Mark Twain hat das,
was ich als grundsätzliches Problem
der Kognitionswissenschaft sehe,
in einem einzigen Satz zusammengefasst.
Er sagte: "Wissenschaft hat
etwas Faszinierendes an sich.
So eine geringe Investition in Fakten
liefert einen so reichen Ertrag
an Voraussagen."
(Gelächter)
Twain meinte das als Scherz,
aber er hat Recht.
Wissenschaft hat etwas
Faszinierendes an sich.
Von ein paar Knochen schließen wir
auf die Existenz von Dinosauriern,
von Spektrallinien auf
die Komposition von Nebelflecken.
Von Fruchtfliegen schließen wir
auf die Mechanismen der Erblehre
und von rekonstruierten Bildern
auf den Blutfluss im Gehirn,
oder wie ich, vom
Verhalten kleiner Kinder
auf grundsätzliche Vorgänge
der menschlichen Wahrnehmung.
Im Labor am Fachbereich für Neuro-
und Kognitionswissenschaften am MIT
habe ich die letzten 10 Jahre versucht,
das Geheimnis zu verstehen,
wie Kinder aus so wenig Informationen
so viel und so schnell lernen können.
Denn das Faszinierende an der Wissenschaft
ist auch das Faszinierende an Kindern,
nämlich, um Mark Twain zu paraphrasieren:
ihre Fähigkeit, aus spärlichen
und undeutlichen Daten
schnell und genau
abstrakte Schlüsse zu ziehen.
Ich werde Ihnen heute nur
zwei Beispiele vorstellen.
Das eine ist ein Problem
der Verallgemeinerung,
und das andere ist ein Problem
kausaler Begründungen.
Obwohl ich über meine
Laborarbeit sprechen werde,
ist diese Arbeit von einem ganzen Gebiet
inspiriert und diesem verpflichtet.
Ich bin meinen Mentoren, Kollegen und
Mitarbeitern auf der ganzen Welt dankbar.
Fangen wir mit dem Problem
der Verallgemeinerung an.
In der Wissenschaft ist es üblich,
Stichproben zu verallgemeinern.
Wir befragen einen kleinen Teil
der Wählerschaft
und sagen das Ergebnis
nationaler Wahlen voraus.
Wir sehen, wie wenige Patienten auf eine
Behandlung in einer Studie reagieren
und bringen Medikamente auf den Markt.
Aber das funktioniert nur,
wenn Stichproben willkürlich aus
der Grundgesamtheit gezogen wurden.
Wenn Stichproben auf eine Art
absichtlich ausgewählt wurden,
indem z. B. nur städtische Wähler
oder in klinischen Versuchen für
die Behandlung von Herzkrankheiten
nur Männer untersucht wurden,
kann man die Ergebnisse
nicht verallgemeinern.
Wissenschaftler prüfen also genau,
ob Stichproben zufällig gewählt wurden.
Aber was hat das mit Babys zu tun?
Babys müssen die ganze Zeit
aus kleinen Stichproben verallgemeinern.
Sie sehen ein paar Gummienten
und lernen, dass sie schwimmen,
oder ein paar Bälle und lernen,
dass sie hüpfen.
Dann entwickeln sie Erwartungen
über Enten und Bälle,
die sie für den Rest ihres Lebens
auf Gummienten und -bälle ausweiten.
Diese Verallgemeinerungen,
die Babys bei Enten und Bällen anwenden,
müssen sie bei fast allem anwenden:
bei Schuhen, Schiffen,
Siegellack, Käfigen und Königen.
Kümmern sich Babys, ob der
kleine Beweis, den sie sehen,
ein plausibler Repräsentant
einer größeren Population ist?
Finden wir es heraus.
Ich werde Ihnen zwei Videos zeigen,
eins für jede Bedingung eines Experiments,
und weil Sie nur zwei Videos sehen werden,
sehen Sie auch nur zwei Babys,
und zwei Babys unterscheiden
sich in unzähligen Dingen.
Aber diese Babys hier sollen
für Gruppen von Babys stehen,
und die Unterschiede,
die Sie sehen werden,
stehen für durchschnittliche
Gruppenunterschiede
von Babys gegenüber Bedingungen.
In jedem Video werden Sie ein Baby sehen,
das genau das tut,
was Sie erwarten würden,
und wir können die Babys kaum
faszinierender machen als sie schon sind.
