WEBVTT

00:00:00.835 --> 00:00:02.800
Mark Twain resumiu o que eu considero

00:00:02.800 --> 00:00:06.110
um dos problemas fundamentais
da ciência cognitiva

00:00:06.110 --> 00:00:07.820
com apenas um chiste.

00:00:08.150 --> 00:00:11.492
Ele disse: "Há algo
fascinante sobre a ciência.

00:00:11.492 --> 00:00:14.720
Obtém-se retornos profundos 
de conjectura

00:00:14.720 --> 00:00:17.924
a partir de investigações
superficiais da verdade".

00:00:17.924 --> 00:00:19.509
(Risos)

00:00:20.199 --> 00:00:22.803
Twain disse isso brincando,
mas ele está certo:

00:00:22.803 --> 00:00:25.679
há algo fascinante sobre a ciência.

00:00:25.679 --> 00:00:29.940
A partir de alguns ossos, inferimos
a existência de dinossauros.

00:00:30.910 --> 00:00:34.781
A partir de linhas espectrais,
a composição de nebulosas.

00:00:35.471 --> 00:00:37.579
A partir de moscas-das-frutas,

00:00:38.409 --> 00:00:40.862
os mecanismos de hereditariedade,

00:00:41.352 --> 00:00:45.601
e de imagens reconstruídas
do sangue que flui através do cérebro,

00:00:45.601 --> 00:00:50.309
ou no meu caso, do comportamento
de crianças muito novas,

00:00:50.309 --> 00:00:53.138
nós tentamos dizer algo
sobre os mecanismos fundamentais

00:00:53.138 --> 00:00:54.756
da cognição humana.

00:00:55.716 --> 00:01:00.475
No meu laboratório no Departamento
de Ciências Cognitivas no MIT,

00:01:00.475 --> 00:01:03.509
eu passei a última década
tentando entender o mistério

00:01:03.509 --> 00:01:08.106
de como as crianças aprendem tanto
a partir de tão pouco e tão rápido.

00:01:08.666 --> 00:01:11.644
E acontece que essa coisa
fascinante sobre ciência

00:01:11.644 --> 00:01:15.173
também é uma coisa fascinante
sobre as crianças,

00:01:15.173 --> 00:01:17.754
e mudando um pouco a frase de Mark Twain,

00:01:17.754 --> 00:01:22.404
é exatamente a capacidade delas
de criar inferências ricas e abstratas

00:01:22.404 --> 00:01:27.065
com rapidez e precisão
a partir de poucos dados ruidosos.

00:01:28.355 --> 00:01:30.753
Eu vou dar a vocês apenas dois exemplos.

00:01:30.753 --> 00:01:33.040
O primeiro é sobre 
um problema de generalização,

00:01:33.040 --> 00:01:35.890
e o segundo é sobre um problema
de raciocínio causal.

00:01:35.890 --> 00:01:38.415
Apesar de falar
sobre o trabalho em meu laboratório,

00:01:38.415 --> 00:01:41.875
este trabalho é inspirado 
e derivado de um campo.

00:01:41.875 --> 00:01:46.158
Sou grata a mentores, colegas,
e colaboradores em todo o mundo.

00:01:47.308 --> 00:01:50.282
Vou começar com o problema
de generalização.

00:01:50.652 --> 00:01:54.785
Generalizar a partir de poucos dados
é o feijão com arroz da ciência.

00:01:54.785 --> 00:01:57.339
Nós sondamos uma pequena fração 
de eleitores

00:01:57.339 --> 00:01:59.660
e prevemos o resultado
das eleições nacionais.

00:02:00.240 --> 00:02:04.165
Vemos como alguns pacientes respondem
ao tratamento num ensaio clínico,

00:02:04.165 --> 00:02:07.230
e trazemos drogas para o mercado nacional.

00:02:07.230 --> 00:02:11.595
Mas isso só funciona se nossa amostra
for obtida aleatoriamente da população.

00:02:11.595 --> 00:02:14.260
Se nossa amostra for enviesada
de alguma maneira,

00:02:14.260 --> 00:02:16.402
digamos, sondamos apenas
eleitores urbanos,

00:02:16.402 --> 00:02:20.790
ou então, em nossos ensaios clínicos
para tratamento de doenças do coração,

00:02:20.790 --> 00:02:22.671
incluímos apenas homens,

00:02:22.671 --> 00:02:25.829
os resultados podem não abranger
a população em geral.

