0:00:00.835,0:00:02.990
Mark Twain vatte een van de meest

0:00:02.990,0:00:06.110
fundamentele problemen [br]van de cognitieve wetenschap samen

0:00:06.110,0:00:07.820
in deze quote.

0:00:08.410,0:00:11.492
Hij zei: "Er is iets fascinerends [br]aan de wetenschap.

0:00:11.492,0:00:14.720
Zo'n enorme opbrengst uit speculatie

0:00:14.720,0:00:17.924
met zo'n geringe investering in feiten."

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

0:00:20.199,0:00:22.803
Twain maakte een grapje,[br]maar hij heeft wel gelijk.

0:00:22.803,0:00:25.679
Er is iets fascinerends[br]aan wetenschap.

0:00:25.679,0:00:29.940
Uit een paar botten kunnen we [br]het bestaan van dinosaurussen afleiden,

0:00:30.910,0:00:34.781
uit spectraallijnen het ontstaan[br]van interstellaire gas- en stofwolken,

0:00:35.471,0:00:38.409
uit fruitvliegjes

0:00:38.409,0:00:41.352
de kenmerken van erfelijkheid

0:00:41.352,0:00:45.601
en uit gereconstrueerde beelden[br]van bloed dat door het brein stroomt,

0:00:45.601,0:00:50.309
of, in mijn geval, uit het gedrag [br]van heel jonge kinderen

0:00:50.309,0:00:53.138
proberen we iets af te leiden[br]over de fundamentele werking

0:00:53.138,0:00:54.756
van de menselijke cognitie.

0:00:55.716,0:01:00.475
In mijn lab, bij TU Massachusetts'[br]afdeling cognitieve neurowetenschappen,

0:01:00.475,0:01:04.129
heb ik de afgelopen tien jaar[br]gewerkt met het vraagstuk

0:01:04.129,0:01:08.106
hoe kinderen zo snel en zo veel[br]kunnen leren van zo weinig.

0:01:08.666,0:01:11.644
Want wat zo fascinerend is[br]aan de wetenschap,

0:01:11.644,0:01:15.173
is ook fascinerend aan kinderen.

0:01:15.173,0:01:17.754
Namelijk, om het iets milder[br]te zeggen dan Mark Twain,

0:01:17.754,0:01:22.404
hun vermogen om snel en nauwkeurig[br]rijke en abstracte conclusies te trekken

0:01:22.404,0:01:27.065
uit schaarse en vage data.

0:01:28.355,0:01:30.753
Ik zal jullie twee voorbeelden geven.

0:01:30.753,0:01:33.040
Het eerste heeft te maken[br]met generalisatie,

0:01:33.040,0:01:35.890
en het tweede met causale verbanden.

0:01:35.890,0:01:38.415
Ook al zal ik het vooral[br]over mijn eigen werk hebben,

0:01:38.415,0:01:41.875
dit werk is geïnspireerd door,[br]en te danken aan, een vakgebied.

0:01:41.875,0:01:46.158
Ik ben alle mentors, collega's en mensen[br]met wie ik heb samengewerkt dankbaar.

0:01:47.308,0:01:50.282
Laten we beginnen met het probleem[br]van generalisatie.

0:01:50.652,0:01:54.785
Een kleine hoeveelheid data generaliseren[br]is dagelijkse kost in de wetenschap.

0:01:54.785,0:01:57.339
We peilen een kleine fractie[br]van de kiesgerechtigden

0:01:57.339,0:01:59.660
en voorspellen de uitkomst[br]van landelijke verkiezingen.

0:02:00.240,0:02:04.165
We kijken hoe een handvol patiënten[br]reageert op een klinische behandeling

0:02:04.165,0:02:07.230
en we brengen een medicijn op de markt.

0:02:07.230,0:02:11.595
Maar dit werkt alleen als de proefpersonen[br]willekeurig worden gekozen.

0:02:11.595,0:02:14.330
Als ze op een of andere manier[br]zijn geselecteerd --

0:02:14.330,0:02:16.402
stel dat we alleen mensen[br]in steden peilen,

0:02:16.402,0:02:20.790
of dat er in onze klinische testen[br]van medicijnen voor hartziektes

0:02:20.790,0:02:22.671
alleen mannen meedoen,

0:02:22.671,0:02:25.829
dan kunnen de resultaten niet[br]veralgemeend worden.

