TEDGlobal 2011
Alison Gopnik: What do babies think?
ऐलिसन गोपनिक: बच्चे क्या सोचते हैं?
Filmed:
Readability: 3.4
4,341,974 views
"शिशु और बच्चे मानव प्रजाति के शोध एवं विकास विभाग की तरह है, "मनोवैज्ञानिक ऐलिसन गोपनिक कहती हैं। उनका शोध केंद्रित है बच्चों की सीखने और निर्णय करने की जटिल प्रक्रियाओं पर, जो बच्चे खेलते समय इस्तेमाल करते हैं।
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
आखिर चल क्या रहा है
00:17
in this baby's mind?
1
2000
2000
इस बच्चे के दिमाग में?
00:19
If you'd asked people this 30 years ago,
2
4000
2000
अगर ये सवाल ३० साल पहले किया गया होता,
00:21
most people, including psychologists,
3
6000
2000
तो ज्यादातर लोग, और मनोवैज्ञानिक
00:23
would have said that this baby was irrational,
4
8000
3000
कहते कि ये बच्चा बेसमझ है,
00:26
illogical, egocentric --
5
11000
2000
तर्क नहीं समझता, बस अपने बारे में सोचता है --
00:28
that he couldn't take the perspective of another person
6
13000
2000
और ये दूसरों का दृष्टिकोण नहीं समझ सकता
00:30
or understand cause and effect.
7
15000
2000
या ये नहीं समझता कि कुछ करने का क्या परिणाम होगा।
00:32
In the last 20 years,
8
17000
2000
पिछले बीस सालों में,
00:34
developmental science has completely overturned that picture.
9
19000
3000
विकास के विज्ञान ने इस राय को उलट दिया है।
00:37
So in some ways,
10
22000
2000
आज ये कहा जा सकता है कि,
00:39
we think that this baby's thinking
11
24000
2000
हमें लगता है कि इस बच्चे की सोच
00:41
is like the thinking of the most brilliant scientists.
12
26000
4000
दुनिया के सबसे उम्दा साइंस्टिस्टों जैसी ही है।
00:45
Let me give you just one example of this.
13
30000
2000
आपको एक उदाहरण देता हूँ।
00:47
One thing that this baby could be thinking about,
14
32000
3000
हो सकता है कि एक बात जो कि ये बच्चा सोच रहा है,
00:50
that could be going on in his mind,
15
35000
2000
या उसका दिमाग जो कर रहा है,
00:52
is trying to figure out
16
37000
2000
वो ये समझना चाहता है कि
00:54
what's going on in the mind of that other baby.
17
39000
3000
इस दूसरे बच्चे के दिमाग में क्या चल रहा है।
00:57
After all, one of the things that's hardest for all of us to do
18
42000
3000
आखिरकार, हम सब के लिये सबसे कठिन कामों में से एक है
01:00
is to figure out what other people are thinking and feeling.
19
45000
3000
ये पता लगाना कि दूसरे लोग क्या सोच रहे हैं और महसूस कर रहे हैं।
01:03
And maybe the hardest thing of all
20
48000
2000
और हो सकता है कि सबसे कठिन काम
01:05
is to figure out that what other people think and feel
21
50000
3000
ये समझना हो कि जो दूसरे लोगों की सोच और अनुभव,
01:08
isn't actually exactly like what we think and feel.
22
53000
2000
उस से अलग है जो हम सोचते और महसूस करते हैं।
01:10
Anyone who's followed politics can testify
23
55000
2000
राजनीति पर ध्यान देने वाले लोग बता सकते हैं कि
01:12
to how hard that is for some people to get.
24
57000
3000
कुछ लोगों के लिये ये समझना कितना मुश्किल है।
01:15
We wanted to know
25
60000
2000
हम ये जानना चाहते थे कि
01:17
if babies and young children
26
62000
2000
क्या शिशु और छोटे बच्चे
01:19
could understand this really profound thing about other people.
27
64000
3000
दूसरों से जुडी ऐसी जटिल बात को समझने के काबिल हैं?
01:22
Now the question is: How could we ask them?
28
67000
2000
अब सवाल ये था कि हम बच्चों से ये पूछें कैसे?
01:24
Babies, after all, can't talk,
29
69000
2000
बच्चे हैं - बोल तो सकते नहीं,
01:26
and if you ask a three year-old
30
71000
2000
और अगर आप तीन साल के बच्चे से कहेंगे
01:28
to tell you what he thinks,
31
73000
2000
कि बताओ तुम क्या सोच रहे हो,
01:30
what you'll get is a beautiful stream of consciousness monologue
32
75000
3000
तो वो आपको एक खूबसूरत सा अबोध भाषण देगा
01:33
about ponies and birthdays and things like that.
33
78000
3000
जन्मदिन की पार्टी, और घोडे और ऐसी ही चीजों पर।
01:36
So how do we actually ask them the question?
34
81000
3000
तो हम उनसे ये सवाल करें तो कैसे करें?
01:39
Well it turns out that the secret was broccoli.
35
84000
3000
असल में, इस रहस्य का जवाब फूलगोभी में छुपा था।
01:42
What we did -- Betty Rapacholi, who was one of my students, and I --
36
87000
4000
मेरी एक विद्यार्थी बैट्टी रापाचोली, और मैने
01:46
was actually to give the babies two bowls of food:
37
91000
3000
बच्चों को खाने की दो कटोरियाँ दीं:
01:49
one bowl of raw broccoli
38
94000
2000
एक में कच्ची फूलगोभी
01:51
and one bowl of delicious goldfish crackers.
39
96000
3000
और एक में स्वादिष्ट गोल्डफ़िश जैसे बिस्कुट।
01:54
Now all of the babies, even in Berkley,
40
99000
3000
सारी दुनिया के बच्चे, यहाँ तक कि बर्कली के भी,
01:57
like the crackers and don't like the raw broccoli.
41
102000
3000
बि़स्कुट पसंद करते हैं, और कच्ची गोभी को नापसंद करते हैं।
02:00
(Laughter)
42
105000
2000
ठहाका
02:02
But then what Betty did
43
107000
2000
पर फिर बेट्टी ने क्या किया कि
02:04
was to take a little taste of food from each bowl.
44
109000
3000
हर कटोरी से खाने को चखा।
02:07
And she would act as if she liked it or she didn't.
45
112000
2000
और उसे पसंद या नापसंद करने की ऐक्टिंग की।
02:09
So half the time, she acted
46
114000
2000
तो आधी बार, उसने दिखाया कि
02:11
as if she liked the crackers and didn't like the broccoli --
47
116000
2000
उसे बिस्कुट पसंद है और गोभी नापसंद --
02:13
just like a baby and any other sane person.