00:02:26.479 --> 00:02:30.060
Então, os cientistas se importam
se as amostras são randomizadas,

00:02:30.060 --> 00:02:32.075
mas o que isso tem a ver com bebês?

00:02:32.585 --> 00:02:37.206
Bem, os bebês precisam generalizar
pequenas amostras de dados o tempo todo.

00:02:37.206 --> 00:02:40.364
Eles veem alguns patos de borracha
e sabem que eles flutuam,

00:02:40.364 --> 00:02:43.939
ou veem algumas bolas e sabem que quicam.

00:02:43.939 --> 00:02:46.890
E eles desenvolvem expectativas
sobre patos e bolas

00:02:46.890 --> 00:02:49.606
que eles vão estender
para os patos de borracha e bolas

00:02:49.606 --> 00:02:51.485
para o resto das suas vidas.

00:02:51.485 --> 00:02:55.224
E os tipos de generalizações
que os bebês fazem sobre patos e bolas,

00:02:55.224 --> 00:02:57.313
eles precisam fazer sobre quase tudo:

00:02:57.313 --> 00:03:01.230
sapatos, barcos, cera de vela, 
repolhos e reis.

00:03:02.200 --> 00:03:05.161
Os bebês se importam se os pedacinhos 
de evidência que veem

00:03:05.161 --> 00:03:08.853
são representantes plausíveis
de uma população maior?

00:03:09.763 --> 00:03:11.663
Vamos descobrir.

00:03:11.663 --> 00:03:13.386
Eu vou mostrar dois filmes a vocês,

00:03:13.386 --> 00:03:15.848
um filme para cada condição
de um experimento,

00:03:15.848 --> 00:03:18.286
e porque vocês vão ver apenas dois filmes,

00:03:18.286 --> 00:03:20.422
vocês verão apenas dois bebês,

00:03:20.422 --> 00:03:24.369
e os bebês diferem entre si
de várias maneiras.

00:03:24.369 --> 00:03:27.420
Mas estes bebês, claro,
representam um grupos de bebês,

00:03:27.420 --> 00:03:29.315
e as diferenças que vocês vão ver

00:03:29.315 --> 00:03:34.050
representam as diferenças médias 
de grupos de bebês de cada condição.

00:03:35.160 --> 00:03:37.743
Em cada filme, talvez vocês vejam
um bebê fazendo

00:03:37.743 --> 00:03:41.203
exatamente o que você
espera que um bebê faça,

00:03:41.203 --> 00:03:45.220
e dificilmente podemos tornar os bebês
mais mágicos do que já são.

00:03:46.090 --> 00:03:48.100
Mas para mim, a coisa mágica

00:03:48.100 --> 00:03:50.189
na qual quero que vocês prestem atenção

00:03:50.189 --> 00:03:53.300
é o contraste entre estas duas condições,

00:03:53.300 --> 00:03:56.829
porque a única coisa
que difere entre estes dois filmes

00:03:56.829 --> 00:04:00.295
é a evidência estatística
que os bebês vão observar.

00:04:01.425 --> 00:04:04.608
Vamos mostrar aos bebês
uma caixa de bolas azuis e amarelas,

00:04:04.608 --> 00:04:09.228
e minha aluna, que agora é minha colega 
de Stanford, Hyowon Gweon,

00:04:09.228 --> 00:04:12.305
vai tirar três bolas azuis
de cada vez fora desta caixa,

00:04:12.305 --> 00:04:15.428
e ao tirar as bolas, ela vai apertá-las,

00:04:15.428 --> 00:04:17.541
e as bolas vão chiar.

00:04:17.541 --> 00:04:20.303
E se você for um bebê,
é como se fosse uma Palestra TED.

00:04:20.303 --> 00:04:23.608
Não tem como ficar melhor que isso.
(Risos)

00:04:26.968 --> 00:04:30.627
Mas o que importa é que é fácil
pegar três bolas azuis em sequência

00:04:30.627 --> 00:04:32.932
de uma caixa com maioria de bolas azuis.

00:04:32.932 --> 00:04:34.992
Você pode fazer isso de olhos fechados.

00:04:34.992 --> 00:04:37.988
É plausível que seja uma amostra aleatória
desta população.

00:04:37.988 --> 00:04:41.720
E se você põe a mão numa caixa
e pega coisas que chiam,

00:04:41.720 --> 00:04:44.559
então talvez tudo dentro da caixa chia.

