0:00:00.835,0:00:02.990
Mark Twain resumiu [br]o que eu considero que é

0:00:02.990,0:00:05.939
un dos problemas fundamentais [br]da ciencia cognitiva

0:00:06.110,0:00:07.820
cunha sinxela ocorrencia.

0:00:08.410,0:00:11.104
Dixo, "A ciencia é fascinante.

0:00:11.492,0:00:14.940
Conséguense cantidades [br]masivas de conxecturas

0:00:15.250,0:00:17.924
a partir dun investimento [br]tan insignificante en feitos.”

0:00:18.164,0:00:19.749
(Risas)

0:00:20.199,0:00:22.803
Twain quería facer unha broma, claro,[br]pero ten razón:

0:00:22.803,0:00:25.395
A ciencia é fascinante.

0:00:25.679,0:00:29.940
A partir duns cantos ósos, inferimos [br]a existencia dos dinosauros.

0:00:30.910,0:00:34.550
Das liñas espectrais, [br]a composición das nebulosas.

0:00:35.471,0:00:37.936
A partir das moscas da froita,

0:00:38.409,0:00:40.462
os mecanismos da herdanza,

0:00:41.352,0:00:45.123
e de imaxes reconstruídas de sangue [br]fluíndo a través do cerebro,

0:00:45.601,0:00:49.815
ou no meu caso, do comportamento[br]de nenos moi pequenos,

0:00:50.309,0:00:53.138
intentamos dicir algo[br]sobre os mecanismos fundamentais

0:00:53.138,0:00:54.756
da cognición humana.

0:00:55.716,0:01:00.150
En concreto, no meu laboratorio no Dpto.[br]de Cerebro e Ciencias Cognitivas, no MIT,

0:01:00.475,0:01:03.979
pasei a última década [br]intentando entender o misterio

0:01:03.979,0:01:07.723
de por que os nenos aprenden tanto,[br]a partir de tan pouco, e tan rápido.

0:01:08.666,0:01:11.483
Porque resulta que o que a ciencia[br]ten de fascinante

0:01:11.644,0:01:14.886
téñeno tamén de fascinante os nenos,

0:01:15.173,0:01:17.679
e é, dicíndoo de forma máis suave[br]ca Mark Twain,

0:01:17.754,0:01:22.018
precisamente a súa capacidade[br]de extraer inferencias ricas e abstractas

0:01:22.404,0:01:27.065
de forma rápida e precisa a partir [br]de datos dispersos e confusos.

0:01:28.355,0:01:30.510
Vou dar só dous exemplos hoxe.

0:01:30.753,0:01:32.967
Un deles aborda[br]un problema de xeneralización,

0:01:33.040,0:01:35.599
e o outro un de razoamento causal.

0:01:35.890,0:01:38.815
E aínda que vou falar [br]do que facemos no meu laboratorio,

0:01:38.815,0:01:41.875
este traballo está inspirado por un campo[br]e en débeda con el.

0:01:41.875,0:01:45.844
Estoulles agradecida a mentores,[br]colegas e colaboradores de todo o mundo.

0:01:47.308,0:01:50.073
Quero comezar [br]co problema de xeneralización.

0:01:50.652,0:01:54.647
Xeneralizar a partir de pequenas mostras [br]de datos é o pan de cada día da ciencia.

0:01:54.785,0:01:57.339
Entrevistamos unha fracción [br]mínima do electorado

0:01:57.339,0:01:59.700
e predicimos o resultado [br]das eleccións nacionais.

0:02:00.240,0:02:04.165
Vemos como un puñado de pacientes [br]responde a tratamento nun ensaio clínico,

0:02:04.165,0:02:06.785
e incorporamos fármacos [br]ao mercado nacional.

0:02:07.230,0:02:11.218
Pero isto soamente funciona se a mostra[br]se extrae aleatoriamente da poboación.

0:02:11.595,0:02:14.133
Se a nosa mostra ten algunha manipulación

0:02:14.150,0:02:16.562
--por exemplo, [br]entrevistamos só votantes urbanos,

0:02:16.562,0:02:20.790
ou nos nosos ensaios clínicos [br]de tratamentos para doenzas cardíacas

0:02:20.790,0:02:22.173
incluímos só homes--

0:02:22.671,0:02:25.829
os resultados poden [br]non ser xeneralizables a toda a poboación.

