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:
Readability: 3.8
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。
Laura Schulz - Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn. Full bio
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 Twain summed up
what I take to be
what I take to be
0
835
2155
マーク・トウェインは
00:14
one of the fundamental problems
of cognitive science
of cognitive science
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
１つと考えることを
00:18
with a single witticism.
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 about science.
fascinating about science.
3
8410
3082
「科学には魅力的な面がある
00:23
One gets such wholesale
returns of conjecture
returns of conjecture
4
11492
3228
事実に対して
ほんのわずかに投資するだけで
ほんのわずかに投資するだけで
00:26
out of such a trifling
investment in fact."
investment in fact."
5
14720
3204
これほど大量に
予想という利益を得るのだから」
予想という利益を得るのだから」
00:29
(Laughter)
6
17924
1585
（笑）
00:32
Twain meant it as a joke,
of course, but he's right:
of course, 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
彼の言葉は的を射ています
00:34
There's something
fascinating about science.
fascinating about science.
8
22803
2876
科学には魅力的な面があります
00:37
From a few bones, we infer
the existence of dinosuars.
the existence of dinosuars.
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 lines,
the composition of nebulae.
the composition of nebulae.
10
30910
3871
スペクトル線から
銀河の組成を推測します
銀河の組成を推測します
00:47
From fruit flies,
11
35471
2938
ショウジョウバエからは
00:50
the mechanisms of heredity,
12
38409
2943
遺伝のメカニズムを
00:53
and from reconstructed images
of blood flowing through the brain,
of blood flowing through the brain,
13
41352
4249
そして脳の血流を再現した画像や
00:57
or in my case, from the behavior
of very young children,
of very young children,
14
45601
4708
私の場合なら
小さな子どもの行動から
小さな子どもの行動から
01:02
we try to say something about
the fundamental mechanisms
the fundamental mechanisms
15
50309
2829
人間の認知の
本質的なメカニズムについて
本質的なメカニズムについて
01:05
of human cognition.
16
53138
1618
説明しようとするのです
01:07
In particular, in my lab in the Department
of Brain and Cognitive Sciences at MIT,
of Brain and Cognitive Sciences at MIT,
17
55716
4759
私は その中でも
MIT脳認知科学科の研究室で
MIT脳認知科学科の研究室で
01:12
I have spent the past decade
trying to understand the mystery
trying to understand the mystery
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
ある謎を解こうとしてきました
01:16
of how children learn so much
from so little so quickly.
from so little so quickly.
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
これほど速く学ぶのかということです
01:20
Because, it turns out that
the fascinating thing about science
the fascinating thing about science
20
68666
2978
その理由は 科学がもつ魅力は
01:23
is also a fascinating
thing about children,
thing about children,
21
71644
3529
子どもたちがもつ魅力と
同じものだからです
同じものだからです
01:27
which, to put a gentler
spin on Mark Twain,
spin on Mark Twain,
22
75173
2581
つまり トウェインの言葉を
少しひねって言えば
少しひねって言えば
01:29
is precisely their ability
to draw rich, abstract inferences
to draw rich, abstract inferences
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
ノイズだらけのデータから
01:34
rapidly and accurately
from sparse, noisy data.
from sparse, noisy data.
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
能力をもっているからです
01:40
I'm going to give you
just two examples today.
just two examples today.
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 of generalization,
26
90753
2287
ひとつは「一般化」の問題 ―
01:45
and the other is about a problem
of causal reasoning.
of causal reasoning.
27
93040
2850
もうひとつは
「因果的思考」の問題です
「因果的思考」の問題です
01:47
And although I'm going to talk
about work in my lab,
about work in my lab,
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
私の研究室で行っていることですが
01:50
this work is inspired by
and indebted to a field.
and indebted to a field.
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
動機付けられ 多くを負っています
01:53
I'm grateful to mentors, colleagues,
and collaborators around the world.
and collaborators around the world.
30
101875
4283
世界中の恩師や同僚や
協力者に感謝しています
協力者に感謝しています
01:59
Let me start with the problem
of generalization.
of generalization.
31
107308
2974
まず「一般化」の問題から
はじめましょう
はじめましょう
02:02
Generalizing from small samples of data
is the bread and butter of science.
is the bread and butter of science.
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
一般化することは科学の基本です
02:06
We poll a tiny fraction of the electorate
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 the outcome
of national elections.
of national elections.
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 of patients
responds to treatment in a clinical trial,
responds to treatment in a clinical trial,
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
治療の効果があるかを調べた上で
02:16
and we bring drugs to a national market.
36
124165
3065
薬を市場に出します
02:19
But this only works if our sample
is randomly drawn from the population.
is randomly drawn from the population.
