0:00:00.835,0:00:04.440
Podstatu toho, co zkoumá[br]kognitivní věda,

0:00:04.490,0:00:08.010
shrnul Mark Twain jediným[br]chytrým aforismem:

0:00:08.120,0:00:11.192
„Na vědě je cosi podmanivého.

0:00:11.712,0:00:14.900
Z nepatrné investice v podobě faktů

0:00:15.010,0:00:18.264
získáváme tučné výnosy[br]v podobě domněnek.“

0:00:18.364,0:00:20.049
(Smích.)

0:00:20.199,0:00:22.903
Twain to řekl v žertu,[br]ale je to vlastně pravda.

0:00:22.963,0:00:25.549
Věda je čímsi podmanivá.

0:00:25.949,0:00:30.160
Stačí pár kostí a víme,[br]že existovali dinosauři.

0:00:30.910,0:00:34.911
Ze spektrálních čar vyvozujeme[br]složení hvězdných mlhovin.

0:00:35.711,0:00:37.839
Na muškách octomilkách

0:00:38.379,0:00:41.212
sledujeme mechanismy dědičnosti.

0:00:41.672,0:00:45.531
A na základě snímků,[br]jak mozkem protéká krev,

0:00:45.701,0:00:50.229
anebo na základě chování dětí,[br]jemuž se věnuji třeba já,

0:00:50.489,0:00:53.168
studujeme bytostné mechanismy,

0:00:53.268,0:00:55.436
jak lidé poznávají svět.

0:00:55.716,0:01:00.435
Já sama na Oddělení kognitivních[br]věd a neurověd na MIT

0:01:00.535,0:01:03.485
už deset let řeším záhadu,

0:01:03.595,0:01:08.419
jak se děti z minima podnětů[br]naučí tak rychle tolik věcí.

0:01:08.666,0:01:11.684
To, co je podmanivého na vědě,

0:01:11.834,0:01:14.703
je totiž podmanivé i na dětech.

0:01:15.173,0:01:17.804
Abych parafrázovala Twaina,

0:01:17.894,0:01:22.474
z investice v podobě útržkovitých,[br]šumem zatížených dat

0:01:22.644,0:01:27.985
děti bleskově získávají bohaté výnosy[br]přesných abstraktních poznatků.

0:01:28.355,0:01:30.703
Ukážu vám to na dvou příkladech.

0:01:30.753,0:01:35.820
První se týká schopnosti zobecňovat[br]a druhý kauzálního uvažování.

0:01:36.010,0:01:38.565
Budu mluvit hlavně o vlastních výzkumech,

0:01:38.635,0:01:41.875
ale za mnohé vděčím dalším lidem z oboru.

0:01:42.005,0:01:46.998
Jsem zavázána svým školitelům, kolegům[br]a spolupracovníkům z celého světa.

0:01:47.308,0:01:50.462
Začněme problematikou zobecňování.

0:01:50.802,0:01:54.325
Zobecňování je alfou a omegou vědy.

0:01:54.785,0:01:59.609
Na základě průzkumu malého vzorku voličů[br]odhadujeme výsledky voleb.

0:02:00.240,0:02:04.270
Sledujeme, jak hrstka pacientů[br]reaguje na určitý lék,

0:02:04.340,0:02:07.110
a pak ho zavádíme do lékáren.

0:02:07.340,0:02:11.425
Aby to fungovalo, musíme vzorek[br]lidí vybrat náhodně.

0:02:11.595,0:02:14.130
Pokud bude výběr zkreslený,

0:02:14.330,0:02:17.232
pokud oslovíme jen voliče z města

0:02:17.292,0:02:22.332
nebo budeme lék na srdce[br]testovat dejme tomu jen na mužích,

0:02:22.671,0:02:26.329
nebudou závěry zobecnitelné[br]na širší populaci.

0:02:26.739,0:02:30.010
Vědci tudíž musejí dbát[br]na nahodilost vzorku.

