1
00:00:00,835 --> 00:00:02,990
Mark Twain resumiu o que eu considero

2
00:00:02,990 --> 00:00:06,110
um dos problemas fundamentais
da ciência cognitiva

3
00:00:06,110 --> 00:00:08,010
apenas numa piada.

4
00:00:08,410 --> 00:00:11,492
Ele disse: "Há algo
fascinante na ciência.

5
00:00:11,492 --> 00:00:15,183
"Obtêm-se retornos profundos 
da conjetura

6
00:00:15,210 --> 00:00:18,187
"a partir de investigações
superficiais da verdade".

7
00:00:18,287 --> 00:00:19,872
(Risos)

8
00:00:20,199 --> 00:00:22,803
Claro que Twain disse isto a brincar,
mas está correto:

9
00:00:23,048 --> 00:00:25,679
Há algo fascinante na ciência.

10
00:00:25,979 --> 00:00:29,940
A partir de alguns ossos, inferimos
a existência de dinossauros.

11
00:00:30,910 --> 00:00:34,608
A partir de linhas espetrais,
a composição de nebulosas.

12
00:00:35,471 --> 00:00:37,863
A partir de moscas-da-fruta,

13
00:00:38,409 --> 00:00:40,861
os mecanismos da hereditariedade,

14
00:00:41,661 --> 00:00:45,601
e de imagens reconstruídas do sangue 
que flui através do cérebro,

15
00:00:45,746 --> 00:00:50,009
ou no meu caso, do comportamento
de crianças muito novas,

16
00:00:50,309 --> 00:00:53,374
tentamos dizer algo
sobre os mecanismos fundamentais

17
00:00:53,410 --> 00:00:55,164
da cognição humana.

18
00:00:55,716 --> 00:01:00,475
No meu laboratório no Departamento
de Ciências Cognitivas no MIT,

19
00:01:00,620 --> 00:01:04,129
passei a última década
a tentar perceber o mistério

20
00:01:04,129 --> 00:01:08,233
de como as crianças aprendem tanto
a partir de tão pouco e tão rapidamente.

21
00:01:08,666 --> 00:01:11,644
Porque acontece que a coisa
fascinante na ciência

22
00:01:11,644 --> 00:01:14,836
também é uma coisa fascinante
nas crianças.

23
00:01:15,173 --> 00:01:17,754
Mudando um pouco a frase de Mark Twain,

24
00:01:17,754 --> 00:01:22,404
é exatamente a capacidade que elas têm
para criar inferências ricas e abstratas

25
00:01:22,476 --> 00:01:27,401
com rapidez e precisão,
a partir de dados soltos, ruidosos.

26
00:01:28,355 --> 00:01:30,753
Hoje vou dar apenas dois exemplos.

27
00:01:30,753 --> 00:01:33,040
Um é sobre um problema de generalização,

28
00:01:33,040 --> 00:01:35,890
e o outro é sobre um problema
de raciocínio causal.

29
00:01:35,890 --> 00:01:38,415
Apesar de falar sobre o trabalho 
no meu laboratório,

30
00:01:38,415 --> 00:01:41,875
este trabalho é inspirado 
e derivado de um campo.

31
00:01:41,938 --> 00:01:46,158
Estou grata a mentores, colegas,
e colaboradores de todo o mundo.

32
00:01:47,308 --> 00:01:50,282
Vou começar com o problema
da generalização.

33
00:01:50,652 --> 00:01:54,785
Generalizar a partir de poucos dados
é o pão nosso de cada dia na ciência.

34
00:01:54,785 --> 00:01:57,339
Sondamos uma pequena fração de eleitores

35
00:01:57,339 --> 00:01:59,950
e prevemos o resultado
das eleições nacionais.

36
00:02:00,240 --> 00:02:04,165
Vemos como alguns pacientes reagem
ao tratamento num ensaio clínico,

37
00:02:04,165 --> 00:02:07,230
e colocamos drogas no mercado nacional.

38
00:02:07,293 --> 00:02:11,495
Mas isto só funciona se a nossa amostra
for obtida aleatoriamente da população.

39
00:02:11,595 --> 00:02:14,357
Se a nossa amostra for enviesada
de alguma maneira

40
00:02:14,357 --> 00:02:16,774
— digamos, sondamos apenas
eleitores urbanos,

41
00:02:16,774 --> 00:02:20,790
ou então, nos nossos ensaios clínicos
para tratamento de doenças do coração,

42
00:02:20,790 --> 00:02:22,671
incluímos apenas homens —

43
00:02:22,671 --> 00:02:25,929
os resultados podem não representar
a população mais ampla.

44
00:02:26,906 --> 00:02:30,387
Então, os cientistas preocupam-se
se as amostras são aleatórias ou não,

45
00:02:30,387 --> 00:02:32,465
mas o que é que tem isto a ver com bebés?

