ABOUT THE SPEAKER
Laura Schulz - Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn.

Why you should listen

MIT Early Childhood Cognition Lab lead investigator Laura Schulz studies learning in early childhood. Her research bridges computational models of cognitive development and behavioral studies in order to understand the origins of inquiry and discovery.

Working in play labs, children’s museums, and a recently-launched citizen science website, Schultz is reshaping how we view young children’s perceptions of the world around them. Some of the surprising results of her research: before the age of four, children expect hidden causes when events happen probabilistically, use simple experiments to distinguish causal hypotheses, and trade off learning from instruction and exploration.

More profile about the speaker
Laura Schulz | Speaker | TED.com
TED2015

Laura Schulz: The surprisingly logical minds of babies

ローラ・シュルツ: 驚くほど論理的な、赤ちゃんの心

Filmed:
1,888,975 views

赤ちゃんはどうやって、わずかな材料から多くのことを非常に速く学ぶのでしょうか。認知科学者ローラ・シュルツは、面白い話の中で多くの実験を紹介しながら、赤ちゃんたちがしゃべり始めるずっと前から、驚くほど強力な論理感覚を駆使して決断を下す姿を明らかにしていきます。
- Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn. Full bio

Double-click the English transcript below to play the video.

00:12
Markマーク Twainトウェイン summed合計 up
what I take to be
0
835
2155
マーク・トウェインは
00:14
one of the fundamental基本的な problems問題
of cognitive認知 science科学
1
2990
3120
私が 認知科学の本質的な問題の
１つと考えることを
00:18
with a singleシングル witticism想起.
2
6110
1710
機知に富む言葉でまとめています
00:20
He said, "There's something
fascinating魅力的な about science科学.
3
8410
3082
「科学には魅力的な面がある
00:23
One gets取得 suchそのような wholesale卸売
returns返品 of conjecture推測
4
11492
3228
事実に対して
ほんのわずかに投資するだけで
00:26
out of suchそのような a trifling些細な
investment投資 in fact事実."
5
14720
3204
これほど大量に
予想という利益を得るのだから」
00:29
(Laughter笑い)
6
17924
1585
（笑）
00:32
Twainトウェイン meant意味した it as a joke冗談で,
of courseコース, but he's right:
7
20199
2604
これはジョークでしょうが
彼の言葉は的を射ています
00:34
There's something
fascinating魅力的な about science科学.
8
22803
2876
科学には魅力的な面があります
00:37
From a few少数 bones骨格, we infer推論
the existence存在 of dinosuarsディノスア.
9
25679
4261
わずか数本の骨から 恐竜の存在を推測し
00:42
From spectralスペクトル lines行,
the composition組成 of nebulae星雲.
10
30910
3871
スペクトル線から
銀河の組成を推測します
00:47
From fruitフルーツ flies飛行機,
11
35471
2938
ショウジョウバエからは
00:50
the mechanismsメカニズム of heredity遺伝,
12
38409
2943
遺伝のメカニズムを
00:53
and from reconstructed再建された imagesイメージ
of blood血液 flowing流れる throughを通して the brain脳,
13
41352
4249
そして脳の血流を再現した画像や
00:57
or in my case場合, from the behavior動作
of very young若い children子供,
14
45601
4708
私の場合なら
小さな子どもの行動から
01:02
we try to say something about
the fundamental基本的な mechanismsメカニズム
15
50309
2829
人間の認知の
本質的なメカニズムについて
01:05
of human人間 cognition認知.
16
53138
1618
説明しようとするのです
01:07
In particular特に, in my lab研究室 in the Department部門
of Brain脳 and Cognitive認知 Sciences科学 at MITMIT,
17
55716
4759
私は その中でも
MIT脳認知科学科の研究室で
01:12
I have spent過ごした the past過去 decade10年
trying試す to understandわかる the mystery神秘
18
60475
3654
過去10年に渡って
ある謎を解こうとしてきました
01:16
of how children子供 learn学ぶ so much
from so little so quickly早く.
19
64129
3977
子どもはどうやって わずかな情報から
これほど速く学ぶのかということです
01:20
Because, it turnsターン out that
the fascinating魅力的な thing about science科学
20
68666
2978
その理由は 科学がもつ魅力は
01:23
is alsoまた、 a fascinating魅力的な
thing about children子供,
21
71644
3529
子どもたちがもつ魅力と
同じものだからです
01:27
whichどの, to put a gentler優しい
spinスピン on Markマーク Twainトウェイン,
22
75173
2581
つまり トウェインの言葉を
少しひねって言えば
01:29
is precisely正確に their彼らの ability能力
to drawドロー richリッチ, abstract抽象 inferences推論
23
77754
4650
子どもたちは わずかな量の
ノイズだらけのデータから
01:34
rapidly急速に and accurately正確に
from sparse疎, noisyうるさい dataデータ.
24
82404
4661
速く正確に 豊かな抽象的推論をする
能力をもっているからです
01:40
I'm going to give you
just two examples例 today今日.
25
88355
2398
今日は その例を２つ紹介しましょう
01:42
One is about a problem問題 of generalization一般化,
26
90753
2287
ひとつは「一般化」の問題 ―
01:45
and the other is about a problem問題
of causal因果関係 reasoning推論.
27
93040
2850
もうひとつは
「因果的思考」の問題です
01:47
And althoughただし、 I'm going to talk
about work in my lab研究室,
28
95890
2525
お話しするのは
私の研究室で行っていることですが
01:50
this work is inspiredインスピレーションを受けた by
and indebted負債 to a fieldフィールド.
29
98415
3460
これは ある研究分野に
動機付けられ 多くを負っています
01:53
I'm grateful感謝する to mentorsメンター, colleagues同僚,
and collaborators協力者 around the world世界.
30
101875
4283
世界中の恩師や同僚や
協力者に感謝しています
01:59
Let me start開始 with the problem問題
of generalization一般化.
31
107308
2974
まず「一般化」の問題から
はじめましょう
02:02
Generalizing一般化 from small小さい samplesサンプル of dataデータ
is the breadパン and butterバター of science科学.
32
110652
4133
抽出したデータの標本から
一般化することは科学の基本です
02:06
We poll投票 a tiny小さな fraction分数 of the electorate有権者
33
114785
2554
国政選挙では 有権者のほんの一部から
02:09
and we predict予測する the outcome結果
of national全国 elections選挙.
34
