Zaskakująco logiczne umysły dzieci

W jaki sposób dzieci uczą się tak wiele, tak szybko, na podstawie tak nielicznych informacji? W tej zabawnej, pełnej eksperymentów prelekcji kognitywistka Laura Schulz pokazuje, jak nasi najmłodsi podejmują nadzwyczaj logiczne decyzje, zanim jeszcze nauczą się mówić.

Mark Twain podsumował, moim zdaniem,

jeden z głównych problemów kognitywistyki

błyskotliwą uwagą.

Powiedział: "Nauka jest fascynująca.

W zamian za tak niewiele faktów

otrzymać można całą masę domysłów".

(Śmiech)

Twain oczywiście żartował, ale miał rację.

Nauka jest fascynująca.

Na podstawie kilku kości wnioskujemy,
że kiedyś ziemię zamieszkiwały dinozaury.

Analizując widmo światła,
opisujemy mgławice.

Badając muszki owocówki,

poznajemy mechanizmy genetyki,

a na podstawie obrazów
przepływu krwi w mózgu

czy, jak moim przypadku,
zachowań bardzo małych dzieci,

próbujemy opisywać kluczowe mechanizmy

ludzkiego poznania.

W moim laboratorium
na Wydziale Kognitywistyki MIT

od 10 lat próbuję poznać tajemnicę tego,

jak dzieci uczą się tak szybko
na podstawie tak niewielu danych.

Okazuje się, że to,
co fascynujące w nauce,

jest także fascynujące w dzieciach.

Łagodząc stwierdzenie Twaina,

chodzi o ich zdolność wyciągania
złożonych, abstrakcyjnych wniosków,

szybko i dokładnie,
na podstawie nielicznych danych.

Podam tylko dwa przykłady.

Jeden dotyczy kwestii uogólniania,

drugi myślenia przyczynowo-skutkowego.

Chociaż będę mówiła o badaniach
w moim laboratorium,

to one wiele zawdzięczają
całej dziedzinie.

Dziękuję moim mentorom, kolegom
i współpracownikom z całego świata.

Zacznijmy od kwestii uogólniania.

Uogólnianie wyników badań
jest chlebem powszednim w nauce.

Ankietujemy niewielką część elektoratu

i przewidujemy wynik wyborów.

W testach klinicznych sprawdzamy
reakcję garstki pacjentów na lek

i wypuszczamy go na rynek.

Jednak to sprawdza się tylko wtedy,
gdy nasza próbka jest wybrana losowo.

Jeśli badana próbka
jest świadomie selekcjonowana,

jak w przypadku ankiety tylko w miastach,

czy testów klinicznych
leków kardiologicznych

prowadzonych tylko na mężczyznach,

uogólnianie wyników na całą populację
może okazać się błędne.

Naukowcy uważają, żeby badać
tylko losowo wybrany materiał.

Ale co to ma wspólnego z dziećmi?

Dzieci stale uogólniają
częściowe informacje, które otrzymują.

Widzą kilka gumowych kaczek
i uczą się, że one pływają,

lub kilka piłeczek i uczą się,
że piłki się odbijają.

Wykształcają oczekiwania
dotyczące kaczek i piłek,

które będą odnosić się
do wszystkich kaczek i piłek

przez całe ich życie.

Takich samych uogólnień,
jak w kwestii kaczek i piłek,

dzieci dokonują niemal każdorazowo:

w sprawie butów, statków,
laku, kapusty i królów.

Czy dzieci zastanawiają się,
czy to, co widzą,

może zostać uogólnione
na większą populację?

Przekonajmy się.

Pokażę wam dwa filmy,

jeden dla każdego warunku doświadczenia.

Ponieważ zobaczycie tylko dwa filmy,

zobaczycie także dwoje dzieci,

a dzieci, jak wiadomo,
różnią się między sobą.