46
00:02:32,857 --> 00:02:37,206
Bem, os bebés precisam de generalizar
pequenas amostras de dados o tempo todo.

47
00:02:37,306 --> 00:02:40,364
Veem alguns patos de borracha
e aprendem que eles flutuam,

48
00:02:40,364 --> 00:02:43,939
ou veem algumas bolas
e aprendem que elas saltam.

49
00:02:43,939 --> 00:02:46,890
Desenvolvem expetativas
sobre patos e bolas

50
00:02:46,890 --> 00:02:49,633
que vão alargar aos 
patos de borracha e bolas

51
00:02:49,633 --> 00:02:51,266
para o resto da vida.

52
00:02:51,485 --> 00:02:55,224
O tipo de generalizações que os bebés
têm que fazer sobre patos e bolas,

53
00:02:55,224 --> 00:02:57,503
precisam fazer sobre quase tudo o resto:

54
00:02:57,503 --> 00:03:01,348
sapatos, barcos, lacre, couves e reis.

55
00:03:02,200 --> 00:03:05,433
Será que os bebés reparam
se os pedacinhos de evidências que veem

56
00:03:05,433 --> 00:03:09,043
são representantes plausíveis
de uma população mais ampla?

57
00:03:09,763 --> 00:03:11,244
Vamos descobrir.

58
00:03:11,663 --> 00:03:13,386
Vou mostrar dois filmes,

59
00:03:13,386 --> 00:03:15,984
um para cada uma
de duas situações de uma experiência.

60
00:03:15,984 --> 00:03:18,386
Como vocês vão ver apenas dois filmes,

61
00:03:18,386 --> 00:03:20,422
verão apenas dois bebés,

62
00:03:20,422 --> 00:03:24,287
e quaisquer dois bebés diferem entre si
de várias maneiras.

63
00:03:24,369 --> 00:03:27,420
Mas estes bebés, claro,
representam grupos de bebés.

64
00:03:27,420 --> 00:03:29,315
As diferenças que vão ver

65
00:03:29,315 --> 00:03:33,900
representam as diferenças médias 
de grupos de bebés em cada situação.

66
00:03:35,160 --> 00:03:37,743
Em cada filme, vocês vão ver
um bebé a fazer,

67
00:03:37,743 --> 00:03:41,203
talvez exatamente o que vocês
esperam que um bebé faça,

68
00:03:41,203 --> 00:03:45,220
e dificilmente podemos tornar os bebés
mais mágicos do que já são.

69
00:03:46,090 --> 00:03:48,100
Mas para mim, a coisa mágica,

70
00:03:48,100 --> 00:03:50,252
na qual quero que vocês prestem atenção,

71
00:03:50,252 --> 00:03:53,300
é o contraste entre estas duas situações,

72
00:03:53,300 --> 00:03:56,829
porque a única coisa que difere 
entre estes dois filmes

73
00:03:56,829 --> 00:04:00,295
são as evidências estatísticas
que os bebés vão observar.

74
00:04:01,425 --> 00:04:04,608
Vamos mostrar aos bebés
uma caixa de bolas azuis e amarelas.

75
00:04:05,135 --> 00:04:09,228
A minha ex-aluna, que agora é minha
colega em Stanford, Hyowon Gweon,

76
00:04:09,228 --> 00:04:12,305
vai tirar da caixa
três bolas azuis de seguida.

77
00:04:12,641 --> 00:04:15,428
Ao tirar as bolas, ela vai apertá-las,

78
00:04:15,428 --> 00:04:17,441
e as bolas vão chiar.

79
00:04:17,713 --> 00:04:20,349
Para um bebé,
é como estar numa palestra do TED.

80
00:04:20,349 --> 00:04:22,389
Não há nada melhor que isto.

81
00:04:22,544 --> 00:04:24,769
(Risos)

82
00:04:26,968 --> 00:04:30,627
Mas o que importa é que é fácil
tirar três bolas azuis de seguida

83
00:04:30,627 --> 00:04:32,932
de uma caixa com uma maioria
de bolas azuis.

84
00:04:32,932 --> 00:04:34,992
Podíamos fazer isto de olhos fechados.

85
00:04:34,992 --> 00:04:37,988
É plausível que sejam evidências
aleatórias desta população.

86
00:04:37,988 --> 00:04:41,720
Se tiramos duma caixa, ao acaso,
qualquer coisa que chia,

87
00:04:41,720 --> 00:04:44,559
então talvez tudo dentro da caixa chie.

88
00:04:44,640 --> 00:04:48,209
Talvez os bebés devessem esperar que 
as bolas amarelas também chiassem.

89
00:04:48,209 --> 00:04:50,900
Mas as bolas amarelas
têm bastões engraçados na ponta,

90
00:04:50,900 --> 00:04:53,766
para os bebés fazerem
outras coisas com elas, se quiserem.