48
118000
3000
जैसे कि किसी बच्चे या नार्मल इंसाल को होना चाहिये।
02:16
But half the time,
49
121000
2000
मगर आधी बार,
02:18
what she would do is take a little bit of the broccoli
50
123000
2000
वो थोडी से गोभी लेती थी
02:20
and go, "Mmmmm, broccoli.
51
125000
3000
और कहती थे, "वाsssssह, गोsssभीssss!
02:23
I tasted the broccoli. Mmmmm."
52
128000
3000
मैने गोभी खाई, वाsssssह।"
02:26
And then she would take a little bit of the crackers,
53
131000
2000
और फिर वो थोडे से बिस्कुट लेती थी,
02:28
and she'd go, "Eww, yuck, crackers.
54
133000
4000
और कहती थी, "छिः, छिः, बिस्कुट,।
02:32
I tasted the crackers. Eww, yuck."
55
137000
3000
मैने बिस्कुट खाया, थू, थू, थू।"
02:35
So she'd act as if what she wanted
56
140000
2000
तो उसने ये दिखाया कि उसकी रुचि
02:37
was just the opposite of what the babies wanted.
57
142000
3000
बच्चों की रुचि से उल्टी थी।
02:40
We did this with 15 and 18 month-old babies.
58
145000
2000
हमने ये प्रयोग १५ और १८ साल के बच्चों के साथ किया।
02:42
And then she would simply put her hand out and say,
59
147000
3000
और फिर वो अपना हाथ आगे कर के कहती थी,
02:45
"Can you give me some?"
60
150000
2000
"थोडा सा मुझे भी दो ना!"
02:47
So the question is: What would the baby give her,
61
152000
2000
तो सवाल ये था कि बच्चे उसे क्या देंगे,
02:49
what they liked or what she liked?
62
154000
2000
वो जो उसे पसंद है, या वो जो उसे नापसंद है?
02:51
And the remarkable thing was that 18 month-old babies,
63
156000
3000
और ग़जब की बात ये है कि १८ महीने के बच्चे,
02:54
just barely walking and talking,
64
159000
2000
जो ठीक से चल बोल भी नही पाते,
02:56
would give her the crackers if she liked the crackers,
65
161000
3000
उसे बिस्कुट देते थे, अगर उसे बिस्कुट पसंद थे,
02:59
but they would give her the broccoli if she liked the broccoli.
66
164000
3000
और गोभी देते थे अगर उसे गोभी पसंद थी।
03:02
On the other hand,
67
167000
2000
साथ ही,
03:04
15 month-olds would stare at her for a long time
68
169000
2000
१५ महीने के बच्चे उस की तरफ़ देर तक टकटकी लगाये रहते थे
03:06
if she acted as if she liked the broccoli,
69
171000
2000
अगर उसने गोभी पसंद करने की एक्टिंग की थी,
03:08
like they couldn't figure this out.
70
173000
3000
जैसे उन्हें समझ नहीं आ रहा हो क्यों
03:11
But then after they stared for a long time,
71
176000
2000
मगर थोडी देर तक एकटक देखने के बाद,
03:13
they would just give her the crackers,
72
178000
2000
वो उसे बिस्कुट ही देते थे,
03:15
what they thought everybody must like.
73
180000
2000
जो उन्हें लगता कि सबको पसंद होता होगा।
03:17
So there are two really remarkable things about this.
74
182000
3000
इस प्रयोग में दो बातें बेहद ज़रूरी हैं।
03:20
The first one is that these little 18 month-old babies
75
185000
3000
पहली ये कि इन छोटे छोटे १८ महीने के बच्चों ने
03:23
have already discovered
76
188000
2000
समझ लिया है
03:25
this really profound fact about human nature,
77
190000
2000
इंसानी प्रकृति के इस गूढ रहस्य को
03:27
that we don't always want the same thing.
78
192000
2000
कि सब लोगों को एक ही चीज़ अच्छी नहीं लगती।
03:29
And what's more, they felt that they should actually do things
79
194000
2000
खास बात ये है कि उन्हें लगा कि उन्हें वो ही करना चाहिये
03:31
to help other people get what they wanted.
80
196000
3000
जो दूसरों को उनकी मनचाही चीज़ पाने में मदद करे।
03:34
Even more remarkably though,
81
199000
2000
इस से भी खास बात है
03:36
the fact that 15 month-olds didn't do this
82
201000
3000
१५ महीने के बच्चों का ऐसा नहीं करना
03:39
suggests that these 18 month-olds had learned
83
204000
3000
ये दिखाता है कि १८ महीने के बच्चों ने
03:42
this deep, profound fact about human nature
84
207000
3000
इतना गूढ, जटिल रहस्य
03:45
in the three months from when they were 15 months old.
85
210000
3000
केवल पिछ्ले तीन महीनों में सीखा था।
03:48
So children both know more and learn more
86
213000
2000
तो बच्चे कहीं ज्यादा जानते और सीखते हैं
03:50
than we ever would have thought.
87
215000
2000
हमारी आशा के मुकाबले।
03:52
And this is just one of hundreds and hundreds of studies over the last 20 years
88
217000
4000
और पिछले बीस साल में हुये कई हज़ारों प्रयोगों ने
03:56
that's actually demonstrated it.
89
221000
2000
इस बात को दर्शाया है।
03:58
The question you might ask though is:
90
223000
2000
हाँ ये प्रश्न ज़रूर उठता है कि:
04:00
Why do children learn so much?
91
225000
3000
बच्चे इतना क्यों सीखते हैं?
04:03
And how is it possible for them to learn so much
92
228000
2000
और उनके लिये इतना सीखना संभव कैसे है,
04:05
in such a short time?
93
230000
2000
वो भी इतने कम समय में?
04:07
I mean, after all, if you look at babies superficially,
94
232000
2000
मेरा मतलब है कि, अगर आप बच्चों को ऊपर-ऊपर से देखें
04:09
they seem pretty useless.
95
234000
2000
तो वो किसी काम के लायक नहीं लगते।
04:11
And actually in many ways, they're worse than useless,
96
236000
3000
और असल में, वो उस से भी बदतर होते हैं
04:14
because we have to put so much time and energy
97
239000
2000
क्योंके उल्टे उनमें इतना सारा समय और ताकत लगानी पडती है
04:16
into just keeping them alive.
98
241000
2000
बस उन्हें जीवित भर रख पाने में।
04:18
But if we turn to evolution
99
243000
2000
मगर यदि हम विकास के क्रम
04:20
for an answer to this puzzle
100
245000
2000
में इस पहेली का जवाब ढूँढें
04:22
of why we spend so much time
101
247000
2000
कि क्यों हम इतना समय
04:24
taking care of useless babies,
102
249000
3000
इन बेकार बच्चों को पालने में लगाते हैं,
04:27
it turns out that there's actually an answer.
