TEDGlobal 2011
Alison Gopnik: What do babies think?
Alison Gopnik:Co myślą dzieci?
Filmed:
Readability: 3.4
4,341,974 views
"Niemowlęta i małe dzieci są jak dział badań i rozwoju gatunku ludzkiego" mówi psycholog Alison Gopnik. Jej badania dotyczą wyrafinowanego procesu zbierania inteligencji i podejmowania decyzji, które podejmują dzieci podczas zabawy.
Alison Gopnik - Child development psychologist
Alison Gopnik takes us into the fascinating minds of babies and children, and shows us how much we understand before we even realize we do. Full bio
Alison Gopnik takes us into the fascinating minds of babies and children, and shows us how much we understand before we even realize we do. Full bio
Double-click the English transcript below to play the video.
00:15
What is going on
0
0
2000
Co się dzieje
00:17
in this baby's mind?
1
2000
2000
w umyśle tego dziecka?
00:19
If you'd asked people this 30 years ago,
2
4000
2000
Gdybyście zapytali o to ludzi 30 lat temu,
00:21
most people, including psychologists,
3
6000
2000
większość z nich, łącznie z psychologami,
00:23
would have said that this baby was irrational,
4
8000
3000
powiedziałoby, że to dziecko jest irracjonalne,
00:26
illogical, egocentric --
5
11000
2000
nielogiczne, egocentryczne -
00:28
that he couldn't take the perspective of another person
6
13000
2000
że nie może ono przyjąć perspektywy innej osoby
00:30
or understand cause and effect.
7
15000
2000
czy zrozumieć przyczynę i skutek.
00:32
In the last 20 years,
8
17000
2000
W ostatnich 20 latach,
00:34
developmental science has completely overturned that picture.
9
19000
3000
nauki o rozwoju całkowicie odwróciły ten obraz.
00:37
So in some ways,
10
22000
2000
Więc w pewien sposób,
00:39
we think that this baby's thinking
11
24000
2000
uważamy, że myślenie tego dziecka
00:41
is like the thinking of the most brilliant scientists.
12
26000
4000
jest jak rozumowanie najbardziej błyskotliwych naukowców.
00:45
Let me give you just one example of this.
13
30000
2000
Pozwólcie dać mi tylko jeden przykład na to.
00:47
One thing that this baby could be thinking about,
14
32000
3000
Taką rzeczą, o której może myśleć niemowlę,
00:50
that could be going on in his mind,
15
35000
2000
która może chodzić mu po głowie,
00:52
is trying to figure out
16
37000
2000
jest próba wywnioskowania
00:54
what's going on in the mind of that other baby.
17
39000
3000
co chodzi po głowie innemu niemowlęciu.
00:57
After all, one of the things that's hardest for all of us to do
18
42000
3000
W końcu jedną z najtrudniejszych dla nas wszystkich rzeczy
01:00
is to figure out what other people are thinking and feeling.
19
45000
3000
jest wywnioskowanie co inni ludzie myślą i czują.
01:03
And maybe the hardest thing of all
20
48000
2000
I może najtrudniejszą rzeczą z wszystkich
01:05
is to figure out that what other people think and feel
21
50000
3000
jest dojście do wniosku, że to co myślą i czują inni ludzie
01:08
isn't actually exactly like what we think and feel.
22
53000
2000
nie jest dokładnie takie jak my myślimy i czujemy.
01:10
Anyone who's followed politics can testify
23
55000
2000
Każdy kto zajmował się polityką może potwierdzić
01:12
to how hard that is for some people to get.
24
57000
3000
jak trudno jest to niektórym osiągnąć.
01:15
We wanted to know
25
60000
2000
Chcieliśmy wiedzieć,
01:17
if babies and young children
26
62000
2000
czy niemowlęta i małe dzieci
01:19
could understand this really profound thing about other people.
27
64000
3000
są w stanie zrozumieć tą naprawdę głęboką prawdę o innych ludziach.
01:22
Now the question is: How could we ask them?
28
67000
2000
Teraz pytanie brzmi: Jak możemy je o to zapytać?
01:24
Babies, after all, can't talk,
29
69000
2000
Niemowlęta nie potrafią przecież mówić,
01:26
and if you ask a three year-old
30
71000
2000
a jeśli poprosicie trzylatka
01:28
to tell you what he thinks,
31
73000
2000
by powiedział co myśli,
01:30
what you'll get is a beautiful stream of consciousness monologue
32
75000
3000
otrzymacie piękny monolog będący strumieniem świadomości
01:33
about ponies and birthdays and things like that.
33
78000
3000
o kucykach i urodzinach i takich tam rzeczach.
01:36
So how do we actually ask them the question?
34
81000
3000
Więc jak dokładnie zadajemy im to pytanie?
01:39
Well it turns out that the secret was broccoli.
35
84000
3000
Okazuje się, że sekretem były brokuły.
01:42
What we did -- Betty Rapacholi, who was one of my students, and I --
36
87000
4000
To, co zrobiłyśmy - Betty Rapacholi, która była moją studentką i ja-
01:46
was actually to give the babies two bowls of food:
37
91000
3000
to podanie dzieciom dwóch miseczek z jedzeniem:
01:49
one bowl of raw broccoli
38
94000
2000
jednej miseczki z surowymi brokułami
01:51
and one bowl of delicious goldfish crackers.
39
96000
3000
i jednej z pysznymi krakersami w kształcie złotych rybek.
01:54
Now all of the babies, even in Berkley,
40
99000
3000
Wszystkie dzieci, nawet w Berkley,
01:57
like the crackers and don't like the raw broccoli.
41
102000
3000
lubią krakersy, a nie lubię surowych brokułów.
02:00
(Laughter)
42
105000
2000
(Śmiech)
02:02
But then what Betty did
43
107000
2000
Ale Betty
02:04
was to take a little taste of food from each bowl.
44
109000
3000
próbowała po trochu jedzenia z każdej miseczki.
02:07
And she would act as if she liked it or she didn't.
45
112000
2000
I zachowywała się jakby jej to smakowało lub nie.
02:09
So half the time, she acted
46
114000
2000
Więc w połowie przypadków zachowywała się
02:11
as if she liked the crackers and didn't like the broccoli --
47
116000
2000
jakby lubiła krakersy, a nie lubiła brokułów -
02:13
just like a baby and any other sane person.
