Ο Μαρκ Τουαίην έχει συνοψίσει
αυτό που θεωρώ
ως ένα από τα θεμελιώδη προβλήματα
της γνωσιακής επιστήμης
σε ένα απλό ευφυολόγημα.
Είπε, «Η επιστήμη έχει κάτι συναρπαστικό.
Μας αποφέρει χονδρικώς
τόσο μεγάλα κέρδη σε εικασίες
από μια τόσο ευτελή επένδυση σε γεγονότα».
(Γέλια)
Ο Τουαίην φυσικά αστειευόταν
αλλά έχει δίκιο:
Η επιστήμη έχει κάτι εκπληκτικό.
Από λίγα οστά συμπεραίνουμε
την ύπαρξη δεινοσαύρων.
Από φασματικές γραμμές,
τη σύνθεση των νεφών.
Από τη δροσόφιλα μύγα,
τους μηχανισμούς της κληρονομικότητας,
και από εικόνες της ροής του αίματος
μέσα στον εγκέφαλο,
ή στην περίπτωσή μου,
από τη συμπεριφορά πολύ μικρών παιδιών,
προσπαθούμε να πούμε κάτι
σχετικά με τους θεμελιώδεις μηχανισμούς
της ανθρώπινης νόησης.
Ειδικότερα, στο εργαστήριό μου στο Τμήμα
Εγκεφάλου και Γνωσιακών Επιστημών του ΜΙΤ,
πέρασα την τελευταία δεκαετία
προσπαθώντας να κατανοήσω το μυστήριο
του πώς τα παιδιά μαθαίνουν τόσα πολλά
από τόσο λίγα, και τόσο γρήγορα.
Καθώς αποδεικνύεται
ότι το συναρπαστικό με την επιστήμη
όπως επίσης και με τα παιδιά,
για να παραφράσουμε ηπιότερα
τον Μαρκ Τουαίην,
είναι ακριβώς η ικανότητά τους
να βγάζουν αφαιρετικά πλήθος συμπερασμάτων
με ταχύτητα και ακρίβεια,
από τυχαία και αταξινόμητα δεδομένα.
Θα σας δώσω μόνο δύο παραδείγματα σήμερα.
Το ένα αφορά ένα πρόβλημα γενίκευσης
και το άλλο αφορά ένα πρόβλημα
αιτιώδους συλλογισμού.
Και παρόλο που θα μιλήσω
για δουλειά στο εργαστήριό μου,
αυτή η δουλειά εμπνέεται
και οφείλεται σε ολόκληρο κλάδο.
Χρωστώ ευγνωμοσύνη σε μέντορες,
συναδέλφους και συνεργάτες ανά τον κόσμο.
Ας αρχίσω με το πρόβλημα της γενίκευσης.
Η γενίκευση από μικρά δείγματα δεδομένων
είναι καθημερινή πρακτική της επιστήμης.
Από δημοσκόπηση
σε μικρό τμήμα του εκλογικού σώματος
προβλέπουμε το αποτέλεσμα
των εθνικών εκλογών.
Βλέπουμε πώς αποκρίνεται δείγμα ασθενών
σε μια θεραπεία σε κλινική δοκιμή,
και βγάζουμε τα φάρμακα στην εθνική αγορά.
Αλλά αυτό έχει αποτέλεσμα μόνο με δείγμα
τυχαία επιλεγμένο από τον πληθυσμό.
Αν το δείγμα μας είναι επιλεγμένο
με κάποιο κριτήριο -
ας πούμε, μόνο εκλογείς
από αστικές περιοχές,
ή, στις κλινικές δοκιμές
για τη θεραπεία καρδιακών νόσων,
να συμπεριλάβουμε μόνο άνδρες -
τα αποτελέσματα δεν θα είναι γενικεύσεις
για τον ευρύτερο πληθυσμό.
Οι επιστήμονες νοιάζονται αν οι ενδείξεις
προέρχονται από τυχαίο δείγμα ή όχι,
αλλά τι σχέση έχει αυτό με τα μωρά;
Τα μωρά χρειάζεται να γενικεύουν
από μικρά δείγματα δεδομένων συνεχώς.
Βλέπουν μερικά λαστιχένια παπάκια
και μαθαίνουν ότι επιπλέουν,
ή μερικές μπάλες
και μαθαίνουν ότι αναπηδούν.