103
252000
3000
तो उसका उत्तर मिलता है।
04:30
If we look across many, many different species of animals,
104
255000
3000
यदि हम तमाम सारे जीवों पर नज़र दौडायें,
04:33
not just us primates,
105
258000
2000
न सिर्फ़ मानवो पर ही,
04:35
but also including other mammals, birds,
106
260000
2000
मगर बाकी स्तनधारियों, चिडियों
04:37
even marsupials
107
262000
2000
धानी प्राणियों पर (जो बच्चों को थैली में रखते हैं)
04:39
like kangaroos and wombats,
108
264000
2000
जैसे कि कंगारू,
04:41
it turns out that there's a relationship
109
266000
2000
एक संबंध दिखता है:
04:43
between how long a childhood a species has
110
268000
4000
इसमें कि एक जीव का बचपन कितना लंबा है
04:47
and how big their brains are compared to their bodies
111
272000
4000
और इसमें कि उनका दिमाग उनके शरीर की तुलना में कितना बडा है
04:51
and how smart and flexible they are.
112
276000
2000
और वो कितने बुद्धिमान और लोचदार हैं।
04:53
And sort of the posterbirds for this idea are the birds up there.
113
278000
3000
और सबसे आगे हैं पक्षी।
04:56
On one side
114
281000
2000
एक तरफ तो
04:58
is a New Caledonian crow.
115
283000
2000
ये न्यू कैलेडोनियन कौआ है।
05:00
And crows and other corvidae, ravens, rooks and so forth,
116
285000
3000
और कौए और उसके जैसे जीव, रेवन, रूक्स वगैरह
05:03
are incredibly smart birds.
117
288000
2000
बहुत ज्यादा बुद्धिमान होते हैं।
05:05
They're as smart as chimpanzees in some respects.
118
290000
3000
कुछ मायनों में तो वो चिम्पान्ज़ी जितने बुद्धिमान होते हैं।
05:08
And this is a bird on the cover of science
119
293000
2000
और ये चिडिया जो साइंस के कवर पेज पर है,
05:10
who's learned how to use a tool to get food.
120
295000
3000
और जो औजार इस्तेमाल कर के भोजन पाना सीख चुकी है।
05:13
On the other hand,
121
298000
2000
दूसरी तरफ़,
05:15
we have our friend the domestic chicken.
122
300000
2000
हमारा घरेलू चिकन है।
05:17
And chickens and ducks and geese and turkeys
123
302000
3000
और मुर्गे, बतख, और गीस और टर्की
05:20
are basically as dumb as dumps.
124
305000
2000
बहुत ज्यादा बेवकूफ़ जीव होते हैं।
05:22
So they're very, very good at pecking for grain,
125
307000
3000
वो अनाज का दाना ढूँढने में माहिर होते हैं,
05:25
and they're not much good at doing anything else.
126
310000
3000
लेकिन उस से ज्यादा कुछ कर नहीं पाते।
05:28
Well it turns out that the babies,
127
313000
2000
और असल में
05:30
the New Caledonian crow babies, are fledglings.
128
315000
2000
कौओं के बच्चे, पूरी तरह नाकारा होते हैं।
05:32
They depend on their moms
129
317000
2000
वो अपनी माँ पर पूरी तरह निर्भर होते है
05:34
to drop worms in their little open mouths
130
319000
3000
उनकी छोटी छोटी चोंचों में कीडे डालने के लिये
05:37
for as long as two years,
131
322000
2000
लगभग जन्म के दो साल तक,
05:39
which is a really long time in the life of a bird.
132
324000
2000
जो कि एक चिडिया के जीवन में बहुत लम्बा समय है।
05:41
Whereas the chickens are actually mature
133
326000
2000
जबकि मुर्गे बडे हो जाते हैं
05:43
within a couple of months.
134
328000
2000
जन्म के कुछ ही महीनों में।
05:45
So childhood is the reason
135
330000
3000
तो बचपन की लंबाई ही कारण है कि
05:48
why the crows end up on the cover of Science
136
333000
2000
कौए साइस के कवर पेज पर हैं
05:50
and the chickens end up in the soup pot.
137
335000
2000
और चिकन सूप के कटोरे में।
05:52
There's something about that long childhood
138
337000
3000
लम्बे बचपन में कुछ तो है जो
05:55
that seems to be connected
139
340000
2000
इसे जोडता है
05:57
to knowledge and learning.
140
342000
2000
ज्ञान और सीखने की क्षमता से।
05:59
Well what kind of explanation could we have for this?
141
344000
3000
अब इस को कैसे समझा जाये?
06:02
Well some animals, like the chicken,
142
347000
3000
कुछ जानवर जैसे कि चिकन,
06:05
seem to be beautifully suited
143
350000
2000
बहुत उपयुक्त हैं,
06:07
to doing just one thing very well.
144
352000
2000
सिर्फ़ एक काम को ढँग से करने में।
06:09
So they seem to be beautifully suited
145
354000
3000
तो चिकन पूरी तरह माहिर हैं
06:12
to pecking grain in one environment.
146
357000
2000
किसी एक तरह के स्थितियों में अनाज ढूँढने में।
06:14
Other creatures, like the crows,
147
359000
2000
दूसर जीव जैसे कि कौए,
06:16
aren't very good at doing anything in particular,
148
361000
2000
किसी भी काम को पूरी कुशलता से करना नहीं जानते,
06:18
but they're extremely good
149
363000
2000
मगर वो बहुत अच्छे है
06:20
at learning about laws of different environments.
150
365000
2000
नयी स्थितियों के नियम सीखने में।
06:22
And of course, we human beings
151
367000
2000
और हम मनुष्य
06:24
are way out on the end of the distribution like the crows.
152
369000
3000
तो कौओं वगैरह से बहुत आगे निकल आये हैं।
06:27
We have bigger brains relative to our bodies
153
372000
2000
हमारा दिमाग से हमारे शरीर का अनुपात बडा है
06:29
by far than any other animal.
154
374000
2000
किसी भी दूसरे जानवर के मुकाबले।
06:31
We're smarter, we're more flexible,
155
376000
2000
हम ज्यादा बुद्धिमान है, हम ढलना जानते हैं,
06:33
we can learn more,
156
378000
2000
हम ज्यादा सीख सकते है,
06:35
we survive in more different environments,
157
380000
2000
और हम ज्यादा तरह के पर्यावरणों में जीवित रह सकते है,
06:37
we migrated to cover the world and even go to outer space.
158
382000
3000
हम सारी दुनिया में फ़ैले हुए हैं और अंतरिक्ष तक भी पहुँच गये हैं।
06:40
And our babies and children are dependent on us
159
385000
3000
लेकिन हमारे बच्चे हम पर ही निर्भर रहते हैं
06:43
for much longer than the babies of any other species.
160
388000
3000
किसी भी दूसरे जीव के बच्चों से ज्यादा लम्बे समय तक।
06:46
My son is 23.
