Mark Tven je sumirao ono što smatram jednim od temeljnih problema kognitivne nauke samo jednom dosetkom. Rekao je: "Postoji nešto fascinantno u vezi sa naukom. Dobija se veliki obrt pretpostavki od tako sitnog ulaganja u činjenice." (Smeh) Tven je mislio to kao šalu, naravno, ali u pravu je, postoji nešto fascinantno u vezi sa naukom. Na osnovu nekoliko kostiju, zaključujemo o postojanju dinosaurusa. Na osnovu spektralnih linija, o sastavu nebula. Od voćne mušice, o mehanizmima nasleđivanja, a na osnovu rekonstruisanih snimaka protoka krvi kroz mozak, ili u mom slučaju, na osnovu ponašanja veoma male dece, pokušavamo da kažemo nešto o osnovnim mehanizmima ljudske kognicije. Konkretno, u mojoj laboratoriji na Odeljenju za mozak i kognitivne nauke na Masačusetskom tehnološkom institutu, provela sam proteklu deceniju pokušavajući da razumem misteriju kako deca uče tako mnogo iz tako malo tako brzo. Jer, ispostavlja se da je fascinantna stvar u vezi sa naukom takođe i fascinantna stvar u vezi sa decom, a to je, da ublažim verziju Marka Tvena, upravo njihova sposobnost da izvuku bujne, apstraktne zaključke brzo i tačno iz oskudnih, izmešanih podataka. Daću vam dva primera. Jedan je o problemu generalizacije, a drugi je o problemu uzročnog rezonovanja. I mada ću govoriti o radu u mojoj laboratoriji, ovaj rad je imao inspiraciju na terenu i njemu ga dugujem. Zahvalna sam mentorima, kolegama i saradnicima širom sveta. Počeću problemom generalizacije. Uopštavanje na osnovu malih uzoraka podataka je osnovni izvor nauke. Izbrojimo mali deo izbornog tela i predviđamo ishod nacionalnih izbora. Vidimo kako nekolicina pacijenata reaguje na tretman u kliničkom ispitivanju, i donosimo lekove na domaće tržište. Ali ovo funkcioniše samo ako je naš uzorak nasumično izvučen iz populacije. Ako je naš uzorak biran na neki način - recimo, ispitamo samo gradske birače, ili recimo, u kliničkim ispitivanjima tretmana bolesti srca uključimo samo muškarce - rezultati se možda neće generalizovati na širu populaciju. Dakle, naučnike zanima da li su dokazi slučajno uzorkovani ili ne, ali kakve to ima veze sa bebama? Pa, bebe moraju stalno da generalizuju na osnovu malih uzoraka podataka. Vide nekoliko gumenih pataka i nauče da one plutaju, ili nekoliko lopti i nauče da one odskaču. I razvijaju očekivanja u vezi sa patkama i loptama koje će proširiti na gumene patke i lopte do kraja njihovih života. A vrste generalizacija koje bebe prave o patkama i loptama moraju da prave o gotovo svemu: cipelama, brodovima, vosku za pečaćenje, kupusu i kraljevima. Da li bebe zanima da li delić dokaza koji one vide verodostojno predstavlja veću populaciju? Hajde da to otkrijemo. Pokazaću vam dva filma, jedan iz svake od situacija u eksperimentu, i pošto ćete videti samo dva filma, videćete samo dve bebe, a bilo koje dve bebe se razlikuju međusobno na bezbroj načina. Ali ove bebe, naravno, ovde zastupaju grupe beba, i razlike koje ćete videti predstavljaju prosečne grupne razlike u ponašanju beba kroz različite uslove. U svakom filmu ćete videti kako beba radi možda baš ono što biste očekivali da će beba uraditi, a teško da možemo da učinimo bebe čarobnijim nego što već jesu. Ali za mene je čarobna stvar, i ono na šta želim da obratite pažnju, kontrast između ova dva uslova, jer jedino što razlikuje ova dva filma je statistički dokaz koji će bebe primetiti. Pokazaćemo bebama kutiju plavih i žutih lopti, a moja tadašnja studentkinja, sada koleginica na Stenfordu, Jouon Gvon, izvući će tri plave lopte zaredom iz ove kutije, i kada izvuče te lopte, stisnuće ih, a lopte će zapištati. Ako ste beba, to je kao TED govor. Ne može biti bolje od toga. (Smeh) Ali bitna poenta je da je veoma lako izvući tri plave loptice zaredom iz kutije sa pretežno plavim lopticama. Možete to da uradite sa zatvorenim očima. To je verovatno slučajni