TEDGlobal 2011
Alison Gopnik: What do babies think?
אליסון גופניק: מה תינוקות חושבים?
Filmed:
Readability: 3.4
4,341,974 views
"תינוקות וילדים צעירים הם כמו מחלקת מחקר ופיתוח של המין האנושי" אומרת הפסיכולוגית אליסון גופניק. מחקריה בודקים את איסוף המידע המתוחכם וקבלת ההחלטות שילדים מבצעים כשהם משחקים.
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
מה מתרחש
00:17
in this baby's mind?
1
2000
2000
במוחו של התינוק הזה?
00:19
If you'd asked people this 30 years ago,
2
4000
2000
אם היינו שואלים את השאלה הזו לפני 30 שנה
00:21
most people, including psychologists,
3
6000
2000
רוב האנשים, כולל פסיכולוגים,
00:23
would have said that this baby was irrational,
4
8000
3000
היו אומרים כי התינוק הזה לא רציונלי,
00:26
illogical, egocentric --
5
11000
2000
חסר כל הגיון, אגוצנטרי -
00:28
that he couldn't take the perspective of another person
6
13000
2000
שהוא אינו יכול לקחת בחשבון נקודת מבט של אדם אחר
00:30
or understand cause and effect.
7
15000
2000
או להבין סיבה ותוצאה.
00:32
In the last 20 years,
8
17000
2000
בעשרים השנים האחרונות,
00:34
developmental science has completely overturned that picture.
9
19000
3000
המדע ההתפתחותי הפך לחלוטין את התמונה הזאת.
00:37
So in some ways,
10
22000
2000
כך שבדרכים מסויימות,
00:39
we think that this baby's thinking
11
24000
2000
אנחנו חושבים שצורת המחשבה של התינוק הזה
00:41
is like the thinking of the most brilliant scientists.
12
26000
4000
דומה לצורת המחשבה של המדענים המבריקים ביותר.
00:45
Let me give you just one example of this.
13
30000
2000
אתן לכם דוגמא לכך.
00:47
One thing that this baby could be thinking about,
14
32000
3000
אחד הדברים שתינוק זה יכול לחשוב עליו
00:50
that could be going on in his mind,
15
35000
2000
הדבר שיכול להעסיק את מוחו,
00:52
is trying to figure out
16
37000
2000
זה הניסיון להבין
00:54
what's going on in the mind of that other baby.
17
39000
3000
מה מתרחש במוחו של התינוק האחר.
00:57
After all, one of the things that's hardest for all of us to do
18
42000
3000
אחרי הכל, אחד הדברים הקשים ביותר בשביל כולנו
01:00
is to figure out what other people are thinking and feeling.
19
45000
3000
זה להבין מה אנשים אחרים חושבים ומרגישים.
01:03
And maybe the hardest thing of all
20
48000
2000
ואולי הדבר הקשה ביותר
01:05
is to figure out that what other people think and feel
21
50000
3000
הוא ההבנה שמה שאנשים אחרים מרגישים וחושבים
01:08
isn't actually exactly like what we think and feel.
22
53000
2000
לא תואם את מה שאנו מרגישים וחושבים.
01:10
Anyone who's followed politics can testify
23
55000
2000
כל מי שעוקב אחר פוליטיקה יוכל להעיד
01:12
to how hard that is for some people to get.
24
57000
3000
עד כמה קשה זה יכול להיות עבור אנשים מסויימים.
01:15
We wanted to know
25
60000
2000
אנחנו רצינו לדעת,
01:17
if babies and young children
26
62000
2000
האם תינוקות וילדים קטנים יכולים
01:19
could understand this really profound thing about other people.
27
64000
3000
להבין את הדבר המהותי הזה בנוגע לאנשים אחרים.
01:22
Now the question is: How could we ask them?
28
67000
2000
עכשיו השאלה היא: איך נוכל לשאול אותם?
01:24
Babies, after all, can't talk,
29
69000
2000
תינוקות, אחרי הכל, לא יכולים לדבר,
01:26
and if you ask a three year-old
30
71000
2000
ואם נשאל ילד בן שלוש
01:28
to tell you what he thinks,
31
73000
2000
על מה הוא חושב,
01:30
what you'll get is a beautiful stream of consciousness monologue
32
75000
3000
מה שנקבל הוא זרם יפה של מונולוג ישר מהתודעה
01:33
about ponies and birthdays and things like that.
33
78000
3000
על סוסי פוני וימי הולדת ודברים דומים.
01:36
So how do we actually ask them the question?
34
81000
3000
אז איך למעשה אנחנו שואלים אותם את השאלה?
01:39
Well it turns out that the secret was broccoli.
35
84000
3000
טוב, מסתבר שהסוד היה ברוקולי.
01:42
What we did -- Betty Rapacholi, who was one of my students, and I --
36
87000
4000
מה שעשינו, בטי ראפקולי, שהייתה סטודנטית שלי, ואני,
01:46
was actually to give the babies two bowls of food:
37
91000
3000
היה בעצם לתת לתינוקות שתי קערות עם אוכל:
01:49
one bowl of raw broccoli
38
94000
2000
קערה אחת של ברוקולי לא מבושל
01:51
and one bowl of delicious goldfish crackers.
39
96000
3000
וקערה נוספת עם קרקרים טעימים בצורת דגי זהב.
01:54
Now all of the babies, even in Berkley,
40
99000
3000
כל התינוקות, אפילו בברקלי,
01:57
like the crackers and don't like the raw broccoli.
41
102000
3000
אוהבים את הקרקרים ולא את הברוקולי.
02:00
(Laughter)
42
105000
2000
(צחוק)
02:02
But then what Betty did
43
107000
2000
אך מה שבטי עשתה
02:04
was to take a little taste of food from each bowl.
44
109000
3000
היה לטעום מעט מכל אחת מהקערות.
02:07
And she would act as if she liked it or she didn't.
45
112000
2000
ואז היא התנהגה כאילו אהבה את מה שלקחה, או שלא.
02:09
So half the time, she acted
46
114000
2000
חצי מהזמן היא התנהגה
02:11
as if she liked the crackers and didn't like the broccoli --
47
116000
2000
כאילו היא אוהבת את הקרקרים ולא את הברוקולי -
02:13
just like a baby and any other sane person.
48
118000
3000
כמו תינוק וכל אדם שפוי אחר.
