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

Why you should listen

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

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

More profile about the speaker
Laura Schulz | Speaker | TED.com
TED2015

Laura Schulz: The surprisingly logical minds of babies

Laura Schulz: Bebeklerin inanılmaz derecede mantıklı zihinleri

Filmed:
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.
- Cognitive scientist
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
MarkMark TwainTwain summedtoplanmış up
what I take to be
0
835
2155
Mark Twain, benim bilişsel bilimlerin
00:14
one of the fundamentaltemel problemssorunlar
of cognitivebilişsel scienceBilim
1
2990
3120
temel sorunlarından biri olarak
gördüğüm şeyi
00:18
with a singletek witticismnükte.
2
6110
1710
tek bir espriyle özetledi.
00:20
He said, "There's something
fascinatingbüyüleyici about scienceBilim.
3
8410
3082
"Bilimle ilgili inanılmaz bir şey var.
00:23
One getsalır suchböyle wholesaleToptan
returnsdöner of conjecturevarsayım
4
11492
3228
İncir çekirdeğini doldurmayan
gerçeğe yatırımla,
00:26
out of suchböyle a triflingÖnemsiz
investmentyatırım in factgerçek."
5
14720
3204
varsayımların toptan satış
kârını elde edebilirsiniz."
00:29
(LaughterKahkaha)
6
17924
1585
(Gülüşmeler)
00:32
TwainTwain meantdemek it as a jokeşaka,
of coursekurs, but he's right:
7
20199
2604
Twain bunu şaka amaçlı söyledi
tabii ki de, ama haklı:
00:34
There's something
fascinatingbüyüleyici about scienceBilim.
8
22803
2876
Bilimle ilgili inanılmaz bir şey var.
00:37
From a fewaz boneskemikler, we infersonucuna
the existencevaroluş of dinosuarsDinosuars.
9
25679
4261
Birkaç kemikten, dinozorların
varlığına ulaşıyoruz.
00:42
From spectralSpektral lineshatlar,
the compositionbileştirme, kompozisyon of nebulaebulutsular dizini.
10
30910
3871
Tayf çizgilerinden,
bulutsuların dizilimine;
00:47
From fruitmeyve fliessinekler,
11
35471
2938
meyve sineklerinden,
00:50
the mechanismsmekanizmalar of hereditykalıtım,
12
38409
2943
kalıtım düzeneklerine
00:53
and from reconstructedyeniden imagesGörüntüler
of bloodkan flowingakan throughvasitasiyla the brainbeyin,
13
41352
4249
ve beynin içinde akan kanın
yeniden oluşturulan görüntülerinden,
00:57
or in my casedurum, from the behaviordavranış
of very younggenç childrençocuklar,
14
45601
4708
ya da benim durumumda, çok küçük
çocukların davranışından,
01:02
we try to say something about
the fundamentaltemel mechanismsmekanizmalar
15
50309
2829
insan bilişinin temel düzenekleriyle
ilgili bir şeyler
01:05
of humaninsan cognitionbiliş.
16
53138
1618
söylemeye çalışıyoruz.
01:07
In particularbelirli, in my lablaboratuvar in the DepartmentBölümü
of BrainBeyin and CognitiveBilişsel SciencesBilimler at MITMIT,
17
55716
4759
Özellikle, MIT'teki Beyin ve Bilişsel
Bilimler Bölümü'ndeki laboratuvarımda,
01:12
I have spentharcanmış the pastgeçmiş decadeonyıl
tryingçalışıyor to understandanlama the mysterygizem
18
60475
3654
geçen on yılı, çocukların çok az bilgiyle
bu kadar çok bilgiyi çok hızlıca
01:16
of how childrençocuklar learnöğrenmek so much
from so little so quicklyhızlı bir şekilde.
19
64129
3977
nasıl öğrendiğini
anlamaya çalışarak harcadım.
01:20
Because, it turnsdönüşler out that
the fascinatingbüyüleyici thing about scienceBilim
20
68666
2978
Çünkü, bilimle ilgili
büyüleyici olan şey,
01:23
is alsoAyrıca a fascinatingbüyüleyici
thing about childrençocuklar,
21
71644
3529
aynı zamanda çocuklarla ilgili
olarak da büyüleyici bir şey oluyor,
01:27
whichhangi, to put a gentlernazik
spinçevirmek on MarkMark TwainTwain,
22
75173
2581
Mark Twain'in bakışıyla
ele alırsak,
01:29
is preciselytam theironların abilitykabiliyet
to drawçekmek richzengin, abstractsoyut inferencesçıkarımlar
23
77754
4650
bu durum, tam olarak çocukların
yetersiz ve belirsiz veriden
01:34
rapidlyhızla and accuratelytam olarak
from sparseseyrek, noisygürültülü dataveri.
24
82404
4661
hızlıca ve doğruca zengin ve soyut
çıkarımlar yapma yeteneği demek.
01:40
I'm going to give you
just two examplesörnekler todaybugün.
25
88355
2398
Bugün size yalnızca iki örnek vereceğim.
01:42
One is about a problemsorun of generalizationgenelleme,
26
90753
2287
Birisi genelleme sorunuyla ilgili,
01:45
and the other is about a problemsorun
of causalnedensel reasoningmuhakeme.
27
93040
2850
diğeriyse nedensel akıl yürütme
sorunuyla ilgili.
01:47
And althougholmasına rağmen I'm going to talk
about work in my lablaboratuvar,
28
95890
2525
Ve laboratuvarımdaki çalışmamla
ilgili konuşacak olsam da,
01:50
this work is inspiredyaratıcı by
and indebtedborçlu to a fieldalan.
29
98415
3460
bu çalışma alanımda teşekkür borçlu
olduğum kişilerden ilham alıyor.
01:53
I'm gratefulminnettar to mentorsmentorların, colleaguesmeslektaşlar,
and collaboratorsortak çalışanlar around the worldDünya.
30
101875
4283
Dünyadaki tüm danışmanlara, meslektaşlara
ve işbirlikçilere minnettârım.
01:59
Let me startbaşlama with the problemsorun
of generalizationgenelleme.
31
107308
2974
Genelleme sorunuyla başlayalım.
02:02
GeneralizingGenelleme from smallküçük samplesörnekler of dataveri
is the breadekmek and buttertereyağı of scienceBilim.
32
110652
4133
Küçük veri örneklerinden genelleme yapmak
bilimin ekmek teknesidir.
02:06
We pollAnket a tinyminik fractionkesir of the electorateSeçmenler
33
114785
2554
Küçücük bir seçmen kitlesine anket yaparız
02:09
and we predicttahmin the outcomesonuç
of nationalUlusal electionsseçimleri.
34
117339
2321
ve ulusal seçimlerin sonucunu öngörürüz.
02:12
We see how a handfulavuç of patientshastalar
respondsyanıt verir to treatmenttedavi in a clinicalklinik trialDeneme,
35
120240
3925
Bir klinik deneyde bir avuç insanın
tedaviye verdiği tepkiye bakar
02:16
and we bringgetirmek drugsilaçlar to a nationalUlusal marketpazar.
36
124165
3065
ve ilaçları ülke pazarına süreriz.
02:19
But this only worksEserleri if our sampleNumune
is randomlyrasgele drawnçekilmiş from the populationnüfus.
37
127230
4365
Fakat böyle bir şey, ancak örneğimiz
ana kitleden rastgele alınırsa işe yarar.
