Mark Twain szellemesen mutatott rá
találó mondásában,
hogy mi a legnagyobb gond
a megismeréstudománnyal:
"Döbbenetes, hogy a tudományban
mennyi feltevést kaphatunk
oly kevés tényért cserébe."
(Nevetés)
Twain ezt persze viccnek szánta,
de igaza van.
Van valami döbbenetes a tudományban.
Egy pár csontból a dinoszauruszok
létezésére következtethetünk.
Spektrumanalízissel egész csillagködök
összetételét tudjuk megmondani.
Muslicák vizsgálatával
az öröklés mechanizmusát kutatjuk,
és az agy véráramának képeiből,
vagy a nagyon fiatal gyermekek
viselkedéséből
az emberi észlelés
alapvető mechanizmusait tárhatjuk fel.
Az MIT megismeréstudományi és
agykutató laborjában dolgozom,
s az elmúlt évtizedet
e rejtély feltárásával töltöttem:
hogyan tanulnak a gyerekek olyan sokat
és gyorsan, oly kevés információból.
Mert kiderült, hogy ami döbbenetes
a tudományban,
az döbbenetes a gyerekekben is,
és Mark Twain gondolatát alkalmazva.
gyorsan, pontosan képesek bőséges
és absztrakt következtetéseket levonni
hiányos vagy zavaros adatokból.
Két ilyen példáról szeretnék ma beszélni.
Az egyik az általánosítás kérdése,
a másik pedig az ok-okozati
kapcsolattal függ össze.
Bár saját munkámat ismertetem,
sokaknak tartozom az ösztönzésért.
Hálás vagyok mentoraimnak, kollégáimnak
és közreműködőimnek a világ minden táján.
Kezdjük az általánosítás kérdésével.
A tudományban gyakran kis mintákból
vonunk le általános következtetést.
Egy pár embert megkérdezünk, kire szavaz,
s előrejelezzük az országos
választási eredményt.
Ha a páciensek egy része jól reagál
egy gyógyszerkísérlet során,
piacra dobhatunk egy új terméket.
De ez csak véletlen mintavételkor működik.
Ha választásunkat befolyásolja
valamilyen tényező,
például csak városi szavazókat,
vagy csak férfiakat vonunk be
egy új szívgyógyszernél
a kísérleti alkalmazásba,
az eredmények nem lesznek
érvényesek a nagyobb népességre.
A tudósok tehát figyelnek rá,
hogy a mintavétel véletlenszerű legyen,
de mi köze ennek a csecsemőkhöz?
Nos, a csecsemőknek egyfolytában
kis mintákból kell általánosítaniuk.
Látnak egy pár gumikacsát,
és megtanulják, hogy azok lebegnek,
labdával játszanak,
és rájönnek, hogy az pattog.
Később már számítanak
a lebegésre és a pattogásra,
sőt, más gumikacsákról
és labdákról is előre tudják,
hogyan fognak viselkedni.
Képesnek kell lenniük nemcsak
labdákról és kacsákról,
hanem majd mindenről
ilyen általánosításra.
Cipőkről, hajókról, pecsétviaszról,
káposztákról, királyokról.
A babákat vajon érdekli-e,
hogy a látott pici bizonyíték
meggyőzően képviseli a nagyobb népességet?
Vizsgáljuk meg!
Most két filmet látnak egy kísérletről,
amelyet kétféle feltétel között végeztek,
s mivel csak ezt a két filmet néznek meg,
csak két babát fognak látni.
Két tetszőleges baba
számtalan dologban különbözik egymástól.
Ezek a babák persze
babák csoportját jelképezik,
a különbségek a csoportok közti
átlagos különbséget képviselik,
amely a kétféle feltételre adott
viselkedésben fejeződik ki.
Mindkét filmben a babák azt csinálják,
amit egy babától elvárnánk,
és ugyan nem ruházhatjuk fel
őket varázserővel,
de szerintem a varázslatos
— erre fel is hívom a figyelmüket —,
a két feltétel közti különbség.
