English-Video.net comment policy

The comment field is common to all languages

Let's write in your language and use "Google Translate" together

Please refer to informative community guidelines on TED.com

TED2015

Laura Schulz: The surprisingly logical minds of babies

Laura Schulz: A incrível mente lógica dos bebês

Filmed
Views 1,632,838

Como os bebês aprendem tanto com tão pouco e tão rápido? Em uma palestra divertida e cheia de experiências, a cientista cognitiva Laura Schulz mostra como nossas crianças tomam decisões com um senso de lógica incrivelmente forte, bem antes que possam falar.

- Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn. Full bio

Mark Twain resumiu o que eu considero
00:12
Mark Twain summed up
what I take to be
um dos problemas fundamentais
da ciência cognitiva
00:14
one of the fundamental problems
of cognitive science
com apenas um chiste.
00:18
with a single witticism.
Ele disse: "Há algo
fascinante sobre a ciência.
00:20
He said, "There's something
fascinating about science.
Obtém-se retornos profundos
de conjectura
00:23
One gets such wholesale
returns of conjecture
a partir de investigações
superficiais da verdade".
00:26
out of such a trifling
investment in fact."
(Risos)
00:29
(Laughter)
Twain disse isso brincando,
mas ele está certo:
00:32
Twain meant it as a joke,
of course, but he's right:
há algo fascinante sobre a ciência.
00:34
There's something
fascinating about science.
A partir de alguns ossos, inferimos
a existência de dinossauros.
00:37
From a few bones, we infer
the existence of dinosuars.
A partir de linhas espectrais,
a composição de nebulosas.
00:42
From spectral lines,
the composition of nebulae.
A partir de moscas-das-frutas,
00:47
From fruit flies,
os mecanismos de hereditariedade,
00:50
the mechanisms of heredity,
e de imagens reconstruídas
do sangue que flui através do cérebro,
00:53
and from reconstructed images
of blood flowing through the brain,
ou no meu caso, do comportamento
de crianças muito novas,
00:57
or in my case, from the behavior
of very young children,
nós tentamos dizer algo
sobre os mecanismos fundamentais
01:02
we try to say something about
the fundamental mechanisms
da cognição humana.
01:05
of human cognition.
No meu laboratório no Departamento
de Ciências Cognitivas no MIT,
01:07
In particular, in my lab in the Department
of Brain and Cognitive Sciences at MIT,
eu passei a última década
tentando entender o mistério
01:12
I have spent the past decade
trying to understand the mystery
de como as crianças aprendem tanto
a partir de tão pouco e tão rápido.
01:16
of how children learn so much
from so little so quickly.
E acontece que essa coisa
fascinante sobre ciência
01:20
Because, it turns out that
the fascinating thing about science
também é uma coisa fascinante
sobre as crianças,
01:23
is also a fascinating
thing about children,
e mudando um pouco a frase de Mark Twain,
01:27
which, to put a gentler
spin on Mark Twain,
é exatamente a capacidade delas
de criar inferências ricas e abstratas
01:29
is precisely their ability
to draw rich, abstract inferences
com rapidez e precisão
a partir de poucos dados ruidosos.
01:34
rapidly and accurately
from sparse, noisy data.
Eu vou dar a vocês apenas dois exemplos.
01:40
I'm going to give you
just two examples today.
O primeiro é sobre
um problema de generalização,
01:42
One is about a problem of generalization,
e o segundo é sobre um problema
de raciocínio causal.
01:45
and the other is about a problem
of causal reasoning.
Apesar de falar
sobre o trabalho em meu laboratório,
01:47
And although I'm going to talk
about work in my lab,
este trabalho é inspirado
e derivado de um campo.
01:50
this work is inspired by
and indebted to a field.
Sou grata a mentores, colegas,
e colaboradores em todo o mundo.
01:53
I'm grateful to mentors, colleagues,
and collaborators around the world.
Vou começar com o problema
de generalização.
01:59
Let me start with the problem
of generalization.
Generalizar a partir de poucos dados
é o feijão com arroz da ciência.
02:02
Generalizing from small samples of data
is the bread and butter of science.
Nós sondamos uma pequena fração
de eleitores
02:06
We poll a tiny fraction of the electorate
e prevemos o resultado
das eleições nacionais.
02:09
and we predict the outcome
of national elections.
Vemos como alguns pacientes respondem
ao tratamento num ensaio clínico,
02:12
We see how a handful of patients
responds to treatment in a clinical trial,
e trazemos drogas para o mercado nacional.