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
母集団から無作為に抽出された時だけです
02:23
If our sample is cherry-picked
in some way --
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 ―
たとえば ―
02:26
say, we poll only urban voters,
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 trials
for treatments for heart disease,
for treatments for heart disease,
40
136402
4388
心臓病治療の臨床試験で
02:32
we include only men --
41
140790
1881
被験者が男性だけの場合には
02:34
the results may not generalize
to the broader population.
to the broader population.
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
一般化できない可能性があります
02:38
So scientists care whether evidence
is randomly sampled or not,
is randomly sampled 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
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?
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？
どう結びつくのでしょうか？
02:44
Well, babies have to generalize
from small samples of data all the time.
from small samples of data 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
一般化せざるを得ません
02:49
They see a few rubber ducks
and learn that they float,
and learn that they float,
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
それが浮くことを学び
02:52
or a few balls and learn that they bounce.
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
それが弾むことを学びます
02:55
And they develop expectations
about ducks and balls
about ducks and balls
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
アヒルやボールについて予想を立て
02:58
that they're going to extend
to rubber ducks and balls
to rubber ducks and balls
49
166890
2716
その予想を生涯に渡って
03:01
for the rest of their lives.
50
169606
1879
当てはめ続けるのです
03:03
And the kinds of generalizations
babies have to make about ducks and balls
babies have to make about ducks and balls
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
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 everything:
52
175224
2089
他のほぼあらゆるもの すなわち
03:09
shoes and ships and sealing wax
and cabbages and kings.
and cabbages and kings.
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
王様にも適用する必要があります
03:14
So do babies care whether
the tiny bit of evidence they see
the tiny bit of evidence 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
自分が見た わずかな証拠が
03:17
is plausibly representative
of a larger population?
of a larger population?
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？
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 you two movies,
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 of two conditions
of an experiment,
of an experiment,
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,
just two movies,
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,
60
198286
2136
赤ちゃんは２人しか登場しません
03:32
and any two babies differ from each other
in innumerable ways.
in innumerable ways.
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
あらゆる面で違いがありますが
03:36
But these babies, of course,
here stand in for groups of babies,
here stand in for groups of babies,
62
204369
3051
この２人の赤ちゃんは
集団を代表していて
集団を代表していて
03:39
and the differences you're going to see
63
207420
1895
これから見ていただく違いは
03:41
represent average group differences
in babies' behavior across conditions.
in babies' behavior across conditions.
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
標準的な行動の違いを表しています
03:47
In each movie, you're going to see
a baby doing maybe
a baby doing maybe
65
215160
2583
ビデオでは赤ちゃんが
03:49
just exactly what you might
expect a baby to do,
expect a baby to do,
66
217743
3460
いかにも赤ちゃんらしく
振舞っていて
振舞っていて
03:53
and we can hardly make babies
more magical than they already are.
more magical than they already 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
できないくらいです
03:58
But to my mind the magical 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 attention 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 between
these two conditions,
these two conditions,
70
230189
3111
２つの条件における違いです
04:05
because the only thing
that differs between these two movies
that differs between these two movies
71
233300
3529
というのも ２本のビデオで
唯一 違う点は
唯一 違う点は
04:08
is the statistical evidence
the babies are going to observe.
the babies are going to observe.
72
236829
3466
赤ちゃんが目にする
統計的な証拠だけなのです
統計的な証拠だけなのです
04:13
We're going to show babies
a box of blue and yellow balls,
a box of blue and yellow balls,
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
青と黄色のボールが入った箱を見せ
04:16
and my then-graduate student,
now colleague at Stanford, Hyowon Gweon,
now colleague at Stanford, Hyowon Gweon,
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
スタンフォードの同僚ユウァン・グァンが
04:21
is going to pull three blue balls
in a row out of this box,
in a row out of this box,
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 those balls out,
she's going to squeeze them,
she's going to squeeze 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 are going to squeak.
77
255428
2113
音が鳴ります
04:29
And if you're a baby,
that's like a TED Talk.
that's like a TED 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
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)
80
262208
2561
（笑）
04:38
But the important point is it's really
easy to pull three blue balls in a row
easy to pull three blue balls in a row
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
ほぼ青いボールしか入っていない箱から
04:42
out of a box of mostly blue balls.
82
270627
2305
青を３つ続けて取るのは
簡単だという点です
簡単だという点です
04:44
You could do that with your eyes closed.
83
272932
2060
見なくてもできるかもしれません
04:46
It's plausibly a random sample
from this population.
from this population.
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
言っていいでしょう
04:49
And if you can reach into a box at random
and pull out things that squeak,
and pull out things that squeak,
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
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 squeaks.
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
みんな音が出るかもしれません
04:56
So maybe babies should expect
those yellow balls to squeak as well.
those yellow balls to squeak 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
黄色のボールも音が鳴ると思うはずです
05:00
Now, those yellow balls
have funny sticks on the end,
have funny sticks on the end,
88
288209
2519
ただし黄色のボールには
ヘンな棒がついていて
ヘンな棒がついていて
05:02
so babies could do other things
with them if they wanted to.