A filmek közti egyetlen különbség
a statisztikai erejű bizonyíték,
melyet a babák megfigyelnek.
Egy doboznyi kék és sárga labdát
mutatunk a babáknak,
aztán Hyowon Gweon, régi tanítványom,
aki most már stanfordi munkatársam,
zsinórban három kék labdát húz a dobozból,
közben összenyomja őket,
a labda pedig sípolni fog.
Egy baba számára ez egy kész TED-előadás,
ami nem is lehetne tudományosabb.
(Nevetés)
De ebből az a lényeg, hogy zsinórban
könnyű három kék labdát húzni
egy zömmel kék labdát tartalmazó dobozból.
Csukott szemmel is menne.
Ez meggyőzően véletlen mintavétel.
Ha véletlenszerűen húzunk ki
sípoló labdákat a dobozból,
akkor a dobozban talán
csak sípoló labdák vannak.
A babáknak tehát arra kéne számítaniuk,
hogy a sárga labdák is sípolnak.
A sárga labdáknak nyelük van,
tehát a babák, ha akarják,
másra is használhatják őket.
Ütögethetik, odaverhetik őket.
De nézzük, mi történt a kísérletben.
(Film) Hyowon Gweon: Látod ezt?
(Sípol a labda)
Láttad ezt?
(Sípol a labda)
Remek!
Látod ezt itt?
(Sípol a labda)
Tyűha!
Laura Schulz: Én megmondtam! (Nevet)
(Film) HG: Látod ezt?
(Sípol a labda)
Hé, Clara, ez a tied.
Játszhatsz vele!
(Nevetés)
LS: Ezt nem is kell kommentálni, igaz?
Rendben, hogy a babák
egy kalap alá veszik
a kék és sárga labdák tulajdonságait,
és lenyűgöző, ahogy utánzás révén
tanulnak tőlünk,
de ezt már réges-rég tudtuk a babákról.
.
Az érdekes kérdés most jön:
Mi történik, ha a babáknak
ugyanazt a tárgyat mutatjuk,
biztosan ugyanazt,
mert van egy titkos rekeszünk,
és a labdákat onnan húzzuk elő,
de ezúttal megváltoztatjuk a populációt,
amelyből kihúzzuk a labdákat.
Ezúttal három kék labdát
mutatunk a babáknak,
amelyeket zömmel sárga labdákat rejtő
dobozból húztuk,
És mi történik?
Valószínűség alapján nehéz
zsinórban három kéket húzni
zömmel sárgákat tartalmazó dobozból.
Itt tehát kétséges a véletlen mintavétel.
A tények azt sejtetik, hogy Hyowon
talán szándékosan húz csak kéket,
a kékek talán valami miatt
különlegesek lehetnek.
Talán csak a kék labdák sípolnak.
Nézzük, mi történik!
(Film) HG: Látod ezt?
(Sípol a labda)
Látod ezt a játékot?
(Sípol a labda)
Ó, ez klassz volt! Látod?
(Sípol a labda)
Tessék, ez a tied, játszhatsz vele!
(Bébihang)
(Nevetés)
LS: Önök most láttak két 15 hónapos babát,
akik teljesen eltérően reagáltak,
az eltérést csak
a megfigyelt minta okozta.
Lássuk a kísérlet eredményeit!
A függőleges tengely mutatja
a labdát mindig megnyomó babákat,
százalékban,
és látható, hogy ha a minta
meggyőzően reprezentatív,
akkor a babák nagyobb arányban
általánosítanak,
mint akkor, ha egyértelműen nem az.
Ez egy érdekes következtetésre vezet.
Ha egy kéket húzunk egy zömmel
sárgákat rejtő dobozból,
így valószínűtlen, hogy egymás után
három kéket húzunk ki,
de egy kék még lehet véletlenszerű.
