As sorprendentemente lóxicas mentes dos bebés

Como aprenden os bebés tanto de tan pouco, e tan rápido? Nunha charla divertida e chea de experimentos, a científica cognitiva Laura Schulz amosa como os nosos cativos toman decisións cun sentido da lóxica sorprendentemente forte, xa moito antes de que dean falado.

Mark Twain resumiu
o que eu considero que é

un dos problemas fundamentais
da ciencia cognitiva

cunha sinxela ocorrencia.

Dixo, "A ciencia é fascinante.

Conséguense cantidades
masivas de conxecturas

a partir dun investimento
tan insignificante en feitos.”

(Risas)

Twain quería facer unha broma, claro,
pero ten razón:

A ciencia é fascinante.

A partir duns cantos ósos, inferimos
a existencia dos dinosauros.

Das liñas espectrais,
a composición das nebulosas.

A partir das moscas da froita,

os mecanismos da herdanza,

e de imaxes reconstruídas de sangue
fluíndo a través do cerebro,

ou no meu caso, do comportamento
de nenos moi pequenos,

intentamos dicir algo
sobre os mecanismos fundamentais

da cognición humana.

En concreto, no meu laboratorio no Dpto.
de Cerebro e Ciencias Cognitivas, no MIT,

pasei a última década
intentando entender o misterio

de por que os nenos aprenden tanto,
a partir de tan pouco, e tan rápido.

Porque resulta que o que a ciencia
ten de fascinante

téñeno tamén de fascinante os nenos,

e é, dicíndoo de forma máis suave
ca Mark Twain,

precisamente a súa capacidade
de extraer inferencias ricas e abstractas

de forma rápida e precisa a partir
de datos dispersos e confusos.

Vou dar só dous exemplos hoxe.

Un deles aborda
un problema de xeneralización,

e o outro un de razoamento causal.

E aínda que vou falar
do que facemos no meu laboratorio,

este traballo está inspirado por un campo
e en débeda con el.

Estoulles agradecida a mentores,
colegas e colaboradores de todo o mundo.

Quero comezar
co problema de xeneralización.

Xeneralizar a partir de pequenas mostras
de datos é o pan de cada día da ciencia.

Entrevistamos unha fracción
mínima do electorado

e predicimos o resultado
das eleccións nacionais.

Vemos como un puñado de pacientes
responde a tratamento nun ensaio clínico,

e incorporamos fármacos
ao mercado nacional.

Pero isto soamente funciona se a mostra
se extrae aleatoriamente da poboación.

Se a nosa mostra ten algunha manipulación

--por exemplo,
entrevistamos só votantes urbanos,

ou nos nosos ensaios clínicos
de tratamentos para doenzas cardíacas

incluímos só homes--

os resultados poden
non ser xeneralizables a toda a poboación.

Por tanto aos científicos impórtalles
se a mostra se recolleu ou non ao chou,

pero que ten iso que ver cos bebés?

Os bebés teñen que xeneralizar seguido
a partir de pequenas mostras de datos.

Ven uns poucos parrulos de goma
e aprenden que flotan,

ou algunhas pelotas e aprenden que botan.

E desenvolven expectativas
sobre os parrulos e as pelotas

que aplicarán a uns e outras

o resto das súas vidas.

E os tipos de xeneralizacións
que deben facer sobre parrulos e pelotas,

deben facelos para case todo:

zapatos e barcos e lacre e verzas e reis.

Entón aos bebés impórtalles
se o pequeno anaco de proba que ven

representa de forma plausíbel
unha poboación maior?

Descubrámolo.

Vou amosar dous vídeos,

un por cada suposto dun experimento,

e como só se verán dous vídeos,

só se verán dous bebés,

e un par calquera de bebés difire
de calquera outro de innumerábeis formas.

Pero estes bebés, por suposto,
representan aquí a grupos de bebés,

e as diferenzas que se van ver

representan as diferenzas grupais medias

no comportamento dos bebés
en cada suposto.

En cada vídeo verase
un bebé facendo tal vez

xusto o que se agardaría que fixese,

e dificilmente podemos volver
os bebés máis máxicos do que xa son.

Pero para min o máxico,

e ao que quero que se lle preste atención,

é o contraste entre estes dous supostos,

porque o único que difire
entre os dous vídeos

son os datos estatísticos
que os bebés van observar.

Imos ensinarlles unha caixa
de bólas azuis e amarelas,

e a que era a miña estudante graduada,
hoxe compañeira en Stanford, Hyowon Gweon,

vai sacar tres bólas azuis
seguidas desta caixa,

e despois de sacalas, vainas apertar,

e as bólas van chiar.

E se es un bebé,
iso é como un charla TED.

Non pode haber nada mellor.

