TEDGlobal 2011
Alison Gopnik: What do babies think?
Alison Gopnik : Vad tänker bebisar?
Filmed:
Readability: 3.4
4,341,974 views
"Bebisar och små barn är som uppdelningen mellan forskning och utveckling", säger Alison Gopnik. Hennes forskning undersöker bebisars sofistikerade insamlande av information och beslutsfattning när de leker.
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
Vad pågår
00:17
in this baby's mind?
1
2000
2000
i den här bebisens huvud?
00:19
If you'd asked people this 30 years ago,
2
4000
2000
Om du hade frågat folk detta för 30 år sedan,
00:21
most people, including psychologists,
3
6000
2000
skulle de flesta, inklusive psykologer,
00:23
would have said that this baby was irrational,
4
8000
3000
svarat att det här barnet var irrationellt,
00:26
illogical, egocentric --
5
11000
2000
ologiskt, egocentriskt –
00:28
that he couldn't take the perspective of another person
6
13000
2000
att han inte kunde ta in en annan människas perspektiv
00:30
or understand cause and effect.
7
15000
2000
eller förstå orsak och verkan.
00:32
In the last 20 years,
8
17000
2000
Under de senaste 20 åren
00:34
developmental science has completely overturned that picture.
9
19000
3000
har utvecklingspsykologin helt ställt denna bild på ända.
00:37
So in some ways,
10
22000
2000
Så på vissa sätt
00:39
we think that this baby's thinking
11
24000
2000
anser vi att detta barns tänkande
00:41
is like the thinking of the most brilliant scientists.
12
26000
4000
liknar tänkandet hos de mest lysande vetenskapsmän.
00:45
Let me give you just one example of this.
13
30000
2000
Låt mig ge er ett exempel på detta.
00:47
One thing that this baby could be thinking about,
14
32000
3000
En sak som den här bebisen skulle kunna tänka på,
00:50
that could be going on in his mind,
15
35000
2000
en sak som skulle kunna pågå i hans huvud,
00:52
is trying to figure out
16
37000
2000
är att försöka lista ut
00:54
what's going on in the mind of that other baby.
17
39000
3000
vad som pågår i det där andra barnets huvud.
00:57
After all, one of the things that's hardest for all of us to do
18
42000
3000
En av de svåraste saker som finns för oss är, trots allt,
01:00
is to figure out what other people are thinking and feeling.
19
45000
3000
att försöka lista ut vad andra tänker och känner.
01:03
And maybe the hardest thing of all
20
48000
2000
Och det som kanske är svårast av allt
01:05
is to figure out that what other people think and feel
21
50000
3000
är att förstå att vad andra tänker och känner
01:08
isn't actually exactly like what we think and feel.
22
53000
2000
faktiskt inte är precis vad vi känner och tänker.
01:10
Anyone who's followed politics can testify
23
55000
2000
De som följer politiken
01:12
to how hard that is for some people to get.
24
57000
3000
vet hur svårt det är för vissa att förstå.
01:15
We wanted to know
25
60000
2000
Vi ville ta reda på
01:17
if babies and young children
26
62000
2000
om bebisar och små barn
01:19
could understand this really profound thing about other people.
27
64000
3000
kan förstå denna viktiga sak om andra människor.
01:22
Now the question is: How could we ask them?
28
67000
2000
Frågan är: Hur kan vi fråga dem?
01:24
Babies, after all, can't talk,
29
69000
2000
Bebisar kan ju som bekant inte prata
01:26
and if you ask a three year-old
30
71000
2000
och om du ber en treåring
01:28
to tell you what he thinks,
31
73000
2000
tala om för dig vad han tänker,
01:30
what you'll get is a beautiful stream of consciousness monologue
32
75000
3000
kommer du få en lång medvetandeström till monolog
01:33
about ponies and birthdays and things like that.
33
78000
3000
om ponnyer och födelsedagar och sådana saker.
01:36
So how do we actually ask them the question?
34
81000
3000
Så hur bär vi oss åt för att fråga dem?
01:39
Well it turns out that the secret was broccoli.
35
84000
3000
Det visade sig att hemligheten var broccoli.
01:42
What we did -- Betty Rapacholi, who was one of my students, and I --
36
87000
4000
Vad vi gjorde – jag och Betty Rapacholi, som då var en av mina studenter –
01:46
was actually to give the babies two bowls of food:
37
91000
3000
var att ge bebisarna två skålar med mat:
01:49
one bowl of raw broccoli
38
94000
2000
en skål med rå broccoli
01:51
and one bowl of delicious goldfish crackers.
39
96000
3000
och en skål med mumsiga guldfisk-kex.
01:54
Now all of the babies, even in Berkley,
40
99000
3000
Alla bebisarna, även i Berkley,
01:57
like the crackers and don't like the raw broccoli.
41
102000
3000
tycker om kexen men inte den råa broccolin.
02:00
(Laughter)
42
105000
2000
(Skratt)
02:02
But then what Betty did
43
107000
2000
Det Betty gjorde sen
02:04
was to take a little taste of food from each bowl.
44
109000
3000
var att ta ett litet smakprov från varje skål
02:07
And she would act as if she liked it or she didn't.
45
112000
2000
och låtsas att hon antingen gillade det eller inte.
02:09
So half the time, she acted
46
114000
2000
Hälften av gångerna låtsades hon
02:11
as if she liked the crackers and didn't like the broccoli --
47
116000
2000
att hon gillade kexen men inte broccolin –
02:13
just like a baby and any other sane person.
48
118000
3000
precis som en bebis eller vilken vettig människa som helst.
02:16
But half the time,
49
121000
2000
Men hälften av gångerna
02:18
what she would do is take a little bit of the broccoli
50
123000
2000
tog hon en liten bit broccoli
02:20
and go, "Mmmmm, broccoli.
51
125000
3000
och sa "Mmmmmm, broccoli!