91
00:04:53,766 --> 00:04:55,679
Podem amassá-las ou bater com elas.

92
00:04:55,679 --> 00:04:57,548
Mas vamos ver o que o bebé faz.

93
00:04:57,766 --> 00:04:59,020
(Vídeo)

94
00:05:00,548 --> 00:05:02,229
Hyowon Gweon: Vês isto?

95
00:05:02,348 --> 00:05:03,940
(Bola chia)

96
00:05:04,531 --> 00:05:05,531
Viste?

97
00:05:06,140 --> 00:05:07,608
(Bola chia)

98
00:05:08,163 --> 00:05:09,520
Fixe.

99
00:05:12,706 --> 00:05:14,074
Vês esta?

100
00:05:14,756 --> 00:05:16,164
(Bola chia)

101
00:05:16,537 --> 00:05:17,817
Uau.

102
00:05:21,854 --> 00:05:23,667
Laura Schulz: Eu não disse?

103
00:05:23,967 --> 00:05:25,425
HG: Estás a ver esta?

104
00:05:25,507 --> 00:05:27,207
(Bola chia)

105
00:05:28,052 --> 00:05:32,617
Ei, Clara, esta é para ti.
Podes brincar, se quiseres.

106
00:05:37,972 --> 00:05:39,928
(Risos)

107
00:05:44,219 --> 00:05:46,504
LS: Nem preciso dizer nada, certo?

108
00:05:47,214 --> 00:05:50,113
Tudo bem, é bom que os bebés
generalizem as propriedades

109
00:05:50,113 --> 00:05:51,768
das bolas azuis para as amarelas.

110
00:05:51,768 --> 00:05:54,737
É impressionante que os bebés
aprendam por imitação,

111
00:05:54,737 --> 00:05:57,933
mas já sabemos estas coisas 
sobre bebés há muito tempo.

112
00:05:58,406 --> 00:06:00,217
A questão mais interessante

113
00:06:00,217 --> 00:06:03,169
é o que acontece quando mostramos
exatamente a mesma coisa,

114
00:06:03,169 --> 00:06:06,743
e podemos garantir que é a mesma coisa
pois temos um compartimento secreto

115
00:06:06,743 --> 00:06:08,790
e tiramos as bolas de lá.

116
00:06:08,862 --> 00:06:12,268
Mas, desta vez, vamos mudar
a população aparente

117
00:06:12,268 --> 00:06:15,170
a partir da qual foram obtidas as evidências .

118
00:06:15,251 --> 00:06:19,041
Desta vez, vamos mostrar
aos bebés três bolas azuis

119
00:06:19,141 --> 00:06:22,107
tiradas de uma caixa com 
a maioria de bolas amarelas,

120
00:06:22,107 --> 00:06:23,429
e adivinhem?

121
00:06:23,565 --> 00:06:26,369
Não é provável tirarmos
três bolas azuis de seguida

122
00:06:26,369 --> 00:06:28,880
de uma caixa com a maioria 
de bolas amarelas.

123
00:06:28,880 --> 00:06:32,500
Isto não é uma prova
de uma amostra aleatória plausível.

124
00:06:32,736 --> 00:06:34,623
Estas evidências indicam

125
00:06:34,623 --> 00:06:37,686
que Hyowon escolheu
as bolas azuis, de propósito.

126
00:06:37,832 --> 00:06:40,451
Talvez haja algo especial 
nas bolas azuis.

127
00:06:40,846 --> 00:06:43,440
Talvez apenas as bolas azuis chiem.

128
00:06:43,822 --> 00:06:45,717
Vamos ver o que o bebé faz.

129
00:06:46,007 --> 00:06:47,487
(Vídeo) HG: Vês isto?

130
00:06:47,560 --> 00:06:49,305
(Bola chia)

131
00:06:50,851 --> 00:06:52,241
Vês este brinquedo?

132
00:06:52,305 --> 00:06:53,677
(Bola chia)

133
00:06:53,914 --> 00:06:56,403
Oh, isto foi fixe! Vês?

134
00:06:57,321 --> 00:06:58,766
(Bola chia)

135
00:06:59,130 --> 00:07:01,933
Agora, esta é para tu brincares.
Podes brincar se quiser.

136
00:07:06,146 --> 00:07:07,639
(Balbucios)

137
00:07:15,182 --> 00:07:17,721
LS: Pronto, acabaram de ver 
dois bebés de 15 meses

138
00:07:17,721 --> 00:07:19,800
a fazer coisas totalmente diferentes,

139
00:07:19,800 --> 00:07:23,035
com base apenas na probabilidade
da amostra que observaram.

140
00:07:23,190 --> 00:07:25,511
Vou mostrar os resultados experimentais.