uzorak iz ove populacije. A ako možete posegnuti u kutiju nasumice i izvaditi stvari koje pište, onda možda sve u toj kutiji pišti. Možda bebe očekuju da žute lopte takođe pište. Te žute lopte imaju zabavne štapiće na kraju, tako da bebe mogu da rade druge stvari sa njima ako hoće. Mogu da ih lupaju ili udaraju. Ali hajde da vidimo šta beba radi. (Video) Jouon Gvon: Vidiš ovo? (Lopta pišti) Jesi li videla to? (Lopta pišti) Kul. Vidiš ovu? (Lopta pišti) Opa! Lora Šulc: Rekla sam vam. (Smeh) (Video) JG: Vidiš ovu? (Lopta pišti) Hej Klara, ova je za tebe. Možeš da se igraš. (Smeh) LŠ: Ne moram ni da pričam, zar ne? U redu, lepo je to što će bebe generalizovati osobine plavih loptica na žute loptice, i impresivno je to što bebe mogu da uče imitirajući nas, ali to sve znamo o bebama još odavno. Zaista zanimljivo pitanje je šta se dešava kada pokažemo bebama isto to, a možemo da obezbedimo da bude baš isto jer imamo tajnu pregradu i izvlačimo lopte odatle, ali ovog puta menjamo samo vidljivu populaciju iz koje se izvlači dokaz. Ovoga puta ćemo bebama pokazati tri plave loptice izvučene iz kutije sa pretežno žutim lopticama, i pogodite šta? Verovatno nećete nasumično izvući tri loptice zaredom iz kutije sa većinom žutim lopticama. To nije verovatan slučajno uzorkovani dokaz. Taj dokazi ukazuje da je možda Jouon namerno uzorkovala plave loptice. Možda postoji nešto posebno u vezi sa plavim lopticama. Možda samo plave loptice pište. Hajde da vidimo šta beba radi. (Video) JG: Vidiš ovo? (Lopta pišti) Vidiš ovu igračku? (Lopta pišti) O, to je bilo kul. Vidiš? (Lopta pišti) Ova je za tebe da se igraš. Možeš da se igraš. (Beba negoduje) (Smeh) LŠ: Upravo ste videli dve bebe stare 15 meseci koje rade potpuno različite stvari samo na osnovu verovatnoće uzorka koji su zapazile. Dozvolite da vam pokažem eksperimentalne rezultate. Na vertikalnoj osi ćete videti procenat beba koje su stiskale loptu u svakoj situaciji, i kao što ćete videti, mnogo je verovatnije da će bebe generalizovati dokaz kada verodostojnije predstavlja populaciju nego kada je očigledno probran. A to navodi na zabavno predviđanje: recimo da ste izvukli samo jednu plavu loptu iz uglavnom žute kutije. Verovatno nećete izvući tri plave lopte zaredom iz žute kutije, ali biste mogli nasumice uzeti samo jednu plavu loptu. To nije neverovatan uzorak. A ako posegnete u kutiju nasumice i izvučete nešto što pišti, možda sve u kutiji pišti. Dakle, iako će bebe videti mnogo manje dokaza za pištanje, i imati mnogo manje radnji za oponašanje u situaciji sa jednom loptom nego u situaciji koju ste upravo videli, predvideli smo da će bebe stiskati više, i to je upravo ono što smo pronašli. Dakle, bebama od 15 meseci, u ovom pogledu, kao i naučnicima, je bitno da li je dokaz nasumično uzorkovan ili ne, i one koriste to da stvore očekivanja o svetu: šta pišti, a šta ne, šta istražiti, a šta ignorisati. Dozvolite mi da vam sada pokažem još jedan primer, ovog puta o problemu uzročnog rasuđivanja. Počinje problemom zbunjujućeg dokaza, koji postoji kod svih nas, a to je da smo deo sveta. I to vam možda ne deluje kao problem ali, kao i većina problema, postaje problem tek kada stvari krenu naopako. Uzmite ovu bebu, na primer. Stvari mu ne polaze za rukom. Želeo bi da pokrene ovu igračku, ali ne može. Pokazaću vam snimak od nekoliko sekundi. Postoje dve mogućnosti, uglavnom. Možda radi nešto pogrešno, ili možda nešto nije u redu sa igračkom. Dakle, u sledećem eksperimentu, daćemo bebama samo delić statističkih podataka koji podržavaju jednu od hipoteza, i videćemo da li bebe mogu to da koriste kako bi donosile različite odluke o onome što će činiti. Evo postavke. Jouon će pokušati da pokrene igračku i uspeti u tome. Ja ću potom pokušati dva puta i oba puta neću uspeti, zatim će Jouon pokušati ponovo i uspeti, i to otprilike rezimira odnos koji imam