1
00:00:00,835 --> 00:00:02,990
Mark Twain resumió lo que considero es

2
00:00:02,990 --> 00:00:06,110
uno de los problemas fundamentales 
de la ciencia cognitiva

3
00:00:06,110 --> 00:00:07,820
con un solo chiste.

4
00:00:08,410 --> 00:00:11,492
Dijo: "Hay algo fascinante en la ciencia.

5
00:00:11,492 --> 00:00:14,720
Uno obtiene enormes retornos 
en conjeturas

6
00:00:14,720 --> 00:00:17,924
con muy poca inversión en hechos".

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

8
00:00:20,199 --> 00:00:22,803
Twain lo decía en broma, 
claro, pero tiene razón:

9
00:00:22,803 --> 00:00:25,679
Hay algo fascinante en la ciencia.

10
00:00:25,679 --> 00:00:29,940
A partir de unos pocos huesos, 
inferimos la existencia de dinosaurios.

11
00:00:30,910 --> 00:00:34,781
A partir de las líneas espectrales, 
la composición de las nebulosas.

12
00:00:35,471 --> 00:00:38,409
A partir de moscas de la fruta,

13
00:00:38,409 --> 00:00:41,352
los mecanismos de la herencia,

14
00:00:41,352 --> 00:00:45,601
y a partir de imágenes reconstruidas 
de sangre que fluye a través del cerebro,

15
00:00:45,601 --> 00:00:50,309
o en mi caso, desde el comportamiento 
de los niños muy pequeños,

16
00:00:50,309 --> 00:00:53,137
tratamos de decir algo sobre los 
mecanismos fundamentales

17
00:00:53,137 --> 00:00:54,756
de la cognición humana.

18
00:00:55,502 --> 00:00:57,475
En particular, en mi laboratorio en el

19
00:00:57,475 --> 00:01:00,475
Departamento de Cerebro 
y Ciencias Cognitivas del MIT,

20
00:01:00,475 --> 00:01:04,129
he pasado los últimos diez años 
tratando de entender el misterio

21
00:01:04,129 --> 00:01:08,106
de cómo los niños aprenden mucho 
rápidamente a partir de tan poco.

22
00:01:08,666 --> 00:01:11,644
Porque resulta que lo fascinante 
de la ciencia

23
00:01:11,644 --> 00:01:15,173
es también una cosa fascinante 
en los niños,

24
00:01:15,173 --> 00:01:17,980
que, para ponerlo en términos de 
Mark Twain, pero más suave

25
00:01:17,980 --> 00:01:22,404
es precisamente su capacidad para 
dibujar ricas inferencias abstractas

26
00:01:22,404 --> 00:01:27,065
rápidamente y con precisión 
a partir de datos dispersos, confusos.

27
00:01:28,355 --> 00:01:30,753
Daré solo dos ejemplos hoy.

28
00:01:30,753 --> 00:01:33,040
Uno es sobre un problema 
de generalización,

29
00:01:33,040 --> 00:01:35,890
y el otro sobre un problema 
de razonamiento causal.

30
00:01:35,890 --> 00:01:38,415
Y aunque hablaré 
del trabajo en mi laboratorio,

31
00:01:38,415 --> 00:01:41,875
este trabajo se inspira 
y está en deuda con un campo.

32
00:01:41,875 --> 00:01:46,158
Se lo agradezco a los mentores, colegas 
y colaboradores de todo el mundo.

33
00:01:47,308 --> 00:01:50,282
Permítanme comenzar con el problema 
de la generalización.

34
00:01:50,652 --> 00:01:52,765
Generalizar a partir de 
pequeñas muestras de datos

35
00:01:52,765 --> 00:01:54,785
es el pan de cada día de la ciencia.

36
00:01:54,785 --> 00:01:57,339
Entrevistamos a una pequeña fracción 
del electorado

37
00:01:57,339 --> 00:02:00,260
y podemos predecir el resultado 
de las elecciones nacionales.

38
00:02:00,260 --> 00:02:04,165
Vemos un puñado de pacientes responder 
al tratamiento en un ensayo clínico,

39
00:02:04,165 --> 00:02:07,230
y lanzamos los fármacos
a un mercado nacional.

40
00:02:07,230 --> 00:02:11,595
Pero esto solo funciona si la muestra 
se extrae al azar de la población.

41
00:02:11,595 --> 00:02:14,330
Si la muestra es seleccionada 
de alguna manera

42
00:02:14,330 --> 00:02:16,715
--por ejemplo, un sondeo 
a solo votantes urbanos,

43
00:02:16,715 --> 00:02:20,790
o, en un ensayo clínico de tratamientos 
para enfermedades del corazón,

44
00:02:20,790 --> 00:02:22,671
solo incluimos hombres--

45
00:02:22,671 --> 00:02:25,829
los resultados no pueden generalizarse 
a la población en general.

