0:00:00.835,0:00:02.990
Mark Twain a résumé[br]ce que je considère être

0:00:02.990,0:00:06.110
un des problèmes fondamentaux[br]de la science cognitive

0:00:06.110,0:00:07.820
avec une plaisanterie unique.

0:00:08.200,0:00:11.492
Il a dit, « La science [br]a quelque chose de fascinant.

0:00:11.492,0:00:14.720
On reçoit des retours en masse[br]de conjecture

0:00:14.720,0:00:17.924
sur un investissement[br]aussi insignifiant en soi. »

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

0:00:20.149,0:00:22.803
C'était une plaisanterie,[br]bien-sûr, mais Twain a raison :

0:00:22.803,0:00:25.679
la science a quelque chose de fascinant.

0:00:25.679,0:00:29.940
De quelques os, nous déduisons[br]l’existence des dinosaures.

0:00:30.910,0:00:34.781
De raies spectrales,[br]la composition des nébuleuses.

0:00:35.471,0:00:38.409
De mouches à fruits,

0:00:38.409,0:00:41.352
les mécanismes de l'hérédité,

0:00:41.352,0:00:45.601
et d’images reconstituées[br]de sang circulant dans le cerveau,

0:00:45.601,0:00:50.309
ou dans mon cas, du comportement[br]de très jeunes enfants,

0:00:50.309,0:00:52.438
nous essayons de dire[br]quelque chose à propos

0:00:52.438,0:00:55.286
des mécanismes fondamentaux[br]de la cognition humaine.

0:00:55.716,0:00:57.105
Surtout dans mon laboratoire

0:00:57.105,0:01:00.475
du Département du Cerveau[br]et Sciences Cognitives au MIT,

0:01:00.475,0:01:03.409
j’ai passé la dernière décennie[br]essayant de comprendre

0:01:03.409,0:01:04.926
le mystère derrière lequel

0:01:04.926,0:01:08.346
les enfants apprennent tellement[br]à partir de si peu si rapidement.

0:01:08.346,0:01:11.644
Parce qu'en fait, ce qui est fascinant[br]à propos de la science

0:01:11.644,0:01:15.173
fascine aussi à propos des enfants,[br]

0:01:15.173,0:01:17.754
et donc la touche [br]légère de Mark Twain,

0:01:17.754,0:01:19.404
est précisément leur capacité

0:01:19.404,0:01:22.404
de tirer des conclusions[br]riches, abstraites,

0:01:22.404,0:01:27.065
avec rapidité et avec précision[br]à partir de données éparses, bruitées.[br]

0:01:28.355,0:01:30.753
Je vais vous donner[br]deux exemples aujourd’hui.

0:01:30.753,0:01:33.090
L’un porte sur un problème[br]de généralisation,

0:01:33.090,0:01:35.890
et l’autre sur une problème [br]de la relation de causalité.

0:01:35.890,0:01:38.525
Bien que je parle du travail[br]dans mon laboratoire,

0:01:38.525,0:01:41.575
ce travail est inspiré par un domaine.[br]auquel je suis redevable.

0:01:41.575,0:01:44.308
Je suis reconnaissante[br]aux mentors, collègues,

0:01:44.308,0:01:46.308
et collaborateurs[br]dans le monde entier.

0:01:47.308,0:01:50.282
Laissez-moi commencer[br]par le problème de généralisation.

0:01:50.422,0:01:53.015
Généraliser à partir[br]de petits échantillons de données

0:01:53.015,0:01:54.785
est le fer de lance de la science.

0:01:54.785,0:01:57.269
Nous sondons une infime[br]fraction de l'électorat

0:01:57.269,0:01:59.660
et prévoyons le résultat[br]des élections nationales.

0:02:00.050,0:02:02.060
Nous voyons comment[br]une poignée de patients

0:02:02.060,0:02:04.165
réagit au traitement[br]d'un essai clinique,

0:02:04.165,0:02:07.160
et nous introduisons les médicaments[br]à un marché national.

0:02:07.160,0:02:09.255
Mais cela ne réussit que[br]si notre échantillon

0:02:09.255,0:02:11.595
est tiré aléatoirement[br]à partir de la population.

0:02:11.595,0:02:14.330
Si notre échantillon[br]est trié sur le volet -

0:02:14.330,0:02:16.882
si nous ne sondions[br]que les électeurs urbains,

0:02:16.882,0:02:20.790
ou si, dans nos essais cliniques[br]pour traitements de maladies cardiaques,

0:02:20.790,0:02:22.671
nous ne retenions[br]que des hommes--

0:02:22.671,0:02:25.829
les résultats ne se généraliseront pas[br]à l’ensemble de population.

