WEBVTT

00:00:00.835 --> 00:00:02.990
Mark Twain resumiu o que eu considero

00:00:02.990 --> 00:00:06.110
um dos problemas fundamentais
da ciência cognitiva

00:00:06.110 --> 00:00:08.010
apenas numa piada.

00:00:08.410 --> 00:00:11.492
Ele disse: "Há algo
fascinante na ciência.

00:00:11.492 --> 00:00:15.183
"Obtêm-se retornos profundos 
da conjetura

00:00:15.210 --> 00:00:18.187
"a partir de investigações
superficiais da verdade".

00:00:18.287 --> 00:00:19.872
(Risos)

NOTE Paragraph

00:00:20.199 --> 00:00:22.803
Claro que Twain disse isto a brincar,
mas está correto:

00:00:23.048 --> 00:00:25.679
Há algo fascinante na ciência.

00:00:25.979 --> 00:00:29.940
A partir de alguns ossos, inferimos
a existência de dinossauros.

00:00:30.910 --> 00:00:34.608
A partir de linhas espetrais,
a composição de nebulosas.

00:00:35.471 --> 00:00:37.863
A partir de moscas-da-fruta,

00:00:38.409 --> 00:00:40.861
os mecanismos da hereditariedade,

00:00:41.661 --> 00:00:45.601
e de imagens reconstruídas do sangue 
que flui através do cérebro,

00:00:45.746 --> 00:00:50.009
ou no meu caso, do comportamento
de crianças muito novas,

00:00:50.309 --> 00:00:53.374
tentamos dizer algo
sobre os mecanismos fundamentais

00:00:53.410 --> 00:00:55.164
da cognição humana.

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

00:01:00.620 --> 00:01:04.129
passei a última década
a tentar perceber o mistério

00:01:04.129 --> 00:01:08.233
de como as crianças aprendem tanto
a partir de tão pouco e tão rapidamente.

00:01:08.666 --> 00:01:11.644
Porque acontece que a coisa
fascinante na ciência

00:01:11.644 --> 00:01:14.836
também é uma coisa fascinante
nas crianças.

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

00:01:17.754 --> 00:01:22.404
é exatamente a capacidade que elas têm
para criar inferências ricas e abstratas

00:01:22.476 --> 00:01:27.401
com rapidez e precisão,
a partir de dados soltos, ruidosos.

00:01:28.355 --> 00:01:30.753
Hoje vou dar apenas dois exemplos.

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

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

00:01:35.890 --> 00:01:38.415
Apesar de falar sobre o trabalho 
no meu laboratório,

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

00:01:41.938 --> 00:01:46.158
Estou grata a mentores, colegas,
e colaboradores de todo o mundo.

NOTE Paragraph

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

00:01:50.652 --> 00:01:54.785
Generalizar a partir de poucos dados
é o pão nosso de cada dia na ciência.

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

00:01:57.339 --> 00:01:59.950
e prevemos o resultado
das eleições nacionais.

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

00:02:04.165 --> 00:02:07.230
e colocamos drogas no mercado nacional.

00:02:07.293 --> 00:02:11.495
Mas isto só funciona se a nossa amostra
for obtida aleatoriamente da população.

00:02:11.595 --> 00:02:14.357
Se a nossa amostra for enviesada
de alguma maneira

00:02:14.357 --> 00:02:16.774
— digamos, sondamos apenas
eleitores urbanos,

00:02:16.774 --> 00:02:20.790
ou então, nos nossos ensaios clínicos
para tratamento de doenças do coração,

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

00:02:22.671 --> 00:02:25.929
os resultados podem não representar
a população mais ampla.

NOTE Paragraph

00:02:26.906 --> 00:02:30.387
Então, os cientistas preocupam-se
se as amostras são aleatórias ou não,

00:02:30.387 --> 00:02:32.465
mas o que é que tem isto a ver com bebés?

00:02:32.857 --> 00:02:37.206
Bem, os bebés precisam de generalizar
pequenas amostras de dados o tempo todo.

00:02:37.306 --> 00:02:40.364
Veem alguns patos de borracha
e aprendem que eles flutuam,

00:02:40.364 --> 00:02:43.939
ou veem algumas bolas
e aprendem que elas saltam.

