Mark Twain resumiu o que eu considero um dos problemas fundamentais da ciência cognitiva com apenas um chiste. Ele disse: "Há algo fascinante sobre a ciência. Obtém-se retornos profundos de conjectura a partir de investigações superficiais da verdade". (Risos) Twain disse isso brincando, mas ele está certo: há algo fascinante sobre a ciência. A partir de alguns ossos, inferimos a existência de dinossauros. A partir de linhas espectrais, a composição de nebulosas. A partir de moscas-das-frutas, os mecanismos de hereditariedade, e de imagens reconstruídas do sangue que flui através do cérebro, ou no meu caso, do comportamento de crianças muito novas, nós tentamos dizer algo sobre os mecanismos fundamentais da cognição humana. No meu laboratório no Departamento de Ciências Cognitivas no MIT, eu passei a última década tentando entender o mistério de como as crianças aprendem tanto a partir de tão pouco e tão rápido. E acontece que essa coisa fascinante sobre ciência também é uma coisa fascinante sobre as crianças, e mudando um pouco a frase de Mark Twain, é exatamente a capacidade delas de criar inferências ricas e abstratas com rapidez e precisão a partir de poucos dados ruidosos. Eu vou dar a vocês apenas dois exemplos. O primeiro é sobre um problema de generalização, e o segundo é sobre um problema de raciocínio causal. Apesar de falar sobre o trabalho em meu laboratório, este trabalho é inspirado e derivado de um campo. Sou grata a mentores, colegas, e colaboradores em todo o mundo. Vou começar com o problema de generalização. Generalizar a partir de poucos dados é o feijão com arroz da ciência. Nós sondamos uma pequena fração de eleitores e prevemos o resultado das eleições nacionais. Vemos como alguns pacientes respondem ao tratamento num ensaio clínico, e trazemos drogas para o mercado nacional. Mas isso só funciona se nossa amostra for obtida aleatoriamente da população. Se nossa amostra for enviesada de alguma maneira, digamos, sondamos apenas eleitores urbanos, ou então, em nossos ensaios clínicos para tratamento de doenças do coração, incluímos apenas homens, os resultados podem não abranger a população em geral. Então, os cientistas se importam se as amostras são randomizadas, mas o que isso tem a ver com bebês? Bem, os bebês precisam generalizar pequenas amostras de dados o tempo todo. Eles veem alguns patos de borracha e sabem que eles flutuam, ou veem algumas bolas e sabem que quicam. E eles desenvolvem expectativas sobre patos e bolas que eles vão estender para os patos de borracha e bolas para o resto das suas vidas. E os tipos de generalizações que os bebês fazem sobre patos e bolas, eles precisam fazer sobre quase tudo: sapatos, barcos, cera de vela, repolhos e reis. Os bebês se importam se os pedacinhos de evidência que veem são representantes plausíveis de uma população maior? Vamos descobrir. Eu vou mostrar dois filmes a vocês, um filme para cada condição de um experimento, e porque vocês vão ver apenas dois filmes, vocês verão apenas dois bebês, e os bebês diferem entre si de várias maneiras. Mas estes bebês, claro, representam um grupos de bebês, e as diferenças que vocês vão ver representam as diferenças médias de grupos de bebês de cada condição. Em cada filme, talvez vocês vejam um bebê fazendo exatamente o que você espera que um bebê faça, e dificilmente podemos tornar os bebês mais mágicos do que já são. Mas para mim, a coisa mágica na qual quero que vocês prestem atenção é o contraste entre estas duas condições, porque a única coisa que difere entre estes dois filmes é a evidência estatística que os bebês vão observar. Vamos mostrar aos bebês uma caixa de bolas azuis e amarelas, e minha aluna, que agora é minha colega de Stanford, Hyowon Gweon, vai tirar três bolas azuis de cada vez fora desta caixa, e ao tirar as bolas, ela vai apertá-las, e as bolas vão chiar. E se você for um bebê, é como se fosse uma Palestra TED. Não tem como ficar melhor que isso. (Risos) Mas o que importa é que é fácil