ABOUT THE SPEAKER
Laura Schulz - Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn.

Why you should listen

MIT Early Childhood Cognition Lab lead investigator Laura Schulz studies learning in early childhood. Her research bridges computational models of cognitive development and behavioral studies in order to understand the origins of inquiry and discovery.

Working in play labs, children’s museums, and a recently-launched citizen science website, Schultz is reshaping how we view young children’s perceptions of the world around them. Some of the surprising results of her research: before the age of four, children expect hidden causes when events happen probabilistically, use simple experiments to distinguish causal hypotheses, and trade off learning from instruction and exploration.

More profile about the speaker
Laura Schulz | Speaker | TED.com
TED2015

Laura Schulz: The surprisingly logical minds of babies

لارا شولز: ذهن به طور شگفت انگیز منطقیِ کودکان

Filmed:
1,888,975 views

کودکان چگونه چنین یادگیری بالا با سرعت زیاد از داده‌های کم دارند؟ در یک سخنرانی مفرح و پر از آزمایش، دانشمند علوم شناختی، لارا شولز، نشان می‌دهد که چگونه کودکان ما با به کارگیری منطقی قوی و شگفت انگیز، قبل از آن‌که بتوانند سخن بگویند، تصمیم می‌گیرند.
- Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn. Full bio

Double-click the English transcript below to play the video.

