Pikiran logika yang mengejutkan dari bayi

Bagaimana bayi belajar banyak dari sedikit sumber dengan cepat? Dengan ceramah yang asyik dan penuh dengan percobaan, ilmuwan kognitif Laura Schulz menunjukkan bagaimana anak-anak kecil membuat keputusan dengan logika yang ternyata kuat, dengan sangat baik sebelum mereka bahkan dapat berbicara.

Mark Twain meringkas
yang saya pandang sebagai

salah satu masalah mendasar ilmu kognitif

dengan satu gurauan.

Katanya, "Ada yang menarik
tentang ilmu pengetahuan.

Ada keuntungan berupa
dugaan dalam jumlah yang besar

dari sekelumit investasi fakta."

(Tertawa)

Twain bercanda,
tentu saja, tapi dia benar:

Ada yang menarik tentang ilmu pengetahuan.

Dari beberapa tulang, kita menyimpulkan
keberadaan dinosaurus.

Dari garis-garis spektrum,
komposisi nebula.

Dari lalat buah,

mekanisme hereditas,

dan dari penyusunan ulang
gambar darah yang mengalir ke otak,

atau dalam kasus saya,
dari perilaku anak-anak,

kita mencoba mengungkapkan
mekanisme dasar kognisi manusia.

Khususnya, di laboratorium saya
di Dept. Ilmu Otak dan Kognitif di MIT,

Saya telah menghabiskan dekade terakhir
mencoba memahami misteri

bagaimana anak-anak belajar banyak
dari sedikit sumber dengan cepat.

Karena, ternyata yang menarik
mengenai ilmu pengetahuan

juga merupakan yang menarik
mengenai anak-anak,

yaitu, untuk menyederhanakan
kutipan Mark Twain,

tepatnya adalah kemampuan mereka untuk
menarik kesimpulan yang kaya dan abstrak

dengan cepat dan akurat
dari data yang sedikit dan hingar.

Saya hanya akan memberi Anda
dua contoh hari ini.

Yang pertama adalah masalah generalisasi,

dan yang kedua adalah
masalah penalaran sebab-akibat.

Dan meski saya akan membahas
tentang karya saya di lab,

karya ini terinspirasi dari
dan berhutang pada praktik lapangan.

Saya bersyukur dapat mengajar, bermitra,
dan berkolaborasi di seluruh dunia.

Mari saya mulai dengan
masalah generalisasi.

Generalisasi dari sedikit sampel data
adalah makanan pokok ilmu pengetahuan.

Kami memungut suara dari sekelumit pemilih

dan kami memprediksi
hasil pemilihan nasional.

Kami mengamati bagaimana sejumlah pasien
memberi tanggapan pada klinik percobaan,

dan kami membawa obat-obatan
ke pasar nasional.

Tapi ini hanya berhasil jika sampel kami
diambil secara acak dari populasinya.

Jika sampel kami dipilih
dengan cara-cara tertentu --

misal, pemungutan suara
hanya di kota besar,

atau, perawatan penyakit jantung
di klinik percobaan kami

hanya diperuntukan bagi para pria --

hasilnya tidak akan mengeneralisasi
populasi yang lebih luas.

Jadi para ilmuwan peduli apakah bukti
diambil dari sampel acak atau tidak,

tapi apa hubungannya dengan bayi?

Yah, bayi harus mengeneralisasi dari
sejumlah kecil sampel data setiap saat.

Mereka melihat beberapa bebek karet
dan belajar bahwa benda itu mengapung,

atau beberapa bola dan belajar
bahwa benda itu membal.

Dan mereka membangun ekspektasi
tentang bebek karet dan bola

yang akan terus mereka bawa
tentang bebek karet dan bola

seumur hidup mereka.

Dan jenis generalisasi yang harus dibuat
oleh bayi tentang bebek dan bola

mereka melakukannya
terhadap hampir semua hal:

sepatu dan kapal dan lilin segel
dan kubis dan raja-raja.