Jednak każde z tej dwójki
reprezentuje grupę dzieci,

a różnice, jakie zaobserwujecie,

odzwierciedlają przeciętne różnice
w zachowaniu dzieci dla danego warunku.

Każdy film przedstawia dziecko

robiące dokładnie to, co robią dzieci,

a raczej trudno sprawić by dzieci
były bardziej magiczne niż są.

Jednak dla mnie ta magiczna rzecz,

i chcę, żebyście na to zwrócili uwagę,

to kontrast pomiędzy
warunkami doświadczenia,

ponieważ jedyna różnica
pomiędzy tymi filmami

to dowody statystyczne
obserwowane przez dzieci.

Pokażemy dzieciom pudełko
z niebieskimi i żółtymi piłkami,

a Hyowon Gweon, wtedy moja studentka
a dzisiaj koleżanka ze Stanford,

wyciągnie z pudełka
trzy niebieskie piłki z rzędu,

każdą z nich ściśnie

i piłki będą piszczeć.

Coś takiego jest dla dziecka
jak prelekcja TED.

Nie można chcieć więcej.

(Śmiech)

Co ważne, bardzo łatwo jest wyciągnąć
trzy niebieskie piłki z rzędu

z pudełka z większością niebieskich piłek.

Można to zrobić z zamkniętymi oczami.

To wiarygodna, losowa próbka populacji.

Jeśli, sięgając losowo do pudełka,
wyjmuje się z niego piszczące rzeczy,

to może wszystko z pudełka piszczy.

Może dzieci założą,
że żółte piłki też piszczą.

Żółte piłki mają śmieszne wypustki,
więc dzieci mogą z nimi robić inne rzeczy.

Mogą nimi stukać i pukać.

Zobaczmy, co zrobią.

(Video) Hyowon Gweon: Popatrz!
(Piłka piszczy)

Widziałaś?
(Piłka piszczy)

Super.

Popatrz na tę.

(Piłka piszczy)

Laura Schulz: Nie mówiłam? (Śmiech)

(Video) HG: Widzisz tę piłkę?
(Piłka piszczy)

Hej Klaro, ta jest dla ciebie.
Możesz się nią pobawić.

(Śmiech)

LS: Nie muszę nic mówić, prawda?

Świetnie, że dzieci uogólniają

właściwości piłek niebieskich na żółte,

i imponujące, że uczą się,
imitując dorosłych,

ale to wiemy już od bardzo dawna.

Ciekawe, co się stanie,

gdy pokażemy dzieciom dokładnie to samo,

dzięki naszej sekretnej przegrodzie,

z której tak naprawdę wyjmujemy piłki,

ale zmienimy tylko pochodzenie próbki,

z której dzieci będą wnioskować.

Tym razem pokażemy dzieciom
trzy niebieskie piłki z pudełka

z większością piłek żółtych

I wiecie co?

Trudno wyjąć losowo
trzy niebieskie piłki z rzędu

z pudełka z większością żółtych piłek.

To nie jest wiarygodna, losowa próbka.

Może Hyowon celowo
wybierała niebieskie piłki?

Może niebieskie piłki są wyjątkowe?

Może tylko niebieskie piłki piszczą?

Zobaczmy, co zrobi dziecko.

(Video): HG: Widzisz?
(Piłka piszczy)

Widzisz tę zabawkę?
(Piłka piszczy)

To było super, widzisz?
(Piłka piszczy)

Ta jest dla ciebie.
Możesz się nią pobawić.

(Poruszenie)
(Śmiech)

LS: To dwoje 15-miesięcznych dzieci,

które robią coś zupełnie innego

na podstawie prawdopodobieństwa tego,
co zaobserwowały,

To wyniki tego eksperymentu.

Oś pionowa pokazuje odsetek dzieci,

które ściskają piłkę w obu eksperymentach.

