TEDGlobal 2011
Alison Gopnik: What do babies think?
Alison Gopnik: cosa pensano i bambini?
Filmed:
Readability: 3.4
4,341,974 views
"I neonati e i bambini piccoli sono come il reparto ricerca e sviluppo della specie umana", dice la psicologa Alison Gopnik. La sua ricerca esplora il sofisticato meccanismo di raccolta intelligente e processo decisionale che i bambini mettono in moto quando giocano.
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
Cosa accade
00:17
in this baby's mind?
1
2000
2000
nella mente di questo bambino?
00:19
If you'd asked people this 30 years ago,
2
4000
2000
Se aveste posto questa domanda 30 anni fa,
00:21
most people, including psychologists,
3
6000
2000
molti, psicologi inclusi,
00:23
would have said that this baby was irrational,
4
8000
3000
avrebbero detto che questo bambino fosse irrazionale,
00:26
illogical, egocentric --
5
11000
2000
illogico, egocentrico -
00:28
that he couldn't take the perspective of another person
6
13000
2000
che non riuscirebbe a vedere con gli occhi di un'altra persona
00:30
or understand cause and effect.
7
15000
2000
o capire i meccanismi di causa ed effetto.
00:32
In the last 20 years,
8
17000
2000
Negli ultimi 20 anni,
00:34
developmental science has completely overturned that picture.
9
19000
3000
la scienza comportamentale ha sconvolto questa immagine.
00:37
So in some ways,
10
22000
2000
In qualche modo,
00:39
we think that this baby's thinking
11
24000
2000
crediamo che i pensieri di questo bambino
00:41
is like the thinking of the most brilliant scientists.
12
26000
4000
siano come i pensieri dei più brillanti scienziati.
00:45
Let me give you just one example of this.
13
30000
2000
Fatemi fare un esempio.
00:47
One thing that this baby could be thinking about,
14
32000
3000
Una cosa che potrebbe pensare questo bambino,
00:50
that could be going on in his mind,
15
35000
2000
che potrebbe passargli per la mente,
00:52
is trying to figure out
16
37000
2000
è cercare di capire
00:54
what's going on in the mind of that other baby.
17
39000
3000
cosa stia succedendo nella mente di un altro bambino.
00:57
After all, one of the things that's hardest for all of us to do
18
42000
3000
Dopo tutto, una delle cose più difficili per noi
01:00
is to figure out what other people are thinking and feeling.
19
45000
3000
è capire cosa pensano e sentono gli altri.
01:03
And maybe the hardest thing of all
20
48000
2000
E forse la cosa più difficile di tutte
01:05
is to figure out that what other people think and feel
21
50000
3000
è capire che quello che pensano e sentono gli altri
01:08
isn't actually exactly like what we think and feel.
22
53000
2000
in realtà non è esattamente quello che pensiamo e sentiamo noi.
01:10
Anyone who's followed politics can testify
23
55000
2000
Chiunque abbia seguito la politica può testimoniare
01:12
to how hard that is for some people to get.
24
57000
3000
quanto sia difficile per alcuni arrivarci.
01:15
We wanted to know
25
60000
2000
Volevamo sapere
01:17
if babies and young children
26
62000
2000
se i neonati e i bambini piccoli
01:19
could understand this really profound thing about other people.
27
64000
3000
possono capire questa cosa profonda sulle altre persone.
01:22
Now the question is: How could we ask them?
28
67000
2000
La domanda è: come possiamo chiederglielo?
01:24
Babies, after all, can't talk,
29
69000
2000
I neonati, dopo tutto, non parlano,
01:26
and if you ask a three year-old
30
71000
2000
e se chiedete a un bambino di tre anni
01:28
to tell you what he thinks,
31
73000
2000
di dirvi cosa pensa,
01:30
what you'll get is a beautiful stream of consciousness monologue
32
75000
3000
quello che otterrete è un monologo cosciente ininterrotto
01:33
about ponies and birthdays and things like that.
33
78000
3000
sui pony e i compleanni e cose di questo genere.
01:36
So how do we actually ask them the question?
34
81000
3000
Allora come si pone la domanda?
01:39
Well it turns out that the secret was broccoli.
35
84000
3000
Salta fuori che il segreto sono i broccoli.
01:42
What we did -- Betty Rapacholi, who was one of my students, and I --
36
87000
4000
Cosa abbiamo fatto - Betty Rapacholi, una mia studentessa, ed io -
01:46
was actually to give the babies two bowls of food:
37
91000
3000
davamo ai bambini due piatti di cibo:
01:49
one bowl of raw broccoli
38
94000
2000
un piatto di semplici broccoli
01:51
and one bowl of delicious goldfish crackers.
39
96000
3000
e un piatto di deliziosi biscotti a forma di pesciolini.
01:54
Now all of the babies, even in Berkley,
40
99000
3000
Tutti i bambini, anche a Berkley,
01:57
like the crackers and don't like the raw broccoli.
41
102000
3000
adorano i biscotti e detestano i broccoli.
02:00
(Laughter)
42
105000
2000
(Risate)
02:02
But then what Betty did
43
107000
2000
Ma poi quello che ha fatto Betty
02:04
was to take a little taste of food from each bowl.
44
109000
3000
è stato assaggiare un po' di cibo da ogni piatto.
02:07
And she would act as if she liked it or she didn't.
45
112000
2000
E faceva finta di adorarlo o di detestarlo.
02:09
So half the time, she acted
46
114000
2000
La metà delle volte, faceva come
02:11
as if she liked the crackers and didn't like the broccoli --
47
116000
2000
se le piacessero i biscotti e non le piacessero i broccoli -
02:13
just like a baby and any other sane person.
48
118000
3000
come un bambino o una qualunque persona normale.
02:16
But half the time,
49
121000
2000
Ma l'altra metà delle volte,
02:18
what she would do is take a little bit of the broccoli
50
123000
2000
prendeva un po' di broccoli
02:20
and go, "Mmmmm, broccoli.
