TED2015
Laura Schulz: The surprisingly logical minds of babies
Laura Schulz: Bebeklerin inanılmaz derecede mantıklı zihinleri
Filmed:
Readability: 3.8
1,888,975 views
Bebekler bu kadar az şeyden bu kadar çok bilgiyi çabucak nasıl öğreniyor? Eğlenceli, deneyle dolu konuşmasında, bilişsel bilimci Laura Schulz, bebeklerimizin şaşırtıcı derecede güçlü bir mantıkla, konuşmadan bile önce nasıl karar verdiğini gösteriyor.
Laura Schulz - Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn. Full bio
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn. Full bio
Double-click the English transcript below to play the video.
00:12
Mark Twain summed up
what I take to be
what I take to be
0
835
2155
Mark Twain, benim bilişsel bilimlerin
00:14
one of the fundamental problems
of cognitive science
of cognitive science
1
2990
3120
temel sorunlarından biri olarak
gördüğüm şeyi
gördüğüm şeyi
00:18
with a single witticism.
2
6110
1710
tek bir espriyle özetledi.
00:20
He said, "There's something
fascinating about science.
fascinating about science.
3
8410
3082
"Bilimle ilgili inanılmaz bir şey var.
00:23
One gets such wholesale
returns of conjecture
returns of conjecture
4
11492
3228
İncir çekirdeğini doldurmayan
gerçeğe yatırımla,
gerçeğe yatırımla,
00:26
out of such a trifling
investment in fact."
investment in fact."
5
14720
3204
varsayımların toptan satış
kârını elde edebilirsiniz."
kârını elde edebilirsiniz."
00:29
(Laughter)
6
17924
1585
(Gülüşmeler)
00:32
Twain meant it as a joke,
of course, but he's right:
of course, but he's right:
7
20199
2604
Twain bunu şaka amaçlı söyledi
tabii ki de, ama haklı:
tabii ki de, ama haklı:
00:34
There's something
fascinating about science.
fascinating about science.
8
22803
2876
Bilimle ilgili inanılmaz bir şey var.
00:37
From a few bones, we infer
the existence of dinosuars.
the existence of dinosuars.
9
25679
4261
Birkaç kemikten, dinozorların
varlığına ulaşıyoruz.
varlığına ulaşıyoruz.
00:42
From spectral lines,
the composition of nebulae.
the composition of nebulae.
10
30910
3871
Tayf çizgilerinden,
bulutsuların dizilimine;
bulutsuların dizilimine;
00:47
From fruit flies,
11
35471
2938
meyve sineklerinden,
00:50
the mechanisms of heredity,
12
38409
2943
kalıtım düzeneklerine
00:53
and from reconstructed images
of blood flowing through the brain,
of blood flowing through the brain,
13
41352
4249
ve beynin içinde akan kanın
yeniden oluşturulan görüntülerinden,
yeniden oluşturulan görüntülerinden,
00:57
or in my case, from the behavior
of very young children,
of very young children,
14
45601
4708
ya da benim durumumda, çok küçük
çocukların davranışından,
çocukların davranışından,
01:02
we try to say something about
the fundamental mechanisms
the fundamental mechanisms
15
50309
2829
insan bilişinin temel düzenekleriyle
ilgili bir şeyler
ilgili bir şeyler
01:05
of human cognition.
16
53138
1618
söylemeye çalışıyoruz.
01:07
In particular, in my lab in the Department
of Brain and Cognitive Sciences at MIT,
of Brain and Cognitive Sciences at MIT,
17
55716
4759
Özellikle, MIT'teki Beyin ve Bilişsel
Bilimler Bölümü'ndeki laboratuvarımda,
Bilimler Bölümü'ndeki laboratuvarımda,
01:12
I have spent the past decade
trying to understand the mystery
trying to understand the mystery
18
60475
3654
geçen on yılı, çocukların çok az bilgiyle
bu kadar çok bilgiyi çok hızlıca
bu kadar çok bilgiyi çok hızlıca
01:16
of how children learn so much
from so little so quickly.
from so little so quickly.
19
64129
3977
nasıl öğrendiğini
anlamaya çalışarak harcadım.
anlamaya çalışarak harcadım.
01:20
Because, it turns out that
the fascinating thing about science
the fascinating thing about science
20
68666
2978
Çünkü, bilimle ilgili
büyüleyici olan şey,
büyüleyici olan şey,
01:23
is also a fascinating
thing about children,
thing about children,
21
71644
3529
aynı zamanda çocuklarla ilgili
olarak da büyüleyici bir şey oluyor,
olarak da büyüleyici bir şey oluyor,
01:27
which, to put a gentler
spin on Mark Twain,
spin on Mark Twain,
22
75173
2581
Mark Twain'in bakışıyla
ele alırsak,
ele alırsak,
01:29
is precisely their ability
to draw rich, abstract inferences
to draw rich, abstract inferences
23
77754
4650
bu durum, tam olarak çocukların
yetersiz ve belirsiz veriden
yetersiz ve belirsiz veriden
01:34
rapidly and accurately
from sparse, noisy data.
from sparse, noisy data.
24
82404
4661
hızlıca ve doğruca zengin ve soyut
çıkarımlar yapma yeteneği demek.
çıkarımlar yapma yeteneği demek.
01:40
I'm going to give you
just two examples today.
just two examples today.
25
88355
2398
Bugün size yalnızca iki örnek vereceğim.
01:42
One is about a problem of generalization,
26
90753
2287
Birisi genelleme sorunuyla ilgili,
01:45
and the other is about a problem
of causal reasoning.
of causal reasoning.
27
93040
2850
diğeriyse nedensel akıl yürütme
sorunuyla ilgili.
sorunuyla ilgili.
01:47
And although I'm going to talk
about work in my lab,
about work in my lab,
28
95890
2525
Ve laboratuvarımdaki çalışmamla
ilgili konuşacak olsam da,
ilgili konuşacak olsam da,
01:50
this work is inspired by
and indebted to a field.
and indebted to a field.
29
98415
3460
bu çalışma alanımda teşekkür borçlu
olduğum kişilerden ilham alıyor.
olduğum kişilerden ilham alıyor.
01:53
I'm grateful to mentors, colleagues,
and collaborators around the world.
and collaborators around the world.
30
101875
4283
Dünyadaki tüm danışmanlara, meslektaşlara
ve işbirlikçilere minnettârım.
ve işbirlikçilere minnettârım.
01:59
Let me start with the problem
of generalization.
of generalization.
31
107308
2974
Genelleme sorunuyla başlayalım.
02:02
Generalizing from small samples of data
is the bread and butter of science.
is the bread and butter of science.
32
110652
4133
Küçük veri örneklerinden genelleme yapmak
bilimin ekmek teknesidir.
bilimin ekmek teknesidir.
02:06
We poll a tiny fraction of the electorate
33
114785
2554
Küçücük bir seçmen kitlesine anket yaparız
02:09
and we predict the outcome
of national elections.
of national elections.
34
117339
2321
ve ulusal seçimlerin sonucunu öngörürüz.
02:12
We see how a handful of patients
responds to treatment in a clinical trial,
responds to treatment in a clinical trial,
35
120240
3925
Bir klinik deneyde bir avuç insanın
tedaviye verdiği tepkiye bakar
tedaviye verdiği tepkiye bakar
02:16
and we bring drugs to a national market.
36
124165
3065
ve ilaçları ülke pazarına süreriz.
02:19
But this only works if our sample
is randomly drawn from the population.
is randomly drawn from the population.
37
127230
4365
Fakat böyle bir şey, ancak örneğimiz
ana kitleden rastgele alınırsa işe yarar.
ana kitleden rastgele alınırsa işe yarar.