161
391000
2000
मेरा बेटा २३ साल का है।
06:48
(Laughter)
162
393000
2000
ठहाका
06:50
And at least until they're 23,
163
395000
2000
और कम से कम जब तक वो २३ साल के नहीं हो जाते,
06:52
we're still popping those worms
164
397000
2000
हम कीडे पहुँचाते रहते हैं
06:54
into those little open mouths.
165
399000
3000
उनकी छोटी छोटी चोंचों में।
06:57
All right, why would we see this correlation?
166
402000
3000
तो, हमें ये संबंध क्यों दिखता है?
07:00
Well an idea is that that strategy, that learning strategy,
167
405000
4000
एक आयडिया ये है कि युक्ति लगाना, और इसे सीखना
07:04
is an extremely powerful, great strategy for getting on in the world,
168
409000
3000
इस दुनिया में जीने के लिये बहुत बहुत ज़रूरी है
07:07
but it has one big disadvantage.
169
412000
2000
मगर उस का एक बडा नुकसान है।
07:09
And that one big disadvantage
170
414000
2000
और वो नुकसान ये है कि
07:11
is that, until you actually do all that learning,
171
416000
3000
जब तक आप सब कुछ सीख नहीं लेते,
07:14
you're going to be helpless.
172
419000
2000
आप दूसरों पर निर्भर रहेंगे।
07:16
So you don't want to have the mastodon charging at you
173
421000
3000
तो आप नहीं चाहेंगे कि जब कोई हाथी आपको दौडा रहा हो,
07:19
and be saying to yourself,
174
424000
2000
तो आप खुद से कह रहे हों,
07:21
"A slingshot or maybe a spear might work. Which would actually be better?"
175
426000
4000
"शायद गुलेल काम करेगी, नहीं नहीं, भाला काम करेगा। क्या इस्तेमाल करूँ?"
07:25
You want to know all that
176
430000
2000
आप को वो सब सीखना जानना होगा
07:27
before the mastodons actually show up.
177
432000
2000
इस से पहले कि हाथी आप को दिखे।
07:29
And the way the evolutions seems to have solved that problem
178
434000
3000
और जिस तरह से विकास-क्र्म ने इस समस्या को सुलझाया है वो है
07:32
is with a kind of division of labor.
179
437000
2000
काम बाँट कर।
07:34
So the idea is that we have this early period when we're completely protected.
180
439000
3000
तो सुझाव ये है कि हमें शुरुवात में कुछ समय मिलता है जब हमें पूरी
सुरक्षा मिलती है।
सुरक्षा मिलती है।
07:37
We don't have to do anything. All we have to do is learn.
181
442000
3000
हमें खुद कुछ नहीं करना होता। हमें बस सीखना होता है।
07:40
And then as adults,
182
445000
2000
और फिर व्य्स्कों के रूप में,
07:42
we can take all those things that we learned when we were babies and children
183
447000
3000
हम वो सारी विद्या काम में ला सकते हैं जो हमने बचपन में पाई होती है
07:45
and actually put them to work to do things out there in the world.
184
450000
3000
और उस का इस्तेमाल कर के इस दुनिया में अपना काम चला सकते हैं।
07:48
So one way of thinking about it
185
453000
2000
तो ये कहा जा सकता है कि
07:50
is that babies and young children
186
455000
2000
शिशु और छोटे बच्चे
07:52
are like the research and development division of the human species.
187
457000
3000
मानवों का रिसर्च एंड डेवेलेप्मेंट विभाग हैं (शोध एवं विकास)
07:55
So they're the protected blue sky guys
188
460000
3000
तो वो ऐसे साइंसटिस्ट हैं जिनका काम है
07:58
who just have to go out and learn and have good ideas,
189
463000
2000
बस नया कुछ सीखते रहना, और नये आयडिया निकालना,
08:00
and we're production and marketing.
190
465000
2000
और हम और आप हैं उत्पादन और विपणन (मार्केटिंग)
08:02
We have to take all those ideas
191
467000
2000
और हमें उन सारे आयडिया को
08:04
that we learned when we were children
192
469000
2000
जो हमने बचपन में सीखे थे,
08:06
and actually put them to use.
193
471000
2000
इस्तेमाल में लाना होता है।
08:08
Another way of thinking about it
194
473000
2000
दूसरी बात जो हो सकती है ये है कि
08:10
is instead of thinking of babies and children
195
475000
2000
बजाय इसके कि बच्चों को
08:12
as being like defective grownups,
196
477000
2000
व्यस्कों के बेकार रूप माना जाये,
08:14
we should think about them
197
479000
2000
हमें ये सोचना चाहिये कि
08:16
as being a different developmental stage of the same species --
198
481000
2000
वो हमारी प्रजाति के विकास के अगले स्तर पर हैं --
08:18
kind of like caterpillars and butterflies --
199
483000
3000
जैसे कि कैटरपिलर और तितलियाँ --
08:21
except that they're actually the brilliant butterflies
200
486000
2000
बस ये अत्यधिक बुद्धिमाल तितलियों जैसे हैं
08:23
who are flitting around the garden and exploring,
201
488000
3000
जो कि बगीचे में घूम रही हैं और खोज कर रही हैं,
08:26
and we're the caterpillars
202
491000
2000
और हम कैटरपिलर जैसे हैं
08:28
who are inching along our narrow, grownup, adult path.
203
493000
3000
जो धीरे धीरे अपने सधे हुए व्यस्क रास्ते पर चलते जा रहे हैं।
08:31
If this is true, if these babies are designed to learn --
204
496000
3000
अगर ये सत्य है, अगर बच्चों को सीखने के लिये ही निर्मित किया गया है --
08:34
and this evolutionary story would say children are for learning,
205
499000
3000
और विकास-क्रम की कहानी कह रही है कि बच्चे सीखने के लिये पैदा होते हैं,
08:37
that's what they're for --
206
502000
2000
वो इसी लिये बने हैं --
08:39
we might expect
207
504000
2000
तो हम ये उम्मीद रख सकते हैं कि
08:41
that they would have really powerful learning mechanisms.
208
506000
2000
वो सीखने के बहुत शक्तिशाली तरीको से लैस होंगे।
08:43
And in fact, the baby's brain
209
508000
3000
और असल में, एक बच्चे का दिमाग
08:46
seems to be the most powerful learning computer
210
511000
2000
उस सीखने वाले कंप्यूटर के समान है जो सबसे ताकतवर है
08:48
on the planet.
211
513000
2000
इस धरती पर।
08:50
But real computers are actually getting to be a lot better.
212
515000
3000
मगर असली कंप्यूटर भी बहुत बेहतर होते जा रहे हैं।
08:53
And there's been a revolution
213
518000
2000
और एक क्रांति हो चुकी है
08:55
in our understanding of machine learning recently.