pegar três bolas azuis em sequência de uma caixa com maioria de bolas azuis. Você pode fazer isso de olhos fechados. É plausível que seja uma amostra aleatória desta população. E se você põe a mão numa caixa e pega coisas que chiam, então talvez tudo dentro da caixa chia. Talvez os bebês esperem que essas bolas amarelas chiem também. Essas bolas amarelas têm bastões engraçados, e os bebês podem fazer outras coisas com elas se quiserem. Eles podem amassá-las. Mas vamos ver o que o bebê faz. (Vídeo) Hyowon Gweon: Olha isso? (Bola chia) Você viu? (Bola chia) Legal! Olha isso? (Bola chia) Uau! Laura Schulz: Não disse? (Risos) (Vídeo) HG: Olha isso? (Bola chia) Clara, esta é para você. Você pode brincar se quiser. (Risos) LS: Eu não preciso nem falar. Tudo bem, é bom que os bebês generalizem as propriedades das bolas azuis para as amarelas, é impressionante que os bebês aprendam nos imitando, mas já sabemos dessas coisas sobre os bebês há muito tempo. A questão mais interessante é o que acontece quando mostramos exatamente a mesma coisa, e podemos garantir que é a mesma coisa pois temos um compartimento secreto e tiramos as bolas de lá, mas desta vez, vamos mudar a população aparente a partir da qual a evidência é obtida. Desta vez, vamos mostrar aos bebês três bolas azuis tiradas de uma caixa com maioria de bolas amarelas, e adivinha? Você provavelmente não tira três bolas azuis em sequência de uma caixa com maioria de bolas amarelas. Isso não é uma evidência amostral plausível. Essa evidência sugere que Hyowon estivesse escolhendo as bolas azuis. Talvez haja algo especial sobre as bolas azuis. Talvez apenas as bolas azuis chiem. Vamos ver o que o bebê faz. (Vídeo) HG: Olha isso? (Bola chia) Olha este brinquedo? (Bola chia) Isso foi legal! Olha? (Bola chia) Agora, esta é para você brincar. Pode brincar se quiser. (Mexendo) (Risos) LS: Você acabou de ver dois bebês de 15 meses de idade fazendo coisas totalmente diferentes com base apenas na probabilidade da amostra que observaram. Vou mostrar os resultados experimentais. No eixo vertical, temos a porcentagem de bebês que apertaram a bola em cada condição, e como podemos ver, os bebês tendem a generalizar a evidência quando é uma amostra representativa plausível da população em vez de de uma amostra escolhida de maneira enviesada. E isso leva a uma previsão divertida: suponha que você tirasse uma bola azul da caixa com maioria de bolas amarelas. Você provavelmente não tiraria três bolas azuis em sequência, mas poderia tirar aleatoriamente uma bola azul. Isso não é uma amostra improvável. E se você pudesse mexer ao acaso numa caixa e tirar uma bola que chia, talvez todas as bolas da caixa chiem. Mesmo que os bebês estejam vendo menos evidências para o chiado, e tenham menos ações para imitar nesta condição de uma bola que acabei de explicar, nós previmos que os próprios bebês apertariam mais, e isso foi exatamente o que vimos. Então os bebês de 15 meses de idade, como se fossem cientistas, se importam se as evidências são amostradas aleatoriamente ou não, e usam isso para desenvolver expectativas sobre o mundo: o que chia e o que não chia, o que explorar e o que ignorar. Vou mostrar outro exemplo agora, desta vez sobre um problema de raciocínio causal. E isso começa com um problema de evidência confusa que todos nós enfrentamos, e por isso fazemos parte do mundo. Pode não ser um problema para você, mas como a maioria dos problemas, só é um problema quando as coisas dão errado. Veja este bebê, por exemplo. As coisas estão dando errado. Ele quer fazer isso andar, mas não consegue. Vou mostrar alguns segundos. E há duas possibilidades: talvez ele esteja fazendo algo errado, ou talvez haja algo errado com o brinquedo. Neste próximo experimento, vamos dar alguns dados estatísticos apoiando uma hipótese sobre a outra, e vamos ver se os bebês podem tomar decisões diferentes sobre o que fazer. Aqui está o experimento. Hyowon vai fazer o brinquedo andar. Depois eu vou tentar duas