141
00:07:25,592 --> 00:07:28,356
No eixo vertical, temos
a percentagem de bebés

142
00:07:28,356 --> 00:07:30,805
que apertaram a bola em cada situação.

143
00:07:30,959 --> 00:07:34,656
Como podemos ver, os bebés 
tendem a generalizar as evidências

144
00:07:34,656 --> 00:07:37,773
quando há uma amostra representativa
plausível da população

145
00:07:37,773 --> 00:07:40,902
em vez de uma amostra
escolhida propositadamente.

146
00:07:41,393 --> 00:07:43,862
Isto leva a uma previsão divertida:

147
00:07:44,026 --> 00:07:48,676
suponham que tirávamos uma bola azul
da caixa com maioria de bolas amarelas.

148
00:07:49,050 --> 00:07:52,765
Provavelmente, não tirávamos
três bolas azuis de seguida,

149
00:07:52,765 --> 00:07:55,220
mas podíamos tirar aleatoriamente 
uma bola azul.

150
00:07:55,220 --> 00:07:57,290
Isso não é uma amostra improvável.

151
00:07:57,290 --> 00:07:59,577
Se pudéssemos mexer
numa caixa ao acaso

152
00:07:59,577 --> 00:08:03,528
e tirar qualquer coisa que chie,
talvez todas as coisas da caixa chiem.

153
00:08:04,111 --> 00:08:08,320
Então, mesmo que os bebés estejam
a ver menos evidências para o chiar,

154
00:08:08,320 --> 00:08:10,689
e tenham muitas menos ações para imitar

155
00:08:10,689 --> 00:08:14,232
nesta situação de uma bola
que acabámos de ver,

156
00:08:14,232 --> 00:08:17,969
previmos que os próprios bebés
apertariam mais,

157
00:08:17,969 --> 00:08:20,527
e foi exatamente isso que vimos.

158
00:08:21,245 --> 00:08:25,392
Então, os bebés de 15 meses,
como se fossem cientistas,

159
00:08:25,392 --> 00:08:28,299
reparam se as evidências são
amostras aleatórias ou não,

160
00:08:28,299 --> 00:08:31,697
e usam isso para desenvolver
expetativas sobre o mundo:

161
00:08:31,697 --> 00:08:33,879
o que chia e o que não chia,

162
00:08:33,879 --> 00:08:37,024
o que explorar e o que ignorar.

163
00:08:38,384 --> 00:08:40,450
Agora vou mostrar outro exemplo,

164
00:08:40,450 --> 00:08:43,180
desta vez sobre um problema
de raciocínio causal.

165
00:08:43,180 --> 00:08:45,619
Começa com um problema
de evidências confusas

166
00:08:45,619 --> 00:08:47,291
que todos nós temos,

167
00:08:47,291 --> 00:08:49,438
ou seja, que fazemos parte do mundo.

168
00:08:49,438 --> 00:08:52,865
Isto pode não vos parecer um problema 
mas, como a maioria dos problemas,

169
00:08:52,865 --> 00:08:55,256
só é um problema
quando as coisas não correm bem.

170
00:08:55,464 --> 00:08:57,275
Vejam este bebé, por exemplo.

171
00:08:57,347 --> 00:08:59,016
As coisas não lhe correm bem.

172
00:08:59,016 --> 00:09:01,705
Ele queria que este brinquedo tocasse, 
mas não consegue.

173
00:09:01,705 --> 00:09:03,952
Vou mostrar-vos um vídeo
de alguns segundos.

174
00:09:09,203 --> 00:09:11,260
Há duas possibilidades:

175
00:09:11,260 --> 00:09:13,894
Talvez ele esteja a fazer algo mal,

176
00:09:13,894 --> 00:09:17,519
ou talvez haja algo de errado
com o brinquedo.

177
00:09:18,110 --> 00:09:20,221
Portanto, nesta próxima experiência,

178
00:09:20,221 --> 00:09:23,518
vamos dar aos bebés
apenas alguns dados estatísticos

179
00:09:23,518 --> 00:09:26,100
apoiando uma hipótese sobre a outra.

180
00:09:26,100 --> 00:09:29,555
Vamos ver se os bebés conseguem 
tomar decisões diferentes

181
00:09:29,555 --> 00:09:31,389
quanto ao que fazer.

182
00:09:31,479 --> 00:09:33,411
Aqui está a experiência.

183
00:09:34,071 --> 00:09:37,101
A Hyowon vai tentar fazer
com que o brinquedo toque e consegue.

184
00:09:37,101 --> 00:09:40,421
Depois, eu vou tentar duas vezes e falhar.

185
00:09:40,593 --> 00:09:43,614
A Hyowon vai tentar de novo 
e vai conseguir,

186
00:09:43,614 --> 00:09:47,005
e isto resume a minha relação
com os meus alunos de pós-graduação

187
00:09:47,005 --> 00:09:49,094
em tecnologia.