0:02:30.100,0:02:32.605
Ale jak to souvisí s malými dětmi?

0:02:32.795,0:02:37.176
Děti neustále něco zobecňují[br]a mají jen malé vzorky dat.

0:02:37.286,0:02:40.534
Vidí pár gumových kachniček,[br]a hned pochopí, že všechny plavou.

0:02:40.594,0:02:43.889
A z pár míčků pochopí,[br]že všechny skáčou.

0:02:43.949,0:02:47.230
A všechny předpoklady[br]o míčcích a kachničkách

0:02:47.400,0:02:51.076
jim už zůstanou na celý jejich život.

0:02:51.485,0:02:55.003
A úplně stejně jako u míčků a kachniček

0:02:55.083,0:02:57.313
zobecňují i další poznatky:

0:02:57.363,0:03:01.400
o botách, o lodích, o vosku,[br]o zelí či o králích.

0:03:02.200,0:03:05.521
Dokáží však děti poznat,[br]jestli nějaká věc

0:03:05.621,0:03:09.203
věrohodně zastupuje širší množinu prvků?

0:03:09.623,0:03:11.473
Pojďme to zjistit.

0:03:11.853,0:03:15.946
Pustím vám dvě nahrávky zachycující[br]dvě verze téhož experimentu.

0:03:16.128,0:03:20.086
Na každé z nich uvidíte[br]jiné malé dítě.

0:03:20.582,0:03:24.089
Malé děti se mohou podstatně lišit.

0:03:24.509,0:03:27.540
Ale tyhle děti představují běžné zástupce

0:03:27.610,0:03:29.410
své věkové skupiny

0:03:29.500,0:03:34.080
a na dané podněty[br]reagují typicky pro svůj věk.

0:03:35.160,0:03:39.173
Možná vám bude připadat,[br]že ty děti dělají vlastně jen to,

0:03:39.213,0:03:41.273
co by u malých dětí člověk čekal.

0:03:41.393,0:03:45.680
A protože jsou to malé děti,[br]jsou přitom nesmírně kouzelné.

0:03:45.870,0:03:50.030
Skutečné kouzlo však podle mě spočívá[br]v jedné konkrétní věci:

0:03:50.189,0:03:53.290
v tom, jak výrazně odlišná[br]bude reakce dětí

0:03:53.300,0:03:56.779
v obou verzích experimentu,[br]ačkoli se liší jen tím,

0:03:56.829,0:04:00.295
jak velký statistický vzorek[br]mají děti k dispozici.

0:04:01.365,0:04:04.888
Nejprve dětem ukážeme bedýnku[br]modrých a žlutých míčků.

0:04:04.928,0:04:06.518
Moje tehdejší studentka,

0:04:06.568,0:04:09.338
dnes už kolegyně ze Stanfordu,[br]Hyowon Gweon,

0:04:09.408,0:04:12.595
z té bedýnky vytáhne[br]tři modré míčky.

0:04:12.735,0:04:15.678
A každý vytažený míček[br]hned zmáčkne

0:04:15.898,0:04:17.581
a on vždycky pískne.

0:04:17.801,0:04:20.304
Pro malé děti je to hotový TED talk.

0:04:20.384,0:04:22.178
Jsou v sedmém nebi.

0:04:22.238,0:04:24.769
(Smích.)

0:04:26.968,0:04:30.927
Jde ovšem o to, že když jsou míčky[br]v bedýnce převážně modré,

0:04:30.967,0:04:32.932
není divné vytáhnout[br]tři z nich v řadě.

0:04:33.082,0:04:37.912
To se vám může povést i naslepo.[br]Je to věrohodně nahodilý vzorek.

0:04:37.988,0:04:41.810
A když všechny ty nahodile[br]vybrané věci pískají,

0:04:41.940,0:04:44.559
možná píská všechno,[br]co je v té bedýnce.

0:04:44.629,0:04:48.499
Malé děti by si tedy měly myslet,[br]že pískají i žluté míčky.

