0:00:00.835,0:00:02.990
Mark Twain resumió lo que considero es

0:00:02.990,0:00:06.110
uno de los problemas fundamentales [br]de la ciencia cognitiva

0:00:06.110,0:00:07.820
con un solo chiste.

0:00:08.410,0:00:11.492
Dijo: "Hay algo fascinante en la ciencia.

0:00:11.492,0:00:14.720
Uno obtiene enormes retornos [br]en conjeturas

0:00:14.720,0:00:17.924
con muy poca inversión en hechos".

0:00:17.924,0:00:19.509
(Risas)

0:00:20.199,0:00:22.803
Twain lo decía en broma, [br]claro, pero tiene razón:

0:00:22.803,0:00:25.679
Hay algo fascinante en la ciencia.

0:00:25.679,0:00:29.940
A partir de unos pocos huesos, [br]inferimos la existencia de dinosaurios.

0:00:30.910,0:00:34.781
A partir de las líneas espectrales, [br]la composición de las nebulosas.

0:00:35.471,0:00:38.409
A partir de moscas de la fruta,

0:00:38.409,0:00:41.352
los mecanismos de la herencia,

0:00:41.352,0:00:45.601
y a partir de imágenes reconstruidas [br]de sangre que fluye a través del cerebro,

0:00:45.601,0:00:50.309
o en mi caso, desde el comportamiento [br]de los niños muy pequeños,

0:00:50.309,0:00:53.137
tratamos de decir algo sobre los [br]mecanismos fundamentales

0:00:53.137,0:00:54.756
de la cognición humana.

0:00:55.502,0:00:57.475
En particular, en mi laboratorio en el

0:00:57.475,0:01:00.475
Departamento de Cerebro [br]y Ciencias Cognitivas del MIT,

0:01:00.475,0:01:04.129
he pasado los últimos diez años [br]tratando de entender el misterio

0:01:04.129,0:01:08.106
de cómo los niños aprenden mucho [br]rápidamente a partir de tan poco.

0:01:08.666,0:01:11.644
Porque resulta que lo fascinante [br]de la ciencia

0:01:11.644,0:01:15.173
es también una cosa fascinante [br]en los niños,

0:01:15.173,0:01:17.980
que, para ponerlo en términos de [br]Mark Twain, pero más suave

0:01:17.980,0:01:22.404
es precisamente su capacidad para [br]dibujar ricas inferencias abstractas

0:01:22.404,0:01:27.065
rápidamente y con precisión [br]a partir de datos dispersos, confusos.

0:01:28.355,0:01:30.753
Daré solo dos ejemplos hoy.

0:01:30.753,0:01:33.040
Uno es sobre un problema [br]de generalización,

0:01:33.040,0:01:35.890
y el otro sobre un problema [br]de razonamiento causal.

0:01:35.890,0:01:38.415
Y aunque hablaré [br]del trabajo en mi laboratorio,

0:01:38.415,0:01:41.875
este trabajo se inspira [br]y está en deuda con un campo.

0:01:41.875,0:01:46.158
Se lo agradezco a los mentores, colegas [br]y colaboradores de todo el mundo.

0:01:47.308,0:01:50.282
Permítanme comenzar con el problema [br]de la generalización.

0:01:50.652,0:01:52.765
Generalizar a partir de [br]pequeñas muestras de datos

0:01:52.765,0:01:54.785
es el pan de cada día de la ciencia.

0:01:54.785,0:01:57.339
Entrevistamos a una pequeña fracción [br]del electorado

0:01:57.339,0:02:00.260
y podemos predecir el resultado [br]de las elecciones nacionales.

0:02:00.260,0:02:04.165
Vemos un puñado de pacientes responder [br]al tratamiento en un ensayo clínico,

0:02:04.165,0:02:07.230
y lanzamos los fármacos[br]a un mercado nacional.

0:02:07.230,0:02:11.595
Pero esto solo funciona si la muestra [br]se extrae al azar de la población.

0:02:11.595,0:02:14.330
Si la muestra es seleccionada [br]de alguna manera

0:02:14.330,0:02:16.715
--por ejemplo, un sondeo [br]a solo votantes urbanos,

0:02:16.715,0:02:20.790
o, en un ensayo clínico de tratamientos [br]para enfermedades del corazón,

0:02:20.790,0:02:22.671
solo incluimos hombres--

0:02:22.671,0:02:25.829
los resultados no pueden generalizarse [br]a la población en general.