00:02:43.939 --> 00:02:46.890
Desenvolvem expetativas
sobre patos e bolas

00:02:46.890 --> 00:02:49.633
que vão alargar aos 
patos de borracha e bolas

00:02:49.633 --> 00:02:51.266
para o resto da vida.

00:02:51.485 --> 00:02:55.224
O tipo de generalizações que os bebés
têm que fazer sobre patos e bolas,

00:02:55.224 --> 00:02:57.503
precisam fazer sobre quase tudo o resto:

00:02:57.503 --> 00:03:01.348
sapatos, barcos, lacre, couves e reis.

NOTE Paragraph

00:03:02.200 --> 00:03:05.433
Será que os bebés reparam
se os pedacinhos de evidências que veem

00:03:05.433 --> 00:03:09.043
são representantes plausíveis
de uma população mais ampla?

00:03:09.763 --> 00:03:11.244
Vamos descobrir.

00:03:11.663 --> 00:03:13.386
Vou mostrar dois filmes,

00:03:13.386 --> 00:03:15.984
um para cada uma
de duas situações de uma experiência.

00:03:15.984 --> 00:03:18.386
Como vocês vão ver apenas dois filmes,

00:03:18.386 --> 00:03:20.422
verão apenas dois bebés,

00:03:20.422 --> 00:03:24.287
e quaisquer dois bebés diferem entre si
de várias maneiras.

00:03:24.369 --> 00:03:27.420
Mas estes bebés, claro,
representam grupos de bebés.

00:03:27.420 --> 00:03:29.315
As diferenças que vão ver

00:03:29.315 --> 00:03:33.900
representam as diferenças médias 
de grupos de bebés em cada situação.

00:03:35.160 --> 00:03:37.743
Em cada filme, vocês vão ver
um bebé a fazer,

00:03:37.743 --> 00:03:41.203
talvez exatamente o que vocês
esperam que um bebé faça,

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

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

00:03:48.100 --> 00:03:50.252
na qual quero que vocês prestem atenção,

00:03:50.252 --> 00:03:53.300
é o contraste entre estas duas situações,

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
são as evidências estatísticas
que os bebés vão observar.

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

00:04:05.135 --> 00:04:09.228
A minha ex-aluna, que agora é minha
colega em Stanford, Hyowon Gweon,

00:04:09.228 --> 00:04:12.305
vai tirar da caixa
três bolas azuis de seguida.

00:04:12.641 --> 00:04:15.428
Ao tirar as bolas, ela vai apertá-las,

00:04:15.428 --> 00:04:17.441
e as bolas vão chiar.

00:04:17.713 --> 00:04:20.349
Para um bebé,
é como estar numa palestra do TED.

00:04:20.349 --> 00:04:22.389
Não há nada melhor que isto.

00:04:22.544 --> 00:04:24.769
(Risos)

00:04:26.968 --> 00:04:30.627
Mas o que importa é que é fácil
tirar três bolas azuis de seguida

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

00:04:32.932 --> 00:04:34.992
Podíamos fazer isto de olhos fechados.

00:04:34.992 --> 00:04:37.988
É plausível que sejam evidências
aleatórias desta população.

00:04:37.988 --> 00:04:41.720
Se tiramos duma caixa, ao acaso,
qualquer coisa que chia,

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

00:04:44.640 --> 00:04:48.209
Talvez os bebés devessem esperar que 
as bolas amarelas também chiassem.

00:04:48.209 --> 00:04:50.900
Mas as bolas amarelas
têm bastões engraçados na ponta,

00:04:50.900 --> 00:04:53.766
para os bebés fazerem
outras coisas com elas, se quiserem.

00:04:53.766 --> 00:04:55.679
Podem amassá-las ou bater com elas.

00:04:55.679 --> 00:04:57.548
Mas vamos ver o que o bebé faz.

00:04:57.766 --> 00:04:59.020
(Vídeo)

NOTE Paragraph

00:05:00.548 --> 00:05:02.229
Hyowon Gweon: Vês isto?

00:05:02.348 --> 00:05:03.940
(Bola chia)

00:05:04.531 --> 00:05:05.531
Viste?

