TEDGlobal 2011
Alison Gopnik: What do babies think?
Alison Gopnik : Que pensent les bébés?
Filmed:
Readability: 3.4
4,341,974 views
« Les bébés et jeunes enfants sont comme la division R&D de l'espèce humaine » dit la psychologue Alison Gopnik. Ses recherches explorent l'intelligence sophistiquée et les capacités de prise de décisions dont les bébés font preuve lorsqu'ils jouent.
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
Que se passe-t'il
00:17
in this baby's mind?
1
2000
2000
dans la pensée de ce bébé?
00:19
If you'd asked people this 30 years ago,
2
4000
2000
Si vous aviez posé cette question il y a 30 ans,
00:21
most people, including psychologists,
3
6000
2000
la majorité des gens, y compris les psychologues,
00:23
would have said that this baby was irrational,
4
8000
3000
vous auraient dit que ce que ce bébé était irrationnel,
00:26
illogical, egocentric --
5
11000
2000
illogique, égocentrique --
00:28
that he couldn't take the perspective of another person
6
13000
2000
qu'il ne pouvait pas tenir compte des perspectives des autres personnes,
00:30
or understand cause and effect.
7
15000
2000
ou comprendre causes et conséquences.
00:32
In the last 20 years,
8
17000
2000
Au cours de ces 20 dernières années,
00:34
developmental science has completely overturned that picture.
9
19000
3000
la science développementale à complètement aboli cette image.
00:37
So in some ways,
10
22000
2000
Donc, en quelque sorte,
00:39
we think that this baby's thinking
11
24000
2000
nous pensons que la pensée des bébés,
00:41
is like the thinking of the most brilliant scientists.
12
26000
4000
est comme la pensée du plus brillant des scientifiques.
00:45
Let me give you just one example of this.
13
30000
2000
Laissez-moi vous donnez juste un exemple.
00:47
One thing that this baby could be thinking about,
14
32000
3000
Une chose à laquelle ce bébé pourrait penser,
00:50
that could be going on in his mind,
15
35000
2000
qui peut lui venir à l'esprit,
00:52
is trying to figure out
16
37000
2000
est d'essayer de se figurer
00:54
what's going on in the mind of that other baby.
17
39000
3000
ce qui se passe dans l'esprit de cet autre bébé.
00:57
After all, one of the things that's hardest for all of us to do
18
42000
3000
Après tout, une des choses les plus difficiles qu'il nous soit donné à faire,
01:00
is to figure out what other people are thinking and feeling.
19
45000
3000
est de se figurer ce que les autres personnes pensent ou ressentent.
01:03
And maybe the hardest thing of all
20
48000
2000
Et peut être la chose la plus difficile de toutes,
01:05
is to figure out that what other people think and feel
21
50000
3000
est de se figurer que ce que les autres personnes pensent et ressentent
01:08
isn't actually exactly like what we think and feel.
22
53000
2000
n'est pas exactement comparable à ce que nous pensons et ressentons.
01:10
Anyone who's followed politics can testify
23
55000
2000
Tous ceux qui suivent la politique peuvent témoigner
01:12
to how hard that is for some people to get.
24
57000
3000
d'à quel point il est difficile d'y arriver.
01:15
We wanted to know
25
60000
2000
Nous voulions savoir
01:17
if babies and young children
26
62000
2000
si les bébés et les jeunes enfants
01:19
could understand this really profound thing about other people.
27
64000
3000
pouvaient comprendre cette chose réellement profonde a propos des autres personnes.
01:22
Now the question is: How could we ask them?
28
67000
2000
A présent, la question est : Comment pouvons-nous le leur demander?
01:24
Babies, after all, can't talk,
29
69000
2000
Les bébés, après tout, ne peuvent pas parler,
01:26
and if you ask a three year-old
30
71000
2000
et si vous demandez à un enfant de trois ans
01:28
to tell you what he thinks,
31
73000
2000
de vous dire à quoi il pense,
01:30
what you'll get is a beautiful stream of consciousness monologue
32
75000
3000
ce que vous recevrez en retour est un flot de paroles conscientes
01:33
about ponies and birthdays and things like that.
33
78000
3000
à propos de poneys et d'anniversaires, et de choses de ce genre.
01:36
So how do we actually ask them the question?
34
81000
3000
Donc, de quelle manière leur posons-nous la question?
01:39
Well it turns out that the secret was broccoli.
35
84000
3000
Il se trouve que le secret ce sont les brocolis.
01:42
What we did -- Betty Rapacholi, who was one of my students, and I --
36
87000
4000
Ce que nous avons fait -- Betty Rapacholi, qui était une de mes étudiantes, et moi-même --
01:46
was actually to give the babies two bowls of food:
37
91000
3000
avons donné aux bébés deux bols de nourriture :
01:49
one bowl of raw broccoli
38
94000
2000
un bol de brocolis
01:51
and one bowl of delicious goldfish crackers.
39
96000
3000
et un bol de délicieux crackers en forme de poisson.
01:54
Now all of the babies, even in Berkley,
40
99000
3000
Tous les bébés, même à Berkley,
01:57
like the crackers and don't like the raw broccoli.
41
102000
3000
aiment les crackers et n'aiment pas les brocolis.
02:00
(Laughter)
42
105000
2000
(Rires)
02:02
But then what Betty did
43
107000
2000
Mais ce que Betty a fait
02:04
was to take a little taste of food from each bowl.
44
109000
3000
a été de goûter un peu nourriture de chaque bol.
02:07
And she would act as if she liked it or she didn't.
45
112000
2000
Et elle s'est comportée comme si elle aimait ça, ou si elle ne l'aimait pas.
02:09
So half the time, she acted
46
114000
2000
Donc la moitié du temps, elle se comportait
02:11
as if she liked the crackers and didn't like the broccoli --
47
116000
2000
comme si elle aimait les crackers et détestait les brocolis --
02:13
just like a baby and any other sane person.
48
118000
3000
juste comme un bébé ou toute autre personne saine d'esprit.
02:16
But half the time,
49
121000
2000
Mais l'autre moitié du temps,
02:18
what she would do is take a little bit of the broccoli
50
123000
2000
elle prenait un petit peu de brocolis
02:20
and go, "Mmmmm, broccoli.