vezes e falhar, e Hyowon tenta de novo e consegue, e isto resume minha relação com meus alunos de pós-graduação com novas tecnologias. Mas o importante aqui é fornecer um pouco de evidência de que o problema não é o brinquedo, é a pessoa. Algumas pessoas fazem o brinquedo andar, e outras não. Quando o bebê pega o brinquedo, ele tem uma escolha. Sua mãe está ali, para que possa entregar o brinquedo e mudar de pessoa, mas há também outro brinquedo, no final do pano, e ele pode puxar o pano e mudar de brinquedo. Vamos ver o que o bebê faz. (Vídeo) HG: Dois, três. vai! (Música) LS: Um, dois, três, vai! Arthur, vou tentar novamente. Um, dois, três, vai! HG: Arthur, vou tentar de novo. Um, dois, três, vai! (Música) Veja isso. Lembra destes brinquedos? Estes brinquedos aqui? Vou colocar este aqui, e eu vou dar este para você. Você pode brincar se quiser. LS: Certo, mas é óbvio que os bebês amam suas mamães. Os bebês vão dar brinquedos para suas mães quando não conseguem fazê-los funcionar. Novamente, o que importa é o que acontece quando mudamos os dados estatísticos ligeiramente. Desta vez, os bebês vão ver o brinquedo funcionar e falhar na mesma ordem, mas mudamos a distribuição das evidências. Hyowon vai conseguir uma vez e falhar uma vez, e eu também. Isso sugere que não importa quem tenta, o brinquedo está quebrado. Ele não funciona o tempo todo. De novo, o bebê terá uma escolha. A mãe dele está ao seu lado, então ela pode mudar a pessoa, e tem outro brinquedo no fim do pano. Vamos ver o que ela faz. (Vídeo) HG: Dois, três, vai! (Música) Vou tentar de novo. Um, dois, três, vai! Hmmm. LS: Vou tentar, Clara. Um, dois, três, vai! Vou tentar de novo. Um, dois, três, vai! (Música) HG: Eu vou deixar este aqui, e vou dar este para você. Você pode brincar se quiser. (Aplausos) LS: Vou mostrar os resultados experimentais. No eixo vertical, temos a distribuição de escolhas para cada condição, e podemos ver que as escolhas que as crianças fazem dependem da evidência observada. Então no segundo ano de vida, os bebês podem usar alguns dados estatísticos e decidir entre duas estratégias muito diferentes para agir no mundo: pedir ajuda e explorar. Eu só mostrei dois experimentos de laboratório entre centenas de outros que mostram resultados parecidos, pois o ponto essencial é mostrar que a capacidade das crianças fazerem inferências com poucos dados está por trás de toda aprendizagem cultural específica que fazemos. As crianças aprendem sobre coisas novas a partir de alguns exemplos. Elas aprendem novas relações causais a partir de alguns exemplos. Elas até aprendem novas palavras, neste caso em Língua de Sinais Americana. Quero concluir com apenas dois pontos. Se você estiver acompanhando as ciências cognitivas e do cérebro pelos últimos anos, três grandes ideias vão chamar sua atenção. A primeira é que estamos na era do cérebro. De fato, houve descobertas surpreendentes nas neurociências: a localização funcional de regiões especializadas do córtex, tornar transparentes cérebros de camundongos, ativação de neurônios com luz. A segunda grande ideia é que estamos na era dos grandes dados e do aprendizado de máquina, e isso promete revolucionar nossa compreensão de tudo, desde redes sociais até epidemiologia. E talvez ao enfrentar problemas de compreensão contextual e processamento de linguagem natural, isso pode nos dizer algo sobre cognição humana. E a terceira grande ideia é que talvez seja uma boa ideia sabermos muito sobre cérebros e termos acesso a grandes dados, pois se ficarmos como estamos, os seres humanos são falíveis, usamos atalhos, nós erramos, cometemos enganos, somos enviesados e, de várias maneiras, vemos o mundo errado. Penso que estas histórias são importantes, e elas nos dizem muito sobre o que significa ser humano, mas quero que vocês percebam que contei uma história muito diferente. É uma história sobre mentes e não sobre cérebros, é uma história sobre o tipo de computação que as mentes unicamente humanas podem fazer, que