Και εξελίσσουν προσδοκίες
σχετικά με τα παπάκια και τις μπάλες
που θα επεκτείνουν σε παπάκια και μπάλες
για το υπόλοιπο της ζωής τους.
Και το είδος των γενικεύσεων που κάνουν
τα μωρά για τα παπάκια και τις μπάλες
το κάνουν για σχεδόν τα πάντα:
για τα παπούτσια, τα πλοία, το βουλοκέρι,
τα λάχανα και τους βασιλιάδες.
Νοιάζονται λοιπόν τα παιδιά
εάν οι ελάχιστες ενδείξεις που βλέπουν
είναι εμφανώς αντιπροσωπευτικά
ενός ευρύτερου πλήθους;
Ας το ανακαλύψουμε.
Θα σας δείξω δύο ταινίες,
μία από κάθε περίπτωση ενός πειράματος,
και επειδή θα δείτε μόνο δύο ταινίες,
θα δείτε μόνο δύο μωρά,
και κάθε ζευγάρι μωρών διαφέρει
από άλλα με αμέτρητους τρόπους.
Φυσικά όμως αυτά εδώ τα μωρά
εκπροσωπούν ομάδες μωρών,
και οι διαφορές που θα δείτε
αντιπροσωπεύουν μέσες διαφορές ομάδας
στη συμπεριφορά των μωρών ανά κατάσταση.
Σε κάθε ταινία θα δείτε ένα μωρό να κάνει
ακριβώς ό,τι θα περιμένατε
να κάνει κάθε μωρό,
και είναι δύσκολο να κάνουμε τα μωρά
πιο μαγευτικά απ' όσο ήδη είναι.
Αλλά στο μυαλό μου το μαγευτικό,
και αυτό που θέλω να προσέξετε,
είναι η αντίθεση ανάμεσα
στις δύο αυτές περιπτώσεις,
επειδή η μόνη διαφορά
μεταξύ αυτών των δύο ταινιών
είναι οι στατιστικές ενδείξεις
που θα εντοπίσουν τα μωρά.
Θα δείξουμε στα μωρά ένα κουτί
με μπλε και κίτρινα μπαλάκια,
κι η τότε μεταπτυχιακή φοιτήτρια, και νυν
συνάδελφος στο Στάνφορντ, Γιόγουαν Γκουάν,
θα πάρει με τη σειρά
τρία μπλε μπαλάκια από το κουτί
και καθώς θα τα παίρνει, θα τα ζουλάει,
και τα μπαλάκια θα τσιρίζουν.
Κι αν είστε μωρό,
αυτό είναι σαν ομιλία στο TED.
Δεν υπάρχει καλύτερο από αυτό.
(Γέλια)
Αλλά σημαντικό είναι πως είναι πανεύκολο
να τραβήξετε τρία μπλε μπαλάκια στη σειρά
από ένα κουτί με κυρίως μπλε μπαλάκια.
Θα το κάνατε και με τα μάτια κλειστά.
Είναι ένα δεόντως τυχαίο δείγμα
από αυτό το πλήθος.
Και αν βάζεις το χέρι στο κουτί
και τυχαία βγάζεις πράγματα που τσιρίζουν,
τότε μάλλον όλα μέσα στο κουτί τσιρίζουν.
Έτσι τα μωρά θα περιμένουν
να τσιρίζουν και τα κίτρινα μπαλάκια.
Τα κίτρινα μπαλάκια όμως
έχουν ένα ξυλάκι στην άκρη,
έτσι τα μωρά θα μπορούσαν
να κάνουν και άλλα πράγματα αν ήθελαν,
όπως να τα χτυπάνε ή να το κοπανάνε.
Αλλά ας δούμε τι κάνει το μωρό.
(Βίντεο) Γιόγουαν Γκουάν: Το βλέπεις;
(Το μπαλάκι τσιρίζει)
Το είδες αυτό;
(Το μπαλάκι τσιρίζει)
Ωραίο!
Βλέπεις αυτό;
(Το μπαλάκι τσιρίζει)
Ουάου!
Λόρα Σουλτς: Σας το είπα.
(Γελάει)
(Βίντεο) ΓΓ: Το βλέπεις;
(Το μπαλάκι τσιρίζει)
Κλάρα, αυτό είναι για σένα.
Πάρτο και παίξε.