51
125000
3000
et disait « Mmmm, brocoli.
02:23
I tasted the broccoli. Mmmmm."
52
128000
3000
J'ai goûté le brocoli. Mmmmm ».
02:26
And then she would take a little bit of the crackers,
53
131000
2000
Et puis, elle prenait un petit peu de crackers,
02:28
and she'd go, "Eww, yuck, crackers.
54
133000
4000
et disait « Eurk, beurk, crackers.
02:32
I tasted the crackers. Eww, yuck."
55
137000
3000
J'ai goûté les crackers. Eurk, beurk ».
02:35
So she'd act as if what she wanted
56
140000
2000
Donc, elle se comportait comme si ce qu'elle voulait
02:37
was just the opposite of what the babies wanted.
57
142000
3000
était l'exact opposé de ce que les bébés voulaient.
02:40
We did this with 15 and 18 month-old babies.
58
145000
2000
Nous avons fait cela avec des bébés de 15 et 18 mois.
02:42
And then she would simply put her hand out and say,
59
147000
3000
Et puis, elle tendait simplement sa main et disait
02:45
"Can you give me some?"
60
150000
2000
« Peux-tu m'en donner? »
02:47
So the question is: What would the baby give her,
61
152000
2000
Et la question est : Qu'est ce que le bébé allait lui donner,
02:49
what they liked or what she liked?
62
154000
2000
ce qu'elle aimait ou ce qu'elle n'aimait pas?
02:51
And the remarkable thing was that 18 month-old babies,
63
156000
3000
Et la chose remarquable était que les bébés de 18 mois,
02:54
just barely walking and talking,
64
159000
2000
tout juste marchant et parlant,
02:56
would give her the crackers if she liked the crackers,
65
161000
3000
allaient lui donner les crackers si elle aimait les crackers,
02:59
but they would give her the broccoli if she liked the broccoli.
66
164000
3000
mais lui donneraient les brocolis si elle aimait les brocolis.
03:02
On the other hand,
67
167000
2000
D'un autre côté,
03:04
15 month-olds would stare at her for a long time
68
169000
2000
les bébés de 15 mois la fixaient durant un long moment
03:06
if she acted as if she liked the broccoli,
69
171000
2000
si elle feignait d'aimer le brocoli
03:08
like they couldn't figure this out.
70
173000
3000
comme s'ils ne pouvaient pas le concevoir.
03:11
But then after they stared for a long time,
71
176000
2000
Mais après l’avoir fixé longuement,
03:13
they would just give her the crackers,
72
178000
2000
ils lui donnaient simplement les crackers,
03:15
what they thought everybody must like.
73
180000
2000
ce qu'il pensait que tout le monde devrait aimer.
03:17
So there are two really remarkable things about this.
74
182000
3000
Il y a donc deux faits réellement remarquables à ce propos,
03:20
The first one is that these little 18 month-old babies
75
185000
3000
Le premier est que ces petits bébés de 18 mois
03:23
have already discovered
76
188000
2000
ont déjà découvert
03:25
this really profound fact about human nature,
77
190000
2000
cette notion très profonde à propos de la nature humaine
03:27
that we don't always want the same thing.
78
192000
2000
qui est que nous ne voulons pas tous la même chose.
03:29
And what's more, they felt that they should actually do things
79
194000
2000
Et qui plus est, ils ont senti qu'ils devaient agir
03:31
to help other people get what they wanted.
80
196000
3000
pour aider les autres à avoir ce qu'ils voulaient.
03:34
Even more remarkably though,
81
199000
2000
Ce qui est encore plus remarquable,
03:36
the fact that 15 month-olds didn't do this
82
201000
3000
est le fait que les bébés de 15 mois ne faisaient pas cela,
03:39
suggests that these 18 month-olds had learned
83
204000
3000
ce qui suggère que ceux de 18 mois avaient appris
03:42
this deep, profound fact about human nature
84
207000
3000
cette profonde notion concernant la nature humaine
03:45
in the three months from when they were 15 months old.
85
210000
3000
dans les trois mois qu'ils avaient vécu depuis leurs 15 mois.
03:48
So children both know more and learn more
86
213000
2000
Les enfants en savent et apprennent bien plus
03:50
than we ever would have thought.
87
215000
2000
que nous n’aurions jamais pensé.
03:52
And this is just one of hundreds and hundreds of studies over the last 20 years
88
217000
4000
Et ceci est juste l'une des centaines et centaines d'études de ces 20 dernières années
03:56
that's actually demonstrated it.
89
221000
2000
qui en fait le démontre.
03:58
The question you might ask though is:
90
223000
2000
La question que nous pouvons nous poser est :
04:00
Why do children learn so much?
91
225000
3000
Pourquoi les enfants apprennent-ils autant?
04:03
And how is it possible for them to learn so much
92
228000
2000
Et comment est-il possible pour eux d'apprendre autant
04:05
in such a short time?
93
230000
2000
en si peu de temps?
04:07
I mean, after all, if you look at babies superficially,
94
232000
2000
Je veux dire, après tout, si vous regardez les bébés au premier abord,
04:09
they seem pretty useless.
95
234000
2000
ils ont l'air particulièrement inutiles.
04:11
And actually in many ways, they're worse than useless,
96
236000
3000
Et en fait, de plusieurs points de vues, ils sont pires qu'inutiles,
04:14
because we have to put so much time and energy
97
239000
2000
parce que nous devons investir tant de temps et d'énergie
04:16
into just keeping them alive.
98
241000
2000
simplement à les faire survivre.
04:18
But if we turn to evolution
99
243000
2000
Mais si nous nous focalisons sur l'évolution
04:20
for an answer to this puzzle
100
245000
2000
comme réponse à ce puzzle
04:22
of why we spend so much time
101
247000
2000
sur pourquoi nous dépensons tant de temps
04:24
taking care of useless babies,
102
249000
3000
à nous occuper de bébés inutiles,
04:27
it turns out that there's actually an answer.
103
252000
3000
il se trouve qu'il y a en réalité une réponse.