00:05:06.140 --> 00:05:07.608
(Bola chia)

00:05:08.163 --> 00:05:09.520
Fixe.

00:05:12.706 --> 00:05:14.074
Vês esta?

00:05:14.756 --> 00:05:16.164
(Bola chia)

00:05:16.537 --> 00:05:17.817
Uau.

NOTE Paragraph

00:05:21.854 --> 00:05:23.667
Laura Schulz: Eu não disse?

NOTE Paragraph

00:05:23.967 --> 00:05:25.425
HG: Estás a ver esta?

00:05:25.507 --> 00:05:27.207
(Bola chia)

00:05:28.052 --> 00:05:32.617
Ei, Clara, esta é para ti.
Podes brincar, se quiseres.

00:05:37.972 --> 00:05:39.928
(Risos)

NOTE Paragraph

00:05:44.219 --> 00:05:46.504
LS: Nem preciso dizer nada, certo?

00:05:47.214 --> 00:05:50.113
Tudo bem, é bom que os bebés
generalizem as propriedades

00:05:50.113 --> 00:05:51.768
das bolas azuis para as amarelas.

00:05:51.768 --> 00:05:54.737
É impressionante que os bebés
aprendam por imitação,

00:05:54.737 --> 00:05:57.933
mas já sabemos estas coisas 
sobre bebés há muito tempo.

00:05:58.406 --> 00:06:00.217
A questão mais interessante

00:06:00.217 --> 00:06:03.169
é o que acontece quando mostramos
exatamente a mesma coisa,

00:06:03.169 --> 00:06:06.743
e podemos garantir que é a mesma coisa
pois temos um compartimento secreto

00:06:06.743 --> 00:06:08.790
e tiramos as bolas de lá.

00:06:08.862 --> 00:06:12.268
Mas, desta vez, vamos mudar
a população aparente

00:06:12.268 --> 00:06:15.170
a partir da qual foram obtidas as evidências .

00:06:15.251 --> 00:06:19.041
Desta vez, vamos mostrar
aos bebés três bolas azuis

00:06:19.141 --> 00:06:22.107
tiradas de uma caixa com 
a maioria de bolas amarelas,

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

00:06:23.565 --> 00:06:26.369
Não é provável tirarmos
três bolas azuis de seguida

00:06:26.369 --> 00:06:28.880
de uma caixa com a maioria 
de bolas amarelas.

00:06:28.880 --> 00:06:32.500
Isto não é uma prova
de uma amostra aleatória plausível.

00:06:32.736 --> 00:06:34.623
Estas evidências indicam

00:06:34.623 --> 00:06:37.686
que Hyowon escolheu
as bolas azuis, de propósito.

00:06:37.832 --> 00:06:40.451
Talvez haja algo especial 
nas bolas azuis.

00:06:40.846 --> 00:06:43.440
Talvez apenas as bolas azuis chiem.

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

NOTE Paragraph

00:06:46.007 --> 00:06:47.487
(Vídeo) HG: Vês isto?

00:06:47.560 --> 00:06:49.305
(Bola chia)

00:06:50.851 --> 00:06:52.241
Vês este brinquedo?

00:06:52.305 --> 00:06:53.677
(Bola chia)

00:06:53.914 --> 00:06:56.403
Oh, isto foi fixe! Vês?

00:06:57.321 --> 00:06:58.766
(Bola chia)

00:06:59.130 --> 00:07:01.933
Agora, esta é para tu brincares.
Podes brincar se quiser.

NOTE Paragraph

00:07:06.146 --> 00:07:07.639
(Balbucios)

NOTE Paragraph

00:07:15.182 --> 00:07:17.721
LS: Pronto, acabaram de ver 
dois bebés de 15 meses

00:07:17.721 --> 00:07:19.800
a fazer coisas totalmente diferentes,

00:07:19.800 --> 00:07:23.035
com base apenas na probabilidade
da amostra que observaram.

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

00:07:25.592 --> 00:07:28.356
No eixo vertical, temos
a percentagem de bebés

00:07:28.356 --> 00:07:30.805
que apertaram a bola em cada situação.