02:16
and we bring drugs to a national market.
Mas isso só funciona se nossa amostra
for obtida aleatoriamente da população.
02:19
But this only works if our sample
is randomly drawn from the population.
Se nossa amostra for enviesada
de alguma maneira,
02:23
If our sample is cherry-picked
in some way --
digamos, sondamos apenas
eleitores urbanos,
02:26
say, we poll only urban voters,
ou então, em nossos ensaios clínicos
para tratamento de doenças do coração,
02:28
or say, in our clinical trials
for treatments for heart disease,
incluímos apenas homens,
02:32
we include only men --
os resultados podem não abranger
a população em geral.
02:34
the results may not generalize
to the broader population.
Então, os cientistas se importam
se as amostras são randomizadas,
02:38
So scientists care whether evidence
is randomly sampled or not,
mas o que isso tem a ver com bebês?
02:42
but what does that have to do with babies?
Bem, os bebês precisam generalizar
pequenas amostras de dados o tempo todo.
02:44
Well, babies have to generalize
from small samples of data all the time.
Eles veem alguns patos de borracha
e sabem que eles flutuam,
02:49
They see a few rubber ducks
and learn that they float,
ou veem algumas bolas e sabem que quicam.
02:52
or a few balls and learn that they bounce.
E eles desenvolvem expectativas
sobre patos e bolas
02:55
And they develop expectations
about ducks and balls
que eles vão estender
para os patos de borracha e bolas
02:58
that they're going to extend
to rubber ducks and balls
para o resto das suas vidas.
03:01
for the rest of their lives.
E os tipos de generalizações
que os bebês fazem sobre patos e bolas,
03:03
And the kinds of generalizations
babies have to make about ducks and balls
eles precisam fazer sobre quase tudo:
03:07
they have to make about almost everything:
sapatos, barcos, cera de vela,
repolhos e reis.
03:09
shoes and ships and sealing wax
and cabbages and kings.
Os bebês se importam se os pedacinhos
de evidência que veem
03:14
So do babies care whether
the tiny bit of evidence they see
são representantes plausíveis
de uma população maior?
03:17
is plausibly representative
of a larger population?
Vamos descobrir.
03:21
Let's find out.
Eu vou mostrar dois filmes a vocês,
03:23
I'm going to show you two movies,
um filme para cada condição
de um experimento,
03:25
one from each of two conditions
of an experiment,
e porque vocês vão ver apenas dois filmes,
03:27
and because you're going to see
just two movies,
vocês verão apenas dois bebês,
03:30
you're going to see just two babies,
e os bebês diferem entre si
de várias maneiras.
03:32
and any two babies differ from each other
in innumerable ways.
Mas estes bebês, claro,
representam um grupos de bebês,
03:36
But these babies, of course,
here stand in for groups of babies,
e as diferenças que vocês vão ver
03:39
and the differences you're going to see
representam as diferenças médias
de grupos de bebês de cada condição.
03:41
represent average group differences
in babies' behavior across conditions.
Em cada filme, talvez vocês vejam
um bebê fazendo
03:47
In each movie, you're going to see
a baby doing maybe
exatamente o que você
espera que um bebê faça,
03:49
just exactly what you might
expect a baby to do,
e dificilmente podemos tornar os bebês
mais mágicos do que já são.
03:53
and we can hardly make babies
more magical than they already are.
Mas para mim, a coisa mágica
03:58
But to my mind the magical thing,
na qual quero que vocês prestem atenção
04:00
and what I want you to pay attention to,
é o contraste entre estas duas condições,
04:02
is the contrast between
these two conditions,
porque a única coisa
que difere entre estes dois filmes
04:05
because the only thing
that differs between these two movies
é a evidência estatística
que os bebês vão observar.
04:08
is the statistical evidence
the babies are going to observe.
Vamos mostrar aos bebês
uma caixa de bolas azuis e amarelas,
04:13
We're going to show babies
a box of blue and yellow balls,
e minha aluna, que agora é minha colega
de Stanford, Hyowon Gweon,
04:16
and my then-graduate student,
now colleague at Stanford, Hyowon Gweon,
vai tirar três bolas azuis
de cada vez fora desta caixa,
04:21
is going to pull three blue balls
in a row out of this box,
e ao tirar as bolas, ela vai apertá-las,
04:24
and when she pulls those balls out,
she's going to squeeze them,
e as bolas vão chiar.
04:27
and the balls are going to squeak.
E se você for um bebê,