46
00:02:26,479 --> 00:02:29,726
Los científicos se preocupan si 
la evidencia es tomada o no al azar,

47
00:02:29,726 --> 00:02:31,928
pero ¿qué tiene esto 
que ver con los bebés?

48
00:02:32,588 --> 00:02:34,792
Los bebés tienen que 
generalizar a partir de

49
00:02:34,792 --> 00:02:37,206
pequeñas muestras de datos 
todo el tiempo.

50
00:02:37,206 --> 00:02:40,364
Ellos ven un par de patos de goma 
y aprenden que flotan,

51
00:02:40,364 --> 00:02:43,939
o un par de pelotas 
y aprenden que rebotan.

52
00:02:43,939 --> 00:02:46,890
Y desarrollan expectativas 
sobre patos y pelotas

53
00:02:46,890 --> 00:02:49,606
que van a extender a los patos de goma 
y a las pelotas

54
00:02:49,606 --> 00:02:51,485
por el resto de sus vidas.

55
00:02:51,485 --> 00:02:55,224
El tipo de generalizaciones que los bebés 
tienen que hacer sobre patos y bolas

56
00:02:55,224 --> 00:02:57,313
tienen que hacerlas con casi todo:

57
00:02:57,313 --> 00:03:01,230
zapatos y barcos y cera y coles y reyes.

58
00:03:02,200 --> 00:03:05,161
¿A los bebés les importa si 
las pocas pruebas que ven,

59
00:03:05,161 --> 00:03:08,853
representan una población más grande?

60
00:03:09,763 --> 00:03:11,663
Vamos a ver.

61
00:03:11,663 --> 00:03:13,386
Les mostraré dos películas,

62
00:03:13,386 --> 00:03:16,134
una de cada una de las dos condiciones 
de un experimento,

63
00:03:16,134 --> 00:03:18,286
y como son solo dos películas,

64
00:03:18,286 --> 00:03:20,422
verán solo dos bebés,

65
00:03:20,422 --> 00:03:24,369
y los dos bebés difieren entre sí 
en innumerables maneras.

66
00:03:24,369 --> 00:03:27,420
Pero estos bebés, por supuesto, 
son parte de grupos de bebés,

67
00:03:27,420 --> 00:03:29,315
y las diferencias que verán

68
00:03:29,315 --> 00:03:32,426
representan diferencias 
del grupo promedio

69
00:03:32,426 --> 00:03:35,160
en el comportamiento 
según las condiciones.

70
00:03:35,160 --> 00:03:37,743
En cada película, verán 
a un bebé haciendo

71
00:03:37,743 --> 00:03:41,203
exactamente lo que cabría esperar 
que haga un bebé,

72
00:03:41,203 --> 00:03:45,220
y difícilmente podemos hacer a 
los bebés más mágicos de lo que ya son.

73
00:03:46,090 --> 00:03:48,100
Pero a para mi mente lo mágico,

74
00:03:48,100 --> 00:03:50,189
y a lo que quiero que presten atención,

75
00:03:50,189 --> 00:03:53,300
es al contraste entre 
estas dos condiciones,

76
00:03:53,300 --> 00:03:56,829
porque lo único en que se diferencian 
estas dos películas

77
00:03:56,829 --> 00:04:00,295
es la evidencia estadística 
que los bebés observarán.

78
00:04:01,425 --> 00:04:04,608
Les mostraremos una caja 
de bolas de color azul y amarillo,

79
00:04:04,608 --> 00:04:09,228
y mi entonces estudiante de posgrado, 
ahora colega en Stanford, Hyowon Gweon,

80
00:04:09,228 --> 00:04:12,305
sacará tres bolas de color azul 
en fila de esta caja,

81
00:04:12,305 --> 00:04:15,428
y al sacar esas bolas fuera, 
las apretará,

82
00:04:15,428 --> 00:04:17,541
y las bolas chirriarán.

83
00:04:17,541 --> 00:04:20,303
Y si fueran el bebé, 
sería como una TED Talk.

84
00:04:20,303 --> 00:04:22,208
No hay nada mejor que eso.

85
00:04:22,208 --> 00:04:24,769
(Risas)

86
00:04:26,968 --> 00:04:30,627
Pero el punto importante es que es muy 
fácil sacar tres bolas azules en fila

87
00:04:30,627 --> 00:04:32,932
de una caja de pelotas 
en su mayoría azules.

88
00:04:32,932 --> 00:04:34,992
Podrían hacerlo con los ojos cerrados.

89
00:04:34,992 --> 00:04:37,988
Es posible una muestra aleatoria 
de esta población.

90
00:04:37,988 --> 00:04:41,720
Y si se pueden sacar de la caja al azar 
y sacar cosas que chirrían,

91
00:04:41,720 --> 00:04:44,559
entonces tal vez todo en la caja chirría.