117339
2321
聞き取り調査をして 結果を予測します
02:12
We see how a handful一握りの of patients患者
responds応答する to treatment処理 in a clinical臨床的 trial試行,
35
120240
3925
臨床試験では数人の被験者に
治療の効果があるかを調べた上で
02:16
and we bring持参する drugs薬物 to a national全国 market市場.
36
124165
3065
薬を市場に出します
02:19
But this only works作品 if our sampleサンプル
is randomly無作為に drawn描かれた from the population人口.
37
127230
4365
ただ これが上手くいくのは標本が
母集団から無作為に抽出された時だけです
02:23
If our sampleサンプル is cherry-pickedチェリーピックされた
in some way --
38
131595
2735
標本の抽出方法が偏っている場合
たとえば ―
02:26
say, we poll投票 only urban都市 voters有権者,
39
134330
2072
都市部の有権者だけ調査した場合や
02:28
or say, in our clinical臨床的 trials試行
for treatments治療 for heartハート disease疾患,
40
136402
4388
心臓病治療の臨床試験で
02:32
we include含める only men男性 --
41
140790
1881
被験者が男性だけの場合には
02:34
the results結果 mayかもしれない not generalize一般化する
to the broaderより広い population人口.
42
142671
3158
結果を より広範な集団に
一般化できない可能性があります
02:38
So scientists科学者 careお手入れ whetherかどうか evidence証拠
is randomly無作為に sampledサンプリングされた or not,
43
146479
3581
だから科学者にとって データが
無作為抽出かどうかは重要です
02:42
but what does that have to do with babies赤ちゃん?
44
150060
2015
ただ それが赤ちゃんと
どう結びつくのでしょうか？
02:44
Well, babies赤ちゃん have to generalize一般化する
from small小さい samplesサンプル of dataデータ all the time.
45
152585
4621
赤ちゃんは 常に少数の標本から
一般化せざるを得ません
02:49
They see a few少数 rubberゴム ducksアヒル
and learn学ぶ that they float浮く,
46
157206
3158
ゴムのアヒルをいくつか見て
それが浮くことを学び
02:52
or a few少数 ballsボール and learn学ぶ that they bounceバウンス.
47
160364
3575
ボールをいくつか見て
それが弾むことを学びます
02:55
And they develop開発する expectations期待
about ducksアヒル and ballsボール
48
163939
2951
こうして赤ちゃんは
アヒルやボールについて予想を立て
02:58
that they're going to extend拡張する
to rubberゴム ducksアヒル and ballsボール
49
166890
2716
その予想を生涯に渡って
03:01
for the rest残り of their彼らの lives人生.
50
169606
1879
当てはめ続けるのです
03:03
And the kinds種類 of generalizations一般化
babies赤ちゃん have to make about ducksアヒル and ballsボール
51
171485
3739
そして 赤ちゃんが
アヒルとボールに対して行う一般化は
03:07
they have to make about almostほぼ everything:
52
175224
2089
他のほぼあらゆるもの すなわち
03:09
shoes靴 and ships船 and sealingシーリング waxワックス
and cabbagesキャベツ and kings王様.
53
177313
3917
靴にも 船にも 封蝋にも キャベツにも
王様にも適用する必要があります
03:14
So do babies赤ちゃん careお手入れ whetherかどうか
the tiny小さな bitビット of evidence証拠 they see
54
182200
2961
では 赤ちゃんにとって
自分が見た わずかな証拠が
03:17
is plausibly妥当な representative代表
of a larger大きい population人口?
55
185161
3692
より大きな集団の典型例かどうかは
重要なのでしょうか？
03:21
Let's find out.
56
189763
1900
調べてみましょう
03:23
I'm going to showショー you two movies映画,
57
191663
1723
これから見ていただく２本のビデオは
03:25
one from each各 of two conditions条件
of an experiment実験,
58
193386
2462
ある実験での ２つの条件のものです
03:27
and because you're going to see
just two movies映画,
59
195848
2438
ご覧いただくのは２本だけなので
03:30
you're going to see just two babies赤ちゃん,
60
198286
2136
赤ちゃんは２人しか登場しません
03:32
and any two babies赤ちゃん differ異なる from each各 other
in innumerable無数 ways方法.
61
200422
3947
どの赤ちゃんにも
あらゆる面で違いがありますが
03:36
But these babies赤ちゃん, of courseコース,
here standスタンド in for groupsグループ of babies赤ちゃん,
62
204369
3051
この２人の赤ちゃんは
集団を代表していて
03:39
and the differences相違 you're going to see
63
207420
1895
これから見ていただく違いは
03:41
represent代表する average平均 groupグループ differences相違
in babies'赤ん坊 ' behavior動作 across横断する conditions条件.
64
209315
5195
それぞれの条件における 赤ちゃんの
標準的な行動の違いを表しています
03:47
In each各 movie映画, you're going to see
a baby赤ちゃん doing maybe
65
215160
2583
ビデオでは赤ちゃんが
03:49
just exactly正確に what you mightかもしれない
expect期待する a baby赤ちゃん to do,
66
217743
3460
いかにも赤ちゃんらしく
振舞っていて
03:53
and we can hardlyほとんど make babies赤ちゃん
more magical魔法の than they already既に are.
67
221203
4017
これ以上 可愛く見せることなんて
できないくらいです
03:58
But to my mindマインド the magical魔法の thing,
68
226090
2010
ただ私にとって魅力的なこと ―
04:00
and what I want you to pay支払う attention注意 to,
69
228100
2089
そして皆さんに注目してほしいことは
04:02
is the contrastコントラスト betweenの間に
these two conditions条件,
70
230189
3111
２つの条件における違いです
04:05
because the only thing
that differs異なる betweenの間に these two movies映画
71
233300
3529
というのも ２本のビデオで
唯一 違う点は
04:08
is the statistical統計的 evidence証拠
the babies赤ちゃん are going to observe観察する.
72
236829
3466
赤ちゃんが目にする
統計的な証拠だけなのです
04:13
We're going to showショー babies赤ちゃん
a boxボックス of blue青 and yellow黄 ballsボール,
73
241425
3183
私たちは 赤ちゃんに
青と黄色のボールが入った箱を見せ
04:16
and my then-graduateその後、大学院生 student学生,
now colleague同僚 at Stanfordスタンフォード, Hyowonヒョウォン Gweonグワン,
74
244608
4620
当時 大学院生だった
スタンフォードの同僚ユウァン・グァンが
04:21
is going to pull引く three三 blue青 ballsボール
in a row行 out of this boxボックス,
75
249228
3077
青いボールを３つ続けて取り出します
04:24
and when she pulls引っ張る those ballsボール out,
she's going to squeeze絞る them,
76
252305
3123
そして取り出すたびに ボールを握ると
04:27
and the ballsボール are going to squeakきしむ.
77
255428
2113
音が鳴ります
04:29
And if you're a baby赤ちゃん,
that's like a TEDTED Talk.
78
257541
2763
これは赤ちゃんにとって
TEDトークと同じように
最高の体験なんです