02:16
But half the time,
49
121000
2000
אבל בחצי השני מהמקרים,
02:18
what she would do is take a little bit of the broccoli
50
123000
2000
היא לקחה חתיכה קטנה של ברוקולי
02:20
and go, "Mmmmm, broccoli.
51
125000
3000
ואמרה "מממ, ברוקולי.
02:23
I tasted the broccoli. Mmmmm."
52
128000
3000
טעמתי את הברוקולי. ממממממ"
02:26
And then she would take a little bit of the crackers,
53
131000
2000
ואז היייתה לוקחת מעט מהקרקרים,
02:28
and she'd go, "Eww, yuck, crackers.
54
133000
4000
והייתה אומרת "איכס, יאק, קרקרים!
02:32
I tasted the crackers. Eww, yuck."
55
137000
3000
טעמתי את הקרקרים. איכס, יאק"
02:35
So she'd act as if what she wanted
56
140000
2000
היא התנהגה כאילו מה שהיא רצתה
02:37
was just the opposite of what the babies wanted.
57
142000
3000
היה הדבר ההפוך ממה שרצו התינוקות.
02:40
We did this with 15 and 18 month-old babies.
58
145000
2000
עשינו את זה עם תינוקות בני 15 ו-18 חודשים.
02:42
And then she would simply put her hand out and say,
59
147000
3000
אז היא הייתה מושיטה את ידה ואומרת
02:45
"Can you give me some?"
60
150000
2000
"תוכל לתת לי קצת?"
02:47
So the question is: What would the baby give her,
61
152000
2000
אז השאלה היא: מה ייתנו לה התינוקות?
02:49
what they liked or what she liked?
62
154000
2000
מה שהם אהבו או מה שהיא אהבה?
02:51
And the remarkable thing was that 18 month-old babies,
63
156000
3000
והדבר המדהים היה שתינוקות בני 18 חודשים,
02:54
just barely walking and talking,
64
159000
2000
שבקושי הלכו ודיברו,
02:56
would give her the crackers if she liked the crackers,
65
161000
3000
נתנו לה את הקרקרים אם אהבה את הקרקרים,
02:59
but they would give her the broccoli if she liked the broccoli.
66
164000
3000
אבל נתנו לה את הברוקולי אם אהבה את הברוקולי.
03:02
On the other hand,
67
167000
2000
מצד שני,
03:04
15 month-olds would stare at her for a long time
68
169000
2000
תינוקות בני 15 חודשים פשוט היו בוהים בה זמן ממושך
03:06
if she acted as if she liked the broccoli,
69
171000
2000
אם התנהגה כאילו אהבה את הברוקולי,
03:08
like they couldn't figure this out.
70
173000
3000
כאילו לא יכלו להבין את זה.
03:11
But then after they stared for a long time,
71
176000
2000
אך לאחר שהם בהו בה זמן רב,
03:13
they would just give her the crackers,
72
178000
2000
הם פשוט נתנו לה את הקרקרים,
03:15
what they thought everybody must like.
73
180000
2000
מה שהם חשבו שכולם אוהבים.
03:17
So there are two really remarkable things about this.
74
182000
3000
אז יש שני דברים מדהימים בקשר לזה.
03:20
The first one is that these little 18 month-old babies
75
185000
3000
הראשון הוא שתינוקות קטנים אלה, בני 18 חודשים
03:23
have already discovered
76
188000
2000
כבר גילו
03:25
this really profound fact about human nature,
77
190000
2000
את העובדה העמוקה הזאת הקשורה לטבע האנושי
03:27
that we don't always want the same thing.
78
192000
2000
שאנחנו לא תמיד רוצים את אותם הדברים.
03:29
And what's more, they felt that they should actually do things
79
194000
2000
יתרה מזאת, הם הרגישו שעליהם לעשות דברים
03:31
to help other people get what they wanted.
80
196000
3000
בכדי לעזור לאנשים אחרים לקבל את מה שרצו.
03:34
Even more remarkably though,
81
199000
2000
אפילו יותר ראוי לציין
03:36
the fact that 15 month-olds didn't do this
82
201000
3000
היא העובדה שמאחר ובני 15 החודשים לא עשו כך
03:39
suggests that these 18 month-olds had learned
83
204000
3000
מרמזת על כך שבני ה18 חודשים האלה למדו
03:42
this deep, profound fact about human nature
84
207000
3000
את העובדה העמוקה והמהותית הקשורה לטבע האנושי
03:45
in the three months from when they were 15 months old.
85
210000
3000
בשלושת החודשים שעברו מהיותם בני 15 חודשים.
03:48
So children both know more and learn more
86
213000
2000
משמעות הדבר היא שילדים יודעים יותר וגם לומדים יותר
03:50
than we ever would have thought.
87
215000
2000
מאשר היינו מעלים על דעתנו.
03:52
And this is just one of hundreds and hundreds of studies over the last 20 years
88
217000
4000
וזה רק אחד ממאות רבות של מחקרים מעשרים השנים האחרונות
03:56
that's actually demonstrated it.
89
221000
2000
שמוכיחים זאת באמת.
03:58
The question you might ask though is:
90
223000
2000
השאלה שאולי תשאלו היא:
04:00
Why do children learn so much?
91
225000
3000
למה ילדים לומדים כל כך הרבה?
04:03
And how is it possible for them to learn so much
92
228000
2000
ואיך זה אפשרי בשבילם ללמוד כל כך הרבה
04:05
in such a short time?
93
230000
2000
בזמן כל כך קצר?
04:07
I mean, after all, if you look at babies superficially,
94
232000
2000
אחרי הכל, אם נסתכל על תינוקות, במבט ראשון
04:09
they seem pretty useless.
95
234000
2000
הם נראים די חסרי תועלת.
04:11
And actually in many ways, they're worse than useless,
96
236000
3000
למען האמת, במובנים רבים הם גרועים יותר מחסרי תועלת,
04:14
because we have to put so much time and energy
97
239000
2000
כי אנחנו צריכים להשקיע כל כך הרבה זמן ואנרגיה
04:16
into just keeping them alive.
98
241000
2000
רק כדי להחזיק אותם בחיים.
04:18
But if we turn to evolution
99
243000
2000
אך אם נסתכל על האבולוציה
04:20
for an answer to this puzzle
100
245000
2000
כדי למצוא תשובה לשאלה
04:22
of why we spend so much time
101
247000
2000
למה אנחנו מבלים זמן כה רב
04:24
taking care of useless babies,
102
249000
3000
בטיפול בתינוקות חסרי תועלת,
04:27
it turns out that there's actually an answer.