0:02:26.429,0:02:28.049
Donc les scientifiques se soucient

0:02:28.049,0:02:30.180
si l'échantillon est aléatoire ou non,

0:02:30.190,0:02:32.305
mais quel rapport[br]cela a-t-il avec les bébés?

0:02:32.585,0:02:34.396
Eh bien, les bébés doivent généraliser

0:02:34.396,0:02:37.066
à partir de petits échantillons[br]de données tout le temps.

0:02:37.066,0:02:40.444
Ils voient quelques canards en caoutchouc[br]et apprennent qu'ils flottent

0:02:40.444,0:02:43.869
ou quelques balles[br]et apprennent qu'elles rebondissent.

0:02:43.869,0:02:46.890
Et ils découvrent les caractéristiques[br]des canards et des balles

0:02:46.890,0:02:49.606
qu'ils vont attendre des canards[br]en caoutchouc et balles

0:02:49.606,0:02:51.485
pour le restant de leur vie.

0:02:51.485,0:02:55.014
Et les types de généralisations[br]que les bébés font à ce propos,

0:02:55.014,0:02:57.313
ils devront les faire[br]à propos de presque tout:

0:02:57.313,0:03:01.230
des chaussures, navires, [br]cire à sceller, choux et rois.

0:03:01.820,0:03:03.530
Les bébés se soucient-ils[br]de savoir

0:03:03.530,0:03:05.341
si le peu de preuves[br]qu'ils observent

0:03:05.341,0:03:08.853
représente de manière plausible [br]l’ensemble de la population?

0:03:09.763,0:03:11.663
Allons vérifier.

0:03:11.663,0:03:13.386
Je vais vous montrer deux films,

0:03:13.386,0:03:15.848
un pour chacune des 2 conditions[br]d'une expérience,

0:03:15.848,0:03:18.286
et parce que vous n’allez[br]voir que deux films,

0:03:18.286,0:03:20.422
vous n’allez voir que deux bébés,[br]

0:03:20.422,0:03:24.369
et ils diffèrent l'un de l'autre[br]de bien des façons.

0:03:24.369,0:03:25.679
Mais ces bébés, bien-sûr,

0:03:25.679,0:03:27.700
représentent des groupes de bébés,

0:03:27.700,0:03:30.825
et les différences ici représentent[br]les différences moyennes

0:03:30.825,0:03:34.510
par groupe dans le comportement des bébés[br]à travers différentes situations.

0:03:34.910,0:03:37.743
Dans chaque film, vous allez voir[br]qu’un bébé peut-être faire

0:03:37.743,0:03:41.203
exactement ce que vous pourriez[br]attendre de lui qu’il fasse,

0:03:41.203,0:03:43.090
et nous pouvons difficilement

0:03:43.090,0:03:45.480
rendre les bébés[br]plus magiques qu’ils ne sont déjà.

0:03:46.090,0:03:48.100
Mais à mon avis,[br]ce qui est magique,

0:03:48.100,0:03:50.529
et ce sur quoi je voudrais[br]attirer votre attention,

0:03:50.529,0:03:53.300
est le contraste entre[br]ces deux conditions,

0:03:53.300,0:03:56.829
parce que le seul élément[br]qui diffère entre ces deux films

0:03:56.829,0:04:00.295
est la preuve statistique[br]que les bébés vont observer.

0:04:01.425,0:04:04.605
Nous allons montrer aux bébés[br]une boite de balles bleues et jaunes,

0:04:04.608,0:04:09.518
et mon étudiante diplômée, Hyowon Gweon,[br]maintenant une collègue à Stanford,

0:04:09.518,0:04:12.305
va tirer trois balles[br]d’affilée de cette boite,

0:04:12.305,0:04:15.428
et en les tirant,[br]elle va les presser;

0:04:15.428,0:04:17.541
les balles vont couiner.

0:04:17.541,0:04:20.304
Et si vous êtes un bébé[br]c'est comme un Talk TED,

0:04:20.304,0:04:22.208
on ne fait pas mieux.

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

0:04:26.908,0:04:29.387
Mais le point important[br]est qu'il est vraiment facile

0:04:29.387,0:04:31.147
de tirer trois[br]balles bleues d’affilée

0:04:31.147,0:04:32.932
d'une boîte de balles[br]surtout bleues.

0:04:32.932,0:04:34.992
Vous pourriez le faire[br]les yeux fermés.

0:04:34.992,0:04:37.618
C'est un échantillon aléatoire possible[br]de cet ensemble.