0:02:26.479,0:02:30.060
Dus wetenschappers willen weten of[br]het om een willekeurige steekproef gaat,

0:02:30.060,0:02:32.075
maar wat heeft dat te maken met baby's?

0:02:32.585,0:02:37.206
Baby's moeten constant[br]kleine hoeveelheden data generaliseren.

0:02:37.206,0:02:40.364
Ze zien een paar badeendjes[br]en leren dat die drijven,

0:02:40.364,0:02:43.939
of een paar ballen en leren[br]dat die stuiteren.

0:02:43.939,0:02:46.890
Zo krijgen ze verwachtingen[br]over eenden en ballen

0:02:46.890,0:02:49.606
die ze zullen overdragen[br]op badeenden en ballen

0:02:49.606,0:02:51.485
voor de rest van hun leven.

0:02:51.485,0:02:55.224
En dit soort generalisaties die baby's[br]moeten maken over eenden en ballen

0:02:55.224,0:02:57.313
moeten ze over bijna alles maken:

0:02:57.313,0:03:01.230
schoenen en schepen en zegellak[br]en kool en koningen.

0:03:02.200,0:03:05.161
Kan het baby's iets schelen[br]of het luttele bewijs dat ze zien

0:03:05.161,0:03:08.853
representatief is [br]voor een grotere populatie?

0:03:09.763,0:03:11.663
Laten we eens kijken.

0:03:11.663,0:03:13.386
Ik laat jullie twee filmpjes zien

0:03:13.386,0:03:15.848
van twee verschillende condities[br]van een experiment.

0:03:15.848,0:03:18.286
Omdat jullie maar twee filmpjes zien,

0:03:18.286,0:03:20.422
zien jullie ook maar twee baby's.

0:03:20.422,0:03:24.369
Twee verschillende baby's vertonen[br]uiteraard ontelbare verschillen.

0:03:24.369,0:03:27.420
Maar dit zijn natuurlijk voorbeelden[br]uit twee groepen baby's,

0:03:27.420,0:03:29.315
en de verschillen die je ziet

0:03:29.315,0:03:34.510
zijn representatief voor de verschillen[br]per groep voor beide condities.

0:03:35.160,0:03:37.743
In elk filmpje zie je[br]een baby die waarschijnlijk

0:03:37.743,0:03:41.203
precies doet wat je van een baby verwacht.

0:03:41.203,0:03:45.220
We kunnen baby's nou een keer niet nog [br]wonderlijker maken dan ze al zijn.

0:03:46.090,0:03:48.100
Maar het meest wonderlijke volgens mij,

0:03:48.100,0:03:50.189
en daar moet je hier op letten,

0:03:50.189,0:03:53.300
is het verschil tussen de twee condities,

0:03:53.300,0:03:56.829
want het enige verschil[br]tussen de beide filmpjes

0:03:56.829,0:04:00.295
is het statistische bewijs[br]dat de baby's in acht nemen.

0:04:01.425,0:04:04.608
We laten de baby's een doos[br]met blauwe en gele ballen zien,

0:04:04.608,0:04:09.228
en mijn toenmalige student,[br]nu collega in Stanford, Hyowon Gweon,

0:04:09.228,0:04:12.305
pakt drie blauwe ballen achter elkaar[br]uit die doos,

0:04:12.305,0:04:15.428
en telkens als ze een bal pakt,[br]knijpt ze erin

0:04:15.428,0:04:17.541
en piept de bal.

0:04:17.541,0:04:20.304
En voor een baby is dat[br]zoiets als een TED-talk.

0:04:20.304,0:04:22.208
Beter wordt het niet.

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

0:04:26.968,0:04:30.627
Waar het om gaat, is dat het eenvoudig[br]is om drie blauwe ballen achter elkaar

0:04:30.627,0:04:32.932
te pakken uit een doos [br]met vooral blauwe ballen.

0:04:32.932,0:04:34.992
Dat kun je met ogen dicht doen.

0:04:34.992,0:04:37.988
Het zou goed een willekeurige[br]steekproef kunnen zijn.

0:04:37.988,0:04:41.720
En als je willekeurig dingen[br]uit een doos haalt en ze piepen,

0:04:41.720,0:04:44.559
dan piept misschien wel [br]alles wat in de doos zit.