02:23
I tasted the broccoli. Mmmmm."
52
128000
3000
Jag smakade på broccolin. Mmmmm."
02:26
And then she would take a little bit of the crackers,
53
131000
2000
Och sen tog hon några av kexen
02:28
and she'd go, "Eww, yuck, crackers.
54
133000
4000
och sa, "Usch, vad äckligt, kex.
02:32
I tasted the crackers. Eww, yuck."
55
137000
3000
Jag smakade på kexen. Usch! Äckligt!"
02:35
So she'd act as if what she wanted
56
140000
2000
Hon låtsades alltså som om att det hon gillade
02:37
was just the opposite of what the babies wanted.
57
142000
3000
var precis motsatsen till det barnen gillade.
02:40
We did this with 15 and 18 month-old babies.
58
145000
2000
Vi gjorde det här med 15-18 månader gamla bebisar.
02:42
And then she would simply put her hand out and say,
59
147000
3000
Sen sträckte hon ut handen och sa,
02:45
"Can you give me some?"
60
150000
2000
"Kan jag få lite?"
02:47
So the question is: What would the baby give her,
61
152000
2000
Så frågan är: Vad skulle barnet ge henne,
02:49
what they liked or what she liked?
62
154000
2000
det som de gillade eller det hon gillade?
02:51
And the remarkable thing was that 18 month-old babies,
63
156000
3000
Och det häpnadsväckande var att 18 månader gamla bebisar,
02:54
just barely walking and talking,
64
159000
2000
som precis lärt sig gå och prata,
02:56
would give her the crackers if she liked the crackers,
65
161000
3000
gav henne kexen om hon visat att hon gillade kexen,
02:59
but they would give her the broccoli if she liked the broccoli.
66
164000
3000
men broccolin om hon visat att hon gillade broccolin.
03:02
On the other hand,
67
167000
2000
De 15 månader gamla bebisarna
03:04
15 month-olds would stare at her for a long time
68
169000
2000
stirrade, å andra sidan, länge på henne
03:06
if she acted as if she liked the broccoli,
69
171000
2000
om hon låtsades som att hon gillade broccolin,
03:08
like they couldn't figure this out.
70
173000
3000
som om de inte kunde förstå sig på det.
03:11
But then after they stared for a long time,
71
176000
2000
Men efter att de stirrat ett tag
03:13
they would just give her the crackers,
72
178000
2000
gav de henne kexen,
03:15
what they thought everybody must like.
73
180000
2000
det som de trodde alla måste gilla.
03:17
So there are two really remarkable things about this.
74
182000
3000
Det finns två anmärkningsvärda saker med detta.
03:20
The first one is that these little 18 month-old babies
75
185000
3000
Det första är att dessa små, 18 månader gamla, bebisar
03:23
have already discovered
76
188000
2000
redan upptäckt
03:25
this really profound fact about human nature,
77
190000
2000
detta centrala faktum om den mänskliga naturen,
03:27
that we don't always want the same thing.
78
192000
2000
att vi inte alltid vill samma saker.
03:29
And what's more, they felt that they should actually do things
79
194000
2000
Och utöver detta kände de att de borde göra saker som
03:31
to help other people get what they wanted.
80
196000
3000
hjälper andra att få det de vill ha.
03:34
Even more remarkably though,
81
199000
2000
Men vad som är ännu mer anmärkningsvärt
03:36
the fact that 15 month-olds didn't do this
82
201000
3000
är att, eftersom de 15 månader gamla bebisarna inte gjorde detta,
03:39
suggests that these 18 month-olds had learned
83
204000
3000
de 18 månader gamla bebisarna tycks ha lärt sig
03:42
this deep, profound fact about human nature
84
207000
3000
detta djupa faktum om den mänskliga naturen
03:45
in the three months from when they were 15 months old.
85
210000
3000
på de tre månader sedan de var 15 månader gamla.
03:48
So children both know more and learn more
86
213000
2000
Så barn både kan och lär sig mer
03:50
than we ever would have thought.
87
215000
2000
än vi någonsin kunnat tro.
03:52
And this is just one of hundreds and hundreds of studies over the last 20 years
88
217000
4000
Och detta är bara en av hundratals studier som gjorts de senaste 20 åren
03:56
that's actually demonstrated it.
89
221000
2000
som visat detta.
03:58
The question you might ask though is:
90
223000
2000
Ni kanske ställer er frågan:
04:00
Why do children learn so much?
91
225000
3000
Varför lär sig barn så mycket?
04:03
And how is it possible for them to learn so much
92
228000
2000
Och hur är det möjligt för dem att lära sig så mycket
04:05
in such a short time?
93
230000
2000
på så kort tid?
04:07
I mean, after all, if you look at babies superficially,
94
232000
2000
Jag menar, om man tittar på bebisar rent ytligt
04:09
they seem pretty useless.
95
234000
2000
så verkar de ganska meningslösa.
04:11
And actually in many ways, they're worse than useless,
96
236000
3000
Och på många sätt är det faktiskt värre än meningslösa,
04:14
because we have to put so much time and energy
97
239000
2000
eftersom vi måste lägga så mycket tid och energi
04:16
into just keeping them alive.
98
241000
2000
på att bara hålla dem vid liv.
04:18
But if we turn to evolution
99
243000
2000
Men om vi vänder oss till evolutionen
04:20
for an answer to this puzzle
100
245000
2000
för att få svar på frågan
04:22
of why we spend so much time
101
247000
2000
varför vi lägger så mycket tid
04:24
taking care of useless babies,
102
249000
3000
på att ta hand om meningslösa bebisar,
04:27
it turns out that there's actually an answer.
103
252000
3000
så visar det sig att det faktiskt finns ett svar.
