TED2015
Laura Schulz: The surprisingly logical minds of babies
로라 슐츠(Laura Schulz): 놀랍도록 논리적인 사고를 하는 아기들
Filmed:
Readability: 3.8
1,888,975 views
아기들은 어떻게 적은 양의 정보에서 그렇게 많이, 또 빠른 속도로 배울까요? 재밌고도 실험으로 가득한 이 강연에서 인지과학자 로라 슐츠는 어떻게 아기들이 놀랍도록 강력한 논리력으로 말도 떼기 전에 판단을 내리는지 보여줍니다.
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
미국 유명 작가 마크 트웨인은
00:14
one of the fundamental problems
of cognitive science
of cognitive science
1
2990
3120
제가 생각하기에 가장 근본적인
인지과학의 문제를
인지과학의 문제를
00:18
with a single witticism.
2
6110
1710
재치있게 한 마디로 정리했습니다.
00:20
He said, "There's something
fascinating about science.
fascinating about science.
3
8410
3082
"과학에는 뭔가 매력적인 것이 있다.
00:23
One gets such wholesale
returns of conjecture
returns of conjecture
4
11492
3228
사실이라는 아주 작은 투자를 통해
00:26
out of such a trifling
investment in fact."
investment in fact."
5
14720
3204
그토록 많은 추측을 이끌어내니까."
00:29
(Laughter)
6
17924
1585
(웃음)
00:32
Twain meant it as a joke,
of course, but he's right:
of course, but he's right:
7
20199
2604
물론 농담이었겠지만 맞는 말입니다.
00:34
There's something
fascinating about science.
fascinating about science.
8
22803
2876
과학에는 특별한 매력이 있습니다.
00:37
From a few bones, we infer
the existence of dinosuars.
the existence of dinosuars.
9
25679
4261
우리는 몇 개의 뼈만으로
공룡의 존재를 추론해냈고
공룡의 존재를 추론해냈고
00:42
From spectral lines,
the composition of nebulae.
the composition of nebulae.
10
30910
3871
분광선에서는 성운의 구성을,
00:47
From fruit flies,
11
35471
2938
초파리에서는
00:50
the mechanisms of heredity,
12
38409
2943
유전의 법칙을,
00:53
and from reconstructed images
of blood flowing through the brain,
of blood flowing through the brain,
13
41352
4249
그리고 뇌에 흐르는 피를
재구성한 이미지로
재구성한 이미지로
00:57
or in my case, from the behavior
of very young children,
of very young children,
14
45601
4708
저 같은 경우는,
아주 어린 아이들의 행동을 통해
아주 어린 아이들의 행동을 통해
01:02
we try to say something about
the fundamental mechanisms
the fundamental mechanisms
15
50309
2829
인간 인식이 근본적으로 어떻게
작동하는지 알아내려고 하죠.
작동하는지 알아내려고 하죠.
01:05
of human cognition.
16
53138
1618
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
특히 저는 MIT 뇌인지과학과에
있는 제 연구실에서
있는 제 연구실에서
01:12
I have spent the past decade
trying to understand the mystery
trying to understand the mystery
18
60475
3654
지난 10년간 아이들이
어떻게 적은 양의 정보로
어떻게 적은 양의 정보로
01:16
of how children learn so much
from so little so quickly.
from so little so quickly.
19
64129
3977
많은 것을 빨리 배우는지에 대한
신비를 알아내려고 노력했습니다.
신비를 알아내려고 노력했습니다.
01:20
Because, it turns out that
the fascinating thing about science
the fascinating thing about science
20
68666
2978
과학이 매력적인 이유가
01:23
is also a fascinating
thing about children,
thing about children,
21
71644
3529
바로 아기들이 놀랍기 때문입니다.
01:27
which, to put a gentler
spin on Mark Twain,
spin on Mark Twain,
22
75173
2581
마크 트웨인의 말을
완곡하게 바꾸어 보자면
완곡하게 바꾸어 보자면
01:29
is precisely their ability
to draw rich, abstract inferences
to draw rich, abstract inferences
23
77754
4650
아기들이 빠르고 정확하게
적은 양의 어지러운 자료로부터
적은 양의 어지러운 자료로부터
01:34
rapidly and accurately
from sparse, noisy data.
from sparse, noisy data.
24
82404
4661
풍부하고 추상적인 추론을
할 수 있는 능력입니다.
할 수 있는 능력입니다.
01:40
I'm going to give you
just two examples today.
just two examples today.
25
88355
2398
저는 오늘 여러분들께 예시를
두 개만 보여 드리겠습니다.
두 개만 보여 드리겠습니다.
01:42
One is about a problem of generalization,
26
90753
2287
하나는 일반화의 오류이고
01:45
and the other is about a problem
of causal reasoning.
of causal reasoning.
27
93040
2850
다른 하나는 인과추론의 오류입니다.
01:47
And although I'm going to talk
about work in my lab,
about work in my lab,
28
95890
2525
제 연구실에서 한 연구에 대해
말씀드리겠지만
말씀드리겠지만
01:50
this work is inspired by
and indebted to a field.
and indebted to a field.
29
98415
3460
이 연구는 인지과학분야에서
영감과 도움을 받았습니다.
영감과 도움을 받았습니다.
01:53
I'm grateful to mentors, colleagues,
and collaborators around the world.
and collaborators around the world.
30
101875
4283
전 세계의 멘토와 동료와
공동연구자들에게 감사드립니다.
공동연구자들에게 감사드립니다.
01:59
Let me start with the problem
of generalization.
of generalization.
31
107308
2974
그럼 일반화의 오류부터 얘기할까요?
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
적은 표본으로 일반화하는 것은
과학의 기본입니다.
과학의 기본입니다.
02:06
We poll a tiny fraction of the electorate
33
114785
2554
우리가 유권자의 일부분만 여론조사해서
02:09
and we predict the outcome
of national elections.
of national elections.
34
117339
2321
대국민 선거결과를 예측하듯 말이죠.
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
우리는 소수의 환자의
임상실험에 대한 반응을 보고
임상실험에 대한 반응을 보고
02:16
and we bring drugs to a national market.
36
124165
3065
전국의 시장에 약을 내놓습니다.
02:19
But this only works if our sample
is randomly drawn from the population.
is randomly drawn from the population.
37
127230
4365
일반화가 통하기 위해서는 표본이
무작위로 선정돼야 합니다.
무작위로 선정돼야 합니다.
02:23
If our sample is cherry-picked
in some way --
in some way --
38
131595
2735
표본이 특정한 방식으로
선별된다면,
선별된다면,
02:26
say, we poll only urban voters,
39
134330
2072
예를 들어, 도시의 여론만 조사하거나
02:28
or say, in our clinical trials
for treatments for heart disease,
for treatments for heart disease,
40
136402
4388
심장질환 치료를 위한 임상실험의 경우
02:32
we include only men --
41
140790
1881
남자만 대상으로 한다면
02:34
the results may not generalize
to the broader population.
to the broader population.