103
252000
3000
מתברר שיש בעצם תשובה ברורה.
04:30
If we look across many, many different species of animals,
104
255000
3000
אם נסתכל על הרבה מאוד זנים של חיות,
04:33
not just us primates,
105
258000
2000
לא רק פרימאטים כמונו,
04:35
but also including other mammals, birds,
106
260000
2000
אלא גם יונקים אחרים, ציפורים,
04:37
even marsupials
107
262000
2000
אפילו חיות כיס
04:39
like kangaroos and wombats,
108
264000
2000
כמו וומבט וקנגורו,
04:41
it turns out that there's a relationship
109
266000
2000
מסתבר שיש קשר
04:43
between how long a childhood a species has
110
268000
4000
בין אורך תקופת הילדות
04:47
and how big their brains are compared to their bodies
111
272000
4000
לגודל המוח בהשוואה לגוף
04:51
and how smart and flexible they are.
112
276000
2000
וכמה חכמים וגמישים היצורים.
04:53
And sort of the posterbirds for this idea are the birds up there.
113
278000
3000
בחרנו כ"נערות פוסטר" את שתי הציפורים כאן.
04:56
On one side
114
281000
2000
מצד אחד
04:58
is a New Caledonian crow.
115
283000
2000
נמצא העורבן הניו קלונדיאני.
05:00
And crows and other corvidae, ravens, rooks and so forth,
116
285000
3000
העורבן ועורביים אחרים, העורב וכו'
05:03
are incredibly smart birds.
117
288000
2000
הם ציפורים חכמות בצורה מפתיעה.
05:05
They're as smart as chimpanzees in some respects.
118
290000
3000
הם חכמים כמו שימפנזים במובנים מסויימים.
05:08
And this is a bird on the cover of science
119
293000
2000
וזו ציפור על השער של מגזין "Science"
05:10
who's learned how to use a tool to get food.
120
295000
3000
שלמדה להשתמש בכלי בכדי להשיג אוכל.
05:13
On the other hand,
121
298000
2000
בצד השני,
05:15
we have our friend the domestic chicken.
122
300000
2000
יש לנו את חברתנו התרנגולת המבויתת.
05:17
And chickens and ducks and geese and turkeys
123
302000
3000
אווזים, ברווזים, תרנגולות ותרנגולי הודו
05:20
are basically as dumb as dumps.
124
305000
2000
הם בעצם טיפשים כמו חמורים.
05:22
So they're very, very good at pecking for grain,
125
307000
3000
הם מאוד מאוד טובים בניקור גרעינים,
05:25
and they're not much good at doing anything else.
126
310000
3000
אבל לא ממש טובים בשום דבר אחר.
05:28
Well it turns out that the babies,
127
313000
2000
טוב, אז מסתבר שתינוקות
05:30
the New Caledonian crow babies, are fledglings.
128
315000
2000
התינוקות של העורבן, הם גוזלים.
05:32
They depend on their moms
129
317000
2000
הם מסתמכים על אמם
05:34
to drop worms in their little open mouths
130
319000
3000
שתניח תולעים בפיות הקטנים שלהם
05:37
for as long as two years,
131
322000
2000
לתקופה באורך של שנתיים,
05:39
which is a really long time in the life of a bird.
132
324000
2000
שזה זמן ארוך מאוד בתוחלת החיים של ציפור.
05:41
Whereas the chickens are actually mature
133
326000
2000
בעוד שהתרנגולות בעצם בוגרות
05:43
within a couple of months.
134
328000
2000
תוך חודשים ספורים.
05:45
So childhood is the reason
135
330000
3000
אז הילדות היא הסיבה
05:48
why the crows end up on the cover of Science
136
333000
2000
לכך שהעורבנים מגיעים לשער מגזין "Science"
05:50
and the chickens end up in the soup pot.
137
335000
2000
והתרנגולות מסיימות בסיר מרק.
05:52
There's something about that long childhood
138
337000
3000
יש משהו בילדות הארוכה הזאת
05:55
that seems to be connected
139
340000
2000
שנראה קשור
05:57
to knowledge and learning.
140
342000
2000
לידע ולמידה.
05:59
Well what kind of explanation could we have for this?
141
344000
3000
אז איה סוג של הסבר יש לנו לזה?
06:02
Well some animals, like the chicken,
142
347000
3000
חיות מסויימות, כמו התרנגולות
06:05
seem to be beautifully suited
143
350000
2000
נראות מותאמות באופן נפלא
06:07
to doing just one thing very well.
144
352000
2000
לביצוע משימה אחת בצורה מצוינת.
06:09
So they seem to be beautifully suited
145
354000
3000
אז הם ממש מותאמים
06:12
to pecking grain in one environment.
146
357000
2000
לנקר את הגרעינים בסביבה מסויימת.
06:14
Other creatures, like the crows,
147
359000
2000
בעוד יצורים אחרים, כמו העורבנים,
06:16
aren't very good at doing anything in particular,
148
361000
2000
לא מצטיינים בשום דבר מסויים,
06:18
but they're extremely good
149
363000
2000
אבל הם טובים מאוד
06:20
at learning about laws of different environments.
150
365000
2000
בללמוד את החוקים של סביבות שונות.
06:22
And of course, we human beings
151
367000
2000
וכמובן, אנחנו
06:24
are way out on the end of the distribution like the crows.
152
369000
3000
בקצה הספקטרום כמו העורבנים.
06:27
We have bigger brains relative to our bodies
153
372000
2000
יש לנו מוחות גדולים יותר יחסית לגוף שלנו
06:29
by far than any other animal.
154
374000
2000
הרבה מאשר לכל חיה אחרת.
06:31
We're smarter, we're more flexible,
155
376000
2000
אנחנו חכמים יותר, גמישים יותר,
06:33
we can learn more,
156
378000
2000
יכולת הלמידה שלנו גדולה יותר,
06:35
we survive in more different environments,
157
380000
2000
אנחנו שורדים בסביבות שונות,
06:37
we migrated to cover the world and even go to outer space.
158
382000
3000
אנחנו התפרשנו כדי לכסות את העולם ואפילו הגענו לחלל החיצון.