Für mich ist das Faszinierende,
und das worauf Sie achten sollten,
der Unterschied zwischen
den beiden Bedingungen,
denn der einzige Unterschied
zwischen den beiden Videos
ist der statistische Beweis,
den die Babys beobachten werden.
Wir werden den Babys eine Box mit
blauen und gelben Bällen zeigen,
und meine damalige Masterstudentin,
jetzt Kollegin in Stanford, Hyowon Gweon,
wird nacheinander drei blaue Bälle
aus der Box nehmen,
und sie dann drücken
und die Bälle werden quietschen.
Für die Babys ist das wie ein TED-Vortrag.
Etwas Besseres gibt es nicht.
(Gelächter)
Aber das Entscheidende ist, dass es sehr
einfach ist, nacheinander drei blaue Bälle
aus einer Box mit mehrheitlich
blauen Bällen zu ziehen.
Sie könnten das mit
geschlossenen Augen machen.
Das ist also eine willkürliche
Stichprobe einer Grundgesamtheit.
Fassen Sie willkürlich in eine Box
und ziehen Dinge heraus, die quietschen,
dann könnte alles quietschen,
was in der Box ist.
Also würden Babys vielleicht erwarten,
dass auch die gelben Bälle quietschen.
Die gelben Bälle haben
an einem Ende lustige Stiele,
sodass Babys auch mit ihnen
trommeln oder schlagen könnten.
Aber schauen wir mal, was das Baby macht.
(Video) Hyowon Gweon: Siehst du das?
(Der Ball quietscht)
Hast du das gesehen?
(Der Ball quietscht.)
Cool.
Siehst du den hier?
(Der Ball quietscht.)
Wow.
Laura Schulz: Das meinte ich. (Lacht)
(Video) HG: Siehst du das?
(Der Ball quietscht.)
Hey Clara, der hier ist für dich.
Damit kannst du spielen.
(Gelächter)
Laura Schulz: Das ist deutlich, oder?
Es ist super, dass Babys
Eigenschaften blauer Bälle
auf gelbe Bälle übertragen,
und beeindruckend, dass sie
davon lernen, uns nachzuahmen.
Dies wissen wir aber schon seit langem.
Die wirklich interessante Frage ist,
was passiert, wenn wir Babys
genau dasselbe zeigen
und es auch genau dasselbe ist,
da wir ein Geheimfach haben,
aus dem wir die Bälle
tatsächlich herausnehmen.
Dieses Mal ändern wir nur
die Grundgesamtheit,
aus dem der Beweis stammt.
Dieses Mal werden wir den Babys
drei blaue Bälle zeigen,
die aus einer Box mit mehrheitlich
gelben Bällen gezogen werden.
Raten Sie mal, was passiert?
Sie werden höchstwahrscheinlich
keine 3 blauen Bälle hintereinander
aus einer Box mit
überwiegend gelben ziehen.
Das wäre also keine zufällige Stichprobe.
Diese Stichprobe würde unterstellen, dass
Hyowon absichtlich blaue Bälle zieht.
Vielleicht sind die blauen Bälle
ja etwas Besonderes.
Vielleicht quietschen
nur die blauen Bälle.
Schauen wir uns an, was das Baby macht.
(Video) HG: Siehst du das?
(Der Ball quietscht.)
Siehst du das Spielzeug?
(Der Ball quietscht.)
Oh, das war cool. Siehst du?
(Der Ball quietscht.)
Der hier ist für dich zum Spielen.
Damit kannst du spielen.
(Gejammer) (Gelächter)
LS: Sie haben gerade zwei
15-Monate alte Babys
völlig unterschiedliche Dinge tun sehen,
und das nur, weil die Wahrscheinlichkeit
der Stichprobe unterschiedlich war.
Hier die Ergebnisse des Experiments.
Auf der vertikalen Achse sehen Sie
den Prozentsatz der Babys,
die den Ball in jedem Fall gedrückt haben,
und wie Sie sehen werden,
ist es wahrscheinlicher,
dass sie die Stichprobe verallgemeinern,
wenn es ein plausibler Repräsentant
der Grundgesamtheit ist,
als wenn die Stichprobe absichtlich
ausgewählt wurde.
Das führt zu einer lustigen Vorhersage:
Angenommen, Sie ziehen nur einen blauen
Ball aus der mehrheitlich gelben Box.
Sie würden wahrscheinlich nicht zufällig
hintereinander 3 blaue Bälle ziehen,
aber Sie könnten zufällig nur einen
blauen Ball herausziehen.
Das wäre keine unmögliche Stichprobe.