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
他のことだってできます
05:05
They could pound them or whack them.
90
293585
1831
トントン打ったり
叩いたりしてもいいのです
叩いたりしてもいいのです
05:07
But let's see what the baby does.
91
295416
2586
では赤ちゃんの行動を見てみましょう
05:12
(Video) Hyowon Gweon: See this?
(Ball squeaks)
(Ball squeaks)
92
300548
3343
（ユウァン・グァン）見える？
（ボールが鳴る）
（ボールが鳴る）
05:16
Did you see that?
(Ball squeaks)
(Ball squeaks)
93
304531
3045
今の見た？
（ボールが鳴る）
（ボールが鳴る）
05:20
Cool.
94
308036
3066
素敵ね
05:24
See this one?
95
312706
1950
これはどう？
05:26
(Ball squeaks)
96
314656
1881
（ボールが鳴る）
05:28
Wow.
97
316537
2653
わあ
05:33
Laura Schulz: Told you. (Laughs)
98
321854
2113
（ローラ・シュルツ）
可愛いでしょう（笑）
可愛いでしょう（笑）
05:35
(Video) HG: See this one?
(Ball squeaks)
(Ball squeaks)
99
323967
4031
（ユウァン）これはどう？
（ボールが鳴る）
（ボールが鳴る）
05:39
Hey Clara, this one's for you.
You can go ahead and play.
You can go ahead and play.
100
327998
4619
クララ これはあなたにあげる
遊んでいいわよ
遊んでいいわよ
05:51
(Laughter)
101
339854
4365
（笑）
05:56
LS: 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 that babies
will generalize properties
will generalize properties
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
黄色のボールへと
06:02
of blue balls to yellow balls,
104
350113
1528
一般化する様子は素晴らしいし
06:03
and it's impressive that babies
can learn from imitating us,
can learn from imitating 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
学ぶのは すごいことです
06:06
but we've known those things about babies
for a very long time.
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
昔から知られていました
06:10
The really interesting question
107
358406
1811
一方 本当に興味深いのは
06:12
is what happens when we show babies
exactly the same thing,
exactly the same 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
見せると どうなるかです
06:15
and we can ensure it's exactly the same
because we have a secret compartment
because we have a secret compartment
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
実際には そこからボールを取るので
06:18
and we actually pull the balls 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
is the apparent population
is the apparent population
111
368790
3478
今度は標本を取り出す ―
06:24
from which that evidence was drawn.
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 babies
three blue balls
three blue balls
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
ほぼ黄色のボールしか入っていない箱から
06:30
pulled out of a box
of mostly yellow balls,
of mostly yellow balls,
114
378723
3384
青いボールを
３つ取るところを見せると
３つ取るところを見せると
06:34
and guess what?
115
382107
1322
どうなるでしょう？
06:35
You [probably won't] randomly draw
three blue balls in a row
three blue balls in a row
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
無作為で青いボールを
06:38
out of a box of mostly yellow balls.
117
386269
2484
３つ連続で取ることは
まずないでしょう
まずないでしょう
06:40
That is not plausibly
randomly sampled evidence.
randomly sampled evidence.
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
データとは言えないのです
06:44
That evidence suggests that maybe Hyowon
was deliberately sampling the blue balls.
was deliberately sampling the blue balls.
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
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
about the blue balls.
about the blue balls.
120
397623
2583
あるいは 青いボールが
特別なのかもしれません
特別なのかもしれません
06:52
Maybe only the blue balls squeak.
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 does.
122
403822
1895
さあ赤ちゃんはどうするでしょうか
06:57
(Video) HG: See this?
(Ball squeaks)
(Ball squeaks)
123
405717
2904
（ユウァン）見える？
（ボールが鳴る）
（ボールが鳴る）
07:02
See this toy?
(Ball squeaks)
(Ball squeaks)
124
410851
2645
このおもちゃが見える？
（ボールが鳴る）
（ボールが鳴る）
07:05
Oh, that was cool. See?
(Ball squeaks)
(Ball squeaks)
125
413496
5480
素敵でしょう？
（ボールが鳴る）
（ボールが鳴る）
07:10
Now this one's for you to play.
You can go ahead and play.
You can go ahead and play.
126
418976
4394
さあ あなたはこれで遊んで
さあ遊んでね
さあ遊んでね
07:18
(Fussing)
(Laughter)
(Laughter)
127
426074
6347
（不満の表情）
（笑）
（笑）
07:26
LS: So you just saw
two 15-month-old babies
two 15-month-old babies
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
15か月になる２人の赤ちゃんが
07:29
do entirely different things
129
437649
1942
観察した確率だけにもとづいて
07:31
based only on the probability
of the sample they observed.
of the sample they observed.
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
見ていただきました
07:35
Let me show you the experimental results.