48
118000
3000
zupełnie jak dziecko czy każda inna rozsądna osoba.
02:16
But half the time,
49
121000
2000
Ale w połowie przypadków
02:18
what she would do is take a little bit of the broccoli
50
123000
2000
jadła trochę brokułów
02:20
and go, "Mmmmm, broccoli.
51
125000
3000
i mówiła: "Mmmmm, brokuły.
02:23
I tasted the broccoli. Mmmmm."
52
128000
3000
Spróbowałam brokułów. Mmmmm."
02:26
And then she would take a little bit of the crackers,
53
131000
2000
A potem brała trochę krakersów
02:28
and she'd go, "Eww, yuck, crackers.
54
133000
4000
i mówiła: "Ble! Krakersy.
02:32
I tasted the crackers. Eww, yuck."
55
137000
3000
Spróbowałam krakersów. Ble!"
02:35
So she'd act as if what she wanted
56
140000
2000
Więc zachowywała się jak gdyby to, czego chce
02:37
was just the opposite of what the babies wanted.
57
142000
3000
było dokładnie przeciwne do tego, czego chciały dzieci.
02:40
We did this with 15 and 18 month-old babies.
58
145000
2000
Zrobiliśmy to z 15 i 18-miesięcznymi niemowlętami.
02:42
And then she would simply put her hand out and say,
59
147000
3000
A potem wyciągała po prostu rękę i mówiła:
02:45
"Can you give me some?"
60
150000
2000
"Możesz mi trochę dać?"
02:47
So the question is: What would the baby give her,
61
152000
2000
Pytanie więc brzmi: Co da jej dziecko,
02:49
what they liked or what she liked?
62
154000
2000
to co samo lubi, czy to co ona lubi?
02:51
And the remarkable thing was that 18 month-old babies,
63
156000
3000
I niezwykłe było to, że 18-miesięczne dzieci,
02:54
just barely walking and talking,
64
159000
2000
ledwo chodzące i mówiące,
02:56
would give her the crackers if she liked the crackers,
65
161000
3000
dawały jej krakersy jeśli lubiła krakersy,
02:59
but they would give her the broccoli if she liked the broccoli.
66
164000
3000
ale dawały jej brokuły jeśli lubiła brokuły.
03:02
On the other hand,
67
167000
2000
Z drugiej strony,
03:04
15 month-olds would stare at her for a long time
68
169000
2000
15-miesięczne dzieci patrzyły się na nią długo,
03:06
if she acted as if she liked the broccoli,
69
171000
2000
kiedy zachowywała się jakby lubiła brokuły,
03:08
like they couldn't figure this out.
70
173000
3000
jakby nie mogły tego pojąć.
03:11
But then after they stared for a long time,
71
176000
2000
Ale potem po patrzeniu przez długi czas,
03:13
they would just give her the crackers,
72
178000
2000
po prostu dawały jej krakersy,
03:15
what they thought everybody must like.
73
180000
2000
czyli to, co uważały, że każdy musi lubić.
03:17
So there are two really remarkable things about this.
74
182000
3000
Są więc dwie naprawdę niesamowite rzeczy jeśli o to chodzi.
03:20
The first one is that these little 18 month-old babies
75
185000
3000
Pierwszą jest to, że te 18-miesięczne dzieci
03:23
have already discovered
76
188000
2000
już odkryły
03:25
this really profound fact about human nature,
77
190000
2000
tą naprawdę głęboką prawdę o naturze ludzkiej,
03:27
that we don't always want the same thing.
78
192000
2000
że nie zawsze chcemy tej samej rzeczy.
03:29
And what's more, they felt that they should actually do things
79
194000
2000
A co więcej, te dzieci czuły, że powinny robić coś,
03:31
to help other people get what they wanted.
80
196000
3000
by pomóc innym ludziom w osiągnięciu tego, czego oni chcą.
03:34
Even more remarkably though,
81
199000
2000
Co nawet bardziej niesamowite,
03:36
the fact that 15 month-olds didn't do this
82
201000
3000
fakt, że 15-miesięczne dzieci nie zrobiły tego
03:39
suggests that these 18 month-olds had learned
83
204000
3000
sugeruje, że te 18-miesięczne nauczyły się
03:42
this deep, profound fact about human nature
84
207000
3000
tego głębokiego faktu o ludzkiej naturze
03:45
in the three months from when they were 15 months old.
85
210000
3000
przez trzy miesiące czasu od kiedy miały 15 miesięcy.
03:48
So children both know more and learn more
86
213000
2000
Więc dzieci zarówno wiedzą jak i uczą się więcej
03:50
than we ever would have thought.
87
215000
2000
niż kiedykolwiek byśmy pomyśleli.
03:52
And this is just one of hundreds and hundreds of studies over the last 20 years
88
217000
4000
A to tylko jedno z setek i setek badań z ostatnich 20 lat,
03:56
that's actually demonstrated it.
89
221000
2000
które to rzeczywiście wykazało.
03:58
The question you might ask though is:
90
223000
2000
Pytanie, które moglibyście jednak zadać brzmi:
04:00
Why do children learn so much?
91
225000
3000
Dlaczego dzieci tak wiele się uczą?
04:03
And how is it possible for them to learn so much
92
228000
2000
I jak to możliwe, że uczą się tak wiele
04:05
in such a short time?
93
230000
2000
w tak krótkim czasie?
04:07
I mean, after all, if you look at babies superficially,
94
232000
2000
To znaczy, jeśli powierzchownie patrzy się na dzieci,
04:09
they seem pretty useless.
95
234000
2000
wydają się całkiem bezużyteczne.
04:11
And actually in many ways, they're worse than useless,
96
236000
3000
I w rzeczywistości, na wiele sposobów są bardziej niż bezużyteczne,
04:14
because we have to put so much time and energy
97
239000
2000
ponieważ musimy inwestować tak wiele czasu i energii
04:16
into just keeping them alive.
98
241000
2000
w utrzymanie ich po prostu przy życiu.
04:18
But if we turn to evolution
99
243000
2000
Ale jeśli zwrócimy się do ewolucji
04:20
for an answer to this puzzle
100
245000
2000
po odpowiedź na tą zagadkę
04:22
of why we spend so much time
101
247000
2000
dlaczego spędzamy tak wiele czasu
04:24
taking care of useless babies,
102
249000
3000
opiekując się bezużytecznymi niemowlętami,
04:27
it turns out that there's actually an answer.
