1
00:00:00,835 --> 00:00:02,990
Ο Μαρκ Τουαίην έχει συνοψίσει
αυτό που θεωρώ

2
00:00:02,990 --> 00:00:06,110
ως ένα από τα θεμελιώδη προβλήματα 
της γνωσιακής επιστήμης

3
00:00:06,110 --> 00:00:08,260
σε ένα απλό ευφυολόγημα.

4
00:00:08,260 --> 00:00:11,492
Είπε, «Η επιστήμη έχει κάτι συναρπαστικό.

5
00:00:11,492 --> 00:00:14,720
Μας αποφέρει χονδρικώς 
τόσο μεγάλα κέρδη σε εικασίες

6
00:00:14,720 --> 00:00:17,924
από μια τόσο ευτελή επένδυση σε γεγονότα».

7
00:00:17,924 --> 00:00:19,509
(Γέλια)

8
00:00:20,199 --> 00:00:22,803
Ο Τουαίην φυσικά αστειευόταν 
αλλά έχει δίκιο:

9
00:00:22,803 --> 00:00:25,679
Η επιστήμη έχει κάτι εκπληκτικό.

10
00:00:25,679 --> 00:00:29,940
Από λίγα οστά συμπεραίνουμε
την ύπαρξη δεινοσαύρων.

11
00:00:30,910 --> 00:00:34,781
Από φασματικές γραμμές, 
τη σύνθεση των νεφών.

12
00:00:35,471 --> 00:00:38,409
Από τη δροσόφιλα μύγα,

13
00:00:38,409 --> 00:00:41,352
τους μηχανισμούς της κληρονομικότητας,

14
00:00:41,352 --> 00:00:45,601
και από εικόνες της ροής του αίματος 
μέσα στον εγκέφαλο,

15
00:00:45,601 --> 00:00:50,309
ή στην περίπτωσή μου, 
από τη συμπεριφορά πολύ μικρών παιδιών,

16
00:00:50,309 --> 00:00:51,768
προσπαθούμε να πούμε κάτι


17
00:00:51,768 --> 00:00:54,756
σχετικά με τους θεμελιώδεις μηχανισμούς
της ανθρώπινης νόησης.

18
00:00:55,716 --> 00:01:00,475
Ειδικότερα, στο εργαστήριό μου στο Τμήμα 
Εγκεφάλου και Γνωσιακών Επιστημών του ΜΙΤ,

19
00:01:00,475 --> 00:01:04,129
πέρασα την τελευταία δεκαετία
προσπαθώντας να κατανοήσω το μυστήριο

20
00:01:04,129 --> 00:01:07,946
του πώς τα παιδιά μαθαίνουν τόσα πολλά
από τόσο λίγα, και τόσο γρήγορα.

21
00:01:08,686 --> 00:01:09,944
Καθώς αποδεικνύεται

22
00:01:09,944 --> 00:01:15,173
ότι το συναρπαστικό με την επιστήμη
όπως επίσης και με τα παιδιά,

23
00:01:15,173 --> 00:01:17,754
για να παραφράσουμε ηπιότερα
τον Μαρκ Τουαίην,

24
00:01:17,754 --> 00:01:22,404
είναι ακριβώς η ικανότητά τους 
να βγάζουν αφαιρετικά πλήθος συμπερασμάτων

25
00:01:22,404 --> 00:01:27,235
με ταχύτητα και ακρίβεια, 
από τυχαία και αταξινόμητα δεδομένα.

26
00:01:28,355 --> 00:01:30,753
Θα σας δώσω μόνο δύο παραδείγματα σήμερα.

27
00:01:30,753 --> 00:01:33,040
Το ένα αφορά ένα πρόβλημα γενίκευσης

28
00:01:33,040 --> 00:01:35,890
και το άλλο αφορά ένα πρόβλημα
αιτιώδους συλλογισμού.

29
00:01:35,890 --> 00:01:38,585
Και παρόλο που θα μιλήσω
για δουλειά στο εργαστήριό μου,

30
00:01:38,585 --> 00:01:41,875
αυτή η δουλειά εμπνέεται 
και οφείλεται σε ολόκληρο κλάδο.

31
00:01:41,875 --> 00:01:46,158
Χρωστώ ευγνωμοσύνη σε μέντορες,
συναδέλφους και συνεργάτες ανά τον κόσμο.

32
00:01:47,308 --> 00:01:50,282
Ας αρχίσω με το πρόβλημα της γενίκευσης.

33
00:01:50,652 --> 00:01:54,785
Η γενίκευση από μικρά δείγματα δεδομένων
είναι καθημερινή πρακτική της επιστήμης.

34
00:01:54,785 --> 00:01:57,539
Από δημοσκόπηση
σε μικρό τμήμα του εκλογικού σώματος

35
00:01:57,539 --> 00:02:00,150
προβλέπουμε το αποτέλεσμα
των εθνικών εκλογών.

36
00:02:00,150 --> 00:02:04,165
Βλέπουμε πώς αποκρίνεται δείγμα ασθενών
σε μια θεραπεία σε κλινική δοκιμή,

37
00:02:04,165 --> 00:02:07,230
και βγάζουμε τα φάρμακα στην εθνική αγορά.

38
00:02:07,230 --> 00:02:11,595
Αλλά αυτό έχει αποτέλεσμα μόνο με δείγμα
τυχαία επιλεγμένο από τον πληθυσμό.

39
00:02:11,595 --> 00:02:14,330
Αν το δείγμα μας είναι επιλεγμένο 
με κάποιο κριτήριο -

40
00:02:14,330 --> 00:02:16,762
ας πούμε, μόνο εκλογείς
από αστικές περιοχές,

41
00:02:16,762 --> 00:02:20,790
ή, στις κλινικές δοκιμές
για τη θεραπεία καρδιακών νόσων,

42
00:02:20,790 --> 00:02:22,671
να συμπεριλάβουμε μόνο άνδρες -

43
00:02:22,671 --> 00:02:25,829
τα αποτελέσματα δεν θα είναι γενικεύσεις
για τον ευρύτερο πληθυσμό.