Wenn Sie zufällig in eine Box greifen
und etwas herausziehen, das quietscht,
dann quietscht vielleicht alles darin.
Selbst wenn Babys weniger Beweise
für das Quietschen sehen
und sie weniger Aktionen zur Nachahmung
in dieser Ein-Ball-Bedingung haben,
als in der Bedingung,
die Sie gerade gesehen haben,
vermuteten wir, dass Babys
mehr Bälle drücken würden
und das ist genau das,
was wir herausfanden.
Also zählt für 15-Monate alte Babys,
genauso wie für Wissenschaftler,
ob eine Stichprobe zufällig
gezogen wurde oder nicht,
und sie nutzen dieses Wissen, um
Vermutungen über die Welt anzustellen:
was quietscht und was nicht,
was man entdecken und
was man ignorieren kann.
Sehen wir uns ein weiteres Beispiel an,
dieses Mal ein Problem
des kausalen Denkens.
Es beginnt mit dem Problem
widersprüchlicher Beweise,
das jeder hat,
was der Grund dafür ist,
dass wir Teil der Welt sind.
Es mag für Sie nicht wie ein Problem
aussehen, aber wie die meisten Probleme
ist es nur dann ein Problem,
wenn Dinge schief gehen.
Nehmen wir z. B. dieses Baby.
Für ihn gehen die Dinge schief.
Er möchte dieses Spielzeug
in Gang setzen und es geht nicht.
Ich zeige Ihnen einen kurzes Video.
Grob gesagt, gibt es zwei Möglichkeiten:
Entweder er macht etwas falsch
oder das Spielzeug ist kaputt.
Im nächsten Experiment
geben wir den Babys
nur wenige statistische Daten,
um die eine Hypothese gegenüber
der anderen vorzuziehen,
um zu sehen, ob die Babys das nutzen,
um andere Entscheidungen zu treffen.
Und so läuft es ab:
Hyowon wird versuchen,
das Spielzeug in Gang zu setzen
und wird Erfolg haben.
Ich werde es versuchen und
beide Male keinen Erfolg haben
und dann wird Hyowon es erneut versuchen
und wieder Erfolg haben.
Das fasst die Beziehung
zu meinen Masterstudenten
in der Technik allgemein zusammen.
Aber das Wichtige hier ist, dass es
einen kleinen Beweis dafür erbringt,
dass das Problem nicht mit dem Spielzeug,
sondern mit der Person zusammenhängt.
Einige Leute können das Spielzeug
in Gang setzen, andere eben nicht.
Bekommt das Baby das Spielzeug,
wird es die Wahl haben.
Seine Mutter ist in der Nähe,
also könnte er das Spielzeug
an eine andere Person weitergeben,
aber es wird noch ein anderes
Spielzeug auf dem Tuch geben,
und er kann das Tuch zu sich ziehen
und das Spielzeug tauschen.
Schauen wir, was das Baby macht.
(Video) HG: Zwei, drei. Los!
(Musik)
LS: Eins, zwei, drei, los!
Arthur, ich versuche es noch einmal.
Eins, zwei, drei, los!
YG: Arthur, lass es mich nochmal
versuchen, ja?
Eins, zwei, drei, los!
(Musik)
Schau. Erinnerst du dich
an die Spielsachen?
Siehst du sie? Ich lege das eine hierüber
und das andere gebe ich dir.
Damit kannst du spielen.
LS: Okay, Laura, aber natürlich
lieben Babys ihre Mütter.
Natürlich geben Babys
ihren Müttern das Spielzeug,
wenn sie es selbst
nicht in Gang setzen können.
Also ist die wichtige Frage,
was passieren wird,
wenn wir die statistischen Daten
wieder leicht ändern.
Jetzt sehen die Babys, dass das Spielzeug
funktioniert und auch versagt,
aber wir ändern die Beweisverteilung.
Dieses Mal wird Hyowon einmal Erfolg haben
und einmal versagen, genauso wie ich.
Das lässt vermuten, dass es egal ist,
wer es versucht, denn es ist kaputt.
Es funktioniert nicht jedes Mal.
Wieder wird das Baby die Wahl haben.
Ihre Mutter sitzt neben ihr,
also kann sie die Person wechseln,
und es wird auch ein weiteres Spielzeug
am Ende des Tuchs geben.
Schauen wir, was sie tut.
(Video) HG: Zwei, drei, los!
(Musik)
Lass es mich nochmal versuchen.