02:23
If our sampleNumune is cherry-pickedkiraz aldım
in some way --
38
131595
2735
Örneğimiz bir şekilde
keyfî olarak seçilmişse,
02:26
say, we pollAnket only urbankentsel votersSeçmenler,
39
134330
2072
diyelim ki yalnızca şehirdeki seçmenleri
02:28
or say, in our clinicalklinik trialsdenemeler
for treatmentstedaviler for heartkalp diseasehastalık,
40
136402
4388
ya da diyelim ki kalp hastalığı
tedavisi klinik deneylerimizde
02:32
we includeDahil etmek only menerkekler --
41
140790
1881
yalnızca erkekleri dâhil ettik --
02:34
the resultsSonuçlar mayMayıs ayı not generalizegenellemek
to the broadergeniş populationnüfus.
42
142671
3158
sonuçlar daha geniş ana kitleye
genellenemeyebilir.
02:38
So scientistsBilim adamları carebakım whetherolup olmadığını evidencekanıt
is randomlyrasgele sampledörneklenmiş or not,
43
146479
3581
Bu yüzden bilim insanları, bulgunun
rastgeleliğine önem verir,
02:42
but what does that have to do with babiesbebekler?
44
150060
2015
ama bunun bebeklerle ne ilgisi var?
02:44
Well, babiesbebekler have to generalizegenellemek
from smallküçük samplesörnekler of dataveri all the time.
45
152585
4621
Şöyle ki, bebekler sürekli küçük veri
örneklerinden genellemek zorundadır.
02:49
They see a fewaz rubbersilgi ducksördekler
and learnöğrenmek that they floatkayan nokta,
46
157206
3158
Birkaç oyuncak ördek görürler ve
batmadan durduğunu öğrenirler
02:52
or a fewaz ballstaşaklar and learnöğrenmek that they bouncehemen çıkma.
47
160364
3575
ya da birkaç topun zıpladığını öğrenirler.
02:55
And they developgeliştirmek expectationsbeklentileri
about ducksördekler and ballstaşaklar
48
163939
2951
Ördekler ve toplarla ilgili
02:58
that they're going to extenduzatmak
to rubbersilgi ducksördekler and ballstaşaklar
49
166890
2716
yaşamları boyunca
oyuncak ördek ve toplara ekleyecekleri
03:01
for the restdinlenme of theironların liveshayatları.
50
169606
1879
beklentiler edinirler.
03:03
And the kindsçeşit of generalizationsgenelleme
babiesbebekler have to make about ducksördekler and ballstaşaklar
51
171485
3739
Ve bebekler, ördekler ve toplarla ilgili
yapması gereken bu tür genellemeleri
03:07
they have to make about almostneredeyse everything:
52
175224
2089
neredeyse her şey için yapmak zorundadır:
03:09
shoesayakkabı and shipsgemiler and sealingmühürleme waxbalmumu
and cabbageslahana and kingskrallar.
53
177313
3917
ayakkabılar, gemiler, mühür mumları,
lahanalar, krallar...
03:14
So do babiesbebekler carebakım whetherolup olmadığını
the tinyminik bitbit of evidencekanıt they see
54
182200
2961
Peki bebekler gördükleri
küçücük bulgu parçasının
03:17
is plausiblyhaklı representativetemsilci
of a largerdaha büyük populationnüfus?
55
185161
3692
daha büyük bir ana kitleyi
temsil edişini umursar mı?
03:21
Let's find out.
56
189763
1900
Haydi öğrenelim.
03:23
I'm going to showgöstermek you two moviesfilmler,
57
191663
1723
Size iki video göstereceğim,
03:25
one from eachher of two conditionskoşullar
of an experimentdeney,
58
193386
2462
bir deneyin iki koşulunu
da gösteren videolar
03:27
and because you're going to see
just two moviesfilmler,
59
195848
2438
ve yalnızca iki video izleyeceğiniz için
03:30
you're going to see just two babiesbebekler,
60
198286
2136
yalnızca iki bebek göreceksiniz
03:32
and any two babiesbebekler differfarklılık from eachher other
in innumerablesayısız waysyolları.
61
200422
3947
ve herhangi iki bebek birbirinden
sayısız farklılıklar gösterir.
03:36
But these babiesbebekler, of coursekurs,
here standdurmak in for groupsgruplar of babiesbebekler,
62
204369
3051
Fakat bu bebekler, tabii ki,
bebek gruplarını temsil ediyor
03:39
and the differencesfarklar you're going to see
63
207420
1895
ve göreceğiniz farklılıklar
03:41
representtemsil etmek averageortalama groupgrup differencesfarklar
in babies'bebeklerin behaviordavranış acrosskarşısında conditionskoşullar.
64
209315
5195
bebeklerin davranışındaki koşullar arası
ortalama grup farklılıklarını temsil ediyor.
03:47
In eachher moviefilm, you're going to see
a babybebek doing maybe
65
215160
2583
Her videoda, bir bebeğin belki de
03:49
just exactlykesinlikle what you mightbelki
expectbeklemek a babybebek to do,
66
217743
3460
bir bebekten tam da bekleyeceğiniz
şeyi yaptığını göreceksiniz
03:53
and we can hardlyzorlukla make babiesbebekler
more magicalbüyülü than they alreadyzaten are.
67
221203
4017
ve bebekleri olduklarından daha sihirli
yapmamız mümkün değildir.
03:58
But to my mindus the magicalbüyülü thing,
68
226090
2010
Fakat benim zihnimde, sihirli olan şey
04:00
and what I want you to payödeme attentionDikkat to,
69
228100
2089
ve dikkat etmenizi istediğim şey
04:02
is the contrastkontrast betweenarasında
these two conditionskoşullar,
70
230189
3111
bu iki koşul arasındaki zıtlık,
04:05
because the only thing
that differsfarklıdır betweenarasında these two moviesfilmler
71
233300
3529
çünkü bu iki video arasındaki
tek farklı şey
04:08
is the statisticalistatistiksel evidencekanıt
the babiesbebekler are going to observegözlemlemek.
72
236829
3466
bebeklerin gözlemleyeceği
istatistiksel bulgu.
04:13
We're going to showgöstermek babiesbebekler
a boxkutu of bluemavi and yellowSarı ballstaşaklar,
73
241425
3183
Bebeklere mavi ve sarı toplarla dolu
bir kutu göstereceğiz
04:16
and my then-graduateo mezun studentÖğrenci,
now colleagueçalışma arkadaşı at StanfordStanford, HyowonHyowon GweonGweon,
74
244608
4620
ve eski yüksek lisans öğrencim, şimdiki
Stanford'lu meslektaşım Hyowon Gweon,
04:21
is going to pullÇek threeüç bluemavi ballstaşaklar
in a rowsıra out of this boxkutu,
75
249228
3077
bu kutudan art arda
üç mavi top çekecek
04:24
and when she pullsçeker those ballstaşaklar out,
she's going to squeezesıkmak them,
76
252305
3123
ve bu topları çektiğinde
onları sıkacak
04:27
and the ballstaşaklar are going to squeakgıcırtı.
77
255428
2113
ve toplar ses çıkaracak.
04:29
And if you're a babybebek,
that's like a TEDTED Talk.
78
257541
2763
Ve bebekseniz, bu tam
TED Konuşması gibidir.
04:32
It doesn't get better than that.
79
260304
1904
Bundan daha iyisi olamaz.
04:34
(LaughterKahkaha)
80
262208
2561
(Gülüşmeler)
04:38
But the importantönemli pointpuan is it's really
easykolay to pullÇek threeüç bluemavi ballstaşaklar in a rowsıra
81
266968
3659
Fakat önemli olan şey şu ki çoğu topun
mavi olduğu bir kutudan art arda
04:42
out of a boxkutu of mostlyçoğunlukla bluemavi ballstaşaklar.
82
270627
2305
üç mavi top çekmek gerçekten kolaydır.
04:44
You could do that with your eyesgözleri closedkapalı.