42
142671
3158
결과를 인구 전체로
일반화할 수 없겠죠.
일반화할 수 없겠죠.
02:38
So scientists care whether evidence
is randomly sampled or not,
is randomly sampled or not,
43
146479
3581
따라서 과학자들은
무작위 표본추출을 신경씁니다.
무작위 표본추출을 신경씁니다.
02:42
but what does that have to do with babies?
44
150060
2015
그런데 이게 아기와 무슨 상관일까요?
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
아기는 항상 적은 표본으로
일반화해야 합니다.
일반화해야 합니다.
02:49
They see a few rubber ducks
and learn that they float,
and learn that they float,
46
157206
3158
고무오리 몇 개만 보고
고무오리는 물에 뜬다는 것을,
고무오리는 물에 뜬다는 것을,
02:52
or a few balls and learn that they bounce.
47
160364
3575
몇 개의 공만 보고
공은 튀어오른다는 걸 배우죠.
공은 튀어오른다는 걸 배우죠.
02:55
And they develop expectations
about ducks and balls
about ducks and balls
48
163939
2951
그리고 고무오리와 공에 대해
예상을 발전시켜서
예상을 발전시켜서
02:58
that they're going to extend
to rubber ducks and balls
to rubber ducks and balls
49
166890
2716
남은 일생동안 고무오리와
공에 확대 적용합니다.
공에 확대 적용합니다.
03:01
for the rest of their lives.
50
169606
1879
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
고무오리와 공에
적용하는 것과 같은 일반화를
적용하는 것과 같은 일반화를
03:07
they have to make about almost everything:
52
175224
2089
거의 다른 모든 것에도 적용합니다.
03:09
shoes and ships and sealing wax
and cabbages and kings.
and cabbages and kings.
53
177313
3917
신발, 배, 밀랍 봉인, 양배추, 왕..
03:14
So do babies care whether
the tiny bit of evidence they see
the tiny bit of evidence they see
54
182200
2961
그렇다면 아기는 그들이 보는
적은 양의 증거가
적은 양의 증거가
03:17
is plausibly representative
of a larger population?
of a larger population?
55
185161
3692
모집단을 정말 대표할 수
있는지에 신경쓸까요?
있는지에 신경쓸까요?
03:21
Let's find out.
56
189763
1900
한번 알아봅시다.
03:23
I'm going to show you two movies,
57
191663
1723
지금부터 두 개의 영상을
보여드릴겁니다.
보여드릴겁니다.
03:25
one from each of two conditions
of an experiment,
of an experiment,
58
193386
2462
각각 다른 조건에서 실험한 영상입니다.
03:27
and because you're going to see
just two movies,
just two movies,
59
195848
2438
두 개만 보시게 되니까
03:30
you're going to see just two babies,
60
198286
2136
아기도 두 명만 있을 겁니다.
03:32
and any two babies differ from each other
in innumerable ways.
in innumerable ways.
61
200422
3947
그리고 어떤 아기든 두 명의 아기는
서로 수많은 부분에서 다릅니다.
서로 수많은 부분에서 다릅니다.
03:36
But these babies, of course,
here stand in for groups of babies,
here stand in for groups of babies,
62
204369
3051
하지만 이 아기들은 여기서
아기 집단을 대표합니다.
아기 집단을 대표합니다.
03:39
and the differences you're going to see
63
207420
1895
여러분이 보시게 될 차이점은
03:41
represent average group differences
in babies' behavior across conditions.
in babies' behavior across conditions.
64
209315
5195
다른 조건 아래의 아기들의 행동방식의
평균 집단적 차이를 대표합니다.
평균 집단적 차이를 대표합니다.
03:47
In each movie, you're going to see
a baby doing maybe
a baby doing maybe
65
215160
2583
각각의 영상에서 여러분은 아마 아기가
03:49
just exactly what you might
expect a baby to do,
expect a baby to do,
66
217743
3460
여러분이 예측한 대로
행동하는 걸 보게 될 겁니다.
행동하는 걸 보게 될 겁니다.
03:53
and we can hardly make babies
more magical than they already are.
more magical than they already are.
67
221203
4017
그 이상으로 아기가 더 마법같은
행동을 할 순 없습니다.
행동을 할 순 없습니다.
03:58
But to my mind the magical thing,
68
226090
2010
제 생각으로 마법같은 것은,
04:00
and what I want you to pay attention to,
69
228100
2089
여러분이 주목하셨으면 하는 부분이
04:02
is the contrast between
these two conditions,
these two conditions,
70
230189
3111
각각 다른 조건을 대조한 것입니다.
04:05
because the only thing
that differs between these two movies
that differs between these two movies
71
233300
3529
두 영상의 유일한 차이점이라곤
04:08
is the statistical evidence
the babies are going to observe.
the babies are going to observe.
72
236829
3466
아기들이 관찰할
통계적 증거밖에 없기 때문이죠.
통계적 증거밖에 없기 때문이죠.
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
우리는 아기에게 파란색과 노란색 공이
담긴 상자를 보여줄 겁니다.
담긴 상자를 보여줄 겁니다.
04:16
and my then-graduate student,
now colleague at Stanford, Hyowon Gweon,
now colleague at Stanford, Hyowon Gweon,
74
244608
4620
당시 대학원생이었고 이제는
스탠포드에서 제 동료인 권효원양이
스탠포드에서 제 동료인 권효원양이
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
상자에서 파란 공을
연속으로 세 개 꺼낼겁니다.
연속으로 세 개 꺼낼겁니다.
04:24
and when she pulls those balls out,
she's going to squeeze them,
she's going to squeeze them,
76
252305
3123
꺼낸 후에는 공을 꽉 누를 거예요.
04:27
and the balls are going to squeak.
77
255428
2113
그러면 공에서 끽끽 소리가 날 겁니다.
04:29
And if you're a baby,
that's like a TED Talk.
that's like a TED Talk.
78
257541
2763
만약 여러분들이 아기라면.
TED 강연 같은 거죠.
TED 강연 같은 거죠.
04:32
It doesn't get better than that.
79
260304
1904
그보다 좋을 수 없으니까요.
04:34
(Laughter)
80
262208
2561
(웃음)
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
중요한 건 파란 공이 대부분인
상자에서 파란 공을 세 번 연속
상자에서 파란 공을 세 번 연속
04:42
out of a box of mostly blue balls.
82
270627
2305
꺼내는 건 쉽다는 겁니다.
04:44
You could do that with your eyes closed.
83
272932
2060
눈 감고도 할 수 있어요.
04:46
It's plausibly a random sample
from this population.
from this population.
84
274992
2996
이 모집단에서 충분히 무작위로
뽑힐 수 있는 표본이죠.
뽑힐 수 있는 표본이죠.