0:02:26.429,0:02:30.060
Por tanto aos científicos impórtalles[br]se a mostra se recolleu ou non ao chou,

0:02:30.060,0:02:32.075
pero que ten iso que ver cos bebés?

0:02:32.585,0:02:36.636
Os bebés teñen que xeneralizar seguido[br]a partir de pequenas mostras de datos.

0:02:37.206,0:02:40.052
Ven uns poucos parrulos de goma [br]e aprenden que flotan,

0:02:40.364,0:02:43.460
ou algunhas pelotas e aprenden que botan.

0:02:43.939,0:02:46.890
E desenvolven expectativas [br]sobre os parrulos e as pelotas

0:02:46.890,0:02:49.606
que aplicarán a uns e outras

0:02:49.606,0:02:50.957
o resto das súas vidas.

0:02:51.485,0:02:55.224
E os tipos de xeneralizacións[br]que deben facer sobre parrulos e pelotas,

0:02:55.224,0:02:57.202
deben facelos para case todo:

0:02:57.313,0:03:01.230
zapatos e barcos e lacre e verzas e reis.

0:03:02.200,0:03:05.161
Entón aos bebés impórtalles[br]se o pequeno anaco de proba que ven

0:03:05.161,0:03:08.661
representa de forma plausíbel [br]unha poboación maior?

0:03:09.763,0:03:11.027
Descubrámolo.

0:03:11.663,0:03:13.236
Vou amosar dous vídeos,

0:03:13.386,0:03:15.798
un por cada suposto dun experimento,

0:03:15.848,0:03:18.286
e como só se verán dous vídeos,

0:03:18.286,0:03:20.090
só se verán dous bebés,

0:03:20.422,0:03:24.094
e un par calquera de bebés difire[br]de calquera outro de innumerábeis formas.

0:03:24.579,0:03:27.720
Pero estes bebés, por suposto, [br]representan aquí a grupos de bebés,

0:03:27.720,0:03:29.315
e as diferenzas que se van ver

0:03:29.315,0:03:31.340
representan as diferenzas grupais medias

0:03:31.340,0:03:33.870
no comportamento dos bebés[br]en cada suposto.

0:03:35.160,0:03:37.743
En cada vídeo verase [br]un bebé facendo tal vez

0:03:37.743,0:03:40.863
xusto o que se agardaría que fixese,

0:03:41.203,0:03:44.761
e dificilmente podemos volver[br]os bebés máis máxicos do que xa son.

0:03:46.090,0:03:48.100
Pero para min o máxico,

0:03:48.100,0:03:50.189
e ao que quero que se lle preste atención,

0:03:50.189,0:03:52.883
é o contraste entre estes dous supostos,

0:03:53.300,0:03:56.829
porque o único que difire[br]entre os dous vídeos

0:03:56.829,0:04:00.029
son os datos estatísticos [br]que os bebés van observar.

0:04:01.425,0:04:04.454
Imos ensinarlles unha caixa [br]de bólas azuis e amarelas,

0:04:04.608,0:04:09.228
e a que era a miña estudante graduada, [br]hoxe compañeira en Stanford, Hyowon Gweon,

0:04:09.228,0:04:12.305
vai sacar tres bólas azuis [br]seguidas desta caixa,

0:04:12.305,0:04:15.428
e despois de sacalas, vainas apertar,

0:04:15.428,0:04:17.311
e as bólas van chiar.

0:04:17.541,0:04:20.303
E se es un bebé, [br]iso é como un charla TED.

0:04:20.303,0:04:22.067
Non pode haber nada mellor.

0:04:22.067,0:04:23.888
(Risas)

0:04:26.968,0:04:30.627
Pero o importante é que é moi sinxelo[br]sacar tres bólas azuis seguidas

0:04:30.627,0:04:32.803
dunha caixa que ten [br]sobre todo bólas azuis.

0:04:32.932,0:04:34.992
Poderíase facer cos ollos pechados.

0:04:34.992,0:04:37.847
Pódese admitir que é unha [br]mostra aleatoria desta poboación.

0:04:37.988,0:04:41.720
E se podes meter a man aleatoriamente[br]nunha caixa e sacar cousas que chían,

0:04:41.720,0:04:44.177
ao mellor todo o que hai na caixa chía.