103
252000
3000
okazuje się, że jest jednak odpowiedź.
04:30
If we look across many, many different species of animals,
104
255000
3000
Jeśli przejrzymy wiele, wiele różnych gatunków zwierząt,
04:33
not just us primates,
105
258000
2000
nie tylko nas naczelnych,
04:35
but also including other mammals, birds,
106
260000
2000
ale także inne ssaki, ptaki,
04:37
even marsupials
107
262000
2000
nawet torbacze
04:39
like kangaroos and wombats,
108
264000
2000
jak kangury i wombaty,
04:41
it turns out that there's a relationship
109
266000
2000
okazuje się, że jest związek
04:43
between how long a childhood a species has
110
268000
4000
między tym, jak długo trwa dzieciństwo w danym gatunku,
04:47
and how big their brains are compared to their bodies
111
272000
4000
a wielkością ich mózgu w porównaniu do reszty ciała,
04:51
and how smart and flexible they are.
112
276000
2000
i jak mądre i elastyczne są.
04:53
And sort of the posterbirds for this idea are the birds up there.
113
278000
3000
I rodzajem przykładu na to są ptaki u góry.
04:56
On one side
114
281000
2000
Po jednej stronie
04:58
is a New Caledonian crow.
115
283000
2000
jest wrona brodata.
05:00
And crows and other corvidae, ravens, rooks and so forth,
116
285000
3000
I wrony oraz inne krukowate, kruki, gawrony i tak dalej
05:03
are incredibly smart birds.
117
288000
2000
są niesamowicie mądrymi ptakami.
05:05
They're as smart as chimpanzees in some respects.
118
290000
3000
W pewnych aspektach są tak mądre jak szympansy.
05:08
And this is a bird on the cover of science
119
293000
2000
A to ptak na okładce "Science",
05:10
who's learned how to use a tool to get food.
120
295000
3000
który nauczył się jak używać narzędzia by zdobyć jedzenie.
05:13
On the other hand,
121
298000
2000
Z drugiej strony,
05:15
we have our friend the domestic chicken.
122
300000
2000
mamy naszego przyjaciela kurę domową.
05:17
And chickens and ducks and geese and turkeys
123
302000
3000
I kurczaki oraz kaczki i gęsi i indyki
05:20
are basically as dumb as dumps.
124
305000
2000
są głupie jak but.
05:22
So they're very, very good at pecking for grain,
125
307000
3000
Są więc bardzo, bardzo dobre w dziobaniu ziarna
05:25
and they're not much good at doing anything else.
126
310000
3000
i niezbyt dobre w robieniu czegokolwiek innego.
05:28
Well it turns out that the babies,
127
313000
2000
Okazuje się, że dzieci,
05:30
the New Caledonian crow babies, are fledglings.
128
315000
2000
dzieci wron brodatych to pisklęta.
05:32
They depend on their moms
129
317000
2000
Są zależne od matek,
05:34
to drop worms in their little open mouths
130
319000
3000
które wrzucają robaki do ich otwartych dziobów
05:37
for as long as two years,
131
322000
2000
aż przez dwa lata,
05:39
which is a really long time in the life of a bird.
132
324000
2000
co jest naprawdę długim czasem w życiu ptaka.
05:41
Whereas the chickens are actually mature
133
326000
2000
Podczas gdy kurczaki są w zasadzie dojrzałe
05:43
within a couple of months.
134
328000
2000
w ciągu kilku miesięcy.
05:45
So childhood is the reason
135
330000
3000
Więc dzieciństwo jest powodem,
05:48
why the crows end up on the cover of Science
136
333000
2000
dla którego wrony kończą na okładce "Science",
05:50
and the chickens end up in the soup pot.
137
335000
2000
a kurczaki w rosole.
05:52
There's something about that long childhood
138
337000
3000
Jest coś w tym długim dzieciństwie,
05:55
that seems to be connected
139
340000
2000
co wydaje się być powiązane
05:57
to knowledge and learning.
140
342000
2000
z wiedzą i uczeniem.
05:59
Well what kind of explanation could we have for this?
141
344000
3000
Jakie wytłumaczenie możemy na to mieć?
06:02
Well some animals, like the chicken,
142
347000
3000
Cóż, niektóre zwierzęta, jak kurczaki,
06:05
seem to be beautifully suited
143
350000
2000
wydają się pięknie predestynowane
06:07
to doing just one thing very well.
144
352000
2000
do robienia bardzo dobrze tylko jednej rzeczy.
06:09
So they seem to be beautifully suited
145
354000
3000
Więc wydają się pięknie wyposażone
06:12
to pecking grain in one environment.
146
357000
2000
do dziobania ziarna w jednym środowisku.
06:14
Other creatures, like the crows,
147
359000
2000
Inne zwierzęta, jak wrony,
06:16
aren't very good at doing anything in particular,
148
361000
2000
nie są bardzo dobre w robieniu szczególnie jednej rzeczy,
06:18
but they're extremely good
149
363000
2000
ale są bardzo dobre
06:20
at learning about laws of different environments.
150
365000
2000
w uczeniu się praw różnych środowisk.
06:22
And of course, we human beings
151
367000
2000
I oczywiście, my ludzie
06:24
are way out on the end of the distribution like the crows.
152
369000
3000
jesteśmy na końcu tej samej strony rozkładu co wrony.
06:27
We have bigger brains relative to our bodies
153
372000
2000
Mamy większe mózgi w stosunku do wielkości ciała
06:29
by far than any other animal.
154
374000
2000
znacznie bardziej niż jakiekolwiek inne zwierzę.
06:31
We're smarter, we're more flexible,
155
376000
2000
Jesteśmy sprytniejsi, bardziej elastyczni,
06:33
we can learn more,
156
378000
2000
możemy się więcej nauczyć,
06:35
we survive in more different environments,
157
380000
2000
jesteśmy w stanie przetrwać w bardziej różnorodnych środowiskach,
06:37
we migrated to cover the world and even go to outer space.
158
382000
3000
migrowaliśmy żeby zdobywać świat, a nawet kosmos.
06:40
And our babies and children are dependent on us
159
385000
3000
A nasze niemowlęta i dzieci są od nas zależne
06:43
for much longer than the babies of any other species.
160
388000
3000
przez znacznie dłuższy czas niż dzieci jakiegokolwiek gatunku.