06:40
And our babies and children are dependent on us
159
385000
3000
והילדים והתינוקות שלנו תלויים בנו
06:43
for much longer than the babies of any other species.
160
388000
3000
הרבה יותר זמן מאשר אצל כל מין אחר.
06:46
My son is 23.
161
391000
2000
הבן שלי בן 23.
06:48
(Laughter)
162
393000
2000
(צחוק)
06:50
And at least until they're 23,
163
395000
2000
ולפחות עד שהם בני 23,
06:52
we're still popping those worms
164
397000
2000
אנחנו עדיין זורקים את התולעים האלה
06:54
into those little open mouths.
165
399000
3000
אל הפיות הקטנים הפתוחים שלהם.
06:57
All right, why would we see this correlation?
166
402000
3000
אוקיי, למה רואים את המתאם הזה?
07:00
Well an idea is that that strategy, that learning strategy,
167
405000
4000
יתכן שהאסטרטגיה הזאת, אסטרטגיית הלימוד הזו,
07:04
is an extremely powerful, great strategy for getting on in the world,
168
409000
3000
היא אסטרטגיה מוצלחת מאוד להסתדר בעולם הזה,
07:07
but it has one big disadvantage.
169
412000
2000
אך יש לה חסרון אחד גדול
07:09
And that one big disadvantage
170
414000
2000
וחסרון זה
07:11
is that, until you actually do all that learning,
171
416000
3000
הוא שעד שאתה בעצם מסיים ללמוד את הכל,
07:14
you're going to be helpless.
172
419000
2000
אתה חסר אונים.
07:16
So you don't want to have the mastodon charging at you
173
421000
3000
אז לא ממש תרצה שממותה תרדוף אחריך
07:19
and be saying to yourself,
174
424000
2000
ותשאל את עצמך
07:21
"A slingshot or maybe a spear might work. Which would actually be better?"
175
426000
4000
"קלע או אולי חנית יכולים להתאים. מי מהן טובה יותר?"
07:25
You want to know all that
176
430000
2000
אתה רוצה לדעת את כל זה
07:27
before the mastodons actually show up.
177
432000
2000
לפני שהממותות מגיעות.
07:29
And the way the evolutions seems to have solved that problem
178
434000
3000
והדרך בה נראה שהאבולוציה פתרה את הבעיה הזו
07:32
is with a kind of division of labor.
179
437000
2000
היא בעזרת סוג של חלוקת תפקידים.
07:34
So the idea is that we have this early period when we're completely protected.
180
439000
3000
הרעיון הוא שיש לנו את התקופה המוקדמת בה אנחנו מוגנים לחלוטין.
07:37
We don't have to do anything. All we have to do is learn.
181
442000
3000
אנחנו לא צריכים לעשות דבר. כל שעלינו לעשות הוא ללמוד.
07:40
And then as adults,
182
445000
2000
ואז, כמבוגרים,
07:42
we can take all those things that we learned when we were babies and children
183
447000
3000
אנחנו יכולים לקחת את כל אותם דברים שלמדנו כתינוקות ולידים
07:45
and actually put them to work to do things out there in the world.
184
450000
3000
ולהשתמש בהם לביצוע מטלות בעולם האמיתי.
07:48
So one way of thinking about it
185
453000
2000
אז דרך אחת לחשוב על זה
07:50
is that babies and young children
186
455000
2000
היא שתינוקות וילדים קטנים
07:52
are like the research and development division of the human species.
187
457000
3000
הם כמו מחלקת המחקר והפיתוח של המין האנושי.
07:55
So they're the protected blue sky guys
188
460000
3000
אז הם החברה האלה
07:58
who just have to go out and learn and have good ideas,
189
463000
2000
שכל מה שהם צריכים לעשות זה לצאת וללמוד ולהעלות רעיונות טובים,
08:00
and we're production and marketing.
190
465000
2000
ואנחנו ייצור ושיווק.
08:02
We have to take all those ideas
191
467000
2000
אנחנו צריכים לקחת את כל הרעיונות האלו
08:04
that we learned when we were children
192
469000
2000
שלמדנו בהיותנו ילדים
08:06
and actually put them to use.
193
471000
2000
ובאמת להשתמש בהם.
08:08
Another way of thinking about it
194
473000
2000
דרך נוספת לחשוב על זה
08:10
is instead of thinking of babies and children
195
475000
2000
היא שבמקום לחשוב על תינוקות וילדים
08:12
as being like defective grownups,
196
477000
2000
כמבוגרים פגומים,
08:14
we should think about them
197
479000
2000
עלינו לחשוב עליהם
08:16
as being a different developmental stage of the same species --
198
481000
2000
כשלב התפתחותי שונה של אותו המין -
08:18
kind of like caterpillars and butterflies --
199
483000
3000
קצת כמו זחלים ופרפרים -
08:21
except that they're actually the brilliant butterflies
200
486000
2000
חוץ מזה שהם הפרפרים הנהדרים
08:23
who are flitting around the garden and exploring,
201
488000
3000
אשר מסתובבים בגן וחוקרים את סביבתם,
08:26
and we're the caterpillars
202
491000
2000
ואנחנו הזחלים
08:28
who are inching along our narrow, grownup, adult path.
203
493000
3000
אשר זוחלים לאורך הדרך הצרה, הבוגרת שלנו.
08:31
If this is true, if these babies are designed to learn --
204
496000
3000
אם זה נכון, אם תינוקות באמת מתוכננים כדי ללמוד
08:34
and this evolutionary story would say children are for learning,
205
499000
3000
והסיפור האבולוציוני הזה יספר לנו שילדים נועדו ללמוד,
08:37
that's what they're for --
206
502000
2000
זו הסיבה לקיומם,
08:39
we might expect
207
504000
2000
נוכל אולי לצפות לכך
08:41
that they would have really powerful learning mechanisms.
208
506000
2000
שיהיו בידיהם מנגנוני למידה חזקים במיוחד.
08:43
And in fact, the baby's brain
209
508000
3000
ובאמת, מוחו של תינוק
08:46
seems to be the most powerful learning computer
210
511000
2000
הוא כנראה מחשב הלמידה החזק
08:48
on the planet.
211
513000
2000
ביותר בעולם.
08:50
But real computers are actually getting to be a lot better.
212
515000
3000
אבל מחשבים אמיתיים משתפרים מאוד.
08:53
And there's been a revolution
213
518000
2000
הייתה מהפכה של ממש
08:55
in our understanding of machine learning recently.