é como se fosse uma Palestra TED.
04:29
And if you're a baby,
that's like a TED Talk.
Não tem como ficar melhor que isso.
(Risos)
04:32
It doesn't get better than that.
04:34
(Laughter)
Mas o que importa é que é fácil
pegar três bolas azuis em sequência
04:38
But the important point is it's really
easy to pull three blue balls in a row
de uma caixa com maioria de bolas azuis.
04:42
out of a box of mostly blue balls.
Você pode fazer isso de olhos fechados.
04:44
You could do that with your eyes closed.
É plausível que seja uma amostra aleatória
desta população.
04:46
It's plausibly a random sample
from this population.
E se você põe a mão numa caixa
e pega coisas que chiam,
04:49
And if you can reach into a box at random
and pull out things that squeak,
então talvez tudo dentro da caixa chia.
04:53
then maybe everything in the box squeaks.
Talvez os bebês esperem
que essas bolas amarelas chiem também.
04:56
So maybe babies should expect
those yellow balls to squeak as well.
05:00
Now, those yellow balls
have funny sticks on the end,
Essas bolas amarelas
têm bastões engraçados,
e os bebês podem fazer outras coisas
com elas se quiserem.
05:02
so babies could do other things
with them if they wanted to.
Eles podem amassá-las.
05:05
They could pound them or whack them.
Mas vamos ver o que o bebê faz.
05:07
But let's see what the baby does.
(Vídeo) Hyowon Gweon: Olha isso?
(Bola chia)
05:12
(Video) Hyowon Gweon: See this?
(Ball squeaks)
Você viu?
(Bola chia)
05:16
Did you see that?
(Ball squeaks)
Legal!
05:20
Cool.
Olha isso?
05:24
See this one?
(Bola chia)
05:26
(Ball squeaks)
Uau!
05:28
Wow.
Laura Schulz: Não disse?
(Risos)
05:33
Laura Schulz: Told you. (Laughs)
(Vídeo) HG: Olha isso?
(Bola chia)
05:35
(Video) HG: See this one?
(Ball squeaks)
Clara, esta é para você.
Você pode brincar se quiser.
05:39
Hey Clara, this one's for you.
You can go ahead and play.
(Risos)
05:51
(Laughter)
LS: Eu não preciso nem falar.
05:56
LS: I don't even have to talk, right?
Tudo bem, é bom que os bebês
generalizem as propriedades
05:59
All right, it's nice that babies
will generalize properties
das bolas azuis para as amarelas,
06:02
of blue balls to yellow balls,
é impressionante que os bebês
aprendam nos imitando,
06:03
and it's impressive that babies
can learn from imitating us,
mas já sabemos dessas coisas
sobre os bebês há muito tempo.
06:06
but we've known those things about babies
for a very long time.
A questão mais interessante
06:10
The really interesting question
é o que acontece quando mostramos
exatamente a mesma coisa,
06:12
is what happens when we show babies
exactly the same thing,
e podemos garantir que é a mesma coisa
pois temos um compartimento secreto
06:15
and we can ensure it's exactly the same
because we have a secret compartment
e tiramos as bolas de lá,
06:18
and we actually pull the balls from there,
mas desta vez, vamos mudar
a população aparente
06:20
but this time, all we change
is the apparent population
a partir da qual a evidência é obtida.
06:24
from which that evidence was drawn.
Desta vez, vamos mostrar
aos bebês três bolas azuis
06:27
This time, we're going to show babies
three blue balls
tiradas de uma caixa
com maioria de bolas amarelas,
06:30
pulled out of a box
of mostly yellow balls,
e adivinha?
06:34
and guess what?
Você provavelmente não tira
três bolas azuis em sequência
06:35
You [probably won't] randomly draw
three blue balls in a row
de uma caixa
com maioria de bolas amarelas.
06:38
out of a box of mostly yellow balls.
Isso não é uma evidência
amostral plausível.
06:40
That is not plausibly
randomly sampled evidence.
Essa evidência sugere que Hyowon
estivesse escolhendo as bolas azuis.
06:44
That evidence suggests that maybe Hyowon
was deliberately sampling the blue balls.
Talvez haja algo especial
sobre as bolas azuis.
06:49
Maybe there's something special
about the blue balls.
Talvez apenas as bolas azuis chiem.
06:52
Maybe only the blue balls squeak.
Vamos ver o que o bebê faz.
06:55
Let's see what the baby does.
(Vídeo) HG: Olha isso?
(Bola chia)
06:57
(Video) HG: See this?
(Ball squeaks)
Olha este brinquedo?
(Bola chia)
07:02
See this toy?
(Ball squeaks)
Isso foi legal! Olha?
(Bola chia)
07:05
Oh, that was cool. See?
(Ball squeaks)
Agora, esta é para você brincar.
Pode brincar se quiser.
07:10
Now this one's for you to play.
You can go ahead and play.
(Mexendo)
(Risos)
07:18
(Fussing)
(Laughter)
LS: Você acabou de ver
dois bebês de 15 meses de idade
07:26
LS: So you just saw