04:30
If we look across many, many different species of animals,
104
255000
3000
Om vi tittar på många olika sorters djur, olika arter,
04:33
not just us primates,
105
258000
2000
och inte bara på oss primater,
04:35
but also including other mammals, birds,
106
260000
2000
utan även på andra däggdjur, fåglar,
04:37
even marsupials
107
262000
2000
till och med pungdjur,
04:39
like kangaroos and wombats,
108
264000
2000
såsom kängurur och vombater,
04:41
it turns out that there's a relationship
109
266000
2000
så visar det sig att det finns ett samband
04:43
between how long a childhood a species has
110
268000
4000
mellan hur lång barndomstid olika arter har
04:47
and how big their brains are compared to their bodies
111
272000
4000
och hur stora deras hjärnor är i förhållande till deras kroppar
04:51
and how smart and flexible they are.
112
276000
2000
och hur intelligenta och flexibla de är.
04:53
And sort of the posterbirds for this idea are the birds up there.
113
278000
3000
Och typexemplen på detta faktum är de här fåglarna.
04:56
On one side
114
281000
2000
På ena sidan
04:58
is a New Caledonian crow.
115
283000
2000
har ni en Kortnäbbad kråka.
05:00
And crows and other corvidae, ravens, rooks and so forth,
116
285000
3000
Och kråkor och andra fåglar i släktet, såsom korpar, råkor o.s.v
05:03
are incredibly smart birds.
117
288000
2000
är väldigt intelligenta fåglar.
05:05
They're as smart as chimpanzees in some respects.
118
290000
3000
I vissa hänseenden är de lika intelligenta som chimpanser.
05:08
And this is a bird on the cover of science
119
293000
2000
Detta är en fågel på omslaget av Science
05:10
who's learned how to use a tool to get food.
120
295000
3000
som lärt sig att använda ett verktyg för att få mat.
05:13
On the other hand,
121
298000
2000
På andra sidan
05:15
we have our friend the domestic chicken.
122
300000
2000
har i vår vän tamhönan.
05:17
And chickens and ducks and geese and turkeys
123
302000
3000
Och hönor och ankor och gäss och kalkoner
05:20
are basically as dumb as dumps.
124
305000
2000
är egentligen dumma som tåget.
05:22
So they're very, very good at pecking for grain,
125
307000
3000
De är väldigt bra på att picka frön,
05:25
and they're not much good at doing anything else.
126
310000
3000
men inte särskilt bra på något annat.
05:28
Well it turns out that the babies,
127
313000
2000
Det visar sig att ungarna
05:30
the New Caledonian crow babies, are fledglings.
128
315000
2000
till de Kortnäbbade kråkorna är flygfärdiga.
05:32
They depend on their moms
129
317000
2000
De är beroende av att deras mammor
05:34
to drop worms in their little open mouths
130
319000
3000
släpper larver i deras små gap,
05:37
for as long as two years,
131
322000
2000
i upp till två år,
05:39
which is a really long time in the life of a bird.
132
324000
2000
vilket är mycket lång tid i en fågels liv.
05:41
Whereas the chickens are actually mature
133
326000
2000
Kycklingarna, däremot, mognar
05:43
within a couple of months.
134
328000
2000
på ett par månader.
05:45
So childhood is the reason
135
330000
3000
Så deras uppväxttid är anledningen
05:48
why the crows end up on the cover of Science
136
333000
2000
till att kråkorna hamnar på omslaget till Science
05:50
and the chickens end up in the soup pot.
137
335000
2000
och kycklingara hamnar i soppskålen.
05:52
There's something about that long childhood
138
337000
3000
Det är någonting med den här långa uppväxttiden
05:55
that seems to be connected
139
340000
2000
som verkar hänga samman
05:57
to knowledge and learning.
140
342000
2000
med kunskap och inlärning.
05:59
Well what kind of explanation could we have for this?
141
344000
3000
Vad kan vi då tänka oss för en förklaring till detta?
06:02
Well some animals, like the chicken,
142
347000
3000
Ja vissa djur, såsom hönan,
06:05
seem to be beautifully suited
143
350000
2000
verkar vara vackert anpassad
06:07
to doing just one thing very well.
144
352000
2000
till att göra en sak och göra den väl.
06:09
So they seem to be beautifully suited
145
354000
3000
De verkar vara vackert anpassade
06:12
to pecking grain in one environment.
146
357000
2000
till att picka frön i en viss typ av miljö.
06:14
Other creatures, like the crows,
147
359000
2000
Andra varelser, såsom kråkorna,
06:16
aren't very good at doing anything in particular,
148
361000
2000
är inte särskilt bra på något enstaka
06:18
but they're extremely good
149
363000
2000
utan är väldigt bra
06:20
at learning about laws of different environments.
150
365000
2000
på att lära sig olika miljöers villkor.
06:22
And of course, we human beings
151
367000
2000
Och vi människor befinner oss givetvis
06:24
are way out on the end of the distribution like the crows.
152
369000
3000
längst ut på denna del av spektrumet.
06:27
We have bigger brains relative to our bodies
153
372000
2000
Vi har långt mycket större hjärnor i förhållande till vår kroppsstorlek
06:29
by far than any other animal.
154
374000
2000
än något annat djur.
06:31
We're smarter, we're more flexible,
155
376000
2000
Vi är smartare, vi är flexiblare,
06:33
we can learn more,
156
378000
2000
vi kan lära oss mer,
06:35
we survive in more different environments,
157
380000
2000
vi överlever i mer olikartade miljöer,
06:37
we migrated to cover the world and even go to outer space.
158
382000
3000
vi kom genom migration att täcka hela världen och beger oss till och med ut i rymden.
06:40
And our babies and children are dependent on us
159
385000
3000
Och våra bebisar och barn är beroende av oss
06:43
for much longer than the babies of any other species.
160
388000
3000
mycket längre än någon annan arts ungar.
06:46
My son is 23.
161
391000
2000
Min son är 23.
