1
00:00:00,835 --> 00:00:02,990
马克·吐温说过一句话，

2
00:00:02,990 --> 00:00:06,110
在我看来，指出了认知科学

3
00:00:06,110 --> 00:00:07,820
的根本问题。

4
00:00:07,930 --> 00:00:11,492
他说，“科学非常奇妙，

5
00:00:11,492 --> 00:00:14,720
你实际上只需进行少量投资，

6
00:00:14,720 --> 00:00:17,924
得到的回报却是一整套理论。”

7
00:00:17,924 --> 00:00:19,509
（笑声）

8
00:00:20,199 --> 00:00:22,803
吐温当然是在开玩笑，但他没说错：

9
00:00:22,803 --> 00:00:25,679
科学就是这么神奇。

10
00:00:25,679 --> 00:00:29,940
从几块骨头，
我们能推测出恐龙的存在。

11
00:00:30,910 --> 00:00:34,781
从几条光谱带，
我们能推测星云的构成物质。

12
00:00:35,471 --> 00:00:38,409
分析果蝇，

13
00:00:38,409 --> 00:00:41,352
我们能推导出遗传机制，

14
00:00:41,352 --> 00:00:45,601
分析大脑血液流动的图像，

15
00:00:45,601 --> 00:00:50,309
或者，从我的研究方向来说，
分析儿童的行为，

16
00:00:50,309 --> 00:00:53,138
我们尝试搞清楚人类认知的

17
00:00:53,138 --> 00:00:54,756
基本机制。

18
00:00:55,716 --> 00:01:00,475
尤其在我们麻省理工学院
大脑和认知科学系实验室，

19
00:01:00,475 --> 00:01:04,129
过去十年我一直在研究一个问题，

20
00:01:04,129 --> 00:01:08,106
为什么小孩子能从无到有
快速地学会很多东西。

21
00:01:08,276 --> 00:01:11,644
因为，科学的奇妙之处，

22
00:01:11,644 --> 00:01:15,173
恰恰也是小孩子的奇妙之处，

23
00:01:15,173 --> 00:01:17,754
从马克·吐温的话引申出来，

24
00:01:17,754 --> 00:01:23,194
准确地说，就是他们都能
从少量的、充满干扰的数据中

25
00:01:23,194 --> 00:01:27,265
迅速而准确地得出丰富的理论推断。

26
00:01:28,355 --> 00:01:30,753
我今天只举两个例子。

27
00:01:30,753 --> 00:01:33,040
一个关于归纳总结，

28
00:01:33,040 --> 00:01:35,890
另一个关于因果推理。

29
00:01:35,890 --> 00:01:38,415
尽管我今天要谈的
是我的实验室里的工作，

30
00:01:38,415 --> 00:01:41,875
但它的灵感来源于
整个（认知科学）领域。

31
00:01:41,875 --> 00:01:46,158
我要感谢世界各地的
导师、同事和合作者们。

32
00:01:47,308 --> 00:01:50,282
我先从归纳总结开始讲起。

33
00:01:50,652 --> 00:01:54,785
从少量的数据样本进行归纳总结
是科学的立身之本。

34
00:01:54,785 --> 00:01:57,339
我们调查一小部分选民的投票结果，

35
00:01:57,339 --> 00:01:59,660
就能推测出大选结果。

36
00:02:00,240 --> 00:02:04,165
我们分析临床试验中一部分病人
对治疗方案的反应，

37
00:02:04,165 --> 00:02:07,230
然后向全国市场推广新药。

38
00:02:07,230 --> 00:02:11,595
但这要求我们抽取样本
要完全随机。

39
00:02:11,595 --> 00:02:14,330
如果样本是刻意挑选的，

40
00:02:14,330 --> 00:02:16,402
比如说，只抽取城市选民，

41
00:02:16,402 --> 00:02:20,790
或者，在治疗心脏病的临床试验中，

42
00:02:20,790 --> 00:02:22,671
只抽取男性患者，

43
00:02:22,671 --> 00:02:25,829
那结果可能不适用于整个人群。

44
00:02:26,179 --> 00:02:30,060
因此科学家非常重视
样本的抽取是否随机，

45
00:02:30,060 --> 00:02:32,075
那婴儿会不会重视呢？

46
00:02:32,585 --> 00:02:37,206
实际上，婴儿一直在对