188
00:09:50,030 --> 00:09:53,322
Mas o importante aqui é fornecer
um pouco de evidências

189
00:09:53,322 --> 00:09:56,990
de que o problema
não é o brinquedo, é a pessoa.

190
00:09:56,990 --> 00:09:59,340
Algumas pessoas fazem o brinquedo tocar,

191
00:09:59,340 --> 00:10:00,744
e outras não.

192
00:10:00,799 --> 00:10:03,875
Agora, quando o bebé pega no brinquedo,
ele tem uma escolha.

193
00:10:04,212 --> 00:10:06,145
A mãe dele está ali,

194
00:10:06,209 --> 00:10:09,933
para ele poder entregar o brinquedo
e mudar de pessoa,

195
00:10:09,933 --> 00:10:12,873
mas também haverá outro brinquedo,
no final daquele pano.

196
00:10:13,063 --> 00:10:16,197
Ele pode puxar o pano 
e mudar de brinquedo.

197
00:10:16,425 --> 00:10:18,097
Então vamos ver o que o bebé faz.

198
00:10:18,206 --> 00:10:19,414
(Vídeo)

199
00:10:19,568 --> 00:10:21,268
HG: Dois, três. Vai!

200
00:10:21,505 --> 00:10:22,807
(Música)

201
00:10:22,998 --> 00:10:25,829
LS: Um, dois, três, vai!

202
00:10:27,365 --> 00:10:29,486
Arthur, vou tentar novamente.

203
00:10:29,695 --> 00:10:32,695
Um, dois, três, vai!

204
00:10:33,886 --> 00:10:36,277
HG: Arthur, vou tentar de novo, está bem?

205
00:10:36,440 --> 00:10:39,583
Um, dois, três, vai!

206
00:10:39,874 --> 00:10:41,446
(Música)

207
00:10:41,583 --> 00:10:43,602
Vê isto. 
Lembras-te destes brinquedos?

208
00:10:43,711 --> 00:10:46,902
Vês estes brinquedos? 
Sim, vou pôr este aqui,

209
00:10:46,902 --> 00:10:48,792
e vou dar-te este.

210
00:10:48,792 --> 00:10:51,127
Podes brincar se quiseres.


211
00:11:11,376 --> 00:11:15,350
LS: Ok, Laura, mas é óbvio
que os bebés amam as mamãs.

212
00:11:15,950 --> 00:11:18,386
É claro que os bebés vão dar
os brinquedos às mamãs

213
00:11:18,386 --> 00:11:20,562
quando não conseguem pô-los a funcionar.

214
00:11:20,562 --> 00:11:23,482
Novamente, o que importa
é o que acontece,

215
00:11:23,482 --> 00:11:26,636
quando mudamos ligeiramente
os dados estatísticos.

216
00:11:26,909 --> 00:11:30,996
Desta vez, os bebés vão ver o brinquedo
funcionar e falhar pela mesma ordem,

217
00:11:30,996 --> 00:11:33,620
mas mudamos a distribuição das evidências.

218
00:11:33,620 --> 00:11:37,649
Desta vez, a Hyowon vai conseguir 
uma vez e falhar uma vez, e eu também.

219
00:11:38,158 --> 00:11:43,286
Isto sugere que não importa quem tenta, 
o brinquedo está avariado.

220
00:11:43,386 --> 00:11:45,054
Ele nunca funciona.

221
00:11:45,154 --> 00:11:47,310
De novo, a bebé vai poder escolher.

222
00:11:47,310 --> 00:11:50,706
A mãe está mesmo ao lado dela,
então ela pode mudar a pessoa,

223
00:11:50,706 --> 00:11:53,400
e haverá outro brinquedo no fim do pano.

224
00:11:53,446 --> 00:11:55,106
Vamos ver o que ela faz.

225
00:11:55,197 --> 00:11:56,308
(Vídeo)

226
00:11:56,381 --> 00:11:57,881
HG: Dois, três, vai!

227
00:11:57,981 --> 00:11:59,581
(Música)

228
00:11:59,745 --> 00:12:04,347
Deixa-me tentar de novo. 
Um, dois, três, vai!

229
00:12:06,069 --> 00:12:07,293
Hum.

230
00:12:08,077 --> 00:12:09,978
LS: Deixa-me tentar, Clara.

231
00:12:10,642 --> 00:12:13,896
Um, dois, três, vai!

232
00:12:15,265 --> 00:12:17,318
Hum, deixa-me tentar de novo.

233
00:12:17,436 --> 00:12:20,409
Um, dois, três, vai!

234
00:12:20,590 --> 00:12:22,618
(Música)

235
00:12:23,009 --> 00:12:25,296
HG: Vou deixar este aqui,

236
00:12:25,296 --> 00:12:27,243
e vou dar-te este.