51
125000
3000
e faceva, "Mmmmm, broccoli.
02:23
I tasted the broccoli. Mmmmm."
52
128000
3000
Ho assaggiato i broccoli. Mmmmm".
02:26
And then she would take a little bit of the crackers,
53
131000
2000
E poi prendeva un po' di biscotti,
02:28
and she'd go, "Eww, yuck, crackers.
54
133000
4000
e faceva, "Puah, biscotti.
02:32
I tasted the crackers. Eww, yuck."
55
137000
3000
Ho assaggiato i biscotti. Puah".
02:35
So she'd act as if what she wanted
56
140000
2000
Faceva come se volesse
02:37
was just the opposite of what the babies wanted.
57
142000
3000
l'esatto opposto di quello che vogliono i bambini.
02:40
We did this with 15 and 18 month-old babies.
58
145000
2000
Lo abbiamo fatto con bambini di 15 e 18 mesi.
02:42
And then she would simply put her hand out and say,
59
147000
3000
Poi metteva semplicemente fuori la mano e diceva,
02:45
"Can you give me some?"
60
150000
2000
"Me ne dai un po'?"
02:47
So the question is: What would the baby give her,
61
152000
2000
La domanda è: cosa le darà il bambino,
02:49
what they liked or what she liked?
62
154000
2000
quello che piace a lui o quello che piace a lei?
02:51
And the remarkable thing was that 18 month-old babies,
63
156000
3000
E la cosa singolare è che i bambini di 18 mesi,
02:54
just barely walking and talking,
64
159000
2000
che a malapena camminano e parlano,
02:56
would give her the crackers if she liked the crackers,
65
161000
3000
le danno i biscotti se le piacciono i biscotti,
02:59
but they would give her the broccoli if she liked the broccoli.
66
164000
3000
ma le danno i broccoli se le piacciono i broccoli.
03:02
On the other hand,
67
167000
2000
D'altra parte,
03:04
15 month-olds would stare at her for a long time
68
169000
2000
i bimbi di 15 mesi la fissavano a lungo
03:06
if she acted as if she liked the broccoli,
69
171000
2000
se agiva come se le piacessero i broccoli,
03:08
like they couldn't figure this out.
70
173000
3000
come se non riuscissero a capirne il motivo.
03:11
But then after they stared for a long time,
71
176000
2000
Ma dopo averla fissata a lungo,
03:13
they would just give her the crackers,
72
178000
2000
le davano i biscotti,
03:15
what they thought everybody must like.
73
180000
2000
quello che pensavano dovesse piacere a tutti.
03:17
So there are two really remarkable things about this.
74
182000
3000
Ci sono due cose veramente degne di nota.
03:20
The first one is that these little 18 month-old babies
75
185000
3000
La prima è che questi bambini di 18 mesi
03:23
have already discovered
76
188000
2000
hanno già scoperto
03:25
this really profound fact about human nature,
77
190000
2000
questo fatto molto profondo sulla natura umana,
03:27
that we don't always want the same thing.
78
192000
2000
che non vogliamo sempre le stesse cose.
03:29
And what's more, they felt that they should actually do things
79
194000
2000
E inoltre, hanno sentito di dover fare qualcosa
03:31
to help other people get what they wanted.
80
196000
3000
per aiutare gli altri a ottenere quello che vogliono.
03:34
Even more remarkably though,
81
199000
2000
E ancor più degno di nota,
03:36
the fact that 15 month-olds didn't do this
82
201000
3000
il fatto che un bambino di 15 mesi non lo abbia fatto
03:39
suggests that these 18 month-olds had learned
83
204000
3000
suggerisce che questi bambini di 18 mesi hanno imparato
03:42
this deep, profound fact about human nature
84
207000
3000
questo profondo fatto sulla natura umana
03:45
in the three months from when they were 15 months old.
85
210000
3000
in quei tre mesi dai 15 ai 18 mesi.
03:48
So children both know more and learn more
86
213000
2000
Quindi i bambini sanno di più e imparano di più
03:50
than we ever would have thought.
87
215000
2000
di quello che possiamo pensare.
03:52
And this is just one of hundreds and hundreds of studies over the last 20 years
88
217000
4000
E questo è solo uno delle centinaia e centinaia di studi fatti negli ultimi 20 anni
03:56
that's actually demonstrated it.
89
221000
2000
che lo dimostrano.
03:58
The question you might ask though is:
90
223000
2000
La domanda che potreste porvi è:
04:00
Why do children learn so much?
91
225000
3000
Perché i bambini imparano così tanto?
04:03
And how is it possible for them to learn so much
92
228000
2000
E in che modo imparano così tanto
04:05
in such a short time?
93
230000
2000
in così breve tempo?
04:07
I mean, after all, if you look at babies superficially,
94
232000
2000
Voglio dire, dopo tutto, se osservate i bimbi in maniera superficiale,
04:09
they seem pretty useless.
95
234000
2000
sembrano abbastanza inutili.
04:11
And actually in many ways, they're worse than useless,
96
236000
3000
E in realtà, in qualche modo, sono peggio che inutili,
04:14
because we have to put so much time and energy
97
239000
2000
perché dobbiamo metterci tempo ed energia
04:16
into just keeping them alive.
98
241000
2000
solo per mantenerli in vita.
04:18
But if we turn to evolution
99
243000
2000
Ma guardando l'evoluzione
04:20
for an answer to this puzzle
100
245000
2000
alla ricerca di una risposta a questo mistero
04:22
of why we spend so much time
101
247000
2000
del perché trascorriamo così tanto tempo
04:24
taking care of useless babies,
102
249000
3000
a prenderci cura di inutili bambini,
04:27
it turns out that there's actually an answer.
103
252000
3000
si scopre che in realtà una risposta esiste.