04:32
It doesn't get better than that.
79
260304
1904
04:34
(Laughter笑い)
80
262208
2561
（笑）
04:38
But the important重要 pointポイント is it's really
easy簡単 to pull引く three三 blue青 ballsボール in a row行
81
266968
3659
さて 重要なのは
ほぼ青いボールしか入っていない箱から
04:42
out of a boxボックス of mostly主に blue青 ballsボール.
82
270627
2305
青を３つ続けて取るのは
簡単だという点です
04:44
You could do that with your eyes目 closed閉まっている.
83
272932
2060
見なくてもできるかもしれません
04:46
It's plausibly妥当な a randomランダム sampleサンプル
from this population人口.
84
274992
2996
これは母集団からの無作為抽出と
言っていいでしょう
04:49
And if you can reachリーチ into a boxボックス at randomランダム
and pull引く out things that squeakきしむ,
85
277988
3732
そして 箱に手を入れて
無作為に音が鳴るものを取り出せるなら
04:53
then maybe everything in the boxボックス squeaksキック.
86
281720
2839
箱の中のボールは
みんな音が出るかもしれません
04:56
So maybe babies赤ちゃん should expect期待する
those yellow黄 ballsボール to squeakきしむ as well.
87
284559
3650
だから赤ちゃんは
黄色のボールも音が鳴ると思うはずです
05:00
Now, those yellow黄 ballsボール
have funny面白い sticksスティック on the end終わり,
88
288209
2519
ただし黄色のボールには
ヘンな棒がついていて
05:02
so babies赤ちゃん could do other things
with them if they wanted to.
89
290728
2857
やろうと思えば
他のことだってできます
05:05
They could poundポンド them or whack打撃 them.
90
293585
1831
トントン打ったり
叩いたりしてもいいのです
05:07
But let's see what the baby赤ちゃん does.
91
295416
2586
では赤ちゃんの行動を見てみましょう
05:12
(Videoビデオ) Hyowonヒョウォン Gweonグワン: See this?
(Ball玉 squeaksキック)
92
300548
3343
（ユウァン・グァン）見える？
（ボールが鳴る）
05:16
Did you see that?
(Ball玉 squeaksキック)
93
304531
3045
今の見た？
（ボールが鳴る）
05:20
Coolクール.
94
308036
3066
素敵ね
05:24
See this one?
95
312706
1950
これはどう？
05:26
(Ball玉 squeaksキック)
96
314656
1881
（ボールが鳴る）
05:28
Wowワオ.
97
316537
2653
わあ
05:33
Lauraローラ Schulzシュルツ: Told you. (Laughs笑う)
98
321854
2113
（ローラ・シュルツ）
可愛いでしょう（笑）
05:35
(Videoビデオ) HGHG: See this one?
(Ball玉 squeaksキック)
99
323967
4031
（ユウァン）これはどう？
（ボールが鳴る）
05:39
Hey Claraクララ, this one's一人 for you.
You can go ahead前方に and play遊びます.
100
327998
4619
クララ これはあなたにあげる
遊んでいいわよ
05:51
(Laughter笑い)
101
339854
4365
（笑）
05:56
LSLS: I don't even have to talk, right?
102
344219
2995
（ローラ）言葉は必要ないですね
05:59
All right, it's niceいい that babies赤ちゃん
will generalize一般化する propertiesプロパティ
103
347214
2899
さて 赤ちゃんが 青いボールの性質を
黄色のボールへと
06:02
of blue青 ballsボール to yellow黄 ballsボール,
104
350113
1528
一般化する様子は素晴らしいし
06:03
and it's impressive印象的な that babies赤ちゃん
can learn学ぶ from imitating模倣する us,
105
351641
3096
赤ちゃんが私たちの真似をして
学ぶのは すごいことです
06:06
but we've私たちは known既知の those things about babies赤ちゃん
for a very long time.
106
354737
3669
ただ このような赤ちゃんの能力は
昔から知られていました
06:10
The really interesting面白い question質問
107
358406
1811
一方 本当に興味深いのは
06:12
is what happens起こる when we showショー babies赤ちゃん
exactly正確に the same同じ thing,
108
360217
2852
赤ちゃんに まったく同じものを
見せると どうなるかです
06:15
and we can ensure確実に it's exactly正確に the same同じ
because we have a secret秘密 compartment区画
109
363069
3611
箱には見えない仕切りがあり
実際には そこからボールを取るので
06:18
and we actually実際に pull引く the ballsボール from there,
110
366680
2110
条件はまったく同じになりますが
06:20
but this time, all we change変化する
is the apparent見かけ上 population人口
111
368790
3478
今度は標本を取り出す ―
06:24
from whichどの that evidence証拠 was drawn描かれた.
112
372268
2902
母集団の見た目だけを変えます
06:27
This time, we're going to showショー babies赤ちゃん
three三 blue青 ballsボール
113
375170
3553
今度は赤ちゃんに
ほぼ黄色のボールしか入っていない箱から
06:30
pulled引っ張られた out of a boxボックス
of mostly主に yellow黄 ballsボール,
114
378723
3384
青いボールを
３つ取るところを見せると
06:34
and guess推測 what?
115
382107
1322
どうなるでしょう？
06:35
You [probably多分 won't〜されません] randomly無作為に drawドロー
three三 blue青 ballsボール in a row行
116
383429
2840
ほとんど黄色だけの箱から
無作為で青いボールを
06:38
out of a boxボックス of mostly主に yellow黄 ballsボール.
117
386269
2484
３つ連続で取ることは
まずないでしょう
06:40
That is not plausibly妥当な
randomly無作為に sampledサンプリングされた evidence証拠.
118
388753
3747
つまり無作為に抽出された
データとは言えないのです
06:44
That evidence証拠 suggests提案する that maybe Hyowonヒョウォン
was deliberately故意に samplingサンプリング the blue青 ballsボール.
119
392500
5123
この場合 ユウァンが意図的に
青いボールだけ取ったことを示しています
06:49
Maybe there's something special特別
about the blue青 ballsボール.
120
397623
2583
あるいは 青いボールが
特別なのかもしれません
06:52
Maybe only the blue青 ballsボール squeakきしむ.
121
400846
2976
鳴るのは青だけかもしれません
06:55
Let's see what the baby赤ちゃん does.
122
403822
1895
さあ赤ちゃんはどうするでしょうか
06:57
(Videoビデオ) HGHG: See this?
(Ball玉 squeaksキック)
123
405717
2904
（ユウァン）見える？
（ボールが鳴る）
07:02
See this toyおもちゃ?
(Ball玉 squeaksキック)
124
410851
2645
このおもちゃが見える？
（ボールが鳴る）
07:05
Oh, that was coolクール. See?
(Ball玉 squeaksキック)
125
413496
5480
素敵でしょう？
（ボールが鳴る）
07:10
Now this one's一人 for you to play遊びます.
You can go ahead前方に and play遊びます.
126
418976
4394
さあ あなたはこれで遊んで
さあ遊んでね
07:18
(Fussing騒ぎ)
(Laughter笑い)
127
426074
6347
（不満の表情）
（笑）
07:26
LSLS: So you just saw
two 15-month-old月齢 babies赤ちゃん
128
434901
2748
（ローラ）さて皆さんには
15か月になる２人の赤ちゃんが
07:29
do entirely完全に different異なる things
129
437649
1942
