
2000
درنتیجه فرضیه نامحتمل
11:01
actually has stronger evidence.
267
646000
2000
درواقع شاهد قویتری داره.
11:03
It looks as if the waving
268
648000
2000
این مثل اینه که به حرکت درآمدن
11:05
is a more effective strategy than the other strategy.
269
650000
2000
استراتژی موثرتري نسبت به سایر استراتژی‌ها باشه.
11:07
So we did just this; we gave four year-olds this pattern of evidence,
270
652000
3000
پس ما فقط این كارو كرديم: این الگوی شاهد را به یک بچه 4 ساله دادیم
11:10
and we just asked them to make it go.
271
655000
2000
و فقط خواستیم که كارش بندازه.
11:12
And sure enough, the four year-olds used the evidence
272
657000
3000
و قطعا بچه 4 ساله از شاهد استفاده کرد
11:15
to wave the object on top of the detector.
273
660000
3000
و اشيا را در بالاي سر ردياب حرکت داد.
11:18
Now there are two things that are really interesting about this.
274
663000
3000
حالا دو چیز جالب درباره این وجود داره.
11:21
The first one is, again, remember, these are four year-olds.
275
666000
3000
اولیش اینه که:مجددا بیاد داشته باشید این بچه‌ها 4 سالشونه.
11:24
They're just learning how to count.
276
669000
2000
اونا تازه دارند یادمی‌گیرند که چطور بشمارند.
11:26
But unconsciously,
277
671000
2000
اما ناخودآگاه
11:28
they're doing these quite complicated calculations
278
673000
2000
اونها دارند محاسبات نسبتا پیچیده‌ای را انجام میدهند
11:30
that will give them a conditional probability measure.
279
675000
3000
که یک مقیاس احتمالات شرطي به اونها ميده.
11:33
And the other interesting thing
280
678000
2000
و چیز جالب دیگه اینه
11:35
is that they're using that evidence
281
680000
2000
که اونها دارند از این شاهد
11:37
to get to an idea, get to a hypothesis about the world,
282
682000
3000
برای رسیدن به یک ایده رسیدن به یک فرضیه درباره جهان استفاده میکنند،
11:40
that seems very unlikely to begin with.
283
685000
3000
که خیلی بعید به‌نظر میرسه که با اون شروع بشه.
11:43
And in studies we've just been doing in my lab, similar studies,
284
688000
3000
و در حين چنین مطالعاتي در آزمایشگاه من، و مطالعات مشابه
11:46
we've show that four year-olds are actually better
285
691000
2000
ما نشان دادیم که اون بچه‌های 4 ساله عملا
11:48
at finding out an unlikely hypothesis
286
693000
3000
در یافتن یک فرضیه نامحتمل
11:51
than adults are when we give them exactly the same task.
287
696000
3000
نسبت به بزرگسالاني که ما همون کارو بهشون میدیم، بهتر عمل مي‌كنند.
11:54
So in these circumstances,
288
699000
2000
بنابراين، در این شرایط
11:56
the children are using statistics to find out about the world,
289
701000
3000
بچه‌ها دارند از آمار برای كشف جهان استفاده میکنند
11:59
but after all, scientists also do experiments,
290
704000
3000
اما بعد از همه چیز دانشمندان آزمايشاتي را انجام میدهند
12:02
and we wanted to see if children are doing experiments.
291
707000
3000
و ما خواستیم که ببینیم که آيا بچه‌ها مي‌توانند آزمايشات را انجام بدهند.
12:05
When children do experiments we call it "getting into everything"
292
710000
3000
وقتي بچه‌ها آزمايشات را انجام میدهند ما اونرا "رسیدن به هر چیزي" مینامیم
12:08
or else "playing."
293
713000
2000
یا "بازی کردن".
12:10
And there's been a bunch of interesting studies recently
294
715000
3000
و تعدادزیادی از مطالعات جالب دراین اواخر انجام شده است
12:13
that have shown this playing around
295
718000
3000
که نشان داده است این بازی کردن
12:16
is really a kind of experimental research program.
296
721000
2000
درواقع نوعی برنامه تحقیق تجربی است.
12:18
Here's one from Cristine Legare's lab.