06:48
(Laughter)
162
393000
2000
(Skratt)
06:50
And at least until they're 23,
163
395000
2000
Och åtminstone tills de är 23
06:52
we're still popping those worms
164
397000
2000
så pillar vi fortfarande in larver
06:54
into those little open mouths.
165
399000
3000
i deras små öppna munnar.
06:57
All right, why would we see this correlation?
166
402000
3000
OK, varför ser vi detta samband?
07:00
Well an idea is that that strategy, that learning strategy,
167
405000
4000
En idé är att den här strategin, den här strategin för inlärning,
07:04
is an extremely powerful, great strategy for getting on in the world,
168
409000
3000
är en mycket kraftfull strategi för att klara sig i världen,
07:07
but it has one big disadvantage.
169
412000
2000
med den har en stor nackdel.
07:09
And that one big disadvantage
170
414000
2000
Och den stora nackdelen
07:11
is that, until you actually do all that learning,
171
416000
3000
är att du, tills du faktiskt genomgått all denna inlärning,
07:14
you're going to be helpless.
172
419000
2000
kommer vara hjälplös.
07:16
So you don't want to have the mastodon charging at you
173
421000
3000
Så du vill inte att en mastodont kommer springandes mot dig
07:19
and be saying to yourself,
174
424000
2000
medan du tänker för dig själv,
07:21
"A slingshot or maybe a spear might work. Which would actually be better?"
175
426000
4000
"En slangbella eller ett spjut kanske skulle kunna hjälpa mig. Vilket skulle vara bäst?"
07:25
You want to know all that
176
430000
2000
Det är något du faktiskt vill veta
07:27
before the mastodons actually show up.
177
432000
2000
innan mastodonten faktiskt dyker upp.
07:29
And the way the evolutions seems to have solved that problem
178
434000
3000
Och sättet som evolutionen verkar ha löst det här problemet på
07:32
is with a kind of division of labor.
179
437000
2000
är med en sorts arbetsuppdelning.
07:34
So the idea is that we have this early period when we're completely protected.
180
439000
3000
So tanken är att vi har den här tidiga perioden då vi är helt skyddade.
07:37
We don't have to do anything. All we have to do is learn.
181
442000
3000
Vi behöver inte göra någonting. Allt vi behöver göra är att lära oss.
07:40
And then as adults,
182
445000
2000
Och sen, som vuxna,
07:42
we can take all those things that we learned when we were babies and children
183
447000
3000
kan vi ta alla de där sakerna som vi lärde oss när vi var bebisar och barn
07:45
and actually put them to work to do things out there in the world.
184
450000
3000
och faktiskt använda dem för att göra saker ute i världen.
07:48
So one way of thinking about it
185
453000
2000
Så ett sätt att tänka kring kring det
07:50
is that babies and young children
186
455000
2000
är att bebisar och små barn
07:52
are like the research and development division of the human species.
187
457000
3000
är som uppdelningen mellan forskning och utveckling.
07:55
So they're the protected blue sky guys
188
460000
3000
De är de skyddade drömmarna
07:58
who just have to go out and learn and have good ideas,
189
463000
2000
som bara behöver gå omkring och ha bra ideer,
08:00
and we're production and marketing.
190
465000
2000
och vi vuxna är produktion och marknadsföring.
08:02
We have to take all those ideas
191
467000
2000
Vi måste ta alla de där idéerna
08:04
that we learned when we were children
192
469000
2000
vi hade som barn
08:06
and actually put them to use.
193
471000
2000
och använda oss av dem.
08:08
Another way of thinking about it
194
473000
2000
Ett annat sätt att tänka kring det
08:10
is instead of thinking of babies and children
195
475000
2000
är att istället för att tänka på bebisar och barn
08:12
as being like defective grownups,
196
477000
2000
som bristfälliga vuxna,
08:14
we should think about them
197
479000
2000
så borde vi tänka att de
08:16
as being a different developmental stage of the same species --
198
481000
2000
bara befinner sig på ett annat utveklingssteg av samma art –
08:18
kind of like caterpillars and butterflies --
199
483000
3000
ungefär som larver och fjärilar –
08:21
except that they're actually the brilliant butterflies
200
486000
2000
med undantaget att de faktiskt är de fantastiska fjärilarna,
08:23
who are flitting around the garden and exploring,
201
488000
3000
som flyger fram och tillbaka i trädgården och utforskar,
08:26
and we're the caterpillars
202
491000
2000
medan vi är larverna
08:28
who are inching along our narrow, grownup, adult path.
203
493000
3000
som kryper långsamt fram längs vår smala, vuxna väg.
08:31
If this is true, if these babies are designed to learn --
204
496000
3000
Om detta stämmer, om dessa bebisar designats för att lära sig –
08:34
and this evolutionary story would say children are for learning,
205
499000
3000
och denna evolutionsberättelse skulle säga att barn är till för att lära sig,
08:37
that's what they're for --
206
502000
2000
det är det de är till för –
08:39
we might expect
207
504000
2000
då borde vi kunna förvänta oss
08:41
that they would have really powerful learning mechanisms.
208
506000
2000
att de har verkligt starka mekanismer för att lära sig saker.
08:43
And in fact, the baby's brain
209
508000
3000
Och barnets hjärna verkar faktiskt
08:46
seems to be the most powerful learning computer
210
511000
2000
vara den mest kraftfulla inlärningsdator
08:48
on the planet.
211
513000
2000
på jorden.
08:50
But real computers are actually getting to be a lot better.
212
515000
3000
Riktiga datorer blir dock bättre och bättre.
08:53
And there's been a revolution
213
518000
2000
Och det har nyligen skett en revolution
08:55
in our understanding of machine learning recently.
214
520000
2000
i vår förståelse kring maskininlärning.
08:57
And it all depends on the ideas of this guy,
215
522000
3000
Och allt grundar sig på den här mannens idéer,
09:00
the Reverend Thomas Bayes,
216
525000
2000
pastor Thomas Bayes,
09:02
who was a statistician and mathematician in the 18th century.