少量数据样本进行归纳总结。

47
00:02:37,206 --> 00:02:40,364
他们见过几只橡胶鸭子，
知道它们能浮起来，

48
00:02:40,364 --> 00:02:43,939
见过几个球，知道它们能在地上弹跳。

49
00:02:43,939 --> 00:02:46,890
他们对鸭子和球产生了预判

50
00:02:46,890 --> 00:02:49,606
并会在今后的人生中
将这种预判延伸到

51
00:02:49,606 --> 00:02:51,485
（所有）橡胶鸭子和球身上。

52
00:02:51,485 --> 00:02:55,224
这种针对鸭子和球的归纳总结法，

53
00:02:55,224 --> 00:02:57,313
婴儿几乎要用在所有东西上：

54
00:02:57,313 --> 00:03:01,230
鞋子、船、封蜡、卷心菜和国王。

55
00:03:02,200 --> 00:03:05,161
那么婴儿会不会在乎
他们看到的这几个样本

56
00:03:05,161 --> 00:03:08,853
是不是具有代表性呢？

57
00:03:09,703 --> 00:03:11,663
我们来看一看。

58
00:03:11,663 --> 00:03:13,386
我将给你们放两段视频，

59
00:03:13,386 --> 00:03:15,848
每一段各反映一个实验里的一种情况，

60
00:03:15,848 --> 00:03:18,286
因为只有两段视频，

61
00:03:18,286 --> 00:03:20,422
所以你们只能看到两个婴儿，

62
00:03:20,422 --> 00:03:24,369
而任意两个婴儿之间都是千差万别的。

63
00:03:24,369 --> 00:03:27,420
当然，这两个婴儿，
各代表一类婴儿，

64
00:03:27,420 --> 00:03:29,315
你们即将看到的差别，

65
00:03:29,315 --> 00:03:34,510
代表了婴儿在不同情况下
普遍的行为差异。

66
00:03:35,160 --> 00:03:37,743
在每段视频中，婴儿的所作所为，

67
00:03:37,743 --> 00:03:41,203
可能会跟你所预期的一样，

68
00:03:41,203 --> 00:03:45,220
婴儿是如此神奇，
可能超乎你的想象。

69
00:03:45,920 --> 00:03:48,100
但在我看来神奇的是，

70
00:03:48,100 --> 00:03:50,189
我也希望大家能注意到，

71
00:03:50,189 --> 00:03:53,300
就是两种情况之间的差别，

72
00:03:53,300 --> 00:03:56,829
因为两段视频唯一的不同之处

73
00:03:56,829 --> 00:04:00,295
就是婴儿需要观察的统计学证据。

74
00:04:01,425 --> 00:04:04,608
我们会给婴儿看一个盒子，
里面装满了蓝色和黄色的球，

75
00:04:04,608 --> 00:04:09,228
我当时的研究生学生，
现在是斯坦福大学的同事，权孝媛。

76
00:04:09,228 --> 00:04:12,305
会从盒子里连续拿出三个蓝色的球，

77
00:04:12,305 --> 00:04:15,428
当她把球拿出来的时候，她会捏它们，

78
00:04:15,428 --> 00:04:17,541
球会发出声音。

79
00:04:17,541 --> 00:04:20,304
对孩子来说，这就像TED演讲。

80
00:04:20,304 --> 00:04:22,208
真的没什么区别。

81
00:04:22,208 --> 00:04:24,769
（笑声）

82
00:04:26,968 --> 00:04:30,627
重要的一点是，
从一个几乎全都是蓝色球的盒子里，

83
00:04:30,627 --> 00:04:32,932
连续拿出三个蓝色的球非常容易。

84
00:04:32,932 --> 00:04:34,992
闭上眼睛都能做到。

85
00:04:34,992 --> 00:04:37,988
这是一个真正的随机取样。

86
00:04:37,988 --> 00:04:41,720
如果你从一个盒子里随机
取出来的东西能捏响，

87
00:04:41,720 --> 00:04:44,559
那也许这个盒子里
所有的东西都能捏响。

88
00:04:44,559 --> 00:04:48,209
因此，婴儿也许会觉得
黄色的球也能捏响。

89
00:04:48,209 --> 00:04:50,728
这些黄色的球在尾端有一根棍子，

90
00:04:50,728 --> 00:04:53,585
因此婴儿还可以对它做其他动作。

91
00:04:53,585 --> 00:04:55,416
比如说打它或者掰它。

92