Bayi juga peduli apakah
sekelumit bukti yang mereka lihat

secara masuk akal mewakili
populasi yang lebih besar?

Mari kita cari tahu.

Saya akan tunjukkan Anda dua cuplikan,

satu dari setiap dua kondisi percobaan,

dan karena Anda hanya akan
melihat dua cuplikan,

Anda hanya akan melihat dua bayi,

dan kedua bayi tersebut berbeda
satu sama lain dari berbagai segi.

Tapi bayi-bayi ini, tentunya,
mewakili sekelompok bayi,

dan perbedaan yang akan Anda lihat

mewakili perbedaan rata-rata sekelompok
perilaku bayi pada berbagai kondisi.

Di setiap cuplikan, mungkin
Anda akan lihat bayi melakukan

tepat seperti apa yang kira-kira
Anda harapkan dari seorang bayi,

dan kami tidak dapat membuat bayi
lebih ajaib daripada yang sudah ada.

Tapi di pikiran saya hal ajaib itu,

dan apa yang saya ingin Anda perhatikan,

adalah perbedaan antara dua kondisi ini,

karena satu-satunya hal yang berbeda
antara kedua cuplikan ini

adalah bukti statistik
yang akan diamati oleh si bayi.

Kami akan menunjukkan si bayi
sebuah kotak berisi bola biru dan kuning,

dan mahasiswa saya yang akan lulus, kini
adalah kolega di Stanford, Hyowon Gweon,

akan mengambil tiga bola biru
berturut-turut dari kotak ini,

dan sewaktu dia mengambil bola-bola
tersebut, dia akan meremasnya,

dan bola-bola itu akan berdecit.

Dan jika Anda seorang bayi,
itu seperti TED Talk

Tidak ada yang lebih baik lagi.

(Tertawa)

Tapi yang penting adalah mudah untuk
mengambil tiga bola biru berturut-turut

dari sebuah kotak yang
kebanyakan berisi bola biru.

Anda dapat melakukannya
dengan mata tertutup.

Itu adalah sampel acak
yang masuk akal dari populasi.

Dan jika Anda meraih ke dalam kotak secara
acak dan mengambil sesuatu yang berdecit,

maka mungkin semua benda
yang ada di dalam kotak berdecit.

Jadi mungkin si bayi harus berekspektasi
bola-bola kuning itu berdecit juga.

Nah, bola-bola kuning punya
tongkat lucu di ujungnya,

jadi si bayi bisa melakukan
hal lain jika mereka mau.

Mereka dapat memukulnya atau menderanya,

Tapi kita lihat saja
apa yang mereka lakukan.

(Video) Hyowon Gweon: Lihat ini?
(Bola berdecit)

Apa kamu lihat itu?
(Bola berdecit)

Keren.

Lihat yang ini?

(Bola berdecit)

Wow.

Laura Schulz: Saya bilang juga apa.
(Tertawa)

(Video) HG: Lihat yang ini?
(Bola berdecit)

Hey Clara, yang ini buat kamu.
Kamu dapat memainkannya.

(Tertawa)

LS: Saya bahkan tidak perlu bicara, kan?

Baik, sangat bagus para bayi
dapat mengeneralisasi sifat-sifat

dari bola biru dan kuning,

dan mengesankan bahwa para bayi
dapat belajar dari menirukan kita,

tapi kita telah mengetahui
hal-hal tersebut tentang bayi cukup lama.

Pertanyaan yang benar-benar menarik

apa yang terjadi jika kita tunjukkan
pada bayi benda yang sama,

dan kami bisa memastikan benda itu sama
karena kita punya kotak rahasia

dan sebenarnya kami
mengambilnya dari situ,

tapi kali ini, yang kami ubah
adalah populasi yang terlihat

dari mana bukti diambil.