00:04:44.559 --> 00:04:48.569
Talvez os bebês esperem
que essas bolas amarelas chiem também.

00:04:48.569 --> 00:04:50.728
Essas bolas amarelas
têm bastões engraçados,

00:04:50.728 --> 00:04:53.585
e os bebês podem fazer outras coisas
com elas se quiserem.

00:04:53.585 --> 00:04:55.416
Eles podem amassá-las.

00:04:55.416 --> 00:04:57.262
Mas vamos ver o que o bebê faz.

00:05:00.338 --> 00:05:03.681
(Vídeo) Hyowon Gweon: Olha isso?
(Bola chia)

00:05:04.531 --> 00:05:07.576
Você viu?
(Bola chia)

00:05:08.036 --> 00:05:09.342
Legal!

00:05:12.706 --> 00:05:14.656
Olha isso?

00:05:14.656 --> 00:05:16.397
(Bola chia)

00:05:16.397 --> 00:05:17.820
Uau!

00:05:21.854 --> 00:05:23.967
Laura Schulz: Não disse?
(Risos)

00:05:23.967 --> 00:05:27.058
(Vídeo) HG: Olha isso?
(Bola chia)

00:05:27.798 --> 00:05:32.417
Clara, esta é para você.
Você pode brincar se quiser.

00:05:37.834 --> 00:05:42.199
(Risos)

00:05:44.029 --> 00:05:46.204
LS: Eu não preciso nem falar.

00:05:47.084 --> 00:05:49.703
Tudo bem, é bom que os bebês
generalizem as propriedades

00:05:49.703 --> 00:05:51.641
das bolas azuis para as amarelas,

00:05:51.641 --> 00:05:54.737
é impressionante que os bebês
aprendam nos imitando,

00:05:54.737 --> 00:05:58.406
mas já sabemos dessas coisas 
sobre os bebês há muito tempo.

00:05:58.406 --> 00:06:00.017
A questão mais interessante

00:06:00.017 --> 00:06:02.949
é o que acontece quando mostramos
exatamente a mesma coisa,

00:06:02.949 --> 00:06:06.470
e podemos garantir que é a mesma coisa
pois temos um compartimento secreto

00:06:06.470 --> 00:06:08.790
e tiramos as bolas de lá,

00:06:08.790 --> 00:06:12.268
mas desta vez, vamos mudar
a população aparente

00:06:12.268 --> 00:06:15.170
a partir da qual a evidência é obtida.

00:06:15.170 --> 00:06:18.723
Desta vez, vamos mostrar
aos bebês três bolas azuis

00:06:18.723 --> 00:06:22.107
tiradas de uma caixa
com maioria de bolas amarelas,

00:06:22.107 --> 00:06:23.429
e adivinha?

00:06:23.429 --> 00:06:26.269
Você provavelmente não tira
três bolas azuis em sequência

00:06:26.269 --> 00:06:28.753
de uma caixa 
com maioria de bolas amarelas.

00:06:28.753 --> 00:06:32.500
Isso não é uma evidência
amostral plausível.

00:06:32.500 --> 00:06:37.623
Essa evidência sugere que Hyowon
estivesse escolhendo as bolas azuis.

00:06:37.623 --> 00:06:40.206
Talvez haja algo especial
sobre as bolas azuis.

00:06:40.846 --> 00:06:43.822
Talvez apenas as bolas azuis chiem.

00:06:43.822 --> 00:06:45.717
Vamos ver o que o bebê faz.

00:06:45.717 --> 00:06:48.621
(Vídeo) HG: Olha isso?
(Bola chia)

00:06:50.851 --> 00:06:53.496
Olha este brinquedo?
(Bola chia)

00:06:53.496 --> 00:06:58.976
Isso foi legal! Olha?
(Bola chia)

00:06:58.976 --> 00:07:01.910
Agora, esta é para você brincar.
Pode brincar se quiser.

00:07:06.074 --> 00:07:12.421
(Mexendo)
(Risos)

00:07:14.901 --> 00:07:17.649
LS: Você acabou de ver
dois bebês de 15 meses de idade

00:07:17.649 --> 00:07:19.591
fazendo coisas totalmente diferentes

00:07:19.591 --> 00:07:23.190
com base apenas na probabilidade
da amostra que observaram.

00:07:23.190 --> 00:07:25.511
Vou mostrar os resultados experimentais.