00:04:55,416 --> 00:04:58,002
让我们来看婴儿会怎么做。

93
00:05:00,548 --> 00:05:03,891
（视频）权孝媛：看到没？
（球被捏响）

94
00:05:04,371 --> 00:05:07,576
听到了吗？
（球被捏响）

95
00:05:08,036 --> 00:05:11,102
酷。

96
00:05:12,706 --> 00:05:14,656
看到这个球没？

97
00:05:14,656 --> 00:05:16,537
（球被捏响）

98
00:05:16,537 --> 00:05:19,190
哇。

99
00:05:21,854 --> 00:05:23,967
劳拉·舒尔茨：我就说嘛。（笑）

100
00:05:23,967 --> 00:05:27,998
（视频）权孝媛：看这个。
（球被捏响）

101
00:05:27,998 --> 00:05:32,617
克拉拉，这个球给你。
拿着玩吧。

102
00:05:39,854 --> 00:05:44,219
（笑声）

103
00:05:44,219 --> 00:05:47,214
劳拉·舒尔茨：
我都不必解释了，对吗？

104
00:05:47,214 --> 00:05:50,113
好的，婴儿能从蓝色球的特性
推导出黄色球的特性

105
00:05:50,113 --> 00:05:51,641
这非常棒，

106
00:05:51,641 --> 00:05:54,737
而且婴儿通过模仿我们
进行学习，令人印象深刻，

107
00:05:54,737 --> 00:05:58,406
但婴儿的这些特点我们早就知道了。

108
00:05:58,406 --> 00:06:00,217
真正有意思的是，

109
00:06:00,217 --> 00:06:03,069
我们将上述实验完全重复一遍，

110
00:06:03,069 --> 00:06:06,680
我们之所以能保证两次实验完全一样，
是因为装球的箱子有一个隔层，

111
00:06:06,680 --> 00:06:08,790
实际上我们是从那个隔层里往外拿球，

112
00:06:08,790 --> 00:06:12,268
但是这一次，
我们更改了样品库的外观，

113
00:06:12,268 --> 00:06:15,170
也就是说盒子里的球看起来不同了。

114
00:06:15,170 --> 00:06:18,723
这一次，我们还是
给婴儿看三个蓝色的球，

115
00:06:18,723 --> 00:06:22,107
但是装球的箱子里几乎全是黄色的球，

116
00:06:22,107 --> 00:06:23,429
猜猜结果会怎样？

117
00:06:23,429 --> 00:06:26,269
从几乎全是黄色球的箱子里

118
00:06:26,269 --> 00:06:28,753
连续拿出三个蓝色的球，
也许很难。

119
00:06:28,753 --> 00:06:32,500
这不是令人信服的随机取样。

120
00:06:32,500 --> 00:06:37,623
也许孝媛是故意选的蓝色的球。

121
00:06:37,623 --> 00:06:40,206
也许蓝色的球有些特别之处。

122
00:06:40,846 --> 00:06:43,822
也许只有蓝色的球能捏响。

123
00:06:43,822 --> 00:06:45,717
我们来看婴儿会怎么做。

124
00:06:45,717 --> 00:06:48,621
（视频）权孝媛：看到了吗？
（球被捏响）

125
00:06:50,851 --> 00:06:53,496
再看这个。
（球被捏响）

126
00:06:53,496 --> 00:06:58,976
哦，太酷了。看！
（球被捏响）

127
00:06:58,976 --> 00:07:03,370
这个是给你的。
拿去玩吧。

128
00:07:06,074 --> 00:07:12,421
（不耐烦）
（笑声）

129
00:07:14,901 --> 00:07:17,649
劳拉·舒尔茨：2个15个月大的婴儿

130
00:07:17,649 --> 00:07:19,591
仅仅基于他们观察到的取样几率

131
00:07:19,591 --> 00:07:23,190
做出了完全不同的反应。

132
00:07:23,190 --> 00:07:25,511
让我们来看一下实验结果。

133
00:07:25,511 --> 00:07:28,275
在纵轴上，你看到的是在不同情况下

134
00:07:28,275 --> 00:07:30,805
会去捏球的婴儿的百分比，

135
00:07:30,805 --> 00:07:34,520
如图表所示，当婴儿认为取样具有代表性

136
00:07:34,520 --> 00:07:37,655
而不是特意选取的时候

137
00:07:37,655 --> 00:07:41,393