131
443190
2321
実験結果をご覧ください
07:37
On the vertical axis, you'll see
the percentage of babies
the percentage of babies
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
ボールを握った赤ちゃんの
07:40
who squeezed the ball in each condition,
133
448275
2530
割合を表しています
07:42
and as you'll see, babies are much
more likely to generalize the evidence
more likely to generalize the evidence
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
明らかに偏っている場合より
07:46
when it's plausibly representative
of the population
of the population
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
is clearly cherry-picked.
is clearly cherry-picked.
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
はるかに強いのです
07:53
And this leads to a fun prediction:
137
461393
2415
ここから 面白い予想を立てられます
07:55
Suppose you pulled just one blue ball
out of the mostly yellow box.
out of the mostly yellow box.
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
青いボールを１つだけ取るとします
08:00
You [probably won't] pull three blue balls
in a row at random out of a yellow box,
in a row at random out of a yellow box,
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
３つ連続で取り出すのは無理でしょうが
08:04
but you could randomly sample
just one blue ball.
just one blue ball.
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 sample.
141
475220
1970
標本として ありえる話です
08:09
And if you could reach into
a box at random
a box at random
142
477190
2224
さらに 箱に手を入れて無作為で
08:11
and pull out something that squeaks,
maybe everything in the box squeaks.
maybe everything in the box squeaks.
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
箱の中身は全部鳴るかもしれません
08:15
So even though babies are going to see
much less evidence for squeaking,
much less evidence for squeaking,
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
先ほどのビデオの場合と比べて
08:20
and have many fewer actions to imitate
145
488320
2242
音が鳴る例や 真似すべき行動を
08:22
in this one ball condition than in
the condition you just saw,
the condition 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
見ていなくても
08:25
we predicted that babies themselves
would squeeze more,
would squeeze 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
多くなると予想することができ
08:29
and that's exactly what we found.
148
497797
2894
結果は まさに その通りでした
08:32
So 15-month-old babies,
in this respect, like scientists,
in this respect, like scientists,
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
15か月の赤ちゃんにとって
08:37
care whether evidence
is randomly sampled or not,
is randomly sampled 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
科学者と同様に重要で
08:40
and they use this to develop
expectations about the world:
expectations about the world:
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
予想を立てているのです
08:43
what squeaks 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 and what to ignore.
153
513879
3145
何を調べるべきで
何を無視すべきか・・・
何を無視すべきか・・・
08:50
Let me show you another example now,
154
518384
2066
次に別の例を紹介しましょう
08:52
this time about a problem
of causal reasoning.
of causal reasoning.
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 with a problem
of confounded evidence
of confounded evidence
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 is that we are part of the world.
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 not seem like a problem
to you, but like most problems,
to you, but like most problems,
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
ほとんどの問題と同様に
09:04
it's only a problem when things go wrong.
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
はじめて問題になります
09:07
Take this baby, for instance.
161
535464
1811
例えば この赤ちゃん ―
09:09
Things are going wrong 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 go, and he can't.
this toy 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
できないのです
09:13
I'll show you a few-second clip.
164
541251
2529
数秒のビデオを ご覧ください
09:21
And there's two possibilities, broadly:
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,
166
551260
2634
間違ったことをしているか
09:25
or maybe there's something
wrong with the toy.
wrong with the toy.
167
553894
4216
おもちゃに問題があるか です
09:30
So in this next experiment,
168
558110
2111
ですから次の実験では
09:32
we're going to give babies
just a tiny bit of statistical data
just a tiny bit of statistical data
169
560221
3297
赤ちゃんに片方の仮説を支持する
09:35
supporting one hypothesis 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
can use that to make different decisions
can use that to make different decisions
171
566100
3455
その後 赤ちゃんが
自分の行動を決定する時に
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 the setup.
173
571389
2022
仕組みはこうです
09:46
Hyowon is going to try to make
the toy go and succeed.
the toy go and succeed.
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
鳴らそうとして成功します
09:49
I am then going to try twice
and fail both times,
and fail both times,
175
577101
3320
次に私が２回試して
２回とも失敗します
２回とも失敗します
09:52
and then Hyowon is going
to try again and succeed,
to try again and succeed,
176
580421
3112
その後ユウァンが
また試して成功します
また試して成功します
09:55
and this roughly sums up my relationship
to my graduate students
to my graduate students
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
院生たちと私の関係を
09:58
in technology across the board.
178
586705
2835
表していますね
10:02
But the important point here is
it provides a little bit of evidence
it provides a little bit of evidence
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
おもちゃではなく 人のほうに
10:05
that the problem isn't with the toy,
it's with the person.
it's with the person.
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
証拠として示している点です
10:08
Some people can make this toy go,
181
596990
2350
おもちゃを鳴らせる人と
鳴らせない人が
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 gets the toy,
he's going to have a choice.
he's going to have a choice.