0:04:44.559,0:04:48.209
Dus misschien zouden baby's verwachten[br]dat de gele ballen ook piepen.

0:04:48.209,0:04:50.728
Aan de gele ballen zitten echter[br]grappige stokjes,

0:04:50.728,0:04:53.585
dus zouden baby's er ook andere dingen[br]mee kunnen doen.

0:04:53.585,0:04:55.416
Ze kunnen ermee rammelen of slaan.

0:04:55.416,0:04:58.002
Laten we kijken wat de baby doet.

0:05:00.548,0:05:03.891
(Video) Hyowon Gweon: Kijk eens?[br](Bal piept)

0:05:04.531,0:05:07.576
Zag je dat?[br](Bal piept)

0:05:08.036,0:05:11.102
Wat mooi!

0:05:12.706,0:05:14.656
Kijk eens naar deze?

0:05:14.656,0:05:16.537
(Bal piept)

0:05:16.537,0:05:19.190
Wow.

0:05:21.854,0:05:23.967
Laura Schulz: Ik zei het toch.[br](Gelach)

0:05:23.967,0:05:27.998
(Video) HG: Kijk eens naar deze?[br](Bal piept)

0:05:27.998,0:05:32.617
Kijk, Clara, deze is voor jou.[br]Speel er maar mee.

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

0:05:44.219,0:05:47.214
LS: Ik hoef niets meer te zeggen, toch?

0:05:47.214,0:05:50.113
Oké, het is leuk dat baby's[br]eigenschappen generaliseren

0:05:50.113,0:05:51.641
van blauwe naar gele ballen,

0:05:51.641,0:05:54.737
en het is indrukwekkend dat baby's[br]kunnen leren door te imiteren,

0:05:54.737,0:05:58.406
maar die dingen wisten we al heel lang.

0:05:58.406,0:06:00.217
De echt interessante vraag is

0:06:00.217,0:06:03.329
wat er gebeurt als we baby's meermaals[br]exact hetzelfde laten zien.

0:06:03.329,0:06:06.680
En we weten dat het exact hetzelfde is,[br]want we hebben een geheim vakje

0:06:06.680,0:06:08.790
waar we de ballen uit halen.

0:06:08.790,0:06:12.268
Het enige dat we veranderen,[br]is de zichtbare populatie

0:06:12.268,0:06:15.170
waar het bewijs vandaan komt.

0:06:15.170,0:06:18.723
Deze keer laten we de baby's[br]drie blauwe ballen zien

0:06:18.723,0:06:22.107
uit een doos met vooral gele ballen,

0:06:22.107,0:06:23.429
en wat denk je?

0:06:23.429,0:06:26.269
Je kunt niet willekeurig[br]drie blauwe ballen achter elkaar

0:06:26.269,0:06:28.753
uit een doos met[br]vooral gele ballen pakken.

0:06:28.753,0:06:32.500
Het is niet aannemelijk dat je[br]ze dan willekeurig gekozen hebt.

0:06:32.500,0:06:37.623
Dat resultaat suggereert dat Hyowon[br]misschien expres de blauwe ballen pakte.

0:06:37.623,0:06:40.206
Misschien is er iets speciaals[br]aan de blauwe ballen.

0:06:40.846,0:06:43.822
Misschien piepen alleen de blauwe ballen.

0:06:43.822,0:06:45.717
Laten we kijken wat de baby doet.

0:06:45.717,0:06:48.621
(Video) HG: Kijk eens?[br](Bal piept)

0:06:50.851,0:06:53.496
Kijk eens naar deze?[br](Bal piept)

0:06:53.496,0:06:58.976
Oh, dat was leuk. Kijk?[br](Bal piept)

0:06:58.976,0:07:03.370
Hier, deze is voor jou om mee te spelen.[br]Toe maar, speel er maar mee.

0:07:06.074,0:07:12.421
(Gerommel)[br](Gelach)

0:07:14.901,0:07:17.649
LS: Jullie hebben net twee baby's[br]van 15 maanden gezien

0:07:17.649,0:07:19.591
die totaal verschillend reageerden,

0:07:19.591,0:07:23.190
enkel gebaseerd op de waarschijnlijkheid[br]van de proef die ze zagen.

0:07:23.190,0:07:25.511
Hier zijn de resultaten[br]van het experiment:

0:07:25.511,0:07:28.275
Op de verticale as zie je[br]het percentage baby's

0:07:28.275,0:07:30.805
dat in de bal kneep, per conditie.