02:23
If our sample is cherry-picked
in some way --
in some way --
38
131595
2735
Örneğimiz bir şekilde
keyfî olarak seçilmişse,
keyfî olarak seçilmişse,
02:26
say, we poll only urban voters,
39
134330
2072
diyelim ki yalnızca şehirdeki seçmenleri
02:28
or say, in our clinical trials
for treatments for heart disease,
for treatments for heart disease,
40
136402
4388
ya da diyelim ki kalp hastalığı
tedavisi klinik deneylerimizde
tedavisi klinik deneylerimizde
02:32
we include only men --
41
140790
1881
yalnızca erkekleri dâhil ettik --
02:34
the results may not generalize
to the broader population.
to the broader population.
42
142671
3158
sonuçlar daha geniş ana kitleye
genellenemeyebilir.
genellenemeyebilir.
02:38
So scientists care whether evidence
is randomly sampled or not,
is randomly sampled or not,
43
146479
3581
Bu yüzden bilim insanları, bulgunun
rastgeleliğine önem verir,
rastgeleliğine önem verir,
02:42
but what does that have to do with babies?
44
150060
2015
ama bunun bebeklerle ne ilgisi var?
02:44
Well, babies have to generalize
from small samples of data all the time.
from small samples of data all the time.
45
152585
4621
Şöyle ki, bebekler sürekli küçük veri
örneklerinden genellemek zorundadır.
örneklerinden genellemek zorundadır.
02:49
They see a few rubber ducks
and learn that they float,
and learn that they float,
46
157206
3158
Birkaç oyuncak ördek görürler ve
batmadan durduğunu öğrenirler
batmadan durduğunu öğrenirler
02:52
or a few balls and learn that they bounce.
47
160364
3575
ya da birkaç topun zıpladığını öğrenirler.
02:55
And they develop expectations
about ducks and balls
about ducks and balls
48
163939
2951
Ördekler ve toplarla ilgili
02:58
that they're going to extend
to rubber ducks and balls
to rubber ducks and balls
49
166890
2716
yaşamları boyunca
oyuncak ördek ve toplara ekleyecekleri
oyuncak ördek ve toplara ekleyecekleri
03:01
for the rest of their lives.
50
169606
1879
beklentiler edinirler.
03:03
And the kinds of generalizations
babies have to make about ducks and balls
babies have to make about ducks and balls
51
171485
3739
Ve bebekler, ördekler ve toplarla ilgili
yapması gereken bu tür genellemeleri
yapması gereken bu tür genellemeleri
03:07
they have to make about almost everything:
52
175224
2089
neredeyse her şey için yapmak zorundadır:
03:09
shoes and ships and sealing wax
and cabbages and kings.
and cabbages and kings.
53
177313
3917
ayakkabılar, gemiler, mühür mumları,
lahanalar, krallar...
lahanalar, krallar...
03:14
So do babies care whether
the tiny bit of evidence they see
the tiny bit of evidence they see
54
182200
2961
Peki bebekler gördükleri
küçücük bulgu parçasının
küçücük bulgu parçasının
03:17
is plausibly representative
of a larger population?
of a larger population?
55
185161
3692
daha büyük bir ana kitleyi
temsil edişini umursar mı?
temsil edişini umursar mı?
03:21
Let's find out.
56
189763
1900
Haydi öğrenelim.
03:23
I'm going to show you two movies,
57
191663
1723
Size iki video göstereceğim,
03:25
one from each of two conditions
of an experiment,
of an experiment,
58
193386
2462
bir deneyin iki koşulunu
da gösteren videolar
da gösteren videolar
03:27
and because you're going to see
just two movies,
just two movies,
59
195848
2438
ve yalnızca iki video izleyeceğiniz için
03:30
you're going to see just two babies,
60
198286
2136
yalnızca iki bebek göreceksiniz
03:32
and any two babies differ from each other
in innumerable ways.
in innumerable ways.
61
200422
3947
ve herhangi iki bebek birbirinden
sayısız farklılıklar gösterir.
sayısız farklılıklar gösterir.
03:36
But these babies, of course,
here stand in for groups of babies,
here stand in for groups of babies,
62
204369
3051
Fakat bu bebekler, tabii ki,
bebek gruplarını temsil ediyor
bebek gruplarını temsil ediyor
03:39
and the differences you're going to see
63
207420
1895
ve göreceğiniz farklılıklar
03:41
represent average group differences
in babies' behavior across conditions.
in babies' behavior across conditions.
64
209315
5195
bebeklerin davranışındaki koşullar arası
ortalama grup farklılıklarını temsil ediyor.
ortalama grup farklılıklarını temsil ediyor.
03:47
In each movie, you're going to see
a baby doing maybe
a baby doing maybe
65
215160
2583
Her videoda, bir bebeğin belki de
03:49
just exactly what you might
expect a baby to do,
expect a baby to do,
66
217743
3460
bir bebekten tam da bekleyeceğiniz
şeyi yaptığını göreceksiniz
şeyi yaptığını göreceksiniz
03:53
and we can hardly make babies
more magical than they already are.
more magical than they already are.
67
221203
4017
ve bebekleri olduklarından daha sihirli
yapmamız mümkün değildir.
yapmamız mümkün değildir.
03:58
But to my mind the magical thing,
68
226090
2010
Fakat benim zihnimde, sihirli olan şey
04:00
and what I want you to pay attention to,
69
228100
2089
ve dikkat etmenizi istediğim şey
04:02
is the contrast between
these two conditions,
these two conditions,
70
230189
3111
bu iki koşul arasındaki zıtlık,
04:05
because the only thing
that differs between these two movies
that differs between these two movies
71
233300
3529
çünkü bu iki video arasındaki
tek farklı şey
tek farklı şey
04:08
is the statistical evidence
the babies are going to observe.
the babies are going to observe.
72
236829
3466
bebeklerin gözlemleyeceği
istatistiksel bulgu.
istatistiksel bulgu.
04:13
We're going to show babies
a box of blue and yellow balls,
a box of blue and yellow balls,
73
241425
3183
Bebeklere mavi ve sarı toplarla dolu
bir kutu göstereceğiz
bir kutu göstereceğiz
04:16
and my then-graduate student,
now colleague at Stanford, Hyowon Gweon,
now colleague at Stanford, Hyowon Gweon,
74
244608
4620
ve eski yüksek lisans öğrencim, şimdiki
Stanford'lu meslektaşım Hyowon Gweon,
Stanford'lu meslektaşım Hyowon Gweon,
04:21
is going to pull three blue balls
in a row out of this box,
in a row out of this box,
75
249228
3077
bu kutudan art arda
üç mavi top çekecek
üç mavi top çekecek
04:24
and when she pulls those balls out,
she's going to squeeze them,
she's going to squeeze them,
76
252305
3123
ve bu topları çektiğinde
onları sıkacak
onları sıkacak
04:27
and the balls are going to squeak.
77
255428
2113
ve toplar ses çıkaracak.
04:29
And if you're a baby,
that's like a TED Talk.
that's like a TED Talk.
78
257541
2763
Ve bebekseniz, bu tam
TED Konuşması gibidir.
TED Konuşması gibidir.
04:32
It doesn't get better than that.
79
260304
1904
Bundan daha iyisi olamaz.
04:34
(Laughter)
80
262208
2561
(Gülüşmeler)
04:38
But the important point is it's really
easy to pull three blue balls in a row
easy to pull three blue balls in a row
81
266968
3659
Fakat önemli olan şey şu ki çoğu topun
mavi olduğu bir kutudan art arda
mavi olduğu bir kutudan art arda
04:42
out of a box of mostly blue balls.
82
270627
2305
üç mavi top çekmek gerçekten kolaydır.
04:44
You could do that with your eyes closed.
83
272932
2060
Bunu gözleriniz kapalı da yapabilirsiniz.
04:46
It's plausibly a random sample
from this population.
from this population.