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
赤ちゃんは選択することになります
10:16
His mom 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 and hand off the toy
and change the person,
and change the person,
185
606400
3315
おもちゃを渡して
代わりにやってもらえます
代わりにやってもらえます
10:21
but there's also going to be
another toy at the end of that cloth,
another toy at the end of that cloth,
186
609715
3158
一方 布の端には
別のおもちゃがあり
別のおもちゃがあり
10:24
and he can pull the cloth towards him
and change the toy.
and change the toy.
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
取り替えることもできます
10:28
So let's see what the baby does.
188
616425
2090
赤ちゃんがどうするか 見てみましょう
10:30
(Video) HG: Two, three. Go!
(Music)
(Music)
189
618515
4183
（ユウァン）２ ３ ゴー！
（音楽）
（音楽）
10:34
LS: One, two, three, go!
190
622698
3131
（ローラ）１ ２ ３ ゴー！
10:37
Arthur, I'm going to try again.
One, two, three, go!
One, two, three, go!
191
625829
7382
アーサー もう一度やってみるわね
１ ２ ３ ゴー！
１ ２ ３ ゴー！
10:45
YG: Arthur, 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
もう一度 私にやらせて
10:48
One, two, three, go!
(Music)
(Music)
193
636277
4550
１ ２ ３ ゴー！
（音楽）
（音楽）
10:53
Look at that. Remember these toys?
194
641583
1883
これを見て これ覚えてる？
10:55
See these toys? Yeah, I'm going
to put this one over here,
to put this one over here,
195
643466
3264
おもちゃよ
これは こっちに置いて
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 and play.
197
648792
2335
遊んでね
11:23
LS: Okay, Laura, but of course,
babies love their mommies.
babies love their mommies.
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
お母さんのことが大好きです
11:27
Of course babies give toys
to their mommies
to their mommies
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 question
is what happens when we change
is what happens when we change
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
統計的データを わずかに変えたら
11:35
the statistical data ever so slightly.
202
683755
3154
どうなるかということです
11:38
This time, babies are going to see the toy
work and fail in exactly the same order,
work and fail in exactly the same order,
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
鳴らなかったりするところを見せますが
11:42
but we're changing
the distribution of evidence.
the distribution of evidence.
204
690996
2415
証拠の分布は変えます
11:45
This time, Hyowon is going to succeed
once and fail once, and so am I.
once and fail once, 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
私の時も同じにします
11:49
And this suggests it doesn't matter
who tries this toy, the toy is broken.
who tries this toy, the toy is broken.
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
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 going to have a choice.
208
705345
1965
今度も赤ちゃんには選択肢があります
11:59
Her mom is right next to her,
so she can change the person,
so she can change the person,
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
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 toy
at the end of the cloth.
at the end of the cloth.
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) HG: Two, three, go!
(Music)
(Music)
212
715288
4348
（ユウァン）２ ３ ゴー！
（音楽）
（音楽）
12:11
Let me try one more time.
One, two, three, go!
One, two, three, go!
213
719636
4984
もう一度やらせて
１ ２ ３ ゴー！
１ ２ ３ ゴー！
12:17
Hmm.
214
725460
1697
うーん
12:19
LS: Let me try, Clara.
215
727950
2692
（ローラ）私にやらせて クララ
12:22
One, two, three, go!
216
730642
3945
１ ２ ３ ゴー！
12:27
Hmm, let me try again.
217
735265
1935
もう一度やらせて
12:29
One, two, three, go!
(Music)
(Music)
218
737200
5670
１ ２ ３ ゴー！
（音楽）
（音楽）
12:35
HG: I'm going
to put this one over here,
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 and play.
221
747243
3597
遊んでね
12:58
(Applause)
222
766376
4897
（拍手）
13:04
LS: Let me show you
the experimental results.
the experimental results.
223
772993
2392
（ローラ）実験の結果をお見せします
13:07
On the vertical axis,
you'll see the distribution
you'll see the distribution
224
775385
2475
縦軸には それぞれの条件における
13:09
of children's choices in each condition,
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 see that the distribution
of the choices children make
of the choices children 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
データに基づいているのが
13:16
depends on the evidence they observe.
227
784988
2787
わかるでしょう
13:19
So in the second year of life,
228
787775
1857
赤ちゃんたちは生まれて２年で
13:21
babies can use a tiny bit
of statistical data
of statistical data
229
789632
2577
わずかな統計的なデータを利用して
13:24
to decide between two
fundamentally different strategies
fundamentally different strategies
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
根本的に異なる２つの戦略から
13:27
for acting in the world:
231
795576
1881
１つ選ぶのです
13:29
asking for help and exploring.