two 15-month-old babies
fazendo coisas totalmente diferentes
07:29
do entirely different things
com base apenas na probabilidade
da amostra que observaram.
07:31
based only on the probability
of the sample they observed.
Vou mostrar os resultados experimentais.
07:35
Let me show you the experimental results.
No eixo vertical, temos
a porcentagem de bebês
07:37
On the vertical axis, you'll see
the percentage of babies
que apertaram a bola em cada condição,
07:40
who squeezed the ball in each condition,
e como podemos ver, os bebês
tendem a generalizar a evidência
07:42
and as you'll see, babies are much
more likely to generalize the evidence
quando é uma amostra representativa
plausível da população
07:46
when it's plausibly representative
of the population
em vez de de uma amostra
escolhida de maneira enviesada.
07:49
than when the evidence
is clearly cherry-picked.
E isso leva a uma previsão divertida:
07:53
And this leads to a fun prediction:
suponha que você tirasse uma bola azul
da caixa com maioria de bolas amarelas.
07:55
Suppose you pulled just one blue ball
out of the mostly yellow box.
Você provavelmente não tiraria
três bolas azuis em sequência,
08:00
You [probably won't] pull three blue balls
in a row at random out of a yellow box,
mas poderia tirar
aleatoriamente uma bola azul.
08:04
but you could randomly sample
just one blue ball.
Isso não é uma amostra improvável.
08:07
That's not an improbable sample.
E se você pudesse mexer
ao acaso numa caixa
08:09
And if you could reach into
a box at random
e tirar uma bola que chia,
talvez todas as bolas da caixa chiem.
08:11
and pull out something that squeaks,
maybe everything in the box squeaks.
Mesmo que os bebês estejam vendo
menos evidências para o chiado,
08:15
So even though babies are going to see
much less evidence for squeaking,
e tenham menos ações para imitar
08:20
and have many fewer actions to imitate
nesta condição de uma bola
que acabei de explicar,
08:22
in this one ball condition than in
the condition you just saw,
nós previmos que os próprios bebês
apertariam mais,
08:25
we predicted that babies themselves
would squeeze more,
e isso foi exatamente o que vimos.
08:29
and that's exactly what we found.
08:32
So 15-month-old babies,
in this respect, like scientists,
Então os bebês de 15 meses de idade,
como se fossem cientistas,
se importam se as evidências
são amostradas aleatoriamente ou não,
08:37
care whether evidence
is randomly sampled or not,
e usam isso para desenvolver
expectativas sobre o mundo:
08:40
and they use this to develop
expectations about the world:
o que chia e o que não chia,
08:43
what squeaks and what doesn't,
o que explorar e o que ignorar.
08:45
what to explore and what to ignore.
Vou mostrar outro exemplo agora,
08:50
Let me show you another example now,
desta vez sobre um problema
de raciocínio causal.
08:52
this time about a problem
of causal reasoning.
E isso começa com um problema
de evidência confusa
08:55
And it starts with a problem
of confounded evidence
que todos nós enfrentamos,
08:57
that all of us have,
e por isso fazemos parte do mundo.
08:59
which is that we are part of the world.
Pode não ser um problema para você,
mas como a maioria dos problemas,
09:01
And this might not seem like a problem
to you, but like most problems,
só é um problema
quando as coisas dão errado.
09:04
it's only a problem when things go wrong.
Veja este bebê, por exemplo.
09:07
Take this baby, for instance.
As coisas estão dando errado.
09:09
Things are going wrong for him.
Ele quer fazer isso andar,
mas não consegue.
09:10
He would like to make
this toy go, and he can't.
Vou mostrar alguns segundos.
09:13
I'll show you a few-second clip.
E há duas possibilidades:
09:21
And there's two possibilities, broadly:
talvez ele esteja fazendo algo errado,
09:23
Maybe he's doing something wrong,
ou talvez haja algo
errado com o brinquedo.
09:25
or maybe there's something
wrong with the toy.
Neste próximo experimento,
09:30
So in this next experiment,
vamos dar alguns dados estatísticos
09:32
we're going to give babies
just a tiny bit of statistical data
apoiando uma hipótese sobre a outra,
09:35
supporting one hypothesis over the other,
e vamos ver se os bebês
podem tomar decisões diferentes
09:38
and we're going to see if babies
can use that to make different decisions
sobre o que fazer.
09:41
about what to do.
Aqui está o experimento.
09:43
Here's the setup.
Hyowon vai fazer o brinquedo andar.
09:46
Hyowon is going to try to make