92
00:04:44,559 --> 00:04:48,209
Tal vez los bebés deben esperar que esas 
bolas amarillas chirríen también.

93
00:04:48,209 --> 00:04:50,728
Las bolas amarillas 
tienen palos divertidos al final,

94
00:04:50,728 --> 00:04:53,585
así los bebés podrían hacer 
otras cosas con ellas si quisieran.

95
00:04:53,585 --> 00:04:55,416
Podrían sacudirlas o golpear a ellas.

96
00:04:55,416 --> 00:04:58,002
Pero vamos a ver lo que hace el bebé.

97
00:05:00,548 --> 00:05:03,891
(Video) Hyowon Gweon: ¿Ves esto? 
(Bola chirría)

98
00:05:04,531 --> 00:05:07,576
¿Viste eso? 
(Bola chirría)

99
00:05:08,036 --> 00:05:11,102
Genial.

100
00:05:12,706 --> 00:05:14,656
¿Ves este?

101
00:05:14,656 --> 00:05:16,537
(Bola chirría)

102
00:05:16,537 --> 00:05:19,190
Guauu.

103
00:05:21,854 --> 00:05:23,967
Laura Schulz: Lo dije. 
(Risas)

104
00:05:23,967 --> 00:05:27,998
(Video) HG: ¿Ves este? 
(Bola chirría)

105
00:05:27,998 --> 00:05:32,617
Clara, este es para ti. 
Puedes jugar.

106
00:05:39,854 --> 00:05:44,219
(Risas)

107
00:05:44,219 --> 00:05:47,214
LS: No tengo ni siquiera 
que hablar, ¿verdad?

108
00:05:47,214 --> 00:05:50,113
Está bien, es bueno que los bebés 
generalicen propiedades

109
00:05:50,113 --> 00:05:51,641
de bolas azules a amarillas,

110
00:05:51,641 --> 00:05:54,737
y es impresionante que pueden 
aprender de nosotros imitando,

111
00:05:54,737 --> 00:05:58,406
pero ido aprendiendo esas cosas de 
los bebés durante mucho tiempo.

112
00:05:58,406 --> 00:06:00,217
La pregunta realmente interesante

113
00:06:00,217 --> 00:06:03,069
es qué sucede cuando 
les mostramos a los bebés lo mismo,

114
00:06:03,069 --> 00:06:06,680
y sabemos que es lo mismo, porque 
tenemos un compartimiento secreto

115
00:06:06,680 --> 00:06:08,790
y que en realidad 
tomamos las bolas de allí,

116
00:06:08,790 --> 00:06:12,268
pero esta vez, lo único que cambiamos 
es la población aparente

117
00:06:12,268 --> 00:06:15,170
de la que se extrae la evidencia.

118
00:06:15,170 --> 00:06:18,723
Esta vez, mostraremos 
a los bebés tres bolas azules

119
00:06:18,723 --> 00:06:22,107
sacadas de una caja de pelotas 
en su mayoría de color amarillo,

120
00:06:22,107 --> 00:06:23,429
¿y adivinen qué?

121
00:06:23,429 --> 00:06:26,269
Seguramente no sacarán al azar 
tres bolas azules en fila

122
00:06:26,269 --> 00:06:28,753
de una caja de pelotas 
en su mayoría amarillas.

123
00:06:28,753 --> 00:06:32,500
Eso no es plausible 
en muestreos aleatorios.

124
00:06:32,500 --> 00:06:37,623
Esa evidencia sugiere que tal vez Hyowon 
tomaba deliberadamente las bolas azules.

125
00:06:37,623 --> 00:06:40,206
Tal vez hay algo especial 
con las bolas azules.

126
00:06:40,846 --> 00:06:43,822
Tal vez solo las bolas azules chirrían.

127
00:06:43,822 --> 00:06:45,717
Vamos a ver lo que hace el bebé.

128
00:06:45,717 --> 00:06:48,621
(Video) HG: ¿Ves esto? 
(Bola chirría)

129
00:06:50,851 --> 00:06:53,496
¿Ves este juguete? 
(Bola chirría)

130
00:06:53,496 --> 00:06:58,976
Oh, eso fue genial. ¿Ves? 
(Bola chirría)

131
00:06:58,976 --> 00:07:03,370
Este es para que juegues. 
Puedes jugar.

132
00:07:06,074 --> 00:07:12,421
(Hace ruidos) 
(Risas)

133
00:07:14,901 --> 00:07:17,649
LS: Acaban de ver dos bebés 
de 15 meses de edad

134
00:07:17,649 --> 00:07:19,591
hacer cosas completamente diferentes

135
00:07:19,591 --> 00:07:23,190
basados solo en la probabilidad de 
la muestra que observaron.

136
00:07:23,190 --> 00:07:25,511
Les enseñaré 
los resultados experimentales.