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
그리고 상자 안에 손을 넣어
무작위로 소리나는 공을 뽑을 수 있다면
무작위로 소리나는 공을 뽑을 수 있다면
04:53
then maybe everything in the box squeaks.
86
281720
2839
상자 안의 모든 공에서 소리가
날 수도 있습니다.
날 수도 있습니다.
04:56
So maybe babies should expect
those yellow balls to squeak as well.
those yellow balls to squeak as well.
87
284559
3650
그래서 아기는 노란 공도 소리가
날 거라고 예상할 수도 있습니다.
날 거라고 예상할 수도 있습니다.
05:00
Now, those yellow balls
have funny sticks on the end,
have funny sticks on the end,
88
288209
2519
이 노란 공에는, 아기들이 막대로
다른 걸 해볼 수 있도록
다른 걸 해볼 수 있도록
05:02
so babies could do other things
with them if they wanted to.
with them if they wanted to.
89
290728
2857
공의 끝부분에 막대가 꽂혀 있습니다.
05:05
They could pound them or whack them.
90
293585
1831
마구 두드릴 수도 있고
칠 수도 있습니다.
칠 수도 있습니다.
05:07
But let's see what the baby does.
91
295416
2586
아기들이 어떻게 하는지 보죠.
05:12
(Video) Hyowon Gweon: See this?
(Ball squeaks)
(Ball squeaks)
92
300548
3343
권효원: 이거 보이니?
(공이 끽끽 대는 소리)
(공이 끽끽 대는 소리)
05:16
Did you see that?
(Ball squeaks)
(Ball squeaks)
93
304531
3045
봤어?
(공이 끽끽 대는 소리)
(공이 끽끽 대는 소리)
05:20
Cool.
94
308036
3066
멋지다.
05:24
See this one?
95
312706
1950
이 공 보이니?
05:26
(Ball squeaks)
96
314656
1881
(공이 끽끽대는 소리)
05:28
Wow.
97
316537
2653
우와.
05:33
Laura Schulz: Told you. (Laughs)
98
321854
2113
별 거 없죠?
05:35
(Video) HG: See this one?
(Ball squeaks)
(Ball squeaks)
99
323967
4031
권효원: 이거 보여?
(공이 끽끽대는 소리)
(공이 끽끽대는 소리)
05:39
Hey Clara, this one's for you.
You can go ahead and play.
You can go ahead and play.
100
327998
4619
클라라, 이 공 줄게.
갖고 놀아도 돼.
갖고 놀아도 돼.
(웃음)
05:51
(Laughter)
101
339854
4365
05:56
LS: I don't even have to talk, right?
102
344219
2995
말 안해도 어떤 상황인지 아시겠죠?
05:59
All right, it's nice that babies
will generalize properties
will generalize properties
103
347214
2899
아기들이 파란 공의 특성을 노란 공에
06:02
of blue balls to yellow balls,
104
350113
1528
일반화시키는 것은 좋습니다
06:03
and it's impressive that babies
can learn from imitating us,
can learn from imitating us,
105
351641
3096
아기들이 우리의 행동을 모방함으로써
학습하는 것도 인상깊죠.
학습하는 것도 인상깊죠.
06:06
but we've known those things about babies
for a very long time.
for a very long time.
106
354737
3669
우리는 아기의 이런 특성을
오래 전부터 알고 있었습니다.
오래 전부터 알고 있었습니다.
06:10
The really interesting question
107
358406
1811
진짜 흥미로운 질문은
06:12
is what happens when we show babies
exactly the same thing,
exactly the same thing,
108
360217
2852
아기들에게 완벽히 똑같은 것을
보여주면 무슨 일이 일어나는지 입니다.
보여주면 무슨 일이 일어나는지 입니다.
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
완벽히 똑같다고 장담할 수 있는게
우리가 칸을 하나 숨겨놓고
우리가 칸을 하나 숨겨놓고
06:18
and we actually pull the balls from there,
110
366680
2110
거기서 공을 꺼내기 때문입니다.
06:20
but this time, all we change
is the apparent population
is the apparent population
111
368790
3478
하지만 이번엔 증거를 산출하는
06:24
from which that evidence was drawn.
112
372268
2902
모집단만 바꿀겁니다.
06:27
This time, we're going to show babies
three blue balls
three blue balls
113
375170
3553
이번에는 아기에게 노란 공이
대부분인 상자에서 꺼낸
대부분인 상자에서 꺼낸
06:30
pulled out of a box
of mostly yellow balls,
of mostly yellow balls,
114
378723
3384
파란 공 세 개를 보여줄 겁니다.
06:34
and guess what?
115
382107
1322
결과가 어떨까요?
06:35
You [probably won't] randomly draw
three blue balls in a row
three blue balls in a row
116
383429
2840
아마 노란 공이 가득한 상자에서
무작위로 파란 공을
무작위로 파란 공을
06:38
out of a box of mostly yellow balls.
117
386269
2484
연속 세 번 뽑을 수는 없을 겁니다.
06:40
That is not plausibly
randomly sampled evidence.
randomly sampled evidence.
118
388753
3747
무작위로 뽑았을 때
가능한 표본이 아니죠.
가능한 표본이 아니죠.
06:44
That evidence suggests that maybe Hyowon
was deliberately sampling the blue balls.
was deliberately sampling the blue balls.
119
392500
5123
이 표본은 효원양이 일부러 파란 공만
뽑았을 수도 있다는 걸 암시합니다.
뽑았을 수도 있다는 걸 암시합니다.
06:49
Maybe there's something special
about the blue balls.
about the blue balls.
120
397623
2583
파란 공이 특별한 걸 수도 있죠.
06:52
Maybe only the blue balls squeak.
121
400846
2976
파란 공에서만 소리가 날 수도 있어요.
06:55
Let's see what the baby does.
122
403822
1895
아기가 어떻게 행동하는지 봅시다.
06:57
(Video) HG: See this?
(Ball squeaks)
(Ball squeaks)
123
405717
2904
권효은: 이거 보이니?
(공이 끽끽대는 소리)
(공이 끽끽대는 소리)
07:02
See this toy?
(Ball squeaks)
(Ball squeaks)
124
410851
2645
이 장난감 보여?
(공이 끽끽대는 소리)
(공이 끽끽대는 소리)
07:05
Oh, that was cool. See?
(Ball squeaks)
(Ball squeaks)
125
413496
5480
멋지다. 봐봐.
(공이 끽끽대는 소리)
(공이 끽끽대는 소리)
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
자, 이거 줄게.
갖고 놀아도 돼.
갖고 놀아도 돼.
07:18
(Fussing)
(Laughter)
(Laughter)
127
426074
6347
(소란)
(웃음)
(웃음)
07:26
LS: So you just saw
two 15-month-old babies
two 15-month-old babies
128
434901
2748
15개월의 두 아기가 관찰한 표본의
확률에만 기반한 추측으로
확률에만 기반한 추측으로
07:29
do entirely different things
129
437649
1942
07:31
based only on the probability
of the sample they observed.
of the sample they observed.