0:04:37.618,0:04:39.858
Et si vous pouvez tirer au hasard[br]dans une boîte

0:04:39.858,0:04:41.850
pour en obtenir[br]des choses qui couinent,

0:04:41.850,0:04:44.559
alors peut-être que[br]tout dans cette boîte couine.

0:04:44.559,0:04:48.209
Les bébés devront donc s’attendre[br]à ce que les boules jaunes couinent aussi.

0:04:48.209,0:04:50.538
Les boules jaunes ont[br]des bâtons amusants au bout,

0:04:50.538,0:04:53.645
donc les bébés peuvent les[br]utiliser différemment s’ils le veulent.

0:04:53.645,0:04:55.546
Ils pourraient les lancer ou taper avec.

0:04:55.546,0:04:58.002
Mais voyons[br]ce que fait le bébé.

0:05:00.548,0:05:03.891
(Vidéo) Hyowon Gweon: Tu vois ceci?[br](Couinement)

0:05:04.531,0:05:07.576
(Vidéo) Hyowon Gweon: Tu vois ceci?[br](Couinement)

0:05:08.036,0:05:09.482
Cool.

0:05:12.706,0:05:14.656
Tu vois celle-là?

0:05:14.656,0:05:16.107
(Couinement)

0:05:16.107,0:05:18.220
Ouah.

0:05:21.854,0:05:23.967
Laura Schulz: Je vous l'avais dit.[br](Rires)

0:05:23.967,0:05:27.998
(Vidéo) HG: Tu vois celle-là?[br](Couinement)

0:05:27.998,0:05:32.617
Hé Clara, celle-ci est pour toi.[br]Vas-y, tu peux jouer avec.

0:05:38.494,0:05:42.719
(Rires)[br][br]

0:05:44.109,0:05:46.704
LS: Je n’ai même pas besoin[br]de parler, n’est-ce pas?

0:05:47.214,0:05:49.873
C’est bien que les bébés[br]généralisent les propriétés

0:05:49.873,0:05:51.561
des balles bleues aux balles jaunes

0:05:51.561,0:05:55.031
et il est impressionnant que les bébés[br]puissent apprendre en nous imitant,

0:05:55.031,0:05:58.406
mais nous savions ça à propos[br]des bébés depuis très longtemps.

0:05:58.406,0:05:59.987
La question vraiment intéressante

0:05:59.987,0:06:03.069
est ce qui arrive si nous leur montrons[br]exactement la même chose,

0:06:03.069,0:06:05.049
et que nous sommes sûrs[br]que c'est le cas,

0:06:05.049,0:06:06.760
parce qu'on a[br]un compartiment secret

0:06:06.760,0:06:08.790
dans lequel on garde les balles.

0:06:08.790,0:06:12.268
Mais cette fois-ci, nous ne changeons[br]que l'ensemble apparent

0:06:12.268,0:06:15.170
dans lequel cette preuve est tirée.

0:06:15.170,0:06:18.723
Cette fois, nous allons montrer[br]aux bébés trois balles bleues

0:06:18.723,0:06:22.107
tirées d’une boite[br]essentiellement de boules jaunes.

0:06:22.107,0:06:23.429
et devinez quoi ?

0:06:23.429,0:06:25.629
Vous ne pourriez pas tirer[br]de manière aléatoire

0:06:25.629,0:06:28.823
trois balles bleues d’affilée[br]d’une boite de balles surtout jaunes.

0:06:28.823,0:06:32.500
Ce n’est pas[br]un échantillon aléatoire probable.

0:06:32.500,0:06:34.623
Cette preuve montre que Hyowon

0:06:34.623,0:06:37.363
a peut-être intentionnellement[br]choisi les balles bleues.

0:06:37.363,0:06:40.356
Peut-être que les balles bleues[br]ont quelque chose de spécial.

0:06:40.846,0:06:43.822
Peut-être que seules[br]les balles bleues couinent.

0:06:43.822,0:06:45.717
Voyons voir ce que le bébé fait.

0:06:45.717,0:06:48.621
(Vidéo) HG: Tu vois ceci?[br](Couinement)

0:06:50.851,0:06:53.496
Tu vois ce jouet?[br](Couinement)

0:06:53.496,0:06:57.396
Oh, c’était cool. [br](Couinement)

0:06:58.976,0:07:03.370
Maintenant, c’est à toi de jouer avec.[br]Vas-y et joue.

0:07:06.074,0:07:12.421
(Agitation)[br](Rires)

0:07:14.901,0:07:17.649
LS : Vous venez de voir[br]2 bébés de 15 mois

0:07:17.649,0:07:19.591
faire 2 choses[br]totalement différentes

0:07:19.591,0:07:23.190
en s'appuyant sur la probabilité[br]des échantillons qu’ils ont observés.