00:07:30.959 --> 00:07:34.656
Como podemos ver, os bebés 
tendem a generalizar as evidências

00:07:34.656 --> 00:07:37.773
quando há uma amostra representativa
plausível da população

00:07:37.773 --> 00:07:40.902
em vez de uma amostra
escolhida propositadamente.

00:07:41.393 --> 00:07:43.862
Isto leva a uma previsão divertida:

00:07:44.026 --> 00:07:48.676
suponham que tirávamos uma bola azul
da caixa com maioria de bolas amarelas.

00:07:49.050 --> 00:07:52.765
Provavelmente, não tirávamos
três bolas azuis de seguida,

00:07:52.765 --> 00:07:55.220
mas podíamos tirar aleatoriamente 
uma bola azul.

00:07:55.220 --> 00:07:57.290
Isso não é uma amostra improvável.

00:07:57.290 --> 00:07:59.577
Se pudéssemos mexer
numa caixa ao acaso

00:07:59.577 --> 00:08:03.528
e tirar qualquer coisa que chie,
talvez todas as coisas da caixa chiem.

00:08:04.111 --> 00:08:08.320
Então, mesmo que os bebés estejam
a ver menos evidências para o chiar,

00:08:08.320 --> 00:08:10.689
e tenham muitas menos ações para imitar

00:08:10.689 --> 00:08:14.232
nesta situação de uma bola
que acabámos de ver,

00:08:14.232 --> 00:08:17.969
previmos que os próprios bebés
apertariam mais,

00:08:17.969 --> 00:08:20.527
e foi exatamente isso que vimos.

00:08:21.245 --> 00:08:25.392
Então, os bebés de 15 meses,
como se fossem cientistas,

00:08:25.392 --> 00:08:28.299
reparam se as evidências são
amostras aleatórias ou não,

00:08:28.299 --> 00:08:31.697
e usam isso para desenvolver
expetativas 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.

NOTE Paragraph

00:08:38.384 --> 00:08:40.450
Agora vou mostrar outro exemplo,

00:08:40.450 --> 00:08:43.180
desta vez sobre um problema
de raciocínio causal.

00:08:43.180 --> 00:08:45.619
Começa com um problema
de evidências confusas

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

00:08:47.291 --> 00:08:49.438
ou seja, que fazemos parte do mundo.

00:08:49.438 --> 00:08:52.865
Isto pode não vos parecer um problema 
mas, como a maioria dos problemas,

00:08:52.865 --> 00:08:55.256
só é um problema
quando as coisas não correm bem.

00:08:55.464 --> 00:08:57.275
Vejam este bebé, por exemplo.

00:08:57.347 --> 00:08:59.016
As coisas não lhe correm bem.

00:08:59.016 --> 00:09:01.705
Ele queria que este brinquedo tocasse, 
mas não consegue.

00:09:01.705 --> 00:09:03.952
Vou mostrar-vos um vídeo
de alguns segundos.

00:09:09.203 --> 00:09:11.260
Há duas possibilidades:

00:09:11.260 --> 00:09:13.894
Talvez ele esteja a fazer algo mal,

00:09:13.894 --> 00:09:17.519
ou talvez haja algo de errado
com o brinquedo.

00:09:18.110 --> 00:09:20.221
Portanto, nesta próxima experiência,

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

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

00:09:26.100 --> 00:09:29.555
Vamos ver se os bebés conseguem 
tomar decisões diferentes

00:09:29.555 --> 00:09:31.389
quanto ao que fazer.

NOTE Paragraph

00:09:31.479 --> 00:09:33.411
Aqui está a experiência.

00:09:34.071 --> 00:09:37.101
A Hyowon vai tentar fazer
com que o brinquedo toque e consegue.

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

00:09:40.593 --> 00:09:43.614
A Hyowon vai tentar de novo 
e vai conseguir,

00:09:43.614 --> 00:09:47.005
e isto resume a minha relação
com os meus alunos de pós-graduação

00:09:47.005 --> 00:09:49.094
em tecnologia.

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

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 tocar,

00:09:59.340 --> 00:10:00.744
e outras não.

00:10:00.799 --> 00:10:03.875
Agora, quando o bebé pega no brinquedo,
ele tem uma escolha.