0:02:26.479,0:02:29.726
Los científicos se preocupan si [br]la evidencia es tomada o no al azar,

0:02:29.726,0:02:31.928
pero ¿qué tiene esto [br]que ver con los bebés?

0:02:32.588,0:02:34.792
Los bebés tienen que [br]generalizar a partir de

0:02:34.792,0:02:37.206
pequeñas muestras de datos [br]todo el tiempo.

0:02:37.206,0:02:40.364
Ellos ven un par de patos de goma [br]y aprenden que flotan,

0:02:40.364,0:02:43.939
o un par de pelotas [br]y aprenden que rebotan.

0:02:43.939,0:02:46.890
Y desarrollan expectativas [br]sobre patos y pelotas

0:02:46.890,0:02:49.606
que van a extender a los patos de goma [br]y a las pelotas

0:02:49.606,0:02:51.485
por el resto de sus vidas.

0:02:51.485,0:02:55.224
El tipo de generalizaciones que los bebés [br]tienen que hacer sobre patos y bolas

0:02:55.224,0:02:57.313
tienen que hacerlas con casi todo:

0:02:57.313,0:03:01.230
zapatos y barcos y cera y coles y reyes.

0:03:02.200,0:03:05.161
¿A los bebés les importa si [br]las pocas pruebas que ven,

0:03:05.161,0:03:08.853
representan una población más grande?

0:03:09.763,0:03:11.663
Vamos a ver.

0:03:11.663,0:03:13.386
Les mostraré dos películas,

0:03:13.386,0:03:16.134
una de cada una de las dos condiciones [br]de un experimento,

0:03:16.134,0:03:18.286
y como son solo dos películas,

0:03:18.286,0:03:20.422
verán solo dos bebés,

0:03:20.422,0:03:24.369
y los dos bebés difieren entre sí [br]en innumerables maneras.

0:03:24.369,0:03:27.420
Pero estos bebés, por supuesto, [br]son parte de grupos de bebés,

0:03:27.420,0:03:29.315
y las diferencias que verán

0:03:29.315,0:03:32.426
representan diferencias [br]del grupo promedio

0:03:32.426,0:03:35.160
en el comportamiento [br]según las condiciones.

0:03:35.160,0:03:37.743
En cada película, verán [br]a un bebé haciendo

0:03:37.743,0:03:41.203
exactamente lo que cabría esperar [br]que haga un bebé,

0:03:41.203,0:03:45.220
y difícilmente podemos hacer a [br]los bebés más mágicos de lo que ya son.

0:03:46.090,0:03:48.100
Pero a para mi mente lo mágico,

0:03:48.100,0:03:50.189
y a lo que quiero que presten atención,

0:03:50.189,0:03:53.300
es al contraste entre [br]estas dos condiciones,

0:03:53.300,0:03:56.829
porque lo único en que se diferencian [br]estas dos películas

0:03:56.829,0:04:00.295
es la evidencia estadística [br]que los bebés observarán.

0:04:01.425,0:04:04.608
Les mostraremos una caja [br]de bolas de color azul y amarillo,

0:04:04.608,0:04:09.228
y mi entonces estudiante de posgrado, [br]ahora colega en Stanford, Hyowon Gweon,

0:04:09.228,0:04:12.305
sacará tres bolas de color azul [br]en fila de esta caja,

0:04:12.305,0:04:15.428
y al sacar esas bolas fuera, [br]las apretará,

0:04:15.428,0:04:17.541
y las bolas chirriarán.

0:04:17.541,0:04:20.303
Y si fueran el bebé, [br]sería como una TED Talk.

0:04:20.303,0:04:22.208
No hay nada mejor que eso.

0:04:22.208,0:04:24.769
(Risas)

0:04:26.968,0:04:30.627
Pero el punto importante es que es muy [br]fácil sacar tres bolas azules en fila

0:04:30.627,0:04:32.932
de una caja de pelotas [br]en su mayoría azules.

0:04:32.932,0:04:34.992
Podrían hacerlo con los ojos cerrados.

0:04:34.992,0:04:37.988
Es posible una muestra aleatoria [br]de esta población.

0:04:37.988,0:04:41.720
Y si se pueden sacar de la caja al azar [br]y sacar cosas que chirrían,

0:04:41.720,0:04:44.559
entonces tal vez todo en la caja chirría.