Ez még hihető.
Ha véletlenszerűen nyúlunk a dobozba,
majd kihúzunk egy sípoló tárgyat,
lehet, hogy minden tárgy sípol benne.
Bár a babák sokkal kevesebb bizonyítékot
látnak a sípolásra,
és sokkal kevesebb az esélyük
utánozni a viselkedést
ebben az egylabdás kísérletben
az előzőhöz képest,
mi azt feltételeztük, hogy a babák
többször fogják összenyomni a labdát,
és pontosan ez lett az eredmény.
Tehát a 15 hónapos babák
e tekintetben olyanok, mint a tudósok,
figyelik, hogy a bizonyíték
véletlen mintán alapul-e vagy sem,
és babák eszerint alakítják világképüket:
mi sípol és mi nem,
mire figyeljenek, és mire ne,
Nézzünk egy másik példát.
Ez az ok-okozati összefüggésről szól.
Zavaros bizonyítékokkal
mindnyájan találkozunk,
az életben
sok ilyen helyzet adódhat.
Ez nem okoz fejfájást,
de csak addig, amíg a dolgok
rosszra nem fordulnak.
Ez a baba például
nehézségekkel küzd.
Működtetné a játékát, de nem megy.
Nézzünk belőle pár másodpercet!
Nagyjából két ok lehetséges:
vagy valamit a baba rosszul csinál,
vagy a játékkal van valami zűr.
A következő kísérletben a babáknak
kis mennyiségű statisztikai adatot adtunk
egyik vagy másik hipotézis támogatására,
és meglátjuk, képesek-e dönteni
a teendőről ezen adatok alapján.
Íme az alaphelyzet
Hyowon sikeresen indítja a játékot.
Aztán én kétszer sikertelenül próbálkozom,
majd Hyowon még egyszer, sikerrel.
A tanítványaimmal is nagyjából
így szokott ez menni.
De a lényeg: az események azt mutatják,
hogy nem a játék a hibás, hanem a személy.
Néhányan el tudják indítani a játékot,
néhányan nem.
Amikor a baba megkapja a játékot,
választhat.
A mamája jelen van,
a baba akár át is adhatja neki,
megváltoztatva a személyt,
de egy ugyanilyen játék van a kendő végén,
a kendőt magához húzva
kicserélheti a játékot.
Nézzük, mit csinál itt a baba.
(Film) HG: ... kettő, három, tessék!
(Zene)
LS: Egy, kettő, három, tessék!
Arthur, megpróbálom még egyszer.
Egy, kettő, három, tessék!
YG: Arthur, még egyszer megpróbálom, jó?
Egy, kettő, három, tessék!
(Zene)
Nézd! Emlékszel ezekre a játékokra?
Látod ezeket a játékokat?
Most ezt ideteszem,
ezt pedig neked adom.
Játszhatsz vele.
LS: Mondhatják: "Jó, Laura,
de a babák imádják az anyjukat,
természetesen oda fogják adni
a játékot neki,
ha az anya képes beindítani."
Ismét az a lényeges kérdés,
hogy mi lesz, ha változtatunk
egy cseppet a statisztikai adatokon.
Ezúttal a babák látják, hogy a játék
ugyanúgy beindul és nem indul be,
de megváltoztatjuk
a próbálkozások sorrendjét.
Ezúttal Hyowonnak és nekem is
egyszer sikerül, egyszer nem,
Ez arra utal, hogy mindegy,
ki próbálkozik, a játék hibás,
nem mindig indul be.
Ismét lesz a babának választása:
odaadja másnak, pl. jelen lévő anyjának,
vagy kicseréli a játékot
a kendő végén lévőre.
Nézzük, most mihez kezd.
(Film) HG: Kettő, három, tessék!
(Zene)
Megpróbálom még egyszer.
Egy, kettő, három, tessék!
Hmm.
LS: Hadd próbáljam meg én, Clara.