(Risas)

Pero o importante é que é moi sinxelo
sacar tres bólas azuis seguidas

dunha caixa que ten
sobre todo bólas azuis.

Poderíase facer cos ollos pechados.

Pódese admitir que é unha
mostra aleatoria desta poboación.

E se podes meter a man aleatoriamente
nunha caixa e sacar cousas que chían,

ao mellor todo o que hai na caixa chía.

Así que tal vez os bebés deberían esperar
que as bólas amarelas chíen tamén.

As bólas amarelas teñen
divertidos paus nun extremo,

que permiten facer con elas
outras cousas se se quere.

Poderían axitalas ou bater con elas.

Pero vexamos qué fai o bebé.

(Vídeo) Ves isto? (A bóla chía)

Viches iso? (A bóla chía)

Xenial.

Ves estoutra?

(A bóla chía)

Uaau.

Díxenvolo. (Ri)

Viches esta? (A bóla chía)

Clara, agora esta é para ti.
Veña, podes collela e xogar.

(Barullo) (Risas)

LS: Non teño nin que dicir nada, verdade?

Vale, está ben que os bebés
xeneralicen propiedades

das bólas azuis ás bolas amarelas.

E é impresionante que poidan
aprender imitándonos.

Pero sabemos iso dos bebés
dende hai moito tempo.

A pregunta realmente interesante é

que ocorre cando lles amosamos
aos bebés exactamente a mesma cousa,

podemos asegurar que é a mesma
porque temos un compartimento secreto

e en realidade sacamos as bólas del,

pero esta vez o que cambiamos
foi a poboación aparente

da que extraemos as mostras.

Esta vez amosarémoslles
aos bebés tres bólas azuis

sacadas dunha caixa que ten sobre todo
bólas amarelas,

e saben que?

Non se poden sacar aleatoriamente
tres bólas azuis seguidas

dunha caixa que ten sobre todo
bólas amarelas.

Esa non é unha mostra aleatoria.

Esa proba suxire que ao mellor Hyowon
estivo amosando deliberadamente as azuis.

Tal vez as bólas azuis teñen algo especial

Tal vez soamente as bólas azuis chían.

Vexamos o que fai o bebé.

(Vídeo) Ves isto?
(A bóla chía)

Ves este xoguete?
(A bóla chía)

Oh, que xenial. Ves?
(A bóla chía)

Agora esta é para que xogues ti.
Veña, podes xogar.

(Barullo) (Risas)

LS: Acabades de ver dous
bebés de 15 meses

facendo dúas cousas totalmente diferentes

baseadas só na probabilidade
da mostra que observaron.

Quero ensinar os resultados experimentais.

No eixe vertical, pódese ver
a porcentaxe de bebés

que apertaron a bóla en cada suposto,

e como se ve, os bebés tenden
moito máis a xeneralizar a mostra

cando é representativa da poboación

ca cando está claramente manipulada.

E isto lévanos a unha predición curiosa:

supoñamos que sacamos só unha bóla azul

da caixa que ten sobre todo
bólas amarelas.

Non se poderían sacar aleatoriamente
3 bólas azuis seguidas dunha caixa amarela

pero poderíase sacar soamente unha.

Non é unha mostra improbable.

E se se puidese meter a man
ao chou nunha caixa

e sacar algo que chía,
tal vez todo o da caixa chíe.

Entón, aínda que os bebés van observar
moita menos probas para chíos,

e contan con moitas menos
accións que imitar

neste suposto dunha única bóla
ca no que vimos antes,

predicimos que os bebés por si sós
apertarían a bóla máis veces,

e iso é exactamente o que atopamos.

Así que aos bebés de 15 meses,
neste sentido, como científicos,

impórtalles se a proba é
unha mostra representativa ou non,

e usan isto para desenvolver
expectativas sobre o mundo:

qué chía e qué non,

qué explorar e qué ignorar.

Agora quero amosar outro exemplo,

esta vez sobre un problema
de razoamento causal.

E comeza cun problema de proba confusa

que todos temos:

o feito de que formamos parte do mundo.

Isto pode non parecer un problema,
pero como a maior parte deles,

maniféstase só cando as cousas van mal.

Velaquí este bebé, por exemplo.

As cousas están indo mal para el.

Gustaríalle facer funcionar
o seu xoguete, e non pode.

Amosarei un vídeo duns poucos segundos.

En xeral, hai dúas posibilidades:

ou el está facendo algo mal,

ou algo non funciona no xoguete.

Así que no seguinte experimento,

darémoslles aos bebés só
unha mínima porción de datos estatísticos

que apoian unha das hipóteses
sobre a outra,

e veremos se os bebés poden usar iso
para tomar decisións diferentes

sobre qué facer.

Velaquí o plan.

Hyowon vai intentar que o xoguete
funcione, e conségueo.