83
272932
2060
Bunu gözleriniz kapalı da yapabilirsiniz.
04:46
It's plausiblyhaklı a randomrasgele sampleNumune
from this populationnüfus.
84
274992
2996
Ana kitleden çekilen toplar
olası biçimde rastgele bir örnektir.
04:49
And if you can reachulaşmak into a boxkutu at randomrasgele
and pullÇek out things that squeakgıcırtı,
85
277988
3732
Ve kutunun içinden rastgele çektiğiniz
toplar ses çıkarıyorsa, belki
04:53
then maybe everything in the boxkutu squeaksgıcırtıları.
86
281720
2839
kutudaki tüm toplar ses çıkarıyordur.
04:56
So maybe babiesbebekler should expectbeklemek
those yellowSarı ballstaşaklar to squeakgıcırtı as well.
87
284559
3650
Bu yüzden belki bebekler sarı topların da
ses çıkarmasını bekliyordur.
05:00
Now, those yellowSarı ballstaşaklar
have funnykomik stickssopa on the endson,
88
288209
2519
Bu sarı topların ucunda
komik çubuklar takılı,
05:02
so babiesbebekler could do other things
with them if they wanted to.
89
290728
2857
bebekler isterlerse sarı toplara
farklı şeyler de yapabilir.
05:05
They could poundpound them or whackvurmak them.
90
293585
1831
Alıp yere vurabilirler.
05:07
But let's see what the babybebek does.
91
295416
2586
Ama bir görelim ne yapıyorlar.
05:12
(VideoVideo) HyowonHyowon GweonGweon: See this?
(BallTop squeaksgıcırtıları)
92
300548
3343
(Video) Hyowon Gweon: Bunu görüyor musun?
(Top ses çıkarıyor)
05:16
Did you see that?
(BallTop squeaksgıcırtıları)
93
304531
3045
Gördün mü?
(Top ses çıkarıyor)
05:20
CoolCool.
94
308036
3066
Çok güzel.
05:24
See this one?
95
312706
1950
Bunu görüyor musun?
05:26
(BallTop squeaksgıcırtıları)
96
314656
1881
(Top ses çıkarıyor)
05:28
WowVay canına.
97
316537
2653
Vay be.
05:33
LauraLaura SchulzSchulz: Told you. (LaughsGülüyor)
98
321854
2113
Laura Schulz: Dedim size. (Gülüşmeler)
05:35
(VideoVideo) HGHG: See this one?
(BallTop squeaksgıcırtıları)
99
323967
4031
(Video) HG: Bunu görüyor musun?
(Top ses çıkarıyor)
05:39
Hey ClaraClara, this one'sbiri for you.
You can go aheadönde and playoyun.
100
327998
4619
Bak Clara, bu sana.
Alıp oynayabilirsin.
05:51
(LaughterKahkaha)
101
339854
4365
(Gülüşmeler)
05:56
LSLS: I don't even have to talk, right?
102
344219
2995
LS: Konuşmama bile gerek yok, değil mi?
05:59
All right, it's niceGüzel that babiesbebekler
will generalizegenellemek propertiesözellikleri
103
347214
2899
Pekâlâ, bebeklerin mavi topların
özelliklerini sarı toplara
06:02
of bluemavi ballstaşaklar to yellowSarı ballstaşaklar,
104
350113
1528
genellemesi güzel
06:03
and it's impressiveetkileyici that babiesbebekler
can learnöğrenmek from imitatingtaklit us,
105
351641
3096
ve bizi taklit ederek
öğrenebilmeleri etkileyici
06:06
but we'vebiz ettik knownbilinen those things about babiesbebekler
for a very long time.
106
354737
3669
fakat bebeklerle ilgili olarak
bunları uzun süredir biliyoruz.
06:10
The really interestingilginç questionsoru
107
358406
1811
Gerçekten ilginç olan soru şu:
06:12
is what happensolur when we showgöstermek babiesbebekler
exactlykesinlikle the sameaynı thing,
108
360217
2852
bebeklere tam olarak
aynı şeyi gösterirsek ne olur?
06:15
and we can ensuresağlamak it's exactlykesinlikle the sameaynı
because we have a secretgizli compartmentbölme
109
363069
3611
Birebir aynı olduğuna emin olabiliriz,
çünkü gizli bir bölmemiz var
06:18
and we actuallyaslında pullÇek the ballstaşaklar from there,
110
366680
2110
ve aslında topları oradan çekiyoruz,
06:20
but this time, all we changedeğişiklik
is the apparentbelirgin populationnüfus
111
368790
3478
ancak bu sefer, değiştirdiğimiz
tek şey bulgunun çekildiği
06:24
from whichhangi that evidencekanıt was drawnçekilmiş.
112
372268
2902
görünürdeki ana kitlenin kendisi.
06:27
This time, we're going to showgöstermek babiesbebekler
threeüç bluemavi ballstaşaklar
113
375170
3553
Bu sefer, bebeklere üç mavi topu
06:30
pulledçekti out of a boxkutu
of mostlyçoğunlukla yellowSarı ballstaşaklar,
114
378723
3384
çoğunlukla sarı topların olduğu
kutudan çekerek göstereceğiz
06:34
and guesstahmin what?
115
382107
1322
ve bilin bakalım ne olacak?
06:35
You [probablymuhtemelen won'talışkanlık] randomlyrasgele drawçekmek
threeüç bluemavi ballstaşaklar in a rowsıra
116
383429
2840
Çoğunluğun sarı toplar olduğu
kutudan art arda üç mavi topu
06:38
out of a boxkutu of mostlyçoğunlukla yellowSarı ballstaşaklar.
117
386269
2484
[muhtemelen] çekemezsiniz.
06:40
That is not plausiblyhaklı
randomlyrasgele sampledörneklenmiş evidencekanıt.
118
388753
3747
Böyle bir şey muhtemelen
rastgele örnekli bulgu olmaz.
06:44
That evidencekanıt suggestsanlaşılacağı that maybe HyowonHyowon
was deliberatelykasten samplingörnekleme the bluemavi ballstaşaklar.
119
392500
5123
Böyle bir bulgu, Hyowon'un kasıtlı olarak
mavi topları çektiği izlenimini verebilir.
06:49
Maybe there's something specialözel
about the bluemavi ballstaşaklar.
120
397623
2583
Belki toplarla ilgili özel bir şey var.
06:52
Maybe only the bluemavi ballstaşaklar squeakgıcırtı.
121
400846
2976
Belki yalnızca mavi toplar ses çıkarıyor.
06:55
Let's see what the babybebek does.
122
403822
1895
Bakalım bebek ne yapıyor.
06:57
(VideoVideo) HGHG: See this?
(BallTop squeaksgıcırtıları)
123
405717
2904
(Video) HG: Bunu görüyor musun?
(Top ses çıkarıyor)
07:02
See this toyoyuncak?
(BallTop squeaksgıcırtıları)
124
410851
2645
Bu oyuncağı görüyor musun?
(Top ses çıkarıyor)
07:05
Oh, that was coolgüzel. See?
(BallTop squeaksgıcırtıları)
125
413496
5480
Aman da ne güzel. Gördün mü?
(Top ses çıkarıyor)
07:10
Now this one'sbiri for you to playoyun.
You can go aheadönde and playoyun.
126
418976
4394
Bak bu da senin için.
Alıp oynayabilirsin.
07:18
(FussingFüssing)
(LaughterKahkaha)
127
426074
6347
(Mızıldanıyor)
(Gülüşmeler)
07:26
LSLS: So you just saw
two 15-month-old-ay-yaşlı babiesbebekler
128
434901
2748
LS: Az önce 15 aylık iki bebeğin
07:29
do entirelyBaştan sona differentfarklı things
129
437649
1942
yalnızca gözlemledikleri örneğin
07:31
basedmerkezli only on the probabilityolasılık
of the sampleNumune they observedgözlenen.