0:04:48.709,0:04:52.248
Žluté míčky na sobě mají[br]připevněné legrační hůlky,

0:04:52.278,0:04:55.345
takže s nimi děti mohou[br]i bouchat či plácat.

0:04:55.416,0:04:57.812
Tak schválně, co s nimi[br]nakonec udělají.

0:05:00.318,0:05:03.891
Hyowon Gweaon: Podívej.[br](Míček pískne.)

0:05:04.531,0:05:07.576
To je, co? (Míček pískne.)

0:05:08.036,0:05:09.422
Týjo.

0:05:12.706,0:05:14.596
Hele tenhle míček.

0:05:14.656,0:05:16.367
(Míček pískne.)

0:05:16.447,0:05:17.920
Páni!

0:05:21.854,0:05:23.877
Laura Schulz: Já vám to říkala.

0:05:23.967,0:05:27.318
HG: Koukni na tenhle míček. [br](Míček pískne.)

0:05:27.798,0:05:29.467
Hele, Klárko!

0:05:30.028,0:05:32.248
S tímhle míčkem si můžeš hrát.

0:05:41.044,0:05:43.809
(Smích.)

0:05:44.219,0:05:46.904
LS: Ani nemusím nic říkat, viďte?

0:05:47.214,0:05:50.063
Jenže ono je sice hezké,[br]že děti zobecňují vlastnosti

0:05:50.113,0:05:51.461
všech míčků,

0:05:51.521,0:05:54.737
a je úchvatné, jak nás[br]při učení napodobují,

0:05:54.847,0:05:58.236
ale to přeci o malých dětech[br]víme už dávno.

0:05:58.406,0:06:00.157
Mnohem zajímavější je,

0:06:00.217,0:06:03.219
co se stane, když dětem[br]ukážeme úplně tutéž věc

0:06:03.309,0:06:06.590
- a my víme, že je úplně tatáž,[br]protože ty míčky

0:06:06.680,0:06:08.690
taháme z tajné přihrádky -

0:06:08.790,0:06:12.208
ale změníme přitom statistický vzorek,

0:06:12.268,0:06:14.920
který je východiskem zobecnění.

0:06:15.240,0:06:18.887
V bedýnce teď bude většina míčků žlutá.

0:06:19.177,0:06:22.017
Ale my z ní opět vytáhneme tři modré.

0:06:22.167,0:06:26.139
A vytáhnout tři modré míčky,[br]když převládají žluté,

0:06:26.269,0:06:28.633
to už se běžně nepovede.

0:06:28.753,0:06:32.570
To už není věrohodně[br]nahodilý vzorek.

0:06:32.740,0:06:37.703
To už vypadá, jako že Hyowon[br]vybírala modré míčky schválně.

0:06:37.873,0:06:40.786
Třeba proto, že jsou modré míčky zvláštní

0:06:40.856,0:06:43.732
a na rozdíl od žlutých pískají.

0:06:43.822,0:06:45.667
Pusťme si reakci dětí.

0:06:45.717,0:06:48.621
HG: Koukej. (Míček pískne.)

0:06:50.851,0:06:53.496
Copak to tady mám?[br](Míček pískne.)

0:06:54.666,0:06:58.656
To je panečku věc. Hele.[br](Míček pískne.)

0:06:58.966,0:07:02.320
Tady s tím míčkem[br]si můžeš hrát.

0:07:07.494,0:07:10.081
(Smích.)

0:07:15.241,0:07:17.969
LS: Právě jste viděli,[br]že si 15měsíční děti

0:07:18.029,0:07:19.761
počínají úplně jinak

0:07:19.861,0:07:23.030
v závislosti na věrohodnosti vzorku dat.

0:07:23.190,0:07:25.741
Tohle jsou výsledky našeho experimentu.

0:07:25.851,0:07:28.435
Na svislé ose je procentuální podíl dětí,

0:07:28.495,0:07:30.895
které v 1. a 2. pokusu mačkaly míček.