00:12
Markعلامت Twainتواین summedخلاصه شده up
what I take to be
0
835
2155
مارک تواین یکی از پایه‌ای ترین مشکلات
00:14
one of the fundamentalاساسی problemsمشکلات
of cognitiveشناختی scienceعلوم پایه
1
2990
3120
موجود در علوم شناختی را در یک جمله
00:18
with a singleتنها witticismبدبختی.
2
6110
1710
خلاصه کرده‌است.
00:20
He said, "There's something
fascinatingشگفت انگیز about scienceعلوم پایه.
3
8410
3082
او می‌گوید: "چیزی شگفت انگیز در
مورد علم وجود دارد.
00:23
One getsمی شود suchچنین wholesaleعمده فروشی
returnsبازده of conjectureحدس
4
11492
3228
فرد حدس‌های بسیار عمده‌ای می‌زند،
00:26
out of suchچنین a triflingبی نظیر
investmentسرمایه گذاری in factواقعیت."
5
14720
3204
تنها با سرمایه‌گذاری ناچیزی در
حقایق."
00:29
(Laughterخنده)
6
17924
1585
(خنده‌ی حضار)
00:32
Twainتواین meantبه معنای it as a jokeجوک,
of courseدوره, but he's right:
7
20199
2604
تواین این را به عنوان یک شوخی مطرح کرد،
اما او درست می‌گفت:
00:34
There's something
fascinatingشگفت انگیز about scienceعلوم پایه.
8
22803
2876
علم ویژگی شگفت انگیزی دارد.
00:37
From a fewتعداد کمی bonesاستخوان ها, we inferنتیجه گیری
the existenceوجود داشتن of dinosuarsدایناسورها.
9
25679
4261
با دیدن چند تکه استخوان، ما
وجود دایناسور‌ها را استنباط کردیم.
00:42
From spectralطیفی linesخطوط,
the compositionترکیب بندی of nebulaeسحابی ها.
10
30910
3871
با دیدن خط طیف نوری،
ترکیب یک سحابی را مشخص می‌سازیم.
00:47
From fruitمیوه fliesمگس ها,
11
35471
2938
از کرم‌های میوه،
00:50
the mechanismsمکانیسم ها of heredityوراثت,
12
38409
2943
به مکانیزم وراثت پی می‌بریم،
00:53
and from reconstructedبازسازی شد imagesتصاویر
of bloodخون flowingجریان دارد throughاز طریق the brainمغز,
13
41352
4249
و از تصاویر بازسازی شده‌ی حرکت خون در
داخل مغز
00:57
or in my caseمورد, from the behaviorرفتار
of very youngجوان childrenفرزندان,
14
45601
4708
یا در مورد من، با استفاده از
رفتار کودکان بسیار کوچک
01:02
we try to say something about
the fundamentalاساسی mechanismsمکانیسم ها
15
50309
2829
تلاش می‌کنیم نظراتی در مورد
پایه‌های اساسی مکانیزم
01:05
of humanانسان cognitionشناختن.
16
53138
1618
شناخت انسان ارائه کنیم.
01:07
In particularخاص, in my labآزمایشگاه in the Departmentگروه
of Brainمغز and Cognitiveشناختی Sciencesعلوم at MITMIT,
17
55716
4759
به طور خاص، در آزمایشگاه من در بخش
مغز و علوم شناختی در دانشگاه MIT
01:12
I have spentصرف شده the pastگذشته decadeدهه
tryingتلاش کن to understandفهمیدن the mysteryرمز و راز
18
60475
3654
دهه‌ی گذشته را صرفِ
تلاش برای فهم این راز که
01:16
of how childrenفرزندان learnیاد گرفتن so much
from so little so quicklyبه سرعت.
19
64129
3977
کودکان چگونه اینقدر زیاد و با این سرعت
از چیزهای کم یاد می‌گیرند.
01:20
Because, it turnsچرخش out that
the fascinatingشگفت انگیز thing about scienceعلوم پایه
20
68666
2978
زیرا اینطور که مشخص است،
موضوع شگفت انگیز در مورد علم
01:23
is alsoهمچنین a fascinatingشگفت انگیز
thing about childrenفرزندان,
21
71644
3529
موضوع شگفت انگیز در مورد کودکان نیز هست.
01:27
whichکه, to put a gentlerمرطوب کننده
spinچرخش on Markعلامت Twainتواین,
22
75173
2581
که در واقع، با بیان ملایم‌تر جمله
مارک تواین،
01:29
is preciselyدقیقا theirخودشان abilityتوانایی
to drawقرعه کشی richثروتمند, abstractچکیده inferencesنتیجه گیری
23
77754
4650
دقیقا توانایی آن‌ها برای
دریافتی عمیق و انتزاعی
01:34
rapidlyبه سرعت در حال and accuratelyبه درستی
from sparseپراکنده, noisyپر سر و صدا dataداده ها.
24
82404
4661
با سرعت و دقت بالا از
داده‌های پراکنده و پر نویز می‌باشد.
01:40
I'm going to give you
just two examplesمثال ها todayامروز.
25
88355
2398
من امروز تنها دو نمونه به شما
ارائه خواهم داد.
01:42
One is about a problemمسئله of generalizationتعمیم دادن,
26
90753
2287
یکی در مورد مشکل تعمیم،
01:45
and the other is about a problemمسئله
of causalعلت reasoningاستدلال.
27
93040
2850
و دیگری در مورد یک مشکل
در رابطه با علت و معلول است.
01:47
And althoughبا اينكه I'm going to talk
about work in my labآزمایشگاه,
28
95890
2525
و اگرچه من در مورد کار در آزمایشگاه
خودم سخن می‌گویم،
01:50
this work is inspiredالهام گرفته by
and indebtedبدهکار to a fieldرشته.
29
98415
3460
این کار الهام گرفته و مدیون یک رشته است.
01:53
I'm gratefulسپاسگزار to mentorsمربیان, colleaguesهمکاران,
and collaboratorsمشارکت کنندگان around the worldجهان.
30
101875
4283
من از مربیان، همکاران و مشارکت کنندگان
در سراسر دنیا متشکرم.
01:59
Let me startشروع کن with the problemمسئله
of generalizationتعمیم دادن.
31
107308
2974
اجازه دهید با مشکل تعمیم شروع کنم.
02:02
Generalizingمتمرکز کردن from smallکوچک samplesنمونه ها of dataداده ها
is the breadنان and butterکره of scienceعلوم پایه.
32
110652
4133
تعمیم با استفاده از نمونه‌های کوچکی از
داده‌ها یکی از مسائل اصلی در علم است.
02:06
We pollنظرسنجی a tinyکوچک fractionکسر of the electorateرای دهندگان
33
114785
2554
ما از بخش کوچکی از
رای‌دهندگان نظرسنجی می‌کنیم
02:09
and we predictپیش بینی the outcomeنتیجه
of nationalملی electionsانتخابات.
34
117339
2321
و نتیجه‌ی انتخابات ملی
را پیش‌بینی می‌کنیم.
02:12
We see how a handfulتعداد انگشت شماری of patientsبیماران
respondsپاسخ می دهد to treatmentرفتار in a clinicalبالینی trialآزمایش,
35
120240
3925
ما می‌بینیم که چگونه دسته کوچکی از بیماران
به درمانی در یک آزمایش واکنش نشان می‌دهند
02:16
and we bringآوردن drugsمواد مخدر to a nationalملی marketبازار.
36
124165
3065
و سپس دارو را در بازار ملی عرضه می‌کنیم.
02:19
But this only worksآثار if our sampleنمونه
is randomlyبه طور تصادفی drawnکشیده شده from the populationجمعیت.
37
127230
4365
اما این موضوع زمانی صحیح است که نمونه‌ها
به‌صورت تصادفی از جمعیت انتخاب شده‌ باشد.
02:23
If our sampleنمونه is cherry-pickedگیلاس برداشت شده
in some way --
38
131595
2735
اگر نمونه ما دستچین شده باشد --
02:26
say, we pollنظرسنجی only urbanشهری votersرأی دهندگان,
39
134330
2072
مثلاً، تنها از شهرنشینان نظرسنجی کنیم،
02:28
or say, in our clinicalبالینی trialsآزمایش های
for treatmentsدرمان ها for heartقلب diseaseمرض,
40
136402
4388
یا در آزمایش‌های کلینیکی برای درمان
بیماری‌های قلبی،
02:32
we includeعبارتند از only menمردان --
41
140790
1881
تنها مردان را در نظر بگیریم --
02:34
the resultsنتایج mayممکن است not generalizeتعمیم دادن
to the broaderگسترده تر populationجمعیت.
42
142671
3158
ممکن است نتایج قابل تعمیم
به جمعیت وسیع‌تر نباشند.
02:38
So scientistsدانشمندان careاهميت دادن whetherچه evidenceشواهد
is randomlyبه طور تصادفی sampledنمونه برداری شده or not,
43
146479
3581
به‌همین دلیل دانشمندان به تصادفی
انتخاب شدن نمونه‌ها دقت می‌کنند.
02:42
but what does that have to do with babiesنوزادان?
44
150060
2015
ولی این موضوع چه ربطی به کودکان دارد؟
02:44
Well, babiesنوزادان have to generalizeتعمیم دادن
from smallکوچک samplesنمونه ها of dataداده ها all the time.
45
152585
4621
خب، کودکان همواره باید نمونه‌های
کمی از داده‌ها را تعمیم دهند.
02:49
They see a fewتعداد کمی rubberلاستیک ducksاردک
and learnیاد گرفتن that they floatشناور,
46
157206
3158
چند اردک پلاستیکی می‌بینند و
یاد می‌گیرند که آنها شناور می‌مانند.
02:52
or a fewتعداد کمی ballsتوپ ها and learnیاد گرفتن that they bounceگزاف گویی.
47
160364
3575
یا چند توپ می‌بینند و یاد‌ می‌گیرند که
آن‌ها بالا و پایین می‌پرند.
02:55
And they developتوسعه expectationsانتظارات
about ducksاردک and ballsتوپ ها
48
163939
2951
و آن‌ها در مورد اردک‌ها و توپ‌ها