44
00:02:26,479 --> 00:02:30,200
Οι επιστήμονες νοιάζονται αν οι ενδείξεις
προέρχονται από τυχαίο δείγμα ή όχι,

45
00:02:30,200 --> 00:02:32,225
αλλά τι σχέση έχει αυτό με τα μωρά;

46
00:02:32,585 --> 00:02:37,206
Τα μωρά χρειάζεται να γενικεύουν 
από μικρά δείγματα δεδομένων συνεχώς.

47
00:02:37,206 --> 00:02:40,364
Βλέπουν μερικά λαστιχένια παπάκια
και μαθαίνουν ότι επιπλέουν,

48
00:02:40,364 --> 00:02:43,939
ή μερικές μπάλες 
και μαθαίνουν ότι αναπηδούν.

49
00:02:43,939 --> 00:02:46,890
Και εξελίσσουν προσδοκίες 
σχετικά με τα παπάκια και τις μπάλες

50
00:02:46,890 --> 00:02:49,606
που θα επεκτείνουν σε παπάκια και μπάλες

51
00:02:49,606 --> 00:02:51,485
για το υπόλοιπο της ζωής τους.

52
00:02:51,485 --> 00:02:55,224
Και το είδος των γενικεύσεων που κάνουν 
τα μωρά για τα παπάκια και τις μπάλες

53
00:02:55,224 --> 00:02:57,313
το κάνουν για σχεδόν τα πάντα:

54
00:02:57,313 --> 00:03:01,230
για τα παπούτσια, τα πλοία, το βουλοκέρι,
τα λάχανα και τους βασιλιάδες.

55
00:03:02,010 --> 00:03:05,381
Νοιάζονται λοιπόν τα παιδιά 
εάν οι ελάχιστες ενδείξεις που βλέπουν

56
00:03:05,381 --> 00:03:08,853
είναι εμφανώς αντιπροσωπευτικά 
ενός ευρύτερου πλήθους;

57
00:03:09,763 --> 00:03:11,663
Ας το ανακαλύψουμε.

58
00:03:11,663 --> 00:03:13,386
Θα σας δείξω δύο ταινίες,

59
00:03:13,386 --> 00:03:15,848
μία από κάθε περίπτωση ενός πειράματος,

60
00:03:15,848 --> 00:03:18,286
και επειδή θα δείτε μόνο δύο ταινίες,

61
00:03:18,286 --> 00:03:20,422
θα δείτε μόνο δύο μωρά,

62
00:03:20,422 --> 00:03:24,369
και κάθε ζευγάρι μωρών διαφέρει 
από άλλα με αμέτρητους τρόπους.

63
00:03:24,369 --> 00:03:27,420
Φυσικά όμως αυτά εδώ τα μωρά 
εκπροσωπούν ομάδες μωρών,

64
00:03:27,420 --> 00:03:29,315
και οι διαφορές που θα δείτε

65
00:03:29,315 --> 00:03:34,160
αντιπροσωπεύουν μέσες διαφορές ομάδας
στη συμπεριφορά των μωρών ανά κατάσταση.

66
00:03:35,160 --> 00:03:37,743
Σε κάθε ταινία θα δείτε ένα μωρό να κάνει

67
00:03:37,743 --> 00:03:41,203
ακριβώς ό,τι θα περιμένατε 
να κάνει κάθε μωρό,

68
00:03:41,203 --> 00:03:45,220
και είναι δύσκολο να κάνουμε τα μωρά 
πιο μαγευτικά απ' όσο ήδη είναι.

69
00:03:46,090 --> 00:03:48,100
Αλλά στο μυαλό μου το μαγευτικό,

70
00:03:48,100 --> 00:03:50,189
και αυτό που θέλω να προσέξετε,

71
00:03:50,189 --> 00:03:53,300
είναι η αντίθεση ανάμεσα 
στις δύο αυτές περιπτώσεις,

72
00:03:53,300 --> 00:03:56,829
επειδή η μόνη διαφορά 
μεταξύ αυτών των δύο ταινιών

73
00:03:56,829 --> 00:04:00,295
είναι οι στατιστικές ενδείξεις 
που θα εντοπίσουν τα μωρά.

74
00:04:01,425 --> 00:04:04,608
Θα δείξουμε στα μωρά ένα κουτί
με μπλε και κίτρινα μπαλάκια,

75
00:04:04,608 --> 00:04:09,228
κι η τότε μεταπτυχιακή φοιτήτρια, και νυν
συνάδελφος στο Στάνφορντ, Γιόγουαν Γκουάν,

76
00:04:09,228 --> 00:04:12,305
θα πάρει με τη σειρά 
τρία μπλε μπαλάκια από το κουτί

77
00:04:12,305 --> 00:04:15,428
και καθώς θα τα παίρνει, θα τα ζουλάει,

78
00:04:15,428 --> 00:04:17,541
και τα μπαλάκια θα τσιρίζουν.

79
00:04:17,541 --> 00:04:20,304
Κι αν είστε μωρό, 
αυτό είναι σαν ομιλία στο TED.

80
00:04:20,304 --> 00:04:22,208
Δεν υπάρχει καλύτερο από αυτό.

81
00:04:22,208 --> 00:04:24,769
(Γέλια)

82
00:04:26,698 --> 00:04:30,627
Αλλά σημαντικό είναι πως είναι πανεύκολο 
να τραβήξετε τρία μπλε μπαλάκια στη σειρά

83
00:04:30,627 --> 00:04:32,932
από ένα κουτί με κυρίως μπλε μπαλάκια.

84
00:04:32,932 --> 00:04:34,992
Θα το κάνατε και με τα μάτια κλειστά.

85
00:04:34,992 --> 00:04:37,988
Είναι ένα δεόντως τυχαίο δείγμα 
από αυτό το πλήθος.

86
00:04:37,988 --> 00:04:41,720
Και αν βάζεις το χέρι στο κουτί
και τυχαία βγάζεις πράγματα που τσιρίζουν,

87
00:04:41,720 --> 00:04:44,559
τότε μάλλον όλα μέσα στο κουτί τσιρίζουν.

88
00:04:44,559 --> 00:04:48,209
Έτσι τα μωρά θα περιμένουν 
να τσιρίζουν και τα κίτρινα μπαλάκια.