04:30
If we look across many, many different species of animals,
104
255000
3000
Analizzando molte, molte diverse specie di animali,
04:33
not just us primates,
105
258000
2000
non solo noi primati,
04:35
but also including other mammals, birds,
106
260000
2000
ma includendo anche altri mammiferi, uccelli,
04:37
even marsupials
107
262000
2000
persino i marsupiali
04:39
like kangaroos and wombats,
108
264000
2000
come i canguri e i vombatidi,
04:41
it turns out that there's a relationship
109
266000
2000
si scopre che c'è una relazione
04:43
between how long a childhood a species has
110
268000
4000
tra la lunghezza dell'infanzia di una specie
04:47
and how big their brains are compared to their bodies
111
272000
4000
e la dimensione del loro cervello rispetto al corpo
04:51
and how smart and flexible they are.
112
276000
2000
e quanto sono intelligenti e adattabili.
04:53
And sort of the posterbirds for this idea are the birds up there.
113
278000
3000
E per questa idea, questi uccelli sono rappresentativi.
04:56
On one side
114
281000
2000
Da un lato
04:58
is a New Caledonian crow.
115
283000
2000
c'è un corvo della Nuova Caledonia.
05:00
And crows and other corvidae, ravens, rooks and so forth,
116
285000
3000
E i corvi e altri corvidi, corvi, cornacchie e così via,
05:03
are incredibly smart birds.
117
288000
2000
sono uccelli incredibilmente intelligenti.
05:05
They're as smart as chimpanzees in some respects.
118
290000
3000
Sono intelligenti quanto gli scimpanzé in alcuni casi.
05:08
And this is a bird on the cover of science
119
293000
2000
E questo è un uccello sulla copertina di Science
05:10
who's learned how to use a tool to get food.
120
295000
3000
che ha imparato come usare un attrezzo per ottenere il cibo.
05:13
On the other hand,
121
298000
2000
Dall'altro lato,
05:15
we have our friend the domestic chicken.
122
300000
2000
ci sono i nostri amici polli domestici.
05:17
And chickens and ducks and geese and turkeys
123
302000
3000
E i polli, le anatre, le oche e i tacchini
05:20
are basically as dumb as dumps.
124
305000
2000
sono sostanzialmente molto stupidi.
05:22
So they're very, very good at pecking for grain,
125
307000
3000
Quindi sono molto, molto bravi a beccare i semi,
05:25
and they're not much good at doing anything else.
126
310000
3000
e non sono molto bravi a fare nient'altro.
05:28
Well it turns out that the babies,
127
313000
2000
E viene fuori che i cuccioli,
05:30
the New Caledonian crow babies, are fledglings.
128
315000
2000
i piccoli del corvo della Nuova Caledonia, sono degli uccellini.
05:32
They depend on their moms
129
317000
2000
Dipendono dalla loro mamma
05:34
to drop worms in their little open mouths
130
319000
3000
che fa cadere loro i vermi nel becco aperto
05:37
for as long as two years,
131
322000
2000
per due anni,
05:39
which is a really long time in the life of a bird.
132
324000
2000
che rappresenta un periodo molto lungo nella vita di un uccello.
05:41
Whereas the chickens are actually mature
133
326000
2000
Mentre i polli sono in realtà maturi
05:43
within a couple of months.
134
328000
2000
nel giro di un paio di mesi.
05:45
So childhood is the reason
135
330000
3000
L'infanzia è la ragione
05:48
why the crows end up on the cover of Science
136
333000
2000
per cui i corvi finiscono sulla copertina di Science
05:50
and the chickens end up in the soup pot.
137
335000
2000
e i polli finiscono nella minestra.
05:52
There's something about that long childhood
138
337000
3000
C'è qualcosa di quella lunga infanzia
05:55
that seems to be connected
139
340000
2000
che sembra essere connessa
05:57
to knowledge and learning.
140
342000
2000
alla conoscenza e all'apprendimento.
05:59
Well what kind of explanation could we have for this?
141
344000
3000
Che tipo di spiegazione potremmo avere?
06:02
Well some animals, like the chicken,
142
347000
3000
Alcuni animali, come i polli,
06:05
seem to be beautifully suited
143
350000
2000
sembrano essere adatti
06:07
to doing just one thing very well.
144
352000
2000
a fare una sola cosa molto bene.
06:09
So they seem to be beautifully suited
145
354000
3000
Sembra quindi che siano assolutamente adatti
06:12
to pecking grain in one environment.
146
357000
2000
a beccare il mangime in un solo ambiente.
06:14
Other creatures, like the crows,
147
359000
2000
Altre creature, come i corvi,
06:16
aren't very good at doing anything in particular,
148
361000
2000
non sono molto bravi a fare niente in particolare,
06:18
but they're extremely good
149
363000
2000
ma sono estremamente bravi
06:20
at learning about laws of different environments.
150
365000
2000
a imparare le leggi che governano i diversi ambienti.
06:22
And of course, we human beings
151
367000
2000
E ovviamente, noi umani
06:24
are way out on the end of the distribution like the crows.
152
369000
3000
siamo alla fine della curva di distribuzione come i corvi.
06:27
We have bigger brains relative to our bodies
153
372000
2000
Abbiamo cervelli più grandi in proporzione ai corpi
06:29
by far than any other animal.
154
374000
2000
molto più grande di qualunque altro animale.
06:31
We're smarter, we're more flexible,
155
376000
2000
Siamo più intelligenti, siamo più adattabili,
06:33
we can learn more,
156
378000
2000
possiamo imparare di più,
06:35
we survive in more different environments,
157
380000
2000
sopravviviamo in più ambienti diversi,
06:37
we migrated to cover the world and even go to outer space.
158
382000
3000
abbiamo migrato in tutto il mondo e siamo anche andati nello spazio.
06:40
And our babies and children are dependent on us
159
385000
3000
E i nostri neonati e bambini dipendono da noi
06:43
for much longer than the babies of any other species.
160
388000
3000
per molto più tempo rispetto ai piccoli di qualsiasi altra specie.