0:07:30.805,0:07:34.520
En je ziet: baby's generaliseren [br]het bewijs eerder

0:07:34.520,0:07:37.655
als het representatief lijkt te zijn[br]voor de populatie

0:07:37.655,0:07:41.393
dan wanneer het bewijs[br]duidelijk gekozen is.

0:07:41.393,0:07:43.808
En dit leidt tot een leuke voorspelling:

0:07:43.808,0:07:48.676
stel dat je maar één blauwe bal pakt[br]uit de doos met vooral gele.

0:07:48.896,0:07:52.765
Drie blauwe ballen achter elkaar uit een[br]gele doos pakken is onwaarschijnlijk,

0:07:52.765,0:07:55.220
maar je kunt wel toevallig[br]één blauwe bal pakken.

0:07:55.220,0:07:57.190
Dat is geen onwaarschijnlijke steekproef.

0:07:57.190,0:07:59.414
En als je willekeurig iets[br]uit een doos pakt

0:07:59.414,0:08:03.401
en dat piept, misschien dat[br]alles in die doos dan wel piept.

0:08:03.875,0:08:08.320
Dus ook al zien de baby's[br]veel minder bewijs voor het piepen,

0:08:08.320,0:08:10.562
en veel minder voorbeelden om na te doen

0:08:10.562,0:08:13.905
in deze conditie met één bal[br]dan in de conditie die je net zag,

0:08:13.905,0:08:17.797
wij voorspelden dat meer baby's[br]in de ballen zouden knijpen,

0:08:17.797,0:08:20.691
en dat is precies wat er gebeurde.

0:08:20.691,0:08:25.102
Dus baby's van 15 maanden vinden,[br]net als wetenschappers,

0:08:25.102,0:08:28.190
het van belang of bewijs[br]uit een willekeurige steekproef komt.

0:08:28.190,0:08:31.697
En dat passen ze toe als ze verwachtingen[br]over de wereld scheppen:

0:08:31.697,0:08:33.879
wat piept en wat niet,

0:08:33.879,0:08:37.024
wat te ontdekken en wat te negeren.

0:08:38.384,0:08:40.450
Ik zal nu een ander voorbeeld laten zien,

0:08:40.450,0:08:43.180
over het probleem van causaal redeneren.

0:08:43.180,0:08:45.619
En het begint met het verwarrende bewijs

0:08:45.619,0:08:47.291
waar we allemaal over beschikken,

0:08:47.291,0:08:49.311
namelijk dat we deel uitmaken[br]van de wereld.

0:08:49.311,0:08:52.747
Misschien lijkt jullie dat geen probleem,[br]maar zoals meestal,

0:08:52.747,0:08:55.084
is het alleen een probleem[br]als er iets mis gaat.

0:08:55.464,0:08:57.275
Neem bijvoorbeeld deze baby.

0:08:57.275,0:08:58.980
Hij heeft een probleem:

0:08:58.980,0:09:01.251
hij wil dat dit speeltje werkt[br]en dat lukt niet.

0:09:01.251,0:09:03.780
Ik laat een paar seconden[br]van het filmpje zien.

0:09:09.340,0:09:11.260
Er zijn twee mogelijkheden:

0:09:11.260,0:09:13.894
misschien doet hij iets fout,

0:09:13.894,0:09:18.110
of misschien is het speeltje kapot.

0:09:18.110,0:09:20.221
Dus in het volgende experiment

0:09:20.221,0:09:23.518
geven we de baby's [br]een heel klein beetje statistisch bewijs

0:09:23.518,0:09:26.100
dat een van de hypotheses ondersteunt

0:09:26.100,0:09:29.555
en we kijken of baby's dat kunnen[br]gebruiken in hun beslissingen

0:09:29.555,0:09:31.389
over wat ze moeten doen.

0:09:31.389,0:09:33.411
Dit is wat we deden:

0:09:34.071,0:09:37.101
Hyowon probeert het speeltje en het werkt.

0:09:37.101,0:09:40.421
Daarna probeer ik het twee keer[br]en beide keren lukt het niet,

0:09:40.421,0:09:43.533
Hyowon probeert het nog een keer[br]en het werkt.