Jak widać, dzieci znacznie częściej
uogólniają zjawiska,

gdy wiarygodnie odzwierciedlają
całą zbiorowość,

niż gdy są one wyraźnie selekcjonowane.

Możemy się teraz zastanowić.

Co jeśli z większości piłek żółtych
wyciągniemy tylko jedną niebieską?

Trudno zrobić to z rzędu
dla trzech niebieskich,

ale można losowo wyjąć jedną taką piłkę.

To nie jest nieprawdopodobna próbka.

Jeśli można losowo sięgnąć do pudełka

i wyjąć z niego coś, co piszczy,
to może wszystko z pudełka piszczy.

Chociaż dowodów na piszczenie będzie mniej

i dzieci będą miały mniej czynności
do naśladowania

w przypadku jednej piłki,
inaczej niż dla poprzedniego warunku,

założyliśmy, że dzieci
same będą częściej ściskać piłki,

i właśnie tak się stało.

15-miesięczne dzieci,
podobnie jak naukowcy,

biorą pod uwagę,
czy obserwowana próbka jest losowa,

gdy kształtują swoje oczekiwania:

co piszczy, a co nie,

co zbadać, a co zignorować.

Przejdźmy do kolejnego przykładu

dotyczącego myślenia
przyczynowo-skutkowego.

Wiąże się to z dylematem,

który wszyscy znamy,

to znaczy z tym, że jesteśmy
częścią wszechświata.

Może teraz nie jest to dla was problem,

ale staje się nim, gdy coś idzie źle.

Weźmy na przykład to dziecko.

Coś mu nie wychodzi.

Chce uruchomić tę zabawkę, ale nie umie.

Obejrzyjmy film.

Zasadniczo są tu dwie możliwości:

on robi coś źle

albo coś jest nie tak z zabawką.

W kolejnym eksperymencie damy dzieciom

tylko niewielki statystyczny dowód na to,

że jedna z dwóch hipotez jest poprawna,

i sprawdzimy, czy pomoże to dzieciom

zdecydować, co robić.

Taki mamy plan.

Hyowon uda się uruchomić zabawkę od razu.

Następnie spróbuję dwa razy,
bezskutecznie.

Potem Hyowon spróbuje ponownie
i znów się jej uda.

Jest to z grubsza trafne podsumowanie

technicznych umiejętności
mojej studentki i moich.

Istotne jest to,
że dowodzi to nieznacznie,

że problem nie dotyczy zabawki a osoby.

Niektórzy umieją ją uruchomić,

inni nie.

Gdy dziecko dostanie zabawkę,
będzie miało wybór.

Jego mama jest tuż obok,

więc może dać jej zabawkę i zmienić osobę,

ale na końcu materiału
jest też druga zabawka

więc może go przyciągnąć
i zmienić zabawkę.

Zobaczmy, co się stanie.

(Video): HG: Dwa, trzy. start!
(Muzyka)

LS: Raz, dwa, trzy, start!

Arturze, spróbuję jeszcze raz.
Raz, dwa, trzy, start!

HG: Arturze, może ja spróbuje, dobrze?

Raz, dwa, trzy, start!
(Muzyka)

Teraz popatrz, pamiętasz te zabawki?

Widzisz? Tę postawię tutaj,

a tę dam tobie.

Możesz się nią pobawić.

To oczywiste, że dzieci kochają mamy.

Jasne, że dzieci dają im zabawki,

gdy nie umieją ich włączyć.

Ciekawe, co się stanie,
gdy tylko nieznacznie zmienimy

dowody statystyczne.

Dzieci zobaczą zabawkę działającą
i niedziałającą w tej samej kolejności,

ale zmienimy rozkład dowodów.

Tym razem i Hyowon, i mnie, raz uda się,
a raz nie uda się włączyć zabawki.

To sugeruje, że nieważne, kto próbuje
ją włączyć, zabawka jest zepsuta.

Nie działa za każdym razem.

Dziecko będzie miało wybór.