130
439591
3599
olasılığına dayanarak bambaşka
şeyler yapışını gördünüz.
07:35
Let me showgöstermek you the experimentaldeneysel resultsSonuçlar.
131
443190
2321
Deneysel sonuçlara bakalım.
07:37
On the verticaldikey axiseksen, you'llEğer olacak see
the percentageyüzde of babiesbebekler
132
445511
2764
Dikey eksende, her iki durumda da
topu sıkan bebeklerin
07:40
who squeezedsıkılmış the balltop in eachher conditionşart,
133
448275
2530
yüzdesini görüyorsunuz
07:42
and as you'llEğer olacak see, babiesbebekler are much
more likelymuhtemelen to generalizegenellemek the evidencekanıt
134
450805
3715
ve gördüğünüz gibi, bebekler;
bulgu, ana kitlenin muhtemel temsilcisi
07:46
when it's plausiblyhaklı representativetemsilci
of the populationnüfus
135
454520
3135
olduğunda bulguyu genellemeye,
07:49
than when the evidencekanıt
is clearlyAçıkça cherry-pickedkiraz aldım.
136
457655
3738
bulgu keyfî olarak seçildiğindeki durumda
genellemekten daha yatkınlar.
07:53
And this leadspotansiyel müşteriler to a funeğlence predictiontahmin:
137
461393
2415
Ve bu, eğlenceli bir öngörüye çıkıyor:
07:55
SupposeVarsayalım you pulledçekti just one bluemavi balltop
out of the mostlyçoğunlukla yellowSarı boxkutu.
138
463808
4868
Çoğu sarı top olan kutudan yalnızca bir
mavi top çektiğinizi varsayın.
08:00
You [probablymuhtemelen won'talışkanlık] pullÇek threeüç bluemavi ballstaşaklar
in a rowsıra at randomrasgele out of a yellowSarı boxkutu,
139
468896
3869
Sarı top kutusundan art arda üç kez
mavi topu muhtemelen çekemezsiniz,
08:04
but you could randomlyrasgele sampleNumune
just one bluemavi balltop.
140
472765
2455
ama rastgele yalnızca
bir mavi top çekebilirsiniz.
08:07
That's not an improbableolasılıksız sampleNumune.
141
475220
1970
Olasılıksız bir örnek değil.
08:09
And if you could reachulaşmak into
a boxkutu at randomrasgele
142
477190
2224
Ve bir kutudan rastgele bir şey çekip de
08:11
and pullÇek out something that squeaksgıcırtıları,
maybe everything in the boxkutu squeaksgıcırtıları.
143
479414
3987
çektiğiniz şey ses çıkarıyorsa, belki
kutudaki her şey ses çıkarıyordur.
08:15
So even thoughgerçi babiesbebekler are going to see
much lessaz evidencekanıt for squeakinggıcırdıyor,
144
483875
4445
Bu yüzden, bebekler bu tek top koşulunda
izlediğiniz bir önceki koşula göre
08:20
and have manyçok fewerDaha az actionseylemler to imitatetaklit etmek
145
488320
2242
ses çıkaran daha az bulgu görseler de
08:22
in this one balltop conditionşart than in
the conditionşart you just saw,
146
490562
3343
ve taklit edecekleri daha az eylem olsa da
08:25
we predictedtahmin that babiesbebekler themselveskendilerini
would squeezesıkmak more,
147
493905
3892
bebeklerin daha çok
top sıkacağını öngördük
08:29
and that's exactlykesinlikle what we foundbulunan.
148
497797
2894
ve bulduğumuz da tam olarak bu oldu.
08:32
So 15-month-old-ay-yaşlı babiesbebekler,
in this respectsaygı, like scientistsBilim adamları,
149
500691
4411
15 aylık bebekler, bu hususta,
tıpkı bilim adamları gibi
08:37
carebakım whetherolup olmadığını evidencekanıt
is randomlyrasgele sampledörneklenmiş or not,
150
505102
3088
bulgunun rastgele örneklenip
örneklenmediğini önemsiyor
08:40
and they use this to developgeliştirmek
expectationsbeklentileri about the worldDünya:
151
508190
3507
ve bunu dünyayla ilgili beklentiler
edinmek için kullanıyorlar:
08:43
what squeaksgıcırtıları and what doesn't,
152
511697
2182
Ne ses çıkarır, ne ses çıkarmaz,
08:45
what to explorekeşfetmek and what to ignorealdırmamak.
153
513879
3145
ne keşfedilmeli, ne görmezden gelinmeli?
08:50
Let me showgöstermek you anotherbir diğeri exampleörnek now,
154
518384
2066
Şimdi size bir başka örnek göstereyim,
08:52
this time about a problemsorun
of causalnedensel reasoningmuhakeme.
155
520450
2730
bu seferki nedensel
akıl yürütme sorunuyla ilgili.
08:55
And it startsbaşlar with a problemsorun
of confoundedşaşırmış evidencekanıt
156
523180
2439
Ve hepimizin yaşadığı bir şaşırtıcı bulgu
08:57
that all of us have,
157
525619
1672
sorunuyla başlıyor,
08:59
whichhangi is that we are partBölüm of the worldDünya.
158
527291
2020
dünyanın parçası olmamızın sorunu.
09:01
And this mightbelki not seemgörünmek like a problemsorun
to you, but like mostçoğu problemssorunlar,
159
529311
3436
Ve size bir sorun gibi görünmeyebilir,
fakat çoğu sorun gibi,
09:04
it's only a problemsorun when things go wrongyanlış.
160
532747
2337
yalnızca işler yoldan çıkınca
sorun hâlini alıyor.
09:07
Take this babybebek, for instanceörnek.
161
535464
1811
Örneğin bu bebeği ele alalım.
09:09
Things are going wrongyanlış for him.
162
537275
1705
Onun için işler yolunda gitmiyor.
09:10
He would like to make
this toyoyuncak go, and he can't.
163
538980
2271
Bu oyuncağı çalıştırmak
istiyor ve yapamıyor.
09:13
I'll showgöstermek you a few-secondbirkaç saniyelik clipklips.
164
541251
2529
Birkaç saniyelik videoyu göstereceğim.
09:21
And there's two possibilitiesolasılıklar, broadlyGenel olarak:
165
549340
1920
Ve kabaca iki olasılık var:
09:23
Maybe he's doing something wrongyanlış,
166
551260
2634
Belki bir şeyleri yanlış yapıyor
09:25
or maybe there's something
wrongyanlış with the toyoyuncak.
167
553894
4216
ya da belki oyuncakta
bir bozukluk var.
09:30
So in this nextSonraki experimentdeney,
168
558110
2111
Diğerini izleyen bu deneyde,
09:32
we're going to give babiesbebekler
just a tinyminik bitbit of statisticalistatistiksel dataveri
169
560221
3297
bebeklere, bir varsayımı diğerine göre
destekleyen yalnızca küçücük
09:35
supportingDestek one hypothesishipotez over the other,
170
563518
2582
istatistiksel veri parçası vereceğiz
09:38
and we're going to see if babiesbebekler
can use that to make differentfarklı decisionskararlar
171
566100
3455
ve bebekler, yapacakları
şeye karar verirken bunu
09:41
about what to do.
172
569555
1834
kullanabilecekler mi göreceğiz.
09:43
Here'sİşte the setupKurulum.
173
571389
2022
Böyle bir kurgumuz var.
09:46
HyowonHyowon is going to try to make
the toyoyuncak go and succeedbaşarılı olmak.