sa mojim studentima po pitanju svih vrsta tehnologija. Ali, ono što je ovde važno jeste to da se pruža malo dokaza da problem nije sa igračkom, već sa osobom. Neki ljudi mogu da pokrenu ovu igračku, a neki ne mogu. Sad, kada beba dobije igračku, imaće izbor. Njegova mama je tu pored, tako da može da joj priđe, preda igračku i promeni osobu, ali na kraju te krpe će biti još jedna igračka, i on može da povuče krpu ka sebi i promeni igračku. Hajde da vidimo šta će beba uraditi. (Video) JG: Dva, tri. Sad! (Muzika) LS: Jedan, dva, tri, sad! Arture, pokušaću ponovo. Jedan, dva, tri, sad! JG: Arture, dopusti da ja pokušam ponovo, okej? Jedan, dva, tri, sad! (Muzika) Pogledaj. Sećaš li se tih igračaka? Vidiš te igračke? Da, staviću ovu ovde, a ovu ću ti dati. Možeš da se igraš. LŠ: Okej, Lora, ali naravno, bebe vole svoje mame. Naravno da bebe daju igračke svojim mamama kada ne mogu da učine da prorade. Još jednom, zaista bitno pitanje je šta se dešava kada promenimo statističke podatke neznatno. Ovog puta, bebe će videti kako igračka radi i ne radi potpuno istim redosledom, ali ćemo izmeniti raspodelu dokaza. Ovog puta će Jouon uspeti jednom i neće uspeti jednom, a isto tako ću i ja. Ovo ukazuje da nije bitno ko isprobava igračku, igračka je pokvarena. Ne radi uvek. Još jednom, beba će imati izbor. Njena mama je tu pored, tako da može da promeni osobu, i biće tu još jedna igračka na kraju krpe. Hajde da vidimo šta će uraditi. (Video) JG: Dva, tri, sad! (Muzika) Daj da probam još jednom. Jedan, dva, tri, sad! Hmmm. LŠ: Daj da ja probam, Klara. Jedan, dva, tri, sad! Hmmm, daj da probam još jednom. Jedan, dva, tri, sad! (Muzika) JG: Staviću ovu ovde, a ovu ću ti dati. Možeš da se igraš. (Aplauz) LŠ: Dozvolite da vam pokažem rezultate eksperimenta. Na vertikalnoj osi ćete videti raspodelu izbora dece u svakoj od situacija, i videćete da raspodela izbora koji deca donose zavisi od dokaza koje posmatraju. U drugoj godini života bebe mogu da koriste malo statističkih podataka da bi odabrali između dve fundamentalno različite strategije za postupanje u svetu: pitati za pomoć i istraživati. Upravo sam vam pokazala dva laboratorijska eksperimenta od bukvalno stotina u ovoj oblasti koji imaju sličnu poentu, jer je presudna poenta da se sposobnost dece da donose bogate zaključke iz oskudnih podataka nalazi u osnovi svakog specifičnog kulturnog učenja. Deca uče o novim alatkama na osnovu samo nekoliko primera. Uče nove uzročno-posledične veze iz samo nekoliko primera. Čak uče i nove reči, u ovom slučaju američki znakovni jezik. Želim da završim sa samo dve poente. Ako ste pratili moj svet, oblast mozga i kognitivne nauke, poslednjih nekoliko godina, tri ideje su vam privukle pažnju. Prva je da je ovo era mozga. I zaista, bilo je neverovatnih otkrića u neuronaukama: lokalizacija funkcionalno specijalizovanih regija korteksa, dovođenje mišjeg mozga u transparentno stanje, aktiviranje neurona svetlošću. Druga velika ideja je da je ovo era velikih podataka i mašinskog učenja, a mašinsko učenje obećava revoluciju u našem razumevanju svega, od društvenih mreža do epidemiologije. I možda će nam, kako se bavi problemima razumevanja scene i obrade prirodnog jezika, reći nešto o ljudskoj kogniciji. A poslednja velika ideja koju ćete čuti je da je možda dobra ideja da ćemo toliko znati o mozgu i imati toliko pristupa velikim podacima, jer prepušteni sami sebi, ljudi su skloni greškama, koristimo prečice, grešimo, pravimo pogreške, imamo predrasude, i na bezbroj načina, shvatamo svet pogrešno. Mislim da su ovo sve važne priče, i imaju mnogo toga da nam kažu o tome šta znači biti čovek, ali želim da primite k znanju da sam vam danas ispričala veoma drugačiju priču. To je priča o umu, a ne o mozgu, a naročito, to je priča o vrstama proračuna koje jedino ljudski um može da vrši, što podrazumeva bogato, strukturirano