0:09:43.533,0:09:46.705
En dit is ongeveer hoe het meestal gaat[br]tussen mij en mijn studenten

0:09:46.705,0:09:49.540
met de meeste technologische dingen.

0:09:50.030,0:09:53.322
Maar waar het hier om gaat is[br]dat het enigszins bewijst

0:09:53.322,0:09:56.990
dat het niet aan het speeltje ligt,[br]maar aan de persoon.

0:09:56.990,0:09:59.340
Sommige mensen krijgen[br]dit speeltje aan de praat,

0:09:59.340,0:10:00.299
en andere niet.

0:10:00.799,0:10:04.212
Wanneer de baby het speeltje krijgt,[br]heeft hij een keuze.

0:10:04.212,0:10:06.400
Zijn moeder zit naast hem,

0:10:06.400,0:10:09.715
dus hij kan het meteen aan haar geven[br]en de persoon veranderen.

0:10:09.715,0:10:12.873
Maar er ligt ook nog speeltje[br]op het kleed,

0:10:12.873,0:10:16.425
dus hij kan het kleed naar zich [br]toe trekken en het speeltje veranderen.

0:10:16.425,0:10:18.515
Kijk maar wat de baby doet.

0:10:18.515,0:10:22.698
(Video) HG: Twee, drie, go![br](Muziek)

0:10:22.698,0:10:25.829
LS: Een, twee, drie, go!

0:10:25.829,0:10:33.211
Arthur, ik probeer het nog een keer.[br]Een, twee drie, go!

0:10:33.677,0:10:36.277
HG: Arthur, ik probeer het nog eens, oké?

0:10:36.277,0:10:40.827
Een, twee, drie, go![br](Muziek)

0:10:41.583,0:10:43.466
Kijk eens! Ken je deze speeltjes nog?

0:10:43.466,0:10:46.730
Zie je ze? Ik leg deze hier neer

0:10:46.730,0:10:48.792
en deze geef ik aan jou.

0:10:48.792,0:10:51.127
Speel er maar mee.

0:11:11.213,0:11:15.950
LS: Ja, Laura, maar natuurlijk houden[br]baby's van hun moeder.

0:11:15.950,0:11:18.132
Baby's geven hun moeder het speeltje

0:11:18.132,0:11:20.162
als het niet werkt.

0:11:20.162,0:11:23.755
Dus het gaat er ook hier weer om[br]wat er gebeurt

0:11:23.755,0:11:26.909
als we de statistische data[br]een beetje veranderen.

0:11:26.909,0:11:30.996
Deze keer zien de baby's het speeltje[br]wel en niet werken in dezelfde volgorde,

0:11:30.996,0:11:33.411
maar we veranderen de distributie[br]van het bewijs.

0:11:33.411,0:11:37.822
Deze keer lukt het Hyowon één keer wel[br]en één keer niet, en mij ook.

0:11:37.822,0:11:43.459
En dit suggereert dat het niet uitmaakt[br]wie het probeert, het speeltje is kapot.

0:11:43.459,0:11:45.345
Het doet het niet altijd.

0:11:45.345,0:11:47.310
Ook nu heeft de baby weer een keuze.

0:11:47.310,0:11:50.706
Haar moeder zit naast haar,[br]dus ze kan de persoon veranderen

0:11:50.706,0:11:53.910
en er is nog een speeltje op het kleed.

0:11:53.910,0:11:55.288
Kijk maar wat ze doet.

0:11:55.288,0:11:59.636
(Video) HG: Twee, drie, go![br](Muziek)

0:11:59.636,0:12:04.620
Nog een keer. Een, twee, drie, go!

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

0:12:07.950,0:12:10.642
LS: Laat mij eens proberen, Clara.

0:12:10.642,0:12:14.587
Een, twee, drie, go!

0:12:15.265,0:12:17.200
Hmm, nog een keer.

0:12:17.200,0:12:22.870
Een, twee, drie, go![br](Muziek)

0:12:23.009,0:12:25.242
HG: Ik leg deze hier neer,

0:12:25.242,0:12:27.243
en deze geef ik aan jou.

0:12:27.243,0:12:30.840
Speel er maar mee.

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

0:12:52.993,0:12:55.385
LS: Dit zijn de resultaten:

0:12:55.385,0:12:57.860
op de verticale as zie je de distributie

0:12:57.860,0:13:00.437
van de keuzes voor de beide condities,

0:13:00.437,0:13:04.988
en je ziet dat de verdeling van de keuzes[br]die kinderen maken

0:13:04.988,0:13:07.775
afhangt van het bewijs dat ze zien.