انتظاراتی پیدا می‌کنند
02:58
that they're going to extendگسترش
to rubberلاستیک ducksاردک and ballsتوپ ها
49
166890
2716
که به سایر اردک‌های پلاستیکی و توپ‌ها
03:01
for the restباقی مانده of theirخودشان livesزندگی می کند.
50
169606
1879
در مابقی عمرشان گسترش پیدا می‌کند.
03:03
And the kindsانواع of generalizationsتعاریف
babiesنوزادان have to make about ducksاردک and ballsتوپ ها
51
171485
3739
و کودکان این نوع تعمیم در
مورد اردک‌‌ها و توپ‌ها را
03:07
they have to make about almostتقریبا everything:
52
175224
2089
باید تقریبا در مورد همه چیز انجام دهند:
03:09
shoesکفش and shipsکشتی ها and sealingآب بندی waxموم
and cabbagesکلم بروکلی and kingsپادشاهان.
53
177313
3917
کفش، کشتی، موم و کلم و پادشاه‌‌ها.
03:14
So do babiesنوزادان careاهميت دادن whetherچه
the tinyکوچک bitبیت of evidenceشواهد they see
54
182200
2961
بنابراین آیا برای کودکان مهم است که
این مقدار کمی از شواهد که می‌بینند
03:17
is plausiblyقابل اعتماد representativeنماینده
of a largerبزرگتر populationجمعیت?
55
185161
3692
می‌تواند بیا‌ن‌کننده جمعیت بزرگتری باشد؟
03:21
Let's find out.
56
189763
1900
بیاید بررسی کنیم.
03:23
I'm going to showنشان بده you two moviesفیلم ها,
57
191663
1723
من به شما دو فیلم نشان خواهم داد.
03:25
one from eachهر یک of two conditionsشرایط
of an experimentآزمایشی,
58
193386
2462
هریک بیان‌کننده یکی از
دو حالت آزمایش می‌باشد
03:27
and because you're going to see
just two moviesفیلم ها,
59
195848
2438
و چون شما تنها دو قطعه فیلم می‌بینید،
03:30
you're going to see just two babiesنوزادان,
60
198286
2136
تنها دو کودک نیز خواهید دید،
03:32
and any two babiesنوزادان differمتفاوت است from eachهر یک other
in innumerableبی شماری waysراه ها.
61
200422
3947
و هر دو کودکی تفاوت‌های بسیار زیادی با
یکدیگر دارند.
03:36
But these babiesنوزادان, of courseدوره,
here standایستادن in for groupsگروه ها of babiesنوزادان,
62
204369
3051
ولی در این بخش، این دو کودک
هریک نماینده یک گروه کودکان هستند،
03:39
and the differencesتفاوت ها you're going to see
63
207420
1895
و تفاوت‌هایی که شما خواهید دید
03:41
representنمایندگی averageمیانگین groupگروه differencesتفاوت ها
in babies'نوزادان' behaviorرفتار acrossدر سراسر conditionsشرایط.
64
209315
5195
میانگین تفاوت‌های رفتاری بین گروه‌های
کودکان را، در این شرایط نشان می‌دهد.
03:47
In eachهر یک movieفیلم سینما, you're going to see
a babyعزیزم doing maybe
65
215160
2583
در هر فیلم، شما می‌بینید که
یک کودک احتمالاً
03:49
just exactlyدقیقا what you mightممکن
expectانتظار a babyعزیزم to do,
66
217743
3460
دقیقاً همان‌کاری را می‌کند
که از یک کودک انتظار داریم
03:53
and we can hardlyبه سختی make babiesنوزادان
more magicalجادویی than they alreadyقبلا are.
67
221203
4017
و ما نمی‌توانیم یک کودک را بیش از مقداری
که اکنون جادویی است، جادویی کنیم.
03:58
But to my mindذهن the magicalجادویی thing,
68
226090
2010
ولی در ذهن من چیز جادویی،
04:00
and what I want you to payپرداخت attentionتوجه to,
69
228100
2089
و چیزی که من می‌خواهم شما به آن دقت کنید،
04:02
is the contrastتضاد betweenبین
these two conditionsشرایط,
70
230189
3111
تضاد بین این دو حالت است،
04:05
because the only thing
that differsمتفاوت است betweenبین these two moviesفیلم ها
71
233300
3529
زیرا تنها چیزی که بین این دو فیلم
تفاوت دارد
04:08
is the statisticalآماری evidenceشواهد
the babiesنوزادان are going to observeمشاهده کنید.
72
236829
3466
شواهد آماری‌ ایست که دو کودک
مشاهده خواهند کرد.
04:13
We're going to showنشان بده babiesنوزادان
a boxجعبه of blueآبی and yellowرنگ زرد ballsتوپ ها,
73
241425
3183
ما به کودکان یک جعبه شامل
توپ‌های آبی و زرد نشان خواهیم داد،
04:16
and my then-graduateپس از فارغ التحصیلی studentدانشجو,
now colleagueهمکار at Stanfordاستنفورد, Hyowonهیوون Gweonگوئون,
74
244608
4620
و همکار من 'هیوان گوان' که در
آن زمان از استنفورد فارغ‌التحصیل شده بود،
04:21
is going to pullکشیدن threeسه blueآبی ballsتوپ ها
in a rowردیف out of this boxجعبه,
75
249228
3077
از این جعبه سه توپ آبی پشت سرهم
بیرون خواهد آورد،
04:24
and when she pullsمی کشد those ballsتوپ ها out,
she's going to squeezeفشار دادن them,
76
252305
3123
و وقتی که آن توپ‌ها را بیرون بیاورد،
آن‌ها را فشار خواهد داد و
04:27
and the ballsتوپ ها are going to squeakجیغ زدن.
77
255428
2113
و توپ‌ها صدا می‌دهند.
04:29
And if you're a babyعزیزم,
that's like a TEDTED Talk.
78
257541
2763
و اگر یک بچه باشید،
مثل یک صحبت در تد است
04:32
It doesn't get better than that.
79
260304
1904
از اون بهتر نمی‌شود.
04:34
(Laughterخنده)
80
262208
2561
(خنده‌ی حضار)
04:38
But the importantمهم pointنقطه is it's really
easyآسان to pullکشیدن threeسه blueآبی ballsتوپ ها in a rowردیف
81
266968
3659
اما نکته‌ی مهم این است که بسیار
آسان است که ۳ توپ آبی پشت سر هم از
04:42
out of a boxجعبه of mostlyاغلب blueآبی ballsتوپ ها.
82
270627
2305
یک جعبه که اکثر توپ‌هایش آبی است در آورد.
04:44
You could do that with your eyesچشم ها closedبسته شد.
83
272932
2060
میشه با چشمان بسته این کار را کرد.
04:46
It's plausiblyقابل اعتماد a randomتصادفی sampleنمونه
from this populationجمعیت.
84
274992
2996
این یک نمونه‌ی تصادفی محتمل
از این جامعه‌ی آماری است.
04:49
And if you can reachنائل شدن into a boxجعبه at randomتصادفی
and pullکشیدن out things that squeakجیغ زدن,
85
277988
3732
و اگر بتوان از داخل جعبه به صورت اتفاقی
چیزهایی درآورد که صدا می‌دهند،
04:53
then maybe everything in the boxجعبه squeaksجادوگر.
86
281720
2839
پس شاید تمام چیزهایی که
درون جعبه هستند صدا می‌دهند.
04:56
So maybe babiesنوزادان should expectانتظار
those yellowرنگ زرد ballsتوپ ها to squeakجیغ زدن as well.
87
284559
3650
پس شاید کودکان باید انتظار داشته باشند
که توپ‌های زرد هم صدا بدهند.
05:00
Now, those yellowرنگ زرد ballsتوپ ها
have funnyخنده دار sticksچوب on the endپایان,
88
288209
2519
آن توپ‌های زرد، دسته های
با مزه‌ای دارند که
05:02
so babiesنوزادان could do other things
with them if they wanted to.
89
290728
2857
کودکان اگر بخواهند می‌توانند
کارهای دیگری با آن‌ها انجام دهند
05:05
They could poundپوند them or whackضرب و شتم them.
90
293585
1831
می‌توانند آن‌ها را تکان بدهند
یا با آن‌ها ضربه بزنند.
05:07
But let's see what the babyعزیزم does.
91
295416
2586
اما بیاید ببینیم که کودک چکار می‌کند.
05:12
(Videoویدئو) Hyowonهیوون Gweonگوئون: See this?
(Ballتوپ squeaksجادوگر)
92
300548
3343
(ویدیو) هیوان گوان: اینو می‌بینی؟
(توپ صدا می‌دهد)
05:16
Did you see that?
(Ballتوپ squeaksجادوگر)
93
304531
3045
اونو دیدی؟
(توپ صدا می‌دهد)
05:20
Coolسرد.
94
308036
3066
باحاله.
05:24
See this one?
95
312706
1950
اینو می‌بینی؟
05:26
(Ballتوپ squeaksجادوگر)
96
314656
1881
(توپ صدا می‌دهد)
05:28
Wowوای.
97
316537
2653
اووه
05:33
Lauraلورا Schulzشولتز: Told you. (Laughsخنده)
98
321854
2113
لارا شولز: بهتون گفتم (خنده)
05:35
(Videoویدئو) HGHG: See this one?
(Ballتوپ squeaksجادوگر)
99
323967
4031
(ویدیو) هیوان: اینو میبینی؟
(توپ صدا می‌دهد)
05:39
Hey Claraکلارا, this one'sیک نفر for you.
You can go aheadدر پیش and playبازی.
100
327998
4619
کلارا، این مالِ توعه.
می‌تونی باهاش بازی کنی.
05:51
(Laughterخنده)
101
339854
4365
(خنده‌ی حضار)
05:56
LSLS: I don't even have to talk, right?
102
344219
2995
لارا: نیازی نیست صحبت کنم، درسته؟
05:59
All right, it's niceخوب that babiesنوزادان
will generalizeتعمیم دادن propertiesخواص
103
347214
2899
خیلی خوب، خوبه که بچه‌ها خصوصیات مربوط به
06:02