0:04:44.559,0:04:48.170
Así que tal vez os bebés deberían esperar[br]que as bólas amarelas chíen tamén.

0:04:48.209,0:04:50.728
As bólas amarelas teñen[br]divertidos paus nun extremo,

0:04:50.728,0:04:53.585
que permiten facer con elas[br]outras cousas se se quere.

0:04:53.585,0:04:55.416
Poderían axitalas ou bater con elas.

0:04:55.416,0:04:57.019
Pero vexamos qué fai o bebé.

0:05:00.548,0:05:03.678
(Vídeo) Ves isto? (A bóla chía)

0:05:04.531,0:05:07.165
Viches iso? (A bóla chía)

0:05:08.036,0:05:09.135
Xenial.

0:05:12.706,0:05:14.080
Ves estoutra?

0:05:14.656,0:05:16.003
(A bóla chía)

0:05:16.237,0:05:17.510
Uaau.

0:05:21.854,0:05:23.129
Díxenvolo. (Ri)

0:05:23.967,0:05:26.328
Viches esta? (A bóla chía)

0:05:27.998,0:05:32.617
Clara, agora esta é para ti. [br]Veña, podes collela e xogar.

0:05:39.194,0:05:43.182
(Barullo) (Risas)

0:05:44.219,0:05:46.761
LS: Non teño nin que dicir nada, verdade?

0:05:47.214,0:05:49.803
Vale, está ben que os bebés [br]xeneralicen propiedades

0:05:49.803,0:05:51.451
das bólas azuis ás bolas amarelas.

0:05:51.471,0:05:54.540
E é impresionante que poidan [br]aprender imitándonos.

0:05:54.737,0:05:57.857
Pero sabemos iso dos bebés [br]dende hai moito tempo.

0:05:58.406,0:06:00.047
A pregunta realmente interesante é

0:06:00.047,0:06:03.209
que ocorre cando lles amosamos[br]aos bebés exactamente a mesma cousa,

0:06:03.209,0:06:06.680
podemos asegurar que é a mesma[br]porque temos un compartimento secreto

0:06:06.680,0:06:08.790
e en realidade sacamos as bólas del,

0:06:08.790,0:06:12.268
pero esta vez o que cambiamos [br]foi a poboación aparente

0:06:12.268,0:06:14.593
da que extraemos as mostras.

0:06:15.170,0:06:18.723
Esta vez amosarémoslles [br]aos bebés tres bólas azuis

0:06:18.723,0:06:21.825
sacadas dunha caixa que ten sobre todo [br]bólas amarelas,

0:06:22.107,0:06:23.220
e saben que?

0:06:23.429,0:06:26.269
Non se poden sacar aleatoriamente [br]tres bólas azuis seguidas

0:06:26.269,0:06:28.753
dunha caixa que ten sobre todo [br]bólas amarelas.

0:06:28.753,0:06:32.222
Esa non é unha mostra aleatoria.

0:06:32.500,0:06:37.259
Esa proba suxire que ao mellor Hyowon[br]estivo amosando deliberadamente as azuis.

0:06:37.623,0:06:40.206
Tal vez as bólas azuis teñen algo especial

0:06:40.846,0:06:43.339
Tal vez soamente as bólas azuis chían.

0:06:43.822,0:06:45.259
Vexamos o que fai o bebé.

0:06:45.717,0:06:48.621
(Vídeo) Ves isto?[br](A bóla chía)

0:06:50.851,0:06:53.496
Ves este xoguete?[br](A bóla chía)

0:06:53.496,0:06:58.976
Oh, que xenial. Ves?[br](A bóla chía)

0:06:58.976,0:07:03.370
Agora esta é para que xogues ti.[br]Veña, podes xogar.

0:07:06.074,0:07:12.180
(Barullo) (Risas)

0:07:14.901,0:07:17.649
LS: Acabades de ver dous [br]bebés de 15 meses

0:07:17.649,0:07:19.611
facendo dúas cousas totalmente diferentes

0:07:19.611,0:07:22.870
baseadas só na probabilidade [br]da mostra que observaron.

0:07:23.190,0:07:25.262
Quero ensinar os resultados experimentais.