観察した確率だけにもとづいて
07:31
basedベース only on the probability確率
of the sampleサンプル they observed観察された.
130
439591
3599
まったく違う行動をとる様子を
見ていただきました
07:35
Let me showショー you the experimental実験的 results結果.
131
443190
2321
実験結果をご覧ください
07:37
On the vertical垂直 axis軸, you'llあなたは see
the percentageパーセンテージ of babies赤ちゃん
132
445511
2764
縦軸は それぞれの条件で
ボールを握った赤ちゃんの
07:40
who squeezed圧搾した the ball玉 in each各 condition調子,
133
448275
2530
割合を表しています
07:42
and as you'llあなたは see, babies赤ちゃん are much
more likelyおそらく to generalize一般化する the evidence証拠
134
450805
3715
ご覧の通り データの選び方が
明らかに偏っている場合より
07:46
when it's plausibly妥当な representative代表
of the population人口
135
454520
3135
母集団の代表とみなせる場合の方が
07:49
than when the evidence証拠
is clearlyはっきりと cherry-pickedチェリーピックされた.
136
457655
3738
そのデータを一般化する傾向が
はるかに強いのです
07:53
And this leadsリード to a fun楽しい prediction予測:
137
461393
2415
ここから 面白い予想を立てられます
07:55
Suppose仮定する you pulled引っ張られた just one blue青 ball玉
out of the mostly主に yellow黄 boxボックス.
138
463808
4868
今度は ほぼ黄色ばかりの箱から
青いボールを１つだけ取るとします
08:00
You [probably多分 won't〜されません] pull引く three三 blue青 ballsボール
in a row行 at randomランダム out of a yellow黄 boxボックス,
139
468896
3869
この箱から青いボールを無作為に
３つ連続で取り出すのは無理でしょうが
08:04
but you could randomly無作為に sampleサンプル
just one blue青 ball玉.
140
472765
2455
１つだけなら取り出せるかもしれません
08:07
That's not an improbable思いもよらない sampleサンプル.
141
475220
1970
標本として ありえる話です
08:09
And if you could reachリーチ into
a boxボックス at randomランダム
142
477190
2224
さらに 箱に手を入れて無作為で
08:11
and pull引く out something that squeaksキック,
maybe everything in the boxボックス squeaksキック.
143
479414
3987
音が鳴るものを取り出せるなら
箱の中身は全部鳴るかもしれません
08:15
So even thoughしかし babies赤ちゃん are going to see
much lessもっと少なく evidence証拠 for squeaking鳴く,
144
483875
4445
つまり ボールを１つだけ取り出す場合
先ほどのビデオの場合と比べて
08:20
and have manyたくさんの fewer少ない actions行動 to imitate模倣する
145
488320
2242
音が鳴る例や 真似すべき行動を
08:22
in this one ball玉 condition調子 than in
the condition調子 you just saw,
146
490562
3343
赤ちゃんが わずかな回数しか
見ていなくても
08:25
we predicted予測された that babies赤ちゃん themselves自分自身
would squeeze絞る more,
147
493905
3892
ボールを握ることが
多くなると予想することができ
08:29
and that's exactly正確に what we found見つけた.
148
497797
2894
結果は まさに その通りでした
08:32
So 15-month-old月齢 babies赤ちゃん,
in this respect尊敬, like scientists科学者,
149
500691
4411
したがって このような場面では
15か月の赤ちゃんにとって
08:37
careお手入れ whetherかどうか evidence証拠
is randomly無作為に sampledサンプリングされた or not,
150
505102
3088
データが無作為に抽出されたかは
科学者と同様に重要で
08:40
and they use this to develop開発する
expectations期待 about the world世界:
151
508190
3507
それをもとに世界について
予想を立てているのです
08:43
what squeaksキック and what doesn't,
152
511697
2182
どれが音が鳴って どれが鳴らないか
08:45
what to explore探検する and what to ignore無視する.
153
513879
3145
何を調べるべきで
何を無視すべきか・・・
08:50
Let me showショー you another別の example例 now,
154
518384
2066
次に別の例を紹介しましょう
08:52
this time about a problem問題
of causal因果関係 reasoning推論.
155
520450
2730
今度は「因果的思考」の問題です
この問題は 私たち全員が経験する
08:55
And it starts開始する with a problem問題
of confounded混乱した evidence証拠
156
523180
2439
08:57
that all of us have,
157
525619
1672
データの混乱の問題 すなわち
08:59
whichどの is that we are part部 of the world世界.
158
527291
2020
人間が世界の一部であることから生じます
09:01
And this mightかもしれない not seem思われる like a problem問題
to you, but like most最も problems問題,
159
529311
3436
一見 問題とは思えないでしょうが
ほとんどの問題と同様に
09:04
it's only a problem問題 when things go wrong違う.
160
532747
2337
何かがうまくいかない時
はじめて問題になります
09:07
Take this baby赤ちゃん, for instanceインスタンス.
161
535464
1811
例えば この赤ちゃん ―
09:09
Things are going wrong違う for him.
162
537275
1705
彼にとって 物事はうまくいきません
09:10
He would like to make
this toyおもちゃ go, and he can't.
163
538980
2271
おもちゃを鳴らしたいのに
できないのです
09:13
I'll showショー you a few-second数秒 clipクリップ.
164
541251
2529
数秒のビデオを ご覧ください
09:21
And there's two possibilities可能性, broadly広く:
165
549340
1920
大まかに可能性は２つあります
09:23
Maybe he's doing something wrong違う,
166
551260
2634
間違ったことをしているか
09:25
or maybe there's something
wrong違う with the toyおもちゃ.
167
553894
4216
おもちゃに問題があるか です
09:30
So in this next次 experiment実験,
168
558110
2111
ですから次の実験では
09:32
we're going to give babies赤ちゃん
just a tiny小さな bitビット of statistical統計的 dataデータ
169
560221
3297
赤ちゃんに片方の仮説を支持する
09:35
supportingサポートする one hypothesis仮説 over the other,
170
563518
2582
ちょっとした統計的データを見せます
09:38
and we're going to see if babies赤ちゃん
can use that to make different異なる decisions決定
171
566100
3455
その後 赤ちゃんが
自分の行動を決定する時に
09:41
about what to do.
172
569555
1834
そのデータを使うか 観察するのです
09:43
Here'sここにいる the setupセットアップ.
173
571389
2022
仕組みはこうです
09:46
Hyowonヒョウォン is going to try to make
the toyおもちゃ go and succeed成功する.
174
574071
3030
ユウァンがおもちゃを
鳴らそうとして成功します
09:49
I am then going to try twice二度
and fail失敗します bothどちらも times回,
175
577101
3320
次に私が２回試して
２回とも失敗します
09:52
and then Hyowonヒョウォン is going
to try again and succeed成功する,
176
580421
3112
その後ユウァンが
また試して成功します