the toy go and succeed.
Depois eu vou tentar duas vezes e falhar,
09:49
I am then going to try twice
and fail both times,
e Hyowon tenta de novo e consegue,
09:52
and then Hyowon is going
to try again and succeed,
e isto resume minha relação
com meus alunos de pós-graduação
09:55
and this roughly sums up my relationship
to my graduate students
com novas tecnologias.
09:58
in technology across the board.
Mas o importante aqui é fornecer
um pouco de evidência
10:02
But the important point here is
it provides a little bit of evidence
de que o problema não é o brinquedo,
é a pessoa.
10:05
that the problem isn't with the toy,
it's with the person.
Algumas pessoas fazem o brinquedo andar,
10:08
Some people can make this toy go,
e outras não.
10:11
and some can't.
Quando o bebê pega o brinquedo,
ele tem uma escolha.
10:12
Now, when the baby gets the toy,
he's going to have a choice.
Sua mãe está ali,
10:16
His mom is right there,
para que possa entregar o brinquedo
e mudar de pessoa,
10:18
so he can go ahead and hand off the toy
and change the person,
mas há também outro brinquedo,
no final do pano,
10:21
but there's also going to be
another toy at the end of that cloth,
e ele pode puxar o pano
e mudar de brinquedo.
10:24
and he can pull the cloth towards him
and change the toy.
Vamos ver o que o bebê faz.
10:28
So let's see what the baby does.
(Vídeo) HG: Dois, três. vai!
(Música)
10:30
(Video) HG: Two, three. Go!
(Music)
LS: Um, dois, três, vai!
10:34
LS: One, two, three, go!
10:37
Arthur, I'm going to try again.
One, two, three, go!
Arthur, vou tentar novamente.
Um, dois, três, vai!
HG: Arthur, vou tentar de novo.
10:45
YG: Arthur, let me try again, okay?
Um, dois, três, vai!
(Música)
10:48
One, two, three, go!
(Music)
Veja isso.
Lembra destes brinquedos?
10:53
Look at that. Remember these toys?
Estes brinquedos aqui?
Vou colocar este aqui,
10:55
See these toys? Yeah, I'm going
to put this one over here,
e eu vou dar este para você.
10:58
and I'm going to give this one to you.
Você pode brincar se quiser.
11:00
You can go ahead and play.
LS: Certo, mas é óbvio que os bebês
amam suas mamães.
11:23
LS: Okay, Laura, but of course,
babies love their mommies.
Os bebês vão dar
brinquedos para suas mães
11:27
Of course babies give toys
to their mommies
quando não conseguem fazê-los funcionar.
11:30
when they can't make them work.
Novamente, o que importa
é o que acontece quando mudamos
11:32
So again, the really important question
is what happens when we change
os dados estatísticos ligeiramente.
11:35
the statistical data ever so slightly.
Desta vez, os bebês vão ver o brinquedo
funcionar e falhar na mesma ordem,
11:38
This time, babies are going to see the toy
work and fail in exactly the same order,
mas mudamos a distribuição das evidências.
11:42
but we're changing
the distribution of evidence.
Hyowon vai conseguir uma vez
e falhar uma vez, e eu também.
11:45
This time, Hyowon is going to succeed
once and fail once, and so am I.
Isso sugere que não importa quem tenta,
o brinquedo está quebrado.
11:49
And this suggests it doesn't matter
who tries this toy, the toy is broken.
Ele não funciona o tempo todo.
11:55
It doesn't work all the time.
De novo, o bebê terá uma escolha.
11:57
Again, the baby's going to have a choice.
A mãe dele está ao seu lado,
então ela pode mudar a pessoa,
11:59
Her mom is right next to her,
so she can change the person,
e tem outro brinquedo no fim do pano.
12:02
and there's going to be another toy
at the end of the cloth.
Vamos ver o que ela faz.
12:05
Let's watch what she does.
(Vídeo) HG: Dois, três, vai!
(Música)
12:07
(Video) HG: Two, three, go!
(Music)
Vou tentar de novo. Um, dois, três, vai!
12:11
Let me try one more time.
One, two, three, go!
Hmmm.
12:17
Hmm.
LS: Vou tentar, Clara.
12:19
LS: Let me try, Clara.
Um, dois, três, vai!
12:22
One, two, three, go!
12:27
Hmm, let me try again.
Vou tentar de novo.
Um, dois, três, vai!
(Música)
12:29
One, two, three, go!
(Music)
HG: Eu vou
deixar este aqui,
12:35
HG: I'm going
to put this one over here,
e vou dar este para você.
12:37
and I'm going to give this one to you.
Você pode brincar se quiser.
12:39
You can go ahead and play.
12:58
(Applause)
(Aplausos)
LS: Vou mostrar
os resultados experimentais.
13:04
LS: Let me show you
the experimental results.
No eixo vertical, temos a distribuição
13:07
On the vertical axis,
you'll see the distribution
de escolhas para cada condição,
13:09
of children's choices in each condition,
e podemos ver que as escolhas