0:07:25.511,0:07:28.275
No eixe vertical, pódese ver [br]a porcentaxe de bebés

0:07:28.275,0:07:30.805
que apertaron a bóla en cada suposto,

0:07:30.805,0:07:34.520
e como se ve, os bebés tenden [br]moito máis a xeneralizar a mostra

0:07:34.520,0:07:37.655
cando é representativa da poboación

0:07:37.655,0:07:40.570
ca cando está claramente manipulada.

0:07:41.393,0:07:43.485
E isto lévanos a unha predición curiosa:

0:07:43.808,0:07:46.876
supoñamos que sacamos só unha bóla azul

0:07:46.876,0:07:48.896
da caixa que ten sobre todo[br]bólas amarelas.

0:07:48.896,0:07:52.765
Non se poderían sacar aleatoriamente[br]3 bólas azuis seguidas dunha caixa amarela

0:07:52.765,0:07:54.850
pero poderíase sacar soamente unha.

0:07:55.220,0:07:57.190
Non é unha mostra improbable.

0:07:57.190,0:07:59.414
E se se puidese meter a man[br]ao chou nunha caixa

0:07:59.414,0:08:03.401
e sacar algo que chía, [br]tal vez todo o da caixa chíe.

0:08:03.875,0:08:08.320
Entón, aínda que os bebés van observar [br]moita menos probas para chíos,

0:08:08.320,0:08:10.562
e contan con moitas menos [br]accións que imitar

0:08:10.562,0:08:13.905
neste suposto dunha única bóla [br]ca no que vimos antes,

0:08:13.905,0:08:17.797
predicimos que os bebés por si sós [br]apertarían a bóla máis veces,

0:08:17.797,0:08:20.305
e iso é exactamente o que atopamos.

0:08:21.491,0:08:24.939
Así que aos bebés de 15 meses, [br]neste sentido, como científicos,

0:08:25.352,0:08:28.190
impórtalles se a proba é [br]unha mostra representativa ou non,

0:08:28.190,0:08:31.191
e usan isto para desenvolver [br]expectativas sobre o mundo:

0:08:31.704,0:08:33.263
qué chía e qué non,

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

0:08:38.384,0:08:40.450
Agora quero amosar outro exemplo,

0:08:40.450,0:08:43.179
esta vez sobre un problema [br]de razoamento causal.

0:08:43.179,0:08:45.619
E comeza cun problema de proba confusa

0:08:45.619,0:08:47.052
que todos temos:

0:08:47.291,0:08:49.149
o feito de que formamos parte do mundo.

0:08:49.311,0:08:52.747
Isto pode non parecer un problema,[br]pero como a maior parte deles,

0:08:52.747,0:08:55.084
maniféstase só cando as cousas van mal.

0:08:55.464,0:08:57.116
Velaquí este bebé, por exemplo.

0:08:57.275,0:08:58.980
As cousas están indo mal para el.

0:08:58.980,0:09:01.251
Gustaríalle facer funcionar[br]o seu xoguete, e non pode.

0:09:01.251,0:09:03.362
Amosarei un vídeo duns poucos segundos.

0:09:09.340,0:09:11.260
En xeral, hai dúas posibilidades:

0:09:11.260,0:09:13.340
ou el está facendo algo mal,

0:09:13.894,0:09:17.177
ou algo non funciona no xoguete.

0:09:18.110,0:09:20.011
Así que no seguinte experimento,

0:09:20.011,0:09:23.518
darémoslles aos bebés só[br]unha mínima porción de datos estatísticos

0:09:23.518,0:09:25.946
que apoian unha das hipóteses[br]sobre a outra,

0:09:26.100,0:09:29.555
e veremos se os bebés poden usar iso[br]para tomar decisións diferentes

0:09:29.555,0:09:30.585
sobre qué facer.

0:09:31.389,0:09:32.436
Velaquí o plan.

0:09:34.071,0:09:37.101
Hyowon vai intentar que o xoguete[br]funcione, e conségueo.

0:09:37.101,0:09:40.005
Entón eu vou intentalo dúas veces[br]e fracasar as dúas,

0:09:40.421,0:09:43.364
despois Hyowon vai intentalo [br]outra vez e conseguilo,

0:09:43.533,0:09:46.835
o que resume en xeral a miña relación [br]cos meus estudantes de posgrao

0:09:46.835,0:09:48.934
no que ten que ver coa tecnoloxía.