09:55
and this roughly大まかに sums合計 up my relationship関係
to my graduate卒業 students学生の
177
583533
3172
これはテクノロジー全般に関する
院生たちと私の関係を
09:58
in technology技術 across横断する the boardボード.
178
586705
2835
表していますね
10:02
But the important重要 pointポイント here is
it provides提供する a little bitビット of evidence証拠
179
590030
3292
ただ ここで重要なのは
おもちゃではなく 人のほうに
10:05
that the problem問題 isn't with the toyおもちゃ,
it's with the person人.
180
593322
3668
問題があるということを
証拠として示している点です
10:08
Some people can make this toyおもちゃ go,
181
596990
2350
おもちゃを鳴らせる人と
鳴らせない人が
10:11
and some can't.
182
599340
959
いるのです
10:12
Now, when the baby赤ちゃん gets取得 the toyおもちゃ,
he's going to have a choice選択.
183
600799
3413
さて おもちゃを手にした時
赤ちゃんは選択することになります
10:16
His momママ is right there,
184
604212
2188
近くにお母さんがいるので
10:18
so he can go ahead前方に and handハンド off the toyおもちゃ
and change変化する the person人,
185
606400
3315
おもちゃを渡して
代わりにやってもらえます
10:21
but there's alsoまた、 going to be
another別の toyおもちゃ at the end終わり of that cloth布,
186
609715
3158
一方 布の端には
別のおもちゃがあり
10:24
and he can pull引く the cloth布 towards方向 him
and change変化する the toyおもちゃ.
187
612873
3552
布を引けば おもちゃを
取り替えることもできます
10:28
So let's see what the baby赤ちゃん does.
188
616425
2090
赤ちゃんがどうするか 見てみましょう
10:30
(Videoビデオ) HGHG: Two, three三. Go!
(Music音楽)
189
618515
4183
（ユウァン）２ ３ ゴー！
（音楽）
10:34
LSLS: One, two, three三, go!
190
622698
3131
（ローラ）１ ２ ３ ゴー！
10:37
Arthurアーサー, I'm going to try again.
One, two, three三, go!
191
625829
7382
アーサー もう一度やってみるわね
１ ２ ３ ゴー！
10:45
YGYG: Arthurアーサー, let me try again, okay?
192
633677
2600
（ユウァン）アーサー
もう一度 私にやらせて
10:48
One, two, three三, go!
(Music音楽)
193
636277
4550
１ ２ ３ ゴー！
（音楽）
10:53
Look at that. Remember忘れない these toysおもちゃ?
194
641583
1883
これを見て これ覚えてる？
10:55
See these toysおもちゃ? Yeah, I'm going
to put this one over here,
195
643466
3264
おもちゃよ
これは こっちに置いて
10:58
and I'm going to give this one to you.
196
646730
2062
これは あなたにあげるわ
11:00
You can go ahead前方に and play遊びます.
197
648792
2335
遊んでね
11:23
LSLS: Okay, Lauraローラ, but of courseコース,
babies赤ちゃん love their彼らの mommiesマミー.
198
671213
4737
（ローラ）当然 赤ちゃんは
お母さんのことが大好きです
11:27
Of courseコース babies赤ちゃん give toysおもちゃ
to their彼らの mommiesマミー
199
675950
2182
おもちゃが鳴らなければ
11:30
when they can't make them work.
200
678132
2030
当たり前のように お母さんに渡します
11:32
So again, the really important重要 question質問
is what happens起こる when we change変化する
201
680162
3593
でも ここで重要な点は
統計的データを わずかに変えたら
11:35
the statistical統計的 dataデータ ever so slightly少し.
202
683755
3154
どうなるかということです
11:38
This time, babies赤ちゃん are going to see the toyおもちゃ
work and fail失敗します in exactly正確に the same同じ order注文,
203
686909
4087
今度は 同じ順でおもちゃが鳴ったり
鳴らなかったりするところを見せますが
11:42
but we're changing変化
the distribution分布 of evidence証拠.
204
690996
2415
証拠の分布は変えます
11:45
This time, Hyowonヒョウォン is going to succeed成功する
once一度 and fail失敗します once一度, and so am I.
205
693411
4411
今度はユウァンが成功した後 失敗し
私の時も同じにします
11:49
And this suggests提案する it doesn't matter問題
who tries試行する this toyおもちゃ, the toyおもちゃ is broken壊れた.
206
697822
5637
ここからわかるのは 使う人は無関係で
おもちゃが壊れており
11:55
It doesn't work all the time.
207
703459
1886
常に鳴るとは限らないということです
11:57
Again, the baby's赤ちゃんの going to have a choice選択.
208
705345
1965
今度も赤ちゃんには選択肢があります
11:59
Her momママ is right next次 to her,
so she can change変化する the person人,
209
707310
3396
お母さんは隣にいるので
代わりをしてもらうこともできるし
12:02
and there's going to be another別の toyおもちゃ
at the end終わり of the cloth布.
210
710706
3204
布の端には別のおもちゃもあります
12:05
Let's watch what she does.
211
713910
1378
どうするか見てみましょう
12:07
(Videoビデオ) HGHG: Two, three三, go!
(Music音楽)
212
715288
4348
（ユウァン）２ ３ ゴー！
（音楽）
12:11
Let me try one more time.
One, two, three三, go!
213
719636
4984
もう一度やらせて
１ ２ ３ ゴー！
12:17
Hmmうーん.
214
725460
1697
うーん
12:19
LSLS: Let me try, Claraクララ.
215
727950
2692
（ローラ）私にやらせて クララ
12:22
One, two, three三, go!
216
730642
3945
１ ２ ３ ゴー！
12:27
Hmmうーん, let me try again.
217
735265
1935
もう一度やらせて
12:29
One, two, three三, go!
(Music音楽)
218
737200
5670
１ ２ ３ ゴー！
（音楽）
12:35
HGHG: I'm going
to put this one over here,
219
743009
2233
（ユウァン）これは こっちに置いて
12:37
and I'm going to give this one to you.
220
745242
2001
これは あなたにあげるわ
12:39
You can go ahead前方に and play遊びます.
221
747243
3597
遊んでね
12:58
(Applause拍手)
222
766376
4897
（拍手）
13:04
LSLS: Let me showショー you
the experimental実験的 results結果.
223
772993
2392
（ローラ）実験の結果をお見せします
13:07
On the vertical垂直 axis軸,
you'llあなたは see the distribution分布
224
775385
2475
縦軸には それぞれの条件における
13:09
of children's子供たち choices選択肢 in each各 condition調子,
225
777860
2577
子どもたちの選択の分布を示しています
13:12
and you'llあなたは see that the distribution分布
of the choices選択肢 children子供 make
226
780437
4551
選択の分布は 赤ちゃんが目にした
データに基づいているのが
13:16
depends依存する on the evidence証拠 they observe観察する.
227
784988
2787
わかるでしょう
13:19
So in the second二番 year年 of life,
228
787775
1857