他们有更高几率去捏黄色的球。

138
00:07:41,393 --> 00:07:43,808
这个结果能导致一个有趣的推测：

139
00:07:43,808 --> 00:07:48,676
假设你从几乎全是黄色球的箱子里
拿出一个蓝色球。

140
00:07:48,896 --> 00:07:52,765
你也许很难从很多黄球的箱子里
连续拿出三个蓝色球，

141
00:07:52,765 --> 00:07:55,220
但随机拿出一个还是有可能的。

142
00:07:55,220 --> 00:07:57,190
这不是一个小概率事件。

143
00:07:57,190 --> 00:07:59,414
如果你从箱子里随机抽出一个东西，

144
00:07:59,414 --> 00:08:03,401
而这个东西能捏响，
那可能箱子里所有东西都能捏响。

145
00:08:03,875 --> 00:08:08,320
因此，尽管婴儿们在接下来的
“只拿一个球”的实验中，

146
00:08:08,320 --> 00:08:10,562
看到的证据更少，

147
00:08:10,562 --> 00:08:13,905
可模仿的动作也更少，

148
00:08:13,905 --> 00:08:17,797
但我们推测婴儿们捏球的几率会升高，

149
00:08:17,797 --> 00:08:20,691
结果正是如此。

150
00:08:20,691 --> 00:08:25,102
15个月大的婴儿，在这个实验中，
跟科学家一样，

151
00:08:25,102 --> 00:08:28,190
十分看重取样是否真正随机，

152
00:08:28,190 --> 00:08:31,697
他们通过这种方法
来发展对世界的预判：

153
00:08:31,697 --> 00:08:33,879
什么能捏响，什么不能，

154
00:08:33,879 --> 00:08:37,024
什么值得探究，什么可以忽略。

155
00:08:38,384 --> 00:08:40,450
下面我们来看另一个实验，

156
00:08:40,450 --> 00:08:43,180
关于因果推论的实验。

157
00:08:43,180 --> 00:08:45,619
这个实验源于一个让我们所有人

158
00:08:45,619 --> 00:08:47,291
都感到困惑的事实：

159
00:08:47,291 --> 00:08:49,311
我们是这个世界的一部分。

160
00:08:49,311 --> 00:08:52,747
也许在你看来这根本不算个问题，
但就像许多其他问题一样，

161
00:08:52,747 --> 00:08:55,084
只有问题出现时，它才算一个问题。

162
00:08:55,464 --> 00:08:57,275
以下面这个婴儿为例。

163
00:08:57,275 --> 00:08:58,980
他就碰到了点问题。

164
00:08:58,980 --> 00:09:01,251
他想把玩具弄响，但是没有成功。

165
00:09:01,251 --> 00:09:03,780
我给你们放几秒视频。

166
00:09:08,870 --> 00:09:11,260
大体而言，有两种可能：

167
00:09:11,260 --> 00:09:13,894
也许他玩的方法不对，

168
00:09:14,614 --> 00:09:17,720
或者玩具坏了。

169
00:09:18,110 --> 00:09:20,101
因此在接下来的实验中，

170
00:09:20,101 --> 00:09:23,518
我们会给婴儿少量统计学数据，

171
00:09:23,518 --> 00:09:26,100
这些数据能支持某一种可能性，

172
00:09:26,100 --> 00:09:28,275
我们再看婴儿能否依据这些数据

173
00:09:28,275 --> 00:09:30,589
作出不同的决定。

174
00:09:31,389 --> 00:09:33,411
实验是这样的。

175
00:09:34,071 --> 00:09:37,101
孝媛尝试弄响这个玩具，她成功了。

176
00:09:37,101 --> 00:09:40,421
然后我也开始玩，但两次都失败了，

177
00:09:40,421 --> 00:09:43,533
然后孝媛再次尝试，她又成功了，

178
00:09:43,533 --> 00:09:46,705
也许这是我跟孝媛
在科技水平上差距

179
00:09:46,705 --> 00:09:49,540
的很好体现。

180
00:09:50,030 --> 00:09:54,002
这里的关键点在于，
它提供了一点点证据

181
00:09:54,002 --> 00:09:56,990
证明问题不在于玩具，而在于人。

182