00:10:04.212 --> 00:10:06.145
A mãe dele está ali,

00:10:06.209 --> 00:10:09.933
para ele poder entregar o brinquedo
e mudar de pessoa,

00:10:09.933 --> 00:10:12.873
mas também haverá outro brinquedo,
no final daquele pano.

00:10:13.063 --> 00:10:16.197
Ele pode puxar o pano 
e mudar de brinquedo.

00:10:16.425 --> 00:10:18.097
Então vamos ver o que o bebé faz.

00:10:18.206 --> 00:10:19.414
(Vídeo)

NOTE Paragraph

00:10:19.568 --> 00:10:21.268
HG: Dois, três. Vai!

00:10:21.505 --> 00:10:22.807
(Música)

00:10:22.998 --> 00:10:25.829
LS: Um, dois, três, vai!

00:10:27.365 --> 00:10:29.486
Arthur, vou tentar novamente.

00:10:29.695 --> 00:10:32.695
Um, dois, três, vai!

00:10:33.886 --> 00:10:36.277
HG: Arthur, vou tentar de novo, está bem?

00:10:36.440 --> 00:10:39.583
Um, dois, três, vai!

00:10:39.874 --> 00:10:41.446
(Música)

00:10:41.583 --> 00:10:43.602
Vê isto. 
Lembras-te destes brinquedos?

00:10:43.711 --> 00:10:46.902
Vês estes brinquedos? 
Sim, vou pôr este aqui,

00:10:46.902 --> 00:10:48.792
e vou dar-te este.

00:10:48.792 --> 00:10:51.127
Podes brincar se quiseres.


00:11:11.376 --> 00:11:15.350
LS: Ok, Laura, mas é óbvio
que os bebés amam as mamãs.

00:11:15.950 --> 00:11:18.386
É claro que os bebés vão dar
os brinquedos às mamãs

00:11:18.386 --> 00:11:20.562
quando não conseguem pô-los a funcionar.

00:11:20.562 --> 00:11:23.482
Novamente, o que importa
é o que acontece,

00:11:23.482 --> 00:11:26.636
quando mudamos ligeiramente
os dados estatísticos.

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

00:11:30.996 --> 00:11:33.620
mas mudamos a distribuição das evidências.

00:11:33.620 --> 00:11:37.649
Desta vez, a Hyowon vai conseguir 
uma vez e falhar uma vez, e eu também.

00:11:38.158 --> 00:11:43.286
Isto sugere que não importa quem tenta, 
o brinquedo está avariado.

00:11:43.386 --> 00:11:45.054
Ele nunca funciona.

00:11:45.154 --> 00:11:47.310
De novo, a bebé vai poder escolher.

00:11:47.310 --> 00:11:50.706
A mãe está mesmo ao lado dela,
então ela pode mudar a pessoa,

00:11:50.706 --> 00:11:53.400
e haverá outro brinquedo no fim do pano.

00:11:53.446 --> 00:11:55.106
Vamos ver o que ela faz.

NOTE Paragraph

00:11:55.197 --> 00:11:56.308
(Vídeo)

00:11:56.381 --> 00:11:57.881
HG: Dois, três, vai!

00:11:57.981 --> 00:11:59.581
(Música)

00:11:59.745 --> 00:12:04.347
Deixa-me tentar de novo. 
Um, dois, três, vai!

00:12:06.069 --> 00:12:07.293
Hum.

NOTE Paragraph

00:12:08.077 --> 00:12:09.978
LS: Deixa-me tentar, Clara.

00:12:10.642 --> 00:12:13.896
Um, dois, três, vai!

00:12:15.265 --> 00:12:17.318
Hum, deixa-me tentar de novo.

00:12:17.436 --> 00:12:20.409
Um, dois, três, vai!

00:12:20.590 --> 00:12:22.618
(Música)

00:12:23.009 --> 00:12:25.296
HG: Vou deixar este aqui,

00:12:25.296 --> 00:12:27.243
e vou dar-te este.

00:12:27.315 --> 00:12:29.521
Podes brincar, se quiseres.

00:12:49.821 --> 00:12:51.673
(Aplausos)

NOTE Paragraph

00:12:52.993 --> 00:12:55.212
LS: Vou mostrar
os resultados experimentais.