214
520000
2000
בצורה בה אנחנו מבינים למידת מכונות לאחרונה.
08:57
And it all depends on the ideas of this guy,
215
522000
3000
הכל מסתמך על רעיונותיו של הבחור הזה,
09:00
the Reverend Thomas Bayes,
216
525000
2000
הכומר Thomas Bayes,
09:02
who was a statistician and mathematician in the 18th century.
217
527000
3000
שהיה סטטיסטיקאי ומתמטיקאי במאה ה-18.
09:05
And essentially what Bayes did
218
530000
3000
בעיקרון, מה ש- Bayes עשה
09:08
was to provide a mathematical way
219
533000
2000
היה לספק דרך מתמטית
09:10
using probability theory
220
535000
2000
תוך כדי שימוש בתאורית ההסתברות
09:12
to characterize, describe,
221
537000
2000
כדי לאפיין, לתאר
09:14
the way that scientists find out about the world.
222
539000
2000
את הדרך בה מדענים מגלים דברים על העולם.
09:16
So what scientists do
223
541000
2000
אז איך מדענים פועלים?
09:18
is they have a hypothesis that they think might be likely to start with.
224
543000
3000
הם מניחים השערה שלדעתם סבירה.
09:21
They go out and test it against the evidence.
225
546000
2000
ואז הם הולכים ובודקים אותה כנגד ההוכחות.
09:23
The evidence makes them change that hypothesis.
226
548000
2000
ההוכחה גורמת להם לשנות את ההשערה.
09:25
Then they test that new hypothesis
227
550000
2000
ואז הם בודקים את ההשערה החדשה
09:27
and so on and so forth.
228
552000
2000
וכך הלאה והלאה.
09:29
And what Bayes showed was a mathematical way that you could do that.
229
554000
3000
ומה שבייס הראה הייתה דרך מתמטית לעשות זאת.
09:32
And that mathematics is at the core
230
557000
2000
והמתמטיקה הזאת עומדת בבסיס
09:34
of the best machine learning programs that we have now.
231
559000
2000
לתוכניות למידה באמצעות מכונה הטובות ביותר שיש לנו כיום.
09:36
And some 10 years ago,
232
561000
2000
לפני כ- 10 שנים
09:38
I suggested that babies might be doing the same thing.
233
563000
4000
הצעתי את הרעיון שתינוקות עושים את אותו הדבר.
09:42
So if you want to know what's going on
234
567000
2000
אז אם תרצו לדעת מה קורה
09:44
underneath those beautiful brown eyes,
235
569000
2000
מעבר לעיניים החומות והיפות האלה,
09:46
I think it actually looks something like this.
236
571000
2000
אני חושבת שזה נראה בערך ככה.
09:48
This is Reverend Bayes's notebook.
237
573000
2000
זו המחברת של הכומר Bayes.
09:50
So I think those babies are actually making complicated calculations
238
575000
3000
אז אני חושבת שתינוקות אלה בעצם מבצעים חישובים מסובכים
09:53
with conditional probabilities that they're revising
239
578000
3000
עם הסתברויות מותנות שהם מנתחים
09:56
to figure out how the world works.
240
581000
2000
כדי להבין איך העולם עובד.
09:58
All right, now that might seem like an even taller order to actually demonstrate.
241
583000
4000
זה יכול להיראות כמו משהו מסובך מכדי שנוכיח באמת.
10:02
Because after all, if you ask even grownups about statistics,
242
587000
2000
כי אחרי הכל, אם תשאלו מבוגרים על סטטיסטיקות,
10:04
they look extremely stupid.
243
589000
2000
הם ייראו טיפשים מאוד.
10:06
How could it be that children are doing statistics?
244
591000
3000
אז איך יכול להיות שילדים עוסקים בסטטיסטיקה?
10:09
So to test this we used a machine that we have
245
594000
2000
כדי לבדוק את זה השתמשנו במכונה שבשרותנו
10:11
called the Blicket Detector.
246
596000
2000
בשם גלאי Blicket.
10:13
This is a box that lights up and plays music
247
598000
2000
מדובר בקופסה בה נדלקת נורה ומנגנת מוסיקה
10:15
when you put some things on it and not others.
248
600000
3000
כאשר מניחים עליה פריטים מסוימים, ואילו עם אחרים, לא.
10:18
And using this very simple machine,
249
603000
2000
ובשימוש במכונה הפשוטה הזו
10:20
my lab and others have done dozens of studies
250
605000
2000
המעבדה שלי ומעבדות אחרות ערכו עשרות מחקרים
10:22
showing just how good babies are
251
607000
2000
אשר מראים עד כמה באמת טובים התינוקות
10:24
at learning about the world.
252
609000
2000
בלימוד העולם.
10:26
Let me mention just one
253
611000
2000
תנו לי להראות רק אחת
10:28
that we did with Tumar Kushner, my student.
254
613000
2000
שעשינו עם תומר קושנר, תלמיד שלי.
10:30
If I showed you this detector,
255
615000
2000
אם הייתי מראה לכם את הגלאי הזה
10:32
you would be likely to think to begin with
256
617000
2000
כנראה שהייתם מתחילים לחשוב
10:34
that the way to make the detector go
257
619000
2000
שהדרך להפעיל את הגלאי
10:36
would be to put a block on top of the detector.
258
621000
3000
תהיה להניח קוביה על הגלאי.
10:39
But actually, this detector
259
624000
2000
במציאות, הגלאי הזה
10:41
works in a bit of a strange way.
260
626000
2000
עובד בדרך קצת משונה.
10:43
Because if you wave a block over the top of the detector,
261
628000
3000
אם ננופף עם הקוביה מעל הגלאי,
10:46
something you wouldn't ever think of to begin with,
262
631000
3000
דבר שלא היה עולה בדעתנו,
10:49
the detector will actually activate two out of three times.
263
634000
3000
הגלאי יופעל בעצם בפעמיים מתוך שלוש.
10:52
Whereas, if you do the likely thing, put the block on the detector,
264
637000
3000
בעוד שאם תעשה את הדבר הברור מאילו, שזה להניח את הקוביה על הגלאי,
10:55
it will only activate two out of six times.
265
640000
4000
הגלאי יופעל רק בפעמיים מתוך שש.
10:59
So the unlikely hypothesis
266
644000
2000
אז להנחה הסבירה פחות
11:01
actually has stronger evidence.