06:46
My son is 23.
161
391000
2000
Mio figlio ha 23 anni.
06:48
(Laughter)
162
393000
2000
(Risate)
06:50
And at least until they're 23,
163
395000
2000
E almeno fino a 23 anni,
06:52
we're still popping those worms
164
397000
2000
deponiamo ancora i vermi
06:54
into those little open mouths.
165
399000
3000
in quelle piccole bocche aperte.
06:57
All right, why would we see this correlation?
166
402000
3000
Perché vediamo questa correlazione?
07:00
Well an idea is that that strategy, that learning strategy,
167
405000
4000
Un'idea è che quella strategia, quella strategia di apprendimento,
07:04
is an extremely powerful, great strategy for getting on in the world,
168
409000
3000
è estremamente potente, grande strategia per andare avanti nel mondo,
07:07
but it has one big disadvantage.
169
412000
2000
ma ha un grande svantaggio.
07:09
And that one big disadvantage
170
414000
2000
E il grande svantaggio
07:11
is that, until you actually do all that learning,
171
416000
3000
è che, fino a che non si conclude tutto quell'apprendimento,
07:14
you're going to be helpless.
172
419000
2000
si è impotenti.
07:16
So you don't want to have the mastodon charging at you
173
421000
3000
Quindi non ti va di avere il mastodonte che ti carica
07:19
and be saying to yourself,
174
424000
2000
mentre dici a te stesso:
07:21
"A slingshot or maybe a spear might work. Which would actually be better?"
175
426000
4000
"Una catapulta o forse una lancia potrebbe funzionare. Qual è la soluzione migliore?"
07:25
You want to know all that
176
430000
2000
Vuoi sapere tutto
07:27
before the mastodons actually show up.
177
432000
2000
prima che il mastodonte si faccia vedere.
07:29
And the way the evolutions seems to have solved that problem
178
434000
3000
E il modo in cui l'evoluzione sembra aver risolto il problema
07:32
is with a kind of division of labor.
179
437000
2000
è con una sorta di divisione dei compiti.
07:34
So the idea is that we have this early period when we're completely protected.
180
439000
3000
L'idea è che in questo primo periodo quando siamo completamente protetti,
07:37
We don't have to do anything. All we have to do is learn.
181
442000
3000
non dobbiamo fare niente. Tutto quello che dobbiamo fare è imparare.
07:40
And then as adults,
182
445000
2000
E poi da adulti,
07:42
we can take all those things that we learned when we were babies and children
183
447000
3000
possiamo prendere tutte queste cose che abbiamo imparato da neonati e da bambini
07:45
and actually put them to work to do things out there in the world.
184
450000
3000
e metterle in funzione per andare là fuori nel mondo.
07:48
So one way of thinking about it
185
453000
2000
Un modo di vederla
07:50
is that babies and young children
186
455000
2000
è che i neonati e i bambini piccoli
07:52
are like the research and development division of the human species.
187
457000
3000
sono come la divisione ricerca e sviluppo della specie umana.
07:55
So they're the protected blue sky guys
188
460000
3000
Sono gli scienziati protetti
07:58
who just have to go out and learn and have good ideas,
189
463000
2000
che devono solo andare fuori a imparare e avere buone idee,
08:00
and we're production and marketing.
190
465000
2000
e noi siamo la produzione e il marketing.
08:02
We have to take all those ideas
191
467000
2000
Dobbiamo prendere tutte queste idee
08:04
that we learned when we were children
192
469000
2000
che abbiamo imparato da bambini
08:06
and actually put them to use.
193
471000
2000
e metterle in atto.
08:08
Another way of thinking about it
194
473000
2000
Un altro modo di vederla è:
08:10
is instead of thinking of babies and children
195
475000
2000
invece di pensare a neonati e bambini
08:12
as being like defective grownups,
196
477000
2000
come adulti difettosi,
08:14
we should think about them
197
479000
2000
dovremmo vederli
08:16
as being a different developmental stage of the same species --
198
481000
2000
come esseri della stessa specie in una diversa fase di sviluppo -
08:18
kind of like caterpillars and butterflies --
199
483000
3000
come con i bruchi e le farfalle -
08:21
except that they're actually the brilliant butterflies
200
486000
2000
tranne che in realtà loro sono le meravigliose farfalle
08:23
who are flitting around the garden and exploring,
201
488000
3000
che svolazzano nel giardino e esplorano,
08:26
and we're the caterpillars
202
491000
2000
e noi siamo i bruchi
08:28
who are inching along our narrow, grownup, adult path.
203
493000
3000
che pian piano avanzano lungo lo stretto sentiero di adulti.
08:31
If this is true, if these babies are designed to learn --
204
496000
3000
Se questo è vero, se questi bambini sono progettati per imparare -
08:34
and this evolutionary story would say children are for learning,
205
499000
3000
e questa storia evolutiva ci dice che i bambini sono fatti per imparare,
08:37
that's what they're for --
206
502000
2000
sono fatti per questo -
08:39
we might expect
207
504000
2000
potremmo aspettarci
08:41
that they would have really powerful learning mechanisms.
208
506000
2000
che abbiano dei potenti meccanismi di apprendimento.
08:43
And in fact, the baby's brain
209
508000
3000
E infatti, il cervello dei bambini
08:46
seems to be the most powerful learning computer
210
511000
2000
sembra essere il più potente computer in grado di apprendere
08:48
on the planet.
211
513000
2000
sulla terra.
08:50
But real computers are actually getting to be a lot better.
212
515000
3000
Ma i veri computer stanno migliorando molto.
08:53
And there's been a revolution
213
518000
2000
E c'è stata di recente una rivoluzione
08:55
in our understanding of machine learning recently.
214
520000
2000
nella nostra comprensione dell'apprendimento delle macchine.