0:07:30.975,0:07:34.690
Vidíte, že děti zobecňovaly[br]jev mnohem častěji,

0:07:34.780,0:07:37.995
když byl vzorek věrohodně nahodilý,

0:07:38.045,0:07:41.173
než když byl zjevně zkreslený.

0:07:41.393,0:07:43.948
Z toho plyne zábavná predikce.

0:07:44.068,0:07:48.936
Dejme tomu, že z bedýnky, kde převládají[br]žluté míčky, vytáhnete jeden modrý.

0:07:49.096,0:07:52.165
Asi by se vám to nepovedlo[br]3x za sebou,

0:07:52.195,0:07:55.010
ale jeden modrý míček náhodně[br]vytáhnout můžete.

0:07:55.090,0:07:57.240
To je věrohodný vzorek.

0:07:57.290,0:07:59.414
A pokud ten nahodilý vzorek píská,

0:07:59.504,0:08:03.401
třeba píská všechno,[br]co je v té bedýnce.

0:08:03.875,0:08:07.970
Takže i když děti vlastně uvidí[br]méně pískajících míčků

0:08:08.030,0:08:10.682
a budou mít méně podnětů k nápodobě

0:08:10.722,0:08:14.135
než v té verzi experimentu,[br]kterou jsme viděli,

0:08:14.215,0:08:18.287
čekali jsme,[br]že budou míček mačkat častěji.

0:08:18.407,0:08:20.511
A to se také potvrdilo.

0:08:21.411,0:08:25.352
15měsíční děti si tudíž[br]počínají jako vědci.

0:08:25.502,0:08:29.140
Podle toho, zda je, či není[br]daný vzorek nahodilý,

0:08:29.190,0:08:31.437
si vytvářejí další předpoklady:

0:08:31.697,0:08:34.049
o tom, co píská a co ne;

0:08:34.139,0:08:37.214
o tom, co prozkoumat a co nechat být.

0:08:38.384,0:08:42.790
Náš druhý experiment se týká[br]kauzálního uvažování.

0:08:43.020,0:08:46.959
Opírá se o jistou zapeklitost,[br]kterou všichni známe,

0:08:47.011,0:08:49.391
totiž že svět funguje po svém.

0:08:49.591,0:08:51.847
Vlastně na tom nic zapeklitého není,

0:08:51.897,0:08:55.094
ale jen dokud vše funguje, jak má.

0:08:55.544,0:08:57.364
A tomuhle chlapečkovi

0:08:57.534,0:08:59.044
něco nefunguje.

0:08:59.104,0:09:03.111
Chce zapnout hračku, a ono to nejde.[br]Pustím vám video.

0:09:08.940,0:09:11.160
Jsou dvě možnosti:

0:09:11.450,0:09:14.460
buď tu hračku ten chlapeček zapíná špatně,

0:09:14.680,0:09:17.470
nebo je ta hračka rozbitá.

0:09:18.280,0:09:23.301
A my teď dětem poskytneme ždibec[br]statistických dat, která svědčí

0:09:23.361,0:09:26.008
buď pro první, nebo druhou možnost.

0:09:26.100,0:09:30.345
A budeme sledovat, jak to ovlivní[br]následnou reakci dětí.

0:09:31.389,0:09:33.671
A uděláme to následovně.

0:09:34.071,0:09:36.941
Hyowon zkusí hračku pustit[br]a povede se jí to.

0:09:37.211,0:09:40.261
Potom to zkusím 2x já,[br]ale neúspěšně.

0:09:40.421,0:09:43.493
Potom zase Hyowom,[br]které se to povede.

0:09:43.633,0:09:47.235
Krásně to ukazuje, jak jsem[br]oproti svým studentům

0:09:47.255,0:09:49.540
na štíru s technikou.

0:09:50.030,0:09:53.572
Cílem ovšem je,[br]abychom dítěti nepatrně naznačili,

0:09:53.642,0:09:56.930
že problém není v hračce, [br]ale v lidech.