Jej mama jest tuż obok,
więc może zmienić osobę,

ale na końcu materiału
będzie inna zabawka.

Zobaczmy, co zrobi.

(Video) HG: Dwa, trzy, start!
(Muzyka)

Spróbuję jeszcze raz.
Raz, dwa, trzy, start!

LS: Może ja spróbuję, Klaro.

Raz, dwa, trzy, start!

Spróbuję jeszcze raz.

Raz, dwa, trzy, start!
(Muzyka)

HG: Tę położę tutaj,

a tę dam tobie.

Możesz się pobawić.

(Brawa)

LS: Pokaże wam wyniki badań.

Oś pionowa przedstawia rozkład

wyborów dzieci dla każdego warunku

i widzimy, że wybory zależą od tego,

co dzieci obserwują.

Zatem dwulatkowie

na podstawie drobnych
różnic statystycznych

wybierają między dwiema
skrajnie różnymi strategiami

działania na świecie:

proszą o pomoc
lub sami szukają odpowiedzi.

Pokazałam wam tylko
dwa doświadczenia naukowe

spośród setek innych, które prowadzą
do podobnych wniosków,

a najistotniejsze jest to,

że umiejętność dzieci do wyciągania
złożonych wniosków z nielicznych danych

leży u podstaw wszystkich kulturowych
procesów ludzkiego uczenia się.

Dzieci poznają nowe narzędzia
na podstawie kilku przykładów.

Podobnie uczą się nowych związków
przyczynowo-skutkowych.

Uczą się nawet nowych słów,
tutaj amerykańskiego języka migowego.

Zakończę dwiema uwagami.

Jeśli śledziliście osiągnięcia
w badaniach nad mózgiem i kognitywistyce

przez kilka ostatnich lat,

pewnie zauważyliście trzy istotne kwestie.

Po pierwsze, żyjemy w erze mózgu.

W neurobiologii dokonano
zaskakujących odkryć:

zlokalizowano
wyspecjalizowane rejony kory,

u myszy udało się
uzyskać przezroczysty mózg

aktywowano neurony światłem.

Po drugie, żyjemy w erze informacji
i uczenia maszynowego,

a uczenie maszynowe
może zrewolucjonizować to,

jak rozumiemy wszystko wokół nas,
od socjologii po epidemiologię.

W przypadku postrzegania

i przetwarzania języka,

może nam też pomóc zrozumieć
naturę ludzkiego poznania.

Wreszcie, po trzecie, o czym wiecie,

to dobrze, że wiemy coraz więcej o mózgu,

i mamy dostęp do takiej ilości danych,

bo pozostawieni sami sobie

jesteśmy omylni, idziemy na skróty,

błądzimy, mylimy się,

nie jesteśmy obiektywni
i w wielu przypadkach

źle rozumiemy świat.

Myślę, że to wszystko jest istotne

i wiele mówi nam o tym,
co to znaczy być człowiekiem,

ale dzisiaj pokazałam wam
coś zupełnie innego.

Opowiedziałam wam o rozumie, nie o mózgu,

opowiedziałam o takich obliczeniach,

do których zdolni są tylko ludzie,

wymagających bogatej, uporządkowanej
wiedzy i zdolności uczenia się

na podstawie szczątkowych danych
i tylko kilku przykładów.

Co ważne, pokazuje to też jak,
poczynając od bardzo małych dzieci,

a kończąc na wielkich osiągnięciach

kultury ludzkiej,

jednak dobrze rozumiemy świat.

Ludzki umysł nie tylko uczy się
z niewielkiej ilości danych.

Tworzy też nowe pojęcia.

Ludzie są autorami badań i odkryć,

tworzą dzieła sztuki, literaturę i teatr,

i troszczą się o innych ludzi,

starszych, młodszych i chorych.

Nawet ich leczą.