217
527000
3000
som var statistiker och matematiker på 1700-talet.
09:05
And essentially what Bayes did
218
530000
3000
Det Bayes, i korthet, gjorde
09:08
was to provide a mathematical way
219
533000
2000
var att utveckla ett matematiskt sätt,
09:10
using probability theory
220
535000
2000
genom att använda teorier från sannolikhetsläran
09:12
to characterize, describe,
221
537000
2000
att karakterisera och beskriva
09:14
the way that scientists find out about the world.
222
539000
2000
sättet som vetenskapsmän upptäcker mer om världen.
09:16
So what scientists do
223
541000
2000
Det vetenskapsmän gör
09:18
is they have a hypothesis that they think might be likely to start with.
224
543000
3000
är att de har en hypotes som de tror kanske är bra att utgå från.
09:21
They go out and test it against the evidence.
225
546000
2000
De ger sig ut och testar hypotesen mot bevisen.
09:23
The evidence makes them change that hypothesis.
226
548000
2000
Bevisen får dem att ändra hypotesen.
09:25
Then they test that new hypothesis
227
550000
2000
Sedan testar de den ny hypotesen,
09:27
and so on and so forth.
228
552000
2000
osv, osv.
09:29
And what Bayes showed was a mathematical way that you could do that.
229
554000
3000
Det som Bayes visade var att det finns ett matematiskt sätt att göra detta på.
09:32
And that mathematics is at the core
230
557000
2000
Och den matematiken utgör kärnan
09:34
of the best machine learning programs that we have now.
231
559000
2000
i de bästa programmen för inlärning som vi har idag.
09:36
And some 10 years ago,
232
561000
2000
Och för ungefär 10 år sedan
09:38
I suggested that babies might be doing the same thing.
233
563000
4000
så föreslog jag att barn kanske faktiskt gör samma sak.
09:42
So if you want to know what's going on
234
567000
2000
Så om du vill veta på vad som pågår
09:44
underneath those beautiful brown eyes,
235
569000
2000
bakom de här vackra, bruna ögonen,
09:46
I think it actually looks something like this.
236
571000
2000
så tror jag att det ser ut ungefär så här.
09:48
This is Reverend Bayes's notebook.
237
573000
2000
Det här är pastor Bayes anteckningsbok.
09:50
So I think those babies are actually making complicated calculations
238
575000
3000
Jag tror faktiskt de här bebisarna gör avancerade beräkningar
09:53
with conditional probabilities that they're revising
239
578000
3000
med betingade sannolikheter som de utvärderar
09:56
to figure out how the world works.
240
581000
2000
för att förstå hur världen fungerar.
09:58
All right, now that might seem like an even taller order to actually demonstrate.
241
583000
4000
Okej, det kanske verkar ännu svårare att faktiskt visa.
10:02
Because after all, if you ask even grownups about statistics,
242
587000
2000
För när du frågar till och med vuxna om statistik
10:04
they look extremely stupid.
243
589000
2000
ser de väldigt frågande ut.
10:06
How could it be that children are doing statistics?
244
591000
3000
Hur kommer det sig att barn ägnar sig åt statistik?
10:09
So to test this we used a machine that we have
245
594000
2000
För att testa detta använde vi oss av en maskin vi har
10:11
called the Blicket Detector.
246
596000
2000
som vi kallar för "Blicket"-detektorn.
10:13
This is a box that lights up and plays music
247
598000
2000
Det är en låda som tänds och spelar musik
10:15
when you put some things on it and not others.
248
600000
3000
när man lägger vissa saker på den men inte andra.
10:18
And using this very simple machine,
249
603000
2000
Och genom att använda oss av den här enkla maskinen
10:20
my lab and others have done dozens of studies
250
605000
2000
så har mitt labb och andra gjort ett stort antal studier
10:22
showing just how good babies are
251
607000
2000
som visar hur bra bebisar är
10:24
at learning about the world.
252
609000
2000
på att lära sig saker om världen.
10:26
Let me mention just one
253
611000
2000
Jag tänkte bara nämna en av de här studierna
10:28
that we did with Tumar Kushner, my student.
254
613000
2000
som vi gjorde tillsammans med Tumar Kushner, en av mina studenter.
10:30
If I showed you this detector,
255
615000
2000
Om jag visade er den här detektorn
10:32
you would be likely to think to begin with
256
617000
2000
så skulle ni förmodligen tänka att det man borde börja med
10:34
that the way to make the detector go
257
619000
2000
för att få detektorn att reagera
10:36
would be to put a block on top of the detector.
258
621000
3000
är att lägga en kloss på detektorn.
10:39
But actually, this detector
259
624000
2000
Men i själva verket fungerar den här detektorn
10:41
works in a bit of a strange way.
260
626000
2000
på ett lite konstigt sätt.
10:43
Because if you wave a block over the top of the detector,
261
628000
3000
För om man rör en kloss i luften ovanför detektorn,
10:46
something you wouldn't ever think of to begin with,
262
631000
3000
något man aldrig ens skulle få för sig att göra,
10:49
the detector will actually activate two out of three times.
263
634000
3000
så reagerar detektorn faktiskt två av tre gånger.
10:52
Whereas, if you do the likely thing, put the block on the detector,
264
637000
3000
Medan, om man gör det troliga, nämligen lägger klossen på detektorn
10:55
it will only activate two out of six times.
265
640000
4000
så reagerar den bara två gånger av sex.
10:59
So the unlikely hypothesis
266
644000
2000
Så den mer mindre troliga hypotesen
11:01
actually has stronger evidence.
267
646000
2000
har starkare evidens.
11:03
It looks as if the waving
268
648000
2000
Det ser ut som att röra klossen i luften ovanför detektorn
11:05
is a more effective strategy than the other strategy.
269
650000
2000
är en effektivare strategi än den andra strategin.