137
00:07:25,511 --> 00:07:28,275
En el eje vertical, 
verán el porcentaje de bebés

138
00:07:28,275 --> 00:07:30,805
que apretaron la pelota en cada condición,

139
00:07:30,805 --> 00:07:34,520
y como verán, los bebés son mucho más 
propensos a generalizar las pruebas

140
00:07:34,520 --> 00:07:37,655
cuando es plausiblemente 
representativa de la población

141
00:07:37,655 --> 00:07:41,393
que cuando la evidencia 
es claramente escogida.

142
00:07:41,393 --> 00:07:43,808
Y esto lleva a una predicción extraña:

143
00:07:43,808 --> 00:07:48,676
Supongamos que sacamos solo una bola 
azul de una caja con mayoría amarilla.

144
00:07:48,896 --> 00:07:52,765
Probablemente no sacarán tres azules 
en fila al azar de una caja de amarillas,

145
00:07:52,765 --> 00:07:55,220
pero se podría solo una bola azul al azar.

146
00:07:55,220 --> 00:07:57,190
Esa no es una muestra improbable.

147
00:07:57,190 --> 00:07:59,414
Y si pudieran tomar 
una al azar de una caja

148
00:07:59,414 --> 00:08:03,401
y sacar algo que chirría, tal vez 
todo en la caja chirriaría.

149
00:08:03,875 --> 00:08:08,320
Así que a pesar de que los bebés verán 
mucha menos evidencia de chirridos,

150
00:08:08,320 --> 00:08:10,562
y tienen muchas menos acciones para imitar

151
00:08:10,562 --> 00:08:13,905
en esta condición de una bola 
que es la que van a ver,

152
00:08:13,905 --> 00:08:17,797
predijimos que los bebés 
sí la exprimirían más,

153
00:08:17,797 --> 00:08:20,691
y eso es exactamente 
lo que encontramos.

154
00:08:20,691 --> 00:08:25,102
Los bebés de 15 meses de edad, en este 
sentido, al igual que los científicos,

155
00:08:25,102 --> 00:08:28,190
tienen cuidado de si la evidencia 
es de una muestra al azar o no,

156
00:08:28,190 --> 00:08:31,697
y utilizan esto para desarrollar 
expectativas sobre el mundo:

157
00:08:31,697 --> 00:08:33,879
que chirría y que no,

158
00:08:33,879 --> 00:08:37,024
qué explorar y qué ignorar.

159
00:08:38,384 --> 00:08:40,450
Les mostraré otro ejemplo,

160
00:08:40,450 --> 00:08:43,179
sobre un problema 
de razonamiento causal.

161
00:08:43,179 --> 00:08:45,619
Comienza con un problema 
confuso de evidencia

162
00:08:45,619 --> 00:08:47,291
que todos tenemos,

163
00:08:47,291 --> 00:08:49,311
que es que somos parte del mundo.

164
00:08:49,311 --> 00:08:52,747
Puede no parecer un problema, 
pero como la mayoría de los problemas,

165
00:08:52,747 --> 00:08:55,084
es solo un problema 
cuando las cosas van mal.

166
00:08:55,464 --> 00:08:57,275
Tomen este bebé, por ejemplo.

167
00:08:57,275 --> 00:08:58,980
Las cosas van mal para él.

168
00:08:58,980 --> 00:09:01,251
Le gustaría jugar con este juguete, 
y no puede.

169
00:09:01,251 --> 00:09:03,780
Les mostraré unos pocos segundos del clip.

170
00:09:09,340 --> 00:09:11,260
Hay dos grandes posibilidades:

171
00:09:11,260 --> 00:09:13,894
Tal vez él está haciendo algo mal,

172
00:09:13,894 --> 00:09:18,110
o tal vez hay algo mal con el juguete.

173
00:09:18,110 --> 00:09:20,221
Así que en el siguiente experimento,

174
00:09:20,221 --> 00:09:23,518
daremos a los bebés solo 
unos pocos datos estadísticos

175
00:09:23,518 --> 00:09:26,100
para apoyar una hipótesis sobre la otra,

176
00:09:26,100 --> 00:09:29,555
y veremos si pueden usarlos 
para tomar decisiones diferentes

177
00:09:29,555 --> 00:09:31,389
acerca de qué hacer.

178
00:09:31,389 --> 00:09:33,411
Aquí está la configuración.

179
00:09:34,071 --> 00:09:37,101
Hyowon intentará que 
el juguete funcione y tenga éxito.

180
00:09:37,101 --> 00:09:40,421
Yo a continuación lo intentaré 
dos veces y fallaré en ambas,

181
00:09:40,421 --> 00:09:43,533
y luego Hyowon lo intentará de nuevo 
y tendrá éxito,

182
00:09:43,533 --> 00:09:46,705
lo que resume casi mi relación 
con mis estudiantes de posgrado

183
00:09:46,705 --> 00:09:49,540
en tecnología en todos los ámbitos.