00:07:25.511 --> 00:07:28.275
No eixo vertical, temos
a porcentagem de bebês

00:07:28.275 --> 00:07:30.805
que apertaram a bola em cada condição,

00:07:30.805 --> 00:07:34.520
e como podemos ver, os bebês 
tendem a generalizar a evidência

00:07:34.520 --> 00:07:37.655
quando é uma amostra representativa
plausível da população

00:07:37.655 --> 00:07:41.393
em vez de de uma amostra
escolhida de maneira enviesada.

00:07:41.393 --> 00:07:43.808
E isso leva a uma previsão divertida:

00:07:43.808 --> 00:07:48.676
suponha que você tirasse uma bola azul
da caixa com maioria de bolas amarelas.

00:07:48.896 --> 00:07:51.985
Você provavelmente não tiraria 
três bolas azuis em sequência,

00:07:51.985 --> 00:07:55.000
mas poderia tirar 
aleatoriamente uma bola azul.

00:07:55.000 --> 00:07:57.190
Isso não é uma amostra improvável.

00:07:57.190 --> 00:07:59.414
E se você pudesse mexer
ao acaso numa caixa

00:07:59.414 --> 00:08:03.441
e tirar uma bola que chia,
talvez todas as bolas da caixa chiem.

00:08:03.875 --> 00:08:08.000
Mesmo que os bebês estejam vendo
menos evidências para o chiado,

00:08:08.000 --> 00:08:10.562
e tenham menos ações para imitar

00:08:10.562 --> 00:08:13.905
nesta condição de uma bola
que acabei de explicar,

00:08:13.905 --> 00:08:17.797
nós previmos que os próprios bebês
apertariam mais,

00:08:17.797 --> 00:08:20.231
e isso foi exatamente o que vimos.

00:08:21.011 --> 00:08:25.102
Então os bebês de 15 meses de idade,
como se fossem cientistas,

00:08:25.102 --> 00:08:28.190
se importam se as evidências
são amostradas aleatoriamente ou não,

00:08:28.190 --> 00:08:31.697
e usam isso para desenvolver
expectativas sobre o mundo:

00:08:31.697 --> 00:08:33.879
o que chia e o que não chia,

00:08:33.879 --> 00:08:37.024
o que explorar e o que ignorar.

00:08:38.384 --> 00:08:40.450
Vou mostrar outro exemplo agora,

00:08:40.450 --> 00:08:43.179
desta vez sobre um problema
de raciocínio causal.

00:08:43.179 --> 00:08:45.619
E isso começa com um problema
de evidência confusa

00:08:45.619 --> 00:08:47.291
que todos nós enfrentamos,

00:08:47.291 --> 00:08:49.311
e por isso fazemos parte do mundo.

00:08:49.311 --> 00:08:52.747
Pode não ser um problema para você, 
mas como a maioria dos problemas,

00:08:52.747 --> 00:08:55.084
só é um problema 
quando as coisas dão errado.

00:08:55.464 --> 00:08:57.275
Veja este bebê, por exemplo.

00:08:57.275 --> 00:08:58.980
As coisas estão dando errado.

00:08:58.980 --> 00:09:01.251
Ele quer fazer isso andar, 
mas não consegue.

00:09:01.251 --> 00:09:03.450
Vou mostrar alguns segundos.

00:09:08.880 --> 00:09:11.260
E há duas possibilidades:

00:09:11.260 --> 00:09:13.894
talvez ele esteja fazendo algo errado,

00:09:13.894 --> 00:09:18.110
ou talvez haja algo
errado com o brinquedo.

00:09:18.110 --> 00:09:20.221
Neste próximo experimento,

00:09:20.221 --> 00:09:23.518
vamos dar alguns dados estatísticos

00:09:23.518 --> 00:09:26.100
apoiando uma hipótese sobre a outra,

00:09:26.100 --> 00:09:29.475
e vamos ver se os bebês
podem tomar decisões diferentes

00:09:29.475 --> 00:09:31.389
sobre o que fazer.

00:09:31.389 --> 00:09:33.411
Aqui está o experimento.

00:09:34.071 --> 00:09:37.101
Hyowon vai fazer o brinquedo andar.

00:09:37.101 --> 00:09:40.421
Depois eu vou tentar duas vezes e falhar,

00:09:40.421 --> 00:09:43.533
e Hyowon tenta de novo e consegue,

00:09:43.533 --> 00:09:46.705
e isto resume minha relação
com meus alunos de pós-graduação

00:09:46.705 --> 00:09:49.540
com novas tecnologias.