267
646000
2000
יש למעשה ראיות חזקות יותר.
11:03
It looks as if the waving
268
648000
2000
נראה כאילו ניפוף הקוביה מעל הגלאי
11:05
is a more effective strategy than the other strategy.
269
650000
2000
היא אסטרטגיה טובה יותר מאשר אסטרטגיה האחרת.
11:07
So we did just this; we gave four year-olds this pattern of evidence,
270
652000
3000
אז כך עשינו; נתנו לילדים בני ארבע את דפוס הראיות הזה
11:10
and we just asked them to make it go.
271
655000
2000
וביקשנו מהם לגרום לזה לעבוד.
11:12
And sure enough, the four year-olds used the evidence
272
657000
3000
ואכן, הילדים האלה השתמשו בדפוס הראיות
11:15
to wave the object on top of the detector.
273
660000
3000
כדי לנופף עם הקוביה מעל הגלאי.
11:18
Now there are two things that are really interesting about this.
274
663000
3000
מצאנו שני דברים מעניינים במיוחד בזה.
11:21
The first one is, again, remember, these are four year-olds.
275
666000
3000
הראשון הוא - שוב, זיכרו, מדובר בילדים בני ארבע.
11:24
They're just learning how to count.
276
669000
2000
שרק לומדים לספור.
11:26
But unconsciously,
277
671000
2000
אבל באופן לא מודע
11:28
they're doing these quite complicated calculations
278
673000
2000
הם עושים חישובים די מסובכים
11:30
that will give them a conditional probability measure.
279
675000
3000
שנותנים להם כלי למדידת ההסתברות המותנית.
11:33
And the other interesting thing
280
678000
2000
והדבר המעניין הנוסף הוא
11:35
is that they're using that evidence
281
680000
2000
שהם משתמשים בראיות שקיבלו
11:37
to get to an idea, get to a hypothesis about the world,
282
682000
3000
כדי לקבל מושג, לקבל הנחה לגבי העולם,
11:40
that seems very unlikely to begin with.
283
685000
3000
שנראית מאוד לא סבירה מלכתחילה.
11:43
And in studies we've just been doing in my lab, similar studies,
284
688000
3000
במחקרים שעשינו במעבדה שלי, מחקרים דומים,
11:46
we've show that four year-olds are actually better
285
691000
2000
הראינו שילדים בני ארבע הם טובים יותר
11:48
at finding out an unlikely hypothesis
286
693000
3000
בגילוי הנחות לא סבירות
11:51
than adults are when we give them exactly the same task.
287
696000
3000
מאשר מבוגרים שניתנה להם אותה המשימה בדיוק.
11:54
So in these circumstances,
288
699000
2000
בנסיבות אלו,
11:56
the children are using statistics to find out about the world,
289
701000
3000
ילדים משתמשים בסטטיסטיקה כדי ללמוד על העולם,
11:59
but after all, scientists also do experiments,
290
704000
3000
אך אחרי הכל, מדענים גם עורכים ניסויים,
12:02
and we wanted to see if children are doing experiments.
291
707000
3000
ורצינו לבדוק, האם גם הילדים עורכים ניסויים.
12:05
When children do experiments we call it "getting into everything"
292
710000
3000
כאשר ילדים עורכים ניסויים, אנחנו קוראים לזה להתעסק עם כל דבר
12:08
or else "playing."
293
713000
2000
או, לשחק.
12:10
And there's been a bunch of interesting studies recently
294
715000
3000
נערכו כמה מחקרים מעניינים לאחרונה
12:13
that have shown this playing around
295
718000
3000
שהראו שהמשחק הזה
12:16
is really a kind of experimental research program.
296
721000
2000
הוא בעצם סוג של מחקר נסיוני.
12:18
Here's one from Cristine Legare's lab.
297
723000
3000
הנה אחד מהמעבדה של קריסטין לגאר.
12:21
What Cristine did was use our Blicket Detectors.
298
726000
3000
קריסטין השתמשה בגלאי Blicket.
12:24
And what she did was show children
299
729000
2000
היא הראתה לילדים
12:26
that yellow ones made it go and red ones didn't,
300
731000
2000
שקוביות צהובות גורמות לגלאי לפעול ואדומות לא,
12:28
and then she showed them an anomaly.
301
733000
3000
ולאחר מכן הציגה בפניהם חריגה.
12:31
And what you'll see
302
736000
2000
מה שתראו כאן
12:33
is that this little boy will go through five hypotheses
303
738000
3000
הוא שילד קטן זה יעבור בין חמש הנחות שונות
12:36
in the space of two minutes.
304
741000
3000
בפרק זמן של שתי דקות.
12:39
(Video) Boy: How about this?
305
744000
3000
הילד: מה לגבי זה?
12:43
Same as the other side.
306
748000
3000
אותו דבר כמו הצד השני.
12:46
Alison Gopnik: Okay, so his first hypothesis has just been falsified.
307
751000
4000
אליסון גופניק: או קיי, ההנחה הראשונה שלו נכשלה.
12:55
(Laughter)
308
760000
2000
(צחוק)
12:57
Boy: This one lighted up, and this one nothing.
309
762000
3000
הילד: זה נדלק, וזה כלום.
13:00
AG: Okay, he's got his experimental notebook out.
310
765000
3000
א.ג.: או קיי, הוא הוציא את פנקס הניסויים שלו.
13:06
Boy: What's making this light up.
311
771000
4000
הילד: מה גורם לזה להידלק ...
13:11
(Laughter)
312
776000
9000
(צחוק)
13:20
I don't know.
313
785000
2000
אני לא יודע.
13:22
AG: Every scientist will recognize that expression of despair.
314
787000
4000
א.ג.: כל חוקר יזהה את מבט הייאוש הזה.
13:26
(Laughter)
315
791000
3000
(צחוק)
13:29
Boy: Oh, it's because this needs to be like this,
316
794000
6000
ילד: אולי בגלל שזה צריך להיות ככה,
13:35
and this needs to be like this.
317
800000
2000
וזה צריך להיות ככה.
13:37
AG: Okay, hypothesis two.
318
802000
3000
א.ג.: או קיי, הנחה מספר שתיים.
13:40
Boy: That's why.
319
805000
2000
ילד: זה למה.
13:42
Oh.
320
807000
2000
אה...
13:44
(Laughter)
321
809000
5000
(צחוק)
13:49
AG: Now this is his next idea.