(Γέλια)
ΛΣ: Δεν χρειάζεται καν να μιλήσω, σωστά;
Εντάξει, είναι καλό που τα μωρά
γενικεύουν τις ιδιότητες
στα μπλε και τα κίτρινα μπαλάκια,
και είναι εντυπωσιακό που τα μωρά
μαθαίνουν μιμούμενα εμάς,
αλλά τα ξέραμε αυτά για τα μωρά
εδώ και πάρα πολύ καιρό.
Το πραγματικά ενδιαφέρον ερώτημα
είναι τι θα συμβεί αν δείξουμε στα μωρά
ακριβώς το ίδιο πράγμα,
κι εξασφαλίζουμε ότι είναι ακριβώς το ίδιο
επειδή υπάρχει ένα μυστικό διαμέρισμα
και βγάζουμε τα μπαλάκια από εκεί
αλλά αυτή τη φορά
αλλάζουμε μόνο το εμφανές πλήθος
απ' όπου πήραμε τις ενδείξεις.
Τώρα θα δείξουμε στα μωρά
τρία μπλε μπαλάκια
που παίρνουμε από ένα κουτί
με κυρίως κίτρινα μπαλάκια,
και μαντέψτε τι γίνεται;
Μάλλον δεν θα τραβήξετε τυχαία
τρία μπλε μπαλάκια στη σειρά
από ένα κουτί με κυρίως κίτρινα μπαλάκια.
Αυτές δεν είναι ενδείξεις
από δεόντως τυχαίο δείγμα.
Αυτές οι ενδείξεις δείχνουν ότι η Γιόγουαν
μάλλον επίτηδες επέλεγε μπλε μπαλάκια.
Ίσως τα μπλε μπαλάκια είναι ιδιαίτερα.
Ίσως μόνο τα μπλε μπαλάκια τσιρίζουν.
Να δούμε τι κάνει το μωρό.
(Βίντεο) ΓΓ: Το βλέπεις αυτό;
(Το μπαλάκι τσιρίζει)
Βλέπεις αυτό το παιχνίδι;
(Το μπαλάκι τσιρίζει)
Ωραίο δεν είναι; Δες.
(Το μπαλάκι τσιρίζει)
Αυτό εδώ είναι για να παίξεις εσύ.
Μπορείς να παίξεις.
(Γκρίνια)
(Γέλια)
ΛΣ: Μόλις είδατε δύο μωρά ηλικίας 15 μηνών
να κάνουν εντελώς διαφορετικά πράγματα
βασιζόμενα μόνο στην πιθανότητα
του δείγματος που παρατήρησαν.
Ας σας δείξω τα επιστημονικά αποτελέσματα.
Στον κάθετο άξονα
θα δείτε το ποσοστό των μωρών
που ζούληξαν το μπαλάκι σε κάθε περίπτωση,
κι όπως θα δείτε, είναι πολύ πιθανότερο
τα μωρά να γενικεύσουν τα αποτελέσματα
αν είναι εύλογα
αντιπροσωπευτικά του πλήθους,
από όταν οι ενδείξεις είναι σαφές
πως είναι ειδικά επιλεγμένες.
Κι αυτό μας οδηγεί σε μια αστεία πρόβλεψη:
Ας υποθέσουμε ότι παίρνατε μόνο ένα μπλε
μπαλάκι από ένα κυρίως κίτρινο κουτί.
Μάλλον δεν θα τραβούσατε τυχαία τρία μπλε
μπαλάκια στη σειρά από ένα κίτρινο κουτί,
αλλά τραβούσατε τυχαία
μόνο ένα μπλε μπαλάκι.
Αυτό δεν είναι απίθανο δείγμα.
Και αν βάζατε το χέρι τυχαία σε ένα κουτί
και τραβούσαμε κάτι που τσιρίζει,
μάλλον όλα μέσα στο κουτί τσιρίζουν.
Έτσι, αν και τα μωρά θα έχουν
λιγότερες ενδείξεις για το τσίριγμα,
και πολύ λιγότερες πράξεις να μιμηθούν,
στην περίπτωση με το ένα μπαλάκι
απ' ό,τι στην περίπτωση που μόλις είδατε,
προβλέψαμε ότι τα ίδια τα μωρά
θα ζουλούσαν περισσότερο,
και ακριβώς αυτό ανακαλύψαμε.