00:09:50.030 --> 00:09:53.322
Mas o importante aqui é fornecer
um pouco de evidência

00:09:53.322 --> 00:09:56.990
de que o problema não é o brinquedo,
é a pessoa.

00:09:56.990 --> 00:09:59.340
Algumas pessoas fazem o brinquedo andar,

00:09:59.340 --> 00:10:00.459
e outras não.

00:10:00.799 --> 00:10:04.212
Quando o bebê pega o brinquedo,
ele tem uma escolha.

00:10:04.212 --> 00:10:06.060
Sua mãe está ali,

00:10:06.060 --> 00:10:09.715
para que possa entregar o brinquedo
e mudar de pessoa,

00:10:09.715 --> 00:10:12.873
mas há também outro brinquedo,
no final do pano,

00:10:12.873 --> 00:10:16.425
e ele pode puxar o pano 
e mudar de brinquedo.

00:10:16.425 --> 00:10:18.515
Vamos ver o que o bebê faz.

00:10:18.515 --> 00:10:22.698
(Vídeo) HG: Dois, três. vai!
(Música)

00:10:22.698 --> 00:10:26.179
LS: Um, dois, três, vai!

00:10:26.935 --> 00:10:33.037
Arthur, vou tentar novamente.
Um, dois, três, vai!

00:10:33.677 --> 00:10:36.277
HG: Arthur, vou tentar de novo.

00:10:36.277 --> 00:10:40.827
Um, dois, três, vai!
(Música)

00:10:41.583 --> 00:10:43.466
Veja isso. 
Lembra destes brinquedos?

00:10:43.466 --> 00:10:46.730
Estes brinquedos aqui? 
Vou colocar este aqui,

00:10:46.730 --> 00:10:48.792
e eu vou dar este para você.

00:10:48.792 --> 00:10:51.127
Você pode brincar se quiser.

00:11:11.213 --> 00:11:15.950
LS: Certo, mas é óbvio que os bebês
amam suas mamães.

00:11:15.950 --> 00:11:18.132
Os bebês vão dar 
brinquedos para suas mães

00:11:18.132 --> 00:11:20.162
quando não conseguem fazê-los funcionar.

00:11:20.162 --> 00:11:23.755
Novamente, o que importa
é o que acontece quando mudamos

00:11:23.755 --> 00:11:26.909
os dados estatísticos ligeiramente.

00:11:26.909 --> 00:11:30.996
Desta vez, os bebês vão ver o brinquedo
funcionar e falhar na mesma ordem,

00:11:30.996 --> 00:11:33.411
mas mudamos a distribuição das evidências.

00:11:33.411 --> 00:11:37.822
Hyowon vai conseguir uma vez 
e falhar uma vez, e eu também.

00:11:37.822 --> 00:11:43.149
Isso sugere que não importa quem tenta, 
o brinquedo está quebrado.

00:11:43.149 --> 00:11:44.945
Ele não funciona o tempo todo.

00:11:44.945 --> 00:11:46.640
De novo, o bebê terá uma escolha.

00:11:46.640 --> 00:11:50.706
A mãe dele está ao seu lado,
então ela pode mudar a pessoa,

00:11:50.706 --> 00:11:52.980
e tem outro brinquedo no fim do pano.

00:11:52.980 --> 00:11:55.288
Vamos ver o que ela faz.

00:11:55.288 --> 00:11:59.636
(Vídeo) HG: Dois, três, vai!
(Música)

00:11:59.636 --> 00:12:04.620
Vou tentar de novo. Um, dois, três, vai!

00:12:05.460 --> 00:12:07.157
Hmmm.

00:12:07.950 --> 00:12:10.642
LS: Vou tentar, Clara.

00:12:10.642 --> 00:12:14.587
Um, dois, três, vai!

00:12:15.665 --> 00:12:17.200
Vou tentar de novo.

00:12:17.200 --> 00:12:22.870
Um, dois, três, vai!
(Música)

00:12:23.009 --> 00:12:25.242
HG: Eu vou
deixar este aqui,

00:12:25.242 --> 00:12:27.243
e vou dar este para você.

00:12:27.243 --> 00:12:28.750
Você pode brincar se quiser.

00:12:48.096 --> 00:12:52.143
(Aplausos)

00:12:52.993 --> 00:12:55.385
LS: Vou mostrar
os resultados experimentais.