赤ちゃんたちは生まれて２年で
13:21
babies赤ちゃん can use a tiny小さな bitビット
of statistical統計的 dataデータ
229
789632
2577
わずかな統計的なデータを利用して
13:24
to decide決めます betweenの間に two
fundamentally根本的に different異なる strategies戦略
230
792209
3367
世界で行動するために
根本的に異なる２つの戦略から
13:27
for acting演技 in the world世界:
231
795576
1881
１つ選ぶのです
13:29
asking尋ねる for help and exploring探検する.
232
797457
2743
つまり 助けを求めるか
自分で試すかです
13:33
I've just shown示された you
two laboratory研究室 experiments実験
233
801700
3434
研究室での実験を
２つだけお見せしましたが
13:37
out of literally文字通り hundreds数百 in the fieldフィールド
that make similar類似 pointsポイント,
234
805134
3691
まさに何百もの研究で
同様の結果が出ています
13:40
because the really criticalクリティカルな pointポイント
235
808825
2392
そして本当に重要な点は
13:43
is that children's子供たち ability能力
to make richリッチ inferences推論 from sparse疎 dataデータ
236
811217
5108
わずかなデータから
豊かに推測するという子どもの能力が
13:48
underlies基礎 all the species-specific種特異的
cultural文化的 learning学習 that we do.
237
816325
5341
人間に特有の あらゆる文化的学習の
根底にあることです
13:53
Children子供 learn学ぶ about new新しい toolsツール
from just a few少数 examples例.
238
821666
4597
子どもたちは わずかな例をもとに
新たな道具について学び
13:58
They learn学ぶ new新しい causal因果関係 relationships関係
from just a few少数 examples例.
239
826263
4717
わずかな例をもとに
新たな因果関係を学びます
14:03
They even learn学ぶ new新しい words言葉,
in this case場合 in Americanアメリカ人 Sign符号 Language言語.
240
831928
4871
新たな言葉さえ学びます
これはアメリカ手話です
14:08
I want to close閉じる with just two pointsポイント.
241
836799
2311
最後に２点だけお話しします
14:12
If you've been following以下 my world世界,
the fieldフィールド of brain脳 and cognitive認知 sciences科学,
242
840050
3688
もし私の世界 すなわち
脳科学と認知科学の分野を
14:15
for the past過去 few少数 years年,
243
843738
1927
ここ数年 追いかけていれば
14:17
three三 big大きい ideasアイデア will have come
to your attention注意.
244
845665
2415
３つの壮大な発想に
気づくでしょう
14:20
The first is that this is
the era時代 of the brain脳.
245
848080
3436
１つは現在が「脳の時代」だという点です
14:23
And indeed確かに, there have been
staggering驚異的な discoveries発見 in neuroscience神経科学:
246
851516
3669
実際 神経科学の分野では
驚異的な発見が続いています
14:27
localizingローカライズ functionally機能的に specialized特化した
regions地域 of cortex皮質,
247
855185
3436
機能ごとに特化した
大脳皮質の領域の特定や
14:30
turning旋回 mouseマウス brains頭脳 transparentトランスペアレント,
248
858621
2601
マウスの脳の透明化
14:33
activating活性化する neuronsニューロン with light光.
249
861222
3776
光によるニューロンの活性化などです
14:36
A second二番 big大きい ideaアイディア
250
864998
1996
２つ目の壮大な発想とは
14:38
is that this is the era時代 of big大きい dataデータ
and machine機械 learning学習,
251
866994
4104
現代が「ビッグデータと
機械学習の時代」だという点です
14:43
and machine機械 learning学習 promises約束
to revolutionize革命を起こす our understanding理解
252
871098
3141
機械学習は SNSから疫学まで ―
14:46
of everything from socialソーシャル networksネットワーク
to epidemiology疫学.
253
874239
4667
あらゆるものの理解を
大きく変えるはずです
14:50
And maybe, as it tacklesタックル problems問題
of sceneシーン understanding理解
254
878906
2693
そして機械が 場面認識や
自然言語処理といった
14:53
and naturalナチュラル language言語 processing処理,
255
881599
1993
課題に取り組むことで
14:55
to tell us something
about human人間 cognition認知.
256
883592
3324
人間の認知について
わかってくるかもしれません
14:59
And the final最後の big大きい ideaアイディア you'llあなたは have heard聞いた
257
887756
1937
そして最後の壮大な発想とは
15:01
is that maybe it's a good ideaアイディア we're going
to know so much about brains頭脳
258
889693
3387
脳への理解を深めていき
ビッグデータを十分 利用できるのは
15:05
and have so much accessアクセス to big大きい dataデータ,
259
893080
1917
いいことかもしれないという点です
15:06
because left to our own自分の devicesデバイス,
260
894997
2507
なぜなら人間は
好きなようにさせておくと
15:09
humans人間 are fallible虚弱, we take shortcutsショートカット,
261
897504
3831
誤りがちで 楽をしようとし
15:13
we err間違い, we make mistakes間違い,
262
901335
3437
判断を誤り 間違いを犯し
15:16
we're biased偏った, and in innumerable無数 ways方法,
263
904772
3684
偏った見方をし
さらにあらゆる面で
15:20
we get the world世界 wrong違う.
264
908456
2969
世界を間違って捉えてしまいます
15:24
I think these are all important重要 stories物語,
265
912843
2949
私は これらすべてが
重要な事だと思っていて
15:27
and they have a lot to tell us
about what it means手段 to be human人間,
266
915792
3785
そこから人間であることの意味を
いろいろ知ることができます
15:31
but I want you to note注意 that today今日
I told you a very different異なる storyストーリー.
267
919577
3529
ただ注意してほしいのですが
今日の話は それとは別のことです
15:35
It's a storyストーリー about minds心 and not brains頭脳,
268
923966
3807
今日の話題は 脳のことではなく
心についてです
15:39
and in particular特に, it's a storyストーリー
about the kinds種類 of computations計算
269
927773
3006
その中でも
人間の心だけが実行できる
15:42
that uniquely一意に human人間 minds心 can perform実行する,
270
930779
2590
様々な計算に関する話です
15:45
whichどの involve関与する richリッチ, structured仕組み knowledge知識
and the ability能力 to learn学ぶ
271
933369
3944
この計算には
豊かで構造化された知識と
15:49
from small小さい amounts金額 of dataデータ,
the evidence証拠 of just a few少数 examples例.
272
937313
5268
わずかなデータ 少ない例から得た
証拠をもとに学ぶ能力が伴います
15:56
And fundamentally根本的に, it's a storyストーリー
about how starting起動 as very small小さい children子供
273
944301
4299
今日の話の本質は
どうやって 赤ちゃんに始まり
16:00
and continuing続ける out all the way
to the greatest最大 accomplishments業績