214
520000
2000
मशीन लर्निंग को ले कर मानव की समझ में।
08:57
And it all depends on the ideas of this guy,
215
522000
3000
और वो सब इस व्यक्ति के काम से आता है,
09:00
the Reverend Thomas Bayes,
216
525000
2000
रेवेरेंड थोमस बेयस,
09:02
who was a statistician and mathematician in the 18th century.
217
527000
3000
जो कि १८वीं सदी के एक सांख्यितज्ञ और गणितज्ञ थे ।
09:05
And essentially what Bayes did
218
530000
3000
और कुल मिला कर उन्होंने क्या किया
09:08
was to provide a mathematical way
219
533000
2000
कि एक गणितीय तरीका निकाला
09:10
using probability theory
220
535000
2000
प्रोबेबिलिटी थ्योरी के ज़रिये
09:12
to characterize, describe,
221
537000
2000
ये समझने और बताने का
09:14
the way that scientists find out about the world.
222
539000
2000
कैसे सांसटिस्ट दुनिया को बेहतर समझते जाती हैं।
09:16
So what scientists do
223
541000
2000
तो साइंस्टिस्ट क्या करते हैं कि
09:18
is they have a hypothesis that they think might be likely to start with.
224
543000
3000
एक अनुमानिति हाइपोथेसेस से शुरुवात करते हैं
09:21
They go out and test it against the evidence.
225
546000
2000
और तथ्यों को उस अनुमान से मिला कर चेक करते हैं।
09:23
The evidence makes them change that hypothesis.
226
548000
2000
तथ्यों के हिसाब से वो अपने अनुमान में बदलाव लाते हैं।
09:25
Then they test that new hypothesis
227
550000
2000
और फिर उस नये अनुमान को चेक करते है
09:27
and so on and so forth.
228
552000
2000
और ऐसे ही चलता रहता है।
09:29
And what Bayes showed was a mathematical way that you could do that.
229
554000
3000
बेयस ने ये दिखाया कि इसे करने का एक गणितीय तरीका है
09:32
And that mathematics is at the core
230
557000
2000
और गणित पर ही
09:34
of the best machine learning programs that we have now.
231
559000
2000
आज के मशीन लर्निंग के सबसे अच्छे तरीके निर्भर करते हैं।
09:36
And some 10 years ago,
232
561000
2000
और कुछ दस साल पहले,
09:38
I suggested that babies might be doing the same thing.
233
563000
4000
मैने सुझाया था कि बच्चे भी यही करते होंगे।
09:42
So if you want to know what's going on
234
567000
2000
तो अगर आप जानना चाहते है कि क्या चल रहा है
09:44
underneath those beautiful brown eyes,
235
569000
2000
इन प्यारी सी भूरी आँखों के भीतर,
09:46
I think it actually looks something like this.
236
571000
2000
तो वो कुछ ऐसा दिखता है।
09:48
This is Reverend Bayes's notebook.
237
573000
2000
ये रेवेरेंड बेयस की नोटबुक है।
09:50
So I think those babies are actually making complicated calculations
238
575000
3000
तो मुझे लगता है कि बच्चे असल में बहुत गूढ गणित में जुटे होते हैं
09:53
with conditional probabilities that they're revising
239
578000
3000
कंडिशनल प्रोबेबिलिटी के गणित में , जिसे वो बार बार करते हैं
09:56
to figure out how the world works.
240
581000
2000
ये समझने के लिये कि दुनिया कैसे काम करती है।
09:58
All right, now that might seem like an even taller order to actually demonstrate.
241
583000
4000
ये सत्य है कि इस बात को असल में दिखा पाना बहुत कठिन काम होगा।
10:02
Because after all, if you ask even grownups about statistics,
242
587000
2000
क्योंकि, अगर आप व्यस्कों से भी सांख्यिकी पर बात करेंगे,
10:04
they look extremely stupid.
243
589000
2000
तो वो भी बेवकूफ़ाना बातें करते हैं।
10:06
How could it be that children are doing statistics?
244
591000
3000
तो ऐसा कैसे हो सकता है कि बच्चे साँख्यिकी करते हैं?
10:09
So to test this we used a machine that we have
245
594000
2000
तो इस का पता लगाने के लिये हमने एक मशीन बनाई
10:11
called the Blicket Detector.
246
596000
2000
जिसे हम ब्लिकेट डिटेक्टर कहते हैं।
10:13
This is a box that lights up and plays music
247
598000
2000
ये एक डब्बा है जिसमें लाइटें हैं और संगीत बजता है
10:15
when you put some things on it and not others.
248
600000
3000
जब आप कुछ खास चीजें इस पर रखते हैं।
10:18
And using this very simple machine,
249
603000
2000
और इस साधारण सी मशीन का इस्तेमाल करके,
10:20
my lab and others have done dozens of studies
250
605000
2000
मेरी प्रयोगशाला में और बाके दर्ज़नों जगहों पर
10:22
showing just how good babies are
251
607000
2000
ये दिखाया जा चुका है कि बच्चे कितने कुशल होते हैं
10:24
at learning about the world.
252
609000
2000
इस दुनिया के बारे में सीखने में।
10:26
Let me mention just one
253
611000
2000
मैं एक ऐसे प्रयोग के बारे मे बताता हूँ
10:28
that we did with Tumar Kushner, my student.
254
613000
2000
जो मैने तुमार कुशनेर, मेरे विद्यार्थी, के साथ किया।
10:30
If I showed you this detector,
255
615000
2000
यदि मैं आपको ये डिटेक्टर दिखाऊँ,
10:32
you would be likely to think to begin with
256
617000
2000
तो शायद आप सोचें कि
10:34
that the way to make the detector go
257
619000
2000
इस डिटेक्टर को चालू करने के लिये
10:36
would be to put a block on top of the detector.
258
621000
3000
इस के ऊपर एक ब्लाक रखना होगा।
10:39
But actually, this detector
259
624000
2000
मगर असल मे, ये डिटेक्टर
10:41
works in a bit of a strange way.
260
626000
2000
थोडा अलग तरह से काम करता है।
10:43
Because if you wave a block over the top of the detector,
261
628000
3000
क्यों कि यदि आप आप ब्लाक को इस के ऊपर हिलायेंगे,
10:46
something you wouldn't ever think of to begin with,
262
631000
3000
जो बहुत मुश्किल है कि आप सोचें शुरुवात में,
10:49
the detector will actually activate two out of three times.
263
634000
3000
ये सिर्फ़ तीन में से दो बार चालू होगा।
10:52
Whereas, if you do the likely thing, put the block on the detector,
264
637000
3000
जबकि यदि आप ब्लाक को सीधे इसके ऊपर ही रख देंगे, तो
10:55
it will only activate two out of six times.
265
640000
4000
वो सिर्फ़ छः में से दो बार ही चालू होगा।
10:59
So the unlikely hypothesis
266
644000
2000
अक्सर नहीं होने वाली बात का
11:01
actually has stronger evidence.