174
574071
3030
Hyowon oyuncağı çalıştırmayı
deneyecek ve başaracak.
09:49
I am then going to try twiceiki defa
and failbaşarısız bothher ikisi de timeszamanlar,
175
577101
3320
Sonra ben iki kez deneyeceğim
ve ikisinde de başarısız olacağım
09:52
and then HyowonHyowon is going
to try again and succeedbaşarılı olmak,
176
580421
3112
ve sonra Hyowon yeniden
deneyip başaracak
09:55
and this roughlykabaca sumstoplamları up my relationshipilişki
to my graduatemezun olmak studentsöğrencilerin
177
583533
3172
ve bu durum, kurul boyunca yüksek
lisans öğrencilerimle teknoloji
09:58
in technologyteknoloji acrosskarşısında the boardyazı tahtası.
178
586705
2835
durumumu kabaca özetliyor.
10:02
But the importantönemli pointpuan here is
it providessağlar a little bitbit of evidencekanıt
179
590030
3292
Fakat buradaki önemli nokta,
sorunun oyuncakla ilgili olmadığı;
10:05
that the problemsorun isn't with the toyoyuncak,
it's with the personkişi.
180
593322
3668
kişiyle ilgili olduğuyla ilgili küçük
bulgu sağlanıyor.
10:08
Some people can make this toyoyuncak 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 babybebek getsalır the toyoyuncak,
he's going to have a choiceseçim.
183
600799
3413
Şimdi, bebek oyuncağı alınca
bir seçim yapacak.
10:16
His momanne is right there,
184
604212
2188
Annesi hemen yanında,
10:18
so he can go aheadönde and handel off the toyoyuncak
and changedeğişiklik the personkişi,
185
606400
3315
bu yüzden oyuncağı ona verip
kişiyi değiştirebilir,
10:21
but there's alsoAyrıca going to be
anotherbir diğeri toyoyuncak at the endson of that clothbez,
186
609715
3158
fakat kumaşın ucunda başka bir
oyuncak daha bulunacak
10:24
and he can pullÇek the clothbez towardskarşı him
and changedeğişiklik the toyoyuncak.
187
612873
3552
ve kumaşı kendine çekerek
oyuncağı değiştirebilir.
10:28
So let's see what the babybebek does.
188
616425
2090
Haydi bakalım bebek ne yapıyor.
10:30
(VideoVideo) HGHG: Two, threeüç. Go!
(MusicMüzik)
189
618515
4183
(Video) HG: İki, üç. Başla!
(Müzik)
10:34
LSLS: One, two, threeüç, go!
190
622698
3131
LS: Bir, iki, üç, başla!
10:37
ArthurArthur, I'm going to try again.
One, two, threeüç, go!
191
625829
7382
Arthur, yeniden deneyeceğim.
Bir, iki, üç, başla!
10:45
YGYG: ArthurArthur, let me try again, okay?
192
633677
2600
YG: Arthur, ben yeniden
deneyeyim, olur mu?
10:48
One, two, threeüç, go!
(MusicMüzik)
193
636277
4550
Bir, iki, üç, başla!
(Müzik)
10:53
Look at that. RememberHatırlıyorum these toysoyuncaklar?
194
641583
1883
Şuna bak. Bu oyuncakları hatırladın mı?
10:55
See these toysoyuncaklar? Yeah, I'm going
to put this one over here,
195
643466
3264
Oyuncakları görüyor musun?
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 aheadönde and playoyun.
197
648792
2335
Alıp oynayabilirsin.
11:23
LSLS: Okay, LauraLaura, but of coursekurs,
babiesbebekler love theironların mommiesAnneler.
198
671213
4737
LS: Tamam Laura, ama tabii ki
bebekler annelerini severler.
11:27
Of coursekurs babiesbebekler give toysoyuncaklar
to theironların mommiesAnneler
199
675950
2182
Tabii ki bebekler
oyuncakları çalıştıramayınca
11:30
when they can't make them work.
200
678132
2030
annelerine verir.
11:32
So again, the really importantönemli questionsoru
is what happensolur when we changedeğişiklik
201
680162
3593
Bu yüzden yine, önemli soru,
istatistiksel veriyi çok azıcık
11:35
the statisticalistatistiksel dataveri ever so slightlyhafifçe.
202
683755
3154
değiştirince ne olacağıdır.
11:38
This time, babiesbebekler are going to see the toyoyuncak
work and failbaşarısız in exactlykesinlikle the sameaynı ordersipariş,
203
686909
4087
Bu sefer, bebekler oyuncağın bir öncekiyle
aynı biçimde çalışıp bozulduğunu görecek,
11:42
but we're changingdeğiştirme
the distributiondağıtım of evidencekanıt.
204
690996
2415
fakat bulgunun dağılımını değiştireceğiz.
11:45
This time, HyowonHyowon is going to succeedbaşarılı olmak
oncebir Zamanlar and failbaşarısız oncebir Zamanlar, and so am I.
205
693411
4411
Bu sefer, Hyowon bir kez başarıp bir kez
yapamayacak, bende de aynısı olacak.
11:49
And this suggestsanlaşılacağı it doesn't mattermadde
who triesçalışır this toyoyuncak, the toyoyuncak is brokenkırık.
206
697822
5637
Ve oyuncağı kimin denediğinin önemi
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'sBebeğin going to have a choiceseçim.
208
705345
1965
Yine, bebek bir seçim yapacak.
11:59
Her momanne is right nextSonraki to her,
so she can changedeğişiklik the personkişi,
209
707310
3396
Annesi hemen yanında, bu yüzden
bebek deneyeni değiştirebilir
12:02
and there's going to be anotherbir diğeri toyoyuncak
at the endson of the clothbez.
210
710706
3204
ve kumaşın ucunda başka
bir oyuncak daha olacak.
12:05
Let's watch what she does.
211
713910
1378
Bebek ne yapıyor izleyelim.
12:07
(VideoVideo) HGHG: Two, threeüç, go!
(MusicMüzik)
212
715288
4348
(Video) HG: İki, üç, başla!
(Müzik)
12:11
Let me try one more time.
One, two, threeüç, go!
213
719636
4984
Bir kere daha deneyeyim.
Bir, iki, üç, başla!
12:17
HmmHmm.
214
725460
1697
Hımm.
12:19
LSLS: Let me try, ClaraClara.
215
727950
2692
LS: Ben deneyeyim Clara.
12:22
One, two, threeüç, go!
216
730642
3945
Bir, iki, üç, başla!
12:27
HmmHmm, let me try again.
217
735265
1935
Hımm, bir daha deneyeyim.
12:29
One, two, threeüç, go!
(MusicMüzik)
218
737200
5670
Bir, iki, üç, başla!
(Müzik)
12:35
HGHG: I'm going
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 aheadönde and playoyun.
221
747243
3597
Alıp oynayabilirsin.
12:58
(ApplauseAlkış)
222
766376
4897
(Alkış)
13:04
LSLS: Let me showgöstermek you
the experimentaldeneysel resultsSonuçlar.
223
772993
2392
LS: Size deney sonuçlarını göstereyim.
13:07
On the verticaldikey axiseksen,
you'llEğer olacak see the distributiondağıtım
224
775385
2475
Dikey eksende,
çocukların her durumla ilgili
13:09
of children'sçocuk choicesseçimler in eachher conditionşart,
225
777860
2577
seçimlerini görüyorsunuz
13:12
and you'llEğer olacak see that the distributiondağıtım
of the choicesseçimler childrençocuklar make
226
780437
4551
ve çocukların yaptığı seçimlerin dağılımı
13:16
dependsbağlıdır on the evidencekanıt they observegözlemlemek.