06:46
My son is 23.
161
391000
2000
Mój syn ma 23 lata.
06:48
(Laughter)
162
393000
2000
(Śmiech)
06:50
And at least until they're 23,
163
395000
2000
I przynajmniej do kiedy mają 23 lata,
06:52
we're still popping those worms
164
397000
2000
wciąż wpychamy te robaczki
06:54
into those little open mouths.
165
399000
3000
w te małe, otwarte usta.
06:57
All right, why would we see this correlation?
166
402000
3000
Dlaczego dostrzegamy taką korelację?
07:00
Well an idea is that that strategy, that learning strategy,
167
405000
4000
Cóż, ta strategia, strategia uczenia,
07:04
is an extremely powerful, great strategy for getting on in the world,
168
409000
3000
jest naprawdę silną, wielką strategią dawania sobie rady na świecie,
07:07
but it has one big disadvantage.
169
412000
2000
ale ma jedną wielką wadę.
07:09
And that one big disadvantage
170
414000
2000
I tą wielką wadą jest to,
07:11
is that, until you actually do all that learning,
171
416000
3000
że dopóki to całe uczenie naprawdę nie zajdzie,
07:14
you're going to be helpless.
172
419000
2000
będziesz bezradny.
07:16
So you don't want to have the mastodon charging at you
173
421000
3000
Więc nie chcecie podczas szarży mastodonta
07:19
and be saying to yourself,
174
424000
2000
mówić do siebie:
07:21
"A slingshot or maybe a spear might work. Which would actually be better?"
175
426000
4000
"Proca lub może dzida zadziała. Która właściwie byłaby lepsza?"
07:25
You want to know all that
176
430000
2000
Chcecie to wszystko wiedzieć
07:27
before the mastodons actually show up.
177
432000
2000
zanim mastodonty rzeczywiście się pojawią.
07:29
And the way the evolutions seems to have solved that problem
178
434000
3000
I sposób w jaki ewolucja rozwiązała ten problem
07:32
is with a kind of division of labor.
179
437000
2000
to rodzaj podziału pracy.
07:34
So the idea is that we have this early period when we're completely protected.
180
439000
3000
Mamy ten wczesny okres, kiedy jesteśmy całkowicie chronieni.
07:37
We don't have to do anything. All we have to do is learn.
181
442000
3000
Nie musimy nic robić. Wszystko co musimy to się uczyć.
07:40
And then as adults,
182
445000
2000
A potem jako dorośli,
07:42
we can take all those things that we learned when we were babies and children
183
447000
3000
możemy wziąć te wszystkie rzeczy, których się nauczyliśmy jako dzieci
07:45
and actually put them to work to do things out there in the world.
184
450000
3000
i autentycznie je zastosować do robienia rzeczy na świecie.
07:48
So one way of thinking about it
185
453000
2000
Więc jednym ze sposobów myślenia o tym
07:50
is that babies and young children
186
455000
2000
jest to, że niemowlęta i małe dzieci
07:52
are like the research and development division of the human species.
187
457000
3000
są jak dział badań i rozwoju gatunku ludzkiego.
07:55
So they're the protected blue sky guys
188
460000
3000
Więc są one chronionymi niebieskimi ptakami,
07:58
who just have to go out and learn and have good ideas,
189
463000
2000
które po prostu muszą wyjść, uczyć się i mieć dobre pomysły,
08:00
and we're production and marketing.
190
465000
2000
a my jesteśmy działem produkcji i marketingu.
08:02
We have to take all those ideas
191
467000
2000
Musimy wziąć te wszystkie pomysły,
08:04
that we learned when we were children
192
469000
2000
których nauczyliśmy się jako dzieci
08:06
and actually put them to use.
193
471000
2000
i użyć ich.
08:08
Another way of thinking about it
194
473000
2000
Innym sposobem myślenia o tym,
08:10
is instead of thinking of babies and children
195
475000
2000
jest zamiana myślenia o niemowlętach i dzieciach
08:12
as being like defective grownups,
196
477000
2000
jako nieudanych dorosłych,
08:14
we should think about them
197
479000
2000
na myślenie o nich
08:16
as being a different developmental stage of the same species --
198
481000
2000
jako odmiennym stadium rozwoju tego samego gatunku -
08:18
kind of like caterpillars and butterflies --
199
483000
3000
jak gąsienice i motyle -
08:21
except that they're actually the brilliant butterflies
200
486000
2000
z wyjątkiem tego, że to tak naprawdę błyskotliwe motyle,
08:23
who are flitting around the garden and exploring,
201
488000
3000
które trzepoczą po ogrodzie i eksplorują,
08:26
and we're the caterpillars
202
491000
2000
a my jesteśmy gąsienicami,
08:28
who are inching along our narrow, grownup, adult path.
203
493000
3000
które pełzają wąskimi, dorosłymi ścieżkami.
08:31
If this is true, if these babies are designed to learn --
204
496000
3000
Jeśli to prawda, jeśli te dzieci są stworzone do nauki -
08:34
and this evolutionary story would say children are for learning,
205
499000
3000
a ta historia ewolucyjna głosi, że dzieci są by się uczuć,
08:37
that's what they're for --
206
502000
2000
oto po co są -
08:39
we might expect
207
504000
2000
możemy oczekiwać,
08:41
that they would have really powerful learning mechanisms.
208
506000
2000
że będą miały naprawdę silne mechanizmy uczenia się.
08:43
And in fact, the baby's brain
209
508000
3000
I rzeczywiście mózg dziecka
08:46
seems to be the most powerful learning computer
210
511000
2000
wydaje się największym uczącym się komputerem
08:48
on the planet.
211
513000
2000
na całym świecie.
08:50
But real computers are actually getting to be a lot better.
212
515000
3000
Ale prawdziwe komputery stają się dużo lepsze.
08:53
And there's been a revolution
213
518000
2000
I zaszła niedawno rewolucja
08:55
in our understanding of machine learning recently.
214
520000
2000
w naszym rozumieniu uczenia się maszyn.
08:57
And it all depends on the ideas of this guy,
215
522000
3000
A to wszystko zależy od pomysłów tego gościa,
09:00
the Reverend Thomas Bayes,
216
525000
2000
wielebnego Thomasa Bayesa,
09:02
who was a statistician and mathematician in the 18th century.