0:09:50.030,0:09:53.322
Pero o importante aquí é [br]que proporciona algunha proba

0:09:53.322,0:09:56.537
de que o problema non é o xoguete,[br]senón a persoa.

0:09:56.990,0:09:59.340
Algunhas poden facer[br]que o xoguete funcione,

0:09:59.340,0:10:00.299
e outras non.

0:10:00.799,0:10:03.814
Agora, cando o bebé consegue o xoguete,[br]vai ter unha elección.

0:10:04.212,0:10:05.847
Súa nai está xusto alí,

0:10:06.250,0:10:09.403
polo que pode ir e darlle o xoguete[br]e cambiar a persoa,

0:10:09.715,0:10:12.651
pero tamén vai haber outro xoguete [br]no bordo desa tea,

0:10:12.873,0:10:16.008
así que pode tirar da tea cara a el [br]e cambiar o xoguete.

0:10:16.425,0:10:17.923
Vexamos logo qué fai o bebé.

0:10:18.515,0:10:22.527
(Vídeo) HG: Dous, tres. Xa! [br](Música)

0:10:22.698,0:10:26.879
LS: Un, dous, tres. Xa!

0:10:27.139,0:10:32.981
Arthur, vou intentalo outra vez. [br]Un, dous, tres. Xa!

0:10:33.677,0:10:36.137
HG: Arthur, déixame probar outra vez, si?

0:10:36.837,0:10:41.537
Un, dous, tres. Xa! (Música)

0:10:41.953,0:10:43.536
Mira. Acórdaste destes xoguetes?

0:10:43.536,0:10:46.450
Ves estes xoguetes? [br]Si, vou poñer este por aquí,

0:10:46.490,0:10:48.552
e a ti vouche dar este.

0:10:48.792,0:10:50.797
Veña, xa podes xogar.

0:11:11.213,0:11:15.387
LS: Vale, Laura, pero claro, [br]os bebés quérenlles ás súas mamás.

0:11:15.950,0:11:18.132
Normal que lles dean os xoguetes a ela

0:11:18.132,0:11:19.918
cando non conseguen que funcionen.

0:11:20.162,0:11:23.755
De novo, a pregunta realmente importante [br]é que ocorre cando cambiamos

0:11:23.755,0:11:26.402
os datos estatísticos só levemente.

0:11:26.909,0:11:30.996
Agora, os bebés van ver o xoguete[br]funcionar e fallar xusto na mesma orde,

0:11:30.996,0:11:33.221
pero imos cambiar a distribución da proba.

0:11:33.411,0:11:37.571
Agora, Hyowon vai conseguilo unha vez [br]e fracasar outra, e eu tamén.

0:11:37.822,0:11:43.239
O que suxire que non importa[br]quen proba este xoguete, está roto.

0:11:43.239,0:11:44.503
Non funciona nunca.

0:11:44.755,0:11:47.040
De novo, o bebé [br]vai ter que tomar unha decisión.

0:11:47.040,0:11:50.706
A súa nai está xusto ao lado, [br]así que pode cambiar a persoa,

0:11:50.706,0:11:53.116
e haberá outro xoguete ao final da tea.

0:11:53.170,0:11:54.548
Vexamos que fai.

0:11:55.288,0:11:59.313
HG: Dous, tres, xa! [br](Música)

0:11:59.636,0:12:04.620
Déixame probar outra vez. [br]Un, dous, tres, xa!

0:12:05.460,0:12:07.157
Umm.

0:12:07.950,0:12:10.109
LS: Déixame probar a min, Clara.

0:12:10.642,0:12:14.587
Un, dous, tres, xa!

0:12:15.015,0:12:16.950
Umm, déixame probar outra vez.

0:12:17.200,0:12:22.666
Un, dos, tres, xa! [br](Música)

0:12:23.009,0:12:25.242
HG: Vou poñer este por aquí,

0:12:25.242,0:12:27.243
e vouche dar este a ti.

0:12:27.243,0:12:29.443
Veña, xa podes xogar.

0:12:49.666,0:12:52.243
(Aplausos)

0:12:52.993,0:12:55.385
LS: Amosarei agora[br]os resultados experimentais.