0:09:57.170,0:10:00.350
Někdo hračku zapnout umí,[br]a někdo ne.

0:10:00.728,0:10:04.112
Takže když dítě hračku nezapne,[br]má na výběr.

0:10:04.212,0:10:05.810
Má tam maminku,

0:10:05.890,0:10:09.805
takže může k zapnutí hračky[br]vyzvat jiného člověka.

0:10:09.955,0:10:12.793
Ale taky si může přitáhnout ubrus,

0:10:12.873,0:10:16.395
na němž leží druhá hračka,[br]a první hračku vyměnit.

0:10:16.525,0:10:18.405
Tak schválně, co udělá.

0:10:19.015,0:10:22.228
HG: Dva, tři. Teď! (Hudba.)

0:10:22.698,0:10:25.789
LS: Raz, dva, tři, teď!

0:10:27.119,0:10:29.231
Zkusím to ještě jednou, Arturku.

0:10:29.428,0:10:32.708
Raz, dva, tři, teď!

0:10:33.697,0:10:36.187
YG: Arturku, můžu to zkusit ještě já?

0:10:36.287,0:10:40.657
Raz, dva, tři, teď! (Hudba.)

0:10:41.583,0:10:44.736
No koukni. Vidíš ty hračky?[br]Poznáváš je? Jo?

0:10:45.046,0:10:46.990
Teď položím jednu sem

0:10:47.058,0:10:49.328
a s touhle si můžeš hrát.

0:11:11.313,0:11:15.860
LS: "No jasně," říkáte si,[br]"děti mají rády maminku.

0:11:16.080,0:11:20.392
Je jasné, že když hračku nezapnou,[br]tak ji dají mamince."

0:11:20.462,0:11:23.185
Důležité ovšem je, co se stane,

0:11:23.275,0:11:26.319
když statistická data malinko upravíme.

0:11:26.909,0:11:30.996
Dítě opět uvidí, jak hračka střídavě[br]funguje a nefunguje.

0:11:31.086,0:11:33.341
Ale vzorek dat teď rozložíme jinak.

0:11:33.421,0:11:37.942
Hyowon i já hračku jednou zapneme,[br]a jednou se nám to nepovede.

0:11:38.162,0:11:43.179
To už naznačuje, že nezáleží na tom,[br]kdo hračku zapíná. Hračka je rozbitá.

0:11:43.239,0:11:44.965
Funguje jenom někdy.

0:11:45.045,0:11:46.710
A dítě má opět na výběr.

0:11:46.780,0:11:50.646
Může dát hračku mamince, [br]aby ji zapnula místo něj,

0:11:50.686,0:11:52.960
nebo si může přitáhnout[br]druhou hračku.

0:11:53.060,0:11:54.918
Tak schválně, co udělá.

0:11:55.108,0:11:58.956
HG: Dva, tři, teď. (Hudba.)

0:11:59.696,0:12:04.130
Tak ještě jednou, jo?[br]Raz, dva, tři, teď!

0:12:05.900,0:12:07.007
Hm.

0:12:08.020,0:12:09.872
LS: Teď já, Klárko.

0:12:10.542,0:12:13.935
Raz, dva, tři, teď!

0:12:14.705,0:12:15.355
Hm.

0:12:15.705,0:12:17.110
Tak ještě jednou.

0:12:17.200,0:12:22.380
Raz, dva, tři, teď! (Hudba.)

0:12:23.069,0:12:25.332
HG: Teď dám tuhle hračku sem

0:12:25.602,0:12:28.013
a s touhle si můžeš hrát.

0:12:48.326,0:12:51.373
(Smích. Potlesk.)

0:12:52.993,0:12:55.405
LS: Tady jsou výsledky experimentu.

0:12:55.525,0:13:00.250
Na svislé ose vidíte, jak se děti[br]v 1. či 2. případě rozhodovaly.

0:13:00.637,0:13:04.998
A vidíte, že na jejich jednání[br]mělo vliv to,

0:13:05.058,0:13:07.565
z jaké evidence vycházely.