297
723000
3000
این یکی از کارهای آزمایشگاهی کریستین لگار است.
12:21
What Cristine did was use our Blicket Detectors.
298
726000
3000
کاری که کریستین انجام داد استفاده از ردیابهای بلیکت ما بود.
12:24
And what she did was show children
299
729000
2000
و آنچه او انجام داد اين بود كه به بچه‌ها
12:26
that yellow ones made it go and red ones didn't,
300
731000
2000
نشون داد که زردها اونو راه می‌ندازند ولی قرمزها نه
12:28
and then she showed them an anomaly.
301
733000
3000
و بعد به اونها یک قاعده خلاف آن را نشان داد.
12:31
And what you'll see
302
736000
2000
و آنچه به دست مياد
12:33
is that this little boy will go through five hypotheses
303
738000
3000
اینه که این بچه 5 ساله با 5 فرضیه مواجه خواهد شد
12:36
in the space of two minutes.
304
741000
3000
در یک موقعیت 2 دقیقه‌ای.
12:39
(Video) Boy: How about this?
305
744000
3000
(نمایش فیلم):پسر:این چطوره؟
12:43
Same as the other side.
306
748000
3000
همانطوره، مثل طرف دیگه.
12:46
Alison Gopnik: Okay, so his first hypothesis has just been falsified.
307
751000
4000
لیسون گوپنیک: بسیارخوب اولین فرضیه او غلط از آب درآمد.
12:55
(Laughter)
308
760000
2000
(صدای خنده حاضرین)...
12:57
Boy: This one lighted up, and this one nothing.
309
762000
3000
پسر:این یکی روشن شد اما اونیکی نه.
13:00
AG: Okay, he's got his experimental notebook out.
310
765000
3000
ای جی:بسیارخوب، دفترچه آزمايشاتش بيرونه.
13:06
Boy: What's making this light up.
311
771000
4000
پسر: چي اينو روشن میكنه؟
13:11
(Laughter)
312
776000
9000
(خنده حاضرین)
13:20
I don't know.
313
785000
2000
نمیدونم.
13:22
AG: Every scientist will recognize that expression of despair.
314
787000
4000
ای جی:هر دانشمندی اين حرفهاي ناامیدانه را مي‌شناسه.
13:26
(Laughter)
315
791000
3000
(خنده حاضرین)
13:29
Boy: Oh, it's because this needs to be like this,
316
794000
6000
پسر: اوه...این بخاطر اینه که باید شبیه این یکی باشه
13:35
and this needs to be like this.
317
800000
2000
و این باید شبیه این یکی باشه.
13:37
AG: Okay, hypothesis two.
318
802000
3000
ای جی: بسیارخوب، فرضیه دوم.
13:40
Boy: That's why.
319
805000
2000
پسر: به‌خاطر اینه.
13:42
Oh.
320
807000
2000
اوه.
13:44
(Laughter)
321
809000
5000
(خنده حاضرین)
13:49
AG: Now this is his next idea.
322
814000
2000
ای جی:حالا این ایده بعدی اوست.
13:51
He told the experimenter to do this,
323
816000
2000
او به آزمايشگر ميگه که این کارو بکنه
13:53
to try putting it out onto the other location.
324
818000
4000
سعي كنه اون رو جاي ديگه‌اي بذاره.
13:57
Not working either.
325
822000
2000
يا حتي کار نکنه.
14:02
Boy: Oh, because the light goes only to here,
326
827000
4000
پسر:اوه برای اینه که چراغها فقط تا اینجا رفتن
14:06
not here.
327
831000
3000
نه اینجا.
14:09
Oh, the bottom of this box
328
834000
3000
اوه ته این جعبه
14:12
has electricity in here,
329
837000
2000
اینجا برق داره
14:14
but this doesn't have electricity.
330
839000
2000
ولی این يكي برق نداره.
14:16
AG: Okay, that's a fourth hypothesis.
331
841000
2000
ای جی:این فرضیه چهارمه.
14:18
Boy: It's lighting up.
332
843000
2000
پسر:این روشن میشه.
14:20
So when you put four.
333
845000
5000
وقتی چهارو میذاری.