Έτσι τα 15μηνα μωρά, κατ' αυτή την έννοια,
όπως οι επιστήμονες
νοιάζονται αν τα ενδεικτικά στοιχεία
είναι τυχαία επιλεγμένα ή όχι
και από αυτά εξελίσσουν
προσδοκίες σχετικά με τον κόσμο:
τι τσιρίζει και τι όχι,
τι να εξερευνήσουν και τι να αγνοήσουν.
Να σας δείξω άλλο ένα παράδειγμα,
αυτή τη φορά με ένα πρόβλημα
αιτιώδους συλλογισμού.
Και αρχίζει με ένα πρόβλημα
της μπερδεμένης ένδειξης
που όλοι μας έχουμε,
ότι είμαστε μέρος αυτού του κόσμου.
Μπορεί να μην το θεωρείτε πρόβλημα,
αλλά όπως τα περισσότερα προβλήματα,
είναι πρόβλημα μόνο αν κάτι πάει στραβά.
Πάρτε αυτό το μωρό για παράδειγμα.
Κάτι του πάει στραβά.
Δεν μπορεί να κάνει
το παιχνίδι να δουλέψει.
Θα σας δείξω ένα βιντεοκλιπ
λίγων δευτερολέπτων.
Και υπάρχουν δύο πιθανότητες, γενικά:
Ίσως το ίδιο κάνει κάτι λάθος,
ή μπορεί να έχει χαλάσει το παιχνίδι.
Στο επόμενο πείραμα
θα δώσουμε στα μωρά
λίγα στατιστικά δεδομένα
που θα στηρίζουν τη μια υπόθεση ή την άλλη
και θα δούμε αν τα μωρά
μπορούν να τα χρησιμοποιήσουν
για να πάρουν διαφορετικές αποφάσεις
για το τι να κάνουν.
Να το σχέδιο.
Η Γιογουάν θα καταφέρει
να βάλει το παιχνίδι σε λειτουργία.
Μετά θα προσπαθήσω εγώ δύο φορές
και θα αποτύχω και τις δύο,
και μετά η Γιογουάν θα προσπαθήσει ξανά
και θα τα καταφέρει.
Και αυτό γενικά συνοψίζει τη σχέση μου
με τους μεταπτυχιακούς μου φοιτητές
σε όλο το φάσμα της τεχνολογίας.
Αλλά το σημαντικό εδώ είναι
ότι δίνει μια μικρή ένδειξη
ότι το πρόβλημα δεν είναι
στο παιχνίδι αλλά στο άτομο.
Κάποιοι μπορούν να το βάλουν σε λειτουργία
και κάποιοι όχι.
Όταν το μωρό πάρει το παιχνίδι,
θα έχει μια επιλογή.
Η μαμά του είναι εκεί,
μπορεί να δώσει το παιχνίδι
και να αλλάξει το άτομο,
αλλά θα υπάρχει και ένα ακόμη παιχνίδι
στην άκρη εκείνου του υφάσματος
και μπορεί να τραβήξει το ύφασμα
και να αλλάξει το παιχνίδι.
Ας δούμε τι κάνει το μωρό.
(Βίντεο) ΓΓ: Δύο, τρία. Πάμε!
(Μουσική)
ΛΣ: Ένα, δύο, τρία, πάμε!
Άρθουρ, θα προσπαθήσω πάλι.
Ένα, δύο, τρία, πάμε!
ΓΓ: Άρθουρ, ας προσπαθήσω εγώ πάλι, ΟΚ;
Ένα, δύο, τρία, πάμε!
(Μουσική)
Κοίτα αυτό. Θυμάσαι αυτά τα παιχνίδια;
Βλέπεις αυτά τα παιχνίδια;
Ναι, θα βάλω αυτό εδώ πέρα,
και θα δώσω αυτό σε σένα.
Μπορείς να παίξεις.
ΛΣ: ΟΚ, Λόρα, φυσικά
τα μωρά αγαπούν τις μαμάδες τους.
Φυσικά το παιδί δίνει το παιχνίδι στη μαμά
όταν δεν λειτουργεί.
Και πάλι, η πραγματικά
σημαντική ερώτηση είναι
τι θα συμβεί όταν αλλάξουμε
τα στατιστικά δεδομένα ακόμα λίγο.
Τώρα τα μωρά θα δουν το παιχνίδι
να λειτουργεί και να σταματάει εναλλάξ
αλλά αλλάζουμε την κατανομή των ενδείξεων.