Kali ini, kami akan menunjukkan
si bayi tiga bola biru

yang diambil dari kotak
yang sebagian besar berisi bola kuning,

dan coba tebak?

Anda (mungkin tidak) secara acak
mengambil tiga bola biru berurutan

dari kotak yang sebagian besar
berisi bola kuning.

Itu bukan bukti sampel acak
yang masuk akal.

Bukti itu menyimpulkan bahwa mungkin
Hyowon sengaja mengambil bola biru.

Mungkin ada yang istimewa
dari bola-bola biru.

Mungkin hanya bola biru yang berdecit.

Mari kita lihat apa yang mereka lakukan.

(Video) HG: Lihat ini?
(Bola berdecit)

Lihat mainan ini?
(Bola berdecit)

Oh, itu keren. Lihat?
(Bola berdecit)

Nah ini untuk kamu mainkan.
Kamu boleh mainkan.

(Gaduh)
(Tertawa)

LS: Jadi Anda baru saja melihat
dua bayi berumur 15 bulan

melakukan hal yang benar-benar berbeda

hanya berdasarkan probabilitas
sampel yang mereka amati.

Mari saya tunjukkan Anda
hasil percobaan ini.

Pada sumbu vertikal,
Anda akan lihat persentase bayi

yang meremas bola pada setiap kondisi,

dan seperti yang akan Anda lihat, bayi
cenderung untuk mengeneralisasi bukti

sewaktu mewakili populasi
secara masuk akal

daripada sewaktu bukti
diambil dengan pilih-pilih.

Dan ini mengarah pada
prediksi yang menyenangkan:

Misal Anda hanya mengambil satu bola biru
dari kebanyakan bola kuning.

Anda (mungkin tidak) mengambil secara acak
tiga bola biru berurutan dari kotak kuning

tapi Anda bisa secara acak
mengambil satu bola biru.

Itu bukan sampel yang tidak mungkin.

Dan jika Anda bisa merogoh
ke kotak secara acak

dan mengambil sesuatu yang berdecit,
mungkin semua di kotak itu berdecit.

Jadi, walaupun bayi akan melihat
bukti berdecit yang lebih sedikit,

dan punya lebih sedikit
tindakan untuk ditiru

pada kondisi satu bola ini daripada
pada kondisi yang baru saja Anda lihat,

kami memprediksikan bahwa bayi-bayi itu
sendiri akan meremas lebih banyak,

dan itulah yang kami temukan.

Jadi, bayi berumur 15 bulan,
dalam hal ini, seperti ilmuwan,

peduli apakah bukti
diambil secara acak atau tidak,

dan mereka menggunakan ini untuk
mengembangkan ekspektasi tentang dunia:

apa yang berdecit dan apa yang tidak,

apa yang perlu dieksplorasi
dan apa yang harus diabaikan.

Mari saya tunjukkan contoh lain,

kali ini adalah masalah mengenai
penalaran sebab-akibat.

Berawal dari suatu masalah
dari bukti yang sudah ada

yang kita semua punya,

yaitu bahwa kita semua
adalah bagian dunia.

Ini mungkin tak terlihat seperti masalah
bagi Anda, tapi seperti banyak masalah,

ini hanya akan menjadi
masalah jika ada yang salah.

Ambil bayi ini sebagai contoh.

Ada yang salah menurutnya.

Dia ingin membunyikan mainan ini,
dan dia tidak bisa.

Saya tunjukkan Anda sebuah cuplikan.

Dan ada dua kemungkinan, umumnya:

Mungkin dia melakukan suatu kesalahan,

atau mungkin ada yang salah
dengan mainannya.

Jadi di percobaan berikutnya,

kami akan memberikan para bayi
sekelumit data statistik

mendukung hipotesa satu
dengan yang lainnya,

dan kita lihat apakah bayi bisa memakainya
untuk membuat keputusan yang berbeda

tentang apa yang harus dilakukan.

Beginilah susunannya.