Eins, zwei drei, los!
Hmm.
LS: Lass es mich versuchen, Clara.
Eins, zwei, drei, los!
Hmm, lass es mich nochmal versuchen.
Eins, zwei, drei, los!
(Musik)
HG: Ich lege dieses hier dorthin
und gebe dir das hier.
Damit kannst du spielen.
(Gelächter) (Applaus)
LS: Hier die Ergebnisse des Experiments.
Auf der vertikalen Achse
sehen Sie die Verteilung der Wahl,
die die Kinder in jeder Bedingung
getroffen haben.
Sie sehen, dass die Verteilung
der Wahl, die die Kinder treffen,
vom Beweis abhängt, den die Kinder sehen.
Also können Babys
in ihrem zweiten Lebensjahr
das bisschen an
statistischen Daten nutzen,
um zwischen zwei völlig verschiedenen
Strategien zu wählen,
wie man sich in der Welt verhalten kann:
nach Hilfe fragen und selbst entdecken.
Ich habe Ihnen gerade zwei
von hunderten Laborexperimenten
in diesem Bereich gezeigt,
die Ähnliches aussagen,
denn der wirklich entscheidende Punkt ist,
dass die Fähigkeit der Kinder,
aus wenigen Daten zahlreiche
Schlussfolgerungen zu ziehen,
zu unserem kulturtypischen Lernen gehört.
Kinder lernen über neue Werkzeuge
aus wenigen Beispielen.
Sie lernen neue kausale Zusammenhänge
aus wenigen Beispielen.
Sie lernen sogar neue Wörter, in diesem
Fall amerikanische Zeichensprache.
Ich möchte mit 2 Bemerkungen abschließen.
Wenn Sie meine Welt, den Bereich
der Neuro- und Kognitionswissenschaft
über die letzten Jahre verfolgt hätten,
wären Ihnen drei
besondere Erkenntnisse aufgefallen.
Die erste ist, dass jetzt
die Ära des Gehirns ist.
Tatsächlich gab es atemberaubende
Entdeckungen in den Neurowissenschaften:
die Lokalisierung funktionsspezifischer
Regionen des Kortex,
das Transparentmachen eines Mäusegehirns
und die Aktivierung
von Neuronen mit Licht.
Eine zweite große Erkenntnis ist,
dass jetzt die Ära der "Big Data"
und des maschinellen Lernens ist,
und maschinelles Lernen verspricht unser
Verstehen von allem zu revolutionieren,
seien es soziale Netzwerke
oder Epidemiologie.
Vielleicht können wir damit
Probleme wie Szenenverständnis
oder natürliche
Sprachverarbeitung angehen,
sodass wir etwas über
die menschliche Wahrnehmung lernen.
Die letzte große Erkenntnis, von der Sie
gehört haben könnten, besagt,
dass es gut ist, dass wir so viel über
das Gehirn herausfinden
und so viele Daten haben.
Sind wir nämlich uns selbst
überlassen, sind wir fehlbar.
Wir nehmen Abkürzungen,
wir irren, wir machen Fehler,
wir haben Vorurteile und
verstehen die Welt oft falsch.
Ich glaube, dass sind alles
wichtige Erkenntnisse,
und sie sagen uns viel darüber,
was es heißt, Mensch zu sein,
aber ich möchte Sie daran erinnern,
dass ich Ihnen etwas anderes erzählt habe:
die Erkenntnis über
den Verstand und nicht das Gehirn,
und im Besonderen ist es die Erkenntnis
über die Arten von Berechnungen,
die nur der menschliche Verstand
durchführen kann,
die strukturiertes Wissen
und die Fähigkeit zu lernen beinhalten,
sei es von wenigen Daten oder Beispielen.
Grundsätzlich ist es
die Erkenntnis darüber,
wie wir als kleine Kinder
damit anfangen und weitermachen,
bis zu den großen Errungenschaften
unserer Kultur,
bis wir die Welt richtig verstehen.
Der menschliche Verstand lernt nicht
nur aus kleinen Datenmengen.
Der menschliche Verstand
entwickelt neue Ideen.
Er erzeugt Forschung und Entdeckungen,
sowie Kunst, Literatur,
Dichtung und Theater.
Der menschliche Verstand
kümmert sich um andere Menschen:
die alten, jungen oder kranken Menschen.
Wir heilen sie sogar.