227
784988
2787
gözlemledikleri bulguya bağlı.
13:19
So in the secondikinci yearyıl of life,
228
787775
1857
Yaşamın ikinci yılında,
13:21
babiesbebekler can use a tinyminik bitbit
of statisticalistatistiksel dataveri
229
789632
2577
bebekler küçücük
istatistiksel veri parçasını,
13:24
to decidekarar ver betweenarasında two
fundamentallyesasen differentfarklı strategiesstratejiler
230
792209
3367
temelde farklı stratejiler arasında
dünyada eylemde bulunmak için
13:27
for actingoyunculuk in the worldDünya:
231
795576
1881
karara varırken kullanabiliyorlar:
13:29
askingsormak for help and exploringkeşfetmek.
232
797457
2743
yardım istemek ve keşfetmek.
13:33
I've just showngösterilen you
two laboratorylaboratuvar experimentsdeneyler
233
801700
3434
Size az önce iki laboratuvar deneyini
13:37
out of literallyharfi harfine hundredsyüzlerce in the fieldalan
that make similarbenzer pointsmakas,
234
805134
3691
alandaki abartısız yüzlerce benzer noktaya
vurgu yapanların arasından gösterdim,
13:40
because the really criticalkritik pointpuan
235
808825
2392
çünkü esas önemli mesele
13:43
is that children'sçocuk abilitykabiliyet
to make richzengin inferencesçıkarımlar from sparseseyrek dataveri
236
811217
5108
çocukların belirsiz verilerden zengin
çıkarımlar yapabilme yeteneği
13:48
underliesaltında yatan all the species-specificSpecies-Specific
culturalkültürel learningöğrenme that we do.
237
816325
5341
türümüze özgü kültürel
öğrenmemizin temelini oluşturuyor.
13:53
ChildrenÇocuk learnöğrenmek about newyeni toolsaraçlar
from just a fewaz examplesörnekler.
238
821666
4597
Çocuklar yeni araçları yalnızca
birkaç örnekten öğreniyor.
13:58
They learnöğrenmek newyeni causalnedensel relationshipsilişkiler
from just a fewaz examplesörnekler.
239
826263
4717
Nedensel ilişkilerini yalnızca
birkaç örnekten öğreniyor.
14:03
They even learnöğrenmek newyeni wordskelimeler,
in this casedurum in AmericanAmerikan Signİşareti LanguageDil.
240
831928
4871
Hatta yeni sözcükleri bile öğreniyorlar,
bu örnekte Amerikan İşaret Dili'ni.
14:08
I want to closekapat with just two pointsmakas.
241
836799
2311
Konuşmamı iki hususla kapatmak istiyorum.
14:12
If you've been followingtakip etme my worldDünya,
the fieldalan of brainbeyin and cognitivebilişsel sciencesbilimler,
242
840050
3688
Benim dünyamı, beyin ve bilişsel
bilimler alanını, son birkaç yıldır
14:15
for the pastgeçmiş fewaz yearsyıl,
243
843738
1927
takip ediyorsanız,
14:17
threeüç bigbüyük ideasfikirler will have come
to your attentionDikkat.
244
845665
2415
üç büyük fikir ilginizi çekmiştir.
14:20
The first is that this is
the eraçağ of the brainbeyin.
245
848080
3436
Birincisi, bu çağ beyin çağıdır.
14:23
And indeedaslında, there have been
staggeringşaşırtıcı discoverieskeşifler in neurosciencenörobilim:
246
851516
3669
Ve aslında, sinirbilimde insanı
afallatan keşifler yapıldı:
14:27
localizingYerelleştirme functionallyişlevsel olarak specializeduzman
regionsbölgeler of cortexkorteks,
247
855185
3436
beyin kabuğunun işlevselce özelleşmiş
bölgelerinin yerinin belirlenmesi,
14:30
turningdöndürme mousefare brainsbeyin transparentşeffaf,
248
858621
2601
fare beyinlerinin şeffaflaştırılması,
14:33
activatingaktive neuronsnöronlar with lightışık.
249
861222
3776
sinir hücrelerinin
ışıkla etkinleştirilmesi.
İkinci büyük fikir,
14:36
A secondikinci bigbüyük ideaFikir
250
864998
1996
14:38
is that this is the eraçağ of bigbüyük dataveri
and machinemakine learningöğrenme,
251
866994
4104
bu çağ, büyük veri
ve makine öğrenimi çağıdır
14:43
and machinemakine learningöğrenme promisessözler
to revolutionizedevrim our understandinganlayış
252
871098
3141
ve makine öğrenimi,
sosyal ağlardan salgınbilimine
14:46
of everything from socialsosyal networksağlar
to epidemiologyepidemioloji.
253
874239
4667
her şeyi anlayışımızı
değiştirmeye söz veriyor.
14:50
And maybe, as it tackleshalat takımı problemssorunlar
of scenefaliyet alani, sahne understandinganlayış
254
878906
2693
Ve belki makine öğrenimi, mekan algılama
14:53
and naturaldoğal languagedil processingişleme,
255
881599
1993
ve doğal dil işleme sorunlarıyla
14:55
to tell us something
about humaninsan cognitionbiliş.
256
883592
3324
bize insan bilişi hakkında
bir şeyler anlatmak için uğraşıyor.
14:59
And the finalnihai bigbüyük ideaFikir you'llEğer olacak have heardduymuş
257
887756
1937
Ve duyacağınız üçüncü büyük fikir,
15:01
is that maybe it's a good ideaFikir we're going
to know so much about brainsbeyin
258
889693
3387
beyin hakkında o kadar çok şey
bilmemiz ve büyük veriye o kadar çok
15:05
and have so much accesserişim to bigbüyük dataveri,
259
893080
1917
erişimimizin olması iyi olacak,
15:06
because left to our ownkendi devicescihazlar,
260
894997
2507
çünkü işler kendi
irademize bırakıldığında,
15:09
humansinsanlar are fallibleyanılabilir, we take shortcutskısayolları,
261
897504
3831
insanlar yanılabilir,
kestirmeleri seçiyoruz
15:13
we errerr, we make mistakeshatalar,
262
901335
3437
konuşurken duraksıyoruz,
hatalar yapıyoruz,
15:16
we're biasedönyargılı, and in innumerablesayısız waysyolları,
263
904772
3684
önyargılıyız ve birçok biçimde
15:20
we get the worldDünya wrongyanlış.
264
908456
2969
dünyaya kötülük yapıyoruz.
15:24
I think these are all importantönemli storieshikayeleri,
265
912843
2949
Bence bunların hepsi önemli hikâyeler
15:27
and they have a lot to tell us
about what it meansanlamına geliyor to be humaninsan,
266
915792
3785
ve insan olmanın anlamı üzerine
bize söyleyecekleri çok şey var,
15:31
but I want you to noteNot that todaybugün
I told you a very differentfarklı storyÖykü.
267
919577
3529
fakat bir kenara yazmanızı istiyorum,
bugün size çok başka bir hikâye anlattım.
15:35
It's a storyÖykü about mindszihinler and not brainsbeyin,
268
923966
3807
Anlattığım zihin hakkında,
beyin hakkında değil
15:39
and in particularbelirli, it's a storyÖykü
about the kindsçeşit of computationshesaplamalar
269
927773
3006
ve özellikle, yalnızca insan
zihninin gerçekleştirebildiği türde,
15:42
that uniquelybenzersiz humaninsan mindszihinler can performyapmak,
270
930779
2590
zengin, yapılandırılmış bilgi
ve küçük miktarda veriden;
15:45
whichhangi involvedahil richzengin, structuredyapılandırılmış knowledgebilgi
and the abilitykabiliyet to learnöğrenmek
271
933369
3944
yalnızca birkaç örneğin bulgusundan
öğrenme yeteneğini içeren türde
15:49
from smallküçük amountsmiktarlar of dataveri,
the evidencekanıt of just a fewaz examplesörnekler.