0:04:44.559,0:04:48.209
Tal vez los bebés deben esperar que esas [br]bolas amarillas chirríen también.

0:04:48.209,0:04:50.728
Las bolas amarillas [br]tienen palos divertidos al final,

0:04:50.728,0:04:53.585
así los bebés podrían hacer [br]otras cosas con ellas si quisieran.

0:04:53.585,0:04:55.416
Podrían sacudirlas o golpear a ellas.

0:04:55.416,0:04:58.002
Pero vamos a ver lo que hace el bebé.

0:05:00.548,0:05:03.891
(Video) Hyowon Gweon: ¿Ves esto? [br](Bola chirría)

0:05:04.531,0:05:07.576
¿Viste eso? [br](Bola chirría)

0:05:08.036,0:05:11.102
Genial.

0:05:12.706,0:05:14.656
¿Ves este?

0:05:14.656,0:05:16.537
(Bola chirría)

0:05:16.537,0:05:19.190
Guauu.

0:05:21.854,0:05:23.967
Laura Schulz: Lo dije. [br](Risas)

0:05:23.967,0:05:27.998
(Video) HG: ¿Ves este? [br](Bola chirría)

0:05:27.998,0:05:32.617
Clara, este es para ti. [br]Puedes jugar.

0:05:39.854,0:05:44.219
(Risas)

0:05:44.219,0:05:47.214
LS: No tengo ni siquiera [br]que hablar, ¿verdad?

0:05:47.214,0:05:50.113
Está bien, es bueno que los bebés [br]generalicen propiedades

0:05:50.113,0:05:51.641
de bolas azules a amarillas,

0:05:51.641,0:05:54.737
y es impresionante que pueden [br]aprender de nosotros imitando,

0:05:54.737,0:05:58.406
pero ido aprendiendo esas cosas de [br]los bebés durante mucho tiempo.

0:05:58.406,0:06:00.217
La pregunta realmente interesante

0:06:00.217,0:06:03.069
es qué sucede cuando [br]les mostramos a los bebés lo mismo,

0:06:03.069,0:06:06.680
y sabemos que es lo mismo, porque [br]tenemos un compartimiento secreto

0:06:06.680,0:06:08.790
y que en realidad [br]tomamos las bolas de allí,

0:06:08.790,0:06:12.268
pero esta vez, lo único que cambiamos [br]es la población aparente

0:06:12.268,0:06:15.170
de la que se extrae la evidencia.

0:06:15.170,0:06:18.723
Esta vez, mostraremos [br]a los bebés tres bolas azules

0:06:18.723,0:06:22.107
sacadas de una caja de pelotas [br]en su mayoría de color amarillo,

0:06:22.107,0:06:23.429
¿y adivinen qué?

0:06:23.429,0:06:26.269
Seguramente no sacarán al azar [br]tres bolas azules en fila

0:06:26.269,0:06:28.753
de una caja de pelotas [br]en su mayoría amarillas.

0:06:28.753,0:06:32.500
Eso no es plausible [br]en muestreos aleatorios.

0:06:32.500,0:06:37.623
Esa evidencia sugiere que tal vez Hyowon [br]tomaba deliberadamente las bolas azules.

0:06:37.623,0:06:40.206
Tal vez hay algo especial [br]con las bolas azules.

0:06:40.846,0:06:43.822
Tal vez solo las bolas azules chirrían.

0:06:43.822,0:06:45.717
Vamos a ver lo que hace el bebé.

0:06:45.717,0:06:48.621
(Video) HG: ¿Ves esto? [br](Bola chirría)

0:06:50.851,0:06:53.496
¿Ves este juguete? [br](Bola chirría)

0:06:53.496,0:06:58.976
Oh, eso fue genial. ¿Ves? [br](Bola chirría)

0:06:58.976,0:07:03.370
Este es para que juegues. [br]Puedes jugar.

0:07:06.074,0:07:12.421
(Hace ruidos) [br](Risas)

0:07:14.901,0:07:17.649
LS: Acaban de ver dos bebés [br]de 15 meses de edad

0:07:17.649,0:07:19.591
hacer cosas completamente diferentes

0:07:19.591,0:07:23.190
basados solo en la probabilidad de [br]la muestra que observaron.

0:07:23.190,0:07:25.511
Les enseñaré [br]los resultados experimentales.