0:13:07.685,0:13:12.612
Děti, kterým nejsou ani dva roky,[br]volí na základě hrstky statistických dat

0:13:12.689,0:13:17.046
mezi diametrálně odlišnými[br]strategiemi jednání:

0:13:17.457,0:13:20.480
poprosit o pomoc[br]či samostatně prozkoumat.

0:13:22.120,0:13:26.965
K podobným závěrům došly[br]v našem oboru doslova stovky

0:13:27.155,0:13:28.665
dalších studií.

0:13:28.825,0:13:31.487
Souvisí s tím totiž jedna zásadní věc.

0:13:31.615,0:13:36.415
Bez dětské schopnosti dedukovat[br]množství závěrů z útržků dat

0:13:36.465,0:13:41.176
bychom si nemohli předávat znalosti,[br]jak je pro náš druh typické.

0:13:41.586,0:13:46.123
Dětem stačí pár příkladů a pochopí,[br]jak užívat novou pomůcku.

0:13:46.473,0:13:50.860
Z pár příkladů pochopí novou[br]kauzální souvislost.

0:13:51.928,0:13:56.779
Umí si osvojovat i nová slova,[br]v tomto případě ve znakové řeči.

0:13:57.089,0:13:59.560
Na závěr pár poznámek.

0:14:00.380,0:14:05.058
Vědy o mozku a kognitivní vědy[br]v posledních letech vyzdvihují

0:14:05.235,0:14:07.690
trojici velkých příběhů.

0:14:08.120,0:14:11.916
První je příběh o tom,[br]že žijeme v éře mozku.

0:14:12.046,0:14:15.045
V neurovědách došlo k převratným objevům:

0:14:15.095,0:14:18.621
lokalizace funkčně specifických[br]oblastí mozkové kůry,

0:14:18.651,0:14:21.082
zprůhlednění mozku myši,

0:14:21.222,0:14:24.018
aktivace neuronů světlem.

0:14:25.208,0:14:27.064
Druhým velkým příběhem je,

0:14:27.174,0:14:30.858
že žijeme v éře velkých dat[br]a učících se strojů.

0:14:31.148,0:14:34.849
Strojové učení může revolučně[br]změnit náš pohled

0:14:34.889,0:14:38.366
na vše od sociálních sítí[br]po epidemiologii.

0:14:38.506,0:14:41.679
A protože se zabývá[br]i interpretací vizuálních dat

0:14:41.719,0:14:43.642
či fungováním jazyka,

0:14:43.682,0:14:47.166
možná nám odhalí i něco o tom,[br]jak poznáváme svět.

0:14:47.756,0:14:49.843
A poslední velký příběh je,

0:14:49.883,0:14:54.820
že je přínosné mozek zkoumat[br]a mít přístup k množství dat.

0:14:54.997,0:14:59.844
Bez vnější korekce totiž lidé[br]snadno podléhají klamům,

0:14:59.934,0:15:01.585
uvažují zkratkovitě,

0:15:01.635,0:15:02.755
mýlí se,

0:15:03.025,0:15:04.612
chybují,

0:15:04.772,0:15:06.302
jsou předpojatí

0:15:06.442,0:15:10.906
a jejich poznatky o světě[br]jsou v mnoha ohledech scestné.

0:15:12.843,0:15:15.702
Všechny ty příběhy slýcháme[br]a jsou důležité.

0:15:15.792,0:15:19.307
Prozrazují nám spoustu[br]o naší přirozenosti.

0:15:19.577,0:15:23.416
Ale dnes jsem tu chtěla vyzdvihnout[br]úplně jiný příběh.

0:15:23.966,0:15:27.453
Nemluvila jsem o mozku,[br]ale o lidské mysli.

0:15:27.773,0:15:30.549
O tom, jak je lidská mysl jedinečná

0:15:30.629,0:15:33.299
a jak výkonně zpracovává informace.