130
439591
3599
완전히 다른 행동을 하는 것을
방금 보셨습니다.
방금 보셨습니다.
07:35
Let me show you the experimental results.
131
443190
2321
실험 결과를 보여드릴게요
07:37
On the vertical axis, you'll see
the percentage of babies
the percentage of babies
132
445511
2764
세로 축은 각 조건에서 공을 누른
07:40
who squeezed the ball in each condition,
133
448275
2530
아기의 비율입니다.
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
보시다시피 아기들은
증거가 선별됐을 때보다
증거가 선별됐을 때보다
07:46
when it's plausibly representative
of the population
of the population
135
454520
3135
모집단을 충분히 대표할 수 있을 때
07:49
than when the evidence
is clearly cherry-picked.
is clearly cherry-picked.
136
457655
3738
증거를 일반화할 확률이 더 높습니다.
07:53
And this leads to a fun prediction:
137
461393
2415
이걸로 재밌는 예측이 가능합니다.
07:55
Suppose you pulled just one blue ball
out of the mostly yellow box.
out of the mostly yellow box.
138
463808
4868
노란 공이 대부분인 상자에서
파란 공을 하나만 꺼낸다고 가정합시다.
파란 공을 하나만 꺼낸다고 가정합시다.
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
무작위로 파란 공을 연속으로
세 개나 뽑는 건 어려울 겁니다.
세 개나 뽑는 건 어려울 겁니다.
08:04
but you could randomly sample
just one blue ball.
just one blue ball.
140
472765
2455
하지만 파란 공을 무작위로
하나만 뽑는것은
하나만 뽑는것은
08:07
That's not an improbable sample.
141
475220
1970
있을 수 없는 일은 아니죠.
08:09
And if you could reach into
a box at random
a box at random
142
477190
2224
그리고 상자에 손을 넣어
아무거나 꺼냈는데
아무거나 꺼냈는데
08:11
and pull out something that squeaks,
maybe everything in the box squeaks.
maybe everything in the box squeaks.
143
479414
3987
소리가 난다면 상자 속의
다른 공도 다 소리날 수도 있죠.
다른 공도 다 소리날 수도 있죠.
08:15
So even though babies are going to see
much less evidence for squeaking,
much less evidence for squeaking,
144
483875
4445
그러니까 이전에 비해
소리나는 공을 훨씬 적게 보게 되고
소리나는 공을 훨씬 적게 보게 되고
08:20
and have many fewer actions to imitate
145
488320
2242
모방할 행동이 훨씬 적더라도
08:22
in this one ball condition than in
the condition you just saw,
the condition you just saw,
146
490562
3343
여러분이 방금 보신 조건에서보다
공 하나를 뽑는 이 조건에서
공 하나를 뽑는 이 조건에서
08:25
we predicted that babies themselves
would squeeze more,
would squeeze more,
147
493905
3892
아기가 더 많이 공을
누를 거라고 우린 추측했고
누를 거라고 우린 추측했고
08:29
and that's exactly what we found.
148
497797
2894
실제로 그랬습니다.
08:32
So 15-month-old babies,
in this respect, like scientists,
in this respect, like scientists,
149
500691
4411
그러니까 15개월의 아기가,
이 부분에 있어서는
이 부분에 있어서는
08:37
care whether evidence
is randomly sampled or not,
is randomly sampled or not,
150
505102
3088
과학자들처럼 표본이 무작위로
선출되었는지 신경쓰고
선출되었는지 신경쓰고
08:40
and they use this to develop
expectations about the world:
expectations about the world:
151
508190
3507
세상을 더 잘
예측하는 데 사용합니다.
예측하는 데 사용합니다.
08:43
what squeaks and what doesn't,
152
511697
2182
어느 공이 소리가 나는지
08:45
what to explore and what to ignore.
153
513879
3145
어느 걸 탐구하고
무시해야 할지 말이죠.
무시해야 할지 말이죠.
08:50
Let me show you another example now,
154
518384
2066
이제 다른 예시를 보여드릴게요.
08:52
this time about a problem
of causal reasoning.
of causal reasoning.
155
520450
2730
이번에는 인과추론의
오류에 대한 겁니다.
오류에 대한 겁니다.
08:55
And it starts with a problem
of confounded evidence
of confounded evidence
156
523180
2439
이 오류는 우리 모두가 가진
혼란스러운 증거로부터 시작됩니다.
혼란스러운 증거로부터 시작됩니다.
08:57
that all of us have,
157
525619
1672
08:59
which is that we are part of the world.
158
527291
2020
우리가 세계의 일부라는 거죠.
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
여러분께 문제처럼 보이지
않을 수도 있겠지만
않을 수도 있겠지만
이건 다른 문제들처럼 일이
잘못되었을 때만 문제가 됩니다.
잘못되었을 때만 문제가 됩니다.
09:04
it's only a problem when things go wrong.
160
532747
2337
09:07
Take this baby, for instance.
161
535464
1811
이 아기를 예로 들어 봅시다.
09:09
Things are going wrong for him.
162
537275
1705
뭐가 잘 안 풀리네요.
09:10
He would like to make
this toy go, and he can't.
this toy go, and he can't.
163
538980
2271
장난감을 작동시키고 싶은데 안돼죠.
09:13
I'll show you a few-second clip.
164
541251
2529
짧은 영상을 보여드릴게요.
09:21
And there's two possibilities, broadly:
165
549340
1920
크게 두 가지 가능성이 있습니다.
09:23
Maybe he's doing something wrong,
166
551260
2634
아기가 뭔가를 잘못하고 있든지
09:25
or maybe there's something
wrong with the toy.
wrong with the toy.
167
553894
4216
장난감이 문제든지.
09:30
So in this next experiment,
168
558110
2111
그래서 다음 실험에서
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
아기들에게 둘 중
하나의 가설을 지지하는
하나의 가설을 지지하는
09:35
supporting one hypothesis over the other,
170
563518
2582
통계 자료를 조금 줄 겁니다.
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
아기들이 이걸 이용해
어떤 행동을 해야할 지에 대한
어떤 행동을 해야할 지에 대한
09:41
about what to do.
172
569555
1834
다른 판단을 내릴 수
있는지 볼 거예요.
있는지 볼 거예요.
09:43
Here's the setup.
173
571389
2022
실험은 이런 식으로 진행됩니다.
09:46
Hyowon is going to try to make
the toy go and succeed.
the toy go and succeed.
174
574071
3030
효원 양이 장난감을 작동시키고
그렇게 됩니다.
그렇게 됩니다.
09:49
I am then going to try twice
and fail both times,
and fail both times,
175
577101
3320
그 다음 제가 두 번 시도하고
두 번 다 실패할 거예요.
두 번 다 실패할 거예요.