0:07:25.511,0:07:28.275
En el eje vertical, [br]verán el porcentaje de bebés

0:07:28.275,0:07:30.805
que apretaron la pelota en cada condición,

0:07:30.805,0:07:34.520
y como verán, los bebés son mucho más [br]propensos a generalizar las pruebas

0:07:34.520,0:07:37.655
cuando es plausiblemente [br]representativa de la población

0:07:37.655,0:07:41.393
que cuando la evidencia [br]es claramente escogida.

0:07:41.393,0:07:43.808
Y esto lleva a una predicción extraña:

0:07:43.808,0:07:48.676
Supongamos que sacamos solo una bola [br]azul de una caja con mayoría amarilla.

0:07:48.896,0:07:52.765
Probablemente no sacarán tres azules [br]en fila al azar de una caja de amarillas,

0:07:52.765,0:07:55.220
pero se podría solo una bola azul al azar.

0:07:55.220,0:07:57.190
Esa no es una muestra improbable.

0:07:57.190,0:07:59.414
Y si pudieran tomar [br]una al azar de una caja

0:07:59.414,0:08:03.401
y sacar algo que chirría, tal vez [br]todo en la caja chirriaría.

0:08:03.875,0:08:08.320
Así que a pesar de que los bebés verán [br]mucha menos evidencia de chirridos,

0:08:08.320,0:08:10.562
y tienen muchas menos acciones para imitar

0:08:10.562,0:08:13.905
en esta condición de una bola [br]que es la que van a ver,

0:08:13.905,0:08:17.797
predijimos que los bebés [br]sí la exprimirían más,

0:08:17.797,0:08:20.691
y eso es exactamente [br]lo que encontramos.

0:08:20.691,0:08:25.102
Los bebés de 15 meses de edad, en este [br]sentido, al igual que los científicos,

0:08:25.102,0:08:28.190
tienen cuidado de si la evidencia [br]es de una muestra al azar o no,

0:08:28.190,0:08:31.697
y utilizan esto para desarrollar [br]expectativas sobre el mundo:

0:08:31.697,0:08:33.879
que chirría y que no,

0:08:33.879,0:08:37.024
qué explorar y qué ignorar.

0:08:38.384,0:08:40.450
Les mostraré otro ejemplo,

0:08:40.450,0:08:43.179
sobre un problema [br]de razonamiento causal.

0:08:43.179,0:08:45.619
Comienza con un problema [br]confuso de evidencia

0:08:45.619,0:08:47.291
que todos tenemos,

0:08:47.291,0:08:49.311
que es que somos parte del mundo.

0:08:49.311,0:08:52.747
Puede no parecer un problema, [br]pero como la mayoría de los problemas,

0:08:52.747,0:08:55.084
es solo un problema [br]cuando las cosas van mal.

0:08:55.464,0:08:57.275
Tomen este bebé, por ejemplo.

0:08:57.275,0:08:58.980
Las cosas van mal para él.

0:08:58.980,0:09:01.251
Le gustaría jugar con este juguete, [br]y no puede.

0:09:01.251,0:09:03.780
Les mostraré unos pocos segundos del clip.

0:09:09.340,0:09:11.260
Hay dos grandes posibilidades:

0:09:11.260,0:09:13.894
Tal vez él está haciendo algo mal,

0:09:13.894,0:09:18.110
o tal vez hay algo mal con el juguete.

0:09:18.110,0:09:20.221
Así que en el siguiente experimento,

0:09:20.221,0:09:23.518
daremos a los bebés solo [br]unos pocos datos estadísticos

0:09:23.518,0:09:26.100
para apoyar una hipótesis sobre la otra,

0:09:26.100,0:09:29.555
y veremos si pueden usarlos [br]para tomar decisiones diferentes

0:09:29.555,0:09:31.389
acerca de qué hacer.

0:09:31.389,0:09:33.411
Aquí está la configuración.

0:09:34.071,0:09:37.101
Hyowon intentará que [br]el juguete funcione y tenga éxito.

0:09:37.101,0:09:40.421
Yo a continuación lo intentaré [br]dos veces y fallaré en ambas,

0:09:40.421,0:09:43.533
y luego Hyowon lo intentará de nuevo [br]y tendrá éxito,

0:09:43.533,0:09:46.705
lo que resume casi mi relación [br]con mis estudiantes de posgrado

0:09:46.705,0:09:49.540
en tecnología en todos los ámbitos.