00:12:55.385 --> 00:12:57.860
No eixo vertical, temos a distribuição

00:12:57.860 --> 00:13:00.437
de escolhas para cada condição,

00:13:00.437 --> 00:13:04.988
e podemos ver que as escolhas 
que as crianças fazem

00:13:04.988 --> 00:13:07.775
dependem da evidência observada.

00:13:07.775 --> 00:13:09.632
Então no segundo ano de vida,

00:13:09.632 --> 00:13:12.209
os bebês podem usar alguns
dados estatísticos

00:13:12.209 --> 00:13:15.576
e decidir entre duas
estratégias muito diferentes

00:13:15.576 --> 00:13:17.457
para agir no mundo:

00:13:17.457 --> 00:13:20.200
pedir ajuda e explorar.

00:13:21.700 --> 00:13:24.964
Eu só mostrei
dois experimentos de laboratório

00:13:24.964 --> 00:13:28.825
entre centenas de outros
que mostram resultados parecidos,

00:13:28.825 --> 00:13:31.217
pois o ponto essencial

00:13:31.217 --> 00:13:36.325
é mostrar que a capacidade das crianças
fazerem inferências com poucos dados

00:13:36.325 --> 00:13:41.666
está por trás de toda aprendizagem 
cultural específica que fazemos.

00:13:41.666 --> 00:13:46.263
As crianças aprendem sobre coisas novas
a partir de alguns exemplos.

00:13:46.263 --> 00:13:50.980
Elas aprendem novas relações causais
a partir de alguns exemplos.

00:13:51.928 --> 00:13:56.799
Elas até aprendem novas palavras,
neste caso em Língua de Sinais Americana.

00:13:56.799 --> 00:13:59.110
Quero concluir com apenas dois pontos.

00:14:00.050 --> 00:14:03.738
Se você estiver acompanhando
as ciências cognitivas e do cérebro

00:14:03.738 --> 00:14:05.385
pelos últimos anos,

00:14:05.385 --> 00:14:08.080
três grandes ideias vão chamar
sua atenção.

00:14:08.080 --> 00:14:11.516
A primeira é que estamos
na era do cérebro.

00:14:11.516 --> 00:14:15.185
De fato, houve descobertas
surpreendentes nas neurociências:

00:14:15.185 --> 00:14:18.621
a localização funcional
de regiões especializadas do córtex,

00:14:18.621 --> 00:14:21.222
tornar transparentes 
cérebros de camundongos,

00:14:21.222 --> 00:14:24.018
ativação de neurônios com luz.

00:14:24.998 --> 00:14:26.994
A segunda grande ideia

00:14:26.994 --> 00:14:31.098
é que estamos na era dos grandes dados
e do aprendizado de máquina,

00:14:31.098 --> 00:14:34.239
e isso promete revolucionar
nossa compreensão

00:14:34.239 --> 00:14:38.016
de tudo, desde redes sociais
até epidemiologia.

00:14:38.576 --> 00:14:41.599
E talvez ao enfrentar problemas
de compreensão contextual

00:14:41.599 --> 00:14:43.592
e processamento de linguagem natural,

00:14:43.592 --> 00:14:46.386
isso pode nos dizer algo
sobre cognição humana.

00:14:47.756 --> 00:14:49.693
E a terceira grande ideia

00:14:49.693 --> 00:14:52.640
é que talvez seja uma boa ideia
sabermos muito sobre cérebros

00:14:52.640 --> 00:14:54.997
e termos acesso a grandes dados,

00:14:54.997 --> 00:14:57.504
pois se ficarmos como estamos,

00:14:57.504 --> 00:15:01.335
os seres humanos são falíveis,
usamos atalhos,

00:15:01.335 --> 00:15:04.772
nós erramos, cometemos enganos,

00:15:04.772 --> 00:15:08.456
somos enviesados e, de várias maneiras,

00:15:09.176 --> 00:15:11.365
vemos o mundo errado.

00:15:12.843 --> 00:15:15.792
Penso que estas histórias são importantes,

00:15:15.792 --> 00:15:18.527
e elas nos dizem muito
sobre o que significa ser humano,

00:15:19.577 --> 00:15:23.106
mas quero que vocês percebam
que contei uma história muito diferente.