0:13:07.775,0:13:09.632
Dus in het tweede jaar van hun leven,

0:13:09.632,0:13:12.209
kunnen baby's wat statistische data[br]gebruiken

0:13:12.209,0:13:15.576
om te kiezen tussen twee[br]fundamenteel verschillende manieren

0:13:15.576,0:13:17.457
om je te gedragen:

0:13:17.457,0:13:20.200
hulp vragen en op verkenning gaan.

0:13:21.700,0:13:25.134
Ik heb jullie net twee[br]experimenten laten zien

0:13:25.134,0:13:28.825
van de honderden in dit gebied[br]die vergelijkbare dingen aantonen.

0:13:28.825,0:13:31.217
Het echt cruciale punt

0:13:31.217,0:13:36.325
is dat het vermogen van kinderen om rijke[br]conclusies te trekken uit weinig data

0:13:36.325,0:13:41.666
de grondslag is van hoe mensen leren.

0:13:41.666,0:13:46.263
Kinderen hebben maar een paar voorbeelden[br]nodig om een nieuw apparaat te begrijpen.

0:13:46.263,0:13:50.980
Ze leren over nieuwe causale verbanden[br]van maar een paar voorbeelden.

0:13:51.928,0:13:56.799
Ze leren zelfs nieuwe woorden,[br]in dit geval in Amerikaanse gebarentaal.

0:13:56.799,0:13:59.110
Ik wil afsluiten met twee punten.

0:14:00.050,0:14:03.738
Als je mijn vakgebied, de neurocognitieve[br]wetenschappen, hebt gevolgd

0:14:03.738,0:14:05.665
in de afgelopen paar jaar,

0:14:05.665,0:14:08.080
dan zullen drie grote ideeën[br]je zijn opgevallen.

0:14:08.080,0:14:11.516
Het eerste is dat dit het tijdperk[br]is van de hersenen.

0:14:11.516,0:14:15.185
En inderdaad, er zijn indrukwekkende[br]ontdekkingen gedaan in neurowetenschap:

0:14:15.185,0:14:18.621
het localiseren van functioneel specifieke[br]gebieden van de cortex,

0:14:18.621,0:14:21.222
het doorzichtig maken[br]van de hersenen van muizen,

0:14:21.222,0:14:24.998
neuronen activeren met licht.

0:14:24.998,0:14:26.994
Een tweede groot idee

0:14:26.994,0:14:31.098
is dat dit het tijdperk is van veel data[br]en machinaal leren,

0:14:31.098,0:14:34.239
en machinaal leren lijkt te zorgen[br]voor een revolutie in ons begrip

0:14:34.239,0:14:38.906
van alles, van sociale netwerken[br]tot epidemiologie.

0:14:38.906,0:14:41.949
Naarmate vragen opgelost raken[br]rond het begrip van de omgeving

0:14:41.949,0:14:43.592
en natuurlijke taalverwerking

0:14:43.592,0:14:46.916
kan het ons misschien iets leren [br]overmenselijke cognitie.

0:14:47.756,0:14:49.693
En het laatste grote idee

0:14:49.693,0:14:53.080
is dat het misschien wel goed is[br]dat we zoveel over de hersenen leren

0:14:53.080,0:14:54.997
en toegang hebben tot zoveel data,

0:14:54.997,0:14:57.504
want als we aan onszelf zijn overgelaten,

0:14:57.504,0:15:01.335
dan zijn mensen feilbaar:[br]we nemen een kortere weg,

0:15:01.335,0:15:04.772
we vergissen ons, we maken fouten,

0:15:04.772,0:15:08.456
we zijn partijdig,[br]en op ontelbaar veel manieren

0:15:08.456,0:15:11.425
begrijpen we de wereld verkeerd.

0:15:12.843,0:15:15.792
Ik denk dat dit allemaal[br]belangrijke ideeën zijn,

0:15:15.792,0:15:19.577
die ons veel vertellen over de mensheid,

0:15:19.577,0:15:23.106
maar ik heb jullie vandaag[br]een heel ander verhaal verteld.