0:09:50.030,0:09:53.322
Pero el punto importante aquí es [br]que proporciona algo de evidencia

0:09:53.322,0:09:56.990
que el problema no es con el juguete, [br]que es con la persona.

0:09:56.990,0:09:59.340
Algunos pueden [br]hacer funcionar este juguete,

0:09:59.340,0:10:00.299
y otros no pueden.

0:10:00.799,0:10:04.212
Cuando el bebé recibe el juguete, [br]optará por una alternativa.

0:10:04.212,0:10:06.400
Su mamá está ahí,

0:10:06.400,0:10:09.715
para que pueda continuar [br]y cambiar a la persona,

0:10:09.715,0:10:12.873
pero también habrá [br]otro juguete al final de esa tela,

0:10:12.873,0:10:16.425
y él puede tirar de la tela hacia él [br]y cambiar el juguete.

0:10:16.425,0:10:18.515
Así que veamos qué hace el bebé.

0:10:18.515,0:10:22.698
(Video) HG: Dos, tres. ¡Adelante! [br](Música)

0:10:22.698,0:10:25.829
LS: Uno, dos, tres, ¡ya!

0:10:25.829,0:10:33.211
Arthur, voy a intentarlo de nuevo. [br]Uno, dos, tres, ¡ya!

0:10:33.677,0:10:36.277
YG: Arthur, déjame intentarlo de nuevo, [br]¿de acuerdo?

0:10:36.277,0:10:40.827
Uno, dos, tres, ¡ya! [br](Música)

0:10:41.583,0:10:43.466
Mira eso. ¿Recuerdas estos juguetes?

0:10:43.466,0:10:46.730
¿Ves estos juguetes? [br]Sí, voy a poner este aquí,

0:10:46.730,0:10:48.792
y te voy a dar este.

0:10:48.792,0:10:51.127
Puede jugar.

0:11:11.213,0:11:15.950
BT: Bueno, Laura, pero, por supuesto, [br]los bebés aman a sus mamás.

0:11:15.950,0:11:18.132
Claro, los bebés [br]dan juguetes a sus mamás

0:11:18.132,0:11:20.162
cuando no pueden hacer que funcionen.

0:11:20.162,0:11:23.755
De nuevo, la pregunta realmente [br]importante es qué sucede cuando cambiamos

0:11:23.755,0:11:26.909
los datos estadísticos ligeramente.

0:11:26.909,0:11:30.996
Esta vez, los bebés verán el juguete [br]funcionar y fallar en el mismo orden,

0:11:30.996,0:11:33.411
pero cambiamos la distribución [br]de las pruebas.

0:11:33.411,0:11:37.822
Esta vez, Hyowon tendrá éxito una vez [br]y fallará otra, y yo también

0:11:37.822,0:11:43.459
Y esto sugiere que no importa quién usa [br]el juguete, el juguete falla.

0:11:43.459,0:11:45.345
No funciona todo el tiempo.

0:11:45.345,0:11:47.310
Una vez más, [br]el bebé tendrá una elección.

0:11:47.310,0:11:50.706
Su mamá está justo al lado, para que [br]ella pueda cambiar a la persona,

0:11:50.706,0:11:53.910
y habrá otro juguete al final de la tela.

0:11:53.910,0:11:55.288
Vamos a ver lo que hace.

0:11:55.288,0:11:59.636
(Video) HG: Dos, tres, ¡ya! [br](Música)

0:11:59.636,0:12:04.620
Déjame intentarlo una vez más. [br]Uno, dos, tres, ¡ya!

0:12:05.460,0:12:07.157
Hmm.

0:12:07.950,0:12:10.642
LS: Déjame intentar, Clara.

0:12:10.642,0:12:14.587
Uno, dos, tres, ¡ya!

0:12:15.265,0:12:17.200
Hmm, déjame intentarlo de nuevo.

0:12:17.200,0:12:22.870
Uno, dos, tres, ¡ya! [br](Música)

0:12:23.009,0:12:25.242
HG: Voy a poner este por aquí,

0:12:25.242,0:12:27.243
y te voy a dar éste.

0:12:27.243,0:12:30.840
Puedes usarlo y jugar.

0:12:46.376,0:12:51.273
(Aplausos)

0:12:52.993,0:12:55.385
LS: Les mostrará [br]los resultados experimentales.