14:26
So you put four on this one to make it light up
334
851000
3000
درنتیجه شما چهارو میذاری روی این یکی تا اونو روشنش کنی
14:29
and two on this one to make it light up.
335
854000
2000
ودو را روی این یکی تا اینو روشنش کنی.
14:31
AG: Okay,there's his fifth hypothesis.
336
856000
2000
ای جی:بسیارخوب این پنجمین فرضیشه.
14:33
Now that is a particularly --
337
858000
3000
حالا اون یک
14:36
that is a particularly adorable and articulate little boy,
338
861000
3000
اون یک پسرکوچک استثنايي قابل ستایش و مهندسه
14:39
but what Cristine discovered is this is actually quite typical.
339
864000
3000
ولی آنچه کریستین کشف کرد درواقع یک چیز نسبتا عادی است.
14:42
If you look at the way children play, when you ask them to explain something,
340
867000
3000
اگه شما به نحوه بازی بچه‌ها نگاه کنید وقتی که شما از اونا میخواهید که بعضی چیزهارو براتون توضیح بدن
14:45
what they really do is do a series of experiments.
341
870000
3000
آن چیزی که اونا درواقع انجام میدن یکسری آزمايشه.
14:48
This is actually pretty typical of four year-olds.
342
873000
3000
این برای يه بچه 4 ساله درواقع خیلی عادیه.
14:51
Well, what's it like to be this kind of creature?
343
876000
3000
خوب چنين موجودي بودن چه جوریه؟
14:54
What's it like to be one of these brilliant butterflies
344
879000
3000
نوعی از این پروانه‌های بینظیر بودن
14:57
who can test five hypotheses in two minutes?
345
882000
3000
که میتونه در عرض دودقیقه پنج فرضیه را امتحان کنه چه جوریه؟
15:00
Well, if you go back to those psychologists and philosophers,
346
885000
3000
خوب اگه شما به اون روانشناسها و فیلسوفها نگاه کنی
15:03
a lot of them have said
347
888000
2000
عده زیادیشون گفته‌اند
15:05
that babies and young children were barely conscious
348
890000
2000
که بچه‌ها به ندرت خودآگاه هستند
15:07
if they were conscious at all.
349
892000
2000
اگه اصلا خودآگاهي‌‌اي در مورد اونها وجود داشته باشه.
15:09
And I think just the opposite is true.
350
894000
2000
و من فکرمیکنم دقیقا برعکسش درسته.
15:11
I think babies and children are actually more conscious than we are as adults.
351
896000
3000
من فکر میکنم بچه‌ها در واقع از ما بزرگترها خودآگاه‌ترند.
15:14
Now here's what we know about how adult consciousness works.
352
899000
3000
الان درباره نحوه عمل خودآگاهي بزرگسالان براتون مي‌گم.
15:17
And adults' attention and consciousness
353
902000
2000
و توجه و خودآگاهی بزرگسالان
15:19
look kind of like a spotlight.
354
904000
2000
بنوعی شبیه یک نقطه نور است.
15:21
So what happens for adults
355
906000
2000
درنتیجه چیزی که برای بزرگسالان اتفاق میفته
15:23
is we decide that something's relevant or important,
356
908000
2000
اینه که ما تصمیم میگیریم که یک چیز متناسب و مهم هست
15:25
we should pay attention to it.
357
910000
2000
که ما باید بهش توجه كنیم.
15:27
Our consciousness of that thing that we're attending to
358
912000
2000
آگاهی ما به آن چیزی که بهش توجه میکنیم
15:29
becomes extremely bright and vivid,
359
914000
3000
بسیار شفاف و زنده میشه
15:32
and everything else sort of goes dark.
360
917000
2000
و همه چیزهاي دیگه به نوعي محو میشه.
15:34
And we even know something about the way the brain does this.
361
919000
3000
و حتی يه چیزايي درباره اينكه مغز چطور اینکارو ميكنه ميدونيم.