0:12:55.385,0:12:57.860
No eixe vertical, vese a distribución

0:12:57.860,0:13:00.437
das eleccións dos nenos[br]baixo cada suposto,

0:13:00.437,0:13:04.988
e vese que a distribución [br]das eleccións que fan

0:13:04.988,0:13:07.247
depende da proba que observan.

0:13:07.775,0:13:09.392
No segundo ano de idade,

0:13:09.392,0:13:12.559
os bebés poden usar unha fracción [br]mínima de datos estatísticos

0:13:12.559,0:13:15.576
para decidir entre dúas estratexias [br]fundamentalmente diferentes

0:13:15.576,0:13:17.312
para actuar no mundo:

0:13:17.457,0:13:20.200
pedir axuda e explorar.

0:13:21.700,0:13:25.134
Acabo de amosar [br]dous experimentos de laboratorio

0:13:25.134,0:13:28.702
dos literalmente centos neste campo [br]que chegan a conclusións similares,

0:13:28.825,0:13:31.061
porque o auténtico punto clave

0:13:31.217,0:13:33.435
é que a capacidade dos nenos

0:13:33.435,0:13:36.325
para facer ricas inferencias[br]partindo de datos dispersos

0:13:36.325,0:13:41.666
serve de base a toda a nosa aprendizaxe[br]cultural específica como especie.

0:13:41.666,0:13:45.991
Os nenos aprenden sobre novas ferramentas [br]a partir duns poucos exemplos.

0:13:46.263,0:13:50.980
Aprenden novas relacións causais [br]a partir duns poucos exemplos.

0:13:51.928,0:13:56.242
Incluso aprenden palabras novas ,[br]neste caso en lingua de signos americana.

0:13:56.799,0:13:59.110
Quero concluír con só dúas cousas.

0:14:00.050,0:14:03.738
A quen seguise o meu campo[br](o do cerebro e as ciencias cognitivas)

0:14:03.738,0:14:05.257
durante os últimos anos,

0:14:05.495,0:14:07.910
chamaríanlle a atención[br]tres grandes ideas.

0:14:08.080,0:14:11.014
A primeira é que esta é a era do cerebro.

0:14:11.956,0:14:15.185
E por suposto, houbo descubrimentos [br]impresionantes en neurociencia:

0:14:15.185,0:14:18.621
localizar rexións do córtex [br]funcionalmente especializadas,

0:14:18.621,0:14:20.923
facer transparentes os cerebros de ratos,

0:14:21.222,0:14:23.611
activar neuronas con luz.

0:14:25.308,0:14:26.994
Unha segunda grande idea

0:14:26.994,0:14:30.561
é que esta é a era dos datos masivos [br]e da aprendizaxe automática,

0:14:31.098,0:14:34.239
e a aprendizaxe automática promete [br]revolucionar a nosa comprensión

0:14:34.239,0:14:38.114
de todo, dende as redes sociais [br]ata a epidemioloxía.

0:14:38.606,0:14:41.749
E tal vez, á vez que afronta problemas [br]de comprensión do contexto

0:14:41.749,0:14:43.592
e de procesamento da linguaxe natural,

0:14:43.592,0:14:46.314
poida desvelarnos algo[br]sobre a cognición humana.

0:14:47.756,0:14:49.509
E a gran idea final que escoitarían

0:14:49.693,0:14:53.080
é que pode ser boa idea[br]saber tanto sobre os cerebros

0:14:53.080,0:14:54.997
e ter tanto acceso a datos masivos,

0:14:54.997,0:14:56.986
porque pola nosa conta,

0:14:57.504,0:15:01.335
os humanos somos falíbeis, [br]buscamos atallos,

0:15:01.335,0:15:04.772
erramos, temos fallos,

0:15:04.772,0:15:08.456
non somos neutrais, [br]e de formas innumerables,

0:15:09.316,0:15:11.223
chegamos a ideas falsas sobre o mundo.

0:15:12.843,0:15:15.349
Eu creo que todas estas [br]son noticias importantes,

0:15:15.792,0:15:18.827
e que teñen moito que contarnos [br]sobre qué significa ser humano,

0:15:19.577,0:15:23.106
pero gustaríame destacar [br]que hoxe tratei unha noticia moi distinta.