0:12:55.385,0:12:57.860
En el eje vertical, verán la distribución

0:12:57.860,0:13:00.437
de opciones de los niños [br]en cada condición,

0:13:00.437,0:13:04.988
y verán que la distribución [br]de las opciones de los niños

0:13:04.988,0:13:07.775
dependen de los ensayos que observan.

0:13:07.775,0:13:09.632
Así, en el segundo año de vida,

0:13:09.632,0:13:12.209
los bebés pueden usar [br]algo de los datos estadísticos

0:13:12.209,0:13:15.576
para decidir entre dos estrategias [br]fundamentalmente diferentes

0:13:15.576,0:13:17.457
para actuar en el mundo:

0:13:17.457,0:13:20.200
pedir ayuda y explorar.

0:13:21.700,0:13:25.134
Acabo de mostrarles [br]dos experimentos de laboratorio

0:13:25.134,0:13:28.825
de literalmente cientos en el campo [br]que llegan a resultados similares,

0:13:28.825,0:13:31.217
debido a que el punto realmente crítico es

0:13:31.217,0:13:36.325
que la capacidad de los niños para hacer [br]inferencias a partir de datos escasos

0:13:36.325,0:13:41.666
subyace a todo el aprendizaje cultural [br]específico de la especie.

0:13:41.666,0:13:46.263
Los niños aprenden nuevas herramientas [br]a partir de solo algunos ejemplos.

0:13:46.263,0:13:50.980
Aprenden nuevas relaciones causales [br]a partir de solo algunos ejemplos.

0:13:51.928,0:13:56.799
Incluso aprenden nuevas palabras, en este [br]caso en el lenguaje de señas americano.

0:13:56.799,0:13:59.110
Quiero cerrar con solo dos puntos.

0:14:00.050,0:14:03.738
Si han seguido mi mundo, el campo [br]de las ciencias cerebrales y cognitivas,

0:14:03.738,0:14:05.665
en los últimos años,

0:14:05.665,0:14:08.080
tres grandes ideas [br]habrán llamado su atención.

0:14:08.080,0:14:11.516
La primera es que esta [br]es la era del cerebro.

0:14:11.516,0:14:15.185
Y, en efecto, ha habido descubrimientos [br]asombrosos en neurociencia:

0:14:15.185,0:14:18.621
localización de regiones funcionalmente [br]especializados de la corteza,

0:14:18.621,0:14:21.222
logrando cerebros de ratón transparentes,

0:14:21.222,0:14:24.998
la activación de las neuronas con la luz.

0:14:24.998,0:14:26.994
Una segunda gran idea

0:14:26.994,0:14:31.098
es que esta es la era de los grandes [br]datos y el aprendizaje automático,

0:14:31.098,0:14:34.392
y las máquinas que aprenden prometen [br]revolucionar nuestra comprensión

0:14:34.392,0:14:38.906
de todo, desde las redes sociales [br]a la epidemiología.

0:14:38.906,0:14:41.599
Tal vez, al afrontar problemas [br]de la escena comprensión

0:14:41.599,0:14:43.592
y el procesamiento del lenguaje natural,

0:14:43.592,0:14:46.916
nos diga algo sobre la cognición humana.

0:14:47.756,0:14:49.693
Y la gran idea final que habrán oído

0:14:49.693,0:14:53.080
es que tal vez es una buena idea que [br]vamos a saber tanto de cerebros

0:14:53.080,0:14:54.997
y tener tanto acceso a grandes datos,

0:14:54.997,0:14:57.504
porque dejaremos a [br]nuestros propios dispositivos,

0:14:57.504,0:15:01.335
los seres humanos son falibles, [br]tomamos atajos,

0:15:01.335,0:15:04.772
erramos, cometemos errores,

0:15:04.772,0:15:08.456
estamos sesgados, [br]y en innumerables formas,

0:15:08.456,0:15:11.425
obtenemos el mundo equivocado.

0:15:12.843,0:15:15.792
Creo que estas son todas [br]historias importantes,

0:15:15.792,0:15:19.577
y tienen mucho que decirnos [br]acerca de lo que significa ser humano,

0:15:19.577,0:15:23.106
pero tengan en cuenta que hoy [br]les conté una historia muy diferente.