que as crianças fazem
13:12
and you'll see that the distribution
of the choices children make
dependem da evidência observada.
13:16
depends on the evidence they observe.
Então no segundo ano de vida,
13:19
So in the second year of life,
os bebês podem usar alguns
dados estatísticos
13:21
babies can use a tiny bit
of statistical data
e decidir entre duas
estratégias muito diferentes
13:24
to decide between two
fundamentally different strategies
para agir no mundo:
13:27
for acting in the world:
pedir ajuda e explorar.
13:29
asking for help and exploring.
Eu só mostrei
dois experimentos de laboratório
13:33
I've just shown you
two laboratory experiments
entre centenas de outros
que mostram resultados parecidos,
13:37
out of literally hundreds in the field
that make similar points,
pois o ponto essencial
13:40
because the really critical point
é mostrar que a capacidade das crianças
fazerem inferências com poucos dados
13:43
is that children's ability
to make rich inferences from sparse data
está por trás de toda aprendizagem
cultural específica que fazemos.
13:48
underlies all the species-specific
cultural learning that we do.
As crianças aprendem sobre coisas novas
a partir de alguns exemplos.
13:53
Children learn about new tools
from just a few examples.
Elas aprendem novas relações causais
a partir de alguns exemplos.
13:58
They learn new causal relationships
from just a few examples.
Elas até aprendem novas palavras,
neste caso em Língua de Sinais Americana.
14:03
They even learn new words,
in this case in American Sign Language.
Quero concluir com apenas dois pontos.
14:08
I want to close with just two points.
Se você estiver acompanhando
as ciências cognitivas e do cérebro
14:12
If you've been following my world,
the field of brain and cognitive sciences,
pelos últimos anos,
14:15
for the past few years,
três grandes ideias vão chamar
sua atenção.
14:17
three big ideas will have come
to your attention.
A primeira é que estamos
na era do cérebro.
14:20
The first is that this is
the era of the brain.
De fato, houve descobertas
surpreendentes nas neurociências:
14:23
And indeed, there have been
staggering discoveries in neuroscience:
a localização funcional
de regiões especializadas do córtex,
14:27
localizing functionally specialized
regions of cortex,
tornar transparentes
cérebros de camundongos,
14:30
turning mouse brains transparent,
ativação de neurônios com luz.
14:33
activating neurons with light.
A segunda grande ideia
14:36
A second big idea
é que estamos na era dos grandes dados
e do aprendizado de máquina,
14:38
is that this is the era of big data
and machine learning,
e isso promete revolucionar
nossa compreensão
14:43
and machine learning promises
to revolutionize our understanding
de tudo, desde redes sociais
até epidemiologia.
14:46
of everything from social networks
to epidemiology.
E talvez ao enfrentar problemas
de compreensão contextual
14:50
And maybe, as it tackles problems
of scene understanding
e processamento de linguagem natural,
14:53
and natural language processing,
isso pode nos dizer algo
sobre cognição humana.
14:55
to tell us something
about human cognition.
E a terceira grande ideia
14:59
And the final big idea you'll have heard
é que talvez seja uma boa ideia
sabermos muito sobre cérebros
15:01
is that maybe it's a good idea we're going
to know so much about brains
e termos acesso a grandes dados,
15:05
and have so much access to big data,
pois se ficarmos como estamos,
15:06
because left to our own devices,
os seres humanos são falíveis,
usamos atalhos,
15:09
humans are fallible, we take shortcuts,
nós erramos, cometemos enganos,
15:13
we err, we make mistakes,
somos enviesados e, de várias maneiras,
15:16
we're biased, and in innumerable ways,
15:20
we get the world wrong.
vemos o mundo errado.
Penso que estas histórias são importantes,
15:24
I think these are all important stories,
e elas nos dizem muito
sobre o que significa ser humano,
15:27
and they have a lot to tell us
about what it means to be human,
mas quero que vocês percebam
que contei uma história muito diferente.
15:31
but I want you to note that today
I told you a very different story.
É uma história sobre mentes
e não sobre cérebros,
15:35
It's a story about minds and not brains,
é uma história sobre o tipo de computação
15:39
and in particular, it's a story
about the kinds of computations
que as mentes unicamente humanas
podem fazer,
15:42
that uniquely human minds can perform,