0:15:33.369,0:15:35.629
Z nepatrného množství dat,

0:15:35.709,0:15:37.223
z pár příkladů,

0:15:37.313,0:15:39.871
dokážeme vyvodit a osvojit si

0:15:39.941,0:15:42.941
celá kvanta ucelených poznatků.

0:15:43.811,0:15:46.130
Vyprávěla jsem vám příběh,

0:15:46.170,0:15:50.320
který vede od nejmenších dětí[br]poznávajících svět

0:15:50.410,0:15:54.880
až k těm největším úspěchům[br]celé naší kultury.

0:15:56.623,0:16:00.140
Naše poznatky o světě[br]tudíž nejsou scestné.

0:16:00.733,0:16:03.945
A vězte, že získáváním poznatků[br]z hrstky dat

0:16:03.985,0:16:06.085
schopnosti lidské mysli nekončí.

0:16:06.175,0:16:08.696
Lidská mysl přichází[br]s novými myšlenkami.

0:16:08.746,0:16:11.807
Lidská mysl stojí za vědeckým[br]výzkumem a za objevy.

0:16:11.877,0:16:16.900
Lidská mysl stojí za uměním, literaturou,[br]poezií a dramatem.

0:16:17.450,0:16:20.680
A lidská mysl se stará o ostatní lidi:

0:16:21.030,0:16:24.257
o nejstarší, o nejmenší, o nemocné,

0:16:24.727,0:16:27.054
které dokonce uzdravujeme.

0:16:27.864,0:16:30.767
V následujících letech zažijeme[br]technický pokrok,

0:16:30.787,0:16:33.564
který si ani neumím představit.

0:16:34.464,0:16:36.414
Ale počítačů,

0:16:36.584,0:16:38.923
které by se svým výkonem[br]

0:16:39.053,0:16:42.123
alespoň přiblížily našim dětem,

0:16:42.253,0:16:44.181
se já ani vy

0:16:44.331,0:16:46.291
patrně nedožijeme.

0:16:46.621,0:16:51.438
Pokud investujeme do rozvoje[br]těch nejlepších studentů,

0:16:51.748,0:16:54.158
tedy do našich malých i velkých dětí,

0:16:54.325,0:16:56.361
ale i do jejich matek a otců,

0:16:56.451,0:16:58.840
vychovatelů a učitelů,

0:16:59.110,0:17:03.060
pokud na ně vynaložíme tolik peněz

0:17:03.120,0:17:06.438
jako na vývoj a design[br]té nejvýkonnější techniky,

0:17:06.498,0:17:09.437
už nebudeme o lepších zítřcích jen snít,

0:17:09.517,0:17:11.574
ale budeme k nim mířit.

0:17:11.864,0:17:13.519
Děkuji vám.

0:17:13.779,0:17:17.330
(Potlesk.)

0:17:18.220,0:17:22.146
Chris Anderson: Lauro, děkuji.[br]Než se začnu ptát, musím říct,

0:17:22.396,0:17:24.735
že mi jde z toho hlava kolem.

0:17:24.805,0:17:28.120
Jak někoho něco takového[br]vůbec napadne?

0:17:28.260,0:17:29.230
(Smích.)

0:17:29.390,0:17:33.970
Viděl jsem to už poněkolikáté[br]a pořád mi to přijde k nevíře.

0:17:34.562,0:17:38.720
Je to tedy kompletně ověřené[br]a malé děti jsou prostě geniální?

0:17:39.013,0:17:40.750
LS: Musíte vzít v potaz,

0:17:40.820,0:17:44.032
že v běžném životě to mají[br]ještě těžší než v těch experimentech.

0:17:44.102,0:17:47.682
Když je dítěti rok a půl,[br]tak umí sotva pár slov.

0:17:47.769,0:17:50.640
A nejsou to slova jako[br]"míček" nebo "kachnička".

0:17:50.810,0:17:53.064
Ale slova jako "není",[br]když něco zmizí,

0:17:53.114,0:17:55.484
nebo "bác", když něco spadne.