184
00:09:50,030 --> 00:09:53,322
Pero el punto importante aquí es 
que proporciona algo de evidencia

185
00:09:53,322 --> 00:09:56,990
que el problema no es con el juguete, 
que es con la persona.

186
00:09:56,990 --> 00:09:59,340
Algunos pueden 
hacer funcionar este juguete,

187
00:09:59,340 --> 00:10:00,299
y otros no pueden.

188
00:10:00,799 --> 00:10:04,212
Cuando el bebé recibe el juguete, 
optará por una alternativa.

189
00:10:04,212 --> 00:10:06,400
Su mamá está ahí,

190
00:10:06,400 --> 00:10:09,715
para que pueda continuar 
y cambiar a la persona,

191
00:10:09,715 --> 00:10:12,873
pero también habrá 
otro juguete al final de esa tela,

192
00:10:12,873 --> 00:10:16,425
y él puede tirar de la tela hacia él 
y cambiar el juguete.

193
00:10:16,425 --> 00:10:18,515
Así que veamos qué hace el bebé.

194
00:10:18,515 --> 00:10:22,698
(Video) HG: Dos, tres. ¡Adelante! 
(Música)

195
00:10:22,698 --> 00:10:25,829
LS: Uno, dos, tres, ¡ya!

196
00:10:25,829 --> 00:10:33,211
Arthur, voy a intentarlo de nuevo. 
Uno, dos, tres, ¡ya!

197
00:10:33,677 --> 00:10:36,277
YG: Arthur, déjame intentarlo de nuevo, 
¿de acuerdo?

198
00:10:36,277 --> 00:10:40,827
Uno, dos, tres, ¡ya! 
(Música)

199
00:10:41,583 --> 00:10:43,466
Mira eso. ¿Recuerdas estos juguetes?

200
00:10:43,466 --> 00:10:46,730
¿Ves estos juguetes? 
Sí, voy a poner este aquí,

201
00:10:46,730 --> 00:10:48,792
y te voy a dar este.

202
00:10:48,792 --> 00:10:51,127
Puede jugar.

203
00:11:11,213 --> 00:11:15,950
BT: Bueno, Laura, pero, por supuesto, 
los bebés aman a sus mamás.

204
00:11:15,950 --> 00:11:18,132
Claro, los bebés 
dan juguetes a sus mamás

205
00:11:18,132 --> 00:11:20,162
cuando no pueden hacer que funcionen.

206
00:11:20,162 --> 00:11:23,755
De nuevo, la pregunta realmente 
importante es qué sucede cuando cambiamos

207
00:11:23,755 --> 00:11:26,909
los datos estadísticos ligeramente.

208
00:11:26,909 --> 00:11:30,996
Esta vez, los bebés verán el juguete 
funcionar y fallar en el mismo orden,

209
00:11:30,996 --> 00:11:33,411
pero cambiamos la distribución 
de las pruebas.

210
00:11:33,411 --> 00:11:37,822
Esta vez, Hyowon tendrá éxito una vez 
y fallará otra, y yo también

211
00:11:37,822 --> 00:11:43,459
Y esto sugiere que no importa quién usa 
el juguete, el juguete falla.

212
00:11:43,459 --> 00:11:45,345
No funciona todo el tiempo.

213
00:11:45,345 --> 00:11:47,310
Una vez más, 
el bebé tendrá una elección.

214
00:11:47,310 --> 00:11:50,706
Su mamá está justo al lado, para que 
ella pueda cambiar a la persona,

215
00:11:50,706 --> 00:11:53,910
y habrá otro juguete al final de la tela.

216
00:11:53,910 --> 00:11:55,288
Vamos a ver lo que hace.

217
00:11:55,288 --> 00:11:59,636
(Video) HG: Dos, tres, ¡ya! 
(Música)

218
00:11:59,636 --> 00:12:04,620
Déjame intentarlo una vez más. 
Uno, dos, tres, ¡ya!

219
00:12:05,460 --> 00:12:07,157
Hmm.

220
00:12:07,950 --> 00:12:10,642
LS: Déjame intentar, Clara.

221
00:12:10,642 --> 00:12:14,587
Uno, dos, tres, ¡ya!

222
00:12:15,265 --> 00:12:17,200
Hmm, déjame intentarlo de nuevo.

223
00:12:17,200 --> 00:12:22,870
Uno, dos, tres, ¡ya! 
(Música)

224
00:12:23,009 --> 00:12:25,242
HG: Voy a poner este por aquí,

225
00:12:25,242 --> 00:12:27,243
y te voy a dar éste.

226
00:12:27,243 --> 00:12:30,840
Puedes usarlo y jugar.

227
00:12:46,376 --> 00:12:51,273
(Aplausos)

228
00:12:52,993 --> 00:12:55,385
LS: Les mostrará 
los resultados experimentales.