237
00:12:27,315 --> 00:12:29,521
Podes brincar, se quiseres.

238
00:12:49,821 --> 00:12:51,673
(Aplausos)

239
00:12:52,993 --> 00:12:55,212
LS: Vou mostrar
os resultados experimentais.

240
00:12:55,385 --> 00:12:58,969
No eixo vertical, temos a distribuição
de escolhas das crianças

241
00:12:58,969 --> 00:13:00,546
para cada situação.

242
00:13:00,700 --> 00:13:04,988
Podemos ver que as escolhas 
que as crianças fazem

243
00:13:04,988 --> 00:13:07,775
dependem das evidências observadas.

244
00:13:07,775 --> 00:13:09,632
Então, no segundo ano de vida,

245
00:13:09,632 --> 00:13:12,690
os bebés podem usar alguns
dados estatísticos

246
00:13:12,690 --> 00:13:15,912
para decidir entre duas estratégias
fundamentalmente diferentes

247
00:13:15,912 --> 00:13:17,675
para agir no mundo:

248
00:13:17,675 --> 00:13:20,200
pedir ajuda e explorar.

249
00:13:22,163 --> 00:13:25,134
Eu só mostrei duas 
experiências de laboratório

250
00:13:25,134 --> 00:13:28,825
entre centenas de outras
que mostram resultados parecidos,

251
00:13:28,825 --> 00:13:31,217
pois o ponto essencial

252
00:13:31,217 --> 00:13:36,570
é mostrar que a capacidade das crianças
de fazerem deduções com poucos dados

253
00:13:36,570 --> 00:13:41,266
está por trás de toda a aprendizagem 
cultural específica que fazemos.

254
00:13:41,666 --> 00:13:46,263
As crianças aprendem novas ferramentas
a partir de alguns exemplos.

255
00:13:46,444 --> 00:13:51,043
Aprendem novas relações causais
a partir de alguns exemplos.

256
00:13:51,928 --> 00:13:56,244
Até aprendem novas palavras,
neste caso em linguagem gestual.

257
00:13:57,280 --> 00:13:59,510
Vou concluir com apenas dois pontos.

258
00:14:00,050 --> 00:14:03,738
Se vocês têm estado a acompanhar
as ciências cognitivas e do cérebro

259
00:14:03,738 --> 00:14:05,665
dos últimos anos,

260
00:14:05,665 --> 00:14:08,080
terão reparado em três grandes ideias.

261
00:14:08,252 --> 00:14:11,025
A primeira é que estamos
na era do cérebro.

262
00:14:11,952 --> 00:14:15,248
De facto, houve descobertas
surpreendentes na neurociência:

263
00:14:15,248 --> 00:14:18,693
a localização funcional
de regiões especializadas do córtex,

264
00:14:18,693 --> 00:14:21,303
tornando transparentes cérebros de ratos,

265
00:14:21,303 --> 00:14:23,770
ativando neurónios com luz.

266
00:14:24,998 --> 00:14:26,994
A segunda grande ideia

267
00:14:26,994 --> 00:14:31,098
é que estamos na era dos megadados
e da aprendizagem das máquinas,

268
00:14:31,098 --> 00:14:34,939
e isto promete revolucionar
a nossa compreensão de tudo,

269
00:14:34,939 --> 00:14:37,878
desde as redes sociais
até à epidemiologia.

270
00:14:38,906 --> 00:14:41,599
Talvez ao enfrentar problemas
de compreensão contextual

271
00:14:41,599 --> 00:14:43,864
e de processamento de linguagem natural,

272
00:14:43,864 --> 00:14:46,561
isto nos possa dizer algo
sobre a cognição humana.

273
00:14:47,756 --> 00:14:49,693
E a última grande ideia

274
00:14:49,693 --> 00:14:53,080
é que talvez seja uma boa ideia
virmos a saber muito sobre o cérebro

275
00:14:53,080 --> 00:14:55,060
e termos muito acesso aos megadados,

276
00:14:55,060 --> 00:14:57,776
pois, se ficarmos entregues a nós próprios,

277
00:14:57,776 --> 00:15:01,589
os seres humanos são falíveis,
usamos atalhos,

278
00:15:01,589 --> 00:15:04,772
erramos, cometemos erros,

279
00:15:04,772 --> 00:15:08,456
somos preconceituosos
e, de várias maneiras,

280
00:15:09,074 --> 00:15:11,452
interpretamos mal o mundo.

281
00:15:12,843 --> 00:15:15,792
Penso que estas histórias são importantes,

282
00:15:15,792 --> 00:15:18,840
e elas dizem-nos muito sobre 
o que significa ser humano,

283
00:15:19,577 --> 00:15:23,106
mas quero que vocês percebam que 
vos contei uma história muito diferente.