of blueآبی ballsتوپ ها to yellowرنگ زرد ballsتوپ ها,
104
350113
1528
توپ‌های آبی را
به توپ‌های زرد تعمیم می‌دهند
06:03
and it's impressiveچشمگیر that babiesنوزادان
can learnیاد گرفتن from imitatingتقلید کردن us,
105
351641
3096
و چشمگیر است که بچه‌ها
با تقلید از ما یاد می‌گیرند
06:06
but we'veما هستیم knownشناخته شده those things about babiesنوزادان
for a very long time.
106
354737
3669
اما ما این چیزها را در مورد
بچه‌ها از زمان‌های گذشته می‌دانیم.
06:10
The really interestingجالب هست questionسوال
107
358406
1811
سوال بسیار جالب این است که
06:12
is what happensاتفاق می افتد when we showنشان بده babiesنوزادان
exactlyدقیقا the sameیکسان thing,
108
360217
2852
وقتی دقیقا چیز مشابه را
به بچه‌ها نشان می‌دهیم
06:15
and we can ensureاطمینان حاصل کنید it's exactlyدقیقا the sameیکسان
because we have a secretراز compartmentمحفظه
109
363069
3611
و ما می‌توانیم مطمئن باشیم که دقیقا
مشابه است چون یك محفظه‌ی مخفی داریم
06:18
and we actuallyدر واقع pullکشیدن the ballsتوپ ها from there,
110
366680
2110
و ما در واقع توپ‌ها را از آن خارج می‌کنیم،
06:20
but this time, all we changeتغییر دادن
is the apparentآشکار populationجمعیت
111
368790
3478
اما این بار، تنها چیزی که تغییر می‌دهیم
ظاهر جمعیت آماری است که
06:24
from whichکه that evidenceشواهد was drawnکشیده شده.
112
372268
2902
شواهد از آن خارج می‌شود.
06:27
This time, we're going to showنشان بده babiesنوزادان
threeسه blueآبی ballsتوپ ها
113
375170
3553
این بار، به کودکان
سه توپ آبی نشان می‌دهیم که
06:30
pulledکشیده out of a boxجعبه
of mostlyاغلب yellowرنگ زرد ballsتوپ ها,
114
378723
3384
از جعبه‌ای که اکثر
توپ‌هایش زرد است خارج می‌شوند.
06:34
and guessحدس بزن what?
115
382107
1322
و حدس بزنید که چه اتفاقی می‌افتد؟
06:35
You [probablyشاید won'tنخواهد بود] randomlyبه طور تصادفی drawقرعه کشی
threeسه blueآبی ballsتوپ ها in a rowردیف
116
383429
2840
نمیتوان به صورت اتفاقی پشت سرهم ۳ توپ آبی
06:38
out of a boxجعبه of mostlyاغلب yellowرنگ زرد ballsتوپ ها.
117
386269
2484
از جعبه‌ای که اکثر
توپ‌هایش زرد است خارج کرد
06:40
That is not plausiblyقابل اعتماد
randomlyبه طور تصادفی sampledنمونه برداری شده evidenceشواهد.
118
388753
3747
آن شواهدی محتمل از نمونه‌ی انتخابی نیست.
06:44
That evidenceشواهد suggestsحاکی از that maybe Hyowonهیوون
was deliberatelyعمدا samplingنمونه برداری the blueآبی ballsتوپ ها.
119
392500
5123
آن شواهد حاکی از آن است که شاید هیوان
عمدا توپ‌های آبی را انتخاب می‌کرده است.
06:49
Maybe there's something specialویژه
about the blueآبی ballsتوپ ها.
120
397623
2583
شاید چیز خاصی در مورد
توپ‌های آبی وجود دارد.
06:52
Maybe only the blueآبی ballsتوپ ها squeakجیغ زدن.
121
400846
2976
شاید فقط توپ‌های آبی صدا می‌دهند.
06:55
Let's see what the babyعزیزم does.
122
403822
1895
بیاید ببینیم کودک چکار می‌کند.
06:57
(Videoویدئو) HGHG: See this?
(Ballتوپ squeaksجادوگر)
123
405717
2904
(ویدیو) هیوان: اینو می‌بینی؟
(توپ صدا می‌دهد)
07:02
See this toyاسباب بازی?
(Ballتوپ squeaksجادوگر)
124
410851
2645
این اسباب بازی رو می‌بینی؟
(توپ صدا می‌دهد)
07:05
Oh, that was coolسرد. See?
(Ballتوپ squeaksجادوگر)
125
413496
5480
اوه، چقدر باحال بود. می‌بینی؟
(توپ صدا می‌دهد)
07:10
Now this one'sیک نفر for you to playبازی.
You can go aheadدر پیش and playبازی.
126
418976
4394
این برای توعه که بازی کنی.
میتونی بازی کنی.
07:18
(Fussingسر و صدا)
(Laughterخنده)
127
426074
6347
(نق زدن)
(خنده‌ی حضار)
07:26
LSLS: So you just saw
two 15-month-oldیک ساله babiesنوزادان
128
434901
2748
لورا: شما دو کودک ۱۵ ماهه را دیدید که
07:29
do entirelyبه طور کامل differentناهمسان things
129
437649
1942
کارهای کاملا متفاوتی انجام دادند
07:31
basedمستقر only on the probabilityاحتمال
of the sampleنمونه they observedمشاهده شده.
130
439591
3599
تنها براساس احتمال
نمونه‌ای که مشاهده کردند.
07:35
Let me showنشان بده you the experimentalتجربی resultsنتایج.
131
443190
2321
اجازه بدید نتایج آزمایشگاهی
را به شما نشان دهم
07:37
On the verticalعمودی axisمحور, you'llشما خواهید بود see
the percentageدرصد of babiesنوزادان
132
445511
2764
بر روی محور عمودی درصد کودکانی را که
07:40
who squeezedفشرده شده the ballتوپ in eachهر یک conditionوضعیت,
133
448275
2530
در هر حالت توپ را
فشار دادند مشاهده می‌کنید
07:42
and as you'llشما خواهید بود see, babiesنوزادان are much
more likelyاحتمال دارد to generalizeتعمیم دادن the evidenceشواهد
134
450805
3715
و همین‌طور که مشاهده می‌کنید، کودکان بسیار
بیشتر احتمال دارد که شواهد را تعمیم دهند
07:46
when it's plausiblyقابل اعتماد representativeنماینده
of the populationجمعیت
135
454520
3135
وقتی که نمونه‌ی محتملی از جمعیت آماری
را می‌بینند
07:49
than when the evidenceشواهد
is clearlyبه وضوح cherry-pickedگیلاس برداشت شده.
136
457655
3738
در مقابل زمانی که شواهد به وضوح
دستچین شده‌اند
07:53
And this leadsمنجر می شود to a funسرگرم کننده predictionپیش بینی:
137
461393
2415
و این به یک پیش‌بینی جالب منجر می‌شود:
07:55
Supposeفرض کنید you pulledکشیده just one blueآبی ballتوپ
out of the mostlyاغلب yellowرنگ زرد boxجعبه.
138
463808
4868
فرض کنید فقط یک توپ آبی از جعبه‌ای
که اکثر توپ‌هایش زرد است خارج کنیم.
08:00
You [probablyشاید won'tنخواهد بود] pullکشیدن threeسه blueآبی ballsتوپ ها
in a rowردیف at randomتصادفی out of a yellowرنگ زرد boxجعبه,
139
468896
3869
نمی‌شود پشت سرهم ۳ توپ آبی از
جعبه‌ی پر از توپ‌های زرد خارج کرد،
08:04
but you could randomlyبه طور تصادفی sampleنمونه
just one blueآبی ballتوپ.
140
472765
2455
اما ممکن است که فقط یک
توپ آبی به صورت اتفاقی خارج کرد.
08:07
That's not an improbableغیر محتمل sampleنمونه.
141
475220
1970
آن یک نمونه‌ی غیر محتمل نیست.
08:09
And if you could reachنائل شدن into
a boxجعبه at randomتصادفی
142
477190
2224
و اگر بشود به صورت اتفاقی از
داخل جعبه شئ ای
08:11
and pullکشیدن out something that squeaksجادوگر,
maybe everything in the boxجعبه squeaksجادوگر.
143
479414
3987
خارج کرد که صدا می‌دهد،
شاید همه‌ی اشیای درون جعبه صدا می‌دهند.
08:15
So even thoughگرچه babiesنوزادان are going to see
much lessکمتر evidenceشواهد for squeakingسیگاری,
144
483875
4445
پس با وجود اینکه کودکان شواهد
کمتری از صدا دادن خواهند دید،
08:20
and have manyبسیاری fewerکمتر actionsاقدامات to imitateتقلید کردن
145
488320
2242
و فعالیت‌های کمتری برای تقلید دارند
08:22
in this one ballتوپ conditionوضعیت than in
the conditionوضعیت you just saw,
146
490562
3343
در این حالت با یک توپ در مقایسه با
حالتی که دیدید،
08:25
we predictedپیش بینی شده that babiesنوزادان themselvesخودشان
would squeezeفشار دادن more,
147
493905
3892
ما پیشبینی کردیم که بچه‌ها
بیشتر توپ را فشار می‌دهند،
08:29
and that's exactlyدقیقا what we foundپیدا شد.
148
497797
2894
و این دقیقا چیزی است که پیدا کردیم.
08:32
So 15-month-oldیک ساله babiesنوزادان,
in this respectتوجه, like scientistsدانشمندان,
149
500691
4411
پس کودکان ۱۵ ماهه در این موضوع،
مانند دانشمندان،
08:37
careاهميت دادن whetherچه evidenceشواهد
is randomlyبه طور تصادفی sampledنمونه برداری شده or not,
150
505102
3088
اهمیت می‌دهند که آیا
نمونه اتفاقی است یا نه،
08:40
and they use this to developتوسعه
expectationsانتظارات about the worldجهان:
151
508190
3507
و آن‌ها از این استفاده می‌کنند
تا انتظاراتی از دنیا شکل دهند:
08:43
what squeaksجادوگر and what doesn't,
152
511697
2182
چه چیزی صدا می‌دهد و چه چیزی صدا نمی‌دهد،
08:45
what to exploreکاوش کنید and what to ignoreچشم پوشی.
153
513879