232
797457
2743
つまり 助けを求めるか
自分で試すかです
自分で試すかです
13:33
I've just shown you
two laboratory experiments
two laboratory experiments
233
801700
3434
研究室での実験を
２つだけお見せしましたが
２つだけお見せしましたが
13:37
out of literally hundreds in the field
that make similar points,
that make similar points,
234
805134
3691
まさに何百もの研究で
同様の結果が出ています
同様の結果が出ています
13:40
because the really critical point
235
808825
2392
そして本当に重要な点は
13:43
is that children's ability
to make rich inferences from sparse data
to make rich inferences from sparse data
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
豊かに推測するという子どもの能力が
13:48
underlies all the species-specific
cultural learning that we do.
cultural learning 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
根底にあることです
13:53
Children learn about new tools
from just a few examples.
from just a few examples.
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
新たな道具について学び
13:58
They learn new causal relationships
from just a few examples.
from just a few examples.
239
826263
4717
わずかな例をもとに
新たな因果関係を学びます
新たな因果関係を学びます
14:03
They even learn new words,
in this case in American Sign Language.
in this case in American Sign Language.
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
これはアメリカ手話です
14:08
I want to close with just two points.
241
836799
2311
最後に２点だけお話しします
14:12
If you've been following my world,
the field of brain and cognitive sciences,
the field of brain and cognitive sciences,
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
脳科学と認知科学の分野を
14:15
for the past few years,
243
843738
1927
ここ数年 追いかけていれば
14:17
three big ideas will have come
to your attention.
to your attention.
244
845665
2415
３つの壮大な発想に
気づくでしょう
気づくでしょう
14:20
The first is that this is
the era of the brain.
the era of the brain.
245
848080
3436
１つは現在が「脳の時代」だという点です
14:23
And indeed, there have been
staggering discoveries in neuroscience:
staggering discoveries in neuroscience:
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
驚異的な発見が続いています
14:27
localizing functionally specialized
regions of cortex,
regions of cortex,
247
855185
3436
機能ごとに特化した
大脳皮質の領域の特定や
大脳皮質の領域の特定や
14:30
turning mouse brains transparent,
248
858621
2601
マウスの脳の透明化
14:33
activating neurons with light.
249
861222
3776
光によるニューロンの活性化などです
14:36
A second big idea
250
864998
1996
２つ目の壮大な発想とは
14:38
is that this is the era of big data
and machine learning,
and machine learning,
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
機械学習の時代」だという点です
14:43
and machine learning promises
to revolutionize our understanding
to revolutionize our understanding
252
871098
3141
機械学習は SNSから疫学まで ―
14:46
of everything from social networks
to epidemiology.
to epidemiology.
253
874239
4667
あらゆるものの理解を
大きく変えるはずです
大きく変えるはずです
14:50
And maybe, as it tackles problems
of scene understanding
of scene understanding
254
878906
2693
そして機械が 場面認識や
自然言語処理といった
自然言語処理といった
14:53
and natural language processing,
255
881599
1993
課題に取り組むことで
14:55
to tell us something
about human cognition.
about human cognition.
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
わかってくるかもしれません
14:59
And the final big idea you'll have heard
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 we're going
to know so much about brains
to know so much about brains
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
ビッグデータを十分 利用できるのは
15:05
and have so much access to big data,
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 devices,
260
894997
2507
なぜなら人間は
好きなようにさせておくと
好きなようにさせておくと
15:09
humans are fallible, we take shortcuts,
261
897504
3831
誤りがちで 楽をしようとし
15:13
we err, we make mistakes,
262
901335
3437
判断を誤り 間違いを犯し
15:16
we're biased, and in innumerable ways,
263
904772
3684
偏った見方をし
さらにあらゆる面で
さらにあらゆる面で
15:20
we get the world wrong.
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 stories,
265
912843
2949
私は これらすべてが
重要な事だと思っていて
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 to be human,
about what it means to be human,
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
いろいろ知ることができます
15:31
but I want you to note that today
I told you a very different story.
I told you a very different story.
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
今日の話は それとは別のことです
15:35
It's a story about minds and not brains,
268
923966
3807
今日の話題は 脳のことではなく
心についてです
心についてです
15:39
and in particular, it's a story
about the kinds of computations
about the kinds of computations
269
927773
3006
その中でも
人間の心だけが実行できる
人間の心だけが実行できる
15:42
that uniquely human minds can perform,
270
930779
2590
様々な計算に関する話です
15:45
which involve rich, structured knowledge
and the ability to learn
and the ability to learn
271
933369
3944
この計算には
豊かで構造化された知識と
豊かで構造化された知識と
15:49
from small amounts of data,
the evidence of just a few examples.
the evidence of just a few examples.
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
証拠をもとに学ぶ能力が伴います
15:56
And fundamentally, it's a story
about how starting as very small children
about how starting as very small children
273
944301
4299
今日の話の本質は
どうやって 赤ちゃんに始まり
どうやって 赤ちゃんに始まり
16:00
and continuing out all the way
to the greatest accomplishments
to the greatest accomplishments
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
文化という偉業を成し遂げる中で
16:04
of our culture,
275
952780
3843
私たちが世界を
16:08
we get the world right.