15:37
So what happens when we pay attention
362
922000
2000
در نتیجه، آنچه که اتفاق میفته وقتی که ما به چیزی توجه میکنیم
15:39
is that the prefrontal cortex, the sort of executive part of our brains,
363
924000
3000
اینه که قشر جلویی مغز که بنوعی قسمت اجرایی مغز ماست
15:42
sends a signal
364
927000
2000
یک سیگنال میفرسته
15:44
that makes a little part of our brain much more flexible,
365
929000
2000
که باعث میشه یک بخش کوچک از مغز ما انعطاف‌پذیرتر
15:46
more plastic, better at learning,
366
931000
2000
قابل تغيير و به‌نوعی در یادگیری بهتر بشه،
15:48
and shuts down activity
367
933000
2000
و فعالیت
15:50
in all the rest of our brains.
368
935000
2000
بقیه مغزمان را تعطيل ميكنه.
15:52
So we have a very focused, purpose-driven kind of attention.
369
937000
4000
تا ما توجه متمرکزتر و هدفمندتري داشته باشیم.
15:56
If we look at babies and young children,
370
941000
2000
اگه ما به بچه‌ها نگاه کنیم
15:58
we see something very different.
371
943000
2000
چیزهای خیلی متفاوتی را میبینیم.
16:00
I think babies and young children
372
945000
2000
من فکر میکنم بچه‌ها
16:02
seem to have more of a lantern of consciousness
373
947000
2000
نوعی از خودآگاهی بزرگ دارند
16:04
than a spotlight of consciousness.
374
949000
2000
تا یک خودآگاهی کوچک.
16:06
So babies and young children are very bad
375
951000
3000
در نتیجه بچه‌ها
16:09
at narrowing down to just one thing.
376
954000
3000
در نزدیک شدن به یک چیز و عدم توجه به ساير چيزها خوب نيستند.
16:12
But they're very good at taking in lots of information
377
957000
3000
ولی در تهیه لیست انبوهی از اطلاعات
16:15
from lots of different sources at once.
378
960000
2000
از منابع متعدد و مختلف خيلي خوب عمل مي‌كنند.
16:17
And if you actually look in their brains,
379
962000
2000
واگه به‌درون مغزشون نگاه کنید
16:19
you see that they're flooded with these neurotransmitters
380
964000
3000
میبینید که مغز اونا غرق در این انتقال‌دهنده‌هاي شیمیایی مغزه
16:22
that are really good at inducing learning and plasticity,
381
967000
2000
که براي ترغيب یادگیری و تغييرپذيري خيلي خوبن.
16:24
and the inhibitory parts haven't come on yet.
382
969000
3000
وهنوز بخشهای مهارکننده فعال نشده‌اند.
16:27
So when we say that babies and young children
383
972000
2000
درنتیجه وقتی ما میگیم که خردسالان و بچه‌ها
16:29
are bad at paying attention,
384
974000
2000
در توجه کردن خوب نیستند
16:31
what we really mean is that they're bad at not paying attention.
385
976000
4000
منظور ما اینه که اونا در عدم توجه خوب نیستند.
16:35
So they're bad at getting rid
386
980000
2000
درنتیجه اونا از اينكه بتونن از شر
16:37
of all the interesting things that could tell them something
387
982000
2000
همه چیزهای جالبی که به اونا میتونه چیزهایی یادبده خلاص بشن
16:39
and just looking at the thing that's important.
388
984000
2000
و فقط به يه چيز مهم توجه كنن خوب نيستند.
16:41
That's the kind of attention, the kind of consciousness,
389
986000
3000
اين نوعی از توجه، نوعی از هشياريه
16:44
that we might expect
390
989000
2000
که ما
16:46
from those butterflies who are designed to learn.
391
991000
2000
از اون پروانه‌هایی که برای یادگیری ساخته شدن انتظار داريم.
16:48
Well if we want to think about a way
392
993000
2000
خوب اگه ما بخواهیم راهی پيدا كنيم
16:50
of getting a taste of that kind of baby consciousness as adults,
393
995000
4000
که بتونه نمونه آن هوشیاری بچه‌ها را در بزرگسالان داشته باشه،
16:54
I think the best thing is think about cases
394
999000
2000
به نظرم، بهترین چیز فکرکردن درباره مواردیه
16:56
where we're put in a new situation that we've never been in before --
395
1001000
3000
که درآن ما در یک موقعیت جدید قرار مي‌گيريم که قبلا در آن نبوده‌ایم-
16:59
when we fall in love with someone new,
396
1004000
2000
مثلازمانی که عاشق یک شخص جدید میشیم
17:01
or when we're in a new city for the first time.