0:17:55.624,0:17:59.736
Takže jejich schopnost učit se[br]prostě musí být ohromná.

0:17:59.851,0:18:04.115
Se čtyřletým dítětem už si můžete[br]povídat skoro o čemkoliv.

0:18:05.429,0:18:07.030
(Potlesk.)

0:18:07.600,0:18:10.374
CA: Jak jste ve své přednášce poukázala,

0:18:10.534,0:18:13.108
poslední dobou se hodně mluví o tom,

0:18:13.198,0:18:15.730
jak je naše mysl promořená chybami.

0:18:15.760,0:18:19.507
Podle behaviorální ekonomie[br]jednáme často iracionálně.

0:18:19.827,0:18:23.936
Vy ale naopak zdůrazňujete,[br]že naše mysl je mimořádná

0:18:24.056,0:18:28.940
a že vlastně nedoceňujeme,[br]jak je ve skutečnosti geniální.

0:18:29.100,0:18:33.010
LS: Mám moc ráda jeden citát[br]od psychologa Solomana Asche:

0:18:33.120,0:18:38.417
"Bytostným úkolem psychologie je[br]strhávat z věcí roušku samozřejmosti."

0:18:38.633,0:18:40.964
Abychom ve světě mohli fungovat,

0:18:41.064,0:18:44.361
zpracováváme denně[br]neskutečné množství dat.

0:18:44.451,0:18:46.673
Známe různé objekty[br]a jejich vlastnosti.

0:18:46.783,0:18:50.382
Poznáme je třeba i po tmě.[br]Můžeme se procházet po bytě.

0:18:50.410,0:18:52.982
Umíme uhodnout, co si jiní lidé myslí.[br]Mluvíme s nimi.

0:18:53.052,0:18:55.282
Pohybujeme se prostorem.[br]Máme koncept čísel.

0:18:55.352,0:18:58.234
Víme, jak co funguje.[br]Máme morálku.

0:18:58.374,0:19:02.510
Všechno to nevědomě zpracováváme,[br]abychom mohli ve světě fungovat.

0:19:02.572,0:19:05.970
Je to neuvěřitelný, skoro[br]nepředstavitelný výkon.

0:19:06.090,0:19:10.668
CA: Řekl bych, že by s vámi[br]někteří diváci asi nesouhlasili,

0:19:10.816,0:19:16.384
že se nedožijeme počítačů,[br]které by uměly totéž co tříleté děti.

0:19:16.722,0:19:18.560
Ale asi je bez debat,

0:19:18.680,0:19:21.010
že se stroje v každém případě

0:19:21.098,0:19:24.188
mají od batolat ještě hodně co učit.

0:19:26.720,0:19:29.756
LS: Asi je fakt, že tu jsou[br]i fandové strojového učení.

0:19:29.836,0:19:32.889
A já věřím, že není[br]na místě být proti dětem

0:19:32.929,0:19:35.544
ani šimpanzům ani technice.

0:19:35.934,0:19:38.384
Aspoň ne jen tak ze zásady.

0:19:39.014,0:19:43.472
Ale tady jde o zásadní rozdíl,[br]který není jen kvantitativní.

0:19:43.586,0:19:45.846
Máme neuvěřitelně výkonné počítače

0:19:45.926,0:19:48.357
schopné ohromně důmyslných výpočtů,

0:19:48.397,0:19:51.141
často s obrovským množstvím dat.

0:19:51.341,0:19:53.878
Ale lidská mysl funguje jinak.

0:19:53.968,0:19:58.073
Lidé své znalosti třídí[br]a hierachicky uspořádávají,

0:19:58.173,0:20:00.095
což je pro počítač stále výzva.

0:20:00.155,0:20:03.346
CA: To byla vydatná porce myšlenek[br]od Laury Schulz. Děkujeme.

0:20:03.386,0:20:05.858
LS: Děkuji.[br](Potlesk.)