229
00:12:55,385 --> 00:12:57,860
En el eje vertical, verán la distribución

230
00:12:57,860 --> 00:13:00,437
de opciones de los niños 
en cada condición,

231
00:13:00,437 --> 00:13:04,988
y verán que la distribución 
de las opciones de los niños

232
00:13:04,988 --> 00:13:07,775
dependen de los ensayos que observan.

233
00:13:07,775 --> 00:13:09,632
Así, en el segundo año de vida,

234
00:13:09,632 --> 00:13:12,209
los bebés pueden usar 
algo de los datos estadísticos

235
00:13:12,209 --> 00:13:15,576
para decidir entre dos estrategias 
fundamentalmente diferentes

236
00:13:15,576 --> 00:13:17,457
para actuar en el mundo:

237
00:13:17,457 --> 00:13:20,200
pedir ayuda y explorar.

238
00:13:21,700 --> 00:13:25,134
Acabo de mostrarles 
dos experimentos de laboratorio

239
00:13:25,134 --> 00:13:28,825
de literalmente cientos en el campo 
que llegan a resultados similares,

240
00:13:28,825 --> 00:13:31,217
debido a que el punto realmente crítico es

241
00:13:31,217 --> 00:13:36,325
que la capacidad de los niños para hacer 
inferencias a partir de datos escasos

242
00:13:36,325 --> 00:13:41,666
subyace a todo el aprendizaje cultural 
específico de la especie.

243
00:13:41,666 --> 00:13:46,263
Los niños aprenden nuevas herramientas 
a partir de solo algunos ejemplos.

244
00:13:46,263 --> 00:13:50,980
Aprenden nuevas relaciones causales 
a partir de solo algunos ejemplos.

245
00:13:51,928 --> 00:13:56,799
Incluso aprenden nuevas palabras, en este 
caso en el lenguaje de señas americano.

246
00:13:56,799 --> 00:13:59,110
Quiero cerrar con solo dos puntos.

247
00:14:00,050 --> 00:14:03,738
Si han seguido mi mundo, el campo 
de las ciencias cerebrales y cognitivas,

248
00:14:03,738 --> 00:14:05,665
en los últimos años,

249
00:14:05,665 --> 00:14:08,080
tres grandes ideas 
habrán llamado su atención.

250
00:14:08,080 --> 00:14:11,516
La primera es que esta 
es la era del cerebro.

251
00:14:11,516 --> 00:14:15,185
Y, en efecto, ha habido descubrimientos 
asombrosos en neurociencia:

252
00:14:15,185 --> 00:14:18,621
localización de regiones funcionalmente 
especializados de la corteza,

253
00:14:18,621 --> 00:14:21,222
logrando cerebros de ratón transparentes,

254
00:14:21,222 --> 00:14:24,998
la activación de las neuronas con la luz.

255
00:14:24,998 --> 00:14:26,994
Una segunda gran idea

256
00:14:26,994 --> 00:14:31,098
es que esta es la era de los grandes 
datos y el aprendizaje automático,

257
00:14:31,098 --> 00:14:34,392
y las máquinas que aprenden prometen 
revolucionar nuestra comprensión

258
00:14:34,392 --> 00:14:38,906
de todo, desde las redes sociales 
a la epidemiología.

259
00:14:38,906 --> 00:14:41,599
Tal vez, al afrontar problemas 
de la escena comprensión

260
00:14:41,599 --> 00:14:43,592
y el procesamiento del lenguaje natural,

261
00:14:43,592 --> 00:14:46,916
nos diga algo sobre la cognición humana.

262
00:14:47,756 --> 00:14:49,693
Y la gran idea final que habrán oído

263
00:14:49,693 --> 00:14:53,080
es que tal vez es una buena idea que 
vamos a saber tanto de cerebros

264
00:14:53,080 --> 00:14:54,997
y tener tanto acceso a grandes datos,

265
00:14:54,997 --> 00:14:57,504
porque dejaremos a 
nuestros propios dispositivos,

266
00:14:57,504 --> 00:15:01,335
los seres humanos son falibles, 
tomamos atajos,

267
00:15:01,335 --> 00:15:04,772
erramos, cometemos errores,

268
00:15:04,772 --> 00:15:08,456
estamos sesgados, 
y en innumerables formas,

269
00:15:08,456 --> 00:15:11,425
obtenemos el mundo equivocado.

270
00:15:12,843 --> 00:15:15,792
Creo que estas son todas 
historias importantes,

271
00:15:15,792 --> 00:15:19,577
y tienen mucho que decirnos 
acerca de lo que significa ser humano,

272
00:15:19,577 --> 00:15:23,106
pero tengan en cuenta que hoy 
les conté una historia muy diferente.