3145
چه چیز را کاوش کنند و
از چه چیز چشم‌پوشی کنند.
08:50
Let me showنشان بده you anotherیکی دیگر exampleمثال now,
154
518384
2066
اجازه بدید یک مثال دیگه به شما نشان دهم،
08:52
this time about a problemمسئله
of causalعلت reasoningاستدلال.
155
520450
2730
این بار درباره‌ی یک مشکل در علت و معلول.
08:55
And it startsشروع می شود with a problemمسئله
of confoundedمخفی شده evidenceشواهد
156
523180
2439
و این با یک مشکل از نوع
شواهد سر در گم آغاز می‌شود که
08:57
that all of us have,
157
525619
1672
همه‌ی ما داریم و عبارت از این است که
08:59
whichکه is that we are partبخشی of the worldجهان.
158
527291
2020
ما همه بخشی از دنیا هستیم.
09:01
And this mightممکن not seemبه نظر می رسد like a problemمسئله
to you, but like mostاکثر problemsمشکلات,
159
529311
3436
و این ممکن است از نظر شما یک مشکل نباشد،
اما مانند بیشتر مشکل‌ها،
09:04
it's only a problemمسئله when things go wrongاشتباه.
160
532747
2337
این فقط وقتی مشکل است
که کارها خراب می‌شود.
09:07
Take this babyعزیزم, for instanceنمونه.
161
535464
1811
به عنوان مثال، این کودک را در نظر بگیرید.
09:09
Things are going wrongاشتباه for him.
162
537275
1705
اوضاع برایش خوب پیش نمی رود.
09:10
He would like to make
this toyاسباب بازی go, and he can't.
163
538980
2271
می‌خواهد صدای این اسباب بازی را در بیاورد
اما نمی‌تواند.
09:13
I'll showنشان بده you a few-secondچند ثانیه clipکلیپ.
164
541251
2529
یک کلیپ چند ثانیه‌ای به شما نشان می‌دهم.
09:21
And there's two possibilitiesامکانات, broadlyبه طور گسترده:
165
549340
1920
و به طور گسترده، ۲ حالت وجود دارد:
09:23
Maybe he's doing something wrongاشتباه,
166
551260
2634
شاید او کار اشتباهی انجام می‌دهد،
09:25
or maybe there's something
wrongاشتباه with the toyاسباب بازی.
167
553894
4216
یا شاید اسباب بازی مشکل دارد.
09:30
So in this nextبعد experimentآزمایشی,
168
558110
2111
پس در آزمایش بعدی
09:32
we're going to give babiesنوزادان
just a tinyکوچک bitبیت of statisticalآماری dataداده ها
169
560221
3297
ما به کودکان فقط مقدار بسیار کمی
اطلاعات آماری خواهیم داد
09:35
supportingحمایت از one hypothesisفرضیه over the other,
170
563518
2582
در حمایت از یک فرضیه در مقابل دیگری،
09:38
and we're going to see if babiesنوزادان
can use that to make differentناهمسان decisionsتصمیمات
171
566100
3455
و می‌خواهیم ببینیم که آیا کودکان می‌توانند
از آن استفاده کنند تا تصمیمات مختلف
09:41
about what to do.
172
569555
1834
درباره‌ی کاری که
می‌خواهند انجام دهند بگیرند.
09:43
Here'sاینجاست the setupبرپایی.
173
571389
2022
این هم نحوه‌ی انجام آزمایش
09:46
Hyowonهیوون is going to try to make
the toyاسباب بازی go and succeedموفق باش.
174
574071
3030
هیوان تلاش می‌کند صدای
اسباب بازی را در بیاورد و موفق می‌شود.
09:49
I am then going to try twiceدو برابر
and failشکست bothهر دو timesبار,
175
577101
3320
سپس من دوبار تلاش می‌کنم و
هر دوبار شکست می‌خورم،
09:52
and then Hyowonهیوون is going
to try again and succeedموفق باش,
176
580421
3112
و سپس هیوان دوباره
تلاش می‌کند و موفق می‌شود.
09:55
and this roughlyتقریبا sumsمبالغ up my relationshipارتباط
to my graduateفارغ التحصیل studentsدانش آموزان
177
583533
3172
و این تقریبا رابطه‌ی من با دانشجویان
09:58
in technologyتکنولوژی acrossدر سراسر the boardهیئت مدیره.
178
586705
2835
رشته‌های تکنولوژی در مقابل
هیئت مدیره را خلاصه می‌کند.
10:02
But the importantمهم pointنقطه here is
it providesفراهم می کند a little bitبیت of evidenceشواهد
179
590030
3292
اما نکته‌ی مهم اینجا این است که این
شواهد کمی از این ارائه می‌کند که
10:05
that the problemمسئله isn't with the toyاسباب بازی,
it's with the personفرد.
180
593322
3668
مشکل از اسباب بازی نیست،
از شخصی است که با آن بازی می‌کند.
10:08
Some people can make this toyاسباب بازی go,
181
596990
2350
بعضی افراد می‌توانند صدایِ
اسباب بازی را در بیاورند
10:11
and some can't.
182
599340
959
و بعضی نمی‌توانند.
10:12
Now, when the babyعزیزم getsمی شود the toyاسباب بازی,
he's going to have a choiceانتخابی.
183
600799
3413
حالا، وقتی که کودک اسباب بازی را می‌گیرد،
او باید یک انتخاب کند.
10:16
His momمامان is right there,
184
604212
2188
مادرش هم همان‌جا است
10:18
so he can go aheadدر پیش and handدست off the toyاسباب بازی
and changeتغییر دادن the personفرد,
185
606400
3315
پس او می‌تواند اسباب بازی را به او بدهد و
شخص را عوض کند،
10:21
but there's alsoهمچنین going to be
anotherیکی دیگر toyاسباب بازی at the endپایان of that clothپارچه,
186
609715
3158
اما یک اسباب بازی دیگر
هم در انتهای پارچه است
10:24
and he can pullکشیدن the clothپارچه towardsبه سمت him
and changeتغییر دادن the toyاسباب بازی.
187
612873
3552
و او می‌تواند پارچه را به سمت خود بکشد
و اسباب بازی را عوض کند.
10:28
So let's see what the babyعزیزم does.
188
616425
2090
خب بیاید ببینیم کودک چکار می‌کند.
10:30
(Videoویدئو) HGHG: Two, threeسه. Go!
(Musicموسیقی)
189
618515
4183
(ویدیو) هیوان: دو - سه. حالا!
(صدای موسیقی)
10:34
LSLS: One, two, threeسه, go!
190
622698
3131
لورا: یک - دو - سه، حالا!
10:37
Arthurآرتور, I'm going to try again.
One, two, threeسه, go!
191
625829
7382
آرتور من یک بار دیگر تلاش می‌کنم.
یک - دو - سه، حالا!
10:45
YGYG: Arthurآرتور, let me try again, okay?
192
633677
2600
هیوان: آرتور، بزار من دوباره امتحان کنم،
باشه؟
10:48
One, two, threeسه, go!
(Musicموسیقی)
193
636277
4550
یک - دو - سه، حالا!
(صدای موسیقی)
10:53
Look at that. Rememberیاد آوردن these toysاسباب بازی ها?
194
641583
1883
اونو ببین.
این اسباب بازی‌ها رو یادت هست؟
10:55
See these toysاسباب بازی ها? Yeah, I'm going
to put this one over here,
195
643466
3264
این اسباب بازی‌ها رو می‌بینی؟ آره، من
اینو اینجا میزارم،
10:58
and I'm going to give this one to you.
196
646730
2062
و این یکی را به تو می‌دهم.
11:00
You can go aheadدر پیش and playبازی.
197
648792
2335
می‌تونی باهاش بازی کنی.
11:23
LSLS: Okay, Lauraلورا, but of courseدوره,
babiesنوزادان love theirخودشان mommiesمادران.
198
671213
4737
باشه لورا، اما مشخصه که
کودکان عاشق مادرشان هستند.
11:27
Of courseدوره babiesنوزادان give toysاسباب بازی ها
to theirخودشان mommiesمادران
199
675950
2182
البته که کودکان اسباب بازی‌هایشان
را به مادرشان می‌دهند
11:30
when they can't make them work.
200
678132
2030
وقتی نمی‌توانند آن‌ها را به کار بیاندازند.
11:32
So again, the really importantمهم questionسوال
is what happensاتفاق می افتد when we changeتغییر دادن
201
680162
3593
پس دوباره، سوال بسیار مهم این است که
وقتی که داده‌های آماری را
11:35
the statisticalآماری dataداده ها ever so slightlyکمی.
202
683755
3154
اندکی تغییر دهیم چه اتفاقی می‌افتد.
11:38
This time, babiesنوزادان are going to see the toyاسباب بازی
work and failشکست in exactlyدقیقا the sameیکسان orderسفارش,
203
686909
4087
این بار کودکان با همان ترتیب قبلی
خواهند دید که اسباب بازی کار می‌کند یا خیر
11:42
but we're changingتغییر دادن
the distributionتوزیع of evidenceشواهد.
204
690996
2415
اما ما ترتیب شهود را عوض می‌کنیم.
11:45
This time, Hyowonهیوون is going to succeedموفق باش
onceیک بار and failشکست onceیک بار, and so am I.
205
693411
4411
این بار هیوان یک بار موفق می‌شود و
یک بار شکست می‌خورد و من هم همچنین.
11:49
And this suggestsحاکی از it doesn't matterموضوع
who triesتلاش می کند this toyاسباب بازی, the toyاسباب بازی is brokenشکسته شده.
206
697822
5637
و این حاکی از این است که فرقی نمی‌کند
که چه کسی از اسباب بازی استفاده می‌کند،
11:55
It doesn't work all the time.