Τωρα η Γιογουάν μια φορά θα τα καταφέρει
και μια θα αποτύχει, και το ίδιο κι εγώ.
Και αυτό λέει ότι άσχετα με το ποιος
χειρίζεται το παιχνίδι, αυτό δεν δουλεύει.
Δεν λειτουργεί γενικά.
Πάλι το μωρό έχει μια επιλογή.
Η μαμά της είναι δίπλα της,
έτσι μπορεί να αλλάξει πρόσωπο
και θα υπάρχει ένα άλλο παιχνίδι
στην άκρη του υφάσματος.
Ας δούμε τι κάνει.
(Βίντεο) ΓΓ: Δύο, τρία. Πάμε!
(Μουσική)
Να προσπαθήσω άλλη μια φορά.
Ένα, δύο, τρία, πάμε!
Χμμ.
ΛΣ: Άσε με να προσπαθήσω, Κλάρα.
Ένα, δύο, τρία, πάμε!
Χμμ. Ας προσπαθήσω πάλι.
Ένα, δύο, τρία, πάμε!
(Μουσική)
ΓΓ: Θα βάλω αυτό εδώ πέρα
και θα δώσω αυτό σε σένα.
Μπορείς να παίξεις.
(Χειροκρότημα)
ΛΣ: Να σας δείξω
τα αποτελέσματα των πειραμάτων.
Στον κάθετο άξονα θα δείτε την κατανομή
των επιλογών των παιδιών σε κάθε περίπτωση
και θα δείτε ότι η κατανομή των επιλογών
που κάνουν τα παιδιά
εξαρτάται από τις ενδείξεις
που παρατηρούν.
Έτσι στο δεύτερο έτος ζωής,
τα μωρά μπορούν να χρησιμοποιήσουν
λίγα στατιστικά δεδομένα
για να αποφασίσουν μεταξύ δύο βασικά
διαφορετικών στρατηγικών
για να δράσουν στον κόσμο:
να ζητήσουν βοήθεια και να εξερευνήσουν.
Μόλις σας έδειξα
δύο εργαστηριακά πειράματα
από κυριολεκτικά εκατοντάδες στον κλάδο
που έχουν παρόμοια συμπεράσματα
επειδή το πραγματικά
σημαντικό σημείο είναι
ότι η ικανότητα των παιδιών να βγάζουν
πλήθος συμπερασμάτων από λίγα δεδομένα
βρίσκεται πίσω από όλη
την πολιτιστική μάθηση του είδους μας.
Τα παιδιά μαζεύουν τα νέα εργαλεία
από λίγα μόνο παραδείγματα.
Μαθαίνουν νέες σχέσεις αιτιασμού
από λίγα μόνο παραδείγματα.
Μαθαίνουν ακόμα και νέες λέξεις, όπως εδώ,
στην αμερικανική νοηματική γλώσσα.
Θέλω να κλείσω με μόνο δύο σημεία.
Αν παρακολουθείτε τον κόσμο μου, τον
τομέα εγκεφάλου και γνωστικών επιστημών,
για τα τελευταία λίγα χρόνια,
τρεις μεγάλες ιδέες
θα υπέπεσαν στην αντίληψή σας.
Η πρώτη είναι ότι αυτή
είναι η εποχή του εγκεφάλου.
Και όντως έχουν γίνει τεράστιες
ανακαλύψεις στη νευροεπιστήμη:
εντοπίστηκαν λειτουργικά
εξειδικευμένες περιοχές του φλοιού,
οι εγκέφαλοι των ποντικιών
έγιναν διαφανείς,
ενεργοποιούνται νευρώνες με το φως.
Μια δεύτερη μεγάλη ιδέα είναι
ότι είναι η εποχή των μεγάλων δεδομένων
και της μηχανικής μάθησης,
και η μηχανική μάθηση υπόσχεται ν' αλλάξει
ριζικά την κατανόηση των πάντων,
από τα κοινωνικά δίκτυα
έως την επιδημιολογία.
Και ίσως, καθώς επιλύει
προβλήματα κατανόησης σκηνών
και φυσικής επεξεργασίας της γλώσσας,
να μας πει κάτι
σχετικά με την ανθρώπινη νόηση.