267
646000
2000
प्रमाण ज्यादा भरोसेमंद है।
11:03
It looks as if the waving
268
648000
2000
ऐसा कहा जा सकता है कि ब्लाक हिलाना
11:05
is a more effective strategy than the other strategy.
269
650000
2000
बेह्तर तरीका है ब्लाक रखने के मुकाबले।
11:07
So we did just this; we gave four year-olds this pattern of evidence,
270
652000
3000
तो हमने बस यही किया: हमने चार साल के बच्चों को ये दिया
11:10
and we just asked them to make it go.
271
655000
2000
और उनसे इसे चलाने को कहा।
11:12
And sure enough, the four year-olds used the evidence
272
657000
3000
और चार साल के बच्चों ने इसे इस्तेमाल कर के
11:15
to wave the object on top of the detector.
273
660000
3000
ब्लाक को डिटेक्टर के ऊपर सिर्फ़ हिलाया।
11:18
Now there are two things that are really interesting about this.
274
663000
3000
अब इस में दो बहुत रोचक बातें सामने आयीं।
11:21
The first one is, again, remember, these are four year-olds.
275
666000
3000
पहली तो ये, और ये बच्चे बस चार साल के ही हैं,
11:24
They're just learning how to count.
276
669000
2000
अभी महज गिनती गिनना ही सीख रहे हैं।
11:26
But unconsciously,
277
671000
2000
लेकिन अचेतन रूप से,
11:28
they're doing these quite complicated calculations
278
673000
2000
ये अंदर अंदर इतनी जटिल गणनायें कर रहे हैं
11:30
that will give them a conditional probability measure.
279
675000
3000
जो उन्हें कंडिशनल प्रोबेबिलिटी का अनुमान दे रही हैं।
11:33
And the other interesting thing
280
678000
2000
और दूसरी रोचक बात ये है कि
11:35
is that they're using that evidence
281
680000
2000
वो प्रमाण का इस्तेमाल कर के
11:37
to get to an idea, get to a hypothesis about the world,
282
682000
3000
इस दुनिया के बारे में एक ऐसा अनुमान लगा रहे हैं
11:40
that seems very unlikely to begin with.
283
685000
3000
जो इतना आसान नहीं है।
11:43
And in studies we've just been doing in my lab, similar studies,
284
688000
3000
और ऐसे ही कई और प्रयोगों मे,
11:46
we've show that four year-olds are actually better
285
691000
2000
हमने दिखाया है कि चार साल के बच्चे बहुत बेहतर हैं
11:48
at finding out an unlikely hypothesis
286
693000
3000
सीधे न दिखने वाले तरीकों तक पहुँचने में
11:51
than adults are when we give them exactly the same task.
287
696000
3000
बजाय व्यस्कों के, जब दोनों को हूबहू वही काम दिया जाता है।
11:54
So in these circumstances,
288
699000
2000
तो इन स्थितियों में,
11:56
the children are using statistics to find out about the world,
289
701000
3000
बच्चे सांख्यिकी का इस्तेमाल कर के दुनिया को जान समझ रहे हैं,
11:59
but after all, scientists also do experiments,
290
704000
3000
मगर क्योंकि साइंसटिस्ट प्रयोग करते हैं,
12:02
and we wanted to see if children are doing experiments.
291
707000
3000
तो हम ये जानना चाहते थे कि क्या बच्चे भी प्रयोग करते हैं।
12:05
When children do experiments we call it "getting into everything"
292
710000
3000
जब बच्चे प्रयोग करते हैं, हम उसे "गडबड करना" कहते हैं
12:08
or else "playing."
293
713000
2000
या फ़िर "खेलना"
12:10
And there's been a bunch of interesting studies recently
294
715000
3000
और कई प्रयोग हुये हैं जिन्होनें
12:13
that have shown this playing around
295
718000
3000
दिखाया है कि ये "खेलना"
12:16
is really a kind of experimental research program.
296
721000
2000
एक तरीके का असलनी का प्रयोगात्मक शोध कार्यक्रम है।
12:18
Here's one from Cristine Legare's lab.
297
723000
3000
ये वाल क्रिस्टीन लेगारे की प्रयोगशाला से है।
12:21
What Cristine did was use our Blicket Detectors.
298
726000
3000
क्रिस्टीन ने हमारे ब्लिकट डिटेक्टर का इस्तेमाल किया।
12:24
And what she did was show children
299
729000
2000
और बच्चो को दिखाया कि
12:26
that yellow ones made it go and red ones didn't,
300
731000
2000
पीले वाले से चलता है, और लाल वाले से नहीं,
12:28
and then she showed them an anomaly.
301
733000
3000
फ़िर उन्हें कुछ अलग दिखाया।
12:31
And what you'll see
302
736000
2000
और आप देखेंगे कि
12:33
is that this little boy will go through five hypotheses
303
738000
3000
ये बच्च पाँच हाइपोथेसिस से गुज़रता है
12:36
in the space of two minutes.
304
741000
3000
सिर्फ़ दो मिनट के समय में।
12:39
(Video) Boy: How about this?
305
744000
3000
बच्चा: ऐसे करूँ?
12:43
Same as the other side.
306
748000
3000
जैसे दूसरी तरफ़ किया।
12:46
Alison Gopnik: Okay, so his first hypothesis has just been falsified.
307
751000
4000
ऐलिसन गोपनिक: तो ये हाइपोथेसिस गलत साबित हुई।
12:55
(Laughter)
308
760000
2000
ठहाका
12:57
Boy: This one lighted up, and this one nothing.
309
762000
3000
बच्चा: ये जल रहा है, और ये नहीं।
13:00
AG: Okay, he's got his experimental notebook out.
310
765000
3000
ए.जी.: ठीक है, अब उसने अपनी प्रयोग की नोटबुक निकाल ली है।
13:06
Boy: What's making this light up.
311
771000
4000
बच्चा: ये जल क्यों रहा है।
13:11
(Laughter)
312
776000
9000
ठहाका
13:20
I don't know.
313
785000
2000
पता नहीं।
13:22
AG: Every scientist will recognize that expression of despair.
314
787000
4000
ए.जी. : हर साइंसटिंस्ट इस भावना को समझ सकता है।
13:26
(Laughter)
315
791000
3000
ठहाका
13:29
Boy: Oh, it's because this needs to be like this,
316
794000
6000
बच्चा: ओह, तो इसे ऐसे होना चाहिये,
13:35
and this needs to be like this.
317
800000
2000
और इसे ऐसे होना चाहिये।
13:37
AG: Okay, hypothesis two.
318
802000
3000
ए.जी : तो हाइपोथेसिस दो।
13:40
Boy: That's why.
319
805000
2000
बच्चा: हाँ, इसलिये।
13:42
Oh.