89
00:04:48,209 --> 00:04:50,728
Τα κίτρινα μπαλάκια όμως
έχουν ένα ξυλάκι στην άκρη,

90
00:04:50,728 --> 00:04:53,805
έτσι τα μωρά θα μπορούσαν
να κάνουν και άλλα πράγματα αν ήθελαν,

91
00:04:53,805 --> 00:04:55,646
όπως να τα χτυπάνε ή να το κοπανάνε.

92
00:04:55,646 --> 00:04:58,002
Αλλά ας δούμε τι κάνει το μωρό.

93
00:05:00,548 --> 00:05:03,891
(Βίντεο) Γιόγουαν Γκουάν: Το βλέπεις;
(Το μπαλάκι τσιρίζει)

94
00:05:04,531 --> 00:05:07,576
Το είδες αυτό;
(Το μπαλάκι τσιρίζει)

95
00:05:08,036 --> 00:05:09,682
Ωραίο!

96
00:05:12,706 --> 00:05:14,656
Βλέπεις αυτό;

97
00:05:14,656 --> 00:05:16,537
(Το μπαλάκι τσιρίζει)

98
00:05:16,537 --> 00:05:18,300
Ουάου!

99
00:05:21,854 --> 00:05:23,967
Λόρα Σουλτς: Σας το είπα.
(Γελάει)

100
00:05:23,967 --> 00:05:27,998
(Βίντεο) ΓΓ: Το βλέπεις;
(Το μπαλάκι τσιρίζει)

101
00:05:27,998 --> 00:05:33,207
Κλάρα, αυτό είναι για σένα.
Πάρτο και παίξε.

102
00:05:39,854 --> 00:05:43,519
(Γέλια)

103
00:05:44,219 --> 00:05:47,214
ΛΣ: Δεν χρειάζεται καν να μιλήσω, σωστά;

104
00:05:47,214 --> 00:05:48,773
Εντάξει, είναι καλό που τα μωρά

105
00:05:48,773 --> 00:05:51,641
γενικεύουν τις ιδιότητες
στα μπλε και τα κίτρινα μπαλάκια,

106
00:05:51,641 --> 00:05:54,737
και είναι εντυπωσιακό που τα μωρά
μαθαίνουν μιμούμενα εμάς,

107
00:05:54,737 --> 00:05:58,406
αλλά τα ξέραμε αυτά για τα μωρά
εδώ και πάρα πολύ καιρό.

108
00:05:58,406 --> 00:06:00,087
Το πραγματικά ενδιαφέρον ερώτημα

109
00:06:00,087 --> 00:06:03,069
είναι τι θα συμβεί αν δείξουμε στα μωρά
ακριβώς το ίδιο πράγμα,

110
00:06:03,069 --> 00:06:05,270
κι εξασφαλίζουμε ότι είναι ακριβώς το ίδιο

111
00:06:05,270 --> 00:06:08,790
επειδή υπάρχει ένα μυστικό διαμέρισμα
και βγάζουμε τα μπαλάκια από εκεί

112
00:06:08,790 --> 00:06:12,268
αλλά αυτή τη φορά 
αλλάζουμε μόνο το εμφανές πλήθος

113
00:06:12,268 --> 00:06:15,170
απ' όπου πήραμε τις ενδείξεις.

114
00:06:15,170 --> 00:06:18,723
Τώρα θα δείξουμε στα μωρά 
τρία μπλε μπαλάκια

115
00:06:18,723 --> 00:06:21,957
που παίρνουμε από ένα κουτί 
με κυρίως κίτρινα μπαλάκια,

116
00:06:21,957 --> 00:06:23,429
και μαντέψτε τι γίνεται;

117
00:06:23,429 --> 00:06:26,269
Μάλλον δεν θα τραβήξετε τυχαία
τρία μπλε μπαλάκια στη σειρά

118
00:06:26,269 --> 00:06:28,753
από ένα κουτί με κυρίως κίτρινα μπαλάκια.

119
00:06:28,753 --> 00:06:32,500
Αυτές δεν είναι ενδείξεις 
από δεόντως τυχαίο δείγμα.

120
00:06:32,500 --> 00:06:37,623
Αυτές οι ενδείξεις δείχνουν ότι η Γιόγουαν
μάλλον επίτηδες επέλεγε μπλε μπαλάκια.

121
00:06:37,623 --> 00:06:40,206
Ίσως τα μπλε μπαλάκια είναι ιδιαίτερα.

122
00:06:40,846 --> 00:06:43,822
Ίσως μόνο τα μπλε μπαλάκια τσιρίζουν.

123
00:06:43,822 --> 00:06:45,717
Να δούμε τι κάνει το μωρό.

124
00:06:45,717 --> 00:06:48,621
(Βίντεο) ΓΓ: Το βλέπεις αυτό;
(Το μπαλάκι τσιρίζει)

125
00:06:50,851 --> 00:06:53,496
Βλέπεις αυτό το παιχνίδι;
(Το μπαλάκι τσιρίζει)

126
00:06:53,496 --> 00:06:58,976
Ωραίο δεν είναι; Δες.
(Το μπαλάκι τσιρίζει)

127
00:06:58,976 --> 00:07:03,370
Αυτό εδώ είναι για να παίξεις εσύ.
Μπορείς να παίξεις.

128
00:07:06,074 --> 00:07:12,421
(Γκρίνια)
(Γέλια)

129
00:07:14,901 --> 00:07:17,649
ΛΣ: Μόλις είδατε δύο μωρά ηλικίας 15 μηνών

130
00:07:17,649 --> 00:07:19,591
να κάνουν εντελώς διαφορετικά πράγματα

131
00:07:19,591 --> 00:07:23,190
βασιζόμενα μόνο στην πιθανότητα 
του δείγματος που παρατήρησαν.

132
00:07:23,190 --> 00:07:25,511
Ας σας δείξω τα επιστημονικά αποτελέσματα.