Entón eu vou intentalo dúas veces
e fracasar as dúas,

despois Hyowon vai intentalo
outra vez e conseguilo,

o que resume en xeral a miña relación
cos meus estudantes de posgrao

no que ten que ver coa tecnoloxía.

Pero o importante aquí é
que proporciona algunha proba

de que o problema non é o xoguete,
senón a persoa.

Algunhas poden facer
que o xoguete funcione,

e outras non.

Agora, cando o bebé consegue o xoguete,
vai ter unha elección.

Súa nai está xusto alí,

polo que pode ir e darlle o xoguete
e cambiar a persoa,

pero tamén vai haber outro xoguete
no bordo desa tea,

así que pode tirar da tea cara a el
e cambiar o xoguete.

Vexamos logo qué fai o bebé.

(Vídeo) HG: Dous, tres. Xa!
(Música)

LS: Un, dous, tres. Xa!

Arthur, vou intentalo outra vez.
Un, dous, tres. Xa!

HG: Arthur, déixame probar outra vez, si?

Un, dous, tres. Xa! (Música)

Mira. Acórdaste destes xoguetes?

Ves estes xoguetes?
Si, vou poñer este por aquí,

e a ti vouche dar este.

Veña, xa podes xogar.

LS: Vale, Laura, pero claro,
os bebés quérenlles ás súas mamás.

Normal que lles dean os xoguetes a ela

cando non conseguen que funcionen.

De novo, a pregunta realmente importante
é que ocorre cando cambiamos

os datos estatísticos só levemente.

Agora, os bebés van ver o xoguete
funcionar e fallar xusto na mesma orde,

pero imos cambiar a distribución da proba.

Agora, Hyowon vai conseguilo unha vez
e fracasar outra, e eu tamén.

O que suxire que non importa
quen proba este xoguete, está roto.

Non funciona nunca.

De novo, o bebé
vai ter que tomar unha decisión.

A súa nai está xusto ao lado,
así que pode cambiar a persoa,

e haberá outro xoguete ao final da tea.

Vexamos que fai.

HG: Dous, tres, xa!
(Música)

Déixame probar outra vez.
Un, dous, tres, xa!

Umm.

LS: Déixame probar a min, Clara.

Un, dous, tres, xa!

Umm, déixame probar outra vez.

Un, dos, tres, xa!
(Música)

HG: Vou poñer este por aquí,

e vouche dar este a ti.

Veña, xa podes xogar.

(Aplausos)

LS: Amosarei agora
os resultados experimentais.

No eixe vertical, vese a distribución

das eleccións dos nenos
baixo cada suposto,

e vese que a distribución
das eleccións que fan

depende da proba que observan.

No segundo ano de idade,

os bebés poden usar unha fracción
mínima de datos estatísticos

para decidir entre dúas estratexias
fundamentalmente diferentes

para actuar no mundo:

pedir axuda e explorar.

Acabo de amosar
dous experimentos de laboratorio

dos literalmente centos neste campo
que chegan a conclusións similares,

porque o auténtico punto clave

é que a capacidade dos nenos

para facer ricas inferencias
partindo de datos dispersos

serve de base a toda a nosa aprendizaxe
cultural específica como especie.

Os nenos aprenden sobre novas ferramentas
a partir duns poucos exemplos.

Aprenden novas relacións causais
a partir duns poucos exemplos.

Incluso aprenden palabras novas ,
neste caso en lingua de signos americana.

Quero concluír con só dúas cousas.

A quen seguise o meu campo
(o do cerebro e as ciencias cognitivas)

durante os últimos anos,

chamaríanlle a atención
tres grandes ideas.

A primeira é que esta é a era do cerebro.

E por suposto, houbo descubrimentos
impresionantes en neurociencia:

localizar rexións do córtex
funcionalmente especializadas,

facer transparentes os cerebros de ratos,

activar neuronas con luz.

Unha segunda grande idea

é que esta é a era dos datos masivos
e da aprendizaxe automática,

e a aprendizaxe automática promete
revolucionar a nosa comprensión

de todo, dende as redes sociais
ata a epidemioloxía.

E tal vez, á vez que afronta problemas
de comprensión do contexto

e de procesamento da linguaxe natural,

poida desvelarnos algo
sobre a cognición humana.

E a gran idea final que escoitarían

é que pode ser boa idea
saber tanto sobre os cerebros

e ter tanto acceso a datos masivos,

porque pola nosa conta,

os humanos somos falíbeis,
buscamos atallos,

erramos, temos fallos,

non somos neutrais,
e de formas innumerables,

chegamos a ideas falsas sobre o mundo.

Eu creo que todas estas
son noticias importantes,

e que teñen moito que contarnos
sobre qué significa ser humano,

pero gustaríame destacar
que hoxe tratei unha noticia moi distinta.