276
956623
1997
正しく捉えているかということです
16:12
Folks, human minds do not only learn
from small amounts of data.
from small amounts of data.
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
学習するだけではありません
16:18
Human minds think
of altogether new ideas.
of altogether new ideas.
278
966285
2101
心はまったく新しい発想も生み出します
16:20
Human minds generate
research and discovery,
research and discovery,
279
968746
3041
心が研究や発見を生み
16:23
and human minds generate
art and literature and poetry and theater,
art and literature and poetry and theater,
280
971787
5273
芸術や 文学や 詩や 劇を生み
16:29
and human minds take care of other humans:
281
977070
3760
心が お年寄りや若者や
16:32
our old, our young, our sick.
282
980830
3427
病んだ人々を思いやるのです
16:36
We even heal 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 to come, we're going
to see technological innovations
to see technological innovations
284
987564
3103
今後 数年で私たちは
想像をはるかに超えた
想像をはるかに超えた
16:42
beyond anything I can even envision,
285
990667
3797
技術的な革新を
目の当たりにすることでしょう
目の当たりにすることでしょう
16:46
but we are very unlikely
286
994464
2150
でも とても残念なことに
16:48
to see anything even approximating
the computational power of a human child
the computational power of a human child
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
人間の子どもの計算能力に
16:54
in my lifetime or in yours.
288
1002323
4298
近いものすら
目にすることはないでしょう
目にすることはないでしょう
16:58
If we invest in these most powerful
learners and their development,
learners and their development,
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
発達に対する投資を惜しんではいけません
17:03
in babies and children
290
1011668
2917
赤ちゃんや子どもたち ―
17:06
and mothers and fathers
291
1014585
1826
母親や父親 ―
17:08
and caregivers and teachers
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
教師への投資を惜しんではいけません
17:11
the ways we invest in our other
most powerful and elegant forms
most powerful and elegant forms
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
エレガントな技術や工学やデザインには
17:15
of technology, engineering and design,
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
同じように投資することで
17:18
we will not just be dreaming
of a better future,
of a better future,
295
1026498
2939
よりよい未来を
ただ夢見るだけではなく
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 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)
298
1033909
3421
（拍手）
17:29
Chris Anderson: Laura, thank you.
I do actually have a question for you.
I do actually have a question 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
ぜひ 尋ねたいことがあります
17:34
First of all, the research is insane.
300
1042236
2359
まず この研究は常識外れですね
17:36
I mean, who would design
an experiment like that? (Laughter)
an experiment like that? (Laughter)
301
1044595
3725
一体誰が こんな実験方法を
考えるんですか？（笑）
考えるんですか？（笑）
17:41
I've seen that a couple of times,
302
1049150
1790
私は実験の様子を２回見ても
17:42
and I still don't honestly believe
that that can truly be happening,
that that can truly be happening,
303
1050940
3222
本当に こんな風になるなんて
信じられません
信じられません
17:46
but other people have done
similar experiments; it checks out.
similar experiments; it checks 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
同様の実験で実証しています
17:49
The babies really are that genius.
305
1057320
1633
赤ちゃんは まさに天才ですね
17:50
LS: You know, they look really impressive
in our experiments,
in our experiments,
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
すごく優秀に見えますが
17:53
but think about what they
look like in real life, right?
look like in real 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
思い出してください
17:56
It starts out as a baby.
308
1064612
1150
最初は赤ん坊です
17:57
Eighteen months later,
it's talking to you,
it's talking to you,
309
1065762
2007
18か月経つと話し始めますが
17:59
and babies' first words aren't just
things like balls and ducks,
things like balls and ducks,
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
「ボール」や「アヒル」だけではなく
18:02
they're things like "all gone,"
which refer to disappearance,
which refer to disappearance,
311
1070810
2881
失くなったことを表す「ない」や
18:05
or "uh-oh," which refer
to unintentional actions.
to unintentional actions.
312
1073691
2283
意図せぬ行為を指す
「あれれ」まであります
「あれれ」まであります
18:07
It has to be that powerful.
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
than anything I showed you.
than anything I showed you.
314
1077536
2775
お見せしたものより
はるかに強力なはずです
はるかに強力なはずです
18:12
They're figuring out the entire world.
315
1080311
1974
子どもは世界全体を理解していき
18:14
A four-year-old can talk to you
about almost anything.
about almost 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
ほぼ何でも話せるようになるのです
18:17
(Applause)
317
1085429
1601
（拍手）
18:19
CA: And if I understand you right,
the other key point you're making is,
the other key point you're making 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
あなたの主張には他に重要な点があります
18:22
we've been through these years
where there's all this talk
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
人間の心が
18:25
of how quirky and buggy our minds are,
320
1093198
1932
いかに気まぐれで 誤りが多いか
18:27
that behavioral economics
and the whole theories behind that
and the whole theories behind 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
その背景にある理論によれば
18:29
that we're not rational agents.