273
00:15:23,966 --> 00:15:27,773
Es una historia acerca de la mente 
y no del cerebro,

274
00:15:27,773 --> 00:15:30,779
y, en particular, es una historia 
sobre los tipos de cálculos

275
00:15:30,779 --> 00:15:33,369
que las mentes humanas pueden realizar 
de forma única,

276
00:15:33,369 --> 00:15:37,313
que implican, ricos conocimientos 
estructurados y capacidad de aprender

277
00:15:37,313 --> 00:15:42,581
desde pequeñas cantidades de datos, 
la evidencia de unos pocos ejemplos.

278
00:15:44,301 --> 00:15:48,600
Y fundamentalmente, es una historia sobre 
cómo iniciar a los niños muy pequeños

279
00:15:48,600 --> 00:15:52,780
y continuar hasta el final 
a los más grandes logros

280
00:15:52,780 --> 00:15:56,623
de nuestra cultura,

281
00:15:56,623 --> 00:15:58,620
tenemos al mundo bien.

282
00:16:00,433 --> 00:16:05,700
La mente humana no solo aprende 
de pequeñas cantidades de datos.

283
00:16:06,285 --> 00:16:08,386
Las mentes humanas piensan nuevas ideas.

284
00:16:08,746 --> 00:16:11,787
Las mentes humanas generan 
investigación y descubrimiento,

285
00:16:11,787 --> 00:16:17,060
y las mentes humanas producen arte 
y literatura y poesía y teatro,

286
00:16:17,070 --> 00:16:20,830
y las mentes humanas 
cuidan de otros seres humanos:

287
00:16:20,830 --> 00:16:24,257
nuestros mayores, nuestros jóvenes, 
nuestros enfermos.

288
00:16:24,517 --> 00:16:26,884
Incluso nos sana.

289
00:16:27,564 --> 00:16:30,667
En los próximos años, veremos 
las innovaciones tecnológicas

290
00:16:30,667 --> 00:16:34,464
incluso más allá de lo 
que yo pueda imaginar,

291
00:16:34,464 --> 00:16:36,614
pero es muy poco probable

292
00:16:36,614 --> 00:16:42,323
ver cualquier cosa, incluso aproximarse a 
la potencia de cálculo de un niño humano

293
00:16:42,323 --> 00:16:46,621
en mi vida o en la suya.

294
00:16:46,621 --> 00:16:51,668
Si invertimos en estos más 
poderosos alumnos y en su desarrollo,

295
00:16:51,668 --> 00:16:54,585
en los bebés y niños

296
00:16:54,585 --> 00:16:56,411
y madres y padres

297
00:16:56,411 --> 00:16:59,110
y cuidadores y maestros

298
00:16:59,110 --> 00:17:03,280
en la forma en que invertimos en nuestras 
otras formas más poderosas y elegantes

299
00:17:03,280 --> 00:17:06,498
de tecnología, ingeniería y diseño,

300
00:17:06,498 --> 00:17:09,436
no vamos simplemente a estar soñando 
con un futuro mejor,

301
00:17:09,436 --> 00:17:11,564
estaremos planeando para uno.

302
00:17:11,564 --> 00:17:13,909
Muchas gracias.

303
00:17:13,909 --> 00:17:17,329
(Aplausos)

304
00:17:17,810 --> 00:17:22,236
Chris Anderson: Laura, gracias. En 
realidad tengo una pregunta.

305
00:17:22,236 --> 00:17:24,595
En primer lugar, 
la investigación es una locura.

306
00:17:24,595 --> 00:17:28,319
Quiero decir, ¿quién diseñaría un 
experimento como ese? (Risas)

307
00:17:29,150 --> 00:17:30,940
Los he visto un par de veces,

308
00:17:30,940 --> 00:17:34,162
y todavía honestamente no creo que 
realmente esté pasando,

309
00:17:34,162 --> 00:17:37,320
pero otras personas han hecho 
experimentos similares; revisen.

310
00:17:37,320 --> 00:17:38,953
Los bebés son realmente genios.

311
00:17:38,953 --> 00:17:41,960
LS: Se ven realmente 
impresionantes en nuestros experimentos,

312
00:17:41,960 --> 00:17:44,612
pero piensa en cómo se ven 
en la vida real, ¿verdad?

313
00:17:44,612 --> 00:17:45,762
Empiezan como un bebé.

314
00:17:45,762 --> 00:17:47,769
18 meses más tarde, 
hablan contigo,

315
00:17:47,769 --> 00:17:50,810
y las primeras palabras no son solo 
cosas como pelotas y patos,

316
00:17:50,810 --> 00:17:53,691
son cosas como "se acabó", 
que se refieren a desaparición,

317
00:17:53,691 --> 00:17:55,974
o "uh-oh", para acciones intencionales.

318
00:17:55,974 --> 00:17:57,536
Tiene que ser tan poderoso.

319
00:17:57,536 --> 00:18:00,311
Tiene que ser mucho más poderoso 
que cualquier otra cosa.