320
807000
2000
ओह।
13:44
(Laughter)
321
809000
5000
ठहाका
13:49
AG: Now this is his next idea.
322
814000
2000
ए.जी: अब ये उसका अगला आइडिया है।
13:51
He told the experimenter to do this,
323
816000
2000
उस ने प्रयोग करने वाले को ये करने के लिये कहा,
13:53
to try putting it out onto the other location.
324
818000
4000
कि उसे दूसरी जगह रखे।
13:57
Not working either.
325
822000
2000
यहाँ भी काम नहीं हुआ।
14:02
Boy: Oh, because the light goes only to here,
326
827000
4000
बच्चा: ओह, क्योंकि लाइट बस यहीं तक पहुँच रही है,
14:06
not here.
327
831000
3000
यहाँ नहीं।
14:09
Oh, the bottom of this box
328
834000
3000
ओह, इस डब्बे के तले में
14:12
has electricity in here,
329
837000
2000
बिजली भरी हुई है,
14:14
but this doesn't have electricity.
330
839000
2000
मगर इस में बिजली नहीं है।
14:16
AG: Okay, that's a fourth hypothesis.
331
841000
2000
एजी: ये है चौथी हाइपोथेसिस
14:18
Boy: It's lighting up.
332
843000
2000
बच्चा: अब ये जल रहा है।
14:20
So when you put four.
333
845000
5000
तो जब आप चार रखते हैं।
14:26
So you put four on this one to make it light up
334
851000
3000
तो आपको इसे जलाने के लिये चार रखने होते हैं
14:29
and two on this one to make it light up.
335
854000
2000
और दो इस पर इसे जलाने के लिये।
14:31
AG: Okay,there's his fifth hypothesis.
336
856000
2000
एजी: पाँचवी हाइपोथेसिस।
14:33
Now that is a particularly --
337
858000
3000
ये बहुत ही प्यारा बच्चा है --
14:36
that is a particularly adorable and articulate little boy,
338
861000
3000
और ये पयारा है और बातें बोल रहा है,
14:39
but what Cristine discovered is this is actually quite typical.
339
864000
3000
मगर क्रिस्टीन को पता लगा कि ये सामान्य सोच है।
14:42
If you look at the way children play, when you ask them to explain something,
340
867000
3000
अगर आप बच्चों को खेलते देखेंगे, और उन से कुछ पूछेंगे
14:45
what they really do is do a series of experiments.
341
870000
3000
तो वो असल में कुछ प्रयोग ही कर रहे होते हैं।
14:48
This is actually pretty typical of four year-olds.
342
873000
3000
ये चार साल के बच्चों का सामन्य बर्ताव है।
14:51
Well, what's it like to be this kind of creature?
343
876000
3000
ऐसा होना कैसा लगता होगा?
14:54
What's it like to be one of these brilliant butterflies
344
879000
3000
ऐसी बुद्धिमान तितली के जैसा होना कैसा होता होगा
14:57
who can test five hypotheses in two minutes?
345
882000
3000
जो दो मिनट में पाँच हाइपोथेसिस चेक करती हो?
15:00
Well, if you go back to those psychologists and philosophers,
346
885000
3000
अगर आप मनोवैज्ञानिकों और दार्शनिकों की सुने,
15:03
a lot of them have said
347
888000
2000
तो उनमें से बहुतों ने कहा है कि
15:05
that babies and young children were barely conscious
348
890000
2000
बच्चे और शिशु अचेतन ही रहते है,
15:07
if they were conscious at all.
349
892000
2000
और यदि वो चेतन होते,
15:09
And I think just the opposite is true.
350
894000
2000
और मैं इसका ठीक उल्टा ही सोचता हूँ।
15:11
I think babies and children are actually more conscious than we are as adults.
351
896000
3000
मुझे लगता है कि बच्चे और शिशु व्यस्कों के मुकाबले ज्यादा चैतन्य होते हैं।
15:14
Now here's what we know about how adult consciousness works.
352
899000
3000
हमें व्यस्कों की चैतन्यता के बारे में ऐसा कुछ पता है।
15:17
And adults' attention and consciousness
353
902000
2000
और व्यस्कों का ध्यान और चैतन्यता
15:19
look kind of like a spotlight.
354
904000
2000
स्पाट लाइट जैसी होती है।
15:21
So what happens for adults
355
906000
2000
तो व्यस्कों के साथ क्या होता है कि
15:23
is we decide that something's relevant or important,
356
908000
2000
हम ये सोच लेते है कि कुछ चीज़ ज़रूरी है,
15:25
we should pay attention to it.
357
910000
2000
और हमें उस पर ध्यान देन चाहिये।
15:27
Our consciousness of that thing that we're attending to
358
912000
2000
हमारी उस चीज़ से जुडी चैतन्यता
15:29
becomes extremely bright and vivid,
359
914000
3000
बहुत ज्यादा तेज़ और जीवंत हो जाती है,
15:32
and everything else sort of goes dark.
360
917000
2000
और बाकी सब जैसे अँधेरे में चला जाता है।
15:34
And we even know something about the way the brain does this.
361
919000
3000
और हमें अब ये भी पता है कि दिमाग कैसे ऐसा करता है।
15:37
So what happens when we pay attention
362
922000
2000
तो जब हम किसी बात पर ध्यान देते हैं
15:39
is that the prefrontal cortex, the sort of executive part of our brains,
363
924000
3000
हमारा प्री-फ़्रंटल कोर्टेक्स, जो दिमाग का क्रियाशील भाग है,
15:42
sends a signal
364
927000
2000
एक सिग्नल भेजता है
15:44
that makes a little part of our brain much more flexible,
365
929000
2000
जो हमारे दिमाग के एक खास भाग को ज्यादा रचनात्म्क बना देता है,
15:46
more plastic, better at learning,
366
931000
2000
सीखने के लिये उत्सुक,
15:48
and shuts down activity
367
933000
2000
और बंद कर देता है
15:50
in all the rest of our brains.
368
935000
2000
दिमाग के बाकी सारे हिस्से
15:52
So we have a very focused, purpose-driven kind of attention.
369
937000
4000
तो हमार बहुत ही तीक्ष्ण, परिणाम प्रेरित ध्यान होता है।
15:56
If we look at babies and young children,
370
941000
2000
अगर हम बच्चो और शिशुओं को देखें,
15:58
we see something very different.
371
943000
2000
तो वो अलग तरह से काम करते हैं।
16:00
I think babies and young children
372
945000
2000
मुझे लगता है कि शिशु और बच्चे
16:02
seem to have more of a lantern of consciousness
373
947000
2000
चैतन्यता की लाल्टेन के साथ काम करते है,
16:04
than a spotlight of consciousness.
374
949000
2000
बजाय स्पाटलाइट के।
16:06
So babies and young children are very bad
375
951000
3000
तो शिशुओं और बच्चों के लिये असंभव है
16:09
at narrowing down to just one thing.