04:30
If we look across many, many different species of animals,
104
255000
3000
Si nous regardons de très nombreuses espèces animales différentes,
04:33
not just us primates,
105
258000
2000
pas uniquement les primates,
04:35
but also including other mammals, birds,
106
260000
2000
mais aussi d'autres mammifères, des oiseaux,
04:37
even marsupials
107
262000
2000
même des marsupiaux,
04:39
like kangaroos and wombats,
108
264000
2000
comme les kangourous ou les wombats,
04:41
it turns out that there's a relationship
109
266000
2000
il se trouve qu’il y a une relation
04:43
between how long a childhood a species has
110
268000
4000
la durée de l’enfance d’une espèce
04:47
and how big their brains are compared to their bodies
111
272000
4000
et la dimension de leurs cerveaux par rapport à leurs corps
04:51
and how smart and flexible they are.
112
276000
2000
et a quel point ils sont intelligents et flexibles.
04:53
And sort of the posterbirds for this idea are the birds up there.
113
278000
3000
Et pour cette idée, ces oiseaux sont représentatifs.
04:56
On one side
114
281000
2000
D'un côté,
04:58
is a New Caledonian crow.
115
283000
2000
il y a un corbeau de Nouvelle Calédonie.
05:00
And crows and other corvidae, ravens, rooks and so forth,
116
285000
3000
Et les corbeaux et autres corvidés, grand corbeaux, corbeaux freux et ainsi de suite,
05:03
are incredibly smart birds.
117
288000
2000
sont des oiseaux incroyablement intelligents.
05:05
They're as smart as chimpanzees in some respects.
118
290000
3000
Ils sont aussi intelligents que des chimpanzés de plusieurs points de vue.
05:08
And this is a bird on the cover of science
119
293000
2000
Et c'est un oiseau, sur la couverture de Science
05:10
who's learned how to use a tool to get food.
120
295000
3000
qui a appris comment utiliser un outil pour obtenir de la nourriture.
05:13
On the other hand,
121
298000
2000
De l'autre côté,
05:15
we have our friend the domestic chicken.
122
300000
2000
nous avons notre amie la poule domestique.
05:17
And chickens and ducks and geese and turkeys
123
302000
3000
Et les poulets et canards, les oies et les dindes
05:20
are basically as dumb as dumps.
124
305000
2000
sont bêtes comme leurs pieds.
05:22
So they're very, very good at pecking for grain,
125
307000
3000
Donc, ils sont très, très bons pour picorer les graines,
05:25
and they're not much good at doing anything else.
126
310000
3000
et ils ne sont pas vraiment bons à faire quoi que ce soit d'autre.
05:28
Well it turns out that the babies,
127
313000
2000
Il se trouve que les bébés,
05:30
the New Caledonian crow babies, are fledglings.
128
315000
2000
les bébés corbeaux calédoniens, sont des oisillons.
05:32
They depend on their moms
129
317000
2000
Ils sont dépendants de leurs mamans
05:34
to drop worms in their little open mouths
130
319000
3000
qui leur jette des vers dans leur petit bec ouvert
05:37
for as long as two years,
131
322000
2000
pendant au moins deux ans,
05:39
which is a really long time in the life of a bird.
132
324000
2000
ce qui est un temps vraiment long dans la vie d'un oiseau.
05:41
Whereas the chickens are actually mature
133
326000
2000
Alors que les poulets deviennent adultes
05:43
within a couple of months.
134
328000
2000
en seulement deux mois.
05:45
So childhood is the reason
135
330000
3000
Donc, l'enfance est la raison
05:48
why the crows end up on the cover of Science
136
333000
2000
pour laquelle les corbeaux sur la couverture de Science
05:50
and the chickens end up in the soup pot.
137
335000
2000
et les poulets finissent dans la soupe.
05:52
There's something about that long childhood
138
337000
3000
Il y a quelque chose à propos de cette longue enfance
05:55
that seems to be connected
139
340000
2000
qui semble être reliée
05:57
to knowledge and learning.
140
342000
2000
à la connaissance et à l'apprentissage.
05:59
Well what kind of explanation could we have for this?
141
344000
3000
Bien, quel type d'explication pouvons-nous dresser à ce sujet?
06:02
Well some animals, like the chicken,
142
347000
3000
Quelques animaux, comme les poulets,
06:05
seem to be beautifully suited
143
350000
2000
semblent être magnifiquement programmés
06:07
to doing just one thing very well.
144
352000
2000
pour faire une seule chose très bien.
06:09
So they seem to be beautifully suited
145
354000
3000
Donc ils paraissent être parfaitement programmés
06:12
to pecking grain in one environment.
146
357000
2000
pour picorer des graines dans un seul environnement.
06:14
Other creatures, like the crows,
147
359000
2000
D'autres créatures, comme les corbeaux,
06:16
aren't very good at doing anything in particular,
148
361000
2000
ne sont pas très bon à faire quelque chose de particulier,
06:18
but they're extremely good
149
363000
2000
mais ils sont extrêmement bons
06:20
at learning about laws of different environments.
150
365000
2000
dans l'apprentissage des lois au sein de différents environnements.
06:22
And of course, we human beings
151
367000
2000
Et évidemment, nous, membres de l'espèce humaine
06:24
are way out on the end of the distribution like the crows.
152
369000
3000
nous sommes à la fin de la chaîne de distribution comme les corbeaux.
06:27
We have bigger brains relative to our bodies
153
372000
2000
Nous avons de plus gros cerveaux par rapport à nos corps
06:29
by far than any other animal.
154
374000
2000
bien plus qu'aucun autre animal.
06:31
We're smarter, we're more flexible,
155
376000
2000
Nous sommes plus intelligents, plus flexibles,
06:33
we can learn more,
156
378000
2000
nous pouvons apprendre plus,
06:35
we survive in more different environments,
157
380000
2000
nous survivons dans différents environnements,
06:37
we migrated to cover the world and even go to outer space.
158
382000
3000
nous avons migré pour coloniser la terre et même l'espace.
06:40
And our babies and children are dependent on us
159
385000
3000
Et nos bébés et enfants sont dépendants de nous,
06:43
for much longer than the babies of any other species.