11:07
So we did just this; we gave four year-olds this pattern of evidence,
270
652000
3000
Så detta var precis vad vi gjorde; Vi gav fyraåringar detta mönster av evidens
11:10
and we just asked them to make it go.
271
655000
2000
och vi bad dem helt enkelt att få detektorn att reagera.
11:12
And sure enough, the four year-olds used the evidence
272
657000
3000
Och mycket riktigt så tog fyraåringarna till sig evidensen
11:15
to wave the object on top of the detector.
273
660000
3000
och rörde klossarna i luften ovanför detektorn.
11:18
Now there are two things that are really interesting about this.
274
663000
3000
Det är två saker som är intressant med det här.
11:21
The first one is, again, remember, these are four year-olds.
275
666000
3000
Det första är, återigen, och kom ihåg att detta är fyraåringar.
11:24
They're just learning how to count.
276
669000
2000
De har precis börjat lära sig räkna.
11:26
But unconsciously,
277
671000
2000
Men utan att vara medvetna om det
11:28
they're doing these quite complicated calculations
278
673000
2000
så utför de dessa tämligen avancerade beräkningar,
11:30
that will give them a conditional probability measure.
279
675000
3000
som ger dem en mått på betingad sannolikhet.
11:33
And the other interesting thing
280
678000
2000
Det andra som är intressant
11:35
is that they're using that evidence
281
680000
2000
är att de använder sig av evidensen
11:37
to get to an idea, get to a hypothesis about the world,
282
682000
3000
för att skapa sig en idé, en hypotes om världen,
11:40
that seems very unlikely to begin with.
283
685000
3000
som till att börja med inte verkar särskilt sannolik.
11:43
And in studies we've just been doing in my lab, similar studies,
284
688000
3000
Och i studier vi nyligen gjort i mitt labb, liknande studier
11:46
we've show that four year-olds are actually better
285
691000
2000
har vi kunnat visa att fyraåringar faktiskt är bättre
11:48
at finding out an unlikely hypothesis
286
693000
3000
på att komma på en osannolik hypotes
11:51
than adults are when we give them exactly the same task.
287
696000
3000
än vad vuxna är när vi ger dem exakt samma uppgift.
11:54
So in these circumstances,
288
699000
2000
Så i dessa fall
11:56
the children are using statistics to find out about the world,
289
701000
3000
använder sig barnen av statistik för att lära sig saker om världen
11:59
but after all, scientists also do experiments,
290
704000
3000
men vetenskapsmän utför dessutom experiment,
12:02
and we wanted to see if children are doing experiments.
291
707000
3000
och vi ville se om barnen också utför experiment.
12:05
When children do experiments we call it "getting into everything"
292
710000
3000
När barn utför experiment så kallar vi det "göra alla möjliga saker"
12:08
or else "playing."
293
713000
2000
eller "leka".
12:10
And there's been a bunch of interesting studies recently
294
715000
3000
Och det har kommit en rad intressanta studier den senaste tiden
12:13
that have shown this playing around
295
718000
3000
som har visat att detta lekande
12:16
is really a kind of experimental research program.
296
721000
2000
faktiskt är ett slags experimentellt forskningsprogram.
12:18
Here's one from Cristine Legare's lab.
297
723000
3000
Här är en en från Cristine Legares lab.
12:21
What Cristine did was use our Blicket Detectors.
298
726000
3000
Det som Cristine gjorde var att använda våra "Blicket"-detektorer.
12:24
And what she did was show children
299
729000
2000
Det hon gjorde var att visa barn
12:26
that yellow ones made it go and red ones didn't,
300
731000
2000
att gula klossar fick detektorn att reagera medan röda inte gjorde det,
12:28
and then she showed them an anomaly.
301
733000
3000
och sen visade hon dem en avvikelse.
12:31
And what you'll see
302
736000
2000
Och det ni kommer se
12:33
is that this little boy will go through five hypotheses
303
738000
3000
är att den här lille pojken går igenom fem hypoteser
12:36
in the space of two minutes.
304
741000
3000
inom loppet av två minuter.
12:39
(Video) Boy: How about this?
305
744000
3000
(Video) Pojke: Om jag gör så här?
12:43
Same as the other side.
306
748000
3000
Samma som på andra sidan.
12:46
Alison Gopnik: Okay, so his first hypothesis has just been falsified.
307
751000
4000
Alison Gopnik: Okej, så hans första hypotes stämde inte.
12:55
(Laughter)
308
760000
2000
(Skratt)
12:57
Boy: This one lighted up, and this one nothing.
309
762000
3000
Pojke: Den här började lysa, men inte den här.
13:00
AG: Okay, he's got his experimental notebook out.
310
765000
3000
AG: Okej, där plockade han fram sin experimentanteckningsbok.
13:06
Boy: What's making this light up.
311
771000
4000
Poje: Vad är det som gör att den här lyser?
13:11
(Laughter)
312
776000
9000
(Skratt)
13:20
I don't know.
313
785000
2000
Jag vet inte.
13:22
AG: Every scientist will recognize that expression of despair.
314
787000
4000
AG: Varje forskare känner igen den där uppgivenheten.
13:26
(Laughter)
315
791000
3000
(Skratt)
13:29
Boy: Oh, it's because this needs to be like this,
316
794000
6000
Pojke: Aha, det är för att den här måste ligga så här,
13:35
and this needs to be like this.
317
800000
2000
och den här måste ligga så här.
13:37
AG: Okay, hypothesis two.
318
802000
3000
AG: Okej, hypotes nummer två.
13:40
Boy: That's why.
319
805000
2000
Pojke: Det är därför.
13:42
Oh.
320
807000
2000
Åh!
13:44
(Laughter)
321
809000
5000
(Skratt)
13:49
AG: Now this is his next idea.
322
814000
2000
AG: Här är hans nästa idé.