322
814000
2000
א.ג.: כעת עובר לרעיון חדש.
13:51
He told the experimenter to do this,
323
816000
2000
הוא אמר לחוקרת לעשות ככה,
13:53
to try putting it out onto the other location.
324
818000
4000
לנסות לשים את זה בצד השני.
13:57
Not working either.
325
822000
2000
גם לא עובד.
14:02
Boy: Oh, because the light goes only to here,
326
827000
4000
ילד: אה, בגלל שהאור נדלק רק כאן,
14:06
not here.
327
831000
3000
ולא כאן.
14:09
Oh, the bottom of this box
328
834000
3000
אה, בתחתית של הקופסה הזאת
14:12
has electricity in here,
329
837000
2000
יש חשמל,
14:14
but this doesn't have electricity.
330
839000
2000
ובזאת, אין.
14:16
AG: Okay, that's a fourth hypothesis.
331
841000
2000
א.ג.: או קיי, זאת הנחה רביעית.
14:18
Boy: It's lighting up.
332
843000
2000
ילד: זה נדלק.
14:20
So when you put four.
333
845000
5000
אז כשאתה שם ארבע.
14:26
So you put four on this one to make it light up
334
851000
3000
אז על זה אתה צריך לשים ארבע כדי שזה יידלק
14:29
and two on this one to make it light up.
335
854000
2000
ושניים על זה כדי שזה יידלק.
14:31
AG: Okay,there's his fifth hypothesis.
336
856000
2000
א.ג.: או קיי, הנה ההנחה החמישית שלו.
14:33
Now that is a particularly --
337
858000
3000
עכשיו, כאן מדובר
14:36
that is a particularly adorable and articulate little boy,
338
861000
3000
בילד חמוד ונבון במיוחד.
14:39
but what Cristine discovered is this is actually quite typical.
339
864000
3000
אך מה שקריסטין גילתה הוא שבעצם זה לא משהו יוצא מגדר הרגיל.
14:42
If you look at the way children play, when you ask them to explain something,
340
867000
3000
אם צופים בילדים משחקים, אם נבקש מהם להסביר לנו משהו,
14:45
what they really do is do a series of experiments.
341
870000
3000
מה שבעצם הם עושים זאת סדרה של ניסויים.
14:48
This is actually pretty typical of four year-olds.
342
873000
3000
זה בעצם די שכיח אצל ילדים בני ארבע.
14:51
Well, what's it like to be this kind of creature?
343
876000
3000
אז, איך זה להיות ייצור מהסוג הזה?
14:54
What's it like to be one of these brilliant butterflies
344
879000
3000
איך זה להיות אחד מהפרפרים הנפלאים האלה
14:57
who can test five hypotheses in two minutes?
345
882000
3000
שמסוגלים לבחון חמש הנחות בשתי דקות?
15:00
Well, if you go back to those psychologists and philosophers,
346
885000
3000
אם נלך אחורה לכל אותם פסיכולוגים ופילוסופים,
15:03
a lot of them have said
347
888000
2000
רבים מהם ציינו
15:05
that babies and young children were barely conscious
348
890000
2000
שלתינוקות ולילדים קטנים בקושי יש מודעות,
15:07
if they were conscious at all.
349
892000
2000
אם בכלל.
15:09
And I think just the opposite is true.
350
894000
2000
אני חושבת שבדיוק ההפך הוא הנכון.
15:11
I think babies and children are actually more conscious than we are as adults.
351
896000
3000
אני חושבת שתינוקות וילדים קטנים הם יותר מודעים ממה שאנחנו, המבוגרים.
15:14
Now here's what we know about how adult consciousness works.
352
899000
3000
זה מה שאנחנו יודעים על איך עובדת המודעות של המבוגרים.
15:17
And adults' attention and consciousness
353
902000
2000
המודעות ותשומת הלב של המבוגרים
15:19
look kind of like a spotlight.
354
904000
2000
נראים כמו סוג של אלומת אור.
15:21
So what happens for adults
355
906000
2000
מה שקורה אצל המבוגרים
15:23
is we decide that something's relevant or important,
356
908000
2000
הא שאנחנו מחליטים שמשהו רלוונטי או חשוב,
15:25
we should pay attention to it.
357
910000
2000
לכן כדאי שנשים אליו לב.
15:27
Our consciousness of that thing that we're attending to
358
912000
2000
המודעות שלנו לגבי אותו דבר בו אנחנו מתרכזים
15:29
becomes extremely bright and vivid,
359
914000
3000
הופכת להיות מאוד בהירה ומלאת חיים,
15:32
and everything else sort of goes dark.
360
917000
2000
וכל השאר כאילו נכנס לחשכה.
15:34
And we even know something about the way the brain does this.
361
919000
3000
אנחנו אפילו יודעים משהו על הדרך בה המוח עושה זאת.
15:37
So what happens when we pay attention
362
922000
2000
מה שקורה, כאשר אנחנו קשובים למשהו
15:39
is that the prefrontal cortex, the sort of executive part of our brains,
363
924000
3000
הוא שהקורטקס הפרה-פרונטלי, חלק ניהולי במוחנו,
15:42
sends a signal
364
927000
2000
שולח אות
15:44
that makes a little part of our brain much more flexible,
365
929000
2000
שהופך חלק קטן ממוחנו להרבה יותר גמיש,
15:46
more plastic, better at learning,
366
931000
2000
יותר פלסטי, יותר טוב בלמידה,
15:48
and shuts down activity
367
933000
2000
וסוגרת את הפעילות
15:50
in all the rest of our brains.
368
935000
2000
בכל שאר המוח שלנו.
15:52
So we have a very focused, purpose-driven kind of attention.
369
937000
4000
זה גורם לסוג של קשב מאוד מרוכז, מונחה-מטרה.
15:56
If we look at babies and young children,
370
941000
2000
אם נתבונן בתינוקות וילדים קטנים,
15:58
we see something very different.
371
943000
2000
נגלה משהו שונה לחלוטין.
16:00
I think babies and young children
372
945000
2000
אני חושבת שלתינוקות וילדים קטנים
16:02
seem to have more of a lantern of consciousness
373
947000
2000
יש סוג של עששית של מודעות,
16:04
than a spotlight of consciousness.
374
949000
2000
מאשר אלומה של מודעות.
16:06
So babies and young children are very bad
375
951000
3000
כך, תינוקות וילדים קטנים ממש לא טובים
16:09
at narrowing down to just one thing.