84
274992
2996
Ana kitleden çekilen toplar
olası biçimde rastgele bir örnektir.
olası biçimde rastgele bir örnektir.
04:49
And if you can reach into a box at random
and pull out things that squeak,
and pull out things that squeak,
85
277988
3732
Ve kutunun içinden rastgele çektiğiniz
toplar ses çıkarıyorsa, belki
toplar ses çıkarıyorsa, belki
04:53
then maybe everything in the box squeaks.
86
281720
2839
kutudaki tüm toplar ses çıkarıyordur.
04:56
So maybe babies should expect
those yellow balls to squeak as well.
those yellow balls to squeak as well.
87
284559
3650
Bu yüzden belki bebekler sarı topların da
ses çıkarmasını bekliyordur.
ses çıkarmasını bekliyordur.
05:00
Now, those yellow balls
have funny sticks on the end,
have funny sticks on the end,
88
288209
2519
Bu sarı topların ucunda
komik çubuklar takılı,
komik çubuklar takılı,
05:02
so babies could do other things
with them if they wanted to.
with them if they wanted to.
89
290728
2857
bebekler isterlerse sarı toplara
farklı şeyler de yapabilir.
farklı şeyler de yapabilir.
05:05
They could pound them or whack them.
90
293585
1831
Alıp yere vurabilirler.
05:07
But let's see what the baby does.
91
295416
2586
Ama bir görelim ne yapıyorlar.
05:12
(Video) Hyowon Gweon: See this?
(Ball squeaks)
(Ball squeaks)
92
300548
3343
(Video) Hyowon Gweon: Bunu görüyor musun?
(Top ses çıkarıyor)
(Top ses çıkarıyor)
05:16
Did you see that?
(Ball squeaks)
(Ball squeaks)
93
304531
3045
Gördün mü?
(Top ses çıkarıyor)
(Top ses çıkarıyor)
05:20
Cool.
94
308036
3066
Çok güzel.
05:24
See this one?
95
312706
1950
Bunu görüyor musun?
05:26
(Ball squeaks)
96
314656
1881
(Top ses çıkarıyor)
05:28
Wow.
97
316537
2653
Vay be.
05:33
Laura Schulz: Told you. (Laughs)
98
321854
2113
Laura Schulz: Dedim size. (Gülüşmeler)
05:35
(Video) HG: See this one?
(Ball squeaks)
(Ball squeaks)
99
323967
4031
(Video) HG: Bunu görüyor musun?
(Top ses çıkarıyor)
(Top ses çıkarıyor)
05:39
Hey Clara, this one's for you.
You can go ahead and play.
You can go ahead and play.
100
327998
4619
Bak Clara, bu sana.
Alıp oynayabilirsin.
Alıp oynayabilirsin.
05:51
(Laughter)
101
339854
4365
(Gülüşmeler)
05:56
LS: I don't even have to talk, right?
102
344219
2995
LS: Konuşmama bile gerek yok, değil mi?
05:59
All right, it's nice that babies
will generalize properties
will generalize properties
103
347214
2899
Pekâlâ, bebeklerin mavi topların
özelliklerini sarı toplara
özelliklerini sarı toplara
06:02
of blue balls to yellow balls,
104
350113
1528
genellemesi güzel
06:03
and it's impressive that babies
can learn from imitating us,
can learn from imitating us,
105
351641
3096
ve bizi taklit ederek
öğrenebilmeleri etkileyici
öğrenebilmeleri etkileyici
06:06
but we've known those things about babies
for a very long time.
for a very long time.
106
354737
3669
fakat bebeklerle ilgili olarak
bunları uzun süredir biliyoruz.
bunları uzun süredir biliyoruz.
06:10
The really interesting question
107
358406
1811
Gerçekten ilginç olan soru şu:
06:12
is what happens when we show babies
exactly the same thing,
exactly the same thing,
108
360217
2852
bebeklere tam olarak
aynı şeyi gösterirsek ne olur?
aynı şeyi gösterirsek ne olur?
06:15
and we can ensure it's exactly the same
because we have a secret compartment
because we have a secret compartment
109
363069
3611
Birebir aynı olduğuna emin olabiliriz,
çünkü gizli bir bölmemiz var
çünkü gizli bir bölmemiz var
06:18
and we actually pull the balls from there,
110
366680
2110
ve aslında topları oradan çekiyoruz,
06:20
but this time, all we change
is the apparent population
is the apparent population
111
368790
3478
ancak bu sefer, değiştirdiğimiz
tek şey bulgunun çekildiği
tek şey bulgunun çekildiği
06:24
from which that evidence was drawn.
112
372268
2902
görünürdeki ana kitlenin kendisi.
06:27
This time, we're going to show babies
three blue balls
three blue balls
113
375170
3553
Bu sefer, bebeklere üç mavi topu
06:30
pulled out of a box
of mostly yellow balls,
of mostly yellow balls,
114
378723
3384
çoğunlukla sarı topların olduğu
kutudan çekerek göstereceğiz
kutudan çekerek göstereceğiz
06:34
and guess what?
115
382107
1322
ve bilin bakalım ne olacak?
06:35
You [probably won't] randomly draw
three blue balls in a row
three blue balls in a row
116
383429
2840
Çoğunluğun sarı toplar olduğu
kutudan art arda üç mavi topu
kutudan art arda üç mavi topu
06:38
out of a box of mostly yellow balls.
117
386269
2484
[muhtemelen] çekemezsiniz.
06:40
That is not plausibly
randomly sampled evidence.
randomly sampled evidence.
118
388753
3747
Böyle bir şey muhtemelen
rastgele örnekli bulgu olmaz.
rastgele örnekli bulgu olmaz.
06:44
That evidence suggests that maybe Hyowon
was deliberately sampling the blue balls.
was deliberately sampling the blue balls.
119
392500
5123
Böyle bir bulgu, Hyowon'un kasıtlı olarak
mavi topları çektiği izlenimini verebilir.
mavi topları çektiği izlenimini verebilir.
06:49
Maybe there's something special
about the blue balls.
about the blue balls.
120
397623
2583
Belki toplarla ilgili özel bir şey var.
06:52
Maybe only the blue balls squeak.
121
400846
2976
Belki yalnızca mavi toplar ses çıkarıyor.
06:55
Let's see what the baby does.
122
403822
1895
Bakalım bebek ne yapıyor.
06:57
(Video) HG: See this?
(Ball squeaks)
(Ball squeaks)
123
405717
2904
(Video) HG: Bunu görüyor musun?
(Top ses çıkarıyor)
(Top ses çıkarıyor)
07:02
See this toy?
(Ball squeaks)
(Ball squeaks)
124
410851
2645
Bu oyuncağı görüyor musun?
(Top ses çıkarıyor)
(Top ses çıkarıyor)
07:05
Oh, that was cool. See?
(Ball squeaks)
(Ball squeaks)
125
413496
5480
Aman da ne güzel. Gördün mü?
(Top ses çıkarıyor)
(Top ses çıkarıyor)
07:10
Now this one's for you to play.
You can go ahead and play.
You can go ahead and play.
126
418976
4394
Bak bu da senin için.
Alıp oynayabilirsin.
Alıp oynayabilirsin.
07:18
(Fussing)
(Laughter)
(Laughter)
127
426074
6347
(Mızıldanıyor)
(Gülüşmeler)
(Gülüşmeler)
07:26
LS: So you just saw
two 15-month-old babies
two 15-month-old babies
128
434901
2748
LS: Az önce 15 aylık iki bebeğin
07:29
do entirely different things
129
437649
1942
yalnızca gözlemledikleri örneğin
07:31
based only on the probability
of the sample they observed.
of the sample they observed.
130
439591
3599
olasılığına dayanarak bambaşka
şeyler yapışını gördünüz.