13:51
He told the experimenter to do this,
323
816000
2000
Han bad experimentledaren att göra detta,
13:53
to try putting it out onto the other location.
324
818000
4000
att försöka ställa den ena över den andra.
13:57
Not working either.
325
822000
2000
Funkar inte heller.
14:02
Boy: Oh, because the light goes only to here,
326
827000
4000
Pojke: Okej, för att ljuset når bara hit,
14:06
not here.
327
831000
3000
inte hit.
14:09
Oh, the bottom of this box
328
834000
3000
Okej, botten på den här lådan
14:12
has electricity in here,
329
837000
2000
har elekticiteten in här
14:14
but this doesn't have electricity.
330
839000
2000
men den här har inte elektricitet.
14:16
AG: Okay, that's a fourth hypothesis.
331
841000
2000
AG: Okej, där har vi en fjärde hypotes.
14:18
Boy: It's lighting up.
332
843000
2000
Pojke: Den lyser.
14:20
So when you put four.
333
845000
5000
Så när du tar fyra...
14:26
So you put four on this one to make it light up
334
851000
3000
Så när du tar fyra på den här för att få den att lysa
14:29
and two on this one to make it light up.
335
854000
2000
och två på den här för att få den att lysa.
14:31
AG: Okay,there's his fifth hypothesis.
336
856000
2000
AG: Okej, där har vi hans femte hypotes.
14:33
Now that is a particularly --
337
858000
3000
Det där är en särskilt –
14:36
that is a particularly adorable and articulate little boy,
338
861000
3000
det där var en särskilt söt och vältalig liten pojke,
14:39
but what Cristine discovered is this is actually quite typical.
339
864000
3000
men det som Cristine upptäckte var att det här faktiskt är ett ganska typiskt exempel.
14:42
If you look at the way children play, when you ask them to explain something,
340
867000
3000
Om du tittar på hur barn leker, när du ber dem förklara någonting,
14:45
what they really do is do a series of experiments.
341
870000
3000
så är vad de gör i själva verket en rad experiment.
14:48
This is actually pretty typical of four year-olds.
342
873000
3000
Det här är faktiskt ganska typiskt för fyraåringar.
14:51
Well, what's it like to be this kind of creature?
343
876000
3000
Nå, hur är det att vara den här lilla varelsen?
14:54
What's it like to be one of these brilliant butterflies
344
879000
3000
Hur är det att vara en av dessa fantastiska fjärilar
14:57
who can test five hypotheses in two minutes?
345
882000
3000
som kan pröva fem hypoteser på två minuter?
15:00
Well, if you go back to those psychologists and philosophers,
346
885000
3000
Ja, om du går tillbaka till de där psykologerna och filosoferna,
15:03
a lot of them have said
347
888000
2000
skulle många av dem ha svarat
15:05
that babies and young children were barely conscious
348
890000
2000
att bebisar och unga barn knappt är medvetna,
15:07
if they were conscious at all.
349
892000
2000
om de över huvud taget är medvetna.
15:09
And I think just the opposite is true.
350
894000
2000
Och jag tror precis raka motsatsen är sant.
15:11
I think babies and children are actually more conscious than we are as adults.
351
896000
3000
Jag tror att bebisar och barn faktiskt är mer medvetna än vi vuxna.
15:14
Now here's what we know about how adult consciousness works.
352
899000
3000
Det här är vad vi känner till om hur medvetenhet hos vuxna fungerar.
15:17
And adults' attention and consciousness
353
902000
2000
Vuxnas uppmärksamhet och medvetande
15:19
look kind of like a spotlight.
354
904000
2000
fungerar ungefär som en spotlight.
15:21
So what happens for adults
355
906000
2000
Så det som händer för oss vuxna
15:23
is we decide that something's relevant or important,
356
908000
2000
är att vi bestämmer att om något är relevant eller viktigt
15:25
we should pay attention to it.
357
910000
2000
så ska vi vara uppmärksamma på det.
15:27
Our consciousness of that thing that we're attending to
358
912000
2000
Vårt medvetande om de saker som vi har för handen
15:29
becomes extremely bright and vivid,
359
914000
3000
blir extremt klart och tydligt,
15:32
and everything else sort of goes dark.
360
917000
2000
men allt annat faller liksom i mörker.
15:34
And we even know something about the way the brain does this.
361
919000
3000
Och vi känner till och med till en del om hur hjärnan gör detta.
15:37
So what happens when we pay attention
362
922000
2000
Så det som händer när vi är uppmärksamma
15:39
is that the prefrontal cortex, the sort of executive part of our brains,
363
924000
3000
är att den prefrontala kortexen, den exekutiva delen av våra hjärnor,
15:42
sends a signal
364
927000
2000
skickar en signal
15:44
that makes a little part of our brain much more flexible,
365
929000
2000
som gör en liten del av vår hjärna mycket mer flexibel,
15:46
more plastic, better at learning,
366
931000
2000
mer plastisk, bättre på inlärning,
15:48
and shuts down activity
367
933000
2000
och stänger av aktiviteten
15:50
in all the rest of our brains.
368
935000
2000
i resten av våra hjärnor.
15:52
So we have a very focused, purpose-driven kind of attention.
369
937000
4000
Så vi har en väldigt fokuserad, ändamålsinriktad uppmärksamhet.
15:56
If we look at babies and young children,
370
941000
2000
Om vi tittar på bebisar och små barn,
15:58
we see something very different.
371
943000
2000
så ser vi något helt annat.
16:00
I think babies and young children
372
945000
2000
Jag tror bebisar och små barn
16:02
seem to have more of a lantern of consciousness
373
947000
2000
har ett medvetande som är mer som en lanterna,
16:04
than a spotlight of consciousness.
374
949000
2000
än som en spotlight.
16:06
So babies and young children are very bad
375
951000
3000
Så bebisar och små barn är väldigt dåliga på att
16:09
at narrowing down to just one thing.