08:57
And it all depends on the ideas of this guy,
215
522000
3000
E dipende tutto dalle idee di quest'uomo,
09:00
the Reverend Thomas Bayes,
216
525000
2000
il Reverendo Thomas Bayes,
09:02
who was a statistician and mathematician in the 18th century.
217
527000
3000
uno statistico e matematico del 18° secolo.
09:05
And essentially what Bayes did
218
530000
3000
E in sostanza quello che fece Bayes
09:08
was to provide a mathematical way
219
533000
2000
fu fornire un metodo matematico
09:10
using probability theory
220
535000
2000
che utilizza la teoria delle probabilità
09:12
to characterize, describe,
221
537000
2000
per caratterizzare e descrivere
09:14
the way that scientists find out about the world.
222
539000
2000
il modo in cui gli scienziati scoprono il mondo.
09:16
So what scientists do
223
541000
2000
Quello che fanno gli scienziati
09:18
is they have a hypothesis that they think might be likely to start with.
224
543000
3000
è partire da un'ipotesi che pensano sia un punto di inizio.
09:21
They go out and test it against the evidence.
225
546000
2000
La mettono alla prova.
09:23
The evidence makes them change that hypothesis.
226
548000
2000
Le prove fanno loro cambiare le ipotesi.
09:25
Then they test that new hypothesis
227
550000
2000
Dopodiché testano queste nuove ipotesi
09:27
and so on and so forth.
228
552000
2000
e così via.
09:29
And what Bayes showed was a mathematical way that you could do that.
229
554000
3000
E quello che Bayes mostrò fu uno strumento matematico per fare tutto ciò.
09:32
And that mathematics is at the core
230
557000
2000
E quella matematica è al cuore
09:34
of the best machine learning programs that we have now.
231
559000
2000
dei migliori programmi di apprendimento delle macchine che abbiamo oggi.
09:36
And some 10 years ago,
232
561000
2000
E una decina di anni fa,
09:38
I suggested that babies might be doing the same thing.
233
563000
4000
ho suggerito che i bambini potrebbero fare la stessa cosa.
09:42
So if you want to know what's going on
234
567000
2000
Quindi se volete sapere cosa succede
09:44
underneath those beautiful brown eyes,
235
569000
2000
dietro quei begli occhioni castani
09:46
I think it actually looks something like this.
236
571000
2000
credo che assomigli a qualcosa di questo genere.
09:48
This is Reverend Bayes's notebook.
237
573000
2000
Questi sono gli appunti del Reverendo Bayes.
09:50
So I think those babies are actually making complicated calculations
238
575000
3000
Credo che questi bambini stiano in realtà facendo calcoli complicati
09:53
with conditional probabilities that they're revising
239
578000
3000
con probabilità condizionata che stanno ripassando
09:56
to figure out how the world works.
240
581000
2000
per capire come funziona il mondo.
09:58
All right, now that might seem like an even taller order to actually demonstrate.
241
583000
4000
Bene, potrebbe sembrare un processo ancora più difficile da dimostrare.
10:02
Because after all, if you ask even grownups about statistics,
242
587000
2000
Perché dopo tutto, anche se chiedete agli adulti sulla statistica,
10:04
they look extremely stupid.
243
589000
2000
sembrano estremamente stupidi.
10:06
How could it be that children are doing statistics?
244
591000
3000
Come possono i bambini essere bravi in statistica?
10:09
So to test this we used a machine that we have
245
594000
2000
Per testare questo abbiamo usato una macchina
10:11
called the Blicket Detector.
246
596000
2000
che si chiama Rilevatore Blicket.
10:13
This is a box that lights up and plays music
247
598000
2000
È una scatola che si illumina e suona
10:15
when you put some things on it and not others.
248
600000
3000
mettendo sopra alcune cose e non altre.
10:18
And using this very simple machine,
249
603000
2000
E utilizzando questa semplicissima macchina,
10:20
my lab and others have done dozens of studies
250
605000
2000
il mio laboratorio e altri hanno fatto una dozzina di studi
10:22
showing just how good babies are
251
607000
2000
che mostrano quanto siano bravi i bambini
10:24
at learning about the world.
252
609000
2000
a imparare le cose del mondo.
10:26
Let me mention just one
253
611000
2000
Ve ne citerò solo una
10:28
that we did with Tumar Kushner, my student.
254
613000
2000
che abbiamo fatto con Tumar Kushner, un mio studente.
10:30
If I showed you this detector,
255
615000
2000
Se vi mostrassi questo rilevatore,
10:32
you would be likely to think to begin with
256
617000
2000
è probabile che pensereste, per cominciare,
10:34
that the way to make the detector go
257
619000
2000
che il modo per farlo partire
10:36
would be to put a block on top of the detector.
258
621000
3000
sarebbe di mettere un blocco in cima al rilevatore.
10:39
But actually, this detector
259
624000
2000
Ma in realtà, questo rilevatore
10:41
works in a bit of a strange way.
260
626000
2000
funziona in maniera un po' strana.
10:43
Because if you wave a block over the top of the detector,
261
628000
3000
Perché se passate un blocco in cima al rilevatore,
10:46
something you wouldn't ever think of to begin with,
262
631000
3000
una cosa con cui non avreste mai pensato di iniziare,
10:49
the detector will actually activate two out of three times.
263
634000
3000
in realtà il rilevatore si attiverà due volte su tre.
10:52
Whereas, if you do the likely thing, put the block on the detector,
264
637000
3000
Mentre, se fate la stessa cosa, mettere il blocco sul rilevatore,
10:55
it will only activate two out of six times.
265
640000
4000
si attiverà solo due volte su sei.
10:59
So the unlikely hypothesis
266
644000
2000
Quindi l'ipotesi più improbabile
11:01
actually has stronger evidence.
267
646000
2000
in realtà ha più prove a suo favore.
11:03
It looks as if the waving
268
648000
2000
Sembra che scuotere l'oggetto
11:05
is a more effective strategy than the other strategy.
269
650000
2000
sia una strategia più efficace dell'altra.