şeyler yapışını gördünüz.
07:35
Let me show you the experimental results.
131
443190
2321
Deneysel sonuçlara bakalım.
07:37
On the vertical axis, you'll see
the percentage of babies
the percentage of babies
132
445511
2764
Dikey eksende, her iki durumda da
topu sıkan bebeklerin
topu sıkan bebeklerin
07:40
who squeezed the ball in each condition,
133
448275
2530
yüzdesini görüyorsunuz
07:42
and as you'll see, babies are much
more likely to generalize the evidence
more likely to generalize the evidence
134
450805
3715
ve gördüğünüz gibi, bebekler;
bulgu, ana kitlenin muhtemel temsilcisi
bulgu, ana kitlenin muhtemel temsilcisi
07:46
when it's plausibly representative
of the population
of the population
135
454520
3135
olduğunda bulguyu genellemeye,
07:49
than when the evidence
is clearly cherry-picked.
is clearly cherry-picked.
136
457655
3738
bulgu keyfî olarak seçildiğindeki durumda
genellemekten daha yatkınlar.
genellemekten daha yatkınlar.
07:53
And this leads to a fun prediction:
137
461393
2415
Ve bu, eğlenceli bir öngörüye çıkıyor:
07:55
Suppose you pulled just one blue ball
out of the mostly yellow box.
out of the mostly yellow box.
138
463808
4868
Çoğu sarı top olan kutudan yalnızca bir
mavi top çektiğinizi varsayın.
mavi top çektiğinizi varsayın.
08:00
You [probably won't] pull three blue balls
in a row at random out of a yellow box,
in a row at random out of a yellow box,
139
468896
3869
Sarı top kutusundan art arda üç kez
mavi topu muhtemelen çekemezsiniz,
mavi topu muhtemelen çekemezsiniz,
08:04
but you could randomly sample
just one blue ball.
just one blue ball.
140
472765
2455
ama rastgele yalnızca
bir mavi top çekebilirsiniz.
bir mavi top çekebilirsiniz.
08:07
That's not an improbable sample.
141
475220
1970
Olasılıksız bir örnek değil.
08:09
And if you could reach into
a box at random
a box at random
142
477190
2224
Ve bir kutudan rastgele bir şey çekip de
08:11
and pull out something that squeaks,
maybe everything in the box squeaks.
maybe everything in the box squeaks.
143
479414
3987
çektiğiniz şey ses çıkarıyorsa, belki
kutudaki her şey ses çıkarıyordur.
kutudaki her şey ses çıkarıyordur.
08:15
So even though babies are going to see
much less evidence for squeaking,
much less evidence for squeaking,
144
483875
4445
Bu yüzden, bebekler bu tek top koşulunda
izlediğiniz bir önceki koşula göre
izlediğiniz bir önceki koşula göre
08:20
and have many fewer actions to imitate
145
488320
2242
ses çıkaran daha az bulgu görseler de
08:22
in this one ball condition than in
the condition you just saw,
the condition you just saw,
146
490562
3343
ve taklit edecekleri daha az eylem olsa da
08:25
we predicted that babies themselves
would squeeze more,
would squeeze more,
147
493905
3892
bebeklerin daha çok
top sıkacağını öngördük
top sıkacağını öngördük
08:29
and that's exactly what we found.
148
497797
2894
ve bulduğumuz da tam olarak bu oldu.
08:32
So 15-month-old babies,
in this respect, like scientists,
in this respect, like scientists,
149
500691
4411
15 aylık bebekler, bu hususta,
tıpkı bilim adamları gibi
tıpkı bilim adamları gibi
08:37
care whether evidence
is randomly sampled or not,
is randomly sampled or not,
150
505102
3088
bulgunun rastgele örneklenip
örneklenmediğini önemsiyor
örneklenmediğini önemsiyor
08:40
and they use this to develop
expectations about the world:
expectations about the world:
151
508190
3507
ve bunu dünyayla ilgili beklentiler
edinmek için kullanıyorlar:
edinmek için kullanıyorlar:
08:43
what squeaks and what doesn't,
152
511697
2182
Ne ses çıkarır, ne ses çıkarmaz,
08:45
what to explore and what to ignore.
153
513879
3145
ne keşfedilmeli, ne görmezden gelinmeli?
08:50
Let me show you another example now,
154
518384
2066
Şimdi size bir başka örnek göstereyim,
08:52
this time about a problem
of causal reasoning.
of causal reasoning.
155
520450
2730
bu seferki nedensel
akıl yürütme sorunuyla ilgili.
akıl yürütme sorunuyla ilgili.
08:55
And it starts with a problem
of confounded evidence
of confounded evidence
156
523180
2439
Ve hepimizin yaşadığı bir şaşırtıcı bulgu
08:57
that all of us have,
157
525619
1672
sorunuyla başlıyor,
08:59
which is that we are part of the world.
158
527291
2020
dünyanın parçası olmamızın sorunu.
09:01
And this might not seem like a problem
to you, but like most problems,
to you, but like most problems,
159
529311
3436
Ve size bir sorun gibi görünmeyebilir,
fakat çoğu sorun gibi,
fakat çoğu sorun gibi,
09:04
it's only a problem when things go wrong.
160
532747
2337
yalnızca işler yoldan çıkınca
sorun hâlini alıyor.
sorun hâlini alıyor.
09:07
Take this baby, for instance.
161
535464
1811
Örneğin bu bebeği ele alalım.
09:09
Things are going wrong for him.
162
537275
1705
Onun için işler yolunda gitmiyor.
09:10
He would like to make
this toy go, and he can't.
this toy go, and he can't.
163
538980
2271
Bu oyuncağı çalıştırmak
istiyor ve yapamıyor.
istiyor ve yapamıyor.
09:13
I'll show you a few-second clip.
164
541251
2529
Birkaç saniyelik videoyu göstereceğim.
09:21
And there's two possibilities, broadly:
165
549340
1920
Ve kabaca iki olasılık var:
09:23
Maybe he's doing something wrong,
166
551260
2634
Belki bir şeyleri yanlış yapıyor
09:25
or maybe there's something
wrong with the toy.
wrong with the toy.
167
553894
4216
ya da belki oyuncakta
bir bozukluk var.
bir bozukluk var.
09:30
So in this next experiment,
168
558110
2111
Diğerini izleyen bu deneyde,
09:32
we're going to give babies
just a tiny bit of statistical data
just a tiny bit of statistical data
169
560221
3297
bebeklere, bir varsayımı diğerine göre
destekleyen yalnızca küçücük
destekleyen yalnızca küçücük
09:35
supporting one hypothesis over the other,
170
563518
2582
istatistiksel veri parçası vereceğiz
09:38
and we're going to see if babies
can use that to make different decisions
can use that to make different decisions
171
566100
3455
ve bebekler, yapacakları
şeye karar verirken bunu
şeye karar verirken bunu
09:41
about what to do.
172
569555
1834
kullanabilecekler mi göreceğiz.
09:43
Here's the setup.
173
571389
2022
Böyle bir kurgumuz var.
09:46
Hyowon is going to try to make
the toy go and succeed.
the toy go and succeed.
174
574071
3030
Hyowon oyuncağı çalıştırmayı
deneyecek ve başaracak.
deneyecek ve başaracak.
09:49
I am then going to try twice
and fail both times,
and fail both times,
175
577101
3320
Sonra ben iki kez deneyeceğim
ve ikisinde de başarısız olacağım
ve ikisinde de başarısız olacağım
09:52
and then Hyowon is going
to try again and succeed,
to try again and succeed,
176
580421
3112
ve sonra Hyowon yeniden
deneyip başaracak
deneyip başaracak
09:55
and this roughly sums up my relationship
to my graduate students
to my graduate students
177
583533
3172
ve bu durum, kurul boyunca yüksek
lisans öğrencilerimle teknoloji
lisans öğrencilerimle teknoloji
09:58
in technology across the board.