00:09:56,990 --> 00:09:59,340
有的人能让玩具发出声音，

183
00:09:59,340 --> 00:10:00,299
有的人则不能。

184
00:10:00,799 --> 00:10:04,212
当婴儿拿到玩具之后，
他要做出选择。

185
00:10:04,212 --> 00:10:05,950
他妈妈就在旁边，

186
00:10:05,950 --> 00:10:09,395
他可以将玩具交给妈妈，
换一个人，

187
00:10:09,395 --> 00:10:12,873
同时在那块布的尽头
放着另一个玩具，

188
00:10:12,873 --> 00:10:16,065
他可以将布拖过来，换一个玩具。

189
00:10:16,335 --> 00:10:18,515
我们来看看他会怎么做。

190
00:10:19,085 --> 00:10:22,698
（视频）孝媛：二、三，开始！
（音乐）

191
00:10:22,888 --> 00:10:26,179
劳拉·舒尔茨：一、二、三，开始！

192
00:10:27,309 --> 00:10:33,211
亚瑟，我再试一次。
一、二、三，开始！

193
00:10:33,677 --> 00:10:36,277
孝媛：亚瑟，让我再试一次，好吗？

194
00:10:36,277 --> 00:10:40,827
一、二、三，开始！
（音乐）

195
00:10:41,273 --> 00:10:43,466
看啊。
记得这些玩具吗？

196
00:10:43,466 --> 00:10:46,730
看到了吗？我把这个玩具放在这里，

197
00:10:46,730 --> 00:10:48,482
把这个玩具给你。

198
00:10:48,482 --> 00:10:51,127
你可以自己玩了。

199
00:11:11,213 --> 00:11:15,950
劳拉·舒尔茨：好吧，劳拉，但是，
小朋友都爱自己的妈妈呀。

200
00:11:15,950 --> 00:11:18,132
他玩不转玩具的时候

201
00:11:18,132 --> 00:11:20,162
肯定会把玩具交给妈妈。

202
00:11:20,162 --> 00:11:23,755
那么，让我们看看
把这少量的统计学数据

203
00:11:23,755 --> 00:11:26,909
进行更换会怎么样。

204
00:11:26,909 --> 00:11:30,996
这一次，玩具响和不响的顺序跟刚才一样，

205
00:11:30,996 --> 00:11:33,411
但分布情况跟刚才不同。

206
00:11:33,411 --> 00:11:37,822
这一次，孝媛会成功一次，失败一次，
我也一样。

207
00:11:37,822 --> 00:11:43,239
那就表明跟人没关系，
是这个玩具有问题。

208
00:11:43,239 --> 00:11:45,025
它时好时坏。

209
00:11:45,065 --> 00:11:46,720
同样的，婴儿要做出选择。

210
00:11:46,720 --> 00:11:50,706
她妈妈就在她旁边，
她可以换人来试，

211
00:11:50,706 --> 00:11:53,130
同样有另一个玩具
放在布的另一头。

212
00:11:53,130 --> 00:11:54,778
我们来看她会如何选择。

213
00:11:55,058 --> 00:11:59,636
（视频）孝媛：二、三，开始！
（音乐）

214
00:11:59,636 --> 00:12:04,620
我再试一次。
一、二、三，开始！

215
00:12:05,460 --> 00:12:07,157
嗯？

216
00:12:07,950 --> 00:12:10,392
劳拉·舒尔茨：克拉拉，让我试一下吧。

217
00:12:10,642 --> 00:12:14,587
一、二、三，开始！

218
00:12:15,265 --> 00:12:17,200
嗯，我再试一次。

219
00:12:17,200 --> 00:12:22,870
一、二、三，开始！
（音乐）

220
00:12:23,009 --> 00:12:25,242
孝媛：我把这个放在这边，

221
00:12:25,632 --> 00:12:27,083
把这个给你。

222
00:12:27,083 --> 00:12:28,530
你可以玩了。

223
00:12:46,376 --> 00:12:51,273
（掌声）

224
00:12:52,993 --> 00:12:55,385
劳拉·舒尔茨：我们来看看实验结果。

225
00:12:55,385 --> 00:12:57,860
在纵轴上，显示的是

226
00:12:57,860 --> 00:13:00,437
在不同情况下婴儿所做选择的比例，

227
00:13:00,437 --> 00:13:04,988
我们可以看到，婴儿们做出的选择