160
388000
3000
pendant bien plus longtemps que les bébés des autres espèces.
06:46
My son is 23.
161
391000
2000
Mon fils a 23 ans.
06:48
(Laughter)
162
393000
2000
(Rires)
06:50
And at least until they're 23,
163
395000
2000
Et au moins jusqu'à ce qu'ils aient 23 ans,
06:52
we're still popping those worms
164
397000
2000
nous leur donnons toujours la becquée en mettant des vers
06:54
into those little open mouths.
165
399000
3000
dans leurs petites bouches ouvertes.
06:57
All right, why would we see this correlation?
166
402000
3000
Bien, pourquoi y verrions-nous une corrélation?
07:00
Well an idea is that that strategy, that learning strategy,
167
405000
4000
L'idée est que cette stratégie, cette stratégie d'apprentissage,
07:04
is an extremely powerful, great strategy for getting on in the world,
168
409000
3000
est extrêmement performante, et est une excellente stratégie pour avancer dans le monde.
07:07
but it has one big disadvantage.
169
412000
2000
mais elle a un lourd désavantage.
07:09
And that one big disadvantage
170
414000
2000
Et ce grand désavantage
07:11
is that, until you actually do all that learning,
171
416000
3000
est que, jusqu'à ce que vous ayez acquis tous ces apprentissages,
07:14
you're going to be helpless.
172
419000
2000
vous serez inutiles.
07:16
So you don't want to have the mastodon charging at you
173
421000
3000
Vous ne voulez pas voir un mastodonte vous chargez,
07:19
and be saying to yourself,
174
424000
2000
et vous dire à vous-mêmes,
07:21
"A slingshot or maybe a spear might work. Which would actually be better?"
175
426000
4000
« Un lance-pierre pourrait fonctionner? Ou peut-être une lance? Laquelle serait mieux? »
07:25
You want to know all that
176
430000
2000
Vous voulez tout savoir
07:27
before the mastodons actually show up.
177
432000
2000
avant que le mastodonte ne surgisse.
07:29
And the way the evolutions seems to have solved that problem
178
434000
3000
Et la façon dont l'évolution semble avoir résolu ce problème
07:32
is with a kind of division of labor.
179
437000
2000
est une sorte de division du travail.
07:34
So the idea is that we have this early period when we're completely protected.
180
439000
3000
Donc l'idée est que vous disposez d'une période durant laquelle vous êtes totalement protégés.
07:37
We don't have to do anything. All we have to do is learn.
181
442000
3000
Nous n'avons rien à faire. Tout ce que nous avons à faire est apprendre.
07:40
And then as adults,
182
445000
2000
Puis en tant qu'adultes,
07:42
we can take all those things that we learned when we were babies and children
183
447000
3000
nous pouvons prendre toutes ces choses que nous avons apprises lorsque nous étions bébés et enfants
07:45
and actually put them to work to do things out there in the world.
184
450000
3000
et les mettre en œuvre pour faire des choses dans le monde.
07:48
So one way of thinking about it
185
453000
2000
Donc, une manière d'envisager cela,
07:50
is that babies and young children
186
455000
2000
est que les bébés et les jeunes enfants
07:52
are like the research and development division of the human species.
187
457000
3000
sont comme le secteur ‘recherche et développement’ de l'espèce humaine.
07:55
So they're the protected blue sky guys
188
460000
3000
Ils sont donc les scientifiques protégés
07:58
who just have to go out and learn and have good ideas,
189
463000
2000
qui ont juste à sortir et apprendre, et avoir de bonnes idées,
08:00
and we're production and marketing.
190
465000
2000
et nous sommes la production et le marketing.
08:02
We have to take all those ideas
191
467000
2000
Nous devons prendre toutes ces idées
08:04
that we learned when we were children
192
469000
2000
que nous avons appris quand nous étions enfants
08:06
and actually put them to use.
193
471000
2000
et les utiliser.
08:08
Another way of thinking about it
194
473000
2000
Une autre façon d'envisager cela
08:10
is instead of thinking of babies and children
195
475000
2000
est qu'au lieu de voir les bébés et les enfants
08:12
as being like defective grownups,
196
477000
2000
comme des adultes défectueux
08:14
we should think about them
197
479000
2000
nous devrions les percevoir
08:16
as being a different developmental stage of the same species --
198
481000
2000
comme des individus à un stade de développement différent, d'une même espèce --
08:18
kind of like caterpillars and butterflies --
199
483000
3000
comme les chenilles et les papillons --
08:21
except that they're actually the brilliant butterflies
200
486000
2000
excepté qu'ils sont en fait de brillants papillons
08:23
who are flitting around the garden and exploring,
201
488000
3000
qui virevoltent dans le jardin et explorent.
08:26
and we're the caterpillars
202
491000
2000
et nous sommes les chenilles
08:28
who are inching along our narrow, grownup, adult path.
203
493000
3000
qui avancent tout doucement le long de notre étroit chemin d’adultes.
08:31
If this is true, if these babies are designed to learn --
204
496000
3000
Si ceci est vrai, si les bébés sont crées pour apprendre --
08:34
and this evolutionary story would say children are for learning,
205
499000
3000
et l'histoire de cette évolution dirait que les enfants sont là pour apprendre
08:37
that's what they're for --
206
502000
2000
c'est leur raison d'exister --
08:39
we might expect
207
504000
2000
nous pourrions nous attendre
08:41
that they would have really powerful learning mechanisms.
208
506000
2000
qu'ils possèdent des mécanismes d'apprentissage très performants.
08:43
And in fact, the baby's brain
209
508000
3000
Et en fait, le cerveau des bébés
08:46
seems to be the most powerful learning computer
210
511000
2000
semble être l'ordinateur le plus performant
08:48
on the planet.
211
513000
2000
de la planète.
08:50
But real computers are actually getting to be a lot better.
212
515000
3000
Mais les ordinateurs sont à ce jour en train de devenir réellement meilleur.
08:53
And there's been a revolution
213
518000
2000
Et il y a eu une révolution
08:55
in our understanding of machine learning recently.