178
586705
2835
durumumu kabaca özetliyor.
10:02
But the important point here is
it provides a little bit of evidence
it provides a little bit of evidence
179
590030
3292
Fakat buradaki önemli nokta,
sorunun oyuncakla ilgili olmadığı;
sorunun oyuncakla ilgili olmadığı;
10:05
that the problem isn't with the toy,
it's with the person.
it's with the person.
180
593322
3668
kişiyle ilgili olduğuyla ilgili küçük
bulgu sağlanıyor.
bulgu sağlanıyor.
10:08
Some people can make this toy go,
181
596990
2350
Kimi insanlar bu oyuncağı çalıştırabiliyor
10:11
and some can't.
182
599340
959
kimileri yapamıyor.
10:12
Now, when the baby gets the toy,
he's going to have a choice.
he's going to have a choice.
183
600799
3413
Şimdi, bebek oyuncağı alınca
bir seçim yapacak.
bir seçim yapacak.
10:16
His mom is right there,
184
604212
2188
Annesi hemen yanında,
10:18
so he can go ahead and hand off the toy
and change the person,
and change the person,
185
606400
3315
bu yüzden oyuncağı ona verip
kişiyi değiştirebilir,
kişiyi değiştirebilir,
10:21
but there's also going to be
another toy at the end of that cloth,
another toy at the end of that cloth,
186
609715
3158
fakat kumaşın ucunda başka bir
oyuncak daha bulunacak
oyuncak daha bulunacak
10:24
and he can pull the cloth towards him
and change the toy.
and change the toy.
187
612873
3552
ve kumaşı kendine çekerek
oyuncağı değiştirebilir.
oyuncağı değiştirebilir.
10:28
So let's see what the baby does.
188
616425
2090
Haydi bakalım bebek ne yapıyor.
10:30
(Video) HG: Two, three. Go!
(Music)
(Music)
189
618515
4183
(Video) HG: İki, üç. Başla!
(Müzik)
(Müzik)
10:34
LS: One, two, three, go!
190
622698
3131
LS: Bir, iki, üç, başla!
10:37
Arthur, I'm going to try again.
One, two, three, go!
One, two, three, go!
191
625829
7382
Arthur, yeniden deneyeceğim.
Bir, iki, üç, başla!
Bir, iki, üç, başla!
10:45
YG: Arthur, let me try again, okay?
192
633677
2600
YG: Arthur, ben yeniden
deneyeyim, olur mu?
deneyeyim, olur mu?
10:48
One, two, three, go!
(Music)
(Music)
193
636277
4550
Bir, iki, üç, başla!
(Müzik)
(Müzik)
10:53
Look at that. Remember these toys?
194
641583
1883
Şuna bak. Bu oyuncakları hatırladın mı?
10:55
See these toys? Yeah, I'm going
to put this one over here,
to put this one over here,
195
643466
3264
Oyuncakları görüyor musun?
Tamam, bunu buraya koyuyorum
Tamam, bunu buraya koyuyorum
10:58
and I'm going to give this one to you.
196
646730
2062
ve bunu da sana veriyorum.
11:00
You can go ahead and play.
197
648792
2335
Alıp oynayabilirsin.
11:23
LS: Okay, Laura, but of course,
babies love their mommies.
babies love their mommies.
198
671213
4737
LS: Tamam Laura, ama tabii ki
bebekler annelerini severler.
bebekler annelerini severler.
11:27
Of course babies give toys
to their mommies
to their mommies
199
675950
2182
Tabii ki bebekler
oyuncakları çalıştıramayınca
oyuncakları çalıştıramayınca
11:30
when they can't make them work.
200
678132
2030
annelerine verir.
11:32
So again, the really important question
is what happens when we change
is what happens when we change
201
680162
3593
Bu yüzden yine, önemli soru,
istatistiksel veriyi çok azıcık
istatistiksel veriyi çok azıcık
11:35
the statistical data ever so slightly.
202
683755
3154
değiştirince ne olacağıdır.
11:38
This time, babies are going to see the toy
work and fail in exactly the same order,
work and fail in exactly the same order,
203
686909
4087
Bu sefer, bebekler oyuncağın bir öncekiyle
aynı biçimde çalışıp bozulduğunu görecek,
aynı biçimde çalışıp bozulduğunu görecek,
11:42
but we're changing
the distribution of evidence.
the distribution of evidence.
204
690996
2415
fakat bulgunun dağılımını değiştireceğiz.
11:45
This time, Hyowon is going to succeed
once and fail once, and so am I.
once and fail once, and so am I.
205
693411
4411
Bu sefer, Hyowon bir kez başarıp bir kez
yapamayacak, bende de aynısı olacak.
yapamayacak, bende de aynısı olacak.
11:49
And this suggests it doesn't matter
who tries this toy, the toy is broken.
who tries this toy, the toy is broken.
206
697822
5637
Ve oyuncağı kimin denediğinin önemi
olmayacak, oyuncak bozuk izlenimi verecek.
olmayacak, oyuncak bozuk izlenimi verecek.
11:55
It doesn't work all the time.
207
703459
1886
Oyuncak her denemede çalışmıyor.
11:57
Again, the baby's going to have a choice.
208
705345
1965
Yine, bebek bir seçim yapacak.
11:59
Her mom is right next to her,
so she can change the person,
so she can change the person,
209
707310
3396
Annesi hemen yanında, bu yüzden
bebek deneyeni değiştirebilir
bebek deneyeni değiştirebilir
12:02
and there's going to be another toy
at the end of the cloth.
at the end of the cloth.
210
710706
3204
ve kumaşın ucunda başka
bir oyuncak daha olacak.
bir oyuncak daha olacak.
12:05
Let's watch what she does.
211
713910
1378
Bebek ne yapıyor izleyelim.
12:07
(Video) HG: Two, three, go!
(Music)
(Music)
212
715288
4348
(Video) HG: İki, üç, başla!
(Müzik)
(Müzik)
12:11
Let me try one more time.
One, two, three, go!
One, two, three, go!
213
719636
4984
Bir kere daha deneyeyim.
Bir, iki, üç, başla!
Bir, iki, üç, başla!
12:17
Hmm.
214
725460
1697
Hımm.
12:19
LS: Let me try, Clara.
215
727950
2692
LS: Ben deneyeyim Clara.
12:22
One, two, three, go!
216
730642
3945
Bir, iki, üç, başla!
12:27
Hmm, let me try again.
217
735265
1935
Hımm, bir daha deneyeyim.
12:29
One, two, three, go!
(Music)
(Music)
218
737200
5670
Bir, iki, üç, başla!
(Müzik)
(Müzik)
12:35
HG: I'm going
to put this one over here,
to put this one over here,
219
743009
2233
HG: Bunu buraya koyuyorum
12:37
and I'm going to give this one to you.
220
745242
2001
ve bunu da sana veriyorum.
12:39
You can go ahead and play.
221
747243
3597
Alıp oynayabilirsin.
12:58
(Applause)
222
766376
4897
(Alkış)
13:04
LS: Let me show you
the experimental results.
the experimental results.
223
772993
2392
LS: Size deney sonuçlarını göstereyim.
13:07
On the vertical axis,
you'll see the distribution
you'll see the distribution
224
775385
2475
Dikey eksende,
çocukların her durumla ilgili
çocukların her durumla ilgili
13:09
of children's choices in each condition,
225
777860
2577
seçimlerini görüyorsunuz
13:12
and you'll see that the distribution
of the choices children make
of the choices children make
226
780437
4551
ve çocukların yaptığı seçimlerin dağılımı
13:16
depends on the evidence they observe.