133
00:07:25,511 --> 00:07:28,275
Στον κάθετο άξονα 
θα δείτε το ποσοστό των μωρών

134
00:07:28,275 --> 00:07:30,805
που ζούληξαν το μπαλάκι σε κάθε περίπτωση,

135
00:07:30,805 --> 00:07:34,520
κι όπως θα δείτε, είναι πολύ πιθανότερο
τα μωρά να γενικεύσουν τα αποτελέσματα

136
00:07:34,520 --> 00:07:37,655
αν είναι εύλογα
αντιπροσωπευτικά του πλήθους,

137
00:07:37,655 --> 00:07:41,393
από όταν οι ενδείξεις είναι σαφές
πως είναι ειδικά επιλεγμένες.

138
00:07:41,393 --> 00:07:43,808
Κι αυτό μας οδηγεί σε μια αστεία πρόβλεψη:

139
00:07:43,808 --> 00:07:48,726
Ας υποθέσουμε ότι παίρνατε μόνο ένα μπλε 
μπαλάκι από ένα κυρίως κίτρινο κουτί.

140
00:07:48,726 --> 00:07:52,765
Μάλλον δεν θα τραβούσατε τυχαία τρία μπλε
μπαλάκια στη σειρά από ένα κίτρινο κουτί,

141
00:07:52,765 --> 00:07:55,360
αλλά τραβούσατε τυχαία
μόνο ένα μπλε μπαλάκι.

142
00:07:55,360 --> 00:07:57,190
Αυτό δεν είναι απίθανο δείγμα.

143
00:07:57,190 --> 00:07:59,414
Και αν βάζατε το χέρι τυχαία σε ένα κουτί

144
00:07:59,414 --> 00:08:03,401
και τραβούσαμε κάτι που τσιρίζει,
μάλλον όλα μέσα στο κουτί τσιρίζουν.

145
00:08:03,875 --> 00:08:08,320
Έτσι, αν και τα μωρά θα έχουν 
λιγότερες ενδείξεις για το τσίριγμα,

146
00:08:08,320 --> 00:08:10,562
και πολύ λιγότερες πράξεις να μιμηθούν,

147
00:08:10,562 --> 00:08:14,075
στην περίπτωση με το ένα μπαλάκι
απ' ό,τι στην περίπτωση που μόλις είδατε,

148
00:08:14,075 --> 00:08:17,797
προβλέψαμε ότι τα ίδια τα μωρά 
θα ζουλούσαν περισσότερο,

149
00:08:17,797 --> 00:08:20,691
και ακριβώς αυτό ανακαλύψαμε.

150
00:08:20,691 --> 00:08:24,822
Έτσι τα 15μηνα μωρά, κατ' αυτή την έννοια,
όπως οι επιστήμονες

151
00:08:24,822 --> 00:08:28,320
νοιάζονται αν τα ενδεικτικά στοιχεία 
είναι τυχαία επιλεγμένα ή όχι

152
00:08:28,320 --> 00:08:31,677
και από αυτά εξελίσσουν
προσδοκίες σχετικά με τον κόσμο:

153
00:08:31,677 --> 00:08:33,879
τι τσιρίζει και τι όχι,

154
00:08:33,879 --> 00:08:37,024
τι να εξερευνήσουν και τι να αγνοήσουν.

155
00:08:38,384 --> 00:08:40,450
Να σας δείξω άλλο ένα παράδειγμα,

156
00:08:40,450 --> 00:08:43,030
αυτή τη φορά με ένα πρόβλημα 
αιτιώδους συλλογισμού.

157
00:08:43,030 --> 00:08:45,719
Και αρχίζει με ένα πρόβλημα 
της μπερδεμένης ένδειξης

158
00:08:45,719 --> 00:08:47,291
που όλοι μας έχουμε,

159
00:08:47,291 --> 00:08:49,311
ότι είμαστε μέρος αυτού του κόσμου.

160
00:08:49,311 --> 00:08:52,747
Μπορεί να μην το θεωρείτε πρόβλημα,
αλλά όπως τα περισσότερα προβλήματα,

161
00:08:52,747 --> 00:08:55,084
είναι πρόβλημα μόνο αν κάτι πάει στραβά.

162
00:08:55,464 --> 00:08:57,275
Πάρτε αυτό το μωρό για παράδειγμα.

163
00:08:57,275 --> 00:08:58,980
Κάτι του πάει στραβά.

164
00:08:58,980 --> 00:09:01,251
Δεν μπορεί να κάνει
το παιχνίδι να δουλέψει.

165
00:09:01,251 --> 00:09:03,780
Θα σας δείξω ένα βιντεοκλιπ 
λίγων δευτερολέπτων.

166
00:09:09,340 --> 00:09:11,260
Και υπάρχουν δύο πιθανότητες, γενικά:

167
00:09:11,260 --> 00:09:13,894
Ίσως το ίδιο κάνει κάτι λάθος,

168
00:09:13,894 --> 00:09:18,110
ή μπορεί να έχει χαλάσει το παιχνίδι.

169
00:09:18,110 --> 00:09:20,221
Στο επόμενο πείραμα

170
00:09:20,221 --> 00:09:23,518
θα δώσουμε στα μωρά 
λίγα στατιστικά δεδομένα

171
00:09:23,518 --> 00:09:25,910
που θα στηρίζουν τη μια υπόθεση ή την άλλη

172
00:09:25,910 --> 00:09:28,525
και θα δούμε αν τα μωρά
μπορούν να τα χρησιμοποιήσουν

173
00:09:28,525 --> 00:09:31,389
για να πάρουν διαφορετικές αποφάσεις
για το τι να κάνουν.

174
00:09:31,389 --> 00:09:32,991
Να το σχέδιο.

175
00:09:34,071 --> 00:09:37,101
Η Γιογουάν θα καταφέρει
να βάλει το παιχνίδι σε λειτουργία.

176
00:09:37,101 --> 00:09:40,421
Μετά θα προσπαθήσω εγώ δύο φορές
και θα αποτύχω και τις δύο,

177
00:09:40,421 --> 00:09:43,393
και μετά η Γιογουάν θα προσπαθήσει ξανά 
και θα τα καταφέρει.

178
00:09:43,393 --> 00:09:47,055
Και αυτό γενικά συνοψίζει τη σχέση μου
με τους μεταπτυχιακούς μου φοιτητές

179
00:09:47,055 --> 00:09:49,540
σε όλο το φάσμα της τεχνολογίας.