214
520000
2000
dans notre compréhension de l'apprentissage des machines.
08:57
And it all depends on the ideas of this guy,
215
522000
3000
Et tout dépend des idées de cet homme,
09:00
the Reverend Thomas Bayes,
216
525000
2000
le Révérend Thomas Bayes,
09:02
who was a statistician and mathematician in the 18th century.
217
527000
3000
qui était un statisticien et un mathématicien du 18° siècle.
09:05
And essentially what Bayes did
218
530000
3000
Et en gros ce que Bayes a fait
09:08
was to provide a mathematical way
219
533000
2000
c’est de fournir une méthode mathématique
09:10
using probability theory
220
535000
2000
en utilisant la théorie des probabilités
09:12
to characterize, describe,
221
537000
2000
de caractériser, décrire,
09:14
the way that scientists find out about the world.
222
539000
2000
la façon dont les scientifiques perçoivent le monde.
09:16
So what scientists do
223
541000
2000
Ce que les scientifiques font
09:18
is they have a hypothesis that they think might be likely to start with.
224
543000
3000
c’est qu'ils ont une hypothèse qu'il pense être celle la plus probable par laquelle commencer.
09:21
They go out and test it against the evidence.
225
546000
2000
Ils se lancent et la testent.
09:23
The evidence makes them change that hypothesis.
226
548000
2000
L'évidence leur fait modifier cette hypothèse.
09:25
Then they test that new hypothesis
227
550000
2000
Ensuite, ils testent cette nouvelle hypothèse
09:27
and so on and so forth.
228
552000
2000
et ainsi de suite.
09:29
And what Bayes showed was a mathematical way that you could do that.
229
554000
3000
Et ce que Bayes à montré était un moyen mathématique permettant de faire cela.
09:32
And that mathematics is at the core
230
557000
2000
Et que les mathématiques sont le noyau
09:34
of the best machine learning programs that we have now.
231
559000
2000
des meilleurs programmes d’apprentissage par la machine que nous avons actuellement.
09:36
And some 10 years ago,
232
561000
2000
Et 10 ans auparavant,
09:38
I suggested that babies might be doing the same thing.
233
563000
4000
J'ai suggéré que les bébés pourraient être capables de faire la même chose.
09:42
So if you want to know what's going on
234
567000
2000
Donc, si vous voulez savoir ce qu'il en est
09:44
underneath those beautiful brown eyes,
235
569000
2000
derrière ces beaux yeux marron,
09:46
I think it actually looks something like this.
236
571000
2000
Je pense que cela ressemble en fait à quelque chose comme ça.
09:48
This is Reverend Bayes's notebook.
237
573000
2000
Ceci est le carnet de notes du Révérend Bayes.
09:50
So I think those babies are actually making complicated calculations
238
575000
3000
Je pense donc que ces bébés effectuent en fait des calculs compliqués
09:53
with conditional probabilities that they're revising
239
578000
3000
avec des probabilités conditionnelles qu'ils révisent
09:56
to figure out how the world works.
240
581000
2000
pour se représenter comment le monde fonctionne.
09:58
All right, now that might seem like an even taller order to actually demonstrate.
241
583000
4000
Très bien, c’est une séquence qui parait encore plus difficile à démontrer.
10:02
Because after all, if you ask even grownups about statistics,
242
587000
2000
Puisque après tout, si vous questionnez les adultes au sujet des statistiques,
10:04
they look extremely stupid.
243
589000
2000
ils ont l'air extrêmement stupides.
10:06
How could it be that children are doing statistics?
244
591000
3000
Comment est-il possible qu'un enfant fasse des statistiques?
10:09
So to test this we used a machine that we have
245
594000
2000
Pour tester cela, nous avons utilisé une machine que nous avons
10:11
called the Blicket Detector.
246
596000
2000
appelé le détecteur de Blicket
10:13
This is a box that lights up and plays music
247
598000
2000
C'est une boite qui s'allume et joue de la musique
10:15
when you put some things on it and not others.
248
600000
3000
lorsque vous mettez certains objets à l'intérieur et pas d'autres.
10:18
And using this very simple machine,
249
603000
2000
Et en utilisant cette machine très simple,
10:20
my lab and others have done dozens of studies
250
605000
2000
mon laboratoire et d'autres ont réalisé des douzaines d'études
10:22
showing just how good babies are
251
607000
2000
montrant comment les bébés étaient doués
10:24
at learning about the world.
252
609000
2000
dans l'apprentissage du monde.
10:26
Let me mention just one
253
611000
2000
Laissez-moi simplement en citer une
10:28
that we did with Tumar Kushner, my student.
254
613000
2000
que nous avons fait avec Tumar Kushner, mon étudiante.
10:30
If I showed you this detector,
255
615000
2000
Si je vous montrais ce détecteur,
10:32
you would be likely to think to begin with
256
617000
2000
vous commenceriez certainement à penser
10:34
that the way to make the detector go
257
619000
2000
que la façon de faire fonctionner le détecteur
10:36
would be to put a block on top of the detector.
258
621000
3000
serait de mettre un bloc au-dessus du détecteur.
10:39
But actually, this detector
259
624000
2000
Mais en fait, ce détecteur
10:41
works in a bit of a strange way.
260
626000
2000
fonctionne d'une façon un peu étrange.
10:43
Because if you wave a block over the top of the detector,
261
628000
3000
Car si vous placez un bloc au-dessus du détecteur,
10:46
something you wouldn't ever think of to begin with,
262
631000
3000
quelque chose que vous n'auriez jamais pensé se produit,
10:49
the detector will actually activate two out of three times.
263
634000
3000
le détecteur va activer deux fois sur trois.
10:52
Whereas, if you do the likely thing, put the block on the detector,
264
637000
3000
Tandis que si vous faites la chose plus probable, mettre le bloc sur le détecteur,
10:55
it will only activate two out of six times.
265
640000
4000
il va s'activer seulement deux fois sur six.
10:59
So the unlikely hypothesis
266
644000
2000
Donc l'hypothèse peu probable
11:01
actually has stronger evidence.
267
646000
2000
a en fait une évidence forte.