que envolve o conhecimento estruturado
e a capacidade de aprender
15:45
which involve rich, structured knowledge
and the ability to learn
a partir de pequenas quantidades de dados,
das evidências de alguns exemplos.
15:49
from small amounts of data,
the evidence of just a few examples.
Essencialmente, é uma história
sobre como as crianças começam
15:56
And fundamentally, it's a story
about how starting as very small children
e continuam seu caminho
para grandes realizações
16:00
and continuing out all the way
to the greatest accomplishments
16:04
of our culture,
da nossa cultura,
e conseguem ver o mundo direito.
16:08
we get the world right.
As mentes humanas não aprendem
apenas com pequenas quantidades de dados.
16:12
Folks, human minds do not only learn
from small amounts of data.
As mentes humanas pensam novas ideias.
16:18
Human minds think
of altogether new ideas.
As mentes humanas
geram pesquisa e descoberta,
16:20
Human minds generate
research and discovery,
e as mentes humanas geram
arte, literatura, poesia e teatro,
16:23
and human minds generate
art and literature and poetry and theater,
e as mentes humanas cuidam
de outros seres humanos:
16:29
and human minds take care of other humans:
de pessoas idosas, jovens ou doentes.
16:32
our old, our young, our sick.
Nós até mesmo as curamos.
16:36
We even heal them.
Nos próximos anos,
veremos inovações tecnológicas
16:39
In the years to come, we're going
to see technological innovations
além de qualquer coisa
que eu possa imaginar,
16:42
beyond anything I can even envision,
mas é muito improvável
16:46
but we are very unlikely
que a gente veja um computador
com o mesmo poder da mente de uma criança
16:48
to see anything even approximating
the computational power of a human child
na minha geração ou na sua.
16:54
in my lifetime or in yours.
Se investirmos nestes aprendizes
mais poderosos e no seu desenvolvimento,
16:58
If we invest in these most powerful
learners and their development,
nos bebês, e nas crianças,
17:03
in babies and children
e mães, e pais,
17:06
and mothers and fathers
e cuidadores, e professores
17:08
and caregivers and teachers
da mesma maneira que investimos
em outras formas poderosas e elegantes
17:11
the ways we invest in our other
most powerful and elegant forms
de tecnologia, engenharia e design,
17:15
of technology, engineering and design,
nós não vamos apenas sonhar
por um futuro melhor,
17:18
we will not just be dreaming
of a better future,
vamos planejar um futuro.
17:21
we will be planning for one.
Muito obrigada.
17:23
Thank you very much.
(Aplausos)
17:25
(Applause)
Chris Anderson: Laura, obrigado.
Eu tenho uma pergunta para você.
17:29
Chris Anderson: Laura, thank you.
I do actually have a question for you.
Em primeiro lugar, a pesquisa é insana.
17:34
First of all, the research is insane.
Quero dizer, quem iria projetar
um experimento como esse?
17:36
I mean, who would design
an experiment like that? (Laughter)
Eu vi isso algumas vezes,
17:41
I've seen that a couple of times,
e eu ainda não acredito
que isso pode estar acontecendo,
17:42
and I still don't honestly believe
that that can truly be happening,
mas outras pessoas fizeram
experimentos semelhantes.
17:46
but other people have done
similar experiments; it checks out.
Os bebês são realmente geniais.
17:49
The babies really are that genius.
LS: Eles parecem muito impressionantes
em nossos experimentos,
17:50
LS: You know, they look really impressive
in our experiments,
mas pense sobre como eles
se parecem na vida real.
17:53
but think about what they
look like in real life, right?
Nasce um bebê.
17:56
It starts out as a baby.
Dezoito meses depois,
ele fala com você,
17:57
Eighteen months later,
it's talking to you,
e suas primeiras palavras
não são coisas como bolas e patos,
17:59
and babies' first words aren't just
things like balls and ducks,
são coisas como "sumiu",
que se refere ao desaparecimento,
18:02
they're things like "all gone,"
which refer to disappearance,
ou "opa", que se refere
a ações intencionais.
18:05
or "uh-oh," which refer
to unintentional actions.
Ele precisa ser poderoso.
18:07
It has to be that powerful.
Precisa ser mais poderoso
do que tudo que eu mostrei.
18:09
It has to be much more powerful
than anything I showed you.
Eles estão descobrindo o mundo inteiro.
18:12
They're figuring out the entire world.
Uma criança de quatro anos
pode conversar sobre quase tudo.
18:14
A four-year-old can talk to you
about almost anything.
(Aplausos)
18:17
(Applause)