0:15:23.966,0:15:27.344
Unha noticia sobre mentes,[br]non sobre cerebros,

0:15:27.773,0:15:30.479
e en particular, [br]sobre o tipo de computación

0:15:30.479,0:15:33.369
que só as mentes humanas poden realizar,

0:15:33.369,0:15:37.313
que implican coñecementos ricos[br]e estruturados e capacidade de aprender

0:15:37.313,0:15:42.581
a partir de pequenas cantidades de datos, [br]coa proba de só uns poucos exemplos.

0:15:44.301,0:15:48.600
E fundamentalmente, é unha noticia [br]sobre como dende meniños

0:15:48.600,0:15:52.780
e continuando todo o camiño [br]ata os máis grandes logros

0:15:53.200,0:15:54.928
da nosa cultura,

0:15:56.623,0:15:58.620
conseguimos entender ben o mundo.

0:16:00.823,0:16:05.700
Amigos, as mentes humanas non aprenden só[br]a partir de pequenas cantidades de datos

0:16:06.285,0:16:08.676
As mentes humanas pensan [br]ideas totalmente novas.

0:16:08.746,0:16:11.339
As mentes humanas xeran [br]investigación e descubrimento,

0:16:11.787,0:16:16.218
e as mentes humanas xeran [br]arte e literatura e poesía e teatro,

0:16:17.070,0:16:20.358
e as mentes humanas [br]coidan doutros seres humanos:

0:16:20.830,0:16:24.257
os nosos maiores, a nosa mocidade, [br]os nosos enfermos.

0:16:24.517,0:16:26.096
Incluso os curamos.

0:16:27.564,0:16:30.667
Nos próximos anos, [br]imos ver innovacións tecnolóxicas

0:16:30.667,0:16:33.471
máis alá do que podo concibir,

0:16:34.464,0:16:36.614
pero hai moi poucas probabilidades

0:16:36.614,0:16:38.943
de que vexamos algo[br]que se aproxime sequera

0:16:39.283,0:16:41.991
ao poder computacional dun neno humano,

0:16:42.323,0:16:45.301
no resto da miña vida ou da vosa.

0:16:46.621,0:16:51.668
Se investimos nestes potentísimos[br]aprendices e no seu desenvolvemento,

0:16:51.668,0:16:53.475
en bebés e cativos,

0:16:54.585,0:16:55.895
e nais e pais

0:16:56.411,0:16:58.609
e coidadores e profesores

0:16:59.110,0:17:02.890
do xeito que investimos nas nosas [br]outras poderosísimas e elegantes formas

0:17:03.280,0:17:05.803
de tecnoloxía, enxeñaría e deseño,

0:17:06.498,0:17:09.178
non estaremos simplemente [br]soñando cun mellor futuro,

0:17:09.436,0:17:11.204
estaremos planificándoo.

0:17:11.564,0:17:13.382
Moitísimas grazas.

0:17:13.619,0:17:17.039
(Aplausos)

0:17:18.930,0:17:22.236
Chris Anderson: Grazas, Laura. [br]Quería facerche unha pregunta.

0:17:22.236,0:17:24.595
Antes de nada, [br]esta investigación é de tolos.

0:17:24.595,0:17:28.319
Quen deseñaría [br]un experimento coma ese? (Risas)

0:17:29.150,0:17:30.940
Vino unhas cantas veces,

0:17:30.940,0:17:34.162
e sigo sen acabar de crer [br]que poida estar ocorrendo de verdade,

0:17:34.162,0:17:37.460
pero outras persoas fixeron [br]experimentos similares; está comprobado.

0:17:37.460,0:17:38.953
Os bebés son realmente xenios.

0:17:39.513,0:17:42.410
LS: Parecen realmente impresionantes [br]nos nosos experimentos,

0:17:42.410,0:17:44.342
pero pensa no que fan na vida real, non?

0:17:44.342,0:17:45.362
Todo comeza cun bebé.

0:17:45.362,0:17:47.369
Dezaoito meses despois, estache falando,

0:17:47.539,0:17:50.580
e as primeiras palabras dos bebés [br]non van de pelotas e parrulos,

0:17:50.810,0:17:53.421
son cousas como “non ta” [br]que se refire á desaparición,

0:17:53.421,0:17:55.884
ou “uh oh”, para referirse [br]a accións involuntarias.

0:17:55.974,0:17:57.446
Ten que ser así de poderoso.

0:17:57.446,0:17:59.851
Ten que ser moito máis poderoso [br]que o que ensinei.