In den kommenden Jahren werden wir
technologische Innovationen sehen,
die weit über das hinaus gehen,
was man sich überhaupt vorstellen kann,
aber es wird sehr unwahrscheinlich sein,
dass wir noch in meinem Leben
oder Ihrem etwas sehen werden,
dass dem Urteilsvermögen eines
menschlichen Kindes nahe kommt.
Wenn wir in diese mächtigen Lerner
und ihre Entwicklung investieren,
in Babys, Kinder, Mütter, Väter,
Erzieher und Lehrer,
genauso wie wir in die mächtigen
und eleganten Formen
der Technologie, Ingenieurskunst
und Design investieren,
werden wir nicht nur
von einer besseren Zukunft träumen,
wir werden sie tatsächlich planen.
Vielen Dank.
(Applaus)
Chris Anderson: Laura, danke.
Ich hätte eine Frage.
Erst einmal: Ihre Forschung ist Wahnsinn.
Wer würde ein derartiges
Experiment zusammenstellen? (Gelächter)
Ich habe das schon ein paar Mal gesehen
und ich kann es immer noch nicht glauben,
dass das wirklich passiert.
Aber andere Leute haben ähnliche
Experimente erfolgreich durchgeführt.
Die Babys sind einfach genial.
LS: Sie sehen sehr beeindruckend
in unseren Experimenten aus,
aber bedenken wir, wie sie
im wirklichen Leben aussehen.
Es beginnt als Baby.
Achtzehn Monate später spricht es
und seine ersten Worte sind nicht nur
Dinge wie Ball und Ente,
sondern etwas wie "alles weg",
das sich auf das Verschwinden bezieht,
oder "oh-oh", das sich auf
ungewollte Handlungen bezieht.
Das Baby muss so leistungsstark sein.
Es muss leistungsstärker als alles
andere sein, das ich gezeigt habe.
Sie begreifen die ganze Welt.
Ein 4-jähriges Kind kann zu Ihnen
über fast alles sprechen.
(Applaus)
CA: Wenn ich Sie richtig verstehe,
machen Sie die andere Kernaussage,
dass nach all den Jahren
der Gespräche darüber,
wie sonderbar und fehlbar
unser Verstand ist,
die Verhaltensökonomie und all
die Theorien dahinter besagen,
dass wir nicht rational handeln.
Aber eigentlich sagen Sie,
dass wir erkennen sollen,
wie außergewöhnlich und genial wir sind,
was nicht ausreichend gewürdigt wird.
LS: Eines meiner Lieblingszitate
in der Psychologie ist
von dem Sozialpsychologen Salomon Asch.
Er sagte: "Die Grundaufgabe
der Psychologie ist,
den Schleier der Selbstverständlichkeit
von den Dingen zu nehmen."
Es gibt Größenordnungen
von Entscheidungen,
die man täglich trifft,
die die Welt richtig erfassen.
Wir erkennen Gegenstände
und ihre Eigenschaften,
auch wenn sie verdeckt
oder im Dunkeln sind.
Wir können durch Räume laufen
und herausfinden, was andere
denken und mit ihnen reden.
Wir können ins All fliegen, kennen Zahlen,
kausale Zusammenhänge
und haben moralisches Urteilsvermögen.
Wir tun das ohne Mühe,
deshalb sehen wir es nicht,
aber so sehen wir die Welt.
Es ist eine bemerkenswerte
und schwer nachvollziehbare Leistung.
CA: Einige Leute im Publikum
denken vermutlich,
dass die Technik sich
sehr schnell verbessern wird,
was Ihre Behauptung
in Frage stellen könnte,
dass ein Computer niemals das tun wird,
was ein 3-jähriges Kind tun kann.
Aber in jedem Fall ist klar,
dass Maschinen noch sehr viel
von Babys lernen müssen.
LS: Genau. Das werden einige aus dem
Bereich des maschinellen Lernens sagen.
Ich denke, man sollte allgemein
nie gegen Babys, Schimpansen
oder Technik wetten,
denn es gibt nicht nur
einen Unterschied in der Quantität,
sondern auch in der Art und Weise.
Wir haben unglaublich
leistungsstarke Computer
und sie tun anspruchsvolle Dinge,
oft mit riesigen Datenmengen.
Ich finde, dass den menschlichen Verstand
etwas völlig anderes ausmacht,
nämlich die strukturierte, hierarchische
Natur des menschlichen Wissens,
das eine wahre Herausforderung ist.
CA: Laura Schulz, danke für
den wunderbaren Gedankenanstoß.
LS: Danke.
(Applaus)