CA: Se eu entendi direito,
o outro ponto que você levanta
18:19
CA: And if I understand you right,
the other key point you're making is,
é que ultrapassamos a ideia
sobre como nossa mente
18:22
we've been through these years
where there's all this talk
é falha e confusa,
18:25
of how quirky and buggy our minds are,
da economia comportamental
e outras teorias que dizem
18:27
that behavioral economics
and the whole theories behind that
que não somos agentes racionais.
18:29
that we're not rational agents.
Você realmente acha que
nossa mente é extraordinária
18:31
You're really saying that the bigger
story is how extraordinary,
e que há um gênio ali que é ignorado?
18:35
and there really is genius there
that is underappreciated.
LS: Uma das minhas citações favoritas
18:40
LS: One of my favorite
quotes in psychology
é do psicólogo social Solomon Asch,
18:42
comes from the social
psychologist Solomon Asch,
que disse que a tarefa fundamental
da psicologia é remover
18:45
and he said the fundamental task
of psychology is to remove
o véu da autoevidência das coisas.
18:47
the veil of self-evidence from things.
Há milhões de tipos de escolhas
que fazemos todos os dias,
18:50
There are orders of magnitude
more decisions you make every day
que nos fazem ver o mundo.
18:55
that get the world right.
Sabemos dos objetos e suas propriedades.
18:56
You know about objects
and their properties.
Sabemos quando estão ocultos.
Podemos vê-los no escuro.
18:58
You know them when they're occluded.
You know them in the dark.
Podemos andar nas salas.
19:01
You can walk through rooms.
Podemos descobrir o que outras pessoas
estão pensando e falar com elas.
19:02
You can figure out what other people
are thinking. You can talk to them.
Podemos navegar no espaço
e saber números.
19:06
You can navigate space.
You know about numbers.
Sabemos sobre relações causais
e raciocínio moral.
19:08
You know causal relationships.
You know about moral reasoning.
Fazemos isso sem esforço,
por isso não percebemos,
19:11
You do this effortlessly,
so we don't see it,
mas é assim que vemos o mundo,
e é uma realização notável
19:14
but that is how we get the world right,
and it's a remarkable
e muito difícil de entender.
19:16
and very difficult-to-understand
accomplishment.
CA: Eu suspeito que há pessoas
na plateia que têm
19:19
CA: I suspect there are people
in the audience who have
esta visão sobre o poder
tecnológico crescente
19:21
this view of accelerating
technological power
e que refutam sua afirmação
de que nunca teremos um computador
19:24
who might dispute your statement
that never in our lifetimes
com a mesma capacidade
de um criança de três anos,
19:27
will a computer do what
a three-year-old child can do,
mas está claro que, em qualquer situação,
19:29
but what's clear is that in any scenario,
nossas máquinas têm muito a aprender
com nossas crianças.
19:32
our machines have so much to learn
from our toddlers.
LS: Acho que sim. Temos pessoas
do aprendizado de máquina por aqui.
19:38
LS: I think so. You'll have some
machine learning folks up here.
Quero dizer, a gente não deve apostar
em bebês ou em chimpanzés
19:41
I mean, you should never bet
against babies or chimpanzees
ou na tecnologia como uma questão prática,
19:45
or technology as a matter of practice,
mas não é apenas
uma diferença em quantidade,
19:49
but it's not just
a difference in quantity,
é uma diferença de tipo.
19:53
it's a difference in kind.
Temos computadores
incrivelmente poderosos,
19:55
We have incredibly powerful computers,
que fazem coisas muito sofisticadas,
19:57
and they do do amazingly
sophisticated things,
muitas vezes com grandes
quantidades de dados.
20:00
often with very big amounts of data.
As mentes humanas fazem algo
completamente diferente,
20:03
Human minds do, I think,
something quite different,
e acho que é a natureza hierárquica
e estruturada do conhecimento humano
20:05
and I think it's the structured,
hierarchical nature of human knowledge
que continua a ser um desafio real.
20:09
that remains a real challenge.
CA: Laura Schulz, isso foi maravilhoso.
Muito obrigado.
20:11
CA: Laura Schulz, wonderful
food for thought. Thank you so much.
LS: Obrigada.
(Aplausos)
20:14
LS: Thank you.
(Applause)

▲Back to top

About the speaker:

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

Why you should listen

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

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

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