274
948600
4180
遥かな道をたどって
文化という偉業を成し遂げる中で
16:04
of our culture文化,
275
952780
3843
私たちが世界を
16:08
we get the world世界 right.
276
956623
1997
正しく捉えているかということです
16:12
Folksフォークス, human人間 minds心 do not only learn学ぶ
from small小さい amounts金額 of dataデータ.
277
960433
5267
人間の心は 単にわずかなデータから
学習するだけではありません
16:18
Human人間 minds心 think
of altogether全部 new新しい ideasアイデア.
278
966285
2101
心はまったく新しい発想も生み出します
16:20
Human人間 minds心 generate生成する
research研究 and discovery発見,
279
968746
3041
心が研究や発見を生み
16:23
and human人間 minds心 generate生成する
artアート and literature文献 and poetry詩 and theater劇場,
280
971787
5273
芸術や 文学や 詩や 劇を生み
16:29
and human人間 minds心 take careお手入れ of other humans人間:
281
977070
3760
心が お年寄りや若者や
16:32
our old古い, our young若い, our sick病気.
282
980830
3427
病んだ人々を思いやるのです
16:36
We even heal癒し them.
283
984517
2367
私たちは そんな人々を癒しさえします
16:39
In the years年 to come, we're going
to see technological技術的 innovationsイノベーション
284
987564
3103
今後 数年で私たちは
想像をはるかに超えた
16:42
beyond超えて anything I can even envision想像,
285
990667
3797
技術的な革新を
目の当たりにすることでしょう
16:46
but we are very unlikely起こりそうもない
286
994464
2150
でも とても残念なことに
16:48
to see anything even approximating近似する
the computational計算上の powerパワー of a human人間 child子
287
996614
5709
私や皆さんが生きている間には
人間の子どもの計算能力に
16:54
in my lifetime一生 or in yoursあなたの.
288
1002323
4298
近いものすら
目にすることはないでしょう
16:58
If we invest投資する in these most最も powerful強力な
learners学習者 and their彼らの development開発,
289
1006621
5047
私たちは この極めて優れた学習者の
発達に対する投資を惜しんではいけません
17:03
in babies赤ちゃん and children子供
290
1011668
2917
赤ちゃんや子どもたち ―
17:06
and mothers母親の and fathers父親
291
1014585
1826
母親や父親 ―
17:08
and caregivers介護者 and teachers教師
292
1016411
2699
子どもの世話をする人々や
教師への投資を惜しんではいけません
17:11
the ways方法 we invest投資する in our other
most最も powerful強力な and elegantエレガント formsフォーム
293
1019110
4170
私たちは 他の極めて優れた
エレガントな技術や工学やデザインには
17:15
of technology技術, engineeringエンジニアリング and design設計,
294
1023280
3218
投資を惜しみませんが
同じように投資することで
17:18
we will not just be dreaming夢
of a better future未来,
295
1026498
2939
よりよい未来を
ただ夢見るだけではなく
そんな未来の青写真を描けるはずです
17:21
we will be planningプランニング for one.
296
1029437
2127
17:23
Thank you very much.
297
1031564
2345
ありがとうございます
17:25
(Applause拍手)
298
1033909
3421
（拍手）
17:29
Chrisクリス Andersonアンダーソン: Lauraローラ, thank you.
I do actually実際に have a question質問 for you.
299
1037810
4426
（クリス・アンダーソン）ありがとう ローラ
ぜひ 尋ねたいことがあります
17:34
First of all, the research研究 is insane狂人.
300
1042236
2359
まず この研究は常識外れですね
17:36
I mean, who would design設計
an experiment実験 like that? (Laughter笑い)
301
1044595
3725
一体誰が こんな実験方法を
考えるんですか？（笑）
17:41
I've seen見た that a coupleカップル of times回,
302
1049150
1790
私は実験の様子を２回見ても
17:42
and I still don't honestly正直 believe
that that can truly真に be happeningハプニング,
303
1050940
3222
本当に こんな風になるなんて
信じられません
17:46
but other people have done完了
similar類似 experiments実験; it checks小切手 out.
304
1054162
3158
一方 他の研究者たちも
同様の実験で実証しています
17:49
The babies赤ちゃん really are that genius天才.
305
1057320
1633
赤ちゃんは まさに天才ですね
17:50
LSLS: You know, they look really impressive印象的な
in our experiments実験,
306
1058953
3007
（ローラ）実験での 赤ちゃん達は
すごく優秀に見えますが
17:53
but think about what they
look like in realリアル life, right?
307
1061960
2652
実際の赤ちゃんの様子を
思い出してください
17:56
It starts開始する out as a baby赤ちゃん.
308
1064612
1150
最初は赤ん坊です
17:57
Eighteen18歳 months数ヶ月 later後で,
it's talking話す to you,
309
1065762
2007
18か月経つと話し始めますが
17:59
and babies'赤ん坊 ' first words言葉 aren'tない just
things like ballsボール and ducksアヒル,
310
1067769
3041
初めて話す言葉には
「ボール」や「アヒル」だけではなく
18:02
they're things like "all gone行った,"
whichどの refer参照する to disappearance消滅,
311
1070810
2881
失くなったことを表す「ない」や
18:05
or "uh-ohええとああ," whichどの refer参照する
to unintentional故意ではない actions行動.
312
1073691
2283
意図せぬ行為を指す
「あれれ」まであります
18:07
It has to be that powerful強力な.
313
1075974
1562
彼らの能力は それほど強力ですし
18:09
It has to be much more powerful強力な
than anything I showed示した you.
314
1077536
2775
お見せしたものより
はるかに強力なはずです
18:12
They're figuring想像する out the entire全体 world世界.
315
1080311
1974
子どもは世界全体を理解していき
18:14
A four-year-old4歳 can talk to you
about almostほぼ anything.
316
1082285
3144
４歳になれば
ほぼ何でも話せるようになるのです
18:17
(Applause拍手)
317
1085429
1601
（拍手）
18:19
CACA: And if I understandわかる you right,
the other keyキー pointポイント you're making作る is,
318
1087030
3414
（クリス）私の理解が正しければ
あなたの主張には他に重要な点があります
18:22
we've私たちは been throughを通して these years年
where there's all this talk
319
1090444
2754
ここ数年 言われ続けているのは
人間の心が
18:25
of how quirky風変わりな and buggyバギー our minds心 are,
320
1093198
1932
いかに気まぐれで 誤りが多いか
18:27
that behavioral行動的 economics経済
and the whole全体 theories理論 behind後ろに that
321
1095130
2867
そして行動経済学と
その背景にある理論によれば
18:29
that we're not rationalラショナル agentsエージェント.
322
1097997
1603
人間は理性的主体ではないという点です
18:31
You're really saying言って that the biggerより大きい