11:07
So we did just this; we gave four year-olds this pattern of evidence,
270
652000
3000
Abbiamo fatto solo questo: abbiamo dato a un bambino di 4 anni questa serie di prove,
11:10
and we just asked them to make it go.
271
655000
2000
e gli abbiamo chiesto di farlo funzionare.
11:12
And sure enough, the four year-olds used the evidence
272
657000
3000
E infatti, il bambino di quattro anni ha usato le prove
11:15
to wave the object on top of the detector.
273
660000
3000
per agitare l'oggetto sul rilevatore.
11:18
Now there are two things that are really interesting about this.
274
663000
3000
Ci sono due cose molto interessanti in proposito.
11:21
The first one is, again, remember, these are four year-olds.
275
666000
3000
La prima, ancora una volta, ricordate, questi sono bambini di 4 anni.
11:24
They're just learning how to count.
276
669000
2000
Stanno solo imparando come contare.
11:26
But unconsciously,
277
671000
2000
Ma inconsciamente,
11:28
they're doing these quite complicated calculations
278
673000
2000
stanno facendo questi calcoli abbastanza complicati
11:30
that will give them a conditional probability measure.
279
675000
3000
che darà loro un misura della probabilità condizionata.
11:33
And the other interesting thing
280
678000
2000
E l'altra cosa interessante
11:35
is that they're using that evidence
281
680000
2000
è che utilizzano le prove
11:37
to get to an idea, get to a hypothesis about the world,
282
682000
3000
per avere un'idea, per arrivare ad un'ipotesi sul mondo,
11:40
that seems very unlikely to begin with.
283
685000
3000
che sembra sia molto improbabile.
11:43
And in studies we've just been doing in my lab, similar studies,
284
688000
3000
E negli studi che abbiamo appena fatto nel mio laboratorio, studi simili,
11:46
we've show that four year-olds are actually better
285
691000
2000
abbiamo mostrato che i bambini di 4 anni sono più bravi
11:48
at finding out an unlikely hypothesis
286
693000
3000
a tirare fuori un'ipotesi improbabile
11:51
than adults are when we give them exactly the same task.
287
696000
3000
rispetto agli adulti a cui diamo esattamente lo stesso compito.
11:54
So in these circumstances,
288
699000
2000
Quindi in queste circostanze,
11:56
the children are using statistics to find out about the world,
289
701000
3000
i bambini utilizzano la statistica per scoprire il mondo,
11:59
but after all, scientists also do experiments,
290
704000
3000
ma dopo tutto, anche gli scienziati fanno esperimenti,
12:02
and we wanted to see if children are doing experiments.
291
707000
3000
e volevamo vedere se i bambini fanno esperimenti.
12:05
When children do experiments we call it "getting into everything"
292
710000
3000
Quando i bambini fanno esperimenti lo chiamiamo "provare tutto"
12:08
or else "playing."
293
713000
2000
ovvero "giocare".
12:10
And there's been a bunch of interesting studies recently
294
715000
3000
E recentemente c'è stata una serie di studi interessanti
12:13
that have shown this playing around
295
718000
3000
che ha mostrato che il giocare
12:16
is really a kind of experimental research program.
296
721000
2000
è veramente una specie di programma di ricerca sperimentale.
12:18
Here's one from Cristine Legare's lab.
297
723000
3000
Questo è uno dal laboratorio di Cristine Legare.
12:21
What Cristine did was use our Blicket Detectors.
298
726000
3000
Quello che ha fatto Cristine è stato utilizzare il Rilevatore Blicket.
12:24
And what she did was show children
299
729000
2000
E quello che ha fatto è stato mostrare ai bambini
12:26
that yellow ones made it go and red ones didn't,
300
731000
2000
che i gialli lo facevano andare e i rossi no,
12:28
and then she showed them an anomaly.
301
733000
3000
e poi ha mostrato un'anomalia.
12:31
And what you'll see
302
736000
2000
E quello che vedrete
12:33
is that this little boy will go through five hypotheses
303
738000
3000
è che questo bambino sperimenterà cinque ipotesi
12:36
in the space of two minutes.
304
741000
3000
nel giro di due minuti.
12:39
(Video) Boy: How about this?
305
744000
3000
(Video) Bambino: Cosa ne pensi di questo?
12:43
Same as the other side.
306
748000
3000
Come dall'altra parte.
12:46
Alison Gopnik: Okay, so his first hypothesis has just been falsified.
307
751000
4000
Alison Gopnik: Ok, la sua prima ipotesi è stata contraddetta.
12:55
(Laughter)
308
760000
2000
Bambino: niente (Risate)
12:57
Boy: This one lighted up, and this one nothing.
309
762000
3000
Bambino: Questa è accesa, e questa no.
13:00
AG: Okay, he's got his experimental notebook out.
310
765000
3000
AG: Ok, ha tirato fuori il blocco degli esperimenti.
13:06
Boy: What's making this light up.
311
771000
4000
Bambino: Cos'è che la fa accendere?
13:11
(Laughter)
312
776000
9000
(Risate)
13:20
I don't know.
313
785000
2000
Non so.
13:22
AG: Every scientist will recognize that expression of despair.
314
787000
4000
AG: Tutti gli scienziati riconoscono quell'espressione di disperazione.
13:26
(Laughter)
315
791000
3000
(Risate)
13:29
Boy: Oh, it's because this needs to be like this,
316
794000
6000
Bambino: Oh, è perché questo deve essere così,
13:35
and this needs to be like this.
317
800000
2000
e questo deve essere così.
13:37
AG: Okay, hypothesis two.
318
802000
3000
AG: Ok, seconda ipotesi.
13:40
Boy: That's why.
319
805000
2000
Bambino: Ecco perché.
13:42
Oh.
320
807000
2000
Oh.
13:44
(Laughter)
321
809000
5000
(Risate)
13:49
AG: Now this is his next idea.