Hyowon akan mencoba untuk
membunyikan mainan ini dan berhasil.

Saya kemudian akan mencoba dua kali
dan gagal kedua-duanya,

kemudian Hyowon
akan mencoba lagi dan berhasil,

dan ini kira-kira menyimpulkan
hubungan saya dengan mahasiswa saya

pada keseluruhan teknologi.

Tapi poin penting di sini adalah
ini memberikan sekelumit bukti

bahwa masalahnya bukan
di mainannya tapi di orangnya.

Ada orang yang dapat
membunyikan mainan ini,

dan ada yang tidak.

Sekarang, sewaktu si bayi menggenggam
mainan, dia akan punya pilihan.

Ibunya ada di sana,

jadi dia bisa menyerahkan saja mainannya
dan mengganti orangnya,

tapi juga akan ada mainan lain
di ujung kain tersebut,

dan dia dapat menarik kain itu
dan mengganti mainannya.

Jadi mari kita lihat
apa yang dilakukannya.

(Video) HG: Dua, tiga. Bunyi!
(Musik)

LS: Satu, dua, tiga, bunyi!

Arthur, aku akan mencobanya lagi.
Satu, dua, tiga, bunyi!

YG: Arthur, aku akan mencobanya lagi ya?

Satu, dua, tiga, bunyi!
(Musik)

Lihat itu. Ingat mainan-mainan ini?

Lihat mainan-mainan ini?
Ya, aku akan meletakannya satu di sini,

dan aku akan memberikan
yang ini untuk kamu.

Kamu dapat memainkannya.

LS: Oke, Laura, tapi tentu saja,
bayi suka dengan ibunya.

Tentu saja bayi memberikan
mainan ke ibunya

sewaktu mereka tak dapat memainkannya.

Sekali lagi, pertanyaan yang penting yaitu
apa yang terjadi sewaktu kami merubah

data statistik bahkan sedikit saja.

Kali ini, para bayi akan melihat mainannya
berbunyi dan gagal dengan urutan yang sama

tapi kami mengganti distribusi bukti.

Kali ini, Hyowon akan berhasil sekali,
gagal sekali, dan juga saya.

Dan ini menyimpulkan bahwa tidak peduli
siapa yang mencoba, mainannya rusak.

Tidak selalu berhasil.

Sekali lagi, si bayi akan punya pilihan.

Ibunya berada di sampingnya,
jadi dia dapat merubah orangnya,

dan akan ada mainan lain di ujung kain.

Mari lihat apa yang dilakukan.

(Video) HG: Dua, tiga, bunyi!
(Musik)

Biar aku coba sekali lagi.
Satu, dua, tiga, bunyi!

Hmm.

LS: Aku akan coba, Clara.

Satu, dua, tiga, bunyi!

Hmm, aku coba lagi.

Satu, dua, tiga, bunyi!
(Musik)

HG: Aku akan meletakan yang ini di sini,

dan aku akan memberikan
yang ini untuk kamu.

Kamu dapat memainkannya.

(Tepuk tangan)

LS: Saya akan tunjukkan Anda
hasil percobaannya.

Di sumbu vertikal, Anda melihat distribusi

pilihan anak-anak pada setiap kondisi,

dan Anda akan lihat distribusi pilihan
yang dibuat anak-anak

yang bergantung dari bukti yang diamati.

Jadi di tahun kedua hidupnya,

bayi dapat menggunakan
sekelumit data statistik

untuk memutuskan antara
dua strategi mendasar yang berbeda

untuk bertindak di dunia ini:

meminta bantuan dan menjelajah.

Saya baru saja menunjukkan Anda
dua percobaan lab

dari ratusan di bidang ini
yang membuat poin yang serupa,

karena poin yang benar-benar penting

bahwa kemampuan anak-anak untuk membuat
kesimpulan yang kaya dari sedikit data

mendasari semua pembelajaran budaya
pada spesies tertentu yang kita lakukan.