0:15:23.966,0:15:27.773
Een verhaal over het verstand[br]in plaats van over hersens,

0:15:27.773,0:15:30.779
en vooral over het soort berekeningen die

0:15:30.779,0:15:33.369
het menselijk verstand kan maken,

0:15:33.369,0:15:35.269
op basis van rijke, [br]gestructureerde kennis

0:15:35.269,0:15:39.143
en het vermogen om van een kleine [br]hoeveelheid data te leren,

0:15:39.143,0:15:42.581
van het bewijs van enkele voorbeelden.

0:15:44.301,0:15:48.600
In de kern is het een verhaal[br]over hoe we van jongs af aan

0:15:48.600,0:15:52.780
tot aan de meest indrukwekkende prestaties

0:15:52.780,0:15:56.623
van onze cultuur,

0:15:56.623,0:15:58.620
de wereld wél begrijpen.

0:16:00.433,0:16:05.700
Het menselijk verstand leert natuurlijk[br]niet alleen van kleine hoeveelheden data.

0:16:06.285,0:16:08.386
Ons verstand kan nieuwe ideeën bedenken.

0:16:08.746,0:16:11.787
Ons verstand onderzoekt en ontdekt,

0:16:11.787,0:16:17.060
en het creëert kunst, literatuur,[br]poëzie en theater.

0:16:17.070,0:16:20.830
En met het menselijk verstand[br]kunnen we voor andere mensen zorgen:

0:16:20.830,0:16:24.257
de ouderen, jongeren, zieken.

0:16:24.517,0:16:26.884
We kunnen ze zelfs genezen.

0:16:27.564,0:16:30.667
In de komende jaren zullen we[br]technologische innovaties zien,

0:16:30.667,0:16:34.464
die mijn eigen verbeelding te boven gaan,

0:16:34.464,0:16:36.614
maar het is zeer onwaarschijnlijk

0:16:36.614,0:16:42.323
dat we in onze tijd iets zullen zien[br]wat ook maar enigszins lijkt

0:16:42.323,0:16:46.621
op het calculerende vermogen van een kind.

0:16:46.621,0:16:51.668
Door te investeren in deze doortastende[br]lerenden en hun ontwikkeling,

0:16:51.668,0:16:54.585
in baby's en kinderen

0:16:54.585,0:16:56.411
en moeders en vaders

0:16:56.411,0:16:59.110
en verzorgers en leraren

0:16:59.110,0:17:03.280
op dezelfde manier als we investeren[br]in onze andere fantastische, mooie vormen

0:17:03.280,0:17:06.498
van techniek en design,

0:17:06.498,0:17:09.437
dromen we niet alleen[br]van een betere toekomst,

0:17:09.437,0:17:11.564
maar maken we er plannen voor.

0:17:11.564,0:17:13.909
Dank je wel.

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

0:17:17.810,0:17:22.236
Chris Anderson: Laura, dank je wel.[br]Ik heb nog een vraag voor je.

0:17:22.236,0:17:24.595
Ten eerste, dit is onderzoek[br]is krankzinnig.

0:17:24.595,0:17:28.320
Ik bedoel, wie doet er nou[br]zo'n experiment? (Gelach)

0:17:29.150,0:17:30.940
Ik heb dit een paar keer gezien,

0:17:30.940,0:17:34.162
en ik geloof nog steeds niet[br]dat het echt is,

0:17:34.162,0:17:37.320
maar anderen hebben soortgelijke[br]experimenten gedaan; het klopt.

0:17:37.320,0:17:38.953
De baby's zijn echt zulke genieën.

0:17:38.953,0:17:41.960
LS: Ze zien er heel indrukwekkend uit[br]in onze experimenten,

0:17:41.960,0:17:44.612
maar let maar eens op hoe ze[br]er in het echt uitzien.

0:17:44.612,0:17:45.762
Eerst is het een baby.

0:17:45.762,0:17:47.769
Achttien maanden later praat het met je,

0:17:47.769,0:17:50.810
de eerste woordjes beperken zich niet[br]tot dingen als bal of eend,

0:17:50.810,0:17:53.691
ze zeggen ook dingen als "op"[br]wat verwijst naar verdwijning,

0:17:53.691,0:17:55.974
of "oh-oh", als iets per ongeluk gebeurt.

0:17:55.974,0:17:57.536
Hij moet zoveel kunnen.

0:17:57.536,0:18:00.311
Hij moet veel meer kunnen[br]dan wat ik heb laten zien.