322
814000
2000
AG: Ecco la prossima idea.
13:51
He told the experimenter to do this,
323
816000
2000
Ha detto allo sperimentatore di farlo,
13:53
to try putting it out onto the other location.
324
818000
4000
cercare di metterlo nell'altro posto.
13:57
Not working either.
325
822000
2000
Non funziona neanche questo.
14:02
Boy: Oh, because the light goes only to here,
326
827000
4000
Bambino: Oh, perché la luce va solo qui,
14:06
not here.
327
831000
3000
non qui.
14:09
Oh, the bottom of this box
328
834000
3000
Oh, il fondo di questa scatola
14:12
has electricity in here,
329
837000
2000
ha corrente elettrica,
14:14
but this doesn't have electricity.
330
839000
2000
questo invece non ce l'ha.
14:16
AG: Okay, that's a fourth hypothesis.
331
841000
2000
AG: Ok, questa è una quarta ipotesi.
14:18
Boy: It's lighting up.
332
843000
2000
Bambino: Si accende.
14:20
So when you put four.
333
845000
5000
Quindi è quando ne metti quattro.
14:26
So you put four on this one to make it light up
334
851000
3000
Quindi ne metti quattro su questo per farlo accendere
14:29
and two on this one to make it light up.
335
854000
2000
e due su questo per farlo accendere.
14:31
AG: Okay,there's his fifth hypothesis.
336
856000
2000
AG: Ok, questa è la quinta ipotesi.
14:33
Now that is a particularly --
337
858000
3000
Questo è un bambino -
14:36
that is a particularly adorable and articulate little boy,
338
861000
3000
è un bambino particolarmente adorabile e eloquente,
14:39
but what Cristine discovered is this is actually quite typical.
339
864000
3000
ma quello che Cristine ha scoperto è che in realtà è abbastanza caratteristico.
14:42
If you look at the way children play, when you ask them to explain something,
340
867000
3000
Se guardate come giocano i bambini, quando chiedete loro di spiegare qualcosa,
14:45
what they really do is do a series of experiments.
341
870000
3000
quello che fanno in realtà è una serie di esperimenti.
14:48
This is actually pretty typical of four year-olds.
342
873000
3000
È abbastanza tipico dei bambini di quattro anni.
14:51
Well, what's it like to be this kind of creature?
343
876000
3000
Bene, cosa vuol dire essere questo tipo di creatura?
14:54
What's it like to be one of these brilliant butterflies
344
879000
3000
Cosa vuol dire essere una di queste brillanti farfalle
14:57
who can test five hypotheses in two minutes?
345
882000
3000
che possono sperimentare cinque ipotesi in due minuti?
15:00
Well, if you go back to those psychologists and philosophers,
346
885000
3000
Se tornate indietro a quegli psicologi e filosofi,
15:03
a lot of them have said
347
888000
2000
molti di loro hanno detto
15:05
that babies and young children were barely conscious
348
890000
2000
che i neonati e i bambini piccoli sono a malapena coscienti
15:07
if they were conscious at all.
349
892000
2000
se non del tutto non coscienti.
15:09
And I think just the opposite is true.
350
894000
2000
E credo invece che sia tutto il contrario.
15:11
I think babies and children are actually more conscious than we are as adults.
351
896000
3000
Credo che i neonati e i bambini sono in realtà più coscienti di noi adulti.
15:14
Now here's what we know about how adult consciousness works.
352
899000
3000
Ecco cosa sappiamo di come funziona la coscienza degli adulti.
15:17
And adults' attention and consciousness
353
902000
2000
E l'attenzione e la coscienza degli adulti
15:19
look kind of like a spotlight.
354
904000
2000
sono un po' come un riflettore.
15:21
So what happens for adults
355
906000
2000
Quello che succede negli adulti
15:23
is we decide that something's relevant or important,
356
908000
2000
è che se decidiamo che qualcosa è rilevante o importante,
15:25
we should pay attention to it.
357
910000
2000
dovremmo prestare attenzione.
15:27
Our consciousness of that thing that we're attending to
358
912000
2000
La nostra coscienza di quella cosa a cui assistiamo
15:29
becomes extremely bright and vivid,
359
914000
3000
diventa estremamente vivida e brillante,
15:32
and everything else sort of goes dark.
360
917000
2000
e tutto il resto si oscura.
15:34
And we even know something about the way the brain does this.
361
919000
3000
E sappiamo anche qualcosa su come il cervello opera in questo modo.
15:37
So what happens when we pay attention
362
922000
2000
Quello che succede quando prestiamo attenzione
15:39
is that the prefrontal cortex, the sort of executive part of our brains,
363
924000
3000
è che la corteccia prefrontale, la parte che esegue nel nostro cervello,
15:42
sends a signal
364
927000
2000
invia un segnale
15:44
that makes a little part of our brain much more flexible,
365
929000
2000
che rende una piccola parte del nostro cervello un po' più flessibile,
15:46
more plastic, better at learning,
366
931000
2000
più plastica, più adatta all'apprendimento,
15:48
and shuts down activity
367
933000
2000
e spegne l'attività
15:50
in all the rest of our brains.
368
935000
2000
in tutto il resto del nostro cervello.
15:52
So we have a very focused, purpose-driven kind of attention.
369
937000
4000
Quindi abbiamo un'attenzione molto focalizzata e guidata da uno scopo.
15:56
If we look at babies and young children,
370
941000
2000
Se osserviamo i neonati e i bambini piccoli,
15:58
we see something very different.
371
943000
2000
vediamo qualcosa di molto diverso.
16:00
I think babies and young children
372
945000
2000
Credo che i neonati e i bambini piccoli
16:02
seem to have more of a lantern of consciousness
373
947000
2000
abbiano più una lanterna della coscienza
16:04
than a spotlight of consciousness.
374
949000
2000
che un riflettore della coscienza.