00:15:23.966 --> 00:15:27.773
É uma história sobre mentes
e não sobre cérebros,

00:15:27.773 --> 00:15:30.779
é uma história sobre o tipo de computação

00:15:30.779 --> 00:15:33.369
que as mentes unicamente humanas
podem fazer,

00:15:33.369 --> 00:15:37.313
que envolve o conhecimento estruturado
e a capacidade de aprender

00:15:37.313 --> 00:15:42.581
a partir de pequenas quantidades de dados,
das evidências de alguns exemplos.

00:15:43.881 --> 00:15:48.600
Essencialmente, é uma história
sobre como as crianças começam

00:15:48.600 --> 00:15:53.280
e continuam seu caminho
para grandes realizações

00:15:53.280 --> 00:15:55.233
da nossa cultura,

00:15:56.623 --> 00:15:58.620
e conseguem ver o mundo direito.

00:16:00.433 --> 00:16:05.700
As mentes humanas não aprendem
apenas com pequenas quantidades de dados.

00:16:06.285 --> 00:16:08.386
As mentes humanas pensam novas ideias.

00:16:08.746 --> 00:16:11.787
As mentes humanas
geram pesquisa e descoberta,

00:16:11.787 --> 00:16:17.060
e as mentes humanas geram
arte, literatura, poesia e teatro,

00:16:17.070 --> 00:16:20.830
e as mentes humanas cuidam
de outros seres humanos:

00:16:20.830 --> 00:16:24.257
de pessoas idosas, jovens ou doentes.

00:16:24.517 --> 00:16:26.884
Nós até mesmo as curamos.

00:16:27.564 --> 00:16:30.667
Nos próximos anos, 
veremos inovações tecnológicas

00:16:30.667 --> 00:16:34.464
além de qualquer coisa
que eu possa imaginar,

00:16:34.464 --> 00:16:36.614
mas é muito improvável

00:16:36.614 --> 00:16:42.323
que a gente veja um computador
com o mesmo poder da mente de uma criança

00:16:42.323 --> 00:16:45.411
na minha geração ou na sua.

00:16:46.621 --> 00:16:51.668
Se investirmos nestes aprendizes
mais poderosos e no seu desenvolvimento,

00:16:51.668 --> 00:16:54.395
nos bebês, e nas crianças,

00:16:54.395 --> 00:16:56.411
e mães, e pais,

00:16:56.411 --> 00:16:59.110
e cuidadores, e professores

00:16:59.110 --> 00:17:03.280
da mesma maneira que investimos
em outras formas poderosas e elegantes

00:17:03.280 --> 00:17:06.498
de tecnologia, engenharia e design,

00:17:06.498 --> 00:17:09.435
nós não vamos apenas sonhar
por um futuro melhor,

00:17:09.435 --> 00:17:11.564
vamos planejar um futuro.

00:17:11.564 --> 00:17:13.909
Muito obrigada.

00:17:13.909 --> 00:17:17.329
(Aplausos)

00:17:17.810 --> 00:17:22.236
Chris Anderson: Laura, obrigado.
Eu tenho uma pergunta para você.

00:17:22.236 --> 00:17:24.595
Em primeiro lugar, a pesquisa é insana.

00:17:24.595 --> 00:17:28.319
Quero dizer, quem iria projetar
um experimento como esse?

00:17:29.150 --> 00:17:30.940
Eu vi isso algumas vezes,

00:17:30.940 --> 00:17:34.162
e eu ainda não acredito
que isso pode estar acontecendo,

00:17:34.162 --> 00:17:36.910
mas outras pessoas fizeram
experimentos semelhantes.

00:17:36.910 --> 00:17:38.833
Os bebês são realmente geniais.

00:17:38.833 --> 00:17:41.760
LS: Eles parecem muito impressionantes
em nossos experimentos,

00:17:41.760 --> 00:17:44.092
mas pense sobre como eles
se parecem na vida real.

00:17:44.092 --> 00:17:45.412
Nasce um bebê.

00:17:45.412 --> 00:17:47.369
Dezoito meses depois,
ele fala com você,

00:17:47.369 --> 00:17:50.180
e suas primeiras palavras
não são coisas como bolas e patos,

00:17:50.180 --> 00:17:52.971
são coisas como "sumiu",
que se refere ao desaparecimento,

00:17:52.971 --> 00:17:55.664
ou "opa", que se refere
a ações intencionais.

00:17:55.664 --> 00:17:57.186
Ele precisa ser poderoso.

00:17:57.186 --> 00:17:59.871
Precisa ser mais poderoso
do que tudo que eu mostrei.