0:07:23.190,0:07:25.531
Voici les résultats de l’expérience.

0:07:25.531,0:07:28.275
Sur l’axe vertical, vous verrez[br]le pourcentage de bébés

0:07:28.275,0:07:30.805
qui a pressé la balle[br]dans chacune des situations,

0:07:30.805,0:07:32.295
et comme vous le constaterez,

0:07:32.295,0:07:34.520
les bébés généralisent[br]plus souvent le résultat

0:07:34.520,0:07:37.655
quand il représente[br]un échantillon probable de l'ensemble,

0:07:37.655,0:07:41.393
que quand la preuve[br]est clairement triée sur le volet.

0:07:41.393,0:07:43.808
Et ceci mène[br]à une prédiction amusante:

0:07:43.808,0:07:46.526
Supposons que vous n’ayez tiré[br]qu’une seule balle bleue

0:07:46.526,0:07:48.896
d'une boîte de boules[br]essentiellement jaunes.

0:07:48.896,0:07:51.416
Vous ne pourriez pas tirer[br]au hasard 3 balles bleues

0:07:51.416,0:07:52.545
d’une boite de jaunes,

0:07:52.545,0:07:55.220
mais vous pourriez ne tirer[br]au hasard qu’une balle bleue.

0:07:55.220,0:07:57.280
Cela n’est pas[br]un échantillon improbable.

0:07:57.280,0:07:59.560
Et si vous tirer au hasard dans une boite

0:07:59.560,0:08:01.234
quelque chose qui couine,

0:08:01.234,0:08:03.401
peut-être que tout[br]dans cette boite couine.

0:08:03.875,0:08:08.320
Donc même si les bébés observeront[br]moins de preuves de couinement,

0:08:08.320,0:08:10.202
et ont beaucoup[br]moins d’actions à imiter

0:08:10.202,0:08:11.852
avec une unique balle

0:08:11.852,0:08:13.402
qu'avec plusieurs

0:08:13.402,0:08:16.175
nous avions prédit que[br]les bébés eux-mêmes

0:08:16.175,0:08:17.797
presseront la boule davantage,

0:08:17.797,0:08:20.691
et c’est exactement que nous avons trouvé.

0:08:20.691,0:08:25.102
Donc les bébés de 15 mois,[br]à ce sujet, comme les scientifiques,

0:08:25.102,0:08:28.190
se soucient si l'échantillon[br]est aléatoire ou non.

0:08:28.190,0:08:31.697
Et ils emploient ceci pour développer[br]leurs attentes du monde :

0:08:31.697,0:08:33.879
ce qui couine ou ne couine pas,

0:08:33.879,0:08:37.024
quoi explorer et quoi ignorer.

0:08:38.384,0:08:40.170
Un autre exemple maintenant.

0:08:40.170,0:08:43.180
Cette fois sur un problème[br]de relation de causalité.

0:08:43.180,0:08:45.619
Et il commence par la pensée déconcertante

0:08:45.619,0:08:47.291
que nous avons tous,

0:08:47.291,0:08:49.311
à savoir que nous faisons partie du monde.

0:08:49.311,0:08:51.677
Et cela ne vous paraît[br]peut-être pas problématique

0:08:51.677,0:08:53.147
mais comme tous les problèmes,[br]

0:08:53.147,0:08:55.464
ce n'en est un que[br]quand les choses vont mal.

0:08:55.464,0:08:57.275
Prenez ce bébé, par exemple.[br]

0:08:57.275,0:08:58.750
Les choses vont mal pour lui.

0:08:58.750,0:09:01.251
Il veut faire marcher[br]ce jouet, mais n’y arrive pas.

0:09:01.251,0:09:03.780
Je vais vous montrer un clip[br]de quelques secondes.

0:09:08.940,0:09:11.260
Et il y a en fait deux possibilités :

0:09:11.260,0:09:13.894
Peut-être fait-il quelque chose de mal,[br][br]

0:09:13.894,0:09:18.110
ou alors il y a quelque chose[br]de mal avec le jouet.

0:09:18.110,0:09:20.221
Donc dans cette prochaine expérience,

0:09:20.221,0:09:23.518
nous n’allons donner aux bébés[br]que quelques données statistiques

0:09:23.518,0:09:26.100
privilégiant une hypothèse[br]par rapport à l’autre,

0:09:26.100,0:09:28.595
et nous verrons si les bébés[br]pourront se baser sur ça

0:09:28.595,0:09:31.389
pour décider quoi faire.

0:09:31.389,0:09:33.411
Voici la situation.