227
784988
2787
gözlemledikleri bulguya bağlı.
13:19
So in the second year of life,
228
787775
1857
Yaşamın ikinci yılında,
13:21
babies can use a tiny bit
of statistical data
of statistical data
229
789632
2577
bebekler küçücük
istatistiksel veri parçasını,
istatistiksel veri parçasını,
13:24
to decide between two
fundamentally different strategies
fundamentally different strategies
230
792209
3367
temelde farklı stratejiler arasında
dünyada eylemde bulunmak için
dünyada eylemde bulunmak için
13:27
for acting in the world:
231
795576
1881
karara varırken kullanabiliyorlar:
13:29
asking for help and exploring.
232
797457
2743
yardım istemek ve keşfetmek.
13:33
I've just shown you
two laboratory experiments
two laboratory experiments
233
801700
3434
Size az önce iki laboratuvar deneyini
13:37
out of literally hundreds in the field
that make similar points,
that make similar points,
234
805134
3691
alandaki abartısız yüzlerce benzer noktaya
vurgu yapanların arasından gösterdim,
vurgu yapanların arasından gösterdim,
13:40
because the really critical point
235
808825
2392
çünkü esas önemli mesele
13:43
is that children's ability
to make rich inferences from sparse data
to make rich inferences from sparse data
236
811217
5108
çocukların belirsiz verilerden zengin
çıkarımlar yapabilme yeteneği
çıkarımlar yapabilme yeteneği
13:48
underlies all the species-specific
cultural learning that we do.
cultural learning that we do.
237
816325
5341
türümüze özgü kültürel
öğrenmemizin temelini oluşturuyor.
öğrenmemizin temelini oluşturuyor.
13:53
Children learn about new tools
from just a few examples.
from just a few examples.
238
821666
4597
Çocuklar yeni araçları yalnızca
birkaç örnekten öğreniyor.
birkaç örnekten öğreniyor.
13:58
They learn new causal relationships
from just a few examples.
from just a few examples.
239
826263
4717
Nedensel ilişkilerini yalnızca
birkaç örnekten öğreniyor.
birkaç örnekten öğreniyor.
14:03
They even learn new words,
in this case in American Sign Language.
in this case in American Sign Language.
240
831928
4871
Hatta yeni sözcükleri bile öğreniyorlar,
bu örnekte Amerikan İşaret Dili'ni.
bu örnekte Amerikan İşaret Dili'ni.
14:08
I want to close with just two points.
241
836799
2311
Konuşmamı iki hususla kapatmak istiyorum.
14:12
If you've been following my world,
the field of brain and cognitive sciences,
the field of brain and cognitive sciences,
242
840050
3688
Benim dünyamı, beyin ve bilişsel
bilimler alanını, son birkaç yıldır
bilimler alanını, son birkaç yıldır
14:15
for the past few years,
243
843738
1927
takip ediyorsanız,
14:17
three big ideas will have come
to your attention.
to your attention.
244
845665
2415
üç büyük fikir ilginizi çekmiştir.
14:20
The first is that this is
the era of the brain.
the era of the brain.
245
848080
3436
Birincisi, bu çağ beyin çağıdır.
14:23
And indeed, there have been
staggering discoveries in neuroscience:
staggering discoveries in neuroscience:
246
851516
3669
Ve aslında, sinirbilimde insanı
afallatan keşifler yapıldı:
afallatan keşifler yapıldı:
14:27
localizing functionally specialized
regions of cortex,
regions of cortex,
247
855185
3436
beyin kabuğunun işlevselce özelleşmiş
bölgelerinin yerinin belirlenmesi,
bölgelerinin yerinin belirlenmesi,
14:30
turning mouse brains transparent,
248
858621
2601
fare beyinlerinin şeffaflaştırılması,
14:33
activating neurons with light.
249
861222
3776
sinir hücrelerinin
ışıkla etkinleştirilmesi.
ışıkla etkinleştirilmesi.
İkinci büyük fikir,
14:36
A second big idea
250
864998
1996
14:38
is that this is the era of big data
and machine learning,
and machine learning,
251
866994
4104
bu çağ, büyük veri
ve makine öğrenimi çağıdır
ve makine öğrenimi çağıdır
14:43
and machine learning promises
to revolutionize our understanding
to revolutionize our understanding
252
871098
3141
ve makine öğrenimi,
sosyal ağlardan salgınbilimine
sosyal ağlardan salgınbilimine
14:46
of everything from social networks
to epidemiology.
to epidemiology.
253
874239
4667
her şeyi anlayışımızı
değiştirmeye söz veriyor.
değiştirmeye söz veriyor.
14:50
And maybe, as it tackles problems
of scene understanding
of scene understanding
254
878906
2693
Ve belki makine öğrenimi, mekan algılama
14:53
and natural language processing,
255
881599
1993
ve doğal dil işleme sorunlarıyla
14:55
to tell us something
about human cognition.
about human cognition.
256
883592
3324
bize insan bilişi hakkında
bir şeyler anlatmak için uğraşıyor.
bir şeyler anlatmak için uğraşıyor.
14:59
And the final big idea you'll have heard
257
887756
1937
Ve duyacağınız üçüncü büyük fikir,
15:01
is that maybe it's a good idea we're going
to know so much about brains
to know so much about brains
258
889693
3387
beyin hakkında o kadar çok şey
bilmemiz ve büyük veriye o kadar çok
bilmemiz ve büyük veriye o kadar çok
15:05
and have so much access to big data,
259
893080
1917
erişimimizin olması iyi olacak,
15:06
because left to our own devices,
260
894997
2507
çünkü işler kendi
irademize bırakıldığında,
irademize bırakıldığında,
15:09
humans are fallible, we take shortcuts,
261
897504
3831
insanlar yanılabilir,
kestirmeleri seçiyoruz
kestirmeleri seçiyoruz
15:13
we err, we make mistakes,
262
901335
3437
konuşurken duraksıyoruz,
hatalar yapıyoruz,
hatalar yapıyoruz,
15:16
we're biased, and in innumerable ways,
263
904772
3684
önyargılıyız ve birçok biçimde
15:20
we get the world wrong.
264
908456
2969
dünyaya kötülük yapıyoruz.
15:24
I think these are all important stories,
265
912843
2949
Bence bunların hepsi önemli hikâyeler
15:27
and they have a lot to tell us
about what it means to be human,
about what it means to be human,
266
915792
3785
ve insan olmanın anlamı üzerine
bize söyleyecekleri çok şey var,
bize söyleyecekleri çok şey var,
15:31
but I want you to note that today
I told you a very different story.
I told you a very different story.
267
919577
3529
fakat bir kenara yazmanızı istiyorum,
bugün size çok başka bir hikâye anlattım.
bugün size çok başka bir hikâye anlattım.
15:35
It's a story about minds and not brains,
268
923966
3807
Anlattığım zihin hakkında,
beyin hakkında değil
beyin hakkında değil
15:39
and in particular, it's a story
about the kinds of computations
about the kinds of computations
269
927773
3006
ve özellikle, yalnızca insan
zihninin gerçekleştirebildiği türde,
zihninin gerçekleştirebildiği türde,
15:42
that uniquely human minds can perform,
270
930779
2590
zengin, yapılandırılmış bilgi
ve küçük miktarda veriden;
ve küçük miktarda veriden;
15:45
which involve rich, structured knowledge
and the ability to learn
and the ability to learn
271
933369
3944
yalnızca birkaç örneğin bulgusundan
öğrenme yeteneğini içeren türde
öğrenme yeteneğini içeren türde
15:49
from small amounts of data,
the evidence of just a few examples.
the evidence of just a few examples.
272
937313
5268
hesaplamalar hakkında bir hikâye,
yalnızca birkaç örneğin bulgusu.
yalnızca birkaç örneğin bulgusu.