180
00:09:50,030 --> 00:09:53,322
Αλλά το σημαντικό εδώ είναι
ότι δίνει μια μικρή ένδειξη

181
00:09:53,322 --> 00:09:56,990
ότι το πρόβλημα δεν είναι
στο παιχνίδι αλλά στο άτομο.

182
00:09:56,990 --> 00:09:59,340
Κάποιοι μπορούν να το βάλουν σε λειτουργία

183
00:09:59,340 --> 00:10:00,299
και κάποιοι όχι.

184
00:10:00,799 --> 00:10:04,212
Όταν το μωρό πάρει το παιχνίδι,
θα έχει μια επιλογή.

185
00:10:04,212 --> 00:10:06,400
Η μαμά του είναι εκεί,

186
00:10:06,400 --> 00:10:09,595
μπορεί να δώσει το παιχνίδι 
και να αλλάξει το άτομο,

187
00:10:09,595 --> 00:10:13,073
αλλά θα υπάρχει και ένα ακόμη παιχνίδι
στην άκρη εκείνου του υφάσματος

188
00:10:13,073 --> 00:10:16,425
και μπορεί να τραβήξει το ύφασμα 
και να αλλάξει το παιχνίδι.

189
00:10:16,425 --> 00:10:18,515
Ας δούμε τι κάνει το μωρό.

190
00:10:18,515 --> 00:10:22,698
(Βίντεο) ΓΓ: Δύο, τρία. Πάμε!
(Μουσική)

191
00:10:22,698 --> 00:10:25,829
ΛΣ: Ένα, δύο, τρία, πάμε!

192
00:10:25,829 --> 00:10:33,211
Άρθουρ, θα προσπαθήσω πάλι.
Ένα, δύο, τρία, πάμε!

193
00:10:33,677 --> 00:10:36,277
ΓΓ: Άρθουρ, ας προσπαθήσω εγώ πάλι, ΟΚ;

194
00:10:36,277 --> 00:10:40,827
Ένα, δύο, τρία, πάμε!
(Μουσική)

195
00:10:41,583 --> 00:10:43,466
Κοίτα αυτό. Θυμάσαι αυτά τα παιχνίδια;

196
00:10:43,466 --> 00:10:46,730
Βλέπεις αυτά τα παιχνίδια; 
Ναι, θα βάλω αυτό εδώ πέρα,

197
00:10:46,730 --> 00:10:48,792
και θα δώσω αυτό σε σένα.

198
00:10:48,792 --> 00:10:51,127
Μπορείς να παίξεις.

199
00:11:11,213 --> 00:11:15,950
ΛΣ: ΟΚ, Λόρα, φυσικά 
τα μωρά αγαπούν τις μαμάδες τους.

200
00:11:15,950 --> 00:11:18,452
Φυσικά το παιδί δίνει το παιχνίδι στη μαμά

201
00:11:18,452 --> 00:11:20,162
όταν δεν λειτουργεί.

202
00:11:20,162 --> 00:11:22,475
Και πάλι, η πραγματικά 
σημαντική ερώτηση είναι

203
00:11:22,475 --> 00:11:26,909
τι θα συμβεί όταν αλλάξουμε
τα στατιστικά δεδομένα ακόμα λίγο.

204
00:11:26,909 --> 00:11:30,996
Τώρα τα μωρά θα δουν το παιχνίδι 
να λειτουργεί και να σταματάει εναλλάξ

205
00:11:30,996 --> 00:11:33,411
αλλά αλλάζουμε την κατανομή των ενδείξεων.

206
00:11:33,411 --> 00:11:37,822
Τωρα η Γιογουάν μια φορά θα τα καταφέρει
και μια θα αποτύχει, και το ίδιο κι εγώ.

207
00:11:37,822 --> 00:11:43,459
Και αυτό λέει ότι άσχετα με το ποιος 
χειρίζεται το παιχνίδι, αυτό δεν δουλεύει.

208
00:11:43,459 --> 00:11:45,085
Δεν λειτουργεί γενικά.

209
00:11:45,085 --> 00:11:46,750
Πάλι το μωρό έχει μια επιλογή.

210
00:11:46,750 --> 00:11:50,706
Η μαμά της είναι δίπλα της,
έτσι μπορεί να αλλάξει πρόσωπο

211
00:11:50,706 --> 00:11:53,660
και θα υπάρχει ένα άλλο παιχνίδι 
στην άκρη του υφάσματος.

212
00:11:53,660 --> 00:11:55,288
Ας δούμε τι κάνει.

213
00:11:55,288 --> 00:11:59,636
(Βίντεο) ΓΓ: Δύο, τρία. Πάμε!
(Μουσική)

214
00:11:59,636 --> 00:12:04,620
Να προσπαθήσω άλλη μια φορά.
Ένα, δύο, τρία, πάμε!

215
00:12:05,460 --> 00:12:07,157
Χμμ.

216
00:12:07,950 --> 00:12:10,642
ΛΣ: Άσε με να προσπαθήσω, Κλάρα.

217
00:12:10,642 --> 00:12:14,587
Ένα, δύο, τρία, πάμε!

218
00:12:15,265 --> 00:12:17,200
Χμμ. Ας προσπαθήσω πάλι.

219
00:12:17,200 --> 00:12:22,869
Ένα, δύο, τρία, πάμε!
(Μουσική)

220
00:12:22,869 --> 00:12:25,242
ΓΓ: Θα βάλω αυτό εδώ πέρα

221
00:12:25,242 --> 00:12:27,243
και θα δώσω αυτό σε σένα.

222
00:12:27,243 --> 00:12:30,840
Μπορείς να παίξεις.

223
00:12:46,376 --> 00:12:51,273
(Χειροκρότημα)

224
00:12:52,993 --> 00:12:55,385
ΛΣ: Να σας δείξω 
τα αποτελέσματα των πειραμάτων.