207
703459
1886
اسباب بازی خراب است.
گاهی اوقات کار نمی‌کند.
11:57
Again, the baby'sعزیزم going to have a choiceانتخابی.
208
705345
1965
دوباره، کودک یک انتخاب خواهد داشت.
11:59
Her momمامان is right nextبعد to her,
so she can changeتغییر دادن the personفرد,
209
707310
3396
مادرش کنار اوست،
پس او می‌تواند شخص را عوض کند،
12:02
and there's going to be anotherیکی دیگر toyاسباب بازی
at the endپایان of the clothپارچه.
210
710706
3204
و اسباب بازی دیگری در
انتهای پارچه خواهد بود
12:05
Let's watch what she does.
211
713910
1378
بیاید نگاه کنیم که چکار می‌کند.
12:07
(Videoویدئو) HGHG: Two, threeسه, go!
(Musicموسیقی)
212
715288
4348
(ویدیو) هیوان: دو - سه، حالا!
(صدای موسیقی)
12:11
Let me try one more time.
One, two, threeسه, go!
213
719636
4984
بزار یک بار دیگه امتحان کنم.
یک - دو - سه، حالا!
12:17
Hmmهام.
214
725460
1697
هممم.
12:19
LSLS: Let me try, Claraکلارا.
215
727950
2692
لورا: بزار من امتحان کنم کلارا
12:22
One, two, threeسه, go!
216
730642
3945
یک - دو - سه، حالا!
12:27
Hmmهام, let me try again.
217
735265
1935
همم، بزار دوباره امتحان کنم.
12:29
One, two, threeسه, go!
(Musicموسیقی)
218
737200
5670
یک - دو - سه، حالا!
(صدای موسیقی)
12:35
HGHG: I'm going
to put this one over here,
219
743009
2233
هیوان: من اینو اینجا می‌گذارم،
12:37
and I'm going to give this one to you.
220
745242
2001
و این یکیو به تو می‌دهم.
12:39
You can go aheadدر پیش and playبازی.
221
747243
3597
می‌تونی باهاش بازی کنی.
12:58
(Applauseتشویق و تمجید)
222
766376
4897
(تشویق حضار)
13:04
LSLS: Let me showنشان بده you
the experimentalتجربی resultsنتایج.
223
772993
2392
لورا: اجازه بدید نتایج آزمایش
را به شما نشان دهم
13:07
On the verticalعمودی axisمحور,
you'llشما خواهید بود see the distributionتوزیع
224
775385
2475
بر روی محور عمودی,
توزیع انتخاب کودکان
13:09
of children'sکودکان choicesگزینه های in eachهر یک conditionوضعیت,
225
777860
2577
در هر حالت را مشاهده می‌کنید،
13:12
and you'llشما خواهید بود see that the distributionتوزیع
of the choicesگزینه های childrenفرزندان make
226
780437
4551
و می‌بینید که توزیع انتخاباتی
که کودکان می‌کنند
13:16
dependsبستگی دارد on the evidenceشواهد they observeمشاهده کنید.
227
784988
2787
به شواهدی که مشاهده می‌کنند بستگی دارد.
13:19
So in the secondدومین yearسال of life,
228
787775
1857
پس در سال دوم زندگی،
13:21
babiesنوزادان can use a tinyکوچک bitبیت
of statisticalآماری dataداده ها
229
789632
2577
کودکان می‌توانند از مقدار بسیار کمی
داده‌های آماری استفاده کنند تا
13:24
to decideتصميم گرفتن betweenبین two
fundamentallyاساسا differentناهمسان strategiesاستراتژی ها
230
792209
3367
از بین دو استراتژی که از اساس
با یکدیگر متفاوتند انتخاب کنند
13:27
for actingبازیگری in the worldجهان:
231
795576
1881
برای ایفای نقش در دنیا:
13:29
askingدرخواست for help and exploringکاوش.
232
797457
2743
درخواست کمک و کاوش
13:33
I've just shownنشان داده شده you
two laboratoryآزمایشگاه experimentsآزمایشات
233
801700
3434
من الان دو آزمایشِ آزمایشگاهی
13:37
out of literallyعینا hundredsصدها in the fieldرشته
that make similarمشابه pointsنکته ها,
234
805134
3691
از میان صدها آزمایش که
نکته‌های مشابهی را می‌رسانند، نشان دادم
13:40
because the really criticalبحرانی pointنقطه
235
808825
2392
چون نکته‌ی بسیار مهم
13:43
is that children'sکودکان abilityتوانایی
to make richثروتمند inferencesنتیجه گیری from sparseپراکنده dataداده ها
236
811217
5108
این است که توانایی کودکان در
استنتاج عمیق از داده‌های پراکنده و کم
13:48
underliesبستگی دارد all the species-specificگونه خاص
culturalفرهنگی learningیادگیری that we do.
237
816325
5341
زمینه ساز تمام تحقیقاتی است که در یادگیریِ
فرهنگی تمامی گونه‌های خاص انجام می‌دهیم.
13:53
Childrenفرزندان learnیاد گرفتن about newجدید toolsابزار
from just a fewتعداد کمی examplesمثال ها.
238
821666
4597
کودکان تنها با چند مثال در مورد
وسایل جدید یاد می‌گیرند.
13:58
They learnیاد گرفتن newجدید causalعلت relationshipsروابط
from just a fewتعداد کمی examplesمثال ها.
239
826263
4717
رابطه‌های علت و معلولی جدید را
فقط با چند مثال یاد می‌گیرند.
14:03
They even learnیاد گرفتن newجدید wordsکلمات,
in this caseمورد in Americanآمریکایی Signامضا کردن Languageزبان.
240
831928
4871
آن‌ها حتی کلمه‌های جدید یاد می‌گیرند،
در این مورد، زبان اشاره‌ی آمریکایی.
14:08
I want to closeبستن with just two pointsنکته ها.
241
836799
2311
می‌خواهم با فقط دو نکته صحبتم را پایان دهم
14:12
If you've been followingذیل my worldجهان,
the fieldرشته of brainمغز and cognitiveشناختی sciencesعلوم,
242
840050
3688
اگر دنیای من، رشته‌ی مغز و علوم شناختی،
را دنبال می‌کرده اید،
14:15
for the pastگذشته fewتعداد کمی yearsسالها,
243
843738
1927
در چند سال گذشته،
14:17
threeسه bigبزرگ ideasایده ها will have come
to your attentionتوجه.
244
845665
2415
سه ایده‌ی بزرگ توجه شما را جلب کرده است.
14:20
The first is that this is
the eraدوران of the brainمغز.
245
848080
3436
اول؛ اکنون دوره‌ی مغز است.
14:23
And indeedدر واقع, there have been
staggeringسرسام آور discoveriesاکتشافات in neuroscienceعلوم اعصاب:
246
851516
3669
و قطعا اکتشافات متناوبی در
علوم اعصاب اتفاق افتاده است:
14:27
localizingمحلی سازی functionallyعملکردی specializedتخصصی
regionsمناطق of cortexقشر,
247
855185
3436
مشخص کردن جایگاه کارکردِ تخصصیِ
بخش‌هایی از قشر مغزی،
14:30
turningچرخش mouseموش brainsمغز transparentشفاف,
248
858621
2601
واضح ساختن مغزِ موش‌ها
14:33
activatingفعال کردن neuronsنورون ها with lightسبک.
249
861222
3776
فعال کردنِ نورون‌ها با نور
14:36
A secondدومین bigبزرگ ideaاندیشه
250
864998
1996
ایده‌ی بزرگِ دوم این است که
14:38
is that this is the eraدوران of bigبزرگ dataداده ها
and machineدستگاه learningیادگیری,
251
866994
4104
اکنون دوره‌ی اطلاعات بزرگ
(big data) و یادگیری ماشین‌ها است،
14:43
and machineدستگاه learningیادگیری promisesوعده می دهد
to revolutionizeانقلابی کردن our understandingدرك كردن
252
871098
3141
و یادگیری ماشین‌ها وعده‌ی
انقلابی کردن فهم ما از همه چیز،
14:46
of everything from socialاجتماعی networksشبکه های
to epidemiologyهمهگیرشناسی.
253
874239
4667
از شبکه‌های اجتماعی تا اپیدمیلوژی
(علم بیماری‌های واگیردار) را می‌دهد.
14:50
And maybe, as it tacklesمقابله می کند problemsمشکلات
of sceneصحنه understandingدرك كردن
254
878906
2693
و شاید، اینگونه با مشکلاتِ
درک صحنه و پردازش زبان طبیعی
14:53
and naturalطبیعی است languageزبان processingدر حال پردازش,
255
881599
1993
گلاویز می‌شود
14:55
to tell us something
about humanانسان cognitionشناختن.
256
883592
3324
تا به ما چیزی در مورد شناخت انسان بگوید.
14:59
And the finalنهایی bigبزرگ ideaاندیشه you'llشما خواهید بود have heardشنیدم
257
887756
1937
و آخرین ایده‌ی بزرگ که
حتما شنیده‌اید این است که
15:01
is that maybe it's a good ideaاندیشه we're going
to know so much about brainsمغز
258
889693
3387
شاید ایده‌ی خوبی است که ما
آنقدر زیاد در مورد مغز خواهیم دانست
15:05
and have so much accessدسترسی به to bigبزرگ dataداده ها,
259
893080
1917
و دسترسی بسیار زیادی به
داده‌های بزرگ داشته باشیم
15:06
because left to our ownخودت devicesدستگاه ها,
260
894997
2507
زیرا اگر فقط به دستگاه‌های خودمان باشد،
15:09
humansانسان are fallibleفاسد است, we take shortcutsکلید های میانبر,
261
897504
3831
انسان‌ها جایزالخطا هستند،
ما میانبر می‌زنیم،
15:13
we errاشتباه, we make mistakesاشتباهات,
262
901335
3437
ما گمراه می‌شویم، ما اشتباه می‌کنیم،