0:18:00.311,0:18:02.285
Ze zijn de hele wereld aan het ontdekken.

0:18:02.285,0:18:05.429
Een vierjarige kan over bijna alles[br]met je praten.

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

0:18:07.030,0:18:10.444
CA: En als ik het goed begrijp, [br]is jouw andere punt

0:18:10.444,0:18:13.198
dat er de afgelopen jaren[br]zo vaak is gezegd dat ons verstand

0:18:13.198,0:18:15.130
maar eigenzinnig en gebrekkig is,

0:18:15.130,0:18:17.997
de gedragseconomie[br]en al die theorieën daarachter,

0:18:17.997,0:18:19.600
dat we niet rationeel zijn.

0:18:19.600,0:18:23.816
Jij legt juist de nadruk[br]op hoe buitengewoon,

0:18:23.816,0:18:28.760
dat er echte genialiteit is[br]die wordt ondergewaardeerd.

0:18:28.760,0:18:30.830
LS: Deze quote uit de psychologie

0:18:30.830,0:18:33.120
is van sociaal psycholoog Solomon Asch;

0:18:33.120,0:18:35.927
hij zei dat de fundamentele taak[br]van de psychologie is om

0:18:35.927,0:18:38.553
de sluier van vanzelfsprekendheid[br]weg te nemen.

0:18:38.553,0:18:43.104
We maken elke dag ontelbaar veel meer[br]beslissingen waaruit blijkt

0:18:43.104,0:18:44.451
dat we de wereld begrijpen.

0:18:44.451,0:18:46.583
Je kent objecten en hun eigenschappen.

0:18:46.583,0:18:49.612
Je kent ze als ze verstopt zijn.[br]Je kent ze in het donker.

0:18:49.612,0:18:50.920
Je kunt door ruimtes lopen.

0:18:50.920,0:18:54.452
Je kunt erachter komen wat andere mensen[br]denken. Je kunt met ze praten.

0:18:54.452,0:18:56.682
Je kunt navigeren. Je kent cijfers.

0:18:56.682,0:18:59.704
Je kent causale verbanden.[br]Je kan moreel redeneren.

0:18:59.704,0:19:02.060
Je doet het vanzelf, dus we zien het niet,

0:19:02.060,0:19:04.972
maar zo begrijpen we de wereld,[br]en dat is een wonderbaarlijke

0:19:04.972,0:19:07.290
en moeilijk te begrijpen prestatie.

0:19:07.290,0:19:09.918
CA: Ik vermoed dat er mensen[br]in het publiek zijn die

0:19:09.918,0:19:12.156
een beeld hebben van[br]technologische ontwikkeling,

0:19:12.156,0:19:15.114
die het er niet mee eens zijn[br]dat er nooit in ons leven

0:19:15.114,0:19:17.732
een computer zal doen[br]wat een driejarig kind kan doen,

0:19:17.732,0:19:20.980
maar wat hier in ieder geval uit blijkt

0:19:20.980,0:19:24.750
is dat onze apparaten nog heel veel[br]kunnen leren van onze peuters.

0:19:26.230,0:19:29.446
LS: Ja dat denk ik wel.[br]Machinaal leren zit hier vast ook.

0:19:29.446,0:19:33.649
Je moet natuurlijk nooit[br]tegen baby's of chimpansees

0:19:33.649,0:19:37.294
of techniek zijn, enkel uit principe,

0:19:37.294,0:19:41.822
maar het gaat niet alleen[br]om een verschil in kwantiteit,

0:19:41.822,0:19:43.586
het is een verschil in aard.

0:19:43.586,0:19:45.746
We hebben ontzettend slimme computers,

0:19:45.746,0:19:48.137
en ze doen ongelooflijk[br]geavanceerde dingen,

0:19:48.137,0:19:51.341
vaak met gigantisch veel data.

0:19:51.341,0:19:53.948
Mensen doen iets heel anders

0:19:53.948,0:19:57.843
en ik denk dat het de gestructureerde,[br]hiërarchische aard van onze kennis is,

0:19:57.843,0:19:59.875
wat een echte uitdaging blijft.

0:19:59.875,0:20:02.936
CA: Laura Schulz, mooi om[br]over na te denken. Dank je wel.

0:20:02.936,0:20:05.858
LS: Bedankt.[br](Applaus)