376
954000
3000
किसी एक ही बात पर केंद्रित रहना।
16:12
But they're very good at taking in lots of information
377
957000
3000
मगर वो बहुत सारी जानकारी एक साथ ले सकने में माहिर है
16:15
from lots of different sources at once.
378
960000
2000
, वो भी अलग अलग जगहों से एक साथ।
16:17
And if you actually look in their brains,
379
962000
2000
और अगर उन के दिमाग को देखें,
16:19
you see that they're flooded with these neurotransmitters
380
964000
3000
तो आप देखेंगे कि वहाँ न्यूरो-ट्रांस्मिटर की बाढ आई होती है
16:22
that are really good at inducing learning and plasticity,
381
967000
2000
और इस लिये वो सीखने और ढलने में माहिर होते हैं,
16:24
and the inhibitory parts haven't come on yet.
382
969000
3000
और उन्हें किसी काम से रोकने वाले भाग अभी बने ही नहीं होते।
16:27
So when we say that babies and young children
383
972000
2000
तो जब हम कहते हैं कि बच्चे और शिशु
16:29
are bad at paying attention,
384
974000
2000
ध्यान नहीं दे पाते,
16:31
what we really mean is that they're bad at not paying attention.
385
976000
4000
हम ये नहीं कहना चाहते कि वो ध्यान नहीं दे पाते
16:35
So they're bad at getting rid
386
980000
2000
बल्कि ये कि वो ध्यान हटा नही पाते
16:37
of all the interesting things that could tell them something
387
982000
2000
उन तमाम रोचक चीजों से जो उनके आसपास हो रही होती हैं
16:39
and just looking at the thing that's important.
388
984000
2000
और सिर्फ़ एक महत्व्पूर्ण चीज पर ध्यान टिकाने के लिये।
16:41
That's the kind of attention, the kind of consciousness,
389
986000
3000
वो उस तरह का ध्यान, या उस तरह की चैतन्यता है
16:44
that we might expect
390
989000
2000
जो हम सोचते हैं कि मिलेगी
16:46
from those butterflies who are designed to learn.
391
991000
2000
उन तितलियों में जिन्हें सीखने के लिये बनाया गया हो।
16:48
Well if we want to think about a way
392
993000
2000
और अगर हम एक तरीका सोचें
16:50
of getting a taste of that kind of baby consciousness as adults,
393
995000
4000
बच्चों की चैतन्यता का अनुभव लेने के लिये,
16:54
I think the best thing is think about cases
394
999000
2000
तो हमें उन स्थितियों के बारे में सोचना होगा
16:56
where we're put in a new situation that we've never been in before --
395
1001000
3000
जहाँ हम बिलकुल नयी जगहों पर होते हैं,
16:59
when we fall in love with someone new,
396
1004000
2000
या जब हमें किसी से प्यार हो जाता है,
17:01
or when we're in a new city for the first time.
397
1006000
3000
या जब हम किसी नये शहर में पहले बार पहुँचते हैं।
17:04
And what happens then is not that our consciousness contracts,
398
1009000
2000
और तब हमारी चैतन्यता संकुचित नहीं होती,
17:06
it expands,
399
1011000
2000
बल्कि विस्तृत हो जाती है।
17:08
so that those three days in Paris
400
1013000
2000
जिस से कि पेरिस में बिताये वो तीन दिन
17:10
seem to be more full of consciousness and experience
401
1015000
2000
ज्यादा चैतन्य और अनुभव से भरे लगते है,
17:12
than all the months of being
402
1017000
2000
उन कई महीनों के मुकाबले
17:14
a walking, talking, faculty meeting-attending zombie back home.
403
1019000
4000
जो हम रोज़मर्रा के आते-जाते, मीटिंगे करते हुए बिताते हैं।
17:18
And by the way, that coffee,
404
1023000
2000
और तो और, कॉफ़ी!
17:20
that wonderful coffee you've been drinking downstairs,
405
1025000
2000
जी वही कॉफ़ी जो आप अभी नीचे पी रहे थे,
17:22
actually mimics the effect
406
1027000
2000
असल में वैसा ही असर पैदा करती है
17:24
of those baby neurotransmitters.
407
1029000
2000
जैसे कि बच्चो के न्यूरो-ट्रांसमिटर।
17:26
So what's it like to be a baby?
408
1031000
2000
तो बच्चा होना कैसा होता होगा?
17:28
It's like being in love
409
1033000
2000
वैसा ही जैसे इश्क में होना,
17:30
in Paris for the first time
410
1035000
2000
जैसे पेरिस में पहली बार जाना
17:32
after you've had three double-espressos.
411
1037000
2000
या जैसे तीन कप डबल एस्प्रेसो पीने के बाद लगता है
17:34
(Laughter)
412
1039000
3000
ठहाका
17:37
That's a fantastic way to be,
413
1042000
2000
ये बहुत मजेदार है,
17:39
but it does tend to leave you waking up crying at three o'clock in the morning.
414
1044000
4000
मगर हो सकता है कि आप सुबह के तीन बजे जागे हुए पाये जायें।
17:43
(Laughter)
415
1048000
3000
ठहाका
17:46
Now it's good to be a grownup.
416
1051000
2000
अब बडे होना ठीक लग रहा है।
17:48
I don't want to say too much about how wonderful babies are.
417
1053000
2000
मैं बहुत नहीं कहना चाहता कि बच्चे कितने गजब के होते हैं।
17:50
It's good to be a grownup.
418
1055000
2000
बडा होना भी अच्छा है।
17:52
We can do things like tie our shoelaces and cross the street by ourselves.
419
1057000
3000
हम लोग सडक पार कर सकते है, जूते के फ़ीते बाँध सकते हैं।
17:55
And it makes sense that we put a lot of effort
420
1060000
2000
और ये ठीक ही लगता है कि हम इतनी कोशिश करते है
17:57
into making babies think like adults do.
421
1062000
4000
बच्चों को बडों की तरह सोचना सिखाने की।
18:01
But if what we want is to be like those butterflies,
422
1066000
3000
मगर यदि हमें उन तितलियों की तरह होना है,
18:04
to have open-mindedness, open learning,
423
1069000
3000
जिनके दिमाग खुले, और सीखने को तैयार हैं,
18:07
imagination, creativity, innovation,
424
1072000
2000
रच्नात्मक, कल्पना शक्ति से भरे, नवीन,
18:09
maybe at least some of the time
425
1074000
2000
तो कम से कम कुछ समय के लिये
18:11
we should be getting the adults
426
1076000
2000
हमे बडों को बच्चों की तरह
18:13
to start thinking more like children.
427
1078000
2000
सोचना सिखाना होगा।
18:15
(Applause)
428
1080000
8000
अभिवादन
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