0:09:34.071,0:09:37.101
Hyowon va essayer de faire fonctionner[br]le jouer et réussir.

0:09:37.101,0:09:40.421
Je vais ensuite essayer deux fois[br]et échouer les deux fois,

0:09:40.421,0:09:43.533
et puis Hyowon va [br]encore essayer et réussir.

0:09:43.533,0:09:46.705
Ceci résume à peu près[br]ma relation avec mes étudiants diplômés

0:09:46.705,0:09:49.540
en technologie[br]à tous les niveaux.

0:09:50.030,0:09:53.322
Mais le point important ici est[br]qu’il fournit un petit peu de preuves

0:09:53.322,0:09:55.562
sur le fait que le [br]problème n'est pas le jouet,

0:09:55.562,0:09:56.990
mais la personne.

0:09:56.990,0:09:59.340
Certaines personnes peuvent[br]faire marcher ce jouet

0:09:59.340,0:10:00.299
et d'autres non.

0:10:00.799,0:10:02.549
Donc, quand le bébé reçoit le jouet,

0:10:02.549,0:10:04.212
il va avoir le choix.

0:10:04.212,0:10:06.940
Sa maman est juste là,[br]afin qu'il puisse aller de l'avant

0:10:06.940,0:10:09.715
et rendre le jouet[br]puis changer la personne,

0:10:09.715,0:10:12.873
mais il va aussi y avoir[br]un autre jouet au bout de ce tissu,

0:10:12.873,0:10:16.425
et il pourra tirer le tissu vers lui[br]pour changer de jouet.

0:10:16.425,0:10:18.515
Alors voyons voir[br]ce que le bébé fait.

0:10:18.515,0:10:22.698
(Vidéo) HG : Deux, trois. Partez![br](Musique)

0:10:22.698,0:10:25.829
LS : Un, deux, trois, partez!

0:10:25.829,0:10:33.211
Arthur, je vais essayer encore.[br]Un, deux, trois, partez!

0:10:33.677,0:10:36.277
YG : Arthur,[br]laisse-moi essayer encore, ok?

0:10:36.277,0:10:40.827
Un, deux, trois, partez![br](Musique)

0:10:41.493,0:10:43.466
Regarde-ca.[br]Tu te souviens de ces jouets?

0:10:43.466,0:10:46.730
Tu vois ces jouets? Ouais, je vais[br]placer celui-ci là-bas,

0:10:46.730,0:10:48.792
et je vais te donner celui-là.

0:10:48.792,0:10:51.127
Tu peux y aller et jouer.

0:11:11.213,0:11:15.950
LS : Ok, Laura, bien évidemment,[br]les bébés aiment leurs mamans.

0:11:15.950,0:11:18.332
Évidemment, ils donnent[br]leurs jouets à leurs mamans

0:11:18.332,0:11:20.202
quand ils ne marchent pas.

0:11:20.202,0:11:22.162
A nouveau, la question[br]vraiment importante

0:11:22.162,0:11:23.975
est ce qui arrive[br]quand nous changeons

0:11:23.975,0:11:26.909
les données statistiques,[br]juste légèrement.

0:11:26.909,0:11:27.876
Cette fois-ci,

0:11:27.876,0:11:31.206
les bébés vont voir le jouet fonctionner[br]et échouer dans le même ordre,

0:11:31.206,0:11:33.471
mais nous changeons[br]la distribution des preuves.

0:11:33.471,0:11:36.372
Cette fois-ci, Hyowon va réussir[br]une fois et échouer une fois,

0:11:36.372,0:11:37.822
et moi de même.

0:11:37.822,0:11:43.459
Donc cela suggère que peu importe[br]qui essaie ce jouet, le jouet est cassé.

0:11:43.459,0:11:45.345
Ça ne marche pas tout le temps.

0:11:45.345,0:11:47.310
De nouveau,[br]le bébé va avoir le choix.

0:11:47.310,0:11:50.886
Sa maman est juste à côté,[br]le bébé pourra changer de personne,

0:11:50.886,0:11:52.990
et il y aura un autre jouet[br]au bout du tissu.

0:11:52.990,0:11:54.758
Regardons ce qu’elle fait.

0:11:55.288,0:11:59.636
(Vidéo) HG : Deux, trois, partez![br](Musique)

0:11:59.636,0:12:04.620
Laisse-moi essayer encore une fois.[br]Un, deux, trois, partez!

0:12:05.460,0:12:07.157
Hm.

0:12:07.950,0:12:10.642
LS : Laisse-moi essayer, Clara.

0:12:10.642,0:12:14.587
Un, deux, trois, partez!