09:52
and then Hyowon is going
to try again and succeed,
to try again and succeed,
176
580421
3112
다시 효원 양이 시도해서
장난감을 작동시키는 데 성공할 겁니다.
장난감을 작동시키는 데 성공할 겁니다.
09:55
and this roughly sums up my relationship
to my graduate students
to my graduate students
177
583533
3172
이건 전반적으로
기계를 사용하는 데 있어서
기계를 사용하는 데 있어서
09:58
in technology across the board.
178
586705
2835
저와 학생들 사이의 관계를 보여줍니다.
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
여기서 중요한 점은
장난감이 문제가 아니라
장난감이 문제가 아니라
10:05
that the problem isn't with the toy,
it's with the person.
it's with the person.
180
593322
3668
사람이 문제라는 것에 대한 증거를
조금만 제공한다는 겁니다.
조금만 제공한다는 겁니다.
10:08
Some people can make this toy go,
181
596990
2350
어떤 사람은 이 장난감을
작동시킬 수 있고
작동시킬 수 있고
10:11
and some can't.
182
599340
959
어떤 사람은 아니죠.
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
아기들이 장난감을 받으면
선택지가 주어질 겁니다.
선택지가 주어질 겁니다.
10:16
His mom is right there,
184
604212
2188
엄마가 바로 옆에 있어서
10:18
so he can go ahead and hand off the toy
and change the person,
and change the person,
185
606400
3315
아기가 엄마에게 장난감을 줌으로써
사람을 바꿀 수도 있고
사람을 바꿀 수도 있고
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
천의 다른 쪽에는
또 다른 장난감이 있어서
또 다른 장난감이 있어서
10:24
and he can pull the cloth towards him
and change the toy.
and change the toy.
187
612873
3552
천을 잡아당겨 장난감을
바꿀 수도 있습니다.
바꿀 수도 있습니다.
10:28
So let's see what the baby does.
188
616425
2090
아기가 어떻게 행동하는지 봅시다.
10:30
(Video) HG: Two, three. Go!
(Music)
(Music)
189
618515
4183
권효원: 둘, 셋, 짠!
(음악)
(음악)
10:34
LS: One, two, three, go!
190
622698
3131
로라 셜츠: 하나, 둘, 셋, 짠!
10:37
Arthur, I'm going to try again.
One, two, three, go!
One, two, three, go!
191
625829
7382
아서, 다시 해볼게.
하나, 둘, 셋, 짠!
하나, 둘, 셋, 짠!
10:45
YG: Arthur, let me try again, okay?
192
633677
2600
권효원: 아서, 나도
다시 해볼게,알았지?
다시 해볼게,알았지?
10:48
One, two, three, go!
(Music)
(Music)
193
636277
4550
하나, 둘, 셋, 짠! (음악)
10:53
Look at that. Remember these toys?
194
641583
1883
이것 봐. 이 장난감들 기억나니?
10:55
See these toys? Yeah, I'm going
to put this one over here,
to put this one over here,
195
643466
3264
이 장난감들 보여?
그래, 이건 여기 두고
그래, 이건 여기 두고
10:58
and I'm going to give this one to you.
196
646730
2062
이건 너한테 줄게.
11:00
You can go ahead and play.
197
648792
2335
가지고 놀아도 돼.
11:23
LS: Okay, Laura, but of course,
babies love their mommies.
babies love their mommies.
198
671213
4737
로라, 그런데 아기는
엄마를 사랑하니까
엄마를 사랑하니까
11:27
Of course babies give toys
to their mommies
to their mommies
199
675950
2182
장난감이 작동하지 않을 때
11:30
when they can't make them work.
200
678132
2030
당연히 엄마에게 장난감을 주겠죠.
11:32
So again, the really important question
is what happens when we change
is what happens when we change
201
680162
3593
다시 말씀드리지만 중요한 건
우리가 통계 자료를 아주 약간
우리가 통계 자료를 아주 약간
11:35
the statistical data ever so slightly.
202
683755
3154
변형시켰을 때 어떤 일이
일어나는지 입니다.
일어나는지 입니다.
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
이번에 아기는 동일한 순서로
장난감을 작동시키는 걸
장난감을 작동시키는 걸
11:42
but we're changing
the distribution of evidence.
the distribution of evidence.
204
690996
2415
성공하고 실패하는 걸 보겠지만
증거의 분포가 바뀔겁니다.
증거의 분포가 바뀔겁니다.
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
이번엔 효원 양과 저는 한 번
성공하고 한 번 실패할 거예요.
성공하고 한 번 실패할 거예요.
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
이건 누가 시도하는지 상관없이
장난감이 망가진 걸 의미합니다.
장난감이 망가진 걸 의미합니다.
11:55
It doesn't work all the time.
207
703459
1886
항상 작동하진 않으니까요.
다시, 아기는 선택지가 주어집니다.
11:57
Again, the baby's going to have a choice.
208
705345
1965
엄마가 바로 옆에 있어서
사람을 바꿀 수도 있고
사람을 바꿀 수도 있고
11:59
Her mom is right next to her,
so she can change the person,
so she can change the person,
209
707310
3396
천 끝에 다른 장난감이 있어서
장난감을 바꿀 수도 있습니다.
장난감을 바꿀 수도 있습니다.
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
아기가 어떻게 하는지 관찰해보죠.
12:05
Let's watch what she does.
211
713910
1378
효원: 둘, 셋, 짠!
12:07
(Video) HG: Two, three, go!
(Music)
(Music)
212
715288
4348
12:11
Let me try one more time.
One, two, three, go!
One, two, three, go!
213
719636
4984
다시 해볼게. 하나, 둘, 셋, 짠!
12:17
Hmm.
214
725460
1697
음...
12:19
LS: Let me try, Clara.
215
727950
2692
로라 슐츠: 클라라, 내가 해볼게.
12:22
One, two, three, go!
216
730642
3945
하나, 둘, 셋, 짠!
12:27
Hmm, let me try again.
217
735265
1935
음, 다시 해볼게.
12:29
One, two, three, go!
(Music)
(Music)
218
737200
5670
하나, 둘, 셋, 짠!
12:35
HG: I'm going
to put this one over here,
to put this one over here,
219
743009
2233
권효원: 이건 여기 두고
12:37
and I'm going to give this one to you.
220
745242
2001
이건 너한테 줄게.
12:39
You can go ahead and play.
221
747243
3597
갖고 놀아도 돼.
12:58
(Applause)
222
766376
4897
(박수)
13:04
LS: Let me show you
the experimental results.
the experimental results.
223
772993
2392
실험 결과를 보여드릴게요.
13:07
On the vertical axis,
you'll see the distribution
you'll see the distribution
224
775385
2475
세로축에 아이들이 각 조건에서
어떤 선택을 했는지에 대한
어떤 선택을 했는지에 대한
13:09
of children's choices in each condition,
225
777860
2577
분포를 볼 수 있습니다.