Anak-anak belajar tentang peralatan baru
hanya dari sedikit contoh.

Mereka belajar hubungan sebab-akibat baru
hanya dari sedikit contoh.

Mereka bahkan belajar kosa kata baru,
dalam hal ini Bahasa Isyarat Amerika.

Saya akan mengakhiri dengan dua poin.

Jika Anda mengikuti dunia saya,
bidang ilmu otak dan kognitif,

dalam beberapa tahun terakhir,

Tiga gagasan besar
akan menarik perhatian Anda.

Yang pertama adalah bahwa
sekarang ini adalah jaman pemikiran.

Dan tentu saja, sudah ada penemuan
yang belum pasti pada ilmu saraf:

melokalisasi secara fungsional
khusus pada daerah korteks,

merubah otak tikus menjadi transparan,

mengaktikan neuron dengan cahaya.

Ide besar yang kedua

adalah bahwa ini adalah jaman data besar
dan pembelajaran mesin,

dan pembelajaran mesin menjanjikan
perubahan cepat pengertian kita

mengenai segala hal dari jejaring sosial
sampai epidemiologi.

Dan mungkin, karena itu menangani
masalah pemahaman kejadian

dan pemrosesan bahasa natural,

untuk memberitahu kita
mengenai kognisi manusia.

Dan ide besar terakhir

adalah bahwa mungkin adalah ide bagus
kita akan mengetahui banyak mengenai otak

dan punya banyak akses ke data besar,

karena di samping peralatan kita,

manusia rentan kesalahan,
kita mengambil jalan pintas,

kita membuat kesalahan,

kita bias, dalam berbagai cara,

kita salah memahami dunia.

Saya rasa ini semua adalah
kisah-kisah yang penting,

dan mereka banyak memberitahu kita
tentang apa artinya menjadi manusia,

tapi saya mau Anda mencatat bahwa hari ini
saya menceritakan kisah yang berbeda.

Ini adalah kisah tentang
pemikiran dan bukan otak,

dan khususnya, ini adalah kisah
tentang jenis komputasi

yang pikiran manusia
bisa lakukan dengan unik,

yang melibatkan pengetahuan berlimpah
yang terstruktur dan kemampuan belajar

dari sedikit data,
bukti dari sekelumit contoh.

dan pada dasarnya, ini kisah tentang
bagaimana memulai sebagai anak-anak kecil

dan berlanjut sampai pada
pencapaian yang besar

akan kebudayaan kita,

kita memahami dunia dengan benar.

Rekan-rekan, pikiran manusia
tidak hanya belajar dari sekelumit data.

Pikiran manusia berpikir
gagasan baru yang menyeluruh.

Pikiran manusia menghasilkan
penelitian dan penemuan,

dan pikiran manusia menghasilkan
kesenian, literatur, puisi, teater,

dan pikiran manusia merawat
manusia yang lainnya:

para lansia, anak-anak muda,
orang-orang sakit.

Kita bahkan menyembuhkan mereka.

Pada tahun-tahun mendatang,
kita akan melihat inovasi teknologi

di luar dari segala
yang dapat saya bayangkan,

tapi kita sangat tidak mungkin

melihat apapun bahkan mengira-ngira
kekuatan berhitung anak manusia

dalam masa hidup saya atau Anda.

jika kita berinvestasi ke para pembelajar
yang kuat ini dan perkembangannya,

pada bayi dan anak-anak

dan para ibu dan ayah

dan para perawat dan guru

dengan cara kita berinvestasi pada
bentuk elegan dan kuat lainnya

akan teknologi, keteknikan,
dan perancangan,

kita tidak hanya akan bermimpi
akan masa depan yang lebih baik,

kita akan merencanakannya.

Terima kasih banyak.

(Tepuk tangan)

Chris Anderson: Laura, terima kasih.
Saya ada pertanyaan untuk Anda.

Pertama-tama, penelitian ini gila.