284
00:15:23,966 --> 00:15:27,482
É uma história sobre mentes
e não sobre o cérebro.

285
00:15:27,773 --> 00:15:30,779
Em particular, é uma história
sobre os tipos de cálculos

286
00:15:30,779 --> 00:15:33,450
que só as mentes humanas
podem fazer,

287
00:15:33,450 --> 00:15:35,840
o que envolve o conhecimento
rico e estruturado

288
00:15:35,840 --> 00:15:39,682
e a capacidade de aprender a partir
de pequenas quantidades de dados,

289
00:15:40,182 --> 00:15:42,701
das evidências de alguns exemplos.

290
00:15:44,164 --> 00:15:48,763
Essencialmente, é uma história
sobre como as crianças

291
00:15:48,763 --> 00:15:51,261
começam e continuam o seu caminho

292
00:15:51,261 --> 00:15:54,604
para as maiores realizações
da nossa cultura.

293
00:15:56,623 --> 00:15:58,929
Conseguimos assim, 
interpretar bem o mundo.

294
00:16:02,005 --> 00:16:05,781
A mente humana não aprende
apenas com pequenas quantidades de dados.

295
00:16:06,285 --> 00:16:08,631
A mente humana pensa em novas ideias.

296
00:16:08,746 --> 00:16:11,441
A mente humana gera
pesquisa e descoberta.

297
00:16:11,796 --> 00:16:16,350
A mente humana gera
arte, literatura, poesia e teatro.

298
00:16:17,406 --> 00:16:20,684
A mente humana cuida
de outros seres humanos:

299
00:16:21,057 --> 00:16:24,257
dos nossos velhos, dos nossos jovens, 
dos nossos doentes.

300
00:16:24,771 --> 00:16:26,638
Nós até os curamos.

301
00:16:28,018 --> 00:16:30,794
Nos próximos anos, vamos ver
inovações tecnológicas

302
00:16:30,794 --> 00:16:33,564
para além de qualquer coisa
que eu possa imaginar,

303
00:16:34,464 --> 00:16:36,614
mas é muito improvável

304
00:16:36,614 --> 00:16:42,032
que venhamos a ver um computador com 
o mesmo poder da mente de uma criança

305
00:16:42,323 --> 00:16:45,311
durante a minha vida ou a vossa.

306
00:16:46,748 --> 00:16:51,668
Se investirmos nestes poderosos 
aprendizes e no seu desenvolvimento,

307
00:16:51,668 --> 00:16:53,994
nos bebés e nas crianças,

308
00:16:54,285 --> 00:16:56,411
nas mães e nos pais

309
00:16:56,411 --> 00:16:59,110
nos cuidadores e nos professores,

310
00:16:59,110 --> 00:17:03,280
da mesma forma que investimos
noutras formas mais poderosas e elegantes

311
00:17:03,280 --> 00:17:06,143
de tecnologia, da engenharia e do "design",

312
00:17:06,498 --> 00:17:09,437
não vamos apenas sonhar
com um futuro melhor,

313
00:17:09,437 --> 00:17:11,564
vamos estar a planeá-lo.

314
00:17:11,782 --> 00:17:13,127
Muito obrigada.

315
00:17:13,245 --> 00:17:16,357
(Aplausos)

316
00:17:18,537 --> 00:17:22,136
Chris Anderson: Laura, obrigado.
Tenho uma pergunta para si.

317
00:17:22,236 --> 00:17:24,767
Em primeiro lugar,
esta pesquisa é uma loucura.

318
00:17:24,767 --> 00:17:27,729
Quero dizer, quem iria projetar
uma experiência como esta?

319
00:17:29,150 --> 00:17:30,940
Eu vi isto algumas vezes,

320
00:17:30,940 --> 00:17:34,162
e ainda não acredito que isto 
pode estar a acontecer,

321
00:17:34,162 --> 00:17:37,320
mas outras pessoas fizeram experiências
semelhantes; e verifica-se.

322
00:17:37,320 --> 00:17:39,016
Os bebés são realmente geniais.

323
00:17:39,144 --> 00:17:42,114
LS: Eles parecem muito impressionantes
nas nossas experiências,

324
00:17:42,114 --> 00:17:44,493
mas pense em como eles são
na vida real.

325
00:17:44,493 --> 00:17:47,780
Nasce um bebé. Dezoito meses depois, 
está a falar connosco.

326
00:17:47,780 --> 00:17:50,582
As primeiras palavras
não são coisas como bolas e patos,

327
00:17:50,582 --> 00:17:53,372
são coisas como "não há",
que se refere ao desaparecimento,

328
00:17:53,372 --> 00:17:55,901
ou "uh-oh", que se refere
a ações não intencionais.

329
00:17:55,974 --> 00:17:57,699
É preciso ser poderoso,

330
00:17:57,699 --> 00:18:00,065
muito mais poderoso
do que tudo o que eu mostrei.