228
00:13:04,988 --> 00:13:07,775
跟他们观察到的证据有关。

229
00:13:07,775 --> 00:13:09,632
因此，在出生后的第二年，

230
00:13:09,632 --> 00:13:12,209
婴儿已经可以利用少量统计数据

231
00:13:12,209 --> 00:13:15,576
来决定如何从两种不同的
基本策略中做出选择

232
00:13:15,576 --> 00:13:17,457
从而在这个世界生存：

233
00:13:17,457 --> 00:13:20,200
求助和探索。

234
00:13:21,840 --> 00:13:25,134
我刚刚向大家展示的两个实验

235
00:13:25,134 --> 00:13:28,825
是从几百个类似实验中挑选出来的，
它们得出了相似的结论，

236
00:13:28,825 --> 00:13:31,217
因为真正重要的一点是

237
00:13:31,217 --> 00:13:36,325
孩子们从很少的数据中
推导出丰富结果的能力

238
00:13:36,325 --> 00:13:41,666
构成了我们研究
物种特异性文化的基础。

239
00:13:41,666 --> 00:13:46,263
孩子能通过几个示范
就掌握工具的用法。

240
00:13:46,263 --> 00:13:50,980
能通过几个例子
就掌握新的因果关系。

241
00:13:51,928 --> 00:13:56,799
他们甚至能学会新的词语，
这里我指的是美国手语。

242
00:13:56,799 --> 00:13:59,110
我想用两个观点来结束演讲。

243
00:14:00,050 --> 00:14:03,738
如果在过去几年，
你一直在关注我们的领域，

244
00:14:03,738 --> 00:14:05,665
关注大脑和认知科学，

245
00:14:05,665 --> 00:14:08,080
那么你一定注意到了这三个观点。

246
00:14:08,080 --> 00:14:11,516
首先，现在是大脑的时代。

247
00:14:11,516 --> 00:14:15,185
实际上，神经系统科学
已经取得了不错的进展：

248
00:14:15,185 --> 00:14:18,621
确定大脑皮层各区域的作用，

249
00:14:18,621 --> 00:14:21,222
让小白鼠的大脑透明化，

250
00:14:21,222 --> 00:14:24,018
利用光线触发神经元（活动）。

251
00:14:24,998 --> 00:14:26,994
第二个大的观点是

252
00:14:26,994 --> 00:14:31,098
现在是大数据和机器学习的时代，

253
00:14:31,098 --> 00:14:34,239
机器学习预示了我们对事物
的理解将发生革命性的变化，

254
00:14:34,239 --> 00:14:38,646
无论是对社交网络还是流行病学。

255
00:14:38,786 --> 00:14:41,599
也许，随着它被用于场景理解

256
00:14:41,599 --> 00:14:43,592
和自然语言处理，

257
00:14:43,592 --> 00:14:46,916
能帮助我们更好地研究人类认知。

258
00:14:47,756 --> 00:14:49,693
最后一个你可能注意到的观点是

259
00:14:49,693 --> 00:14:53,080
我们能深入了解大脑，
能深入运用大数据，

260
00:14:53,080 --> 00:14:54,997
是一件非常好的事情，

261
00:14:54,997 --> 00:14:57,504
因为人类天性随意，

262
00:14:57,504 --> 00:15:01,335
我们容易犯错，喜欢走捷径，

263
00:15:01,335 --> 00:15:04,772
我们闯祸，我们惹麻烦，

264
00:15:04,772 --> 00:15:08,456
我们心存偏见，
而且从许多方面来讲，

265
00:15:09,106 --> 00:15:11,425
我们会错误理解这个世界。

266
00:15:12,843 --> 00:15:15,792
我认为这些书都很重要，

267
00:15:15,792 --> 00:15:19,577
能帮我们理解身为人类意味着什么，

268
00:15:19,577 --> 00:15:23,106
但我想强调的是，
今天我讲的是一个完全不同的故事。

269
00:15:23,966 --> 00:15:27,773
它讲的是思维而不是大脑，

270
00:15:27,773 --> 00:15:30,779
确切的说，是关于人类思维所特有的

271
00:15:30,779 --> 00:15:33,369
一种计算能力，

272