376
954000
3000
בהצטמצמות לדבר אחד ספציפי.
16:12
But they're very good at taking in lots of information
377
957000
3000
אך הם טובים מאוד בשאיבת מידע רב
16:15
from lots of different sources at once.
378
960000
2000
ממקורות רבים בבת אחת.
16:17
And if you actually look in their brains,
379
962000
2000
ואם נתבונן במוחות שלהם,
16:19
you see that they're flooded with these neurotransmitters
380
964000
3000
נראה שהם מוצפים במעבירים עצביים כאלה
16:22
that are really good at inducing learning and plasticity,
381
967000
2000
שהם מעולים בהשראת למידה וגמישות,
16:24
and the inhibitory parts haven't come on yet.
382
969000
3000
והחלקים מרסנים טרם הופיעו.
16:27
So when we say that babies and young children
383
972000
2000
אז כשאנחנו אומרים שתינוקות וילדים קטנים
16:29
are bad at paying attention,
384
974000
2000
לא מוצלחים בהפניית קשב,
16:31
what we really mean is that they're bad at not paying attention.
385
976000
4000
מה שאנחנו בעצם אומרים הוא שהם גרועים בלא לשים לב.
16:35
So they're bad at getting rid
386
980000
2000
הם גרועים בלהתעלם
16:37
of all the interesting things that could tell them something
387
982000
2000
מכל הדברים המעניינים מהם יכולים ללמוד משהו
16:39
and just looking at the thing that's important.
388
984000
2000
ולהסתכל רק על מה שבאמת חשוב.
16:41
That's the kind of attention, the kind of consciousness,
389
986000
3000
זהו סוג של קשב, של מודעות,
16:44
that we might expect
390
989000
2000
שאנחנו יכולים לצפות
16:46
from those butterflies who are designed to learn.
391
991000
2000
מאותם פרפרים שעוצבו כדי ללמוד.
16:48
Well if we want to think about a way
392
993000
2000
אם נרצה לחשוב על דרך
16:50
of getting a taste of that kind of baby consciousness as adults,
393
995000
4000
לטעום מסוג זה של מודעות תינוקות, כבוגרים,
16:54
I think the best thing is think about cases
394
999000
2000
אני חושבת שהדרך הטובה ביותר היא לחשוב על כל המקרים
16:56
where we're put in a new situation that we've never been in before --
395
1001000
3000
בהם שמו אותנו במצב בו מעולם לא היינו קודם.
16:59
when we fall in love with someone new,
396
1004000
2000
כשאנחנו מתאהבים במישהו חדש,
17:01
or when we're in a new city for the first time.
397
1006000
3000
או כשאנחנו בעיר מסוימת בפעם הראשונה.
17:04
And what happens then is not that our consciousness contracts,
398
1009000
2000
מה שקורה הוא לא שהמודעות שלנו מתכווצת,
17:06
it expands,
399
1011000
2000
אלא היא מתרחבת,
17:08
so that those three days in Paris
400
1013000
2000
כך ששלושת הימים האלה בפריז
17:10
seem to be more full of consciousness and experience
401
1015000
2000
נראים יותר מלאים בחוויות ומודעות
17:12
than all the months of being
402
1017000
2000
מאשר כל החודשים של להיות
17:14
a walking, talking, faculty meeting-attending zombie back home.
403
1019000
4000
זומבי מהסוג שהולך, מדבר ומשתתף בישיבות אקדמיות, שם, בבית.
17:18
And by the way, that coffee,
404
1023000
2000
ואגב, הקפה ההוא
17:20
that wonderful coffee you've been drinking downstairs,
405
1025000
2000
הקפה הנפלא ההוא שאתם שותים למטה,
17:22
actually mimics the effect
406
1027000
2000
ממש מדמה את התופעה
17:24
of those baby neurotransmitters.
407
1029000
2000
של המעבירים העצביים של התינוקות.
17:26
So what's it like to be a baby?
408
1031000
2000
אז איך זה להיות תינוק?
17:28
It's like being in love
409
1033000
2000
זה כמו להיות מאוהב
17:30
in Paris for the first time
410
1035000
2000
בפריז, לראשונה
17:32
after you've had three double-espressos.
411
1037000
2000
אחרי ששתית שלושה אספרסו כפול.
17:34
(Laughter)
412
1039000
3000
(צחוק)
17:37
That's a fantastic way to be,
413
1042000
2000
זוהי דרך נהדרת להתקיים,
17:39
but it does tend to leave you waking up crying at three o'clock in the morning.
414
1044000
4000
אך יש לזה נטיה לגרום לך להתעורר בדמעות בשלוש בבוקר.
17:43
(Laughter)
415
1048000
3000
(צחוק)
17:46
Now it's good to be a grownup.
416
1051000
2000
זה טוב להיות בוגר.
17:48
I don't want to say too much about how wonderful babies are.
417
1053000
2000
אני לא רוצה לומר יותר מדי על עד כמה התינוקות נפלאים.
17:50
It's good to be a grownup.
418
1055000
2000
זה טוב להיות בוגר.
17:52
We can do things like tie our shoelaces and cross the street by ourselves.
419
1057000
3000
אנחו יכולים לעשות דברים כמו לקשור שרוכים או לעבור את הכביש לבד.
17:55
And it makes sense that we put a lot of effort
420
1060000
2000
וזה די מובן שמשקיעים מאמץ רב
17:57
into making babies think like adults do.
421
1062000
4000
בלגרום לתינוקות לחשוב כפי שהבוגרים חושבים.
18:01
But if what we want is to be like those butterflies,
422
1066000
3000
אך אם כל מה שאנחנו רוצים הוא להיות כמו הפרפרים ההם,
18:04
to have open-mindedness, open learning,
423
1069000
3000
להיות מסוגלים ללמוד, לשמור על ראש פתוח,
18:07
imagination, creativity, innovation,
424
1072000
2000
דימיון, יצירתיות, חדשנות,
18:09
maybe at least some of the time
425
1074000
2000
אולי לפחות בחלק מהזמן
18:11
we should be getting the adults
426
1076000
2000
אנחנו צריכים לגרום לבוגרים
18:13
to start thinking more like children.
427
1078000
2000
להתחיל לחשוב יותר כמו ילדים.
18:15
(Applause)
428
1080000
8000
(מחיאות כפיים)
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