Egy, kettő, három, tessék!
Hmm, hadd próbáljam meg még egyszer.
Egy, kettő, három, tessék!
(Zene)
HG: Ezt most ide teszem,
ezt pedig odaadom neked.
Játszhatsz vele.
(Taps)
LS: Íme a kísérleti eredmények.
A függőleges tengelyen mérjük
a döntések eloszlását
az adott kísérleti körülmények között.
Láthatják, hogy a döntések eloszlása
attól függ, amit tapasztaltak.
Tehát a babák már kétévesen
kevés statisztikai adat felhasználásával
két alapvetően különböző stratégia közül
képesek viselkedést választani:
segítséget kérjenek-e avagy
próbálkozzanak-e tovább.
Most csak két kísérletet mutattam be
a hasonló célú több száz közül,
A legfontosabb eredmény:
a gyerek képessége, hogy kevés adatból
gazdag következtetést vonjon le,
a ránk jellemző fajtaspecifikus
kulturális tanuláson alapszik.
A gyermek néhány példából megtanulja
új eszközök használatát.
Új ok-okozati összefüggéseket ismer fel
csupán néhány példa alapján.
Új szavakat is tanul így,
itt pl. az amerikai jelbeszédből.
Végezetül két megjegyzést szeretnék tenni.
Ha követték az agykutatást
és a megismeréstudományt
az elmúlt pár évben,
akkor három gondolatra figyelhettek fel.
Az első gondolat:
az agy tanulmányozásának korát éljük.
Elképesztő felfedezések születtek
az idegrendszer kutatása terén:
már tudjuk, hogy az agykéreg mely
részei látják el az egyes funkciókat,
átlátszóvá tették az egér agyát,
neuronokat hoztak működésbe fénnyel.
A másik fontos gondolat,
hogy a big data
és a gépi tanulás korát éljük,
A gépi tanulás pedig forradalmasíthatja,
hogyan kezeljük ezentúl
kezdve a közösségi hálóktól
a járványügyig mindent.
Mivel ez érinti látványok értelmezését is
és a természetes nyelveket,
talán még az emberi felfogásról is
kiderülhetnek újdonságok.
A harmadik jelentős gondolat:
talán jó ennyi mindent tudni az agyunkról,
és hozzáférni a big data-hoz,
mert ha magunkra vagyunk utalva,
az ember esendő, elnagyoljuk,
elvétjük, elhibázzuk a dolgokat,
s számtalan módon vagyunk elfogultak,
így téves lesz a világképünk.
Szerintem ezek mind értékes tapasztalatok,
és sok mindent elárulnak arról,
mit jelent embernek lenni,
de ma teljesen másféle
tapasztalatokról volt szó.
Ez a tapasztalat a tudatra,
nem pedig az agyra vonatkozik,
konkrétan azokról a számításokról,
amelyeket csakis emberi elme végezhet,
amely gazdag, strukturált tudásra
és arra tesz bennünket képessé,
hogy kis mennyiségű adatból,
pár példából is tudjunk újat tanulni.
Alapvetően arról szólt az előadásom,
hogy kisgyermekkorunktól kezdve
egészen kultúránk legnagyobb eredményeiig
helyes képet kapunk a világról.
Nézzék, az emberi elme nem csak
kis mennyiségű adatból tanul.
Az elme kigondolhat elvileg újat is.
Az emberi elme kutat és felfedez,
A emberi elme művészetet, irodalmat,
költészetet, színházat alkot.
Az emberi elme törődik a többi emberrel:
időseinkkel, fiataljainkkal, betegeinkkel.
Az emberi elme még gyógyítja is őket.
A következő években
technológiai újításokat látunk majd,
olyanokat, amelyeket most
még el sem tudok képzelni.
De kétséges, hogy olyat lássunk
az én életemben vagy az önökében,
ami akár csak megközelítené
egy gyermeki agy számítási teljesítményét.