217
527000
3000
który był statystykiem i matematykiem w XVIII wieku.
09:05
And essentially what Bayes did
218
530000
3000
I to, co zasadniczo zrobił Bayes
09:08
was to provide a mathematical way
219
533000
2000
było dostarczenie matematycznego sposobu,
09:10
using probability theory
220
535000
2000
przy użyciu teorii prawdopodobieństwa,
09:12
to characterize, describe,
221
537000
2000
by scharakteryzować, opisać,
09:14
the way that scientists find out about the world.
222
539000
2000
sposób w jaki naukowcy dowiadują się o świecie.
09:16
So what scientists do
223
541000
2000
Więc naukowcy
09:18
is they have a hypothesis that they think might be likely to start with.
224
543000
3000
mają hipotezę, o której myślą, że od niej warto zacząć.
09:21
They go out and test it against the evidence.
225
546000
2000
Idą i testują ją.
09:23
The evidence makes them change that hypothesis.
226
548000
2000
Dowody zmuszają ich do zmiany tej hipotezy.
09:25
Then they test that new hypothesis
227
550000
2000
Potem sprawdzają tą nową hipotezę
09:27
and so on and so forth.
228
552000
2000
i tak dalej.
09:29
And what Bayes showed was a mathematical way that you could do that.
229
554000
3000
I Bayes pokazał matematyczny sposób na zrobienie tego.
09:32
And that mathematics is at the core
230
557000
2000
I ta matematyka jest kluczowa
09:34
of the best machine learning programs that we have now.
231
559000
2000
dla najlepszych programów uczenia maszyn, które teraz mamy.
09:36
And some 10 years ago,
232
561000
2000
I jakieś 10 lat temu,
09:38
I suggested that babies might be doing the same thing.
233
563000
4000
sugerowałam, że niemowlęta mogą robić to samo.
09:42
So if you want to know what's going on
234
567000
2000
Więc jeśli chcecie wiedzieć co zachodzi
09:44
underneath those beautiful brown eyes,
235
569000
2000
za tymi pięknymi brązowymi oczami,
09:46
I think it actually looks something like this.
236
571000
2000
myślę, że w rzeczywistości wygląda to jak to.
09:48
This is Reverend Bayes's notebook.
237
573000
2000
To notes wielebnego Bayesa.
09:50
So I think those babies are actually making complicated calculations
238
575000
3000
Myślę, ze te niemowlęta w rzeczywistości robią skomplikowane obliczenia
09:53
with conditional probabilities that they're revising
239
578000
3000
z warunkowymi prawdopodobieństwami, które
09:56
to figure out how the world works.
240
581000
2000
badają jak działa świat.
09:58
All right, now that might seem like an even taller order to actually demonstrate.
241
583000
4000
W porządku, to może się wydawać jeszcze trudniejszym zadaniem do wykazania.
10:02
Because after all, if you ask even grownups about statistics,
242
587000
2000
Ponieważ ostatecznie, jeśli zapytacie nawet dorosłych o statystykę,
10:04
they look extremely stupid.
243
589000
2000
wyglądają bardzo głupio.
10:06
How could it be that children are doing statistics?
244
591000
3000
Jak to możliwe, że dzieci używają statystyki?
10:09
So to test this we used a machine that we have
245
594000
2000
Więc by to sprawdzić użyliśmy maszyny, którą posiadamy
10:11
called the Blicket Detector.
246
596000
2000
nazywają Blicket Detector.
10:13
This is a box that lights up and plays music
247
598000
2000
To pudełko, które świeci i gra muzykę,
10:15
when you put some things on it and not others.
248
600000
3000
kiedy umieści się na nim pewne rzeczy, ale nie inne.
10:18
And using this very simple machine,
249
603000
2000
I przy użyciu tego bardzo prostego urządzenia,
10:20
my lab and others have done dozens of studies
250
605000
2000
moje laboratorium i inne przeprowadzili dziesiątki badań
10:22
showing just how good babies are
251
607000
2000
wykazując jak dobre są dzieci
10:24
at learning about the world.
252
609000
2000
w uczeniu się o świecie.
10:26
Let me mention just one
253
611000
2000
Pozwólcie mi wspomnieć jeszcze jedno,
10:28
that we did with Tumar Kushner, my student.
254
613000
2000
które zrobiliśmy z Tumarem Kushnerem, moim studentem.
10:30
If I showed you this detector,
255
615000
2000
Gdybym pokazała wam ten detektor
10:32
you would be likely to think to begin with
256
617000
2000
prawdopodobnie zaczęlibyście myśleć,
10:34
that the way to make the detector go
257
619000
2000
że by go uruchomić
10:36
would be to put a block on top of the detector.
258
621000
3000
trzeba umieścić klocek na jego szczycie.
10:39
But actually, this detector
259
624000
2000
Ale w rzeczywistości ten detektor
10:41
works in a bit of a strange way.
260
626000
2000
pracuje trochę dziwnie.
10:43
Because if you wave a block over the top of the detector,
261
628000
3000
Ponieważ jeśli pomachacie klockiem nad detektorem,
10:46
something you wouldn't ever think of to begin with,
262
631000
3000
coś od czego w życiu byście nie zaczęli,
10:49
the detector will actually activate two out of three times.
263
634000
3000
detektor uruchomi się dwa na trzy razy.
10:52
Whereas, if you do the likely thing, put the block on the detector,
264
637000
3000
Podczas gdy robiąc coś prawdopodobnego, umieszczając klocek na detektorze,
10:55
it will only activate two out of six times.
265
640000
4000
uruchomi się on tylko dwa na sześć razy.
10:59
So the unlikely hypothesis
266
644000
2000
Więc mało prawdopodobną hipotezę
11:01
actually has stronger evidence.
267
646000
2000
popierają silniejsze dowody.
11:03
It looks as if the waving
268
648000
2000
Wygląda jakby machanie
11:05
is a more effective strategy than the other strategy.
269
650000
2000
było bardziej efektywną strategią niż ta druga.
11:07
So we did just this; we gave four year-olds this pattern of evidence,
270
652000
3000
Więc to właśnie zrobiliśmy, daliśmy 4-latkom takie dowody
11:10
and we just asked them to make it go.
271
655000
2000
i po prostu ich poprosiliśmy by go uruchomili.