Και η τελευταία μεγάλη ιδέα
που θα έχετε ακούσει
είναι πως μάλλον είναι καλό
που θα μάθουμε τόσα για τον εγκέφαλο
και θα έχουμε πρόσβαση σε μεγάλα δεδομένα,
επειδή αν πράξουμε κατά βούληση,
οι άνθρωποι παραπλανούμαστε,
καταφεύγουμε σε πρόχειρες λύσεις,
κάνουμε σφάλματα, κάνουμε λάθη,
έχουμε προκαταλήψεις,
και με πάμπολλους τρόπους,
εκλαμβάνουμε τον κόσμο λάθος.
Νομίζω ότι όλες αυτές
είναι σημαντικές ιστορίες
και έχουν πολλά να μας πουν σχετικά
με το τι σημαίνει να είσαι άνθρωπος,
αλλά θέλω να σημειώσετε ότι σήμερα
σας είπα μια πολύ διαφορετική ιστορία.
Είναι μια ιστορία για το μυαλό μας
και όχι για τον εγκέφαλό μας
και ειδικότερα, είναι μια ιστορία
για το είδος των υπολογισμών
που μόνο τα ανθρώπινα μυαλά
μπορούν να εκτελέσουν,
που εμπλέκει πλούσια, δομημένη γνώση
και την ικανότητα να μαθαίνουμε
από μικρές ποσότητες δεδομένων,
τις ενδείξεις από πολύ λίγα παραδείγματα.
Και βασικά, είναι μια ιστορία του πώς,
ξεκινώντας ως μικρά παιδιά
και συνεχίζοντας έως τα μεγαλύτερα
επιτεύγματα της κουλτούρας μας,
αντιλαμβανόμαστε τον κόσμο μας σωστά.
Φίλοι μου, το ανθρώπινο μυαλό δεν μαθαίνει
μόνο από μικρές ποσότητες δεδομένων.
Τα ανθρώπινα μυαλά σκέφτονται
και εξ ολοκλήρου νέες ιδέες.
Τα ανθρώπινα μυαλά παράγουν
έρευνες και ανακαλύψεις,
και τα ανθρώπινα μυαλά παράγουν τέχνη,
λογοτεχνία, ποίηση και θέατρο,
και τα ανθρώπινα μυαλά
φροντίζουν άλλους ανθρώπους:
τους ηλικιωμένους μας,
τους νέους μας, τους ασθενείς μας.
Ακόμη και τους θεραπεύουμε.
Στα επόμενα χρόνια,
θα δούμε τεχνολογικές καινοτομίες
πέρα από οτιδήποτε
μπορούμε να οραματιστούμε,
αλλά είναι μάλλον απίθανο
να δούμε οτιδήποτε καν να πλησιάζει
την υπολογιστική δύναμη ενός μωρού
όσο θα ζήσω εγώ ή εσείς.
Εάν επενδύσουμε σ' αυτούς τους πολύ
δυνατούς μαθητές και την ανάπτυξή τους,
στα μωρά και στα παιδιά,
στις μητέρες και τους πατεράδες,
στους κηδεμόνες και τους δασκάλους,
έτσι όπως επενδύουμε στις άλλες μας
πιο ισχυρές και κομψές μορφές
τεχνολογίας, μηχανικής και σχεδιασμού,
δεν θα ονειρευόμαστε μόνο
ένα καλύτερο μέλλον,
θα το σχεδιάζουμε.
Ευχαριστώ πολύ.
(Χειροκρότημα)
Κρις Άντερσον: Λόρα, σ' ευχαριστώ.
Έχω μια ερώτηση για σένα.
Πρώτα απ' όλα, η έρευνα είναι εξωφρενική.
Ποιος θα σχεδίαζε ένα τέτοιο πείραμα;
(Γέλια)
Το είδα μερικές φορές
και ακόμη δεν πιστεύω ειλικρινά
ότι αυτό όντως μπορεί να συμβαίνει,
αλλά και άλλοι έχουν κάνει
παρόμοια πειράματα. Είναι λογικό.
Τα μωρά είναι όντως ιδιοφυίες.
ΛΣ: Ξέρεις, είναι τόσο εντυπωσιακά
στα πειράματά μας,
αλλά σκέψου πώς είναι στην κανονική ζωή;
Ξεκινάει σαν μωρό.