376
954000
3000
begränsa sig till bara en sak.
16:12
But they're very good at taking in lots of information
377
957000
3000
Men de är väldigt bra på att ta in stora mängder information
16:15
from lots of different sources at once.
378
960000
2000
från flera källor samtidigt.
16:17
And if you actually look in their brains,
379
962000
2000
Och om du faktiskt tittar i deras hjärnor
16:19
you see that they're flooded with these neurotransmitters
380
964000
3000
så ser du att de är sprängfyllda med neurotransmittorer
16:22
that are really good at inducing learning and plasticity,
381
967000
2000
som är ytterst bra på att skapa plasticitet och hjälpa inlärningen
16:24
and the inhibitory parts haven't come on yet.
382
969000
3000
och de begränsande delarna har inte slagits på än.
16:27
So when we say that babies and young children
383
972000
2000
Så när vi säger att bebisar och små barn
16:29
are bad at paying attention,
384
974000
2000
är dåliga på att vara uppmärksamma
16:31
what we really mean is that they're bad at not paying attention.
385
976000
4000
så menar vi egentligen att de är dåliga på att inte vara uppmärksamma.
16:35
So they're bad at getting rid
386
980000
2000
Så de är dåliga på att göra sig av
16:37
of all the interesting things that could tell them something
387
982000
2000
med alla intressanta saker som skulle kunna lära dem någonting
16:39
and just looking at the thing that's important.
388
984000
2000
och bara se det som är viktigt.
16:41
That's the kind of attention, the kind of consciousness,
389
986000
3000
Det är den typen av uppmärksamhet, den typ av medvetande
16:44
that we might expect
390
989000
2000
som vi skulle kunna vänta oss
16:46
from those butterflies who are designed to learn.
391
991000
2000
hos de där fantastiska fjärilarna som är som designade för att lära sig saker.
16:48
Well if we want to think about a way
392
993000
2000
Om vi vill försöka tänka ut ett sätt
16:50
of getting a taste of that kind of baby consciousness as adults,
393
995000
4000
att få en smak den sortens medvetenhet som vuxna,
16:54
I think the best thing is think about cases
394
999000
2000
så tror jag att det bästa sättet är att tänka på de fall
16:56
where we're put in a new situation that we've never been in before --
395
1001000
3000
då vi hamnar i en ny situation vi aldrig befunnit oss i förut –
16:59
when we fall in love with someone new,
396
1004000
2000
när vi blir kära i någon ny,
17:01
or when we're in a new city for the first time.
397
1006000
3000
eller när vi är i en ny stad för första gången.
17:04
And what happens then is not that our consciousness contracts,
398
1009000
2000
Och det som händer då är inte att vårt medvetande drar ihop sig,
17:06
it expands,
399
1011000
2000
det expanderar,
17:08
so that those three days in Paris
400
1013000
2000
så att de där tre dagarna i Paris
17:10
seem to be more full of consciousness and experience
401
1015000
2000
tycks oss mer fulla av medvetande och upplevelser
17:12
than all the months of being
402
1017000
2000
än alla de månader
17:14
a walking, talking, faculty meeting-attending zombie back home.
403
1019000
4000
vi spenderar hemma med att gå omkring, prata och gå på möten som zombies.
17:18
And by the way, that coffee,
404
1023000
2000
Och förresten, det där kaffet,
17:20
that wonderful coffee you've been drinking downstairs,
405
1025000
2000
det där underbara kaffet som ni drack en våning ner,
17:22
actually mimics the effect
406
1027000
2000
det härmar effekten
17:24
of those baby neurotransmitters.
407
1029000
2000
som de där neurotransmittorerna har.
17:26
So what's it like to be a baby?
408
1031000
2000
Så, hur är det då att vara bebis?
17:28
It's like being in love
409
1033000
2000
Det är som att vara kär
17:30
in Paris for the first time
410
1035000
2000
medan du är i Paris för första gången
17:32
after you've had three double-espressos.
411
1037000
2000
efter att du druckit tre dubbla espresso.
17:34
(Laughter)
412
1039000
3000
(Skratt)
17:37
That's a fantastic way to be,
413
1042000
2000
Det är ett fantastiskt sätt att vara,
17:39
but it does tend to leave you waking up crying at three o'clock in the morning.
414
1044000
4000
men det brukar sluta med att du gråtande vaknar upp klockan tre på natten.
17:43
(Laughter)
415
1048000
3000
(Skratt)
17:46
Now it's good to be a grownup.
416
1051000
2000
Det är bra att vara vuxen.
17:48
I don't want to say too much about how wonderful babies are.
417
1053000
2000
Jag vill inte säga allt för mycket om hur underbara bebisar är.
17:50
It's good to be a grownup.
418
1055000
2000
Det är bra att vara vuxen.
17:52
We can do things like tie our shoelaces and cross the street by ourselves.
419
1057000
3000
Vi kan göra saker som att knyta våra skosnören och korsa gatan själva.
17:55
And it makes sense that we put a lot of effort
420
1060000
2000
Och det är klokt av oss att lägga så mycket energi
17:57
into making babies think like adults do.
421
1062000
4000
på att få bebisar att tänka som vuxna gör.
18:01
But if what we want is to be like those butterflies,
422
1066000
3000
Men om det vi vill är att vara som de där fjärilarna,
18:04
to have open-mindedness, open learning,
423
1069000
3000
att ha öppna sinnen, öppet lärande,
18:07
imagination, creativity, innovation,
424
1072000
2000
fantasi, kreativitet, innovation,
18:09
maybe at least some of the time
425
1074000
2000
i alla fall ibland,
18:11
we should be getting the adults
426
1076000
2000
så borde vi försöka få vuxna
18:13
to start thinking more like children.
427
1078000
2000
att börja tänka mer som barn.
18:15
(Applause)
428
1080000
8000
(Applåder)
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