15:16
we're biasedجانبدارانه, and in innumerableبی شماری waysراه ها,
263
904772
3684
ما انحرافات ذهنی داریم،
و به حالت‌های بیشماری
15:20
we get the worldجهان wrongاشتباه.
264
908456
2969
دنیا را اشتباه می‌فهمیم.
15:24
I think these are all importantمهم storiesداستان ها,
265
912843
2949
فکر می‌کنم این‌ها همه
داستان‌های مهمی هستند،
15:27
and they have a lot to tell us
about what it meansبه معنای to be humanانسان,
266
915792
3785
و موارد زیادی در مورد معنی انسان بودن
به ما می‌گویند،
15:31
but I want you to noteتوجه داشته باشید that todayامروز
I told you a very differentناهمسان storyداستان.
267
919577
3529
اما می‌خواهم توجه کنید که امروز
یک داستان بسیار متفاوت به شما گفتم.
15:35
It's a storyداستان about mindsذهنها and not brainsمغز,
268
923966
3807
این یک داستان در مورد ذهن است و نه مغز.
15:39
and in particularخاص, it's a storyداستان
about the kindsانواع of computationsمحاسبات
269
927773
3006
و به طور مشخص، این یک داستان
در مورد انواع محاسباتی است که
15:42
that uniquelyمنحصر به فرد humanانسان mindsذهنها can performانجام دادن,
270
930779
2590
ذهن منحصر به فرد انسان می‌تواند انجام دهد،
15:45
whichکه involveشامل richثروتمند, structuredساختار یافته knowledgeدانش
and the abilityتوانایی to learnیاد گرفتن
271
933369
3944
که شامل دانش عمیق،
طبقه‌بندی شده و توانایی یاد گرفتن از
15:49
from smallکوچک amountsمقادیر of dataداده ها,
the evidenceشواهد of just a fewتعداد کمی examplesمثال ها.
272
937313
5268
حجم کمی از داده‌ها،
شواهدی فقط از چند مثال. می شود
15:56
And fundamentallyاساسا, it's a storyداستان
about how startingراه افتادن as very smallکوچک childrenفرزندان
273
944301
4299
و اساسا، داستانی درباره‌ی این است که چگونه
با شروع از کودکانی بسیار کوچک
16:00
and continuingادامه دادن out all the way
to the greatestبزرگترین accomplishmentsدستاوردهای
274
948600
4180
و ادامه دادن تمام مسیر تا
بزرگ‌ترین دستاوردهایِ
16:04
of our cultureفرهنگ,
275
952780
3843
تمدنِ ما،
16:08
we get the worldجهان right.
276
956623
1997
ما دنیا را درست درک می‌کنیم.
16:12
Folksمردم, humanانسان mindsذهنها do not only learnیاد گرفتن
from smallکوچک amountsمقادیر of dataداده ها.
277
960433
5267
دوستان، ذهنِ انسان‌ها تنها
از مقدار کم داده‌ها یاد نمی‌گیرد.
16:18
Humanانسان mindsذهنها think
of altogetherدر مجموع newجدید ideasایده ها.
278
966285
2101
ذهنِ انسان به ایده‌های
کاملا جدید فکر می‌کند.
16:20
Humanانسان mindsذهنها generateتولید کنید
researchپژوهش and discoveryکشف,
279
968746
3041
ذهنِ انسان کاوش و کشف می‌کند،
16:23
and humanانسان mindsذهنها generateتولید کنید
artهنر and literatureادبیات and poetryشعر and theaterتئاتر,
280
971787
5273
و ذهنِ انسان هنر و ادبیات
و شعر و تئاتر تولید می‌کند،
16:29
and humanانسان mindsذهنها take careاهميت دادن of other humansانسان:
281
977070
3760
و ذهنِ انسان از دیگر
انسان‌ها مراقبت می‌کند:
16:32
our oldقدیمی, our youngجوان, our sickبیمار.
282
980830
3427
افرادِ مسن، کودکان و بیمارانِ ما.
16:36
We even healالتیام them.
283
984517
2367
ما حتی آن‌ها را درمان می‌کنیم.
16:39
In the yearsسالها to come, we're going
to see technologicalتکنولوژیکی innovationsنوآوری ها
284
987564
3103
در سال‌های آتی، ما نوآوری‌هایی
در فناوری خواهیم دید که
16:42
beyondفراتر anything I can even envisionتجسم,
285
990667
3797
فراتر از هرچیزی است که
حتی بتوانم تجسم کنم،
16:46
but we are very unlikelyبعید است
286
994464
2150
اما بسیار کم احتمال دارد که
16:48
to see anything even approximatingتقریبی
the computationalمحاسباتی powerقدرت of a humanانسان childکودک
287
996614
5709
چیزی ببینیم که نزدیک به
قدرتِ محاسباتیِ کودکِ انسان باشد.
16:54
in my lifetimeطول عمر or in yoursشما.
288
1002323
4298
در طول عمر من یا شما.
16:58
If we investسرمایه گذاری in these mostاکثر powerfulقدرتمند
learnersزبان آموزان and theirخودشان developmentتوسعه,
289
1006621
5047
اگر ما در روی یادگیری و پیشرفتِ این
یادگیرندگانِ قدرتمند سرمایه‌گذاری کنیم،
17:03
in babiesنوزادان and childrenفرزندان
290
1011668
2917
در نوزادان و کودکان
17:06
and mothersمادران and fathersپدران
291
1014585
1826
و مادران و پدران
17:08
and caregiversنگهبانان and teachersمعلمان
292
1016411
2699
سرپرستان و معلمان
17:11
the waysراه ها we investسرمایه گذاری in our other
mostاکثر powerfulقدرتمند and elegantظریف formsتشکیل می دهد
293
1019110
4170
به نوعی که در قدرتمندترین و ظریف‌ترین
گونه‌های تکنولوژی،
17:15
of technologyتکنولوژی, engineeringمهندسی and designطرح,
294
1023280
3218
مهندسی و طراحی سرمایه‌گذاری می‌کنیم،
17:18
we will not just be dreamingرویا پردازی
of a better futureآینده,
295
1026498
2939
ما فقط برای یک آینده‌یِ
بهتر رویا پردازی نمی‌کنیم،
17:21
we will be planningبرنامه ریزی for one.
296
1029437
2127
برای آن برنامه‌ریزی می‌کنیم.
17:23
Thank you very much.
297
1031564
2345
بسیار متشکرم.
17:25
(Applauseتشویق و تمجید)
298
1033909
3421
(تشویق حضار)
17:29
Chrisکریس Andersonاندرسون: Lauraلورا, thank you.
I do actuallyدر واقع have a questionسوال for you.
299
1037810
4426
کریس اندرسون: لورا، متشکرم.
من یک سوال از تو دارم.
17:34
First of all, the researchپژوهش is insaneدیوانه.
300
1042236
2359
اول از همه، تحقیقات تو دیوانه کننده است.
17:36
I mean, who would designطرح
an experimentآزمایشی like that? (Laughterخنده)
301
1044595
3725
منظورم اینه که، کی چنین آزمایشی
رو طراحی می‌کنه؟(خنده)
17:41
I've seenمشاهده گردید that a coupleزن و شوهر of timesبار,
302
1049150
1790
چند بار آن را نگاه کرده‌ام،
17:42
and I still don't honestlyصادقانه believe
that that can trulyبراستی be happeningاتفاق می افتد,
303
1050940
3222
و صادقانه بگم، هنوز باورم نمیشه
که آن اتفاق‌ها ممکن است،
17:46
but other people have doneانجام شده
similarمشابه experimentsآزمایشات; it checksچک ها out.
304
1054162
3158
اما افراد دیگری هم آزمایش‌های
مشابهی انجام داده‌اند، مشخص است:
17:49
The babiesنوزادان really are that geniusنابغه.
305
1057320
1633
کودکان واقعا نابغه‌اند.
17:50
LSLS: You know, they look really impressiveچشمگیر
in our experimentsآزمایشات,
306
1058953
3007
لارا: میدونی، در آزمایش‌های ما
بسیار چشمگیر به نظر می‌آیند،
17:53
but think about what they
look like in realواقعی life, right?
307
1061960
2652
اما در مورد این فکر کن که در زندگیِ
واقعی چگونه به نظر می‌آیند، درسته؟
17:56
It startsشروع می شود out as a babyعزیزم.
308
1064612
1150
به عنوان یک نوزاد شروع می‌کند.
17:57
Eighteenهجده monthsماه ها laterبعد,
it's talkingصحبت کردن to you,
309
1065762
2007
۱۸ ماه بعد،
با ما صحبت می‌کند،
17:59
and babies'نوزادان' first wordsکلمات aren'tنه just
things like ballsتوپ ها and ducksاردک,
310
1067769
3041
و اولین کلمه‌های کودکان
فقط چیزهایی مثل توپ و اردک نیست،
18:02
they're things like "all goneرفته,"
whichکه referمراجعه کنید to disappearanceناپدید شدن,
311
1070810
2881
چیزهایی مثل «رفت» است
که به ناپدید شدن باز می‌گردد،
18:05
or "uh-ohاوه آه," whichکه referمراجعه کنید
to unintentionalغیر عمد actionsاقدامات.
312
1073691
2283
یا «اوه-اوه» که به فعالیت‌هایِ
غیرعمدی باز می‌گردد.
18:07
It has to be that powerfulقدرتمند.
313
1075974
1562
باید آنقدر قدرتمند باشد.
18:09
It has to be much more powerfulقدرتمند
than anything I showedنشان داد you.
314
1077536
2775
باید از هر چیزی که نشانتان
دادم قدرتمندتر باشد.
18:12
They're figuringبدانید out the entireکل worldجهان.
315
1080311
1974
آن‌ها در حال فهم تمام دنیا هستند.
18:14
A four-year-oldچهار ساله can talk to you