331
00:18:00,065 --> 00:18:02,285
Estão a tentar descobrir 
o mundo inteiro.

332
00:18:02,285 --> 00:18:04,947
Uma criança de quatro anos
pode conversar sobre quase tudo.

333
00:18:05,429 --> 00:18:07,030
(Aplausos)

334
00:18:07,130 --> 00:18:10,234
CA: Se percebi bem,
o outro ponto que levanta

335
00:18:10,234 --> 00:18:12,907
é que temos passado estes anos 
com esta conversa toda

336
00:18:12,907 --> 00:18:15,257
do quão peculiar e confusas 
são as nossas mentes,

337
00:18:15,257 --> 00:18:17,997
que a economia comportamental
e outras teorias que dizem

338
00:18:17,997 --> 00:18:19,645
que não somos agentes racionais.

339
00:18:19,800 --> 00:18:24,170
Acha realmente que a nossa mente
é extraordinária,

340
00:18:24,170 --> 00:18:28,760
e que há um génio ali que é subestimado?

341
00:18:28,941 --> 00:18:31,402
LS: Uma das minhas citações favoritas
em psicologia

342
00:18:31,402 --> 00:18:33,283
é do psicólogo social Solomon Asch,

343
00:18:33,283 --> 00:18:35,727
que disse que a tarefa fundamental
da psicologia

344
00:18:35,727 --> 00:18:38,843
é remover o véu
da autoevidência das coisas.

345
00:18:38,843 --> 00:18:42,976
Há milhões de tipos de escolhas
que fazemos todos os dias,

346
00:18:42,976 --> 00:18:44,587
que nos fazem ver bem o mundo.

347
00:18:44,587 --> 00:18:46,783
Conhecemos os objetos
e as suas propriedades.

348
00:18:46,783 --> 00:18:49,502
Sabemos quando estão ocultos.
Conhecemo-los no escuro.

349
00:18:49,502 --> 00:18:51,101
Podemos andar por salas,

350
00:18:51,101 --> 00:18:54,370
descobrir o que as outras 
pessoas estão a pensar e falar com elas.

351
00:18:54,370 --> 00:18:56,682
Podemos navegar no espaço.
Conhecemos os números.

352
00:18:56,682 --> 00:18:59,158
Conhecemos as relações causais
e o raciocínio moral.

353
00:18:59,158 --> 00:19:01,460
Fazemos isto sem esforço,
por isso nem reparamos,

354
00:19:01,460 --> 00:19:04,344
mas é assim que vemos o mundo,
e é uma realização notável

355
00:19:04,344 --> 00:19:06,217
e muito difícil de perceber.

356
00:19:06,562 --> 00:19:08,790
CA: Eu suspeito que há pessoas na plateia

357
00:19:08,790 --> 00:19:11,092
que têm uma visão do poder
tecnológico crescente

358
00:19:11,092 --> 00:19:14,223
que podem refutar a sua afirmação
de que, nunca na nossa vida,

359
00:19:14,223 --> 00:19:17,368
haverá um computador que faça o mesmo
que uma criança de três anos,

360
00:19:17,368 --> 00:19:21,061
mas está claro que, em qualquer cenário,

361
00:19:21,061 --> 00:19:24,722
as nossas máquinas têm muito
a aprender com as nossas crianças.

362
00:19:26,575 --> 00:19:29,827
LS: Acho que sim. Temos aqui pessoas
de aprendizagem de máquina.

363
00:19:29,827 --> 00:19:34,058
Quero dizer, não devemos apostar
contra bebés ou chimpanzés

364
00:19:34,058 --> 00:19:37,412
ou tecnologia, como uma questão prática,

365
00:19:37,412 --> 00:19:41,822
mas não é apenas
uma diferença na quantidade,

366
00:19:41,822 --> 00:19:43,586
é uma diferença no tipo.

367
00:19:43,586 --> 00:19:45,746
Temos computadores
incrivelmente poderosos,

368
00:19:45,746 --> 00:19:48,300
que fazem coisas
incrivelmente sofisticadas,

369
00:19:48,300 --> 00:19:51,204
muitas vezes com grandes
quantidades de dados.

370
00:19:51,341 --> 00:19:53,948
A mente humana faz algo
completamente diferente.

371
00:19:53,948 --> 00:19:58,033
Acho que é a natureza hierárquica 
e estruturada do conhecimento humano

372
00:19:58,033 --> 00:20:00,220
que continua a ser um desafio real.

373
00:20:00,365 --> 00:20:03,145
CA: Laura Schulz,
uma conversa maravilhosa. Obrigado.

374
00:20:03,208 --> 00:20:04,312
LS: Obrigada.

375
00:20:04,330 --> 00:20:05,858
(Aplausos)