225
00:12:55,385 --> 00:12:57,860
Στον κάθετο άξονα θα δείτε την κατανομή

226
00:12:57,860 --> 00:13:00,437
των επιλογών των παιδιών σε κάθε περίπτωση

227
00:13:00,437 --> 00:13:04,988
και θα δείτε ότι η κατανομή των επιλογών 
που κάνουν τα παιδιά

228
00:13:04,988 --> 00:13:07,775
εξαρτάται από τις ενδείξεις 
που παρατηρούν.

229
00:13:07,775 --> 00:13:09,632
Έτσι στο δεύτερο έτος ζωής,

230
00:13:09,632 --> 00:13:12,489
τα μωρά μπορούν να χρησιμοποιήσουν 
λίγα στατιστικά δεδομένα

231
00:13:12,489 --> 00:13:15,576
για να αποφασίσουν μεταξύ δύο βασικά 
διαφορετικών στρατηγικών

232
00:13:15,576 --> 00:13:17,457
για να δράσουν στον κόσμο:

233
00:13:17,457 --> 00:13:20,200
να ζητήσουν βοήθεια και να εξερευνήσουν.

234
00:13:21,700 --> 00:13:25,134
Μόλις σας έδειξα 
δύο εργαστηριακά πειράματα

235
00:13:25,134 --> 00:13:28,825
από κυριολεκτικά εκατοντάδες στον κλάδο 
που έχουν παρόμοια συμπεράσματα

236
00:13:28,825 --> 00:13:31,217
επειδή το πραγματικά 
σημαντικό σημείο είναι

237
00:13:31,217 --> 00:13:36,325
ότι η ικανότητα των παιδιών να βγάζουν 
πλήθος συμπερασμάτων από λίγα δεδομένα

238
00:13:36,325 --> 00:13:41,666
βρίσκεται πίσω από όλη
την πολιτιστική μάθηση του είδους μας.

239
00:13:41,666 --> 00:13:46,263
Τα παιδιά μαζεύουν τα νέα εργαλεία 
από λίγα μόνο παραδείγματα.

240
00:13:46,263 --> 00:13:50,980
Μαθαίνουν νέες σχέσεις αιτιασμού 
από λίγα μόνο παραδείγματα.

241
00:13:51,928 --> 00:13:56,799
Μαθαίνουν ακόμα και νέες λέξεις, όπως εδώ,
στην αμερικανική νοηματική γλώσσα.

242
00:13:56,799 --> 00:13:59,110
Θέλω να κλείσω με μόνο δύο σημεία.

243
00:14:00,050 --> 00:14:03,738
Αν παρακολουθείτε τον κόσμο μου, τον 
τομέα εγκεφάλου και γνωστικών επιστημών,

244
00:14:03,738 --> 00:14:05,665
για τα τελευταία λίγα χρόνια,

245
00:14:05,665 --> 00:14:08,080
τρεις μεγάλες ιδέες 
θα υπέπεσαν στην αντίληψή σας.

246
00:14:08,080 --> 00:14:11,516
Η πρώτη είναι ότι αυτή 
είναι η εποχή του εγκεφάλου.

247
00:14:11,516 --> 00:14:15,185
Και όντως έχουν γίνει τεράστιες 
ανακαλύψεις στη νευροεπιστήμη:

248
00:14:15,185 --> 00:14:18,621
εντοπίστηκαν λειτουργικά
εξειδικευμένες περιοχές του φλοιού,

249
00:14:18,621 --> 00:14:21,222
οι εγκέφαλοι των ποντικιών 
έγιναν διαφανείς,

250
00:14:21,222 --> 00:14:24,998
ενεργοποιούνται νευρώνες με το φως.

251
00:14:24,998 --> 00:14:26,994
Μια δεύτερη μεγάλη ιδέα είναι

252
00:14:26,994 --> 00:14:31,098
ότι είναι η εποχή των μεγάλων δεδομένων
και της μηχανικής μάθησης,

253
00:14:31,098 --> 00:14:34,829
και η μηχανική μάθηση υπόσχεται ν' αλλάξει
ριζικά την κατανόηση των πάντων,

254
00:14:34,829 --> 00:14:38,066
από τα κοινωνικά δίκτυα 
έως την επιδημιολογία.

255
00:14:38,646 --> 00:14:41,599
Και ίσως, καθώς επιλύει 
προβλήματα κατανόησης σκηνών

256
00:14:41,599 --> 00:14:43,592
και φυσικής επεξεργασίας της γλώσσας,

257
00:14:43,592 --> 00:14:46,916
να μας πει κάτι 
σχετικά με την ανθρώπινη νόηση.

258
00:14:47,586 --> 00:14:49,873
Και η τελευταία μεγάλη ιδέα
που θα έχετε ακούσει

259
00:14:49,873 --> 00:14:53,080
είναι πως μάλλον είναι καλό
που θα μάθουμε τόσα για τον εγκέφαλο

260
00:14:53,080 --> 00:14:55,197
και θα έχουμε πρόσβαση σε μεγάλα δεδομένα,

261
00:14:55,197 --> 00:14:57,504
επειδή αν πράξουμε κατά βούληση,

262
00:14:57,504 --> 00:15:01,335
οι άνθρωποι παραπλανούμαστε, 
καταφεύγουμε σε πρόχειρες λύσεις,

263
00:15:01,335 --> 00:15:04,772
κάνουμε σφάλματα, κάνουμε λάθη,

264
00:15:04,772 --> 00:15:06,526
έχουμε προκαταλήψεις,

265
00:15:06,526 --> 00:15:11,425
και με πάμπολλους τρόπους,
εκλαμβάνουμε τον κόσμο λάθος.

266
00:15:12,843 --> 00:15:15,772
Νομίζω ότι όλες αυτές 
είναι σημαντικές ιστορίες

267
00:15:15,772 --> 00:15:19,577
και έχουν πολλά να μας πουν σχετικά
με το τι σημαίνει να είσαι άνθρωπος,

268
00:15:19,577 --> 00:15:23,106
αλλά θέλω να σημειώσετε ότι σήμερα 
σας είπα μια πολύ διαφορετική ιστορία.