0:12:15.265,0:12:17.200
Hm, laisse-moi essayer encore.

0:12:17.200,0:12:21.430
Un, deux, trois, partez![br](Musique)

0:12:23.009,0:12:25.242
HG : Je vais[br]mettre celui-ci là-bas,

0:12:25.242,0:12:27.243
et je vais te donner celui-là.

0:12:27.243,0:12:30.840
Tu peux y aller et jouer.

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

0:12:52.993,0:12:55.385
LS: Voilà les résultats de l’expérience.

0:12:55.385,0:12:57.860
Sur l’axe vertical,[br]vous verrez la distribution

0:12:57.860,0:13:00.437
des choix des enfants[br]dans chacune des conditions,

0:13:00.437,0:13:04.988
et vous verrez que la distribution[br]des choix que les enfants font

0:13:04.988,0:13:07.775
dépend des preuves qu’ils constatent.

0:13:07.775,0:13:09.552
Donc au cours de leur deuxième année,

0:13:09.552,0:13:12.209
les bébés peuvent utiliser[br]quelques données statistiques

0:13:12.209,0:13:15.576
pour décider entre 2 stratégies[br]fondamentalement différentes

0:13:15.576,0:13:17.457
pour agir dans le monde:

0:13:17.457,0:13:20.200
demander de l’aide ou explorer.

0:13:21.700,0:13:25.134
Je viens de vous montrer[br]deux expériences de laboratoire

0:13:25.134,0:13:28.825
parmi des centaines dans le domaine[br]qui constatent les mêmes résultats,

0:13:28.825,0:13:31.217
parce que l'idée essentielle

0:13:31.217,0:13:36.325
est que la capacité des enfants à tirer[br]des conclusions à partir de peu de données

0:13:36.325,0:13:41.666
est à la source de[br]l'apprentissage culturel de notre espèce.

0:13:41.666,0:13:46.263
Les enfants découvrent de nouveaux outils[br]à partir de quelques exemples uniquement.

0:13:46.263,0:13:50.980
Ils forment des relations causales[br]à partir de quelques exemples.

0:13:51.928,0:13:56.799
Ils apprennent même de nouveaux mots,[br]ici, en langue des signes américaine.

0:13:56.799,0:13:59.110
Je veux conclure avec juste deux points.

0:14:00.050,0:14:03.738
Si vous suivez mon univers, le domaine[br]du cerveau et des sciences cognitives,

0:14:03.738,0:14:05.515
depuis ces quelques dernières années,

0:14:05.515,0:14:08.080
trois grandes idées auraient[br]suscité votre attention.

0:14:08.080,0:14:11.516
La première est qu’il s’agit[br]de l’ère du cerveau.

0:14:11.516,0:14:15.185
Il y a eu en fait, des découvertes[br]stupéfiantes en neurosciences:

0:14:15.185,0:14:18.621
localisant des régions fonctionnellement[br]spécialisées du cortex,

0:14:18.621,0:14:21.222
rendant les cerveaux[br]des souris transparents,

0:14:21.222,0:14:24.428
activant les neurones grâce à la lumière.

0:14:24.998,0:14:28.044
La seconde grande idée[br]est que c’est l’ère

0:14:28.044,0:14:30.808
des données volumineuses[br]et de l’apprentissage automatique.

0:14:30.808,0:14:34.239
L’apprentissage automatique promet[br]de révolutionner notre compréhension

0:14:34.239,0:14:38.256
de tout allant des réseaux sociaux[br]à l’épidémiologie.

0:14:38.256,0:14:41.599
Et peut-être aussi parce qu’il[br]s’attaque aux problèmes de compréhension

0:14:41.599,0:14:43.592
et de traitement du langage naturel

0:14:43.592,0:14:46.916
pour nous dire quelque chose[br]à propos de la connaissance humaine.[br][br]

0:14:47.146,0:14:49.693
Et la dernière grande idée [br]que vous auriez entendue :

0:14:49.693,0:14:51.173
il est peut-être bénéfique

0:14:51.173,0:14:52.980
de savoir tant de choses[br]sur le cerveau

0:14:52.980,0:14:55.267
et d'avoir autant accès[br]aux données volumineuses;

0:14:55.267,0:14:57.504
parce que laissés[br]à nous-mêmes,

0:14:57.504,0:14:59.915
les êtres humains[br]sont faillibles,

0:14:59.915,0:15:04.772
nous prenons des raccourcis,[br]nous errons, nous faisons des erreurs,

0:15:04.772,0:15:08.456
nous sommes biaisés,[br]et d’innombrables façons

0:15:08.456,0:15:11.425
nous comprenons mal le monde.