11:12
And sure enough, the four year-olds used the evidence
272
657000
3000
I zgodnie z przypuszczeniem, 4-latki wykorzystały dowody,
11:15
to wave the object on top of the detector.
273
660000
3000
by pomachać nad detektorem.
11:18
Now there are two things that are really interesting about this.
274
663000
3000
Są dwie naprawdę interesujące rzeczy z tym związane.
11:21
The first one is, again, remember, these are four year-olds.
275
666000
3000
Pierwszą z nich jest, pamiętajcie, że to 4-latki.
11:24
They're just learning how to count.
276
669000
2000
Dopiero się uczą jak liczyć.
11:26
But unconsciously,
277
671000
2000
Ale nieświadomie,
11:28
they're doing these quite complicated calculations
278
673000
2000
dokonują tych całkiem skomplikowanych obliczeń,
11:30
that will give them a conditional probability measure.
279
675000
3000
które dadzą ich miarę warunkowego prawdopodobieństwa.
11:33
And the other interesting thing
280
678000
2000
Drugą interesującą rzeczą,
11:35
is that they're using that evidence
281
680000
2000
jest to, że wykorzystują te dowody
11:37
to get to an idea, get to a hypothesis about the world,
282
682000
3000
by dotrzeć do pomysłu, by otrzymać hipotezę o świecie,
11:40
that seems very unlikely to begin with.
283
685000
3000
która wydaje się początkowo bardzo mało prawdopodobna.
11:43
And in studies we've just been doing in my lab, similar studies,
284
688000
3000
I w badaniach, które właśnie przeprowadziliśmy w moim laboratorium, podobnych badaniach,
11:46
we've show that four year-olds are actually better
285
691000
2000
wykazaliśmy, że 4-latki są w rzeczywistości lepsze
11:48
at finding out an unlikely hypothesis
286
693000
3000
w wynajdowaniu nieprawdopodobnych hipotez
11:51
than adults are when we give them exactly the same task.
287
696000
3000
niż dorośli, kiedy daje się im dokładnie to samo zadanie.
11:54
So in these circumstances,
288
699000
2000
Więc w tych okolicznościach,
11:56
the children are using statistics to find out about the world,
289
701000
3000
dzieci wykorzystują statystykę by dowiedzieć się o świecie,
11:59
but after all, scientists also do experiments,
290
704000
3000
ale ostatecznie, naukowcy też prowadzą eksperymenty,
12:02
and we wanted to see if children are doing experiments.
291
707000
3000
i chcieliśmy zobaczyć, czy dzieci prowadzą eksperymenty.
12:05
When children do experiments we call it "getting into everything"
292
710000
3000
Kiedy dzieci przeprowadzają eksperymenty nazywamy to "dochodzeniem do wszystkiego"
12:08
or else "playing."
293
713000
2000
lub "zabawą".
12:10
And there's been a bunch of interesting studies recently
294
715000
3000
I było ostatnio trochę interesujących badań,
12:13
that have shown this playing around
295
718000
3000
które wykazały, że te zabawy
12:16
is really a kind of experimental research program.
296
721000
2000
to w rzeczywistości rodzaj badawczego programu eksperymentalnego.
12:18
Here's one from Cristine Legare's lab.
297
723000
3000
Oto jedno z laboratorium Cristine Legare.
12:21
What Cristine did was use our Blicket Detectors.
298
726000
3000
Cristine użyła naszych Blicket Detectors.
12:24
And what she did was show children
299
729000
2000
I pokazała dzieciom,
12:26
that yellow ones made it go and red ones didn't,
300
731000
2000
że żółte klocki je uruchamiają, a czerwone nie,
12:28
and then she showed them an anomaly.
301
733000
3000
a potem pokazała im anomalię.
12:31
And what you'll see
302
736000
2000
I to co widzicie,
12:33
is that this little boy will go through five hypotheses
303
738000
3000
to że ten mały chłopiec przejdzie przez pięć hipotez
12:36
in the space of two minutes.
304
741000
3000
w ciągu dwóch minut.
12:39
(Video) Boy: How about this?
305
744000
3000
(Film) Chłopiec: A co gdy zrobię tak?
12:43
Same as the other side.
306
748000
3000
To samo co po drugiej stronie.
12:46
Alison Gopnik: Okay, so his first hypothesis has just been falsified.
307
751000
4000
Alison Gopnik: OK, więc jego pierwsza hipoteza właśnie została sfalsyfikowana.
12:55
(Laughter)
308
760000
2000
(Śmiech)
12:57
Boy: This one lighted up, and this one nothing.
309
762000
3000
Chłopiec: Ten się zaświecił, a ten nic.
13:00
AG: Okay, he's got his experimental notebook out.
310
765000
3000
AG: OK, wyciągnął swój eksperymentalny notes.
13:06
Boy: What's making this light up.
311
771000
4000
Chłopiec: Co sprawia, że to się świeci.
13:11
(Laughter)
312
776000
9000
(Śmiech)
13:20
I don't know.
313
785000
2000
Nie wiem.
13:22
AG: Every scientist will recognize that expression of despair.
314
787000
4000
AG: Każdy naukowiec rozpozna ten wyraz rozpaczy.
13:26
(Laughter)
315
791000
3000
(Śmiech)
13:29
Boy: Oh, it's because this needs to be like this,
316
794000
6000
Chłopiec: O! To dlatego, że to powinno być tak,
13:35
and this needs to be like this.
317
800000
2000
a to tak.
13:37
AG: Okay, hypothesis two.
318
802000
3000
AG: OK, hipoteza numer dwa.
13:40
Boy: That's why.
319
805000
2000
Chłopiec: Oto dlaczego.
13:42
Oh.
320
807000
2000
O!
13:44
(Laughter)
321
809000
5000
(Śmiech)
13:49
AG: Now this is his next idea.
322
814000
2000
AG: To jego następny pomysł.
13:51
He told the experimenter to do this,
323
816000
2000
Powiedział eksperymentatorowi by zrobił coś takiego,
13:53
to try putting it out onto the other location.
324
818000
4000
by pomóc mu to przełożyć na inne miejsce.
13:57
Not working either.
325
822000
2000
Też nie działa.
14:02
Boy: Oh, because the light goes only to here,
326
827000
4000
Chłopiec: O, ponieważ światło dochodzi tylko tutaj,
14:06
not here.
327
831000
3000
nie tutaj.