storyストーリー is how extraordinary特別な,
323
1099600
4216
あなたが言おうとしている
より大きな物語とは
18:35
and there really is genius天才 there
that is underappreciated過小評価された.
324
1103816
4944
まだ正当に評価されていない才能があり
それが いかに素晴らしいかということですね
18:40
LSLS: One of my favoriteお気に入り
quotes引用符 in psychology心理学
325
1108760
2070
（ローラ）心理学の分野で
私が好きな言葉は
18:42
comes来る from the socialソーシャル
psychologist心理学者 Solomonソロモン Aschアッシュ,
326
1110830
2290
社会心理学者S・アッシュのものです
18:45
and he said the fundamental基本的な task仕事
of psychology心理学 is to remove除去する
327
1113120
2807
彼によると
心理学の作業の本質とは
18:47
the veilベール of self-evidence自己証拠 from things.
328
1115927
2626
事物から自明という名の
ベールを取り除くことです
18:50
There are orders注文 of magnitudeマグニチュード
more decisions決定 you make everyすべて day
329
1118553
4551
人間は 世界を正しく捉えるために
日々 膨大な回数の
18:55
that get the world世界 right.
330
1123104
1347
決断を下します
18:56
You know about objectsオブジェクト
and their彼らの propertiesプロパティ.
331
1124451
2132
人は物体や その性質を知っていて
18:58
You know them when they're occluded閉塞した.
You know them in the darkダーク.
332
1126583
3029
見えなくても 暗闇でも
それが何かわかります
19:01
You can walk歩く throughを通して rooms部屋.
333
1129612
1308
部屋を歩き回ることもできます
19:02
You can figure数字 out what other people
are thinking考え. You can talk to them.
334
1130920
3532
他の人の考えも分かりますし
彼らに話しかけることもできます
19:06
You can navigateナビゲートする spaceスペース.
You know about numbers数字.
335
1134452
2230
空間を移動でき
数について知っています
19:08
You know causal因果関係 relationships関係.
You know about moral道徳 reasoning推論.
336
1136682
3022
因果関係や
倫理的な推論について知っています
19:11
You do this effortlessly簡単に,
so we don't see it,
337
1139704
2356
こういうことは自然にできるので
気づきませんが
19:14
but that is how we get the world世界 right,
and it's a remarkable顕著
338
1142060
2912
人間は こうやって世界を捉えます
これは驚くべき偉業ですが
19:16
and very difficult-to-understand理解しにくいです
accomplishment達成.
339
1144972
2318
理解するのは とても難しいのです
19:19
CACA: I suspect容疑者 there are people
in the audience聴衆 who have
340
1147290
2628
（クリス）観客のみなさんの中には
19:21
this view見る of accelerating加速する
technological技術的 powerパワー
341
1149918
2238
技術は さらに加速すると考えていて
19:24
who mightかもしれない dispute紛争 your statementステートメント
that never in our lifetimes生涯
342
1152156
2958
我々の世代で コンピュータに
３歳児と同じことをさせるのは
19:27
will a computerコンピューター do what
a three-year-old3歳 child子 can do,
343
1155114
2618
不可能だという主張に
反対の人もいるでしょう
19:29
but what's clearクリア is that in any scenarioシナリオ,
344
1157732
3248
ただ はっきりしているのは
どうなっていくにせよ
19:32
our machines機械 have so much to learn学ぶ
from our toddlers幼児.
345
1160980
3770
機械には 子どもから学ぶことが
まだたくさんあるという点です
19:38
LSLS: I think so. You'llあなたは have some
machine機械 learning学習 folks人々 up here.
346
1166230
3216
（ローラ）そうですね ここには
機械学習の研究者もいるでしょう
19:41
I mean, you should never betベット
againstに対して babies赤ちゃん or chimpanzeesチンパンジー
347
1169446
4203
ただ 赤ちゃんや チンパンジーや
テクノロジーを
19:45
or technology技術 as a matter問題 of practice練習,
348
1173649
3645
単なる実践上の問題として
片付けるべきではありません
19:49
but it's not just
a difference差 in quantity量,
349
1177294
4528
それは ただ量的に
異なっているだけではなく
19:53
it's a difference差 in kind種類.
350
1181822
1764
別の種類のものなのです
19:55
We have incredibly信じられないほど powerful強力な computersコンピュータ,
351
1183586
2160
驚くほど強力なコンピュータは
19:57
and they do do amazingly驚くほど
sophisticated洗練された things,
352
1185746
2391
しばしば非常に大量のデータを使い
20:00
oftenしばしば with very big大きい amounts金額 of dataデータ.
353
1188137
3204
極めて洗練されたことを
やってのけます
20:03
Human人間 minds心 do, I think,
something quiteかなり different異なる,
354
1191341
2607
一方 人間の心は
これとはまったく異なっていて
20:05
and I think it's the structured仕組み,
hierarchical階層的 nature自然 of human人間 knowledge知識
355
1193948
3895
本当の課題として残るのは
構造的かつ階層的な
20:09
that remains残っている a realリアル challengeチャレンジ.
356
1197843
2032
人間の知識の性質だと思います
20:11
CACA: Lauraローラ Schulzシュルツ, wonderful素晴らしい
foodフード for thought. Thank you so much.
357
1199875
3061
（クリス）シュルツさん
考える材料になりました ありがとう
20:14
LSLS: Thank you.
(Applause拍手)
358
1202936
2922
（ローラ）ありがとう
（拍手）
Translated by Kazunori Akashi
Reviewed by Misaki Sato

▲Back to top

ABOUT THE SPEAKER
Laura Schulz - Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn.

Why you should listen

MIT Early Childhood Cognition Lab lead investigator Laura Schulz studies learning in early childhood. Her research bridges computational models of cognitive development and behavioral studies in order to understand the origins of inquiry and discovery.

Working in play labs, children’s museums, and a recently-launched citizen science website, Schultz is reshaping how we view young children’s perceptions of the world around them. Some of the surprising results of her research: before the age of four, children expect hidden causes when events happen probabilistically, use simple experiments to distinguish causal hypotheses, and trade off learning from instruction and exploration.

More profile about the speaker
Laura Schulz | Speaker | TED.com
THE ORIGINAL VIDEO ON TED.COM