0:15:12.843,0:15:15.792
Je pense que ce sont toutes[br]des histoires importantes,

0:15:15.792,0:15:19.127
et elles ont beaucoup à nous dire sur[br]ce qu'est d'être humain signifie.

0:15:19.127,0:15:20.966
Mais je vous ai raconté aujourd'hui

0:15:20.966,0:15:23.966
une histoire bien différente.

0:15:23.966,0:15:27.773
C’est une histoire sur les esprits[br]et non des cerveaux,

0:15:27.773,0:15:30.779
et en particulier, c’est une histoire[br]sur les types de calcul

0:15:30.779,0:15:32.989
que seuls les esprits humains[br]peuvent effectuer

0:15:32.989,0:15:35.129
impliquant des savoirs[br]riches et structurées

0:15:35.129,0:15:39.173
ainsi que la capacité à apprendre[br]à partir d’une petite quantité de données,[br]

0:15:39.173,0:15:42.581
avec seulement quelques exemples.

0:15:43.731,0:15:48.600
Fondamentalement, il s’agit d’une histoire[br]qui commence avec de très jeunes enfants

0:15:48.600,0:15:52.780
et qui continue[br]jusqu'au plus grandes réussites

0:15:52.780,0:15:55.163
de notre culture :

0:15:56.623,0:15:58.620
de comprendre correctement le monde.

0:16:00.433,0:16:05.700
L'esprit humain n’apprend pas seulement[br]à partir de quelques données.

0:16:06.285,0:16:08.386
L'esprit humain conçoit[br]des idées innovantes.

0:16:08.746,0:16:11.787
L'esprit humain génère[br]recherche et découverte,

0:16:11.787,0:16:17.060
et l'esprit humain génère[br]art et littérature, poésie et théâtre.

0:16:17.070,0:16:20.830
De plus, l'esprit humain[br]prend soin d’autres humains:

0:16:20.830,0:16:24.257
nos ainés, nos jeunes, nos malades.

0:16:24.517,0:16:26.884
Nous les guérissons même.

0:16:27.244,0:16:30.667
Dans les années à venir, nous allons[br]voir des innovations technologiques

0:16:30.667,0:16:34.464
au-delà de tout ce que[br]nous pouvons envisager,

0:16:34.464,0:16:37.704
mais il est fort peu probable[br]de voir quoi que ce soit

0:16:37.704,0:16:42.323
approchant la puissance[br]computationnelle d’un enfant

0:16:42.323,0:16:45.401
de mon vivant ou du votre.

0:16:46.181,0:16:49.408
Si nous investissons dans[br]ces plus puissants novices,

0:16:49.408,0:16:51.668
ainsi que dans leur développement,

0:16:51.668,0:16:54.585
dans les bébés et enfants

0:16:54.585,0:16:56.411
ainsi que mères et pères,

0:16:56.411,0:16:59.110
soignants et enseignants.

0:16:59.110,0:17:03.280
Les façons dont nous investissons dans [br]nos plus puissantes et élégantes formes

0:17:03.280,0:17:06.498
de technologie, ingénierie et design,

0:17:06.498,0:17:09.437
nous ne serions pas en train[br]de rêver d’un futur meilleur,

0:17:09.437,0:17:11.564
nous serions en train de le planifier.

0:17:11.564,0:17:13.909
Merci beaucoup.

0:17:13.909,0:17:17.330
(Applaudissements)

0:17:17.810,0:17:22.236
Chris Anderson: Laura, merci.[br]J’ai en effet une question pour toi.

0:17:22.236,0:17:24.595
Tout d’abord, la recherche est insensée.

0:17:24.595,0:17:27.550
Je veux dire, qui concevrait [br]une expérience comme celle-là?

0:17:27.550,0:17:29.150
(Rires)

0:17:29.150,0:17:30.940
J’ai vu ça quelques fois,

0:17:30.940,0:17:33.862
et je n'arrive toujours pas à croire[br]que ça arrive vraiment,

0:17:33.862,0:17:36.900
mais d’autres gens ont fait[br]de telles expériences ; ça colle.

0:17:36.900,0:17:38.953
Les enfants sont vraiment des génies.

0:17:38.953,0:17:41.960
LS: Ils sont vraiment impressionnants[br]dans nos expériences,

0:17:41.960,0:17:44.292
mais pensez à ce qu'ils font[br]dans la vraie vie.

0:17:44.292,0:17:45.762
D'abord un bébé.