Unha noticia sobre mentes,
non sobre cerebros,

e en particular,
sobre o tipo de computación

que só as mentes humanas poden realizar,

que implican coñecementos ricos
e estruturados e capacidade de aprender

a partir de pequenas cantidades de datos,
coa proba de só uns poucos exemplos.

E fundamentalmente, é unha noticia
sobre como dende meniños

e continuando todo o camiño
ata os máis grandes logros

da nosa cultura,

conseguimos entender ben o mundo.

Amigos, as mentes humanas non aprenden só
a partir de pequenas cantidades de datos

As mentes humanas pensan
ideas totalmente novas.

As mentes humanas xeran
investigación e descubrimento,

e as mentes humanas xeran
arte e literatura e poesía e teatro,

e as mentes humanas
coidan doutros seres humanos:

os nosos maiores, a nosa mocidade,
os nosos enfermos.

Incluso os curamos.

Nos próximos anos,
imos ver innovacións tecnolóxicas

máis alá do que podo concibir,

pero hai moi poucas probabilidades

de que vexamos algo
que se aproxime sequera

ao poder computacional dun neno humano,

no resto da miña vida ou da vosa.

Se investimos nestes potentísimos
aprendices e no seu desenvolvemento,

en bebés e cativos,

e nais e pais

e coidadores e profesores

do xeito que investimos nas nosas
outras poderosísimas e elegantes formas

de tecnoloxía, enxeñaría e deseño,

non estaremos simplemente
soñando cun mellor futuro,

estaremos planificándoo.

Moitísimas grazas.

(Aplausos)

Chris Anderson: Grazas, Laura.
Quería facerche unha pregunta.

Antes de nada,
esta investigación é de tolos.

Quen deseñaría
un experimento coma ese? (Risas)

Vino unhas cantas veces,

e sigo sen acabar de crer
que poida estar ocorrendo de verdade,

pero outras persoas fixeron
experimentos similares; está comprobado.

Os bebés son realmente xenios.

LS: Parecen realmente impresionantes
nos nosos experimentos,

pero pensa no que fan na vida real, non?

Todo comeza cun bebé.

Dezaoito meses despois, estache falando,

e as primeiras palabras dos bebés
non van de pelotas e parrulos,

son cousas como “non ta”
que se refire á desaparición,

ou “uh oh”, para referirse
a accións involuntarias.

Ten que ser así de poderoso.

Ten que ser moito máis poderoso
que o que ensinei.

Están descifrando o mundo enteiro.

Un neno de catro anos
pode falarche sobre case todo.

(Aplausos)

CA: E se entendo ben,
o outro punto clave que destacas é

que durante estes anos
tivemos todo este debate

sobre o peculiares e confusas
que son as nosas mentes,

coa economía condutual
e teorías enteiras detrás

de que non somos axentes racionais.

E ti estás a dicir que este fenómeno
é extraordinario,

e que en realidade hai xenialidade
que está subestimada.

Unha das miñas citas favoritas
en psicoloxía

é do psicólogo social Solomon Asch,

que dixo que
“o cometido fundamental da psicoloxía

é eliminar
o veo de autoevidencia das cousas”.

Hai millóns de decisións
que se toman a diario

que interpretan ben o mundo.

Coñecemos os obxectos
e as súas propiedades.

Recoñecémolos cando están ocultos.
Recoñecémolos na escuridade.

Camiñamos por cuartos.

Podemos percibir o que pensan outros.
Podemos falarlles.

Podemos navegar no espazo.
Coñecemos os números.

Entendemos as relacións causais.
Entendemos o razoamento moral.

E todo isto sen esforzo ningún,
por iso non nos decatamos,

pero así interpretamos ben o mundo,

e moi difícil de entender.

CA: Imaxino que hai persoas no público
que comparten

esa visión do crecente poder tecnolóxico

que poderían cuestionar a túa afirmación
de que nunca nas nosas vidas

un ordenador fará
o que un neno de tres anos pode facer,

pero está claro que en calquera situación,

as nosas máquinas teñen
moito que aprender dos nosos cativos.

LS: Eu tamén o creo. Aquí haberá
partidarios da aprendizaxe automática.

Nunca deberías apostar
contra os bebés ou os chimpancés

ou da tecnoloxía, en principio.

pero non se trata só
dunha diferenza de cantidade,

é unha diferenza cualitativa.

Temos ordenadores incriblemente potentes,

que fan cousas incriblemente sofisticadas,

por veces con enormes cantidades de datos.

As mentes humanas fan, para min,
algo bastante diferente,

e creo que é a natureza estruturada
e xerarquizada do coñecemento humano

o que permanece como
un verdadeiro desafío.

CA: Laura Schulz, un gran tema
para reflexionar. Moitas grazas.

Grazas
(Aplausos)