13:12
and you'll see that the distribution
of the choices children make
of the choices children make
226
780437
4551
보시면 분포도가
아기들이 관찰한 증거에 따라
아기들이 관찰한 증거에 따라
13:16
depends on the evidence they observe.
227
784988
2787
결정된다는 걸 알 수 있습니다.
13:19
So in the second year of life,
228
787775
1857
아기는 두 살 때
13:21
babies can use a tiny bit
of statistical data
of statistical data
229
789632
2577
적은 양의 통계 자료로 행동할 때
13:24
to decide between two
fundamentally different strategies
fundamentally different strategies
230
792209
3367
두 가지의 근본적으로 다른 전략 중
하나를 고를 수 있습니다.
하나를 고를 수 있습니다.
13:27
for acting in the world:
231
795576
1881
13:29
asking for help and exploring.
232
797457
2743
도움을 청할지 탐구해 볼지 입니다.
13:33
I've just shown you
two laboratory experiments
two laboratory experiments
233
801700
3434
이 분야에서 비슷한 주제로 한 실험이
정말 수 백개가 있지만 그 중에서
정말 수 백개가 있지만 그 중에서
13:37
out of literally hundreds in the field
that make similar points,
that make similar points,
234
805134
3691
연구실에서 한 실험
두 개만 보여드렸습니다.
두 개만 보여드렸습니다.
13:40
because the really critical point
235
808825
2392
정말로 중요한 요점은
13:43
is that children's ability
to make rich inferences from sparse data
to make rich inferences from sparse data
236
811217
5108
적은 자료로 풍부한 추론을 하는
아이들의 능력이
아이들의 능력이
13:48
underlies all the species-specific
cultural learning that we do.
cultural learning that we do.
237
816325
5341
인간이 하는 모든 종 특유의
문화적 학습의 근간이기 때문이죠.
문화적 학습의 근간이기 때문이죠.
13:53
Children learn about new tools
from just a few examples.
from just a few examples.
238
821666
4597
아이들은 몇 개의 예시만으로
새 도구를 사용하는 법을 배우고
새 도구를 사용하는 법을 배우고
13:58
They learn new causal relationships
from just a few examples.
from just a few examples.
239
826263
4717
몇 개의 예시만으로
새로운 인과관계를 배웁니다.
새로운 인과관계를 배웁니다.
14:03
They even learn new words,
in this case in American Sign Language.
in this case in American Sign Language.
240
831928
4871
새로운 단어도 배웁니다.
이 경우는 미국식 수화죠.
이 경우는 미국식 수화죠.
14:08
I want to close with just two points.
241
836799
2311
두 가지 요점으로
마무리하고 싶습니다.
마무리하고 싶습니다.
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
만약 여러분께서 제 세계인
뇌와 인지과학의 분야를
뇌와 인지과학의 분야를
14:15
for the past few years,
243
843738
1927
지난 몇 년간 지켜보셨다면
세 가지 커다란 견해가
눈에 들어오셨을 겁니다.
눈에 들어오셨을 겁니다.
14:17
three big ideas will have come
to your attention.
to your attention.
244
845665
2415
14:20
The first is that this is
the era of the brain.
the era of the brain.
245
848080
3436
첫째는, 지금은 뇌의 시대라는 겁니다.
14:23
And indeed, there have been
staggering discoveries in neuroscience:
staggering discoveries in neuroscience:
246
851516
3669
정말로 신경과학에서
충격적인 발견들이 있었습니다.
충격적인 발견들이 있었습니다.
14:27
localizing functionally specialized
regions of cortex,
regions of cortex,
247
855185
3436
피질에서 기능이 특화된
부분을 알아내는 것,
부분을 알아내는 것,
14:30
turning mouse brains transparent,
248
858621
2601
쥐의 뇌를 투명하게 만드는 것,
14:33
activating neurons with light.
249
861222
3776
뉴런을 빛으로
활성화시키는 것이 있었죠.
활성화시키는 것이 있었죠.
14:36
A second big idea
250
864998
1996
두 번째는
14:38
is that this is the era of big data
and machine learning,
and machine learning,
251
866994
4104
빅데이터와 기계 학습의
시대라는 것입니다.
시대라는 것입니다.
14:43
and machine learning promises
to revolutionize our understanding
to revolutionize our understanding
252
871098
3141
기계 학습은 우리의 이해력에
혁명을 가져올 것을 약속합니다.
혁명을 가져올 것을 약속합니다.
14:46
of everything from social networks
to epidemiology.
to epidemiology.
253
874239
4667
소셜네트워크부터 역학까지 전부 다요.
14:50
And maybe, as it tackles problems
of scene understanding
of scene understanding
254
878906
2693
그리고 장면 이해에 대한 문제와
14:53
and natural language processing,
255
881599
1993
자연 언어 처리를 다루면서
14:55
to tell us something
about human cognition.
about human cognition.
256
883592
3324
인간의 인식력에 대해
무언가를 알려줄 수도 있죠.
무언가를 알려줄 수도 있죠.
14:59
And the final big idea you'll have heard
257
887756
1937
마지막은 여러분이
들어보셨을 수도 있는데
들어보셨을 수도 있는데
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
우리가 뇌에 대해 많은 걸 알고
빅데이터에 많이 접근하는 게
좋은 것일 수 있다는 겁니다.
좋은 것일 수 있다는 겁니다.
15:05
and have so much access to big data,
259
893080
1917
15:06
because left to our own devices,
260
894997
2507
기기와 남겨진 인간은
15:09
humans are fallible, we take shortcuts,
261
897504
3831
오류를 범하기 쉽기 때문입니다.
지름길로 가고, 실수를 하고
15:13
we err, we make mistakes,
262
901335
3437
15:16
we're biased, and in innumerable ways,
263
904772
3684
많은 방면에서 편향되어 있고
세상을 잘못 이해합니다.
15:20
we get the world wrong.
264
908456
2969
15:24
I think these are all important stories,
265
912843
2949
저는 이 모든 게 중요하고
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
인간적인 것이 어떤 의미인지에 대해
많은 것을 말해준다고 생각합니다.
많은 것을 말해준다고 생각합니다.
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
하지만 전 오늘 완전히 다른 이야기를
들려드렸다는 걸 강조하고 싶습니다.
들려드렸다는 걸 강조하고 싶습니다.
15:35
It's a story about minds and not brains,
268
923966
3807
뇌가 아닌 사고에 관한
이야기였습니다.
이야기였습니다.
15:39
and in particular, it's a story
about the kinds of computations
about the kinds of computations
269
927773
3006
그리고 특별하게
인간의 정신만이 가능한
인간의 정신만이 가능한
15:42
that uniquely human minds can perform,
270
930779
2590
많은 양의 구조화된 지식과
15:45
which involve rich, structured knowledge
and the ability to learn
and the ability to learn
271
933369
3944
적은 양의 자료와 소수의
표본으로부터 얻은 증거로부터
표본으로부터 얻은 증거로부터
15:49
from small amounts of data,
the evidence of just a few examples.
the evidence of just a few examples.