269
00:15:23,966 --> 00:15:27,773
Είναι μια ιστορία για το μυαλό μας 
και όχι για τον εγκέφαλό μας

270
00:15:27,773 --> 00:15:30,779
και ειδικότερα, είναι μια ιστορία 
για το είδος των υπολογισμών

271
00:15:30,779 --> 00:15:33,369
που μόνο τα ανθρώπινα μυαλά 
μπορούν να εκτελέσουν,

272
00:15:33,369 --> 00:15:37,313
που εμπλέκει πλούσια, δομημένη γνώση
και την ικανότητα να μαθαίνουμε

273
00:15:37,313 --> 00:15:42,581
από μικρές ποσότητες δεδομένων,
τις ενδείξεις από πολύ λίγα παραδείγματα.

274
00:15:43,991 --> 00:15:48,600
Και βασικά, είναι μια ιστορία του πώς,
ξεκινώντας ως μικρά παιδιά

275
00:15:48,600 --> 00:15:56,533
και συνεχίζοντας έως τα μεγαλύτερα 
επιτεύγματα της κουλτούρας μας,

276
00:15:56,533 --> 00:15:58,740
αντιλαμβανόμαστε τον κόσμο μας σωστά.

277
00:16:00,433 --> 00:16:05,760
Φίλοι μου, το ανθρώπινο μυαλό δεν μαθαίνει
μόνο από μικρές ποσότητες δεδομένων.

278
00:16:05,760 --> 00:16:08,716
Τα ανθρώπινα μυαλά σκέφτονται 
και εξ ολοκλήρου νέες ιδέες.

279
00:16:08,716 --> 00:16:11,787
Τα ανθρώπινα μυαλά παράγουν 
έρευνες και ανακαλύψεις,

280
00:16:11,787 --> 00:16:17,060
και τα ανθρώπινα μυαλά παράγουν τέχνη, 
λογοτεχνία, ποίηση και θέατρο,

281
00:16:17,070 --> 00:16:20,830
και τα ανθρώπινα μυαλά 
φροντίζουν άλλους ανθρώπους:

282
00:16:20,830 --> 00:16:24,347
τους ηλικιωμένους μας,
τους νέους μας, τους ασθενείς μας.

283
00:16:24,357 --> 00:16:26,884
Ακόμη και τους θεραπεύουμε.

284
00:16:27,564 --> 00:16:30,667
Στα επόμενα χρόνια, 
θα δούμε τεχνολογικές καινοτομίες

285
00:16:30,667 --> 00:16:34,464
πέρα από οτιδήποτε 
μπορούμε να οραματιστούμε,

286
00:16:34,464 --> 00:16:36,614
αλλά είναι μάλλον απίθανο

287
00:16:36,614 --> 00:16:42,323
να δούμε οτιδήποτε καν να πλησιάζει
την υπολογιστική δύναμη ενός μωρού

288
00:16:42,323 --> 00:16:45,981
όσο θα ζήσω εγώ ή εσείς.

289
00:16:46,621 --> 00:16:51,668
Εάν επενδύσουμε σ' αυτούς τους πολύ 
δυνατούς μαθητές και την ανάπτυξή τους,

290
00:16:51,668 --> 00:16:54,215
στα μωρά και στα παιδιά,

291
00:16:54,215 --> 00:16:56,411
στις μητέρες και τους πατεράδες,

292
00:16:56,411 --> 00:16:59,110
στους κηδεμόνες και τους δασκάλους,

293
00:16:59,110 --> 00:17:03,280
έτσι όπως επενδύουμε στις άλλες μας 
πιο ισχυρές και κομψές μορφές

294
00:17:03,280 --> 00:17:06,498
τεχνολογίας, μηχανικής και σχεδιασμού,

295
00:17:06,498 --> 00:17:09,437
δεν θα ονειρευόμαστε μόνο 
ένα καλύτερο μέλλον,

296
00:17:09,437 --> 00:17:11,564
θα το σχεδιάζουμε.

297
00:17:11,564 --> 00:17:13,119
Ευχαριστώ πολύ.

298
00:17:13,119 --> 00:17:15,470
(Χειροκρότημα)

299
00:17:17,810 --> 00:17:22,236
Κρις Άντερσον: Λόρα, σ' ευχαριστώ.
Έχω μια ερώτηση για σένα.

300
00:17:22,236 --> 00:17:24,595
Πρώτα απ' όλα, η έρευνα είναι εξωφρενική.

301
00:17:24,595 --> 00:17:28,320
Ποιος θα σχεδίαζε ένα τέτοιο πείραμα;
(Γέλια)

302
00:17:29,150 --> 00:17:30,940
Το είδα μερικές φορές

303
00:17:30,940 --> 00:17:34,162
και ακόμη δεν πιστεύω ειλικρινά
ότι αυτό όντως μπορεί να συμβαίνει,

304
00:17:34,162 --> 00:17:37,090
αλλά και άλλοι έχουν κάνει 
παρόμοια πειράματα. Είναι λογικό.

305
00:17:37,090 --> 00:17:38,953
Τα μωρά είναι όντως ιδιοφυίες.

306
00:17:38,953 --> 00:17:41,960
ΛΣ: Ξέρεις, είναι τόσο εντυπωσιακά 
στα πειράματά μας,

307
00:17:41,960 --> 00:17:44,252
αλλά σκέψου πώς είναι στην κανονική ζωή;

308
00:17:44,252 --> 00:17:45,762
Ξεκινάει σαν μωρό.

309
00:17:45,762 --> 00:17:47,529
Δεκαοκτώ μήνες αργότερα σου μιλάει,

310
00:17:47,529 --> 00:17:50,810
και τα πρώτα λογάκια δεν είναι απλά
πράγματα όπως μπάλες και παπάκια,

311
00:17:50,810 --> 00:17:53,691
είναι πράγματα όπως τα «πάει!»
που αναφέρεται στην εξαφάνιση,

312
00:17:53,691 --> 00:17:55,974
ή το «ωχ!»
που αναφέρεται σε ακούσιες πράξεις.

313
00:17:55,974 --> 00:17:57,536
Πρέπει να είναι τόσο ισχυρά.

314
00:17:57,536 --> 00:18:00,311
Πρέπει να είναι πολύ πιο ισχυρά 
από οτιδήποτε σας έδειξα.

315
00:18:00,311 --> 00:18:02,415
Αντιλαμβάνονται
πώς λειτουργεί όλος ο κόσμος.