00:15:33,369 --> 00:15:37,313
这种能力让我们学识渊博，

273
00:15:37,313 --> 00:15:42,841
帮助我们从少量数据和证据中
进行学习。

274
00:15:43,991 --> 00:15:48,600
从本质上来说，
这是一个关于成长的故事，

275
00:15:48,600 --> 00:15:52,780
小孩子如何一天天成长，
取得巨大成就，

276
00:15:52,780 --> 00:15:55,803
为我们的文化做贡献，

277
00:15:56,623 --> 00:15:58,620
我们对世界的理解又是正确的。

278
00:16:00,433 --> 00:16:05,700
朋友们，人类的思维不光
能从少量数据中进行学习。

279
00:16:06,285 --> 00:16:08,386
人类思维能提炼全新的观点。

280
00:16:08,746 --> 00:16:11,787
人类思维进行研究和发现，

281
00:16:11,787 --> 00:16:16,500
人类思维还能创作
艺术、文学、诗歌和戏剧，

282
00:16:17,070 --> 00:16:20,830
人类思维还会关注其他人类：

283
00:16:20,830 --> 00:16:24,257
尊老爱幼，救死扶伤。

284
00:16:24,517 --> 00:16:26,884
让他们痊愈。

285
00:16:27,564 --> 00:16:30,667
在未来几年，
我们将看到超出我们想象

286
00:16:30,667 --> 00:16:33,874
的技术创新，

287
00:16:34,464 --> 00:16:36,614
但是我们很可能看不到

288
00:16:36,614 --> 00:16:42,323
哪怕仅仅是接近
人类小孩计算能力的技术出现，

289
00:16:42,323 --> 00:16:45,701
可能我们的有生之年都看不到。

290
00:16:46,621 --> 00:16:51,668
如果我们对这些最强大的
学习者和他们的发展进行投资，

291
00:16:51,668 --> 00:16:54,435
也就是对婴儿和儿童，

292
00:16:54,435 --> 00:16:56,411
对他们的父母，

293
00:16:56,411 --> 00:16:58,950
对他们的看护和老师，

294
00:16:58,950 --> 00:17:03,280
就像我们对技术、工程和设计
等最强大和优雅的门类

295
00:17:03,280 --> 00:17:05,738
进行投资一样，

296
00:17:06,498 --> 00:17:09,437
那我们将不仅梦想着更好的未来，

297
00:17:09,437 --> 00:17:11,564
而是按计划在实现它。

298
00:17:11,564 --> 00:17:13,909
非常感谢大家。

299
00:17:13,909 --> 00:17:17,330
（掌声）

300
00:17:17,810 --> 00:17:22,236
克里斯·安德森：劳拉，谢谢你。
我有一个问题想问你。

301
00:17:22,236 --> 00:17:24,595
首先，这项研究非常棒。

302
00:17:24,595 --> 00:17:28,320
我是说，谁能设计出这样一个实验呢？
（笑声）

303
00:17:29,150 --> 00:17:30,940
我已经看过好几次了，

304
00:17:30,940 --> 00:17:34,162
但我仍然不敢相信这是真的，

305
00:17:34,162 --> 00:17:37,320
但其他人也做过类似的实验，
真的证明了，

306
00:17:37,320 --> 00:17:38,953
婴儿们真的都是天才。

307
00:17:38,953 --> 00:17:41,960
劳拉·舒尔茨：是啊，他们在实验中的表现
真是棒极了，

308
00:17:41,960 --> 00:17:44,202
但想象一下他们在生活中
的表现（会更棒），不是吗？

309
00:17:44,202 --> 00:17:45,582
最开始只是个小东西，

310
00:17:45,582 --> 00:17:47,769
十八个月后，
他就可以跟你交谈了，

311
00:17:47,769 --> 00:17:50,640
婴儿最开始会说的话
不仅仅是球啊鸭子啊这些东西，

312
00:17:50,640 --> 00:17:52,771
还有包括“不见了”表示消失，

313
00:17:52,771 --> 00:17:55,974
或者“啊—哦”表示下意识的动作。

314
00:17:55,974 --> 00:17:57,536
就是这么神奇。

315
00:17:57,536 --> 00:17:59,761
比我在实验中展示的要神奇得多。

316
00:17:59,761 --> 00:18:01,425