272
937313
5268
학습할 수 있는 능력을 포함하는
계산 능력에 관한 이야기죠.
계산 능력에 관한 이야기죠.
근본적으로 어떻게
어린 아이에서 시작해서
어린 아이에서 시작해서
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
16:00
and continuing out all the way
to the greatest accomplishments
to the greatest accomplishments
274
948600
4180
우리 문화에서 가장 위대한
업적을 세움으로써
업적을 세움으로써
16:04
of our culture,
275
952780
3843
세상을 제대로 알게 되는지에
대한 이야기입니다.
대한 이야기입니다.
16:08
we get the world right.
276
956623
1997
16:12
Folks, human minds do not only learn
from small amounts of data.
from small amounts of data.
277
960433
5267
여러분, 인간의 사고는 적은 양의
자료로만 학습하지 않습니다.
자료로만 학습하지 않습니다.
16:18
Human minds think
of altogether new ideas.
of altogether new ideas.
278
966285
2101
새로운 생각도 종합적으로 합니다.
16:20
Human minds generate
research and discovery,
research and discovery,
279
968746
3041
연구와 발견을 만들어내고
16:23
and human minds generate
art and literature and poetry and theater,
art and literature and poetry and theater,
280
971787
5273
예술과 문학과 시와 극작을 만듭니다.
16:29
and human minds take care of other humans:
281
977070
3760
그리고 다른 인간을 보살핍니다.
16:32
our old, our young, our sick.
282
980830
3427
노인과 아이와 병자들을요.
16:36
We even heal them.
283
984517
2367
심지어 치유해줍니다.
16:39
In the years to come, we're going
to see technological innovations
to see technological innovations
284
987564
3103
앞으로 우리는 상상을 초월하는
16:42
beyond anything I can even envision,
285
990667
3797
기술적 혁신을 보게 될 겁니다.
16:46
but we are very unlikely
286
994464
2150
하지만 저와 여러분 세대에서
16:48
to see anything even approximating
the computational power of a human child
the computational power of a human child
287
996614
5709
인간 아이의 계산 능력에
조금이라도 근접하는 걸
조금이라도 근접하는 걸
16:54
in my lifetime or in yours.
288
1002323
4298
볼 가능성은 거의 없습니다.
16:58
If we invest in these most powerful
learners and their development,
learners and their development,
289
1006621
5047
가장 강력한 학습자들과
그들의 발달에 투자한다면
그들의 발달에 투자한다면
17:03
in babies and children
290
1011668
2917
아기와 아이들, 엄마와 아빠들에게,
17:06
and mothers and fathers
291
1014585
1826
17:08
and caregivers and teachers
292
1016411
2699
돌보미와 선생님들에게 말입니다.
17:11
the ways we invest in our other
most powerful and elegant forms
most powerful and elegant forms
293
1019110
4170
우리가 가장 강력하고 정밀한 형태의
기술과 공학과 디자인에 하듯이 한다면
기술과 공학과 디자인에 하듯이 한다면
17:15
of technology, engineering and design,
294
1023280
3218
단지 더 나은 미래를
꿈꾸기만 하는 게 아니라
꿈꾸기만 하는 게 아니라
17:18
we will not just be dreaming
of a better future,
of a better future,
295
1026498
2939
17:21
we will be planning for one.
296
1029437
2127
계획하게 될 것입니다.
17:23
Thank you very much.
297
1031564
2345
정말 감사합니다.
17:25
(Applause)
298
1033909
3421
(박수)
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
크리스: 로라, 감사합니다.
사실 질문이 하나 있습니다.
사실 질문이 하나 있습니다.
17:34
First of all, the research is insane.
300
1042236
2359
먼저, 미친 연구네요.
17:36
I mean, who would design
an experiment like that? (Laughter)
an experiment like that? (Laughter)
301
1044595
3725
누가 저런 연구를
설계하겠어요? (웃음)
설계하겠어요? (웃음)
17:41
I've seen that a couple of times,
302
1049150
1790
저런 걸 몇 번 본 적은 있지만
17:42
and I still don't honestly believe
that that can truly be happening,
that that can truly be happening,
303
1050940
3222
아직도 실제로 일어날 수 있다는 걸
솔직히 못 믿겠어요.
솔직히 못 믿겠어요.
17:46
but other people have done
similar experiments; it checks out.
similar experiments; it checks out.
304
1054162
3158
그렇지만 다른 사람들도
비슷한 실험을 했고
비슷한 실험을 했고
아기가 정말 천재라는 게 입증됐나요?
17:49
The babies really are that genius.
305
1057320
1633
17:50
LS: You know, they look really impressive
in our experiments,
in our experiments,
306
1058953
3007
로라: 아기들은 우리 실험 속에서
정말 인상적입니다.
정말 인상적입니다.
17:53
but think about what they
look like in real life, right?
look like in real life, right?
307
1061960
2652
하지만 현실에서는 어떤지
생각해 보세요.
생각해 보세요.
아기로 시작해서
17:56
It starts out as a baby.
308
1064612
1150
18개월 후에는 말을 하고 있죠.
17:57
Eighteen months later,
it's talking to you,
it's talking to you,
309
1065762
2007
17:59
and babies' first words aren't just
things like balls and ducks,
things like balls and ducks,
310
1067769
3041
아기들의 첫 단어는
공이나 오리같은 게 아니에요.
공이나 오리같은 게 아니에요.
18:02
they're things like "all gone,"
which refer to disappearance,
which refer to disappearance,
311
1070810
2881
소멸을 뜻하는 "다 없어졌어"
같은 것들이죠.
같은 것들이죠.
18:05
or "uh-oh," which refer
to unintentional actions.
to unintentional actions.
312
1073691
2283
아니면 의도치 않은 행동을 뜻하는
"어어"같은 것이나요.
"어어"같은 것이나요.
18:07
It has to be that powerful.
313
1075974
1562
그만큼 강력합니다.
18:09
It has to be much more powerful
than anything I showed you.
than anything I showed you.
314
1077536
2775
제가 보여준 것들 이상으로 강력해요.
세상의 모든 걸 이해하는 중이니까요.
18:12
They're figuring out the entire world.
315
1080311
1974
18:14
A four-year-old can talk to you
about almost anything.
about almost anything.
316
1082285
3144
4살짜리 아이는 여러분에게
거의 모든 것에 대해 얘기할 수 있죠.
거의 모든 것에 대해 얘기할 수 있죠.