00:12:55.385 --> 00:12:58.969
No eixo vertical, temos a distribuição
de escolhas das crianças

00:12:58.969 --> 00:13:00.546
para cada situação.

00:13:00.700 --> 00:13:04.988
Podemos ver que as escolhas 
que as crianças fazem

00:13:04.988 --> 00:13:07.775
dependem das evidências observadas.

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

00:13:09.632 --> 00:13:12.690
os bebés podem usar alguns
dados estatísticos

00:13:12.690 --> 00:13:15.912
para decidir entre duas estratégias
fundamentalmente diferentes

00:13:15.912 --> 00:13:17.675
para agir no mundo:

00:13:17.675 --> 00:13:20.200
pedir ajuda e explorar.

00:13:22.163 --> 00:13:25.134
Eu só mostrei duas 
experiências de laboratório

00:13:25.134 --> 00:13:28.825
entre centenas de outras
que mostram resultados parecidos,

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

00:13:31.217 --> 00:13:36.570
é mostrar que a capacidade das crianças
de fazerem deduções com poucos dados

00:13:36.570 --> 00:13:41.266
está por trás de toda a aprendizagem 
cultural específica que fazemos.

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

00:13:46.444 --> 00:13:51.043
Aprendem novas relações causais
a partir de alguns exemplos.

00:13:51.928 --> 00:13:56.244
Até aprendem novas palavras,
neste caso em linguagem gestual.

NOTE Paragraph

00:13:57.280 --> 00:13:59.510
Vou concluir com apenas dois pontos.

00:14:00.050 --> 00:14:03.738
Se vocês têm estado a acompanhar
as ciências cognitivas e do cérebro

00:14:03.738 --> 00:14:05.665
dos últimos anos,

00:14:05.665 --> 00:14:08.080
terão reparado em três grandes ideias.

00:14:08.252 --> 00:14:11.025
A primeira é que estamos
na era do cérebro.

00:14:11.952 --> 00:14:15.248
De facto, houve descobertas
surpreendentes na neurociência:

00:14:15.248 --> 00:14:18.693
a localização funcional
de regiões especializadas do córtex,

00:14:18.693 --> 00:14:21.303
tornando transparentes cérebros de ratos,

00:14:21.303 --> 00:14:23.770
ativando neurónios 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 megadados
e da aprendizagem das máquinas,

00:14:31.098 --> 00:14:34.939
e isto promete revolucionar
a nossa compreensão de tudo,

00:14:34.939 --> 00:14:37.878
desde as redes sociais
até à epidemiologia.

00:14:38.906 --> 00:14:41.599
Talvez ao enfrentar problemas
de compreensão contextual

00:14:41.599 --> 00:14:43.864
e de processamento de linguagem natural,

00:14:43.864 --> 00:14:46.561
isto nos possa dizer algo
sobre a cognição humana.

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

00:14:49.693 --> 00:14:53.080
é que talvez seja uma boa ideia
virmos a saber muito sobre o cérebro

00:14:53.080 --> 00:14:55.060
e termos muito acesso aos megadados,

00:14:55.060 --> 00:14:57.776
pois, se ficarmos entregues a nós próprios,

00:14:57.776 --> 00:15:01.589
os seres humanos são falíveis,
usamos atalhos,

00:15:01.589 --> 00:15:04.772
erramos, cometemos erros,

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

00:15:09.074 --> 00:15:11.452
interpretamos mal o mundo.

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

00:15:15.792 --> 00:15:18.840
e elas dizem-nos muito sobre 
o que significa ser humano,

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

00:15:23.966 --> 00:15:27.482
É uma história sobre mentes
e não sobre o cérebro.

00:15:27.773 --> 00:15:30.779
Em particular, é uma história
sobre os tipos de cálculos

00:15:30.779 --> 00:15:33.450
que só as mentes humanas
podem fazer,

00:15:33.450 --> 00:15:35.840
o que envolve o conhecimento
rico e estruturado

00:15:35.840 --> 00:15:39.682
e a capacidade de aprender a partir
de pequenas quantidades de dados,

00:15:40.182 --> 00:15:42.701
das evidências de alguns exemplos.