envolve o conhecimento estruturado e a capacidade de aprender a partir de pequenas quantidades de dados, das evidências de alguns exemplos. Essencialmente, é uma história sobre como as crianças começam e continuam seu caminho para grandes realizações da nossa cultura, e conseguem ver o mundo direito. As mentes humanas não aprendem apenas com pequenas quantidades de dados. As mentes humanas pensam novas ideias. As mentes humanas geram pesquisa e descoberta, e as mentes humanas geram arte, literatura, poesia e teatro, e as mentes humanas cuidam de outros seres humanos: de pessoas idosas, jovens ou doentes. Nós até mesmo as curamos. Nos próximos anos, veremos inovações tecnológicas além de qualquer coisa que eu possa imaginar, mas é muito improvável que a gente veja um computador com o mesmo poder da mente de uma criança na minha geração ou na sua. Se investirmos nestes aprendizes mais poderosos e no seu desenvolvimento, nos bebês, e nas crianças, e mães, e pais, e cuidadores, e professores da mesma maneira que investimos em outras formas poderosas e elegantes de tecnologia, engenharia e design, nós não vamos apenas sonhar por um futuro melhor, vamos planejar um futuro. Muito obrigada. (Aplausos) Chris Anderson: Laura, obrigado. Eu tenho uma pergunta para você. Em primeiro lugar, a pesquisa é insana. Quero dizer, quem iria projetar um experimento como esse? Eu vi isso algumas vezes, e eu ainda não acredito que isso pode estar acontecendo, mas outras pessoas fizeram experimentos semelhantes. Os bebês são realmente geniais. LS: Eles parecem muito impressionantes em nossos experimentos, mas pense sobre como eles se parecem na vida real. Nasce um bebê. Dezoito meses depois, ele fala com você, e suas primeiras palavras não são coisas como bolas e patos, são coisas como "sumiu", que se refere ao desaparecimento, ou "opa", que se refere a ações intencionais. Ele precisa ser poderoso. Precisa ser mais poderoso do que tudo que eu mostrei. Eles estão descobrindo o mundo inteiro. Uma criança de quatro anos pode conversar sobre quase tudo. (Aplausos) CA: Se eu entendi direito, o outro ponto que você levanta é que ultrapassamos a ideia sobre como nossa mente é falha e confusa, da economia comportamental e outras teorias que dizem que não somos agentes racionais. Você realmente acha que nossa mente é extraordinária e que há um gênio ali que é ignorado? LS: Uma das minhas citações favoritas é do psicólogo social Solomon Asch, que disse que a tarefa fundamental da psicologia é remover o véu da autoevidência das coisas. Há milhões de tipos de escolhas que fazemos todos os dias, que nos fazem ver o mundo. Sabemos dos objetos e suas propriedades. Sabemos quando estão ocultos. Podemos vê-los no escuro. Podemos andar nas salas. Podemos descobrir o que outras pessoas estão pensando e falar com elas. Podemos navegar no espaço e saber números. Sabemos sobre relações causais e raciocínio moral. Fazemos isso sem esforço, por isso não percebemos, mas é assim que vemos o mundo, e é uma realização notável e muito difícil de entender. CA: Eu suspeito que há pessoas na plateia que têm esta visão sobre o poder tecnológico crescente e que refutam sua afirmação de que nunca teremos um computador com a mesma capacidade de um criança de três anos, mas está claro que, em qualquer situação, nossas máquinas têm muito a aprender com nossas crianças. LS: Acho que sim. Temos pessoas do aprendizado de máquina por aqui. Quero dizer, a gente não deve apostar em bebês ou em chimpanzés ou na tecnologia como uma questão prática, mas não é apenas uma diferença em quantidade, é uma diferença de tipo. Temos computadores incrivelmente poderosos, que fazem coisas muito sofisticadas, muitas vezes com grandes quantidades de dados. As mentes humanas fazem algo completamente diferente, e acho que é a natureza hierárquica e estruturada do conhecimento humano que continua a ser um desafio real. CA: Laura Schulz, isso foi maravilhoso. Muito obrigado. LS: Obrigada. (Aplausos)