18:17
(Applause)
317
1085429
1601
(박수)
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
크리스: 제가 제대로 이해했다면
당신이 말하는 또 다른 요점은
당신이 말하는 또 다른 요점은
18:22
we've been through these years
where there's all this talk
where there's all this talk
319
1090444
2754
여태까지 오랜 시간
우리의 정신이 변덕스럽고
우리의 정신이 변덕스럽고
18:25
of how quirky and buggy our minds are,
320
1093198
1932
결함이 많다는 논의가 많이 있어왔고,
18:27
that behavioral economics
and the whole theories behind that
and the whole theories behind that
321
1095130
2867
우리가 합리적인 인간이 아니라는 걸
18:29
that we're not rational agents.
322
1097997
1603
행동경제학과 다른 많은
이론들이 뒷받침하고 있죠.
이론들이 뒷받침하고 있죠.
18:31
You're really saying that the bigger
story is how extraordinary,
story is how extraordinary,
323
1099600
4216
당신이 말씀하시는 건,
더 큰 그림은 아기들이
더 큰 그림은 아기들이
18:35
and there really is genius there
that is underappreciated.
that is underappreciated.
324
1103816
4944
정말 비범하고 사실상
과소평가받는 천재들이라는거죠.
과소평가받는 천재들이라는거죠.
18:40
LS: One of my favorite
quotes in psychology
quotes in psychology
325
1108760
2070
로라: 제가 심리학에서
가장 좋아하는 인용구 중 하나가
가장 좋아하는 인용구 중 하나가
18:42
comes from the social
psychologist Solomon Asch,
psychologist Solomon Asch,
326
1110830
2290
사회심리학자 솔로몬 애쉬가
하신 말씀입니다.
하신 말씀입니다.
18:45
and he said the fundamental task
of psychology is to remove
of psychology is to remove
327
1113120
2807
심리학의 근본적 과제는
자명함의 베일을
자명함의 베일을
18:47
the veil of self-evidence from things.
328
1115927
2626
걷어내는 것이다.
18:50
There are orders of magnitude
more decisions you make every day
more decisions you make every day
329
1118553
4551
여러분은 매일, 세상을 옳게 이해하는
백만 자리수가 넘는 갯수의
백만 자리수가 넘는 갯수의
18:55
that get the world right.
330
1123104
1347
결정을 내립니다.
18:56
You know about objects
and their properties.
and their properties.
331
1124451
2132
여러분은 물체와 그 속성에
대해 알고 있습니다.
대해 알고 있습니다.
18:58
You know them when they're occluded.
You know them in the dark.
You know them in the dark.
332
1126583
3029
막혀있을 때나
어둠 속에 있을 때도 알고
어둠 속에 있을 때도 알고
19:01
You can walk through rooms.
333
1129612
1308
방을 걸어서 통과할 수 있습니다.
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
다른 사람들이 무슨 생각을 하는지
알아내고 그들과 얘기할 수 있고
알아내고 그들과 얘기할 수 있고
우주를 탐사하고 숫자에 대해 알고
19:06
You can navigate space.
You know about numbers.
You know about numbers.
335
1134452
2230
인과관계와 도덕적 추론에 대해 압니다.
19:08
You know causal relationships.
You know about moral reasoning.
You know about moral reasoning.
336
1136682
3022
노력 없이 하기 때문에
우리는 보지 못하지만
우리는 보지 못하지만
19:11
You do this effortlessly,
so we don't see it,
so we don't see it,
337
1139704
2356
이게 우리가 세상을 옳게 이해하는
방법이고 놀랍습니다.
방법이고 놀랍습니다.
19:14
but that is how we get the world right,
and it's a remarkable
and it's a remarkable
338
1142060
2912
그리고 이해하기 힘든 업적이죠.
19:16
and very difficult-to-understand
accomplishment.
accomplishment.
339
1144972
2318
크리스: 제 생각에는 청중들 중에
기술력을 발전시키는 관점을 가지고
기술력을 발전시키는 관점을 가지고
19:19
CA: I suspect there are people
in the audience who have
in the audience who have
340
1147290
2628
19:21
this view of accelerating
technological power
technological power
341
1149918
2238
당신이 우리 세대에 절대로 컴퓨터가
19:24
who might dispute your statement
that never in our lifetimes
that never in our lifetimes
342
1152156
2958
세 살의 아이가 할 수 있는 일을
하지 못할 것이라는 주장에
하지 못할 것이라는 주장에
19:27
will a computer do what
a three-year-old child can do,
a three-year-old child can do,
343
1155114
2618
이의를 제기할 분이
있을 것 같진 않지만
있을 것 같진 않지만
분명한 것은 어떤 시나리오 안에서건
19:29
but what's clear is that in any scenario,
344
1157732
3248
19:32
our machines have so much to learn
from our toddlers.
from our toddlers.
345
1160980
3770
기계가 아기들에게서 배울 게
정말 많다는 거죠.
정말 많다는 거죠.
19:38
LS: I think so. You'll have some
machine learning folks up here.
machine learning folks up here.
346
1166230
3216
로라: 그렇게 생각해요. 여기
기계를 공부하는 분도 있을 거예요.
기계를 공부하는 분도 있을 거예요.
19:41
I mean, you should never bet
against babies or chimpanzees
against babies or chimpanzees
347
1169446
4203
현실 속 내기에서는 절대로
아기나 침팬지나 기술 반대편에
아기나 침팬지나 기술 반대편에
19:45
or technology as a matter of practice,
348
1173649
3645
돈을 걸면 안됩니다.
19:49
but it's not just
a difference in quantity,
a difference in quantity,
349
1177294
4528
하지만 이건 단순히
양적 차이의 문제가 아니라
양적 차이의 문제가 아니라
19:53
it's a difference in kind.
350
1181822
1764
유형적 차이의 문제입니다.
19:55
We have incredibly powerful computers,
351
1183586
2160
우리는 가끔은 방대한 양의 자료로
19:57
and they do do amazingly
sophisticated things,
sophisticated things,
352
1185746
2391
매우 정교한 작업도 수행하는
20:00
often with very big amounts of data.
353
1188137
3204
놀라울 정도의 고성능
컴퓨터가 있습니다.
컴퓨터가 있습니다.
20:03
Human minds do, I think,
something quite different,
something quite different,
354
1191341
2607
저는 사람의 사고는 상당히 다른
무언가를 한다고 생각합니다.
무언가를 한다고 생각합니다.
20:05
and I think it's the structured,
hierarchical nature of human knowledge
hierarchical nature of human knowledge
355
1193948
3895
그리고 구조화된,
계급적 본성을 가진 인간의 지식이
계급적 본성을 가진 인간의 지식이
20:09
that remains a real challenge.
356
1197843
2032
남아있는 어려운 과제라고 생각합니다.
20:11
CA: Laura Schulz, wonderful
food for thought. Thank you so much.
food for thought. Thank you so much.
357
1199875
3061
크리스: 정말 좋은 생각해 볼
거리를 주셨네요. 감사합니다.
거리를 주셨네요. 감사합니다.
20:14
LS: Thank you.
(Applause)
(Applause)
358
1202936
2922
로라: 감사합니다. (박수)
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