00:15:44.164 --> 00:15:48.763
Essencialmente, é uma história
sobre como as crianças

00:15:48.763 --> 00:15:51.261
começam e continuam o seu caminho

00:15:51.261 --> 00:15:54.604
para as maiores realizações
da nossa cultura.

00:15:56.623 --> 00:15:58.929
Conseguimos assim, 
interpretar bem o mundo.

NOTE Paragraph

00:16:02.005 --> 00:16:05.781
A mente humana não aprende
apenas com pequenas quantidades de dados.

00:16:06.285 --> 00:16:08.631
A mente humana pensa em novas ideias.

00:16:08.746 --> 00:16:11.441
A mente humana gera
pesquisa e descoberta.

00:16:11.796 --> 00:16:16.350
A mente humana gera
arte, literatura, poesia e teatro.

00:16:17.406 --> 00:16:20.684
A mente humana cuida
de outros seres humanos:

00:16:21.057 --> 00:16:24.257
dos nossos velhos, dos nossos jovens, 
dos nossos doentes.

00:16:24.771 --> 00:16:26.638
Nós até os curamos.

00:16:28.018 --> 00:16:30.794
Nos próximos anos, vamos ver
inovações tecnológicas

00:16:30.794 --> 00:16:33.564
para além de qualquer coisa
que eu possa imaginar,

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

00:16:36.614 --> 00:16:42.032
que venhamos a ver um computador com 
o mesmo poder da mente de uma criança

00:16:42.323 --> 00:16:45.311
durante a minha vida ou a vossa.

00:16:46.748 --> 00:16:51.668
Se investirmos nestes poderosos 
aprendizes e no seu desenvolvimento,

00:16:51.668 --> 00:16:53.994
nos bebés e nas crianças,

00:16:54.285 --> 00:16:56.411
nas mães e nos pais

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

00:16:59.110 --> 00:17:03.280
da mesma forma que investimos
noutras formas mais poderosas e elegantes

00:17:03.280 --> 00:17:06.143
de tecnologia, da engenharia e do "design",

00:17:06.498 --> 00:17:09.437
não vamos apenas sonhar
com um futuro melhor,

00:17:09.437 --> 00:17:11.564
vamos estar a planeá-lo.

NOTE Paragraph

00:17:11.782 --> 00:17:13.127
Muito obrigada.

NOTE Paragraph

00:17:13.245 --> 00:17:16.357
(Aplausos)

NOTE Paragraph

00:17:18.537 --> 00:17:22.136
Chris Anderson: Laura, obrigado.
Tenho uma pergunta para si.

00:17:22.236 --> 00:17:24.767
Em primeiro lugar,
esta pesquisa é uma loucura.

00:17:24.767 --> 00:17:27.729
Quero dizer, quem iria projetar
uma experiência como esta?

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

00:17:30.940 --> 00:17:34.162
e ainda não acredito que isto 
pode estar a acontecer,

00:17:34.162 --> 00:17:37.320
mas outras pessoas fizeram experiências
semelhantes; e verifica-se.

00:17:37.320 --> 00:17:39.016
Os bebés são realmente geniais.

NOTE Paragraph

00:17:39.144 --> 00:17:42.114
LS: Eles parecem muito impressionantes
nas nossas experiências,

00:17:42.114 --> 00:17:44.493
mas pense em como eles são
na vida real.

00:17:44.493 --> 00:17:47.780
Nasce um bebé. Dezoito meses depois, 
está a falar connosco.

00:17:47.780 --> 00:17:50.582
As primeiras palavras
não são coisas como bolas e patos,

00:17:50.582 --> 00:17:53.372
são coisas como "não há",
que se refere ao desaparecimento,

00:17:53.372 --> 00:17:55.901
ou "uh-oh", que se refere
a ações não intencionais.

00:17:55.974 --> 00:17:57.699
É preciso ser poderoso,

00:17:57.699 --> 00:18:00.065
muito mais poderoso
do que tudo o que eu mostrei.

00:18:00.065 --> 00:18:02.285
Estão a tentar descobrir 
o mundo inteiro.

00:18:02.285 --> 00:18:04.947
Uma criança de quatro anos
pode conversar sobre quase tudo.