14:09
Oh, the bottom of this box
328
834000
3000
O, dół tego pudełka
14:12
has electricity in here,
329
837000
2000
ma tu elektryczność,
14:14
but this doesn't have electricity.
330
839000
2000
ale to nie ma.
14:16
AG: Okay, that's a fourth hypothesis.
331
841000
2000
AG: OK, to czwarta hipoteza.
14:18
Boy: It's lighting up.
332
843000
2000
Chłopiec: Zapala się.
14:20
So when you put four.
333
845000
5000
Więc jeśli położysz na nim cztery.
14:26
So you put four on this one to make it light up
334
851000
3000
Kładzie się cztery na tym, by go zapalić,
14:29
and two on this one to make it light up.
335
854000
2000
a dwa na tamtym by się zapaliło.
14:31
AG: Okay,there's his fifth hypothesis.
336
856000
2000
AG: OK, to jego piąta hipoteza.
14:33
Now that is a particularly --
337
858000
3000
To wyjątkowo -
14:36
that is a particularly adorable and articulate little boy,
338
861000
3000
to wyjątkowo uroczy i wygadany mały chłopiec,
14:39
but what Cristine discovered is this is actually quite typical.
339
864000
3000
ale Cristine odkryła, że to typowe.
14:42
If you look at the way children play, when you ask them to explain something,
340
867000
3000
Jeśli spojrzycie na sposób w jaki bawią się dzieci, jeśli prosi się je o wyjaśnienie czegoś,
14:45
what they really do is do a series of experiments.
341
870000
3000
to naprawdę przeprowadzają serię eksperymentów.
14:48
This is actually pretty typical of four year-olds.
342
873000
3000
To naprawdę całkiem typowe dla 4-latków.
14:51
Well, what's it like to be this kind of creature?
343
876000
3000
Jak to jest być kimś takim?
14:54
What's it like to be one of these brilliant butterflies
344
879000
3000
Jak to jest być jednym z tych błyskotliwych motyli,
14:57
who can test five hypotheses in two minutes?
345
882000
3000
które są w stanie przetestować pięć hipotez w dwie minuty?
15:00
Well, if you go back to those psychologists and philosophers,
346
885000
3000
Jeśli wrócimy to tych psychologów i filozofów,
15:03
a lot of them have said
347
888000
2000
wielu z nich powiedziało,
15:05
that babies and young children were barely conscious
348
890000
2000
że niemowlęta i małe dzieci są ledwo przytomne,
15:07
if they were conscious at all.
349
892000
2000
jeśli w ogóle są.
15:09
And I think just the opposite is true.
350
894000
2000
A ja myślę, że dokładnie przeciwne twierdzenie jest prawdą.
15:11
I think babies and children are actually more conscious than we are as adults.
351
896000
3000
Myślę, że niemowlęta i dzieci są w rzeczywistości bardziej świadome niż my jako dorośli.
15:14
Now here's what we know about how adult consciousness works.
352
899000
3000
Oto co wiemy o tym, jak działa świadomość.
15:17
And adults' attention and consciousness
353
902000
2000
I uwaga dorosłych oraz świadomość
15:19
look kind of like a spotlight.
354
904000
2000
wygląda jak światło reflektora.
15:21
So what happens for adults
355
906000
2000
Więc u dorosłych
15:23
is we decide that something's relevant or important,
356
908000
2000
jeśli zdecydujemy, że coś jest trafne lub ważne,
15:25
we should pay attention to it.
357
910000
2000
powinniśmy zwrócić na to uwagę.
15:27
Our consciousness of that thing that we're attending to
358
912000
2000
Nasza świadomość tej rzeczy, na którą uważamy
15:29
becomes extremely bright and vivid,
359
914000
3000
staje się bardzo jasna i żywa,
15:32
and everything else sort of goes dark.
360
917000
2000
a wszystko inne staje się ciemne.
15:34
And we even know something about the way the brain does this.
361
919000
3000
I wiemy nawet coś o tym jak mózg to robi.
15:37
So what happens when we pay attention
362
922000
2000
Więc jeśli zwracamy na coś uwagę,
15:39
is that the prefrontal cortex, the sort of executive part of our brains,
363
924000
3000
kora przedczołowa, rodzaj części wykonawczej naszego mózgu,
15:42
sends a signal
364
927000
2000
wysyła sygnał,
15:44
that makes a little part of our brain much more flexible,
365
929000
2000
który sprawia, że mała część naszego mózgu staje się dużo elastyczniejsza,
15:46
more plastic, better at learning,
366
931000
2000
bardziej plastyczna, lepsza w uczeniu
15:48
and shuts down activity
367
933000
2000
i wyłącza aktywność
15:50
in all the rest of our brains.
368
935000
2000
całej reszty naszych mózgów.
15:52
So we have a very focused, purpose-driven kind of attention.
369
937000
4000
Więc mamy bardzo skoncentrowaną, nastawioną na cel uwagę.
15:56
If we look at babies and young children,
370
941000
2000
Jeśli spojrzymy na niemowlęta i małe dzieci,
15:58
we see something very different.
371
943000
2000
widzimy coś całkiem innego.
16:00
I think babies and young children
372
945000
2000
Myślę, że niemowlęta i małe dzieci
16:02
seem to have more of a lantern of consciousness
373
947000
2000
wydają się mieć świadomość bardziej w stylu latarni
16:04
than a spotlight of consciousness.
374
949000
2000
niż światła reflektora świadomości.
16:06
So babies and young children are very bad
375
951000
3000
Więc niemowlęta i małe dzieci są bardzo kiepskie
16:09
at narrowing down to just one thing.
376
954000
3000
w ograniczaniu się do tylko jednej rzeczy.
16:12
But they're very good at taking in lots of information
377
957000
3000
Ale są dobre w przyjmowaniu masy informacji
16:15
from lots of different sources at once.
378
960000
2000
z wielu różnych źródeł na raz.
16:17
And if you actually look in their brains,
379
962000
2000
I jeśli spojrzeć w ich mózgi,
16:19
you see that they're flooded with these neurotransmitters
380
964000
3000
widać, że są zalewane tymi neurotransmiterami,
16:22
that are really good at inducing learning and plasticity,
381
967000
2000
które są świetne we wdrażaniu uczenia i plastyczności,
16:24
and the inhibitory parts haven't come on yet.
382
969000
3000
a struktury hamujące jeszcze się nie wykształciły.