272
937313
5268
hesaplamalar hakkında bir hikâye,
yalnızca birkaç örneğin bulgusu.
15:56
And fundamentallyesasen, it's a storyÖykü
about how startingbaşlangıç as very smallküçük childrençocuklar
273
944301
4299
Ve temelde, küçük bir
çocuk olarak başlayıp
16:00
and continuingdevam ediyor out all the way
to the greatestEn büyük accomplishmentsbaşarıları
274
948600
4180
kültürümüzdeki en büyük
başarılara giden yolda
16:04
of our culturekültür,
275
952780
3843
devam ederek,
16:08
we get the worldDünya right.
276
956623
1997
dünyayı düzeltişimizin hikâyesidir.
16:12
FolksMillet, humaninsan mindszihinler do not only learnöğrenmek
from smallküçük amountsmiktarlar of dataveri.
277
960433
5267
Arkadaşlar, insan zihni yalnızca
küçük miktarda veriyle öğrenmez.
16:18
Humanİnsan mindszihinler think
of altogethertamamen newyeni ideasfikirler.
278
966285
2101
İnsan zihni, bütün fikirleri
bir arada düşünür.
16:20
Humanİnsan mindszihinler generateüretmek
researchAraştırma and discoverykeşif,
279
968746
3041
İnsan zihni,
araştırma ve keşif yaratır,
16:23
and humaninsan mindszihinler generateüretmek
artSanat and literatureEdebiyat and poetryşiir and theatertiyatro,
280
971787
5273
insan zihni; sanat, edebiyat,
şiir ve tiyatro yaratır
16:29
and humaninsan mindszihinler take carebakım of other humansinsanlar:
281
977070
3760
ve insan zihni diğer insanlarla ilgilenir:
16:32
our oldeski, our younggenç, our sickhasta.
282
980830
3427
yaşlılarımızla, gençlerimizle,
hastalarımızla.
16:36
We even healiyileşmek them.
283
984517
2367
Hatta insanları iyileştiriyoruz.
16:39
In the yearsyıl to come, we're going
to see technologicalteknolojik innovationsyenilikler
284
987564
3103
Gelecek yıllarda, zihnimde
canlandırabileceğimin bile ötesinde
16:42
beyondötesinde anything I can even envisionöngörülüyor,
285
990667
3797
teknolojik yenileşmeler göreceğiz,
16:46
but we are very unlikelyolası olmayan
286
994464
2150
fakat benim ya da sizin yaşamınız boyunca
16:48
to see anything even approximatingyaklaşıldığıdır
the computationalbilişimsel powergüç of a humaninsan childçocuk
287
996614
5709
bir insan çocuğunun
hesaplama gücüne yaklaşacak güçte bile
16:54
in my lifetimeömür or in yoursseninki.
288
1002323
4298
bir şeyin görülmesi olası değil.
16:58
If we investyatırmak in these mostçoğu powerfulgüçlü
learnersöğrenenler and theironların developmentgelişme,
289
1006621
5047
Bu en güçlü öğrenicilere
ve onların gelişimine;
17:03
in babiesbebekler and childrençocuklar
290
1011668
2917
bebeklere ve çocuklara,
17:06
and mothersanneler and fathersbabalar
291
1014585
1826
annelere ve babalara,
17:08
and caregiversbakıcılar and teachersöğretmenler
292
1016411
2699
bakıcılara ve öğretmenlere,
17:11
the waysyolları we investyatırmak in our other
mostçoğu powerfulgüçlü and elegantzarif formsformlar
293
1019110
4170
diğer teknolojinin, mühendisliğin
ve tasarımın en güçlü ve zeki türlerine
17:15
of technologyteknoloji, engineeringmühendislik and designdizayn,
294
1023280
3218
yatırım yaptığımız gibi yaparsak,
17:18
we will not just be dreamingrüya görmek
of a better futuregelecek,
295
1026498
2939
yalnızca daha iyi bir geleceğin
hayalini kuruyor olmayacağız,
17:21
we will be planningplanlama for one.
296
1029437
2127
iyi bir geleceği planlıyor olacağız.
17:23
Thank you very much.
297
1031564
2345
Çok teşekkür ederim.
17:25
(ApplauseAlkış)
298
1033909
3421
(Alkış)
17:29
ChrisChris AndersonAnderson: LauraLaura, thank you.
I do actuallyaslında have a questionsoru for you.
299
1037810
4426
Chris Anderson: Laura, teşekkür ederiz.
Sana soracağım bir sorum var.
17:34
First of all, the researchAraştırma is insanedeli.
300
1042236
2359
Öncelikle, bu çılgınca bir araştırma.
17:36
I mean, who would designdizayn
an experimentdeney like that? (LaughterKahkaha)
301
1044595
3725
Demek istediğim, kim böyle
bir deney tasarlar ki? (Gülüşmeler)
17:41
I've seengörüldü that a coupleçift of timeszamanlar,
302
1049150
1790
Birkaç kez izledim
17:42
and I still don't honestlydürüstçe believe
that that can trulygerçekten be happeningolay,
303
1050940
3222
ve hâlâ gerçekten bunun
olabileceğine inanmıyorum,
fakat diğer insanlar da benzer
deneyler yaptı ve sonuçlar örtüşüyor.
17:46
but other people have donetamam
similarbenzer experimentsdeneyler; it checksdenetler out.
304
1054162
3158
17:49
The babiesbebekler really are that geniusdeha.
305
1057320
1633
Bebekler gerçekten tam bir dâhi.
17:50
LSLS: You know, they look really impressiveetkileyici
in our experimentsdeneyler,
306
1058953
3007
LS: Biliyor musun, deneylerimizde
gerçekten şaşırtıcı görünüyor,
17:53
but think about what they
look like in realgerçek life, right?
307
1061960
2652
fakat gerçek yaşamda
nasıl olduklarını bir düşün.
17:56
It startsbaşlar out as a babybebek.
308
1064612
1150
Bebek olarak başlıyor.
17:57
EighteenOn sekiz monthsay latersonra,
it's talkingkonuşma to you,
309
1065762
2007
On sekiz ay sonra,
seninle konuşuyor
17:59
and babies'bebeklerin first wordskelimeler aren'tdeğil just
things like ballstaşaklar and ducksördekler,
310
1067769
3041
ve bebeklerin ilk sözcükleri
yalnızca top ya da ördek değil,
18:02
they're things like "all gonegitmiş,"
whichhangi referbaşvurmak to disappearanceyok olma,
311
1070810
2881
"hepsi gitti" gibi ortadan
kaybolmayla ilgili şeyler ya da
18:05
or "uh-ohUh-oh," whichhangi referbaşvurmak
to unintentionalkasıtsız actionseylemler.
312
1073691
2283
"a-aa" gibi istemsiz
eylemlerle ilgili şeyler.
18:07
It has to be that powerfulgüçlü.
313
1075974
1562
Bebeğin güçlü olması gerekiyor.
18:09
It has to be much more powerfulgüçlü
than anything I showedgösterdi you.
314
1077536
2775
Gösterdiğim herhangi bir şeyden
daha güçlü olması gerekiyor.
18:12
They're figuringendam out the entiretüm worldDünya.
315
1080311
1974
Koca dünyayı anlamlandırıyorlar.
18:14
A four-year-oldDört yaşındaki can talk to you
about almostneredeyse anything.