他们能理解整个世界。

317
00:18:01,425 --> 00:18:04,889
一个四岁的小孩几乎能跟你聊任何话题。

318
00:18:04,889 --> 00:18:07,030
（掌声）

319
00:18:07,030 --> 00:18:10,444
克里斯·安德森：如果我没理解错的话，
你想说明的另一个关键点是，

320
00:18:10,444 --> 00:18:13,198
多年以来，我们一直认为

321
00:18:13,198 --> 00:18:15,130
人类思维古怪而不正常，

322
00:18:15,130 --> 00:18:17,997
行为经济学和它背后的
一整套理论都认为

323
00:18:17,997 --> 00:18:19,600
人类不是一种理性的生物。

324
00:18:19,600 --> 00:18:23,816
而你认为人类思维
是如此卓越，

325
00:18:23,816 --> 00:18:28,760
如此出色，实际上是被低估了。

326
00:18:28,760 --> 00:18:30,830
劳拉·舒尔茨：我最喜欢的
关于心理学的一句话

327
00:18:30,830 --> 00:18:33,120
来自社会心理学家所罗门·阿施，

328
00:18:33,120 --> 00:18:35,247
他说，心理学的基本任务就是

329
00:18:35,247 --> 00:18:38,103
揭开事物“无证自明”的面纱。

330
00:18:38,623 --> 00:18:43,104
要正确理解世界

331
00:18:43,104 --> 00:18:44,451
你每天要做出非常之多的决定。

332
00:18:44,451 --> 00:18:46,583
你了解物体和它们的属性。

333
00:18:46,583 --> 00:18:49,112
当有东西挡路的时候你会知道，
即便是在黑暗中。

334
00:18:49,112 --> 00:18:50,550
你可以穿过房间。

335
00:18:50,550 --> 00:18:53,102
你可以猜到其他人在想什么。
你可以跟他们交谈。

336
00:18:53,102 --> 00:18:55,482
你可以在太空中导航。
你了解数字。

337
00:18:55,482 --> 00:18:58,314
你知道因果关系。
你理解道德推论。

338
00:18:58,314 --> 00:19:01,140
这些事情做起来不费功夫，
因此我们注意不到，

339
00:19:01,140 --> 00:19:03,552
但我们就是这样来正确理解世界的，
这是一种非凡的，

340
00:19:03,552 --> 00:19:05,740
但非常难以理解的成就。

341
00:19:05,740 --> 00:19:08,078
克里斯·安德森：我猜观众中间

342
00:19:08,078 --> 00:19:10,736
一定有技术加速理论的支持者，

343
00:19:10,736 --> 00:19:13,374
他们可能不认同你的观点，
就是有生之年都看不到

344
00:19:13,374 --> 00:19:16,452
计算机的智能
达到一个三岁孩子的水平，

345
00:19:16,452 --> 00:19:20,700
但毫无争议的是，无论如何，

346
00:19:20,700 --> 00:19:24,920
从蹒跚学步的儿童身上
机器可以学到很多很多。

347
00:19:27,070 --> 00:19:29,446
劳拉·舒尔茨：的确是。观众中
有从事机器学习研究的朋友。

348
00:19:29,446 --> 00:19:33,649
我想说，你不能认为婴儿或者黑猩猩

349
00:19:33,649 --> 00:19:37,294
或者技术的差别在于实践，

350
00:19:37,294 --> 00:19:41,822
他们之间的差别不在于数量，

351
00:19:41,822 --> 00:19:43,586
而在于种类。

352
00:19:43,586 --> 00:19:45,746
我们现在有非常强大的计算机，

353
00:19:45,746 --> 00:19:48,137
它们能完成非常精确的任务，

354
00:19:48,137 --> 00:19:50,781
处理海量的数据。

355
00:19:51,341 --> 00:19:53,948
但人类思维的运作方式完全不同，

356
00:19:53,948 --> 00:19:57,843
我认为研究人类知识
在结构和层次方面的属性

357
00:19:57,843 --> 00:19:59,875
仍是一项巨大的挑战。

358
00:19:59,875 --> 00:20:02,859
克里斯·安德森：劳拉·舒尔茨，
带来了美妙的精神食粮。非常感谢。

359
00:20:02,859 --> 00:20:05,589
劳拉·舒尔茨：谢谢。
（掌声）