0:17:45.762,0:17:47.419
18 mois plus tard,[br]il vous parle,[br]

0:17:47.419,0:17:50.480
et les premiers mots de bébés[br]ne sont pas juste balles ou canard,

0:17:50.480,0:17:52.881
c'est plutôt : « tout parti »,[br]pour la disparition,

0:17:52.881,0:17:55.974
ou, « oh-oh », qui fait référence[br]à des actions involontaires.

0:17:55.974,0:17:57.316
Il doit être aussi puissant.

0:17:57.316,0:18:00.311
Il doit l'être beaucoup plus[br]que ce que je vous ai montré.

0:18:00.311,0:18:01.935
Ils comprennent le monde entier.

0:18:01.935,0:18:05.429
Un enfant de 4 ans peut vous parler[br]de presque tout.

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

0:18:07.030,0:18:10.444
CA: Si je vous comprends bien,[br]vous affirmez

0:18:10.444,0:18:12.908
que ces dernières années[br]on parle beaucoup

0:18:12.908,0:18:15.130
de l'originalité et la folie[br]de nos cerveaux,

0:18:15.130,0:18:17.657
de la science du comportement[br]et ses théories ;

0:18:17.657,0:18:19.600
nous ne sommes pas[br]des agents rationnels.

0:18:19.600,0:18:23.816
Vous insistez que[br]ce phénomène est extraordinaire

0:18:23.816,0:18:28.480
et qu’il y a vraiment[br]du génie sous-estimé.

0:18:28.480,0:18:30.830
LS: Une de mes citations[br]préférées en psychologie

0:18:30.830,0:18:33.120
provient du psychologue [br]social Solomon Asch,

0:18:33.120,0:18:35.927
et il a dit que la tache fondamentale [br]de la psychologie est

0:18:35.927,0:18:38.553
d'ôter le voile de l'évidence.

0:18:38.553,0:18:42.694
Il y a des millions[br]de décisions quotidiennes

0:18:42.694,0:18:43.931
qui font avancer le monde.

0:18:43.931,0:18:46.123
Vous connaissez les objets[br]et leurs propriétés.

0:18:46.123,0:18:48.942
Vous les reconnaissez quand[br]ils sont cachés ou dans le noir.

0:18:48.942,0:18:50.580
Vous pouvez traverser les pièces.[br]

0:18:50.580,0:18:53.292
Vous pouvez deviner les pensées[br]des autres et leur parler.

0:18:53.292,0:18:56.052
Vous vous orientez dans l’espace[br]et connaissez les nombres,

0:18:56.052,0:18:58.434
les relations causales[br]et les raisonnements moraux.

0:18:58.434,0:19:01.320
Vous faites ceci sans effort,[br]donc nous ne le voyons pas.

0:19:01.320,0:19:03.282
C’est ainsi qu'on comprend bien le monde,

0:19:03.282,0:19:06.520
et il s’agit d’une activité remarquable,[br]très difficile à comprendre.

0:19:06.520,0:19:08.568
CA: Je suppose que des gens[br]dans l’auditoire

0:19:08.568,0:19:11.066
qui voit l’accélération[br]de la puissance technologique

0:19:11.066,0:19:14.244
et qui pourraient nier votre affirmation[br]que jamais de notre vivant

0:19:14.244,0:19:16.832
un ordinateur fera ce[br]qu’un enfant de trois ans fait,

0:19:16.832,0:19:20.980
mais il est clair[br]que peu importe le scenario,

0:19:20.980,0:19:24.750
nos machines ont tant à apprendre[br]de nos nourrissons.

0:19:25.680,0:19:29.446
LS: Des spécialistes de l'apprentissage[br]automatique viendront sur cette scène.

0:19:29.446,0:19:33.649
Je veux dire, vous ne devriez jamais[br]parier contre des bébés ou chimpanzés,

0:19:33.649,0:19:37.294
ou la technologie.

0:19:37.294,0:19:41.822
Mais ce n’est pas juste[br]une différence de quantité,

0:19:41.822,0:19:43.586
c’est une différence de qualité.

0:19:43.586,0:19:45.746
On a des ordinateurs[br]incroyablement puissants,

0:19:45.746,0:19:48.137
et ils font des choses [br]extrêmement sophistiquées,

0:19:48.137,0:19:51.341
souvent avec des données[br]très volumineuses.

0:19:51.341,0:19:53.948
L'esprit humain fait[br]quelque chose d’assez diffèrent,

0:19:53.948,0:19:57.843
et c’est la nature hiérarchique[br]et structurée de la connaissance humaine

0:19:57.843,0:19:59.875
qui demeure un vrai défi.[br]

0:19:59.875,0:20:02.936
CA: Laura Schulz, très bonne[br]matière à réflexion.

0:20:02.936,0:20:05.858
LS: Merci.[br](Applaudissements)