Nadchodzące lata przyniosą
technologiczne innowacje,

których nawet sobie nie wyobrażam,

ale to mało prawdopodobne,

że zobaczymy coś z mocą obliczeniową
zbliżoną do zdolności naszych dzieci

za mojego czy waszego życia.

Jeżeli zainwestujemy
w ich ogromny potencjał i rozwój,

w nasze dzieci i młodzież,

matki i ojców,

opiekunów i nauczycieli,

tak jak inwestujemy
w inne potężne i wyszukane

formy technologii,
inżynierii i wzornictwa,

będziemy nie tylko marzyć
o lepszej przyszłości,

będziemy ją tworzyć.

Dziękuję bardzo.

(Brawa)

Chris Anderson: Dziękuję, Lauro.
Mam do ciebie pytanie.

Po pierwsze, twoje badania są niesamowite.

Kto wymyśliłby takie doświadczenie?
(Śmiech)

Obejrzałem to już kilka razy

i dalej nie wierzę w to, co widzę,

ale inni potwierdzili to
w swoich badaniach, to fakt.

Dzieci naprawdę są genialne.

LS: Dzieci w naszych badaniach
robią wrażenie,

ale pomyślcie, co dzieje się w życiu.

Mamy niemowlę.

Półtora roku później mówi

i jego pierwsze słowa to nie
"kaczka" czy "piłka",

ale zwroty jak "nie ma",
które opisują znikanie,

czy ''ojej" dotyczące akcji nieumyślnych.

To jest imponujące,

znacznie bardziej niż to,
co wam pokazałam.

Próbują zrozumieć świat.

Czterolatek może rozmawiać
praktycznie na każdy temat.

(Brawa)

CA: Jeśli dobrze zrozumiałem,

pomimo od dawna powszechnych głosów,

że nasze umysły są dziwne i zawodne,

wbrew ekonomii behawioralnej
i jej twierdzeniom,

że nie jesteśmy racjonalni,

uważasz, że nie doceniamy

niesamowitego geniuszu ludzkiego umysłu.

LS: Jednym z moich ulubionych cytatów

są słowa psychologa społecznego
Solomona Ascha,

który twierdził, że zadanie psychologii

to usunięcie z rzeczy
zasłony oczywistości.

Niewyobrażalna ilość decyzji podejmowanych
przez ludzi każdego dnia pokazuje,

że rozumiemy świat.

Znamy rzeczy i ich właściwości.

Rozpoznajemy je, gdy są zasłonięte
czy w ciemnym pomieszczeniu.

Chodzimy między pokojami.

Domyślamy się, co myślą inni.
Rozmawiamy z nimi.

Przemieszczamy się, znamy liczby.

Znamy związki przyczynowe
i system wartości moralnych.

Robimy to odruchowo,
więc tego nie zauważamy,

ale wtedy właśnie rozumiemy świat,
co jest nadzwyczajnym

i niedocenionym osiągnięciem.

CA: Podejrzewam, że są wśród nas tacy,

którzy wierzą w postęp technologiczny,

i nie zgodziliby się z twoją tezą,
że za naszego życia

komputer nigdy nie dorówna trzylatkowi,

ale tak czy inaczej

maszyny mogą się wiele nauczyć od dzieci.

LS: Tak myślę. Maszyny już się uczą.

I lepiej nie stawać przeciwko dzieciom
czy szympansom

czy, na wszelki wypadek,
przeciwko technologii,

ale nie chodzi tu o różnicę ilościową,

ale jakościową.

Mamy niesamowicie potężne komputery,

które robią skomplikowane rzeczy,

często z ogromną ilością danych.

Ludzki umysł robi coś zupełni innego.

Myślę, że ta uporządkowana,
hierarchiczna natura ludzkiej wiedzy

jest dla maszyn wyzwaniem.

CA: Lauro Schulz, doskonały materiał
do przemyśleń. Dziękuję.

LS: Dziękuję.
(Brawa)