316
1082285
3144
Dört yaşında bir çocuk neredeyse
her şey hakkında konuşabilir.
18:17
(ApplauseAlkış)
317
1085429
1601
(Alkış)
18:19
CACA: And if I understandanlama you right,
the other keyanahtar pointpuan you're makingyapma is,
318
1087030
3414
CA: Sizi doğru anladıysam,
dikkat çektiğiniz diğer bir husus
18:22
we'vebiz ettik been throughvasitasiyla these yearsyıl
where there's all this talk
319
1090444
2754
yıllardır şu konuşma ortada dönüyor,
18:25
of how quirkyilginç and buggyböcekli our mindszihinler are,
320
1093198
1932
beynimiz ve zihnimiz acayip ve kusurlu,
18:27
that behavioraldavranışsal economicsekonomi bilimi
and the wholebütün theoriesteoriler behindarkasında that
321
1095130
2867
davranışsal ekonomi
ve ardındaki bütün kuramlar
18:29
that we're not rationalakılcı agentsajanları.
322
1097997
1603
mantıklı varlıklar olmadığımızı söyler.
18:31
You're really sayingsöz that the biggerDaha büyük
storyÖykü is how extraordinaryolağanüstü,
323
1099600
4216
Gerçekten de büyük
hikâyenin olağanüstü olduğunu
18:35
and there really is geniusdeha there
that is underappreciatedmümkün.
324
1103816
4944
ve gerçekten gereğinden az değer verilen
bir dâhinin varlığından bahsediyorsunuz.
18:40
LSLS: One of my favoritesevdiğim
quotestırnak işareti in psychologyPsikoloji
325
1108760
2070
LS: Ruhbilimdeki
en sevdiğim alıntılardan biri
18:42
comesgeliyor from the socialsosyal
psychologistpsikolog SolomonSolomon AschAsch,
326
1110830
2290
toplumsal ruhbilimci
Solomon Asch'tan gelir
18:45
and he said the fundamentaltemel taskgörev
of psychologyPsikoloji is to removeKaldır
327
1113120
2807
ve Solomon, ruhbilimin
temel görevinin zâten ortada olanın
18:47
the veilpeçe of self-evidencefotoğraflandığını from things.
328
1115927
2626
örtüsünü kaldırmak olduğunu söylemiştir.
18:50
There are ordersemirler of magnitudebüyüklük
more decisionskararlar you make everyher day
329
1118553
4551
Her gün önem sırasına göre
verdiğiniz birçok karar vardır,
18:55
that get the worldDünya right.
330
1123104
1347
bu kararlar dünyayı düzeltir.
18:56
You know about objectsnesneleri
and theironların propertiesözellikleri.
331
1124451
2132
Nesneleri ve özelliklerini bilirsiniz.
Önüne engel gelince tanırsınız.
Karanlıkta tanırsınız.
18:58
You know them when they're occludedtıkandı.
You know them in the darkkaranlık.
332
1126583
3029
Bir odadan diğerine yürüyebilirsiniz.
19:01
You can walkyürümek throughvasitasiyla roomsOdalar.
333
1129612
1308
Başkalarının ne düşündüğünü
anlarsınız. Onlarla konuşursunuz.
19:02
You can figureşekil out what other people
are thinkingdüşünme. You can talk to them.
334
1130920
3532
Uzayda hareket edersiniz.
Sayıları bilirsiniz.
19:06
You can navigategezinmek spaceuzay.
You know about numberssayılar.
335
1134452
2230
Nedensel ilişkileri bilirsiniz.
Ahlâkî akıl yürütmeyi bilirsiniz.
19:08
You know causalnedensel relationshipsilişkiler.
You know about moralmanevi reasoningmuhakeme.
336
1136682
3022
Bunları çabasız yaparsınız,
bu yüzden pek bir şey görmeyiz,
19:11
You do this effortlesslyzahmetsizce,
so we don't see it,
337
1139704
2356
fakat dünyayı böyle
anlamlandırırız, bu dikkate değerdir
19:14
but that is how we get the worldDünya right,
and it's a remarkabledikkat çekici
338
1142060
2912
ve anlaması çok zor bir başarımdır.
19:16
and very difficult-to-understandanlaşılması zor
accomplishmentbaşarı.
339
1144972
2318
CA: Sanırım izleyicilerimiz arasında
teknolojinin hızlanan gücünü
19:19
CACA: I suspectşüpheli there are people
in the audienceseyirci who have
340
1147290
2628
19:21
this viewgörünüm of acceleratinghızlanan
technologicalteknolojik powergüç
341
1149918
2238
benimseyen sizin
üç yaşındaki çocuğun
19:24
who mightbelki disputeanlaşmazlık your statementaçıklama
that never in our lifetimesyaşam süreleri
342
1152156
2958
yapabileceklerini bir bilgisayarın
hiçbir zaman yapamayacağı
19:27
will a computerbilgisayar do what
a three-year-oldüç yaşında childçocuk can do,
343
1155114
2618
açıklamanıza itiraz
edecek insanlar olabilir,
19:29
but what's clearaçık is that in any scenariosenaryo,
344
1157732
3248
fakat net olan şey şu, her durumda
19:32
our machinesmakineler have so much to learnöğrenmek
from our toddlersküçük çocuklar.
345
1160980
3770
makinelerimizin bebeklerimizden
öğreneceği çok şey var.
19:38
LSLS: I think so. You'llYou'll have some
machinemakine learningöğrenme folksarkadaşlar up here.
346
1166230
3216
LS: Bence de. Burada makine
öğrenimiyle ilgilenen arkadaşlar vardır.
19:41
I mean, you should never betbahis
againstkarşısında babiesbebekler or chimpanzeesşempanzelerin
347
1169446
4203
Diyorum ki, asla bebekleri şempanzelerle
19:45
or technologyteknoloji as a mattermadde of practiceuygulama,
348
1173649
3645
ya da teknolojiyle kıyaslamayın,
19:49
but it's not just
a differencefark in quantitymiktar,
349
1177294
4528
fakat bu yalnızca
nicelik farklılığı değil.
19:53
it's a differencefark in kindtür.
350
1181822
1764
Tür farklılığı.
19:55
We have incrediblyinanılmaz powerfulgüçlü computersbilgisayarlar,
351
1183586
2160
İnanılmaz güçlü bilgisayarlarımız var
19:57
and they do do amazinglyinanılmaz
sophisticatedsofistike things,
352
1185746
2391
ve inanılmaz karmaşık
şeyler yapıyorlar,
20:00
oftensık sık with very bigbüyük amountsmiktarlar of dataveri.
353
1188137
3204
sıklıkla büyük miktarda veriyle.
20:03
Humanİnsan mindszihinler do, I think,
something quiteoldukça differentfarklı,
354
1191341
2607
İnsan zihni, bence,
oldukça farklı bir şey yapıyor
20:05
and I think it's the structuredyapılandırılmış,
hierarchicalhiyerarşik naturedoğa of humaninsan knowledgebilgi
355
1193948
3895
ve bence, asıl zorlayıcı olan şey,
insan zihninin yapısal, basamaklı doğası.
20:09
that remainskalıntılar a realgerçek challengemeydan okuma.
356
1197843
2032
CA: Laura Schulz, üstünde düşünülecek
harika bir konuşmaydı. Çok teşekkürler.
20:11
CACA: LauraLaura SchulzSchulz, wonderfulolağanüstü
foodGıda for thought. Thank you so much.
357
1199875
3061
20:14
LSLS: Thank you.
(ApplauseAlkış)
358
1202936
2922
LS: Teşekkürler
(Alkış)
Translated by Şâkir Aşçı
Reviewed by güney örnek

▲Back to top

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

Why you should listen

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

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

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