11:03
It looks as if the waving
268
648000
2000
Il semble que secouer
11:05
is a more effective strategy than the other strategy.
269
650000
2000
est une stratégie plus efficace que l’autre.
11:07
So we did just this; we gave four year-olds this pattern of evidence,
270
652000
3000
Donc nous avons simplement fait cela ; nous avons donné à un enfant de 4 ans ces évidences,
11:10
and we just asked them to make it go.
271
655000
2000
et nous lui avons demandé de faire marcher le détecteur.
11:12
And sure enough, the four year-olds used the evidence
272
657000
3000
Et assurément, les enfants de quatre ans utilisaient l'évidence
11:15
to wave the object on top of the detector.
273
660000
3000
secouant les objets au-dessus du détecteur.
11:18
Now there are two things that are really interesting about this.
274
663000
3000
Il y a à présent deux choses qui sont réellement intéressantes à ce sujet.
11:21
The first one is, again, remember, these are four year-olds.
275
666000
3000
La première est, à nouveau, rappelez-vous, ce sont des enfants de quatre ans.
11:24
They're just learning how to count.
276
669000
2000
Ils apprennent tout juste à compter.
11:26
But unconsciously,
277
671000
2000
Mais inconsciemment,
11:28
they're doing these quite complicated calculations
278
673000
2000
ils effectuent ces calculs plutôt complexes
11:30
that will give them a conditional probability measure.
279
675000
3000
qui vont leurs donner une mesure de probabilité conditionnelle.
11:33
And the other interesting thing
280
678000
2000
Et une autre chose intéressante
11:35
is that they're using that evidence
281
680000
2000
est qu'ils utilisent cette évidence
11:37
to get to an idea, get to a hypothesis about the world,
282
682000
3000
pour se faire une idée, établir une hypothèse au sujet du monde,
11:40
that seems very unlikely to begin with.
283
685000
3000
qui paraît peu probable pour commencer.
11:43
And in studies we've just been doing in my lab, similar studies,
284
688000
3000
Et dans les études que nous avons menées dans mon laboratoire, des études similaires,
11:46
we've show that four year-olds are actually better
285
691000
2000
nous avons montré que les enfants de quatre ans étaient en fait plus doués
11:48
at finding out an unlikely hypothesis
286
693000
3000
dans la recherche d’une hypothèse incongrue
11:51
than adults are when we give them exactly the same task.
287
696000
3000
par rapport aux adultes à qui on demandait d'accomplir exactement la même tache.
11:54
So in these circumstances,
288
699000
2000
Dans ces circonstances,
11:56
the children are using statistics to find out about the world,
289
701000
3000
les enfants utilisent les statistiques pour découvrir le monde,
11:59
but after all, scientists also do experiments,
290
704000
3000
mais après tout, les scientifiques aussi font des expériences,
12:02
and we wanted to see if children are doing experiments.
291
707000
3000
et nous voulions voir si les enfants faisaient des expériences.
12:05
When children do experiments we call it "getting into everything"
292
710000
3000
Lorsque les enfants font des expériences, nous appelons cela "tout essayer"
12:08
or else "playing."
293
713000
2000
ou encore "jouer".
12:10
And there's been a bunch of interesting studies recently
294
715000
3000
Et il y a un paquet d'études intéressantes, conduites récemment,
12:13
that have shown this playing around
295
718000
3000
qui ont montré que jouer
12:16
is really a kind of experimental research program.
296
721000
2000
est réellement une sorte de programme de recherche expérimentale.
12:18
Here's one from Cristine Legare's lab.
297
723000
3000
En voici une du laboratoire de Cristine Legare.
12:21
What Cristine did was use our Blicket Detectors.
298
726000
3000
Ce que Cristine a fait c’est utilisé le détecteur Blicket.
12:24
And what she did was show children
299
729000
2000
Et ce qu'elle a fait était de montrer aux enfants
12:26
that yellow ones made it go and red ones didn't,
300
731000
2000
que les jaunes le faisait marcher et le rouge non,
12:28
and then she showed them an anomaly.
301
733000
3000
et puis elle leurs montrait une anomalie.
12:31
And what you'll see
302
736000
2000
Et ce que vous verrez
12:33
is that this little boy will go through five hypotheses
303
738000
3000
est que ce petit garçon va successivement établir cinq hypothèses
12:36
in the space of two minutes.
304
741000
3000
en l'espace de deux minutes.
12:39
(Video) Boy: How about this?
305
744000
3000
(Video) Garçon : Et comme ça?
12:43
Same as the other side.
306
748000
3000
Comme de l'autre côté.
12:46
Alison Gopnik: Okay, so his first hypothesis has just been falsified.
307
751000
4000
Alison Gopnik : Ok, donc sa première hypothèse vient juste d’être falsifiée.
12:55
(Laughter)
308
760000
2000
(Rires)
12:57
Boy: This one lighted up, and this one nothing.
309
762000
3000
Garçon : Celle-là s'allume, celle-là rien.
13:00
AG: Okay, he's got his experimental notebook out.
310
765000
3000
AG : Ok, il écrit son cahier d'expériences.
13:06
Boy: What's making this light up.
311
771000
4000
Garçon : Qu'est ce qui allume cette lumière?
13:11
(Laughter)
312
776000
9000
(Rires)
13:20
I don't know.
313
785000
2000
Je ne sais pas.
13:22
AG: Every scientist will recognize that expression of despair.
314
787000
4000
AG : Tous les scientifiques reconnaîtront cette expression de désespoir.
13:26
(Laughter)
315
791000
3000
(Rires)
13:29
Boy: Oh, it's because this needs to be like this,
316
794000
6000
Garçon : Oh, c'est parce qu'il faut que ce soit comme ça.
13:35
and this needs to be like this.
317
800000
2000
et celui-ci il faut qu’il soit comme ça.
13:37
AG: Okay, hypothesis two.
318
802000
3000
AG : Ok, hypothèse numéro deux.
13:40
Boy: That's why.
319
805000
2000
Garçon : Voila pourquoi!
13:42
Oh.
320
807000
2000
Oh.
13:44
(Laughter)
321
809000
5000
(Rires)
13:49
AG: Now this is his next idea.