15:56
And fundamentally, it's a story
about how starting as very small children
about how starting as very small children
273
944301
4299
Ve temelde, küçük bir
çocuk olarak başlayıp
çocuk olarak başlayıp
16:00
and continuing out all the way
to the greatest accomplishments
to the greatest accomplishments
274
948600
4180
kültürümüzdeki en büyük
başarılara giden yolda
başarılara giden yolda
16:04
of our culture,
275
952780
3843
devam ederek,
16:08
we get the world right.
276
956623
1997
dünyayı düzeltişimizin hikâyesidir.
16:12
Folks, human minds do not only learn
from small amounts of data.
from small amounts of data.
277
960433
5267
Arkadaşlar, insan zihni yalnızca
küçük miktarda veriyle öğrenmez.
küçük miktarda veriyle öğrenmez.
16:18
Human minds think
of altogether new ideas.
of altogether new ideas.
278
966285
2101
İnsan zihni, bütün fikirleri
bir arada düşünür.
bir arada düşünür.
16:20
Human minds generate
research and discovery,
research and discovery,
279
968746
3041
İnsan zihni,
araştırma ve keşif yaratır,
araştırma ve keşif yaratır,
16:23
and human minds generate
art and literature and poetry and theater,
art and literature and poetry and theater,
280
971787
5273
insan zihni; sanat, edebiyat,
şiir ve tiyatro yaratır
şiir ve tiyatro yaratır
16:29
and human minds take care of other humans:
281
977070
3760
ve insan zihni diğer insanlarla ilgilenir:
16:32
our old, our young, our sick.
282
980830
3427
yaşlılarımızla, gençlerimizle,
hastalarımızla.
hastalarımızla.
16:36
We even heal them.
283
984517
2367
Hatta insanları iyileştiriyoruz.
16:39
In the years to come, we're going
to see technological innovations
to see technological innovations
284
987564
3103
Gelecek yıllarda, zihnimde
canlandırabileceğimin bile ötesinde
canlandırabileceğimin bile ötesinde
16:42
beyond anything I can even envision,
285
990667
3797
teknolojik yenileşmeler göreceğiz,
16:46
but we are very unlikely
286
994464
2150
fakat benim ya da sizin yaşamınız boyunca
16:48
to see anything even approximating
the computational power of a human child
the computational power of a human child
287
996614
5709
bir insan çocuğunun
hesaplama gücüne yaklaşacak güçte bile
hesaplama gücüne yaklaşacak güçte bile
16:54
in my lifetime or in yours.
288
1002323
4298
bir şeyin görülmesi olası değil.
16:58
If we invest in these most powerful
learners and their development,
learners and their development,
289
1006621
5047
Bu en güçlü öğrenicilere
ve onların gelişimine;
ve onların gelişimine;
17:03
in babies and children
290
1011668
2917
bebeklere ve çocuklara,
17:06
and mothers and fathers
291
1014585
1826
annelere ve babalara,
17:08
and caregivers and teachers
292
1016411
2699
bakıcılara ve öğretmenlere,
17:11
the ways we invest in our other
most powerful and elegant forms
most powerful and elegant forms
293
1019110
4170
diğer teknolojinin, mühendisliğin
ve tasarımın en güçlü ve zeki türlerine
ve tasarımın en güçlü ve zeki türlerine
17:15
of technology, engineering and design,
294
1023280
3218
yatırım yaptığımız gibi yaparsak,
17:18
we will not just be dreaming
of a better future,
of a better future,
295
1026498
2939
yalnızca daha iyi bir geleceğin
hayalini kuruyor olmayacağız,
hayalini kuruyor olmayacağız,
17:21
we will be planning for one.
296
1029437
2127
iyi bir geleceği planlıyor olacağız.
17:23
Thank you very much.
297
1031564
2345
Çok teşekkür ederim.
17:25
(Applause)
298
1033909
3421
(Alkış)
17:29
Chris Anderson: Laura, thank you.
I do actually have a question for you.
I do actually have a question for you.
299
1037810
4426
Chris Anderson: Laura, teşekkür ederiz.
Sana soracağım bir sorum var.
Sana soracağım bir sorum var.
17:34
First of all, the research is insane.
300
1042236
2359
Öncelikle, bu çılgınca bir araştırma.
17:36
I mean, who would design
an experiment like that? (Laughter)
an experiment like that? (Laughter)
301
1044595
3725
Demek istediğim, kim böyle
bir deney tasarlar ki? (Gülüşmeler)
bir deney tasarlar ki? (Gülüşmeler)
17:41
I've seen that a couple of times,
302
1049150
1790
Birkaç kez izledim
17:42
and I still don't honestly believe
that that can truly be happening,
that that can truly be happening,
303
1050940
3222
ve hâlâ gerçekten bunun
olabileceğine inanmıyorum,
olabileceğine inanmıyorum,
fakat diğer insanlar da benzer
deneyler yaptı ve sonuçlar örtüşüyor.
deneyler yaptı ve sonuçlar örtüşüyor.
17:46
but other people have done
similar experiments; it checks out.
similar experiments; it checks out.
304
1054162
3158
17:49
The babies really are that genius.
305
1057320
1633
Bebekler gerçekten tam bir dâhi.
17:50
LS: You know, they look really impressive
in our experiments,
in our experiments,
306
1058953
3007
LS: Biliyor musun, deneylerimizde
gerçekten şaşırtıcı görünüyor,
gerçekten şaşırtıcı görünüyor,
17:53
but think about what they
look like in real life, right?
look like in real life, right?
307
1061960
2652
fakat gerçek yaşamda
nasıl olduklarını bir düşün.
nasıl olduklarını bir düşün.
17:56
It starts out as a baby.
308
1064612
1150
Bebek olarak başlıyor.
17:57
Eighteen months later,
it's talking to you,
it's talking to you,
309
1065762
2007
On sekiz ay sonra,
seninle konuşuyor
seninle konuşuyor
17:59
and babies' first words aren't just
things like balls and ducks,
things like balls and ducks,
310
1067769
3041
ve bebeklerin ilk sözcükleri
yalnızca top ya da ördek değil,
yalnızca top ya da ördek değil,
18:02
they're things like "all gone,"
which refer to disappearance,
which refer to disappearance,
311
1070810
2881
"hepsi gitti" gibi ortadan
kaybolmayla ilgili şeyler ya da
kaybolmayla ilgili şeyler ya da
18:05
or "uh-oh," which refer
to unintentional actions.
to unintentional actions.
312
1073691
2283
"a-aa" gibi istemsiz
eylemlerle ilgili şeyler.
eylemlerle ilgili şeyler.
18:07
It has to be that powerful.
313
1075974
1562
Bebeğin güçlü olması gerekiyor.
18:09
It has to be much more powerful
than anything I showed you.
than anything I showed you.
314
1077536
2775
Gösterdiğim herhangi bir şeyden
daha güçlü olması gerekiyor.
daha güçlü olması gerekiyor.
18:12
They're figuring out the entire world.
315
1080311
1974
Koca dünyayı anlamlandırıyorlar.
18:14
A four-year-old can talk to you
about almost anything.
about almost anything.
316
1082285
3144
Dört yaşında bir çocuk neredeyse
her şey hakkında konuşabilir.
her şey hakkında konuşabilir.
18:17
(Applause)
317
1085429
1601
(Alkış)
18:19
CA: And if I understand you right,
the other key point you're making is,
the other key point you're making is,
318
1087030
3414
CA: Sizi doğru anladıysam,
dikkat çektiğiniz diğer bir husus
dikkat çektiğiniz diğer bir husus
18:22
we've been through these years
where there's all this talk
where there's all this talk
319
1090444
2754
yıllardır şu konuşma ortada dönüyor,
18:25
of how quirky and buggy our minds are,
320
1093198
1932
beynimiz ve zihnimiz acayip ve kusurlu,
18:27
that behavioral economics
and the whole theories behind that
and the whole theories behind that
321
1095130
2867
davranışsal ekonomi
ve ardındaki bütün kuramlar
ve ardındaki bütün kuramlar
18:29
that we're not rational agents.