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 that the bigger
story is how extraordinary,
story is how extraordinary,
323
1099600
4216
あなたが言おうとしている
より大きな物語とは
より大きな物語とは
18:35
and there really is genius there
that is underappreciated.
that is underappreciated.
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
それが いかに素晴らしいかということですね
18:40
LS: One of my favorite
quotes in psychology
quotes in psychology
325
1108760
2070
（ローラ）心理学の分野で
私が好きな言葉は
私が好きな言葉は
18:42
comes from the social
psychologist Solomon Asch,
psychologist Solomon Asch,
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 task
of psychology is to remove
of psychology is to remove
327
1113120
2807
彼によると
心理学の作業の本質とは
心理学の作業の本質とは
18:47
the veil of self-evidence 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
ベールを取り除くことです
18:50
There are orders of magnitude
more decisions you make every day
more decisions you make every 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
日々 膨大な回数の
18:55
that get the world right.
330
1123104
1347
決断を下します
18:56
You know about objects
and their properties.
and their properties.
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.
You know them in the dark.
You know them in the dark.
332
1126583
3029
見えなくても 暗闇でも
それが何かわかります
それが何かわかります
19:01
You can walk through rooms.
333
1129612
1308
部屋を歩き回ることもできます
19:02
You can figure out what other people
are thinking. You can talk to them.
are thinking. 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
彼らに話しかけることもできます
19:06
You can navigate space.
You know about numbers.
You know about numbers.
335
1134452
2230
空間を移動でき
数について知っています
数について知っています
19:08
You know causal relationships.
You know about moral reasoning.
You know about moral reasoning.
336
1136682
3022
因果関係や
倫理的な推論について知っています
倫理的な推論について知っています
19:11
You do this effortlessly,
so we don't see it,
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
気づきませんが
19:14
but that is how we get the world right,
and it's a remarkable
and it's a remarkable
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
これは驚くべき偉業ですが
19:16
and very difficult-to-understand
accomplishment.
accomplishment.
339
1144972
2318
理解するのは とても難しいのです
19:19
CA: I suspect there are people
in the audience who have
in the audience who have
340
1147290
2628
（クリス）観客のみなさんの中には
19:21
this view of accelerating
technological power
technological power
341
1149918
2238
技術は さらに加速すると考えていて
19:24
who might dispute your statement
that never in our lifetimes
that never in our lifetimes
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
３歳児と同じことをさせるのは
19:27
will a computer do what
a three-year-old child can do,
a three-year-old child 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
反対の人もいるでしょう
19:29
but what's clear is that in any scenario,
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
どうなっていくにせよ
19:32
our machines have so much to learn
from our toddlers.
from our toddlers.
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
まだたくさんあるという点です
19:38
LS: I think so. You'll have some
machine learning folks up here.
machine learning folks 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
機械学習の研究者もいるでしょう
19:41
I mean, you should never bet
against babies or chimpanzees
against babies or chimpanzees
347
1169446
4203
ただ 赤ちゃんや チンパンジーや
テクノロジーを
テクノロジーを
19:45
or technology as a matter of practice,
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
片付けるべきではありません
19:49
but it's not just
a difference in quantity,
a difference in quantity,
349
1177294
4528
それは ただ量的に
異なっているだけではなく
異なっているだけではなく
19:53
it's a difference in kind.
350
1181822
1764
別の種類のものなのです
19:55
We have incredibly powerful computers,
351
1183586
2160
驚くほど強力なコンピュータは
19:57
and they do do amazingly
sophisticated things,
sophisticated things,
352
1185746
2391
しばしば非常に大量のデータを使い
20:00
often with very big amounts of data.
353
1188137
3204
極めて洗練されたことを
やってのけます
やってのけます
20:03
Human minds do, I think,
something quite different,
something quite different,
354
1191341
2607
一方 人間の心は
これとはまったく異なっていて
これとはまったく異なっていて
20:05
and I think it's the structured,
hierarchical nature of human knowledge
hierarchical nature of human knowledge
355
1193948
3895
本当の課題として残るのは
構造的かつ階層的な
構造的かつ階層的な
20:09
that remains a real challenge.
356
1197843
2032
人間の知識の性質だと思います
20:11
CA: Laura Schulz, wonderful
food for thought. Thank you so much.
food 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
考える材料になりました ありがとう
20:14
LS: Thank you.
(Applause)
(Applause)
358
1202936
2922
（ローラ）ありがとう
（拍手）
（拍手）
ABOUT THE SPEAKER
Laura Schulz - Cognitive scientistDevelopmental 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.
Laura Schulz | Speaker | TED.com