320
00:18:00,311 --> 00:18:02,285
Están averiguando el mundo entero.

321
00:18:02,285 --> 00:18:05,429
Un niño de 4 años, 
puede hablarte de casi cualquier cosa.

322
00:18:05,429 --> 00:18:07,030
(Aplausos)

323
00:18:07,030 --> 00:18:10,444
CA: ¿Y te he entendido bien, el otro 
punto clave que estás haciendo es,

324
00:18:10,444 --> 00:18:13,198
que hemos pasado estos años 
donde hay todas estas charlas

325
00:18:13,198 --> 00:18:15,130
de lo rara y loca
que es nuestra mente,

326
00:18:15,130 --> 00:18:17,997
la economía del comportamiento 
y las teorías subyacentes

327
00:18:17,997 --> 00:18:19,600
de que no somos agentes racionales.

328
00:18:19,600 --> 00:18:23,816
Realmente dices que la historia 
más grande es lo extraordinario,

329
00:18:23,816 --> 00:18:28,760
y que en realidad 
es el genio que es poco apreciado.

330
00:18:28,760 --> 00:18:30,830
LS: Una de mis citas favoritas 
de psicología

331
00:18:30,830 --> 00:18:33,120
proviene del psicólogo social 
Solomon Asch, quien dijo

332
00:18:33,120 --> 00:18:35,927
que la tarea fundamental 
de la psicología es quitar

333
00:18:35,927 --> 00:18:38,553
el velo de la autoevidencia de las cosas.

334
00:18:38,553 --> 00:18:43,104
Hay órdenes de magnitud, 
más decisiones que tomar cada día

335
00:18:43,104 --> 00:18:44,451
que logran un buen mundo.

336
00:18:44,451 --> 00:18:46,583
Sabes de los objetos y sus propiedades.

337
00:18:46,583 --> 00:18:49,612
Los conoces cuando están ocultos. 
Los conoces en la oscuridad.

338
00:18:49,612 --> 00:18:50,920
Puedes caminar por salas.

339
00:18:50,920 --> 00:18:54,452
Puedes averiguar qué están pensando 
otros. Puedes hablar con ellos.

340
00:18:54,452 --> 00:18:56,682
Navegas por el espacio. 
Sabes sobre números.

341
00:18:56,682 --> 00:18:59,704
Sabes las relaciones causales. 
Y sobre el razonamiento moral.

342
00:18:59,704 --> 00:19:02,060
Lo haces sin esfuerzo, así que no lo ves,

343
00:19:02,060 --> 00:19:04,972
pero así es como conseguimos 
un buen mundo, y es un notable

344
00:19:04,972 --> 00:19:07,290
y logros muy difíciles de entender.

345
00:19:07,290 --> 00:19:09,918
CA: Sospecho que hay gente 
en la audiencia que tiene

346
00:19:09,918 --> 00:19:12,156
la visión de la aceleración tecnológica

347
00:19:12,156 --> 00:19:15,114
que podría controvertir tu afirmación 
de que en nuestras vidas

348
00:19:15,114 --> 00:19:18,212
una computadora no hará lo que un niño 
de tres años puede hacer,

349
00:19:18,212 --> 00:19:20,980
pero lo que está claro 
es que en cualquier escenario,

350
00:19:20,980 --> 00:19:24,750
nuestras máquinas tienen mucho 
que aprender de nuestros niños.

351
00:19:26,230 --> 00:19:29,446
LS: Creo que sí. Habrá máquinas 
de aprendizaje automático.

352
00:19:29,446 --> 00:19:33,649
Quiero decir, nunca debe apostar 
en contra de los bebés o los chimpancés

353
00:19:33,649 --> 00:19:37,294
o la tecnología como 
una cuestión de práctica,

354
00:19:37,294 --> 00:19:41,822
pero no se trata solo 
de una diferencia en la cantidad,

355
00:19:41,822 --> 00:19:43,586
es una diferencia en cualidad.

356
00:19:43,586 --> 00:19:45,746
Tenemos computadoras muy potentes,

357
00:19:45,746 --> 00:19:48,137
y las hacen hacer cosas 
muy sofisticadas,

358
00:19:48,137 --> 00:19:51,341
a menudo con muy grandes 
cantidades de datos.

359
00:19:51,341 --> 00:19:53,948
Las mentes humanas hacen, 
creo, algo muy distinto,

360
00:19:53,948 --> 00:19:57,843
y creo que es la naturaleza estructurada 
y jerárquica del conocimiento humano

361
00:19:57,843 --> 00:19:59,875
lo que sigue siendo un verdadero desafío.

362
00:19:59,875 --> 00:20:03,449
CA: Laura Schulz, maravilloso alimento 
para la reflexión. Muchas gracias.

363
00:20:03,449 --> 00:20:05,858
LS: Gracias. 
(Aplausos)