322
1097997
1603
mantıklı varlıklar olmadığımızı söyler.
18:31
You're really saying that the bigger
story is how extraordinary,
story is how extraordinary,
323
1099600
4216
Gerçekten de büyük
hikâyenin olağanüstü olduğunu
hikâyenin olağanüstü olduğunu
18:35
and there really is genius there
that is underappreciated.
that is underappreciated.
324
1103816
4944
ve gerçekten gereğinden az değer verilen
bir dâhinin varlığından bahsediyorsunuz.
bir dâhinin varlığından bahsediyorsunuz.
18:40
LS: One of my favorite
quotes in psychology
quotes in psychology
325
1108760
2070
LS: Ruhbilimdeki
en sevdiğim alıntılardan biri
en sevdiğim alıntılardan biri
18:42
comes from the social
psychologist Solomon Asch,
psychologist Solomon Asch,
326
1110830
2290
toplumsal ruhbilimci
Solomon Asch'tan gelir
Solomon Asch'tan gelir
18:45
and he said the fundamental task
of psychology is to remove
of psychology is to remove
327
1113120
2807
ve Solomon, ruhbilimin
temel görevinin zâten ortada olanın
temel görevinin zâten ortada olanın
18:47
the veil of self-evidence from things.
328
1115927
2626
örtüsünü kaldırmak olduğunu söylemiştir.
18:50
There are orders of magnitude
more decisions you make every day
more decisions you make every day
329
1118553
4551
Her gün önem sırasına göre
verdiğiniz birçok karar vardır,
verdiğiniz birçok karar vardır,
18:55
that get the world right.
330
1123104
1347
bu kararlar dünyayı düzeltir.
18:56
You know about objects
and their properties.
and their properties.
331
1124451
2132
Nesneleri ve özelliklerini bilirsiniz.
Önüne engel gelince tanırsınız.
Karanlıkta tanırsınız.
Karanlıkta tanırsınız.
18:58
You know them when they're occluded.
You know them in the dark.
You know them in the dark.
332
1126583
3029
Bir odadan diğerine yürüyebilirsiniz.
19:01
You can walk through rooms.
333
1129612
1308
Başkalarının ne düşündüğünü
anlarsınız. Onlarla konuşursunuz.
anlarsınız. Onlarla konuşursunuz.
19:02
You can figure out what other people
are thinking. You can talk to them.
are thinking. You can talk to them.
334
1130920
3532
Uzayda hareket edersiniz.
Sayıları bilirsiniz.
Sayıları bilirsiniz.
19:06
You can navigate space.
You know about numbers.
You know about numbers.
335
1134452
2230
Nedensel ilişkileri bilirsiniz.
Ahlâkî akıl yürütmeyi bilirsiniz.
Ahlâkî akıl yürütmeyi bilirsiniz.
19:08
You know causal relationships.
You know about moral reasoning.
You know about moral reasoning.
336
1136682
3022
Bunları çabasız yaparsınız,
bu yüzden pek bir şey görmeyiz,
bu yüzden pek bir şey görmeyiz,
19:11
You do this effortlessly,
so we don't see it,
so we don't see it,
337
1139704
2356
fakat dünyayı böyle
anlamlandırırız, bu dikkate değerdir
anlamlandırırız, bu dikkate değerdir
19:14
but that is how we get the world right,
and it's a remarkable
and it's a remarkable
338
1142060
2912
ve anlaması çok zor bir başarımdır.
19:16
and very difficult-to-understand
accomplishment.
accomplishment.
339
1144972
2318
CA: Sanırım izleyicilerimiz arasında
teknolojinin hızlanan gücünü
teknolojinin hızlanan gücünü
19:19
CA: I suspect there are people
in the audience who have
in the audience who have
340
1147290
2628
19:21
this view of accelerating
technological power
technological power
341
1149918
2238
benimseyen sizin
üç yaşındaki çocuğun
üç yaşındaki çocuğun
19:24
who might dispute your statement
that never in our lifetimes
that never in our lifetimes
342
1152156
2958
yapabileceklerini bir bilgisayarın
hiçbir zaman yapamayacağı
hiçbir zaman yapamayacağı
19:27
will a computer do what
a three-year-old child can do,
a three-year-old child can do,
343
1155114
2618
açıklamanıza itiraz
edecek insanlar olabilir,
edecek insanlar olabilir,
19:29
but what's clear is that in any scenario,
344
1157732
3248
fakat net olan şey şu, her durumda
19:32
our machines have so much to learn
from our toddlers.
from our toddlers.
345
1160980
3770
makinelerimizin bebeklerimizden
öğreneceği çok şey var.
öğreneceği çok şey var.
19:38
LS: I think so. You'll have some
machine learning folks up here.
machine learning folks up here.
346
1166230
3216
LS: Bence de. Burada makine
öğrenimiyle ilgilenen arkadaşlar vardır.
öğrenimiyle ilgilenen arkadaşlar vardır.
19:41
I mean, you should never bet
against babies or chimpanzees
against babies or chimpanzees
347
1169446
4203
Diyorum ki, asla bebekleri şempanzelerle
19:45
or technology as a matter of practice,
348
1173649
3645
ya da teknolojiyle kıyaslamayın,
19:49
but it's not just
a difference in quantity,
a difference in quantity,
349
1177294
4528
fakat bu yalnızca
nicelik farklılığı değil.
nicelik farklılığı değil.
19:53
it's a difference in kind.
350
1181822
1764
Tür farklılığı.
19:55
We have incredibly powerful computers,
351
1183586
2160
İnanılmaz güçlü bilgisayarlarımız var
19:57
and they do do amazingly
sophisticated things,
sophisticated things,
352
1185746
2391
ve inanılmaz karmaşık
şeyler yapıyorlar,
şeyler yapıyorlar,
20:00
often with very big amounts of data.
353
1188137
3204
sıklıkla büyük miktarda veriyle.
20:03
Human minds do, I think,
something quite different,
something quite different,
354
1191341
2607
İnsan zihni, bence,
oldukça farklı bir şey yapıyor
oldukça farklı bir şey yapıyor
20:05
and I think it's the structured,
hierarchical nature of human knowledge
hierarchical nature of human knowledge
355
1193948
3895
ve bence, asıl zorlayıcı olan şey,
insan zihninin yapısal, basamaklı doğası.
20:09
that remains a real challenge.
356
1197843
2032
CA: Laura Schulz, üstünde düşünülecek
harika bir konuşmaydı. Çok teşekkürler.
harika bir konuşmaydı. Çok teşekkürler.
20:11
CA: Laura Schulz, wonderful
food for thought. Thank you so much.
food for thought. Thank you so much.
357
1199875
3061
20:14
LS: Thank you.
(Applause)
(Applause)
358
1202936
2922
LS: Teşekkürler
(Alkış)
(Alkış)
ABOUT THE SPEAKER
Laura Schulz - Cognitive scientistDevelopmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn.
Why you should listen
MIT Early Childhood Cognition Lab lead investigator Laura Schulz studies learning in early childhood. Her research bridges computational models of cognitive development and behavioral studies in order to understand the origins of inquiry and discovery.
Working in play labs, children’s museums, and a recently-launched citizen science website, Schultz is reshaping how we view young children’s perceptions of the world around them. Some of the surprising results of her research: before the age of four, children expect hidden causes when events happen probabilistically, use simple experiments to distinguish causal hypotheses, and trade off learning from instruction and exploration.
Laura Schulz | Speaker | TED.com