0:15:23.966,0:15:27.773
Es una historia acerca de la mente [br]y no del cerebro,

0:15:27.773,0:15:30.779
y, en particular, es una historia [br]sobre los tipos de cálculos

0:15:30.779,0:15:33.369
que las mentes humanas pueden realizar [br]de forma única,

0:15:33.369,0:15:37.313
que implican, ricos conocimientos [br]estructurados y capacidad de aprender

0:15:37.313,0:15:42.581
desde pequeñas cantidades de datos, [br]la evidencia de unos pocos ejemplos.

0:15:44.301,0:15:48.600
Y fundamentalmente, es una historia sobre [br]cómo iniciar a los niños muy pequeños

0:15:48.600,0:15:52.780
y continuar hasta el final [br]a los más grandes logros

0:15:52.780,0:15:56.623
de nuestra cultura,

0:15:56.623,0:15:58.620
tenemos al mundo bien.

0:16:00.433,0:16:05.700
La mente humana no solo aprende [br]de pequeñas cantidades de datos.

0:16:06.285,0:16:08.386
Las mentes humanas piensan nuevas ideas.

0:16:08.746,0:16:11.787
Las mentes humanas generan [br]investigación y descubrimiento,

0:16:11.787,0:16:17.060
y las mentes humanas producen arte [br]y literatura y poesía y teatro,

0:16:17.070,0:16:20.830
y las mentes humanas [br]cuidan de otros seres humanos:

0:16:20.830,0:16:24.257
nuestros mayores, nuestros jóvenes, [br]nuestros enfermos.

0:16:24.517,0:16:26.884
Incluso nos sana.

0:16:27.564,0:16:30.667
En los próximos años, veremos [br]las innovaciones tecnológicas

0:16:30.667,0:16:34.464
incluso más allá de lo [br]que yo pueda imaginar,

0:16:34.464,0:16:36.614
pero es muy poco probable

0:16:36.614,0:16:42.323
ver cualquier cosa, incluso aproximarse a [br]la potencia de cálculo de un niño humano

0:16:42.323,0:16:46.621
en mi vida o en la suya.

0:16:46.621,0:16:51.668
Si invertimos en estos más [br]poderosos alumnos y en su desarrollo,

0:16:51.668,0:16:54.585
en los bebés y niños

0:16:54.585,0:16:56.411
y madres y padres

0:16:56.411,0:16:59.110
y cuidadores y maestros

0:16:59.110,0:17:03.280
en la forma en que invertimos en nuestras [br]otras formas más poderosas y elegantes

0:17:03.280,0:17:06.498
de tecnología, ingeniería y diseño,

0:17:06.498,0:17:09.436
no vamos simplemente a estar soñando [br]con un futuro mejor,

0:17:09.436,0:17:11.564
estaremos planeando para uno.

0:17:11.564,0:17:13.909
Muchas gracias.

0:17:13.909,0:17:17.329
(Aplausos)

0:17:17.810,0:17:22.236
Chris Anderson: Laura, gracias. En [br]realidad tengo una pregunta.

0:17:22.236,0:17:24.595
En primer lugar, [br]la investigación es una locura.

0:17:24.595,0:17:28.319
Quiero decir, ¿quién diseñaría un [br]experimento como ese? (Risas)

0:17:29.150,0:17:30.940
Los he visto un par de veces,

0:17:30.940,0:17:34.162
y todavía honestamente no creo que [br]realmente esté pasando,

0:17:34.162,0:17:37.320
pero otras personas han hecho [br]experimentos similares; revisen.

0:17:37.320,0:17:38.953
Los bebés son realmente genios.

0:17:38.953,0:17:41.960
LS: Se ven realmente [br]impresionantes en nuestros experimentos,

0:17:41.960,0:17:44.612
pero piensa en cómo se ven [br]en la vida real, ¿verdad?

0:17:44.612,0:17:45.762
Empiezan como un bebé.

0:17:45.762,0:17:47.769
18 meses más tarde, [br]hablan contigo,

0:17:47.769,0:17:50.810
y las primeras palabras no son solo [br]cosas como pelotas y patos,

0:17:50.810,0:17:53.691
son cosas como "se acabó", [br]que se refieren a desaparición,

0:17:53.691,0:17:55.974
o "uh-oh", para acciones intencionales.

0:17:55.974,0:17:57.536
Tiene que ser tan poderoso.

0:17:57.536,0:18:00.311
Tiene que ser mucho más poderoso [br]que cualquier otra cosa.