Δεκαοκτώ μήνες αργότερα σου μιλάει,
και τα πρώτα λογάκια δεν είναι απλά
πράγματα όπως μπάλες και παπάκια,
είναι πράγματα όπως τα «πάει!»
που αναφέρεται στην εξαφάνιση,
ή το «ωχ!»
που αναφέρεται σε ακούσιες πράξεις.
Πρέπει να είναι τόσο ισχυρά.
Πρέπει να είναι πολύ πιο ισχυρά
από οτιδήποτε σας έδειξα.
Αντιλαμβάνονται
πώς λειτουργεί όλος ο κόσμος.
Ένα τετράχρονο μπορεί να σας μιλήσει
για σχεδόν οτιδήποτε.
(Χειροκρότημα)
ΚΑ: Και αν σε καταλαβαίνω σωστά,
το άλλο κεντρικό σημείο είναι
ότι περάσαμε τόσα χρόνια
που έγιναν τόσες συζητήσεις
πόσο ιδιόμορφα και προβληματικά
είναι τα μυαλά μας
που η συμπεριφοριστική οικονομία
και παρόμοιες θεωρίες,
ότι δεν πράττουμε λογικά.
Ουσιαστικά λες ότι η σημαντικότερη ιστορία
είναι πόσο αξιοσημείωτα είναι,
και ότι πράγματι υπάρχει εκεί ευφυία
που δεν εκτιμάται αναλόγως.
ΛΣ: Ένα αγαπημένο μου ρητό
από την ψυχολογία
είναι από τον κοινωνικό ψυχολόγο
Σόλομον Ας, που είπε
ότι το βασικό καθήκον της ψυχολογίας
είναι να παραμερίσει το πέπλο
του αυταπόδεικτου από τα πράγματα.
Εκατομμύρια τάξεις μεγέθους
και καθημερινές αποφάσεις
βοηθούν να αντιληφθείς σωστά τον κόσμο.
Γνωρίζεις περί αντικειμένων
και των ιδιοτήτων τους.
Ξέρεις πότε φρακάρουν.
Τα αναγνωρίζεις στο σκοτάδι.
Μπορείς να διασχίζεις δωμάτια.
Καταλαβαίνεις τι σκέφτονται οι άλλοι.
Μπορείς να τους μιλήσεις
και να πορευθείς στο χώρο.
Ξέρεις για αριθμούς.
Ξέρεις τις σχέσεις αιτιατού
και την ηθική αιτίαση.
Το κάνεις χωρίς δυσκολία,
έτσι δεν το βλέπουμε,
αλλά έτσι καταλαβαίνουμε σωστά τον κόσμο
και είναι ένα αξιοσημείωτο
και πολύ δυσνόητο επίτευγμα.
ΚΑ: Υποψιάζομαι ότι υπάρχουν
άνθρωποι στο ακροατήριο
που έχουν την άποψη
να επιταχύνουν την τεχνολογική ισχύ
που ίσως αμφισβητήσουν τη δήλωσή σου
ότι ποτέ στη ζωή μας
δεν θα κάνει ένας υπολογιστής
ότι μπορεί να κάνει ένα τρίχρονο παιδί,
αλλά είναι σαφές ότι σε κάθε σενάριο,
οι μηχανές μας έχουν πολλά να μάθουν
από τους μπόμπιρες.
ΛΣ: Έτσι νομίζω. Θα έχετε αρκετούς
υπέρ της μηχανικής μάθησης εδώ πέρα.
Δεν πρέπει να υποτιμάτε
τα μωρά ή τους χιμπατζήδες
ή την τεχνολογία, σε μόνιμη βάση,
αλλά δεν είναι απλώς
μια διαφορά στην ποσότητα,
είναι διαφορά στο είδος.
Έχουμε απίστευτα ισχυρούς υπολογιστές
και πράγματι κάνουν
τρομερά εξεζητημένα πράγματα,
συχνά με μεγάλες ποσότητες δεδομένων.
Θεωρώ ότι τα ανθρώπινα μυαλά
κάνουν κάτι τελείως διαφορετικό,
και νομίζω ότι είναι η δομημένη,
ιεραρχική φύση της ανθρώπινης γνώσης
που παραμένει μια πραγματική πρόκληση.
ΚΑ: Λορα Σουλτς, θαυμάσια τροφή για σκέψη.
Σε ευχαριστούμε τόσο πολύ.
ΛΣ: Ευχαριστώ.
(Χειροκρότημα)