0:17:59.901,0:18:01.595
Están descifrando o mundo enteiro.

0:18:01.595,0:18:04.199
Un neno de catro anos [br]pode falarche sobre case todo.

0:18:05.239,0:18:07.440
(Aplausos)

0:18:07.490,0:18:10.444
CA: E se entendo ben, [br]o outro punto clave que destacas é

0:18:10.444,0:18:13.198
que durante estes anos [br]tivemos todo este debate

0:18:13.198,0:18:15.790
sobre o peculiares e confusas [br]que son as nosas mentes,

0:18:15.790,0:18:18.087
coa economía condutual [br]e teorías enteiras detrás

0:18:18.087,0:18:19.770
de que non somos axentes racionais.

0:18:19.770,0:18:23.816
E ti estás a dicir que este fenómeno[br]é extraordinario,

0:18:23.816,0:18:28.760
e que en realidade hai xenialidade[br]que está subestimada.

0:18:29.420,0:18:31.530
Unha das miñas citas favoritas [br]en psicoloxía

0:18:31.530,0:18:33.210
é do psicólogo social Solomon Asch,

0:18:33.210,0:18:35.597
que dixo que [br]“o cometido fundamental da psicoloxía

0:18:35.597,0:18:37.882
é eliminar [br]o veo de autoevidencia das cousas”.

0:18:38.553,0:18:43.104
Hai millóns de decisións[br]que se toman a diario

0:18:43.104,0:18:44.451
que interpretan ben o mundo.

0:18:44.451,0:18:46.583
Coñecemos os obxectos [br]e as súas propiedades.

0:18:46.583,0:18:49.612
Recoñecémolos cando están ocultos. [br]Recoñecémolos na escuridade.

0:18:49.612,0:18:50.720
Camiñamos por cuartos.

0:18:50.720,0:18:53.372
Podemos percibir o que pensan outros.[br]Podemos falarlles.

0:18:53.372,0:18:55.702
Podemos navegar no espazo. [br]Coñecemos os números.

0:18:55.702,0:18:58.764
Entendemos as relacións causais. [br]Entendemos o razoamento moral.

0:18:58.764,0:19:01.850
E todo isto sen esforzo ningún, [br]por iso non nos decatamos,

0:19:01.850,0:19:03.562
pero así interpretamos ben o mundo,

0:19:03.562,0:19:05.720
e moi difícil de entender.

0:19:06.410,0:19:09.038
CA: Imaxino que hai persoas no público[br]que comparten

0:19:09.038,0:19:10.956
esa visión do crecente poder tecnolóxico

0:19:10.956,0:19:14.264
que poderían cuestionar a túa afirmación [br]de que nunca nas nosas vidas

0:19:14.264,0:19:16.942
un ordenador fará[br]o que un neno de tres anos pode facer,

0:19:16.942,0:19:20.190
pero está claro que en calquera situación,

0:19:20.750,0:19:24.520
as nosas máquinas teñen[br]moito que aprender dos nosos cativos.

0:19:27.100,0:19:30.516
LS: Eu tamén o creo. Aquí haberá [br]partidarios da aprendizaxe automática.

0:19:30.516,0:19:33.539
Nunca deberías apostar [br]contra os bebés ou os chimpancés

0:19:33.649,0:19:37.443
ou da tecnoloxía, en principio.

0:19:39.024,0:19:41.442
pero non se trata só [br]dunha diferenza de cantidade,

0:19:41.822,0:19:43.377
é unha diferenza cualitativa.

0:19:43.586,0:19:45.746
Temos ordenadores incriblemente potentes,

0:19:45.746,0:19:48.137
que fan cousas incriblemente sofisticadas,

0:19:48.137,0:19:50.756
por veces con enormes cantidades de datos.

0:19:51.241,0:19:53.948
As mentes humanas fan, para min,[br]algo bastante diferente,

0:19:53.948,0:19:57.913
e creo que é a natureza estruturada [br]e xerarquizada do coñecemento humano

0:19:57.913,0:19:59.999
o que permanece como [br]un verdadeiro desafío.

0:20:00.089,0:20:03.116
CA: Laura Schulz, un gran tema [br]para reflexionar. Moitas grazas.

0:20:03.116,0:20:05.648
Grazas [br](Aplausos)