322
814000
2000
AG : A présent, voila sa prochaine idée.
13:51
He told the experimenter to do this,
323
816000
2000
Il a demandé à l'expérimentateur de faire ceci,
13:53
to try putting it out onto the other location.
324
818000
4000
d'essayer de le placer de l’autre coté.
13:57
Not working either.
325
822000
2000
Ça ne marche pas non plus.
14:02
Boy: Oh, because the light goes only to here,
326
827000
4000
Garçon : Oh, parce que les lumières vont seulement ici.
14:06
not here.
327
831000
3000
pas ici.
14:09
Oh, the bottom of this box
328
834000
3000
Oh, le dessus de cette boîte
14:12
has electricity in here,
329
837000
2000
a de l'électricité à l'intérieur.
14:14
but this doesn't have electricity.
330
839000
2000
mais celle-là n'a pas d'électricité.
14:16
AG: Okay, that's a fourth hypothesis.
331
841000
2000
AG : Ok, c'est une quatrième hypothèse.
14:18
Boy: It's lighting up.
332
843000
2000
Garçon : Ca s'allume.
14:20
So when you put four.
333
845000
5000
Donc, c'est quand on en met quatre.
14:26
So you put four on this one to make it light up
334
851000
3000
Donc on doit en mettre quatre sur celle-ci pour l'allumer
14:29
and two on this one to make it light up.
335
854000
2000
et deux sur celle-là pour l'allumer.
14:31
AG: Okay,there's his fifth hypothesis.
336
856000
2000
AG : Ok, voilà notre cinquième hypothèse.
14:33
Now that is a particularly --
337
858000
3000
Bon, c’est un enfant particulièrement --
14:36
that is a particularly adorable and articulate little boy,
338
861000
3000
c'est un jeune homme particulièrement adorable et qui s’exprime bien,
14:39
but what Cristine discovered is this is actually quite typical.
339
864000
3000
mais ce que Cristine à découvert est que c'est en fait assez courant.
14:42
If you look at the way children play, when you ask them to explain something,
340
867000
3000
Si vous regardez comment jouent les enfants, quand vous leur demander d'expliquer quelque chose.
14:45
what they really do is do a series of experiments.
341
870000
3000
ce qu'ils font réellement est une série d'expériences.
14:48
This is actually pretty typical of four year-olds.
342
873000
3000
C'est en fait assez typique des enfants de quatre ans.
14:51
Well, what's it like to be this kind of creature?
343
876000
3000
Eh bien, comment est-ce que ca fait d'être ce genre de créature?
14:54
What's it like to be one of these brilliant butterflies
344
879000
3000
A quoi ca ressemble d'être l'un de ces brillants papillons
14:57
who can test five hypotheses in two minutes?
345
882000
3000
qui peut tester cinq hypothèses en deux minutes?
15:00
Well, if you go back to those psychologists and philosophers,
346
885000
3000
Si vous revenez à ces psychologues et ces philosophes
15:03
a lot of them have said
347
888000
2000
nombre d'entre eux ont dit
15:05
that babies and young children were barely conscious
348
890000
2000
que les bébés et les enfants étaient à peine conscients
15:07
if they were conscious at all.
349
892000
2000
ou pas du tout.
15:09
And I think just the opposite is true.
350
894000
2000
Et je crois que l'exact opposé est vrai.
15:11
I think babies and children are actually more conscious than we are as adults.
351
896000
3000
Je crois que les bébés et les enfants sont en fait plus conscients que nous en tant qu'adultes.
15:14
Now here's what we know about how adult consciousness works.
352
899000
3000
Voilà ce que nous savons à propos du fonctionnement de la conscience adulte.
15:17
And adults' attention and consciousness
353
902000
2000
Et l'attention et la conscience de l'adulte
15:19
look kind of like a spotlight.
354
904000
2000
ressemble à une sorte de projecteur.
15:21
So what happens for adults
355
906000
2000
Ce qui se passe chez l'adulte
15:23
is we decide that something's relevant or important,
356
908000
2000
est que nous décidons que quelque chose est important et digne d'intérêt,
15:25
we should pay attention to it.
357
910000
2000
nous devons y prêter attention.
15:27
Our consciousness of that thing that we're attending to
358
912000
2000
Notre conscience de cette chose à laquelle nous assistons
15:29
becomes extremely bright and vivid,
359
914000
3000
devient extrêmement brillante et vive,
15:32
and everything else sort of goes dark.
360
917000
2000
et tout le reste est plongé dans le noir.
15:34
And we even know something about the way the brain does this.
361
919000
3000
Et nous savons même des choses sur la façon dont notre cerveau fait cela.
15:37
So what happens when we pay attention
362
922000
2000
Ce qui se passe lorsque nous prêtons attention
15:39
is that the prefrontal cortex, the sort of executive part of our brains,
363
924000
3000
est que notre cortex préfrontal, une sorte de partie exécutive de nos cerveaux,
15:42
sends a signal
364
927000
2000
envoie un signal
15:44
that makes a little part of our brain much more flexible,
365
929000
2000
qui rend une partie de notre cerveau bien plus flexible.
15:46
more plastic, better at learning,
366
931000
2000
plus malléable, meilleure à l'apprentissage.
15:48
and shuts down activity
367
933000
2000
et éteint l'activité
15:50
in all the rest of our brains.
368
935000
2000
dans tout le reste de notre cerveau.
15:52
So we have a very focused, purpose-driven kind of attention.
369
937000
4000
Nous avons donc un type d'attention très concentré, et centré sur un but.
15:56
If we look at babies and young children,
370
941000
2000
Si nous regardons les bébés et jeunes enfants,
15:58
we see something very different.
371
943000
2000
nous voyons quelque chose de très différent.
16:00
I think babies and young children
372
945000
2000
Je crois que les bébés et les enfants
16:02
seem to have more of a lantern of consciousness
373
947000
2000
semblent avoir plutôt une lanterne de conscience
16:04
than a spotlight of consciousness.
374
949000
2000
plutôt qu'un projecteur de conscience.
16:06
So babies and young children are very bad
375
951000
3000
Les bébés et les jeunes enfants sont donc très mauvais
16:09
at narrowing down to just one thing.