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

NOTE Paragraph

00:18:07.130 --> 00:18:10.234
CA: Se percebi bem,
o outro ponto que levanta

00:18:10.234 --> 00:18:12.907
é que temos passado estes anos 
com esta conversa toda

00:18:12.907 --> 00:18:15.257
do quão peculiar e confusas 
são as nossas mentes,

00:18:15.257 --> 00:18:17.997
que a economia comportamental
e outras teorias que dizem

00:18:17.997 --> 00:18:19.645
que não somos agentes racionais.

00:18:19.800 --> 00:18:24.170
Acha realmente que a nossa mente
é extraordinária,

00:18:24.170 --> 00:18:28.760
e que há um génio ali que é subestimado?

NOTE Paragraph

00:18:28.941 --> 00:18:31.402
LS: Uma das minhas citações favoritas
em psicologia

00:18:31.402 --> 00:18:33.283
é do psicólogo social Solomon Asch,

00:18:33.283 --> 00:18:35.727
que disse que a tarefa fundamental
da psicologia

00:18:35.727 --> 00:18:38.843
é remover o véu
da autoevidência das coisas.

00:18:38.843 --> 00:18:42.976
Há milhões de tipos de escolhas
que fazemos todos os dias,

00:18:42.976 --> 00:18:44.587
que nos fazem ver bem o mundo.

00:18:44.587 --> 00:18:46.783
Conhecemos os objetos
e as suas propriedades.

00:18:46.783 --> 00:18:49.502
Sabemos quando estão ocultos.
Conhecemo-los no escuro.

00:18:49.502 --> 00:18:51.101
Podemos andar por salas,

00:18:51.101 --> 00:18:54.370
descobrir o que as outras 
pessoas estão a pensar e falar com elas.

00:18:54.370 --> 00:18:56.682
Podemos navegar no espaço.
Conhecemos os números.

00:18:56.682 --> 00:18:59.158
Conhecemos as relações causais
e o raciocínio moral.

00:18:59.158 --> 00:19:01.460
Fazemos isto sem esforço,
por isso nem reparamos,

00:19:01.460 --> 00:19:04.344
mas é assim que vemos o mundo,
e é uma realização notável

00:19:04.344 --> 00:19:06.217
e muito difícil de perceber.

NOTE Paragraph

00:19:06.562 --> 00:19:08.790
CA: Eu suspeito que há pessoas na plateia

00:19:08.790 --> 00:19:11.092
que têm uma visão do poder
tecnológico crescente

00:19:11.092 --> 00:19:14.223
que podem refutar a sua afirmação
de que, nunca na nossa vida,

00:19:14.223 --> 00:19:17.368
haverá um computador que faça o mesmo
que uma criança de três anos,

00:19:17.368 --> 00:19:21.061
mas está claro que, em qualquer cenário,

00:19:21.061 --> 00:19:24.722
as nossas máquinas têm muito
a aprender com as nossas crianças.

00:19:26.575 --> 00:19:29.827
LS: Acho que sim. Temos aqui pessoas
de aprendizagem de máquina.

00:19:29.827 --> 00:19:34.058
Quero dizer, não devemos apostar
contra bebés ou chimpanzés

00:19:34.058 --> 00:19:37.412
ou tecnologia, como uma questão prática,

00:19:37.412 --> 00:19:41.822
mas não é apenas
uma diferença na quantidade,

00:19:41.822 --> 00:19:43.586
é uma diferença no tipo.

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

00:19:45.746 --> 00:19:48.300
que fazem coisas
incrivelmente sofisticadas,

00:19:48.300 --> 00:19:51.204
muitas vezes com grandes
quantidades de dados.

00:19:51.341 --> 00:19:53.948
A mente humana faz algo
completamente diferente.

00:19:53.948 --> 00:19:58.033
Acho que é a natureza hierárquica 
e estruturada do conhecimento humano

00:19:58.033 --> 00:20:00.220
que continua a ser um desafio real.

NOTE Paragraph

00:20:00.365 --> 00:20:03.145
CA: Laura Schulz,
uma conversa maravilhosa. Obrigado.

NOTE Paragraph

00:20:03.208 --> 00:20:04.312
LS: Obrigada.

00:20:04.330 --> 00:20:05.858
(Aplausos)