0:18:00.311,0:18:02.285
Están averiguando el mundo entero.

0:18:02.285,0:18:05.429
Un niño de 4 años, [br]puede hablarte de casi cualquier cosa.

0:18:05.429,0:18:07.030
(Aplausos)

0:18:07.030,0:18:10.444
CA: ¿Y te he entendido bien, el otro [br]punto clave que estás haciendo es,

0:18:10.444,0:18:13.198
que hemos pasado estos años [br]donde hay todas estas charlas

0:18:13.198,0:18:15.130
de lo rara y loca[br]que es nuestra mente,

0:18:15.130,0:18:17.997
la economía del comportamiento [br]y las teorías subyacentes

0:18:17.997,0:18:19.600
de que no somos agentes racionales.

0:18:19.600,0:18:23.816
Realmente dices que la historia [br]más grande es lo extraordinario,

0:18:23.816,0:18:28.760
y que en realidad [br]es el genio que es poco apreciado.

0:18:28.760,0:18:30.830
LS: Una de mis citas favoritas [br]de psicología

0:18:30.830,0:18:33.120
proviene del psicólogo social [br]Solomon Asch, quien dijo

0:18:33.120,0:18:35.927
que la tarea fundamental [br]de la psicología es quitar

0:18:35.927,0:18:38.553
el velo de la autoevidencia de las cosas.

0:18:38.553,0:18:43.104
Hay órdenes de magnitud, [br]más decisiones que tomar cada día

0:18:43.104,0:18:44.451
que logran un buen mundo.

0:18:44.451,0:18:46.583
Sabes de los objetos y sus propiedades.

0:18:46.583,0:18:49.612
Los conoces cuando están ocultos. [br]Los conoces en la oscuridad.

0:18:49.612,0:18:50.920
Puedes caminar por salas.

0:18:50.920,0:18:54.452
Puedes averiguar qué están pensando [br]otros. Puedes hablar con ellos.

0:18:54.452,0:18:56.682
Navegas por el espacio. [br]Sabes sobre números.

0:18:56.682,0:18:59.704
Sabes las relaciones causales. [br]Y sobre el razonamiento moral.

0:18:59.704,0:19:02.060
Lo haces sin esfuerzo, así que no lo ves,

0:19:02.060,0:19:04.972
pero así es como conseguimos [br]un buen mundo, y es un notable

0:19:04.972,0:19:07.290
y logros muy difíciles de entender.

0:19:07.290,0:19:09.918
CA: Sospecho que hay gente [br]en la audiencia que tiene

0:19:09.918,0:19:12.156
la visión de la aceleración tecnológica

0:19:12.156,0:19:15.114
que podría controvertir tu afirmación [br]de que en nuestras vidas

0:19:15.114,0:19:18.212
una computadora no hará lo que un niño [br]de tres años puede hacer,

0:19:18.212,0:19:20.980
pero lo que está claro [br]es que en cualquier escenario,

0:19:20.980,0:19:24.750
nuestras máquinas tienen mucho [br]que aprender de nuestros niños.

0:19:26.230,0:19:29.446
LS: Creo que sí. Habrá máquinas [br]de aprendizaje automático.

0:19:29.446,0:19:33.649
Quiero decir, nunca debe apostar [br]en contra de los bebés o los chimpancés

0:19:33.649,0:19:37.294
o la tecnología como [br]una cuestión de práctica,

0:19:37.294,0:19:41.822
pero no se trata solo [br]de una diferencia en la cantidad,

0:19:41.822,0:19:43.586
es una diferencia en cualidad.

0:19:43.586,0:19:45.746
Tenemos computadoras muy potentes,

0:19:45.746,0:19:48.137
y las hacen hacer cosas [br]muy sofisticadas,

0:19:48.137,0:19:51.341
a menudo con muy grandes [br]cantidades de datos.

0:19:51.341,0:19:53.948
Las mentes humanas hacen, [br]creo, algo muy distinto,

0:19:53.948,0:19:57.843
y creo que es la naturaleza estructurada [br]y jerárquica del conocimiento humano

0:19:57.843,0:19:59.875
lo que sigue siendo un verdadero desafío.

0:19:59.875,0:20:03.449
CA: Laura Schulz, maravilloso alimento [br]para la reflexión. Muchas gracias.

0:20:03.449,0:20:05.858
LS: Gracias. [br](Aplausos)