about almostتقریبا anything.
316
1082285
3144
یک کودکِ ۴ ساله تقریبا در مورد
همه چیز می‌تواند با ما صحبت کند.
18:17
(Applauseتشویق و تمجید)
317
1085429
1601
(تشویق حضار)
18:19
CACA: And if I understandفهمیدن you right,
the other keyکلیدی pointنقطه you're makingساخت is,
318
1087030
3414
کریس: و اگر درست متوجه شده باشم، نکته‌ی
کلیدی دیگری که بیان می‌کنی این است که
18:22
we'veما هستیم been throughاز طریق these yearsسالها
where there's all this talk
319
1090444
2754
ما این سال‌ها را گذراندیم که
صحبت‌های زیادی در مورد اینکه
18:25
of how quirkyدمدمی مزاجی and buggyحشره دار our mindsذهنها are,
320
1093198
1932
ذهن‌های ما چقدر دمدمی و پر مشکل است،
وجود داشته است
18:27
that behavioralرفتاری economicsاقتصاد
and the wholeکل theoriesنظریه ها behindپشت that
321
1095130
2867
اقتصاد رفتاری و تمام تئوری‌های پشت آن
18:29
that we're not rationalگویا agentsعاملان.
322
1097997
1603
که ما عواملِ منطقی نیستیم.
18:31
You're really sayingگفت: that the biggerبزرگتر
storyداستان is how extraordinaryخارق العاده,
323
1099600
4216
تو در واقع می‌گویی که داستانِ بزرگتر،
این است که چه مقدار
18:35
and there really is geniusنابغه there
that is underappreciatedتحت تأثیر.
324
1103816
4944
نبوغِ خارق‌العاده وجود دارد که
مورد توجه و قدردانی قرار نگرفته است.
18:40
LSLS: One of my favoriteمورد علاقه
quotesنقل قول in psychologyروانشناسی
325
1108760
2070
لارا: یکی از نقل قول‌های مورد
علاقه‌ی من در روانشناسی
18:42
comesمی آید from the socialاجتماعی
psychologistروانشناس Solomonسلیمان Aschاسم,
326
1110830
2290
از «سالامون اش» ِ روانشناسِ اجتماعی است
18:45
and he said the fundamentalاساسی taskوظیفه
of psychologyروانشناسی is to removeبرداشتن
327
1113120
2807
و او گفته که وظیفه‌ی اساسی
روانشناسی این است که
18:47
the veilحجاب of self-evidenceخود شواهد from things.
328
1115927
2626
پرده از بدیهیتِ همه چیز بردارد.
18:50
There are ordersسفارشات of magnitudeاندازه
more decisionsتصمیمات you make everyهرکدام day
329
1118553
4551
مرتبه‌ی بسیار بزرگی از تصمیمات را
روزانه اتخاذ می‌کنیم که
18:55
that get the worldجهان right.
330
1123104
1347
دنیا را درست درک می‌کنند.
18:56
You know about objectsاشیاء
and theirخودشان propertiesخواص.
331
1124451
2132
در مورد اشیا و خصوصیات آن‌ها می‌دانیم.
18:58
You know them when they're occludedبستن.
You know them in the darkتاریک است.
332
1126583
3029
آن‌ها را وقتی بسته‌بندی شده‌اند
یا در تاریکی اند می‌شناسیم.
19:01
You can walkراه رفتن throughاز طریق roomsاتاق ها.
333
1129612
1308
می‌توانیم از اتاق‌ها بگذریم.
19:02
You can figureشکل out what other people
are thinkingفكر كردن. You can talk to them.
334
1130920
3532
می‌توانیم بفهمیم که بقیه در مورد چه
فکر می‌کنند. می‌توانیم با آن‌ها صحبت کنیم.
19:06
You can navigateحرکت کن spaceفضا.
You know about numbersشماره.
335
1134452
2230
می‌توانیم در فضا حرکت کنیم.
در مورد عددها می‌دانیم.
19:08
You know causalعلت relationshipsروابط.
You know about moralاخلاقی reasoningاستدلال.
336
1136682
3022
در مورد علت و معلول می‌دانیم.
در مورد استدلال اخلاقی می‌دانیم.
19:11
You do this effortlesslyبدون زحمت,
so we don't see it,
337
1139704
2356
این کار را بدون زحمت انجام می‌دهیم،
پس نمی‌بینمش،
19:14
but that is how we get the worldجهان right,
and it's a remarkableقابل توجه
338
1142060
2912
اما اینگونه است که دنیا را درست
درک می‌کنیم، و این قابل توجه است
19:16
and very difficult-to-understandفهمیدنش مشکل است
accomplishmentدستاورد.
339
1144972
2318
و دستاوردی است که خیلی سخت قابل فهم است.
19:19
CACA: I suspectمشکوک there are people
in the audienceحضار who have
340
1147290
2628
کریس: فکر می‌کنم افرادی در
میان مخاطبان هستند که
19:21
this viewچشم انداز of acceleratingتسریع
technologicalتکنولوژیکی powerقدرت
341
1149918
2238
دیدگاهی در مورد شتاب دادن
به قدرت فناوری دارند که
19:24
who mightممکن disputeاختلاف نظر your statementبیانیه
that never in our lifetimesطول عمر
342
1152156
2958
ممکن است با جمله‌ی تو که
در طول عمر ما امکان ندارد که
19:27
will a computerکامپیوتر do what
a three-year-oldسه ساله childکودک can do,
343
1155114
2618
یک کامپیوتر کاری را انجام دهد که یک
کودک ۳ ساله می‌تواند انجام دهد انکار کند
19:29
but what's clearروشن است is that in any scenarioسناریو,
344
1157732
3248
اما این مشخص است که در هر سناریویی،
19:32
our machinesماشین آلات have so much to learnیاد گرفتن
from our toddlersکودک نو پا.
345
1160980
3770
ماشین‌های ما چیزهای زیادی برای
یاد گرفتن از کودکان نوپای ما دارند.
19:38
LSLS: I think so. You'llشما have some
machineدستگاه learningیادگیری folksمردمی up here.
346
1166230
3216
لارا:همین‌طور فکر می‌کنم، دوستانی که
داریم که در فراگیری ماشین کار می‌کنند.
19:41
I mean, you should never betشرط
againstدر برابر babiesنوزادان or chimpanzeesشامپانزه ها
347
1169446
4203
منظورم اینه که، تجربه نشان داده
که هیچوقت نباید بر ضد کودکان یا
19:45
or technologyتکنولوژی as a matterموضوع of practiceتمرین,
348
1173649
3645
شامپانزه‌ها یا تکنولوژی شرط ببندیم،
19:49
but it's not just
a differenceتفاوت in quantityکمیت,
349
1177294
4528
اما این فقط یک تفاوت در مقدار نیست،
19:53
it's a differenceتفاوت in kindنوع.
350
1181822
1764
این تفاوتی در نوع است.
19:55
We have incrediblyطور باور نکردنی powerfulقدرتمند computersکامپیوترها,
351
1183586
2160
ما کامپیوترهای قدرتمندِ غیرقابل
باوری داریم و
19:57
and they do do amazinglyشگفت آور
sophisticatedپیچیده things,
352
1185746
2391
آن‌ها کارهای پیچیده‌ی
شگفت‌آوری انجام می‌دهند،
20:00
oftenغالبا with very bigبزرگ amountsمقادیر of dataداده ها.
353
1188137
3204
معمولا با حجم بزرگی از داده‌ها.
20:03
Humanانسان mindsذهنها do, I think,
something quiteکاملا differentناهمسان,
354
1191341
2607
ذهنِ انسان‌، فکر می‌کنم
که کار کاملا متفاوتی انجام می‌دهد
20:05
and I think it's the structuredساختار یافته,
hierarchicalسلسله مراتبی natureطبیعت of humanانسان knowledgeدانش
355
1193948
3895
و فکر می‌کنم این طبیعت سلسله مراتبی
و ساخت‌یافته‌ی انسان است که
20:09
that remainsبقایای a realواقعی challengeچالش.
356
1197843
2032
چالش واقعی باقی می‌ماند.
20:11
CACA: Lauraلورا Schulzشولتز, wonderfulفوق العاده
foodغذا for thought. Thank you so much.
357
1199875
3061
کریس: لارا شولز، غذای حیرت انگیزی
برای اندیشه بود. بسیار متشکرم.
20:14
LSLS: Thank you.
(Applauseتشویق و تمجید)
358
1202936
2922
لارا: متشکرم
(تشویق حضار)
Translated by Masood Zeinoghli
Reviewed by Ali Fatemi

▲Back to top

ABOUT THE SPEAKER
Laura Schulz - Cognitive scientist
Developmental behavior studies spearheaded by Laura Schulz are changing our notions of how children learn.

Why you should listen

MIT Early Childhood Cognition Lab lead investigator Laura Schulz studies learning in early childhood. Her research bridges computational models of cognitive development and behavioral studies in order to understand the origins of inquiry and discovery.

Working in play labs, children’s museums, and a recently-launched citizen science website, Schultz is reshaping how we view young children’s perceptions of the world around them. Some of the surprising results of her research: before the age of four, children expect hidden causes when events happen probabilistically, use simple experiments to distinguish causal hypotheses, and trade off learning from instruction and exploration.

More profile about the speaker
Laura Schulz | Speaker | TED.com