397
1006000
3000
یا وقتی که برای اولین بار در یک شهر جدید هستیم.
17:04
And what happens then is not that our consciousness contracts,
398
1009000
2000
آنوقت آنچه که اتفاق میفته تجمع آگاهی ما نيست
17:06
it expands,
399
1011000
2000
بلکه اون گسترده میشه
17:08
so that those three days in Paris
400
1013000
2000
لذا، اون سه روز پاریس
17:10
seem to be more full of consciousness and experience
401
1015000
2000
بنظر بیشتر پر از آگاهی و تجربه میاد
17:12
than all the months of being
402
1017000
2000
تا همه ماه‌های
17:14
a walking, talking, faculty meeting-attending zombie back home.
403
1019000
4000
راه رفتن و حرف زدن وشرکت نمودن در جلسات دانشکده وبرگشت به خونه.
17:18
And by the way, that coffee,
404
1023000
2000
و به هر حال اون قهوه
17:20
that wonderful coffee you've been drinking downstairs,
405
1025000
2000
اون قهوه فوق العاده که شما در پایین پله ها نوشیدید
17:22
actually mimics the effect
406
1027000
2000
درواقع نشان دهنده
17:24
of those baby neurotransmitters.
407
1029000
2000
اون انتقال‌دهنده‌هاي شیمیایی مغز بچگي رو.
17:26
So what's it like to be a baby?
408
1031000
2000
خوب، مثل يه بچه بودن چه‌جوريه؟
17:28
It's like being in love
409
1033000
2000
اون مثل عاشق شدن
17:30
in Paris for the first time
410
1035000
2000
در پاریس برای اولین باره
17:32
after you've had three double-espressos.
411
1037000
2000
بعداز آنکه سه تا قهوه اسپرسوی دوبل خورده باشید.
17:34
(Laughter)
412
1039000
3000
(خنده حاضرین)
17:37
That's a fantastic way to be,
413
1042000
2000
اون یک راه عالی برای بودنه
17:39
but it does tend to leave you waking up crying at three o'clock in the morning.
414
1044000
4000
ولی اونوقت بايد ساعت سه نصف شب بیدارتون کنه با گریه بيدار شيد.
17:43
(Laughter)
415
1048000
3000
(خنده حاضرین)
17:46
Now it's good to be a grownup.
416
1051000
2000
پس بهتره که یک بالغ باشیم.
17:48
I don't want to say too much about how wonderful babies are.
417
1053000
2000
من نمیخوام درمورد اينکه بچه‌های فوق‌العاده چه‌جوریند زیاد حرف بزنم.
17:50
It's good to be a grownup.
418
1055000
2000
بزرگسال بودن خوبه.
17:52
We can do things like tie our shoelaces and cross the street by ourselves.
419
1057000
3000
ما میتونیم کارهایی مثل بستن بند کفشامونو یا ردشدن از عرض خیابان را خودمون انجام بدیم
17:55
And it makes sense that we put a lot of effort
420
1060000
2000
و معناداره که تلاش زيادي بكنيم
17:57
into making babies think like adults do.
421
1062000
4000
که بچه‌ها را طوري بار بياريم كه مثل بزرگها فکر کنند.
18:01
But if what we want is to be like those butterflies,
422
1066000
3000
ولی اگه آنچه كه ما میخواهیم مثل اون پروانه‌ها بودنه
18:04
to have open-mindedness, open learning,
423
1069000
3000
داشتن ذهنی باز..یادگیری آزاد
18:07
imagination, creativity, innovation,
424
1072000
2000
تصور..خلاقیت و نوآوری،
18:09
maybe at least some of the time
425
1074000
2000
آنوقت، شاید دست کم بعضی مواقع
18:11
we should be getting the adults
426
1076000
2000
بزرگسالان ما
18:13
to start thinking more like children.
427
1078000
2000
بايد مثل بچه‌ها فکر کنند.
18:15
(Applause)
428
1080000
8000
(تشویق حاضرین)
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