316
00:18:02,415 --> 00:18:05,529
Ένα τετράχρονο μπορεί να σας μιλήσει
για σχεδόν οτιδήποτε.

317
00:18:05,529 --> 00:18:07,030
(Χειροκρότημα)

318
00:18:07,030 --> 00:18:10,444
ΚΑ: Και αν σε καταλαβαίνω σωστά,
το άλλο κεντρικό σημείο είναι

319
00:18:10,444 --> 00:18:12,978
ότι περάσαμε τόσα χρόνια 
που έγιναν τόσες συζητήσεις

320
00:18:12,978 --> 00:18:15,340
πόσο ιδιόμορφα και προβληματικά
είναι τα μυαλά μας

321
00:18:15,340 --> 00:18:17,997
που η συμπεριφοριστική οικονομία
και παρόμοιες θεωρίες,

322
00:18:17,997 --> 00:18:19,600
ότι δεν πράττουμε λογικά.

323
00:18:19,600 --> 00:18:23,816
Ουσιαστικά λες ότι η σημαντικότερη ιστορία
είναι πόσο αξιοσημείωτα είναι,

324
00:18:23,816 --> 00:18:28,760
και ότι πράγματι υπάρχει εκεί ευφυία
που δεν εκτιμάται αναλόγως.

325
00:18:28,760 --> 00:18:30,830
ΛΣ: Ένα αγαπημένο μου ρητό
από την ψυχολογία

326
00:18:30,830 --> 00:18:33,340
είναι από τον κοινωνικό ψυχολόγο
Σόλομον Ας, που είπε

327
00:18:33,340 --> 00:18:35,117
ότι το βασικό καθήκον της ψυχολογίας 


328
00:18:35,117 --> 00:18:38,553
είναι να παραμερίσει το πέπλο 
του αυταπόδεικτου από τα πράγματα.

329
00:18:38,553 --> 00:18:42,254
Εκατομμύρια τάξεις μεγέθους 
και καθημερινές αποφάσεις

330
00:18:42,254 --> 00:18:44,451
βοηθούν να αντιληφθείς σωστά τον κόσμο.

331
00:18:44,451 --> 00:18:46,923
Γνωρίζεις περί αντικειμένων 
και των ιδιοτήτων τους.

332
00:18:46,923 --> 00:18:49,352
Ξέρεις πότε φρακάρουν.
Τα αναγνωρίζεις στο σκοτάδι.

333
00:18:49,352 --> 00:18:52,610
Μπορείς να διασχίζεις δωμάτια.
Καταλαβαίνεις τι σκέφτονται οι άλλοι.

334
00:18:52,610 --> 00:18:55,052
Μπορείς να τους μιλήσεις
και να πορευθείς στο χώρο.

335
00:18:55,052 --> 00:18:56,092
Ξέρεις για αριθμούς.

336
00:18:56,092 --> 00:18:58,484
Ξέρεις τις σχέσεις αιτιατού
και την ηθική αιτίαση.

337
00:18:58,484 --> 00:19:01,010
Το κάνεις χωρίς δυσκολία,
έτσι δεν το βλέπουμε,

338
00:19:01,010 --> 00:19:03,092
αλλά έτσι καταλαβαίνουμε σωστά τον κόσμο

339
00:19:03,092 --> 00:19:06,050
και είναι ένα αξιοσημείωτο
και πολύ δυσνόητο επίτευγμα.

340
00:19:06,050 --> 00:19:08,628
ΚΑ: Υποψιάζομαι ότι υπάρχουν 
άνθρωποι στο ακροατήριο

341
00:19:08,628 --> 00:19:11,266
που έχουν την άποψη 
να επιταχύνουν την τεχνολογική ισχύ

342
00:19:11,266 --> 00:19:13,974
που ίσως αμφισβητήσουν τη δήλωσή σου
ότι ποτέ στη ζωή μας

343
00:19:13,974 --> 00:19:17,362
δεν θα κάνει ένας υπολογιστής
ότι μπορεί να κάνει ένα τρίχρονο παιδί,

344
00:19:17,362 --> 00:19:20,980
αλλά είναι σαφές ότι σε κάθε σενάριο,

345
00:19:20,980 --> 00:19:24,750
οι μηχανές μας έχουν πολλά να μάθουν 
από τους μπόμπιρες.

346
00:19:26,230 --> 00:19:29,626
ΛΣ: Έτσι νομίζω. Θα έχετε αρκετούς 
υπέρ της μηχανικής μάθησης εδώ πέρα.

347
00:19:29,626 --> 00:19:33,649
Δεν πρέπει να υποτιμάτε 
τα μωρά ή τους χιμπατζήδες

348
00:19:33,649 --> 00:19:37,294
ή την τεχνολογία, σε μόνιμη βάση,

349
00:19:37,294 --> 00:19:41,822
αλλά δεν είναι απλώς 
μια διαφορά στην ποσότητα,

350
00:19:41,822 --> 00:19:43,586
είναι διαφορά στο είδος.

351
00:19:43,586 --> 00:19:45,746
Έχουμε απίστευτα ισχυρούς υπολογιστές

352
00:19:45,746 --> 00:19:48,467
και πράγματι κάνουν 
τρομερά εξεζητημένα πράγματα,

353
00:19:48,467 --> 00:19:51,091
συχνά με μεγάλες ποσότητες δεδομένων.

354
00:19:51,091 --> 00:19:54,058
Θεωρώ ότι τα ανθρώπινα μυαλά 
κάνουν κάτι τελείως διαφορετικό,

355
00:19:54,058 --> 00:19:57,843
και νομίζω ότι είναι η δομημένη, 
ιεραρχική φύση της ανθρώπινης γνώσης

356
00:19:57,843 --> 00:19:59,875
που παραμένει μια πραγματική πρόκληση.

357
00:19:59,875 --> 00:20:03,266
ΚΑ: Λορα Σουλτς, θαυμάσια τροφή για σκέψη.
Σε ευχαριστούμε τόσο πολύ.

358
00:20:03,266 --> 00:20:05,858
ΛΣ: Ευχαριστώ.
(Χειροκρότημα)