Maksud saya, siapa yang akan merancang
percobaan seperti itu? (Tertawa)

Saya telah melihatnya dua kali,

dan saya masih tidak percaya sebetulnya
bahwa itu bisa benar-benar terjadi,

tapi orang lain telah melakukan
percobaan yang serupa: ini benar.

Bayi-bayi itu benar-benar jenius.

LS: Anda tahu, mereka sangat
mengesankan pada percobaan kami,

tapi coba pikir seperti apa mereka
di kehidupan nyata, kan?

Semua bermula dari bayi.

18 bulan kemudian,
dia berbicara kepada Anda,

dan kata-kata pertama bayi
bukan hanya seperti bola dan bebek,

tapi seperti "semua hilang,"
yang menunjuk pada kehilangan.

atau "uh-oh," yang menunjuk
pada ketidaksengajaan.

Harus sekuat itu.

Harus lebih kuat dari apapun
yang saya tunjukkan kepada Anda.

Mereka mengetahui semuanya.

Anak umur empat bisa bicara pada Anda
hampir tentang segala sesuatu.

(Tepuk tangan)

CA: Dan jika saya memahami Anda
dengan benar, poin kunci lain adalah,

kita melalui tahun-tahun ini
di mana ada semua ceramah ini

bagaimana aneh dan acaknya pikiran kita,

ekonomi perilaku
dan seluruh teori di balik itu

bahwa kami bukan agen rasional.

Anda benar-benar berkata bahwa kisah yang
lebih besar adalah bagaimana luar biasa,

dan benar-benar ada si jenius
di luar sana yang tidak dihargai.

LS: Salah satu kutipan
kesukaan saya di psikologi

datang dari psikolog sosial Solomon Asch,

dan dia berkata tugas dasar psikologi
adalah untuk menghilangkan

tabir bukti diri dan segala hal.

Ada urutan besar pada lebih banyak lagi
keputusan yang Anda buat setiap harinya

yang memahami dunia dengan benar.

Anda tahu mengenai
benda-benda dan sifatnya.

Anda tahu saat mereka menutup.
Anda mengenalinya di kegelapan.

Anda bisa melalui ruangan.

Anda bisa tahu apa yang orang lain pikir.
Anda bisa bicara dengan mereka.

Anda bisa menavigasi ruang.
Anda mengetahui angka.

Anda tahu hubungan sebab-akibat.
Anda tahu penalaran moral.

Anda mudah melakukannya,
jadi kita tidak melihatnya,

tapi begitulah kita memahami dunia
dan ini sangat luar biasa

dan sangat sulit
untuk memahami pencapaian,

CA: Saya mencurigai ada
di antara penonton yang punya

pandangan semacam
mempercepat kekuatan teknologi

yang bisa menentang pernyataan Anda
bahwa tidak akan pernah

komputer melakukan apa yang
anak umur tiga tahun bisa lakukan,

tapi yang jelas biar bagaimanapun,

mesin harus belajar lebih banyak
dari anak-anak kita.

LS: Saya setuju. Anda akan punya mesin
yang mempelajari rekan-rekan di sini.

Maksud saya, Anda seharusnya tidak pernah
bertaruh antara bayi atau simpanse

atau teknologi secara praktiknya,

tapi tidak hanya perbedaan jumlah,

Ini adalah perbedaan jenisnya.

Kita punya komputer yang kuat luar biasa,

dan mereka memang melakukan
hal-hal yang luar biasa rumit,

seringnya dengan data
yang sangat besar jumlahnya.

Pikiran manusia, saya rasa,
melakukan sesuatu yang cukup berbeda,

dan saya rasa pengetahuan manusia yang
terstruktur dan bertingkat secara alamiah

yang masih merupakan suatu tantangan.

CA: Laura Schulz, asupan yang baik
untuk pikiran. Terima kasih banyak.

LS: Terima kasih.
(Tepuk tangan)