16:27
So when we say that babies and young children
383
972000
2000
Więc kiedy mówimy, że niemowlęta i małe dzieci
16:29
are bad at paying attention,
384
974000
2000
są kiepskie w zwracaniu uwagi,
16:31
what we really mean is that they're bad at not paying attention.
385
976000
4000
mamy naprawdę na myśli to, że są kiepskie w nie zwracaniu uwagi.
16:35
So they're bad at getting rid
386
980000
2000
Są więc kiepskie w porzucaniu
16:37
of all the interesting things that could tell them something
387
982000
2000
tych wszystkich interesujących rzecz, które mogą im coś powiedzieć
16:39
and just looking at the thing that's important.
388
984000
2000
i patrzeniu tylko na to co ważne.
16:41
That's the kind of attention, the kind of consciousness,
389
986000
3000
To rodzaj uwagi, rodzaj świadomości,
16:44
that we might expect
390
989000
2000
której możemy oczekiwać
16:46
from those butterflies who are designed to learn.
391
991000
2000
od tych motyli, które są stworzone do nauki.
16:48
Well if we want to think about a way
392
993000
2000
Jeśli chcemy pomyśleć o sposobie
16:50
of getting a taste of that kind of baby consciousness as adults,
393
995000
4000
zasmakowania tego rodzaju świadomości dziecka jako dorośli,
16:54
I think the best thing is think about cases
394
999000
2000
myślę, że najlepiej jest myśleć o przypadkach,
16:56
where we're put in a new situation that we've never been in before --
395
1001000
3000
w których znajdujemy się w nowej sytuacji, w której nigdy przedtem nie byliśmy -
16:59
when we fall in love with someone new,
396
1004000
2000
kiedy zakochujemy się w kimś nowym,
17:01
or when we're in a new city for the first time.
397
1006000
3000
lub gdy jesteśmy w nowym mieście po raz pierwszy.
17:04
And what happens then is not that our consciousness contracts,
398
1009000
2000
I wówczas nasza świadomość nie kurczy się,
17:06
it expands,
399
1011000
2000
a rozszerza,
17:08
so that those three days in Paris
400
1013000
2000
tak, że te trzy dni w Paryżu
17:10
seem to be more full of consciousness and experience
401
1015000
2000
wydają się bardziej pełne świadomości i doświadczeń
17:12
than all the months of being
402
1017000
2000
niż wszystkie miesiące bycia
17:14
a walking, talking, faculty meeting-attending zombie back home.
403
1019000
4000
chodzącym, mówiący, chodzącym na zebrania wydziału zombie w domu.
17:18
And by the way, that coffee,
404
1023000
2000
A przy okazji, ta kawa,
17:20
that wonderful coffee you've been drinking downstairs,
405
1025000
2000
ta wspaniała kawa, którą piliście na dole,
17:22
actually mimics the effect
406
1027000
2000
naśladuje efekt
17:24
of those baby neurotransmitters.
407
1029000
2000
tych dziecięcych neurotransmiterów.
17:26
So what's it like to be a baby?
408
1031000
2000
Więc jak to jest być dzieckiem?
17:28
It's like being in love
409
1033000
2000
To jak być zakochanym,
17:30
in Paris for the first time
410
1035000
2000
po raz pierwszy w Paryżu,
17:32
after you've had three double-espressos.
411
1037000
2000
po trzech podwójnych espresso.
17:34
(Laughter)
412
1039000
3000
(Śmiech)
17:37
That's a fantastic way to be,
413
1042000
2000
To fantastyczny sposób bycia,
17:39
but it does tend to leave you waking up crying at three o'clock in the morning.
414
1044000
4000
ale wydaje się to zostawiać cię budzącego się z płaczem o trzeciej rano.
17:43
(Laughter)
415
1048000
3000
(Śmiech)
17:46
Now it's good to be a grownup.
416
1051000
2000
Dobrze jest być dorosłym
17:48
I don't want to say too much about how wonderful babies are.
417
1053000
2000
Nie chcę mówić za wiele o tym jak wspaniałe są dzieci.
17:50
It's good to be a grownup.
418
1055000
2000
Dobrze jest być dorosłym.
17:52
We can do things like tie our shoelaces and cross the street by ourselves.
419
1057000
3000
Możemy robić takie rzeczy jak wiązanie sznurówek i samodzielnie przechodzić przez ulicę.
17:55
And it makes sense that we put a lot of effort
420
1060000
2000
I ma to sens, że wkładamy wiele wysiłku
17:57
into making babies think like adults do.
421
1062000
4000
w sprawianie, by dzieci myślały tak, jak dorośli.
18:01
But if what we want is to be like those butterflies,
422
1066000
3000
Ale jeśli chcemy być jak te motyle,
18:04
to have open-mindedness, open learning,
423
1069000
3000
być otwarci, otworzyć uczenie sie,
18:07
imagination, creativity, innovation,
424
1072000
2000
wyobraźnię, twórczość, innowację,
18:09
maybe at least some of the time
425
1074000
2000
może przynajmniej przez jakiś czas
18:11
we should be getting the adults
426
1076000
2000
powinniśmy sprawiać by dorośli
18:13
to start thinking more like children.
427
1078000
2000
zaczęli myśleć bardziej jak dzieci.
18:15
(Applause)
428
1080000
8000
(Oklaski)
ABOUT THE SPEAKER
Alison Gopnik - Child development psychologistAlison Gopnik takes us into the fascinating minds of babies and children, and shows us how much we understand before we even realize we do.
Why you should listen
What’s it really like to see through the eyes of a child? Are babies and young children just empty, irrational vessels to be formed into little adults, until they become the perfect images of ourselves? On the contrary, argues Alison Gopnik, professor of psychology and philosophy at the University of California at Berkeley.
The author of The Philosophical Baby, The Scientist in the Crib and other influential books on cognitive development, Gopnik presents evidence that babies and children are conscious of far more than we give them credit for, as they engage every sense and spend every waking moment discovering, filing away, analyzing and acting on information about how the world works. Gopnik’s work draws on psychological, neuroscientific, and philosophical developments in child development research to understand how the human mind learns, how and why we love, our ability to innovate, as well as giving us a deeper appreciation for the role of parenthood.
She says: "What's it like to be a baby? Being in love in Paris for the first time after you've had 3 double espressos."
Alison Gopnik | Speaker | TED.com