Ha legtehetségesebb tanulóink
fejlődésébe fektetünk be,
azaz a babákba és a gyermekekbe,
anyákba és apákba,
gyerekgondozókba és tanárokba,
pont úgy, ahogy a technika más,
elegánsabb területeibe fektetünk be,
pl. a mérnöki tervezésbe,
akkor nemcsak ábrándozunk a jobb jövőről,
hanem azt meg is tervezzük.
Köszönöm a figyelmet.
(Taps)
Chris Anderson: Laura, köszönjük.
Van is egy kérdésem hozzád.
Először is, a kutatásod őrületes.
Mármint, hogy lehet ilyen
kísérletet tervezni? (Nevetés)
Láttam már párszor ilyet,
és őszintén, nem hittem el,
hogy ilyen lehetséges.
De mások megismételték a kísérleteket,
és tényleg így van.
A babák valóban ekkora zsenik.
LS: Tényleg lenyűgöző,
amit a kísérletekben művelnek,
de gondoljunk bele, milyenek az életben.
Babaként kezdi,
Tizennyolc hónapra rá már beszél hozzánk,
az első szavai nem a "labda" vagy "kacsa",
hanem pl. "elment",
ami a látótérből eltűnésre vonatkozik,
vagy "ajjaj",
ami nem szándékos tettekre utal.
Zseniálisnak kell lennie,
az eddigeknél még zseniálisabbnak,
hisz az egész világot meg kell ismernie.
Egy négyéves már majdnem
bármiről beszélget.
(Taps)
CA: Ha jól értem, akkor a másik
jelentős gondolat, amire rámutatsz,
hogy az utóbbi években csak azt hallottuk,
mennyire furcsa és bolondos az elménk,
a viselkedési közgazdaságtan
és sok elmélet azt állítja:
nem vagyunk észlények.
Azt mondod, hogy lényegesebb,
mennyire rendkívüli az elme,
és nem értékeljük eléggé,
hogy milyen zseniális lehet.
LS: Egyik kedvenc pszichológiai idézetem
Solomon Asch szociálpszichológustól:
szerinte "A pszichológia
alapvető feladata,
hogy lebontsa a dolgok
magától értetődő voltát."
Nagyságrendileg több helyes
döntést hozunk minden nap,
így helyes a világképünk.
Ismerjük a tárgyakat és tulajdonságaikat.
Felismerjük őket még a sötétben is.
Átmegyünk a szobán.
Felfedhetjük, mit gondolnak mások.
Beszélhetünk hozzájuk.
Tudunk térben tájékozódni,
ismerjük a számokat.
Értjük az ok-okozati összefüggéseket.
Erkölcsi érveket vallunk.
Magától értetődik mindez,
tehát észrevétlen.
De ezért értjük helyesen a világot,
és ez egy jelentős,
de nehezen érthető eredmény.
CA: Gondolom a közönségből páran,
akik a műszaki fejlődésben bíznak,
talán vitatják a kijelentésedet,
hogy az életünkben még
nem lesz egy háromévessel
felérő számítógép.
De akárhogyan is lesz,
a gépek sokat tanulhatnának a babáktól.
LS: Pontosan. Lesznek itt
a gépi tanulásról előadók is.
Soha ne fogadjunk babák, csimpánzok
vagy a technika ellen.
Tapasztalatból beszélek.
Ez nemcsak mennyiségi,
hanem ugyanúgy minőségi különbség is.
Hihetetlenül erős
számítógépeink vannak,
melyek elképesztően
bonyolult dolgokra képesek,
hatalmas mennyiségű adatot elemeznek.
Az emberi elme valamit másképpen csinál,
a különbség, úgy vélem, a strukturált,
hierarchikus tudásban rejlik,
ezt feltárni pedig embert próbáló feladat.
CA: Laura Schulz, csodás útravalót
adtál nekünk. Köszönjük.
LS: Köszönöm!
(Taps)