znanje i sposobnost učenja iz malih količina podataka, dokaz samo na osnovu nekoliko primera. I u osnovi, to je priča o tome kako počevši kao veoma mala deca i nastavljajući sve do najvećih dostignuća naše kulture, shvatamo svet na pravi način. Narode, ljudski um ne uči samo iz malih količina podataka. Ljudski umovi smišljaju potpuno nove ideje. Ljudski umovi rađaju istraživanja i otkrića, rađaju umetnost i književnost, poeziju i pozorište, i ljudski umovi se brinu o drugim ljudima: našim starima, mladima, bolesnima. Čak ih i lečimo. U godinama koje su pred nama, videćemo tehnološke inovacije kakve ne mogu ni da zamislim, ali je veoma malo verovatno da ćemo videti bilo šta čak ni približno moći proračuna ljudskog deteta tokom mog života ili vašeg. Ako ulažemo u te najmoćnije učenike i njihov razvoj, u bebe i decu i majke i očeve i staratelje i učitelje onako kako ulažemo u druge naše najmoćnije i najelegantnije oblike tehnologije, inženjeringa i dizajna, nećemo samo sanjati o boljoj budućnosti, već ćemo je planirati. Mnogo vam hvala. (Aplauz) Kris Anderson: Lora, hvala. Ja zapravo imam jedno pitanje za tebe. Pre svega, istraživanje je suludo. Mislim, ko bi osmislio takav eksperiment? (Smeh) Video sam to par puta, i još uvek iskreno ne verujem da se to stvarno dešava, ali i drugi su uradili slične eksperimente; provereno je. Bebe su stvarno toliko genijalne. LŠ: Znaš, izgledaju stvarno impresivno u našim eksperimentima, ali pomisli na to kako izgledaju u stvarnom životu. Počinje kao beba. Osamnaest meseci kasnije priča sa vama, a bebine prve reči nisu samo one poput lopte i patke, to su i "nema", što se odnosi na nestajanje, ili "o-o", što se odnosi na nenamerne postupke. To mora da je toliko moćno. To mora da je mnogo moćnije od svega što sam vam pokazala. Oni otkrivaju ceo svet. Dete od četiri godine može da priča sa vama o gotovo svemu. (Aplauz) KA: I ako sam te dobro razumeo, druga tvoja ključna poenta je, protekle su godine sa tom pričom o tome kako je um uvrnut i blesav, bihejvioralna ekonomija i čitave teorije o tome kako nismo razumni izvršioci. Ti u stvari govoriš da je veća priča kako je izvanredan, i da je tu zapravo genije koji se potcenjuje. LŠ: Jedan od mojih omiljenih citata u psihologiji potiče od socijalnog psihologa Solomona Eša, a on je rekao da je osnovni zadatak psihologije da ukloni zavesu samodokazivanja. Postoji milion redova veličine više odluka koje donosite svakodnevno koje pravilno shvataju svet. Imate znanje o predmetima i njihovim osobinama. Prepoznajete ih kada su zaklonjeni. Prepoznajete ih u mraku. Možete da se krećete kroz prostorije. Možete da shvatite šta drugi ljudi misle. Možete da razgovarate sa njima. Možete se kretati u prostoru. Razumete brojeve. Razumete uzročno-posledične veze. Razumete moralno rasuđivanje. Radite to bez napora, tako da se ne vidi, ali to je način na koji poimamo svet, a to je neverovatno dostignuće i veoma teško za razumevanje. KA: Pretpostavljam da postoje ljudi u publici koji imaju gledište o ubrzanoj tehnološkoj moći koji bi mogli da ospore tvoju izjavu da nikada za vreme našeg života računar neće uraditi ono što može trogodišnje dete, ali ono što je jasno jeste da u bilo kom scenariju, naše mašine mogu mnogo toga da nauče od naših beba. LŠ: Mislim da je tako. Tu su neki ljudi koji se bave mašinama koje uče. Mislim, nikada se ne treba kladiti protiv beba ili šimpanzi ili tehnologije tek tako, ali nije u pitanju samo razlika u količini, već razlika u vrsti. Imamo neverovatno moćne kompjutere, i oni stvarno obavljaju neverovatno sofisticirane stvari, često sa veoma velikom količinom podataka. Ljudski um čini, po meni, nešto sasvim drugačije, a mislim da je strukturirana, hijerarhijska priroda ljudskog znanja ono što ostaje pravi izazov. KA: Lora Šulc, sjajna hrana za misli. Mnogo ti hvala. LŠ: Hvala. (Aplauz)