376
954000
3000
dans la focalisation sur une seule chose.
16:12
But they're very good at taking in lots of information
377
957000
3000
Mais ils sont très bons pour récupérer beaucoup d'informations
16:15
from lots of different sources at once.
378
960000
2000
de nombreuses sources différentes en même temps.
16:17
And if you actually look in their brains,
379
962000
2000
Et si vous regarderez dans leurs cerveaux,
16:19
you see that they're flooded with these neurotransmitters
380
964000
3000
vous voyez qu’ils sont envahis de ces neurotransmetteurs
16:22
that are really good at inducing learning and plasticity,
381
967000
2000
qui sont vraiment adaptés pour induire de l'apprentissage et de la plasticité,
16:24
and the inhibitory parts haven't come on yet.
382
969000
3000
et les parties inhibitrices ne se sont pas encore actives.
16:27
So when we say that babies and young children
383
972000
2000
Donc, quand nous disons que les bébés et jeunes enfants
16:29
are bad at paying attention,
384
974000
2000
sont mauvais pour prêter attention,
16:31
what we really mean is that they're bad at not paying attention.
385
976000
4000
ce que nous voulons en réalité dire est qu'ils sont mauvais à ne pas prêter attention.
16:35
So they're bad at getting rid
386
980000
2000
Ils sont mauvais pour se débarasser
16:37
of all the interesting things that could tell them something
387
982000
2000
de toutes les choses intéressantes qui pourraient leur évoquer quelque chose
16:39
and just looking at the thing that's important.
388
984000
2000
et se concentrer uniquement sur les choses qui sont importantes.
16:41
That's the kind of attention, the kind of consciousness,
389
986000
3000
C'est le genre d'attention, le genre de prise de conscience,
16:44
that we might expect
390
989000
2000
que nous pourrions nous attendre
16:46
from those butterflies who are designed to learn.
391
991000
2000
des papillons qui sont construits pour apprendre.
16:48
Well if we want to think about a way
392
993000
2000
Si nous voulons penser à une façon
16:50
of getting a taste of that kind of baby consciousness as adults,
393
995000
4000
de conserver une touche de cette conscience de bébé en tant qu'adultes,
16:54
I think the best thing is think about cases
394
999000
2000
je crois que la meilleure chose à faire est de penser aux cas
16:56
where we're put in a new situation that we've never been in before --
395
1001000
3000
où nous sommes face à une nouvelle situation que nous n'avons jamais expérimentée avant --
16:59
when we fall in love with someone new,
396
1004000
2000
quand nous tombons amoureux de quelqu'un,
17:01
or when we're in a new city for the first time.
397
1006000
3000
ou quand nous sommes dans une nouvelle ville pour la première fois.
17:04
And what happens then is not that our consciousness contracts,
398
1009000
2000
Et ce qui arrive à ce moment là ce n'est pas que notre conscience se contracte,
17:06
it expands,
399
1011000
2000
elle se développe,
17:08
so that those three days in Paris
400
1013000
2000
de sorte que ces trois jours à Paris
17:10
seem to be more full of consciousness and experience
401
1015000
2000
semblent être plus pleins de consciences et d'expériences
17:12
than all the months of being
402
1017000
2000
que tout les mois passés
17:14
a walking, talking, faculty meeting-attending zombie back home.
403
1019000
4000
à marcher, parler, assister à des réunions comme des abrutis et rentrer chez soi.
17:18
And by the way, that coffee,
404
1023000
2000
Et au fait, ce café,
17:20
that wonderful coffee you've been drinking downstairs,
405
1025000
2000
ce merveilleux café que vous avez bu en bas,
17:22
actually mimics the effect
406
1027000
2000
imite en fait l'effet
17:24
of those baby neurotransmitters.
407
1029000
2000
des neurotransmetteurs des bébés.
17:26
So what's it like to be a baby?
408
1031000
2000
Donc, qu'est ce que ça fait d'être un bébé?
17:28
It's like being in love
409
1033000
2000
C'est comme être amoureux
17:30
in Paris for the first time
410
1035000
2000
à Paris pour la première fois
17:32
after you've had three double-espressos.
411
1037000
2000
après avoir bu trois doubles espressos.
17:34
(Laughter)
412
1039000
3000
(Rires)
17:37
That's a fantastic way to be,
413
1042000
2000
C'est une formidable manière d’être,
17:39
but it does tend to leave you waking up crying at three o'clock in the morning.
414
1044000
4000
mais sans risquer de vous réveiller, en pleurs à trois heures du matin.
17:43
(Laughter)
415
1048000
3000
(Rires)
17:46
Now it's good to be a grownup.
416
1051000
2000
C’est bien d'être un adulte.
17:48
I don't want to say too much about how wonderful babies are.
417
1053000
2000
Je ne voudrais pas trop en dire sur combien les bébés sont merveilleux.
17:50
It's good to be a grownup.
418
1055000
2000
C'est bien d'être un adulte.
17:52
We can do things like tie our shoelaces and cross the street by ourselves.
419
1057000
3000
Nous pouvons faire des choses comme nouer les lacets des chaussures, ou traverser la rue tous seuls.
17:55
And it makes sense that we put a lot of effort
420
1060000
2000
Mais ça a du sens investir beaucoup d'efforts
17:57
into making babies think like adults do.
421
1062000
4000
à faire penser les bébés comme des adultes.
18:01
But if what we want is to be like those butterflies,
422
1066000
3000
Mais si nous voulons être comme ces papillons,
18:04
to have open-mindedness, open learning,
423
1069000
3000
avoir une ouverture d'esprit, une ouverture à l'apprentissage,
18:07
imagination, creativity, innovation,
424
1072000
2000
à l'imagination, à la créativité, à l'innovation,
18:09
maybe at least some of the time
425
1074000
2000
peut-être au moins quelque fois,
18:11
we should be getting the adults
426
1076000
2000
nous devrions pousser les adultes
18:13
to start thinking more like children.
427
1078000
2000
à commencer à penser comme des enfants.
18:15
(Applause)
428
1080000
8000
(Applaudissements)
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