16:06
So babies and young children are very bad
375
951000
3000
Quindi i neonati e i bambini piccoli sono pessimi
16:09
at narrowing down to just one thing.
376
954000
3000
a focalizzarsi su una sola cosa.
16:12
But they're very good at taking in lots of information
377
957000
3000
Ma sono molto bravi a recuperare tante informazioni
16:15
from lots of different sources at once.
378
960000
2000
da tante fonti diverse in una volta sola.
16:17
And if you actually look in their brains,
379
962000
2000
Se guardate all'interno del loro cervello,
16:19
you see that they're flooded with these neurotransmitters
380
964000
3000
vedete che sono invasi da questi neurotrasmettitori
16:22
that are really good at inducing learning and plasticity,
381
967000
2000
che sono ottimi per indurre l'apprendimento e la plasticità,
16:24
and the inhibitory parts haven't come on yet.
382
969000
3000
e le parti che li inibiscono ancora non ci sono.
16:27
So when we say that babies and young children
383
972000
2000
Quindi quando diciamo che i neonati e i bambini piccoli
16:29
are bad at paying attention,
384
974000
2000
non sono bravi a stare attenti,
16:31
what we really mean is that they're bad at not paying attention.
385
976000
4000
quello che in realtà intendiamo è che sono pessimi nel non prestare attenzione.
16:35
So they're bad at getting rid
386
980000
2000
Non sono capaci di sbarazzarsi
16:37
of all the interesting things that could tell them something
387
982000
2000
di tutte le cose interessanti che potrebbe significare qualcosa per loro
16:39
and just looking at the thing that's important.
388
984000
2000
e guardare solo ciò che è importante.
16:41
That's the kind of attention, the kind of consciousness,
389
986000
3000
È il tipo di attenzione, il tipo di coscienza,
16:44
that we might expect
390
989000
2000
che potremmo aspettarci
16:46
from those butterflies who are designed to learn.
391
991000
2000
da quelle farfalle che sono progettate per imparare.
16:48
Well if we want to think about a way
392
993000
2000
Beh, se vogliamo pensare a un modo
16:50
of getting a taste of that kind of baby consciousness as adults,
393
995000
4000
per avere un'idea della coscienza di un bambino da adulti,
16:54
I think the best thing is think about cases
394
999000
2000
credo che la cosa migliore da fare sia pensare a casi
16:56
where we're put in a new situation that we've never been in before --
395
1001000
3000
in cui ci troviamo in una nuova situazione mai vista prima -
16:59
when we fall in love with someone new,
396
1004000
2000
quando ci innamoriamo di qualcuno,
17:01
or when we're in a new city for the first time.
397
1006000
3000
quando siamo in una nuova città per la prima volta.
17:04
And what happens then is not that our consciousness contracts,
398
1009000
2000
E quello che succede poi non è che la nostra coscienza si contrae,
17:06
it expands,
399
1011000
2000
anzi si espande,
17:08
so that those three days in Paris
400
1013000
2000
in modo che quei tre giorni a Parigi
17:10
seem to be more full of consciousness and experience
401
1015000
2000
sembrano molto più pieni di consapevolezza e esperienza
17:12
than all the months of being
402
1017000
2000
di tutti i mesi trascorsi
17:14
a walking, talking, faculty meeting-attending zombie back home.
403
1019000
4000
a camminare, parlare, presenziare alle riunioni come zombie e tornare a casa.
17:18
And by the way, that coffee,
404
1023000
2000
E comunque, quel caffè,
17:20
that wonderful coffee you've been drinking downstairs,
405
1025000
2000
quel meraviglioso caffè che bevete al piano di sotto,
17:22
actually mimics the effect
406
1027000
2000
in realtà simula l'effetto
17:24
of those baby neurotransmitters.
407
1029000
2000
dei neurotrasmettitori dei bambini.
17:26
So what's it like to be a baby?
408
1031000
2000
Allora cosa vuol dire essere un bambino?
17:28
It's like being in love
409
1033000
2000
È come essere innamorati
17:30
in Paris for the first time
410
1035000
2000
a Parigi per la prima volta
17:32
after you've had three double-espressos.
411
1037000
2000
dopo aver bevuto tre espressi doppi.
17:34
(Laughter)
412
1039000
3000
(Risate)
17:37
That's a fantastic way to be,
413
1042000
2000
È una maniera d'essere fantastica,
17:39
but it does tend to leave you waking up crying at three o'clock in the morning.
414
1044000
4000
ma di solito non vi fa alzare piangendo alle tre del mattino.
17:43
(Laughter)
415
1048000
3000
(Risate)
17:46
Now it's good to be a grownup.
416
1051000
2000
È bello essere adulti.
17:48
I don't want to say too much about how wonderful babies are.
417
1053000
2000
Non voglio dire troppo di quanto siano meravigliosi i bambini.
17:50
It's good to be a grownup.
418
1055000
2000
È bello essere adulti.
17:52
We can do things like tie our shoelaces and cross the street by ourselves.
419
1057000
3000
Possiamo fare cose come allacciare le scarpe e attraversare la strada da soli.
17:55
And it makes sense that we put a lot of effort
420
1060000
2000
E ha senso fare molti sforzi
17:57
into making babies think like adults do.
421
1062000
4000
per far pensare i bambini come gli adulti.
18:01
But if what we want is to be like those butterflies,
422
1066000
3000
Ma se quello che vogliamo è essere come queste farfalle,
18:04
to have open-mindedness, open learning,
423
1069000
3000
avere mentalità aperta, apprendimento aperto,
18:07
imagination, creativity, innovation,
424
1072000
2000
immaginazione, creatività, innovazione,
18:09
maybe at least some of the time
425
1074000
2000
forse almeno qualche volta
18:11
we should be getting the adults
426
1076000
2000
dovremmo spingere gli adulti
18:13
to start thinking more like children.
427
1078000
2000
a cominciare a pensare come i bambini.
18:15
(Applause)
428
1080000
8000
(Applausi)
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