00:17:59.871 --> 00:18:01.735
Eles estão descobrindo o mundo inteiro.

00:18:01.735 --> 00:18:05.429
Uma criança de quatro anos
pode conversar sobre quase tudo.

00:18:05.429 --> 00:18:07.030
(Aplausos)

00:18:07.030 --> 00:18:10.444
CA: Se eu entendi direito,
o outro ponto que você levanta

00:18:10.444 --> 00:18:13.198
é que ultrapassamos a ideia
sobre como nossa mente

00:18:13.198 --> 00:18:15.130
é falha e confusa,

00:18:15.130 --> 00:18:17.997
da economia comportamental
e outras teorias que dizem

00:18:17.997 --> 00:18:19.600
que não somos agentes racionais.

00:18:19.600 --> 00:18:23.816
Você realmente acha que
nossa mente é extraordinária

00:18:23.816 --> 00:18:28.760
e que há um gênio ali que é ignorado?

00:18:28.760 --> 00:18:30.830
LS: Uma das minhas citações favoritas

00:18:30.830 --> 00:18:33.120
é do psicólogo social Solomon Asch,

00:18:33.120 --> 00:18:35.927
que disse que a tarefa fundamental
da psicologia é remover

00:18:35.927 --> 00:18:38.553
o véu da autoevidência das coisas.

00:18:38.553 --> 00:18:43.104
Há milhões de tipos de escolhas
que fazemos todos os dias,

00:18:43.104 --> 00:18:44.451
que nos fazem ver o mundo.

00:18:44.451 --> 00:18:46.433
Sabemos dos objetos e suas propriedades.

00:18:46.433 --> 00:18:49.012
Sabemos quando estão ocultos.
Podemos vê-los no escuro.

00:18:49.012 --> 00:18:50.170
Podemos andar nas salas.

00:18:50.170 --> 00:18:53.552
Podemos descobrir o que outras pessoas 
estão pensando e falar com elas.

00:18:53.552 --> 00:18:55.552
Podemos navegar no espaço 
e saber números.

00:18:55.552 --> 00:18:58.444
Sabemos sobre relações causais
e raciocínio moral.

00:18:58.444 --> 00:19:01.130
Fazemos isso sem esforço,
por isso não percebemos,

00:19:01.130 --> 00:19:03.862
mas é assim que vemos o mundo,
e é uma realização notável

00:19:03.862 --> 00:19:05.850
e muito difícil de entender.

00:19:05.850 --> 00:19:08.198
CA: Eu suspeito que há pessoas
na plateia que têm

00:19:08.198 --> 00:19:10.736
esta visão sobre o poder
tecnológico crescente

00:19:10.736 --> 00:19:14.284
e que refutam sua afirmação
de que nunca teremos um computador

00:19:14.284 --> 00:19:16.692
com a mesma capacidade 
de um criança de três anos,

00:19:16.692 --> 00:19:20.980
mas está claro que, em qualquer situação,

00:19:20.980 --> 00:19:24.750
nossas máquinas têm muito a aprender
com nossas crianças.

00:19:26.230 --> 00:19:29.446
LS: Acho que sim. Temos pessoas
do aprendizado de máquina por aqui.

00:19:29.446 --> 00:19:33.649
Quero dizer, a gente não deve apostar
em bebês ou em chimpanzés

00:19:33.649 --> 00:19:37.294
ou na tecnologia como uma questão prática,

00:19:37.294 --> 00:19:41.822
mas não é apenas
uma diferença em quantidade,

00:19:41.822 --> 00:19:43.586
é uma diferença de tipo.

00:19:43.586 --> 00:19:45.746
Temos computadores
incrivelmente poderosos,

00:19:45.746 --> 00:19:48.137
que fazem coisas muito sofisticadas,

00:19:48.137 --> 00:19:51.341
muitas vezes com grandes
quantidades de dados.

00:19:51.341 --> 00:19:53.948
As mentes humanas fazem algo
completamente diferente,

00:19:53.948 --> 00:19:57.843
e acho que é a natureza hierárquica 
e estruturada do conhecimento humano

00:19:57.843 --> 00:19:59.875
que continua a ser um desafio real.

00:19:59.875 --> 00:20:02.476
CA: Laura Schulz, isso foi maravilhoso.
Muito obrigado.

00